在今天的供應鏈中，你如何預測未訂購的物品？
在現代供應鏈中，預測對於製造庫存物品的公司而言並不需要預測。 製造商將使用材料預測來確保他們生產滿足其客戶的材料水平，而不會產生產能過剩的情況，在這種情況下會產生過多的庫存並仍然存在。
同樣，預測也不能不成立，製造商會在沒有庫存的情況下發現它們來滿足客戶的訂單。
未能保持準確預測的成本在經濟上可能是災難性的。
預測可以是：
- 統計
- 非Statisical
預測是針對公司的成品，部件和服務部件而開發的。 生產團隊使用該預測來製定生產或採購訂單觸發器，數量和安全庫存水平。
預測不是固定的，應由管理層定期審查。 這是為了確保關於未來趨勢的信息，內部或外部環境被納入預測，以提供更準確的計算。
統計預測
在供應鏈管理軟件中，預測是從實時交易中提供數據的計算，並且基於一系列配置用於多種統計預測情況的變量。
規劃專業人士需要使用該軟件來提供最佳的預測情況，而且經常會在沒有長時間審查的情況下不加限制。
為了更好地利用供應鏈軟件中的預測技術，規劃人員應該審查他們關於內部和外部環境的決策。
他們應該調整計算，以根據他們現有的信息提供更準確的預測 。
統計預測是根據過去發生的需求對將來會發生什麼的最佳估計。
歷史需求數據可用於使用簡單線性回歸來產生預測 。 這對歷史時期的需求給予同等重視，並將需求推向未來。
然而，今天的預測比舊數據更強調最近的需求數據。 這被稱為平滑，並通過給予最近的數據更多的權重來產生。 指數平滑指的是對更近的歷史時期給予更高的權重。 因此兩個月前的一段時間比六個月前的時段更重。
Alpha因子
權重稱為Alpha因子，權重或Alpha因子越高，創建預測的歷史時段就越少。
例如，較高的Alpha因子給予了近期高的權重，並且一年或兩年前的期間需求被加權得如此之輕以至於它們與整體預測沒有關係。 低Alpha因子意味著歷史數據與預測更相關。
歷史時期通常包含固定月份（即6月或7月）的需求數據。 但是，這會給計算帶來誤差，因為有些月份的日數比其他月份多，而且工作日的數量可能會有所不同。
一些公司使用每日需求來減輕這種錯誤，但是如果預報員了解錯誤，則可以使用每月曆史時段以及跟踪指標來識別預測何時偏離實際需求。 跟踪信號標記偏差的水平由預測器或軟件確定，並且因行業，公司和產品而異。
當預測的產品價值較高時，小的偏差可能需要干預，而低價值的項目可能不需要將預測仔細檢查到如此高的水平。
非統計預測
非統計預測發現在供應鏈管理軟件中，需求根據生產計劃人員確定的數量進行預測。
當計劃者輸入一個主觀的數量時，就會發生這種情況，他們認為需求將不會參考歷史需求。
另一種非統計預測發生在物料需求基於物料需求計劃（MRP）運行結果的時候。
這取決於成品的需求，並爆炸物料清單，以便為零部件計算需求。 規劃人員可以根據他們對當前環境的評估和了解來修改組件需求。
由此產生的預測基於當前需求，不會包含前期任何需求。 許多公司將在其產品系列中使用非統計和統計預測的組合。
統計預測基於復雜的計算，未來的需求可以根據歷史時期的需求來確定。
預測為規劃者提供了未來需求的指導，但是沒有任何預測是完全準確的，規劃者對當前和未來環境的經驗和知識對於確定公司產品的未來需求非常重要。
本文已由The Balance的物流和供應鏈專家Gary Marion更新。