Наконец, качественное планирование невозможно без наличия полных и актуальных справочников (каталогов, перечней) всех закупаемых позиций, построенных по категорийному принципу. Задача таких справочников – обеспечить унификацию наименований ТМЦ, устранить дублирование позиций, задать правила кодирования, единицы измерения, атрибуты описания. Они позволяют быстро находить взаимозаменяемые аналоги, выявлять возможности для стандартизации спецификаций, консолидировать потребности различных подразделений. Работа со справочниками – зона совместной ответственности службы снабжения, ОМТС, конструкторских и технологических служб, ИТ и НСИ. Ее регламентация, контроль полноты и качества данных, интеграция со смежными системами (ERP, СЭД, PLM) – необходимое условие эффективного планирования и управления запасами.

Следующий этап после сбора и анализа исходных данных – собственно прогнозирование потребности в ТМЦ, т.е. моделирование будущего профиля спроса с определенным горизонтом упреждения (обычно квартал-год) и уровнем детализации (номенклатурные группы, подкатегории МТР). Наиболее распространен метод прогнозирования на основе анализа временных рядов – ретроспективных данных о расходе МТР с заданной периодичностью (день, неделя, месяц). К этому ряду применяются различные статистические модели – скользящего среднего, экспоненциального сглаживания, сезонной декомпозиции, выявляющие исторические закономерности и проецирующие их в будущее.

Более продвинутый подход – построение причинно-следственных (каузальных) моделей, учитывающих влияние на потребность в ТМЦ не только исторических трендов, но и релевантных внешних факторов – динамики спроса на готовую продукцию, колебаний цен на сырье, изменений в технологиях, действий конкурентов. Эти факторы включаются в модель в виде предикторов (независимых переменных), для которых определяются весовые коэффициенты и функциональные зависимости. Наиболее популярные каузальные модели в сфере прогнозирования МТР – множественная регрессия, авторегрессия, нейронные сети, деревья решений. Их применение требует хорошей статистической подготовки, углубленного понимания бизнес-процессов, наличия качественных исходных данных.

Для проверки устойчивости прогнозов к изменениям внешней и внутренней среды применяется сценарное планирование – моделирование потребности при различных вариантах развития событий (изменение спроса, цен, технологий, структуры поставщиков). Строится несколько альтернативных прогнозов (оптимистичный, реалистичный, пессимистичный), между которыми распределяется вероятность реализации. Затем проводится анализ чувствительности – оценка того, как изменение отдельных параметров модели (например, нормативов расхода или сроков поставки) повлияет на итоговую потребность. Это позволяет определить наиболее критичные факторы, требующие непрерывного мониторинга и контроля.

Необходимым условием эффективного прогнозирования является использование специализированного программного обеспечения, реализующего передовые модели и алгоритмы, визуализирующего результаты, обеспечивающего коллективную работу планировщиков. Наиболее продвинутые решения в этой области – системы класса SCM (Supply Chain Management), интегрированные с ERP, но обладающие более мощной аналитикой и оптимизационными возможностями (SAP APO, Oracle SCM, Kinaxis, JDA, O9). Они позволяют строить мультиэшелонные модели цепочек поставок, сквозные прогнозы потребности и запасов по всем уровням (сайтам, складам, производственным линиям), сценарии с учетом ограничений мощностей и логистики.