Kysynnän ennakointiprosessin kehittäminen leipomoyrityksessä

Tämän työn tarkoituksena on kehittää lyhyen tähtäimen kysynnän ennakointiprosessia VAASAN Oy:ssä, jossa osa tuotteista valmistetaan kysyntäennakoiden perusteella. Valmistettavien tuotteiden luonteesta johtuva varastointimahdollisuuden puuttuminen, korkea toimitusvarmuustavoite sekä tarvittavien ennakoiden suuri määrä asettavat suuret haasteet kysynnän ennakointiprosessille. Työn teoriaosuudessa käsitellään kysynnän ennustamisen tarvetta, ennusteiden käyttökohteita sekä kysynnän ennustamismenetelmiä. Pelkällä kysynnän ennustamisella ei kuitenkaan päästä toimitusketjun kannalta optimaaliseen lopputulokseen, vaan siihen tarvitaan kokonaisvaltaista kysynnän hallintaa. Se on prosessi, jonka tavoitteena on tasapainottaa toimitusketjun kyvykkyydet ja asiakkaiden vaatimukset keskenään mahdollisimman tehokkaasti. Työssä tutkittiin yrityksessä kolmen kuukauden aikana eksponentiaalisen tasoituksen menetelmällä laadittuja ennakoita sekä ennakoijien tekemiä muutoksia niihin. Tutkimuksen perusteella optimaalinen eksponentiaalisen tasoituksen alfa-kerroin on 0,6. Ennakoijien tilastollisiin ennakoihin tekemät muutokset paransivat ennakoiden tarkkuutta ja ne olivat erityisen tehokkaita toimituspuutteiden minimoimisessa. Lisäksi työn tuloksena ennakoijien käyttöön saatiin monia päivittäisiä rutiineja helpottavia ja automatisoivia työkaluja.

The purpose of this thesis is to evolve the process of short-term demand forecasting process at VAASAN Oy in which some of the products are manufactured based on demand forecasts. The inability to keep stocks, high delivery reliability goals and the large number of required forecasts set major challenges to the demand forecasting process. The literature review part deals with the need for demand forecasting, the uses of forecasts and different forecasting methods. However, optimal results for the whole supply chain cannot be achieved by mere demand forecasting but comprehensive demand management is needed. It is a process which aims at balancing the capabilities of the supply chain and the requirements of the customer in an efficient way. This thesis studies statistical forecasts made with the method of exponential smoothing and the judgmental adjustments made by the forecasters in a twelve week period. The analysis shows that the optimal Alfa coefficient in the exponential smoothing is 0.6. The judgmental adjustments improved the accuracy of forecasts and they were especially efficient in minimizing delivery shortages. In addition the results of the thesis include multiple new tools for the forecasters which automate and make daily routines easier.