Ключевые функциональные блоки таких систем – статистическое прогнозирование, объемно-календарное планирование MRP/DRP, оптимизация производственных и логистических планов, имитационное моделирование. Они обеспечивают полный цикл построения прогнозов – от сбора и обогащения исходных данных до выбора лучшей модели, генерации заказов на закупку и отслеживания отклонений факта от плана с оповещениями ответственным. Наиболее продвинутые решения используют алгоритмы ИИ (машинного и глубокого обучения) для непрерывной адаптации параметров моделей к меняющемуся поведению рядов, автоматического поиска значимых факторов и зависимостей.

Для повышения точности планирования прогнозирование потребности должно вестись не индивидуально по отдельным позициям, а в разрезе укрупненных категорий и групп взаимозаменяемых продуктов. Это позволяет сглаживать индивидуальные колебания спроса, использовать более длинные и устойчивые исторические ряды, распределять риски дефицита и избытка запасов внутри категории. Для этого применяются различные техники консолидации и агрегирования потребностей – суммирование по периодам (годам, кварталам, месяцам), продуктовым группам, единицам хранения (паллетам, упаковкам), поставщикам, географии.

Выбор оптимального уровня агрегации зависит от специфики МТР, частоты и регулярности потребления. Для дорогостоящих позиций, материалов с длительным циклом поставки, критичных для качества продуктов, потребность планируется на уровне отдельных SKU (складских единиц). Для дешевых позиций, вспомогательных материалов, канцелярии с высокой частотой потребления разумно укрупнение до уровня категорий или поставщиков. Главное – найти баланс между достаточной детализацией для обеспечения заданного уровня сервиса и приемлемыми трудозатратами на поддержание точности данных в справочниках.

По результатам консолидации прогнозов формируются предложения по объемам и срокам закупок, частоте и способам пополнения запасов в разрезе номенклатурных позиций МТР. При этом учитывается целый спектр логистических и рыночных факторов:

минимальные объемы заказов, кратность партий поставки (вагон, контейнер, паллета);

размер текущих складских запасов, остатки в пути, страховые и сезонные запасы;

ограничения по срокам годности, условиям хранения, транспортировки МТР;

графики планово-предупредительных ремонтов и регламентных работ оборудования;

доступность МТР на рынке, риски дефицита, срыва поставок, роста цен;

оптимальное соотношение затрат на закупку и владение запасами (формула Уилсона);

целевые уровни сервиса по доступности МТР (классификация XYZ, VEN).

На основе этих факторов формируются укрупненные лоты на закупку – консолидированные объемы МТР, выставляемые на тендер для привлечения наиболее выгодных условий от поставщиков. Слишком мелкие лоты ведут к завышенным ценам и транзакционным издержкам, слишком крупные – к риску дефицита и упущенным альтернативам. Оптимальный размер лота зависит от рыночной структуры (числа поставщиков), волатильности цен, стоимости и критичности МТР. Для стратегических материалов практикуется дробление годовой потребности на несколько лотов (квартальных, месячных) для снижения рисков и стимулирования конкуренции. Для некритичных, наоборот, укрупнение под весь объем годовых контрактов.

Ключевой показатель эффективности работы системы прогнозирования и планирования МТР – точность, т.е. процент отклонения прогноза от фактического потребления. Он измеряется отдельно для прогнозов спроса (в натуральных единицах) и денежного прогноза (в закупочных ценах). Целевой уровень точности зависит от волатильности рынка, стабильности производственной программы, надежности поставщиков, и обычно составляет 80-90% для натурального и 95-97% для денежного прогноза (так как ошибки в количестве могут компенсироваться разнонаправленными колебаниями цен). Для повышения достоверности прогнозов применяются механизмы автоматического мониторинга отклонений, генерации управленческих отчетов, эскалации проблем ответственным менеджерам.