Диапазон моделей прогнозирования и статистических методов доступен для прогнозирования спроса. Рассмотрим наиболее важные из них.
Модели временных рядов. Модели временного ряда представляют собой экспоненциальное сглаживание, скользящее среднее значение и более сложные модели, которые соотносят одну или более (зависимые) переменные спроса в особой точке времени к значениям тех же самых (независимых) переменных спроса ранее. Модели временного ряда могут применяться в краткосрочном прогнозировании с горизонтами планирования от 1 недели до 3 месяцев или в прогнозировании на средний срок с горизонтами планирования от 3 месяцев до 1 года.

Модели временного ряда среднего срока должны составлять сезонный, циклический и трендовый факторы в данных временного ряда.
Модель временного ряда может быть осуществлена и утверждена с помощью разделения статистического набора данных на две части: внутреннюю, которая используется для оценки параметров модели, и внешнюю, которая используется, чтобы оцепить, насколько хорошо модель прогнозирует новые данные. В этом разделении набора дан-ныхдолжны приниматься во внимание сезонный, циклический и трендовый факторы, в присутствии которых убеждены специалисты по моделированию. Анализ временного ряда может выдавать неожиданные результаты, указывающие, что разделение на внутреннюю и внешнюю части модели должно быть изменено. Конечно, модель, хорошо подходящая внешним данным, еще не гарантирует, что истинные прогнозы будущего будут так же хороши, но такой результат подтверждается, когда мы используем прогнозирование спроса в модели планирования.
Для планирования цепи поставки зачастую важна задача прогнозирования краткосрочного спроса, которая требует анализа временного ряда, а также упорядочения входной информации. Как показано, компания принимает на себя обязательство по выполнению заказов на данный продукт на протяжении следующих 4 недель. После этого мы видим, что в целом увеличивающийся компонент проектируемого спроса соответствует прогнозируемому спросу, который еще не определяет обязательные заказы. В зависимости от типа промышленности эти прогнозы могли бы соответствовать спросу существующих клиентов, ожидаемые заказы которых еще не были размещены, или спросу большого количества разбросанных рынков, нежели спросу определенных клиентов, для которых прогнозы являются основанными на прошлых данных о продажах. Кроме того, спрос новых клиентов или изменяющийся спрос существующих клиентов будет мешать проектированию. Тонкая грань должна дифференцировать эти различные классы проектирования, чтобы избежать двойного просчета или упущения данных о будущем спросе.
Производственное планирование, показанное на рис. 6.10, позволяет персоналу по продажам принимать точные решения об обещанных датах поставки в соответствии с поступающими заказами. Например, план производства намечает такой производственный график, который оправдывал бы прогнозы на каждую неделю, как будто они были устойчивыми заказами. Персонал по продажам тогда бы распределял заказы по мере их поступления. Кроме того, план производства на более поздние недели горизонта планирования может еженедельно обновляться для обеспечения своевременной реакции на новые прогнозы и информацию о заказах.