Supply chain management gør almindeligvis brug af regressionsanalyse til at analysere sammenhænge mellem variabler og lave forudsigelser om fremtidige resultater. Eksempler på anvendelsesdomæner er kontrol af produktionsniveauer, lagerniveauer, transportomkostninger, leveringstider, kundeefterspørgsel, skrotreduktion og kundetilfredshed. I dagens blogindlæg skriver jeg om regressionsanalyse, dens anvendelse i SCM og dens integration i større ERP-systemer til SCM. Jeg vil fokusere på behovsforecasting og lagerstyring. Ikke desto mindre understøtter f.eks. regressionsanalyse også transportomkostningsanalyse og beslutningstagning, såvel som f.eks. identifikation af de vigtigste drivkræfter for kundetilfredshed.

Regressionsmodeller til efterspørgselsprognose og lagerstyring

Flere typer af regressionsmodeller bruges almindeligvis til efterspørgselsprognose og lagerstyring. Hver modeltype er stærk på nogle områder og svag på andre. Organisationer overvejer nøje, hvilken model der passer bedst til deres behov, før de udfører efterspørgselsprognoser eller lagerstyringsanalyse.

Lineær regression

Linera-regressionsmodeller antager, at forholdet mellem efterspørgslen efter et produkt og en eller flere prædiktorvariable er lineær. Lineære regressionsmodelanvendelser kan f.eks. finde de vigtigste drivkræfter til at efterspørge og derved hjælpe med prioritering, beslutningstagning og planlægning. For eksempel kan du prøve at tilpasse en lineær regressionsmodel til data, der sammenligner priser og efterspørgsel efter et produkt. Hvor meget øger kampagner, dvs. prisnedsættelser, efterspørgslen?

Den underliggende antagelse er, at et fald i prisen øger efterspørgslen. Lineær regression antager som nævnt, at dette forhold er lineært. SCM-afdelinger bruger i vid udstrækning og almindeligt lineær regression. Hvis det er tydeligt, at en sammenhæng ikke er lineær, men f.eks. polynomium, kan ikke-lineære regressionsmodeller, såsom polynomielle regressionsmodeller, anvendes i stedet.

Tidsserieregression

Tidsserieregressionsmodeller bruges, når dataene inkluderer tendenser eller mønstre, der ændrer sig over tid. Eksempler er sæsonudsving eller vedvarende langsigtet vækst. I disse modeller bruges de historiske efterspørgselsdata til at identificere mønstre, som derefter bruges til at forudsige fremtidig efterspørgsel. Tidsserieregression vil hjælpe med at estimere nødvendige beholdningsniveauer i løbet af sommeren, i ferier og hele året.

Logistisk regression

Logistisk regression er en type model, der almindeligvis bruges til lagerstyring, når dataene inkluderer binære resultater, såsom om et produkt er på lager eller udsolgt. Denne type model kan bruges til at forudsige sandsynligheden for, at et produkt vil være udsolgt baseret på faktorer som efterspørgsel, leveringstider og leverandørydelse. Logistisk regression kan hjælpe i søgningen efter hoveddrivere til lager-outs og lav tilgængelighed.

Poisson regression

Poisson-regressionsmodeller er en god mulighed, når dataene inkluderer tælledata, såsom antallet af salg af et bestemt produkt. Disse modeller kan bruges til at forudsige efterspørgsel baseret på faktorer som pris, promovering og markedsføringsaktivitet.

Eksempler på kommerciel regressionsanalyse

Jeg vil gerne give nogle kommercielle anvendelseseksempler på regressionsanalyse.

Amazon bruger prædiktiv analyse og regressionsanalyse til at forudsige efterspørgsel og optimere lagerniveauer i sine varehuse. Dette giver virksomheden mulighed for at reducere mængden af ​​lagerbeholdning, mens den stadig sikrer, at produkter er tilgængelige for kunderne, når de har brug for dem.

Walmart bruger regressionsanalyse til at analysere sine forsyningskædedata og optimere sine logistikoperationer. For eksempel bruger virksomheden regressionsanalyse til at modellere sammenhængen mellem transportomkostninger og leveringstider. Dette giver Walmart mulighed for at træffe informerede beslutninger om, hvordan man balancerer disse faktorer som en del af sin logistikplanlægningsproces.

Procter & Gamble bruger regressionsanalyse til at forudsige efterspørgsel og optimere sin produktionsplanlægning. Ved at analysere historiske salgsdata og andre relevante faktorer kan virksomheden præcist forudsige efterspørgslen efter sine produkter og justere sine produktionsniveauer i overensstemmelse hermed.

Ford bruger regressionsanalyse og andre statistiske teknikker til at optimere sin forsyningskædedrift og reducere omkostningerne. For eksempel bruger virksomheden regressionsanalyse til at modellere forholdet mellem leverandørens gennemløbstider og lagerniveauer. Dette hjælper med at træffe beslutninger med hensyn til, hvornår dele skal bestilles, og hvor meget lager, der skal opbevares.

Hvilke større ERP’er har regressionsanalyse integreret?

De fleste større Enterprise Resource Planning (ERP) systemer har ikke regressionsanalyse integreret direkte i deres software. ERP-systemer er typisk designet til at håndtere en bred vifte af forretningsfunktioner, processer og operationer. ERP-systemer understøtter normalt forretningsfunktioner såsom regnskab, lagerstyring og forsyningskædestyring. Men de inkluderer generelt ikke statistiske modelleringsmuligheder. Ikke desto mindre har ERP-systemer normalt indbyggede rapporterings- og analyseværktøjer, der kan bruges til at udtrække data til brug i regressionsanalyse.

For eksempel har mange ERP-systemer rapporteringsmoduler, der giver brugerne mulighed for at generere tilpassede rapporter. Disse rapporter kan derefter eksporteres til en statistisk analysesoftwarepakke som R, SAS , SPSS etc. til fx regressionsanalyse.

Derudover tilbyder nogle ERP-leverandører tilføjelsesmoduler eller integrationer med tredjepartsanalysesoftware, der inkluderer regressionsanalysefunktioner. For eksempel tilbyder SAP et forudsigende analysemodul, der inkluderer regressionsanalyse som en af ​​sine muligheder. Oracle tilbyder en række analyseprodukter, herunder Oracle Business Intelligence, som kan integreres med ERP-systemer og inkluderer regressionsanalysefunktioner.

Jeg vil fokusere på SAP, da jeg oprindeligt kommer fra Tyskland og SAP er meget brugt i tyske produktionsvirksomheder.

SAP-tilføjelser til regressionsanalyse

Der findes tilføjelser til SAP , som giver brugerne mulighed for at udføre regressionsanalyse direkte i SAP-systemet. Et eksempel er SAP Predictive Analytics-softwaren, som omfatter en række prædiktive modelleringsteknikker, herunder regressionsanalyse.

Med SAP Predictive Analytics kan brugere bygge regressionsmodeller ved hjælp af data gemt i SAP-systemet og derefter bruge disse modeller til at lave forudsigelser og prognoser om fremtidige resultater. Softwaren omfatter fx lineær regression, logistisk regression og tidsserieregression. Ud over regressionsanalyse inkluderer SAP Predictive Analytics andre analysefunktioner. For eksempel: Clustering, klassificering og data mining. Det inkluderer også indbyggede dataforberedelse og visualiseringsværktøjer, hvilket gør det nemmere for brugere at arbejde med store og komplekse datasæt.

SAP Predictive Analytics kræver dog specialiserede færdigheder og viden. Virksomheder, der implementerer SAP Predictive Analytics for første gang, bliver nødt til at opbygge disse færdigheder og skal implementere koncepter og strukturer, der sikrer, at denne viden og disse færdigheder forbliver og forbedres i virksomheden over tid.

Regressionsanalysetilføjelser til andre større ERP’er

Der er andre tilføjelser og udvidelser tilgængelige til større ERP-systemer, der giver mulighed for regressionsanalyse. Microsoft tilbyder adskillige tilføjelser til Dynamics 365, der giver avancerede analyser og forudsigelige modelleringsfunktioner, herunder regressionsanalyse. Microsoft Power BI-pakken inkluderer indbyggede regressionsanalyseværktøjer samt andre forudsigelige analyser og datavisualiseringsfunktioner. Oracle tilbyder en række analyseprodukter, herunder Oracle Business Intelligence Cloud, som leverer avancerede analyse- og datavisualiseringsværktøjer, der kan integreres med Oracle ERP Cloud. Softwaren inkluderer regressionsanalysefunktioner samt andre prædiktive modelleringsteknikker.

Infor tilbyder en række analyseværktøjer, der kan integreres med dets ERP-software, inklusive Birst, en cloud-baseret analyseplatform, der inkluderer regressionsanalysefunktioner. Birst giver brugerne mulighed for at bygge prædiktive modeller ved hjælp af data fra flere kilder, herunder ERP-data, og at visualisere resultaterne i dashboards i realtid.

Epicor tilbyder flere analytiske tilføjelser, der giver forudsigelige modelleringsfunktioner, herunder regressionsanalyse. Epicor Data Analytics-værktøjet inkluderer indbygget regressionsanalyse og andre statistiske modelleringsfunktioner samt datavisualiseringsværktøjer.

Der er mange tilføjelser og udvidelser tilgængelige til større ERP-systemer, der giver mulighed for regressionsanalyse, såvel som andre avancerede analyser og forudsigelige modelleringsfunktioner. De specifikke værktøjer og softwarepakker, der er tilgængelige, vil afhænge af det pågældende ERP-system, samt de specifikke behov og krav i den organisation, der bruger softwaren.

Linnart Felkl

Industriingeniør som gerne beskæftiger sig med optimering, simulation og matematisk modellering i R, SQL, VBA og Python