Dynamics AX-Absatzplanung über EXCEL bearbeiten
Seit Microsoft Dynamics AX2012-R3 gibt es die Möglichkeit die Funktionen des SQL Analyse Servers zu nutzen. Dabei wird EXCEL als Frontend zur Plandaten-Bearbeitung genutzt und dies voll integriert in Microsoft Dynamics AX. Die fertige EXCEL-Planung wird dann über Import in die AX-Absatzplanung übernommen.
Zuerst wird eine Basisplanung erstellt, die man sich direkt aus Microsoft Dynamics AX mittels Vergangenheitsdaten eines Artikels (z. B.: Verkaufsbuchungen) erzeugt. Aus Sicht einer Produktion könnte man sich die Basisplanung auch aus vergangenen Produktionsmengen erstellen lassen. Die ermittelten Daten werden über einen Demand-Cube am OLAP-Server bereitgestellt und in Form einer übersichtlichen Pivot-Übersicht je Artikel/Debitor/Zeitraum angezeigt und zur Bearbeitung in EXCEL freigegeben.
Dabei besteht immer die Möglichkeit der Sicht auf:
- „Historische Bedarfe“ = Buchungen in der Vergangenheit
- „Aktuelle Planung“ = aktueller Absatzplan in AX
- „Geplante Mengen“ = Eingabe in EXCEL
Durch die diversen Aggregats- und Was-Wäre-Wenn-Funktionen aus EXCEL/Pivot werden die Mengenänderung sofort auf allen Planungsebenen sichtbar: Artikel, Debitoren und deren Gruppen (Top-Down + Bottom-Up).
Praktikabel ist auch die Möglichkeit in EXCEL die Mengen eines etablierten Artikels auf einen neuen zu kopieren, beispielsweise bei Einführung eines neuen oder Nachfolgeproduktes. Der Planer/Produktmanager hat immer die Möglichkeit händisch die geplanten Mengen zu überschreiben – dies bleibt auch transparent und nachvollziehbar.
Nach Fertigstellung der EXCEL-Planung wird das Ergebnis über die OLAP-Publish-Funktion auf den Demand-Cube zurückgeschrieben und ins Dynamics AX importiert. Die angepassten Absatzzahlen aus der EXCEL-Planung sind nun für die weitere Beschaffungs- und Produktprogrammplanung in Dynamics AX als Absatzplan aktiv.
Microsoft Dynamics AX-Bedarfsplanung: statistische Vorhersage
Seit Microsoft Dynamics AX2012-R3 gibt es die auch die Option die Funktionen des SQL Analyse Servers mit seinen statistischen Auswertungen zu nutzen. Dabei gibt es den Ansatz der statistischen Bedarfsvorhersage für kurzfristige wie auch langfristige Absatzplanungen.
Die Basisplanung wird wiederum direkt aus Microsoft Dynamics AX mittels Vergangenheitsdaten eines Artikels (z. B.: Verkaufsbuchungen) erzeugt, über einen Demand-Cube am OLAP-Server bereitgestellt. Danach werden auf Basis statistischer Methoden Vorhersagen für die Verkaufsmengen berechnet. Die genutzten Algorithmen bedienen sich dabei der SQL-Analyse-Server-Logiken (SSAS) für „Microsoft Time Series“ zur Analyse von historischen Daten.
Als Ergebnis werden die Daten in Form einer übersichtlichen Pivot-Übersicht je Artikel/Debitor/Zeitraum angezeigt und zur Bearbeitung freigegeben. Auswertungen und KPIs sind durch die Flexibilität in EXCEL mit den analysierten Daten in jeder Form ( Pivot, Charts,…) möglich.
Microsoft Dynamics 365 for Operations – Azure Machine Learning
Seit Microsoft Dynamics AX2012-R3 (CU13) und Dynamics 365 for Finance and Operations, Enterprise Edition (Cloud) gibt es die Möglichkeit die Vorhersagen nicht nur über den SQL Analyse Server durchzuführen, sondern auch über den Cloud Service AZURE Machine Learning diverse Forecasting-Modelle zu nutzen und dabei nicht nur die historische Verkaufsmenge, sondern weitere Einflussfaktoren zu berücksichtigen. So könnten beispielsweise in der Gastronomie Besucher- bzw. Verbrauchsvorhersagen aufgrund von Wetterdaten und RSS-Feeds (über Veranstaltungen in der Nähe) getroffen werden. Oder im Ersatzteilgeschäft werden aufgrund von Maschinenausfall-Vorhersage Serviceeinsätze geplant.
Um aber bei der Absatzplanung zu bleiben: Die Basisdaten (Vergangenheitsdaten) für die statistische Bewertung werden zuerst in die Machine Learning Plattform übertragen (TXT-File, Azure Tabelle, usw.) und daraus eine Zeitreihe aufbereitet.
Dann werden in sogenannten Experimenten mehreren statistischen Verfahren parallel gerechnet. Die Modelle werden mit den Daten „trainiert“ um die Zusammenhänge der Einflussfaktoren (z. B.: Korrelation Lagerstände und Verkaufspreise) zu analysieren damit am Ende eine Regression mit hohem Bestimmungsgrad vorliegt. Damit können dann Produkte oder Märkte bewertet werden um Absatzzahlen vorherzusagen.
Durch diese Analyse und Modellentwicklung steht am Ende – vereinfacht gesagt – eine „Rechenfunktion“ zur Verfügung, die als Web-Service veröffentlicht wird. Nun können für die Vorhersage neue „Eingangsdaten“ an das Web-Service übermittelt werden und als Ergebnis kommen die Vorhersagedaten retour, die entweder direkt im ERP in die Absatzplanung wandern oder zur Visualisierung in Excel dienen.
Der Vorteile des Azure Machine Learning Service besteht zusammenfassend in vier wesentlichen Punkten:
- Einfache Handhabung bei der Erstellung von Experimente durch grafische Oberfläche.
- Parallele Nutzung zahlreicher statistischer Methoden, die mit drag and drop in die Modelle gezogen werden können.
- Bereitstellung des Ergebnisses als Webservice, das in Microsoft Dynamics 365 integriert werden kann und automatisiert Vorschlagswerte liefert.
- Vergleichsweise geringe Kosten der Nutzung des Services versus hoher Anschaffungskosten einer vergleichsweisen On-premise Software.