Opis projektu
W branży odzieżowej problematyczne jest dopasowanie podaży do potencjalnego popytu. Produkcja w tej branży jest szczególnie uciążliwa dla środowiska i wymieniana jako druga pod względem szkodliwości po branży energetycznej. Dlatego optymalizacja produkcji (oprócz skutków finansowych) ma kluczowe znaczenie dla ochrony środowiska. Istotą opracowanego modelu, przez prof. M. Czekałę i dr A. Bukietyńską (pracowników Uniwersytetu WSB Merito we Wrocławiu - dawniej Wyższej Szkoły Bankowej we Wrocławiu), jest możliwość określenia optymalnej wielkości zamówienia na dany wyrób. W rezultacie rynek nie domaga się dodatkowych dostaw, a przed następnym sezonem nie posiada zbędnego zapasu starej kolekcji.
Badania prof. M. Czekały, dr A. Bukietyńskiej i spółki MG4 zostały zrealizowane w ramach projektu pn. System prognozowania popytu sterowany dynamicznymi trendami mody dla przedsiębiorstw odzieżowych, tekstylnych i bieliźniarskich finansowanego z Programu Operacyjnego Inteligentny Rozwój 2014-2020 (NCBiR). Wartość projektu to 4 519 600,00 zł, natomiast jego realizacja przebiegała w latach 2018-2021. Prof. M. Czekała występował w projekcie jako kierownik prac B+R oraz ekspert merytoryczny.
Charakterystyka branży
Branża odzieżowa charakteryzuje się wyjątkową specyfiką — obejmuje produkty, które podlegają bardzo indywidualnej ocenie dokonywanej przez pryzmat gustu jak i specyficznych potrzeb klientów. Produkcja jest uruchamiana ze znacznym wyprzedzeniem, stąd prognozowanie popytu w tej branży ma niezwykle ważną rolę. Dodatkowo firmy z branży fashionbusiness sprzedają swoje produkty w ramach tzw. kolekcji.
Każda kolekcja składa się z innego niepowtarzalnego zbioru produktów. W takiej sytuacji praktycznie niemożliwe jest zastosowanie podstawowych metod prognozowania, gdyż nie są spełnione warunki do ich poprawnego użycia (zbyt krótkie szeregi czasowe, dwa razy w roku pojawiają się nowe produkty bez historii sprzedaży). Stąd prognozowanie sprzedaży odzieży to trudne zagadnienie i jest też bardzo rzadko podejmowane i opisywane w literaturze.
Wnioski z badań
W ramach badań przeprowadzonych przez prof. M. Czekałę, dr A. Bukietyńską i spółkę MG4 podjęto współpracę z trzema rodzajami ekspertów: hurtownikami, których znajomość branży była weryfikowana za pomocą trafności zamówień, projektantami firm odzieżowych i specjalistami w dziedzinie socjologii. Badania autorów wykazały nieprzydatność modelu opartego jedynie na danych historycznych.
Stwierdzono, że popyt powinien być opisywany za pomocą modelu przyczynowego. W budowie modelu uzasadniono założenie, że popyt na profile jest wyznaczany przez 2 rodzaje zmiennych, tradycyjne i eksperckie. Doceniono konieczność uwzględnienia cech jakościowych (style modowe i cele związane z ubiorem). Głównym wnioskiem jest fakt, że podanie kilku preferowanych profili znacząco poprawia dopasowanie modelu do danych i czyni ze zmiennej eksperckiej jedną z ważniejszych zmiennych.
Analizy potwierdziły zasadność uzupełnienia tradycyjnego zestawu zmiennych zmiennymi będącymi wynikiem subiektywnych przewidywań. Kluczowa była również ocena jakości ekspertów. Na uwagę zasługuje efekt nieznany wcześniej w literaturze a mianowicie podano sposób wyznaczenia mocy testu stwierdzającego przydatność (lub nie) opinii danego eksperta. Sposób ten oparto na nieznanym dotychczas alternatywnym rozkładzie liczby inwersji.
Zastosowanie
Model przetestowano na 64 profilach fig damskich a jego zastosowanie skutkowało obniżeniem strat o 25%. Wnioski z badań posłużyły do zaprojektowania algorytmu i narzędzia analitycznego do określania wielkości zamówienia produktów z nowej kolekcji do dystrybucji na następny sezon.
Proces zamawiania produktów został wzbogacony o etapy w ogóle wcześniej nie funkcjonujące na rynku, o ocenę projektów nowych wzorów jeszcze na etapie wstępnego ich przygotowania metodą „głosowania” oraz weryfikację ilości produktów nowej kolekcji z kontraktacji metodami predykcyjnymi. Wśród najważniejszych funkcjonalności narzędzia należy wymienić:
- szacowanie stopnia i miary akceptacji nowego produktu na określonym rynku;
- ustalenie wielkości zamówień powiązanej z sezonowością wielkości popytu na dany produkt, co pozwala na unikanie nadmiernych zapasów;
- przewidywanie zachowań konsumenckich na nowe oferty produktowe;
- optymalne zarządzanie cash flow, orientowanie się bezbłędnie w cyklach płatności za zakupione towary i przewidywanym popycie klienta detalicznego i hurtowego.
