We komen vaak in contact met potentiële klanten die beweren dat ze geen prognosesysteem kunnen gebruiken omdat ze een "build-to-order" productiebedrijf zijn. Ik vind dit een raadselachtig perspectief, want wat deze organisaties ook bouwen, er zijn grondstoffen of tussenproducten van een lager niveau nodig. Als die invoer op een lager niveau niet beschikbaar is wanneer een bestelling voor het afgewerkte product wordt ontvangen, kan de bestelling niet worden gebouwd. Bijgevolg kan de bestelling worden geannuleerd en de bijbehorende inkomsten verloren gaan.

Ik ben het ermee eens dat in een dergelijke omgeving het voorspellen van het eindproduct niet altijd mogelijk of bijzonder nuttig is. Soms is het nuttig, maar niet voldoende. Het is in ieder geval van cruciaal belang om ervoor te zorgen dat de onderliggende grondstoffen en halffabrikaten die in het eindproduct gaan, beschikbaar zijn. De vraag ernaar kan zeker worden voorspeld.

Het doel van de organisatie zou zijn om voorraden op serviceniveau aan te houden voor deze tussenproducten die hoog maar niet onbetaalbaar zijn. Planners zullen optimale voorraadniveaus voor deze materialen moeten instellen, waarbij ze de serviceniveau-eisen afwegen tegen het beschikbare budget. Aangezien een bepaald tussenproduct kan dienen als input voor meer dan één gereed product, zou de volatiliteit van de vraag naar het tussenproduct kleiner zijn dan de volatiliteit van de vraag naar een specifiek gereed product. Daarom zouden de veiligheidsvoorraden die nodig zijn om voorraden van halffabrikaten op hoog serviceniveau aan te houden relatief mager zijn.

Drie bedrijven, alle gebruikers van SmartForecasts, dienen als interessante voorbeelden. Het eerste is een chemiebedrijf, Bedoukian Research, dat voor verschillende opdrachtgevers chemicaliën op maat maakt. Elk van deze "gereed product" is een unieke combinatie van tussenliggende chemische verbindingen. Bedoukian begint zijn vraagplanning met een prognose voor gereed product, die het productieschema en de toewijzing van essentiële productiemiddelen bepaalt. Dit vereist een behoorlijk beoordelingsvermogen, aangezien de vraag naar afgewerkte goederen dynamisch verandert.

Zodra deze afgewerkte goede prognoses zijn gemaakt, kan de behoefte aan grondstoffen worden geschat via een stuklijstdesaggregatie. Bedoukian combineert deze resultaten met veiligheidsvoorraadschattingen, gebaseerd op werkelijke bezettingsgraden en te behalen serviceniveaudoelstellingen, om de volledige, serviceniveaugestuurde prognose voor grondstoffen te genereren. Hierdoor kan Bedoukian aan zijn productie-eisen voldoen met aanzienlijk minder voorraad.

Het tweede bedrijf vervaardigt de interne componenten voor mobiele telefoons, waarbij eindproducten gespecialiseerde combinaties van deze componenten zijn. Een bestelling kan bijvoorbeeld een bepaald aantal telefoons vereisen met unieke labels op de hoes. Dit is het eindproduct voor deze bestelling. Alles wat in die volgorde komt, behalve het label, is opgebouwd uit standaardcomponenten. Nogmaals, SmartForecasts zal worden gebruikt om gestroomlijnde voorraden van de componenten op hoog serviceniveau bij te houden. Dit bedrijf dacht dat de enige manier om componentenvoorraden te beheren, was door middel van aggregaties van stuklijsten. Ze kijken nu naar de werkelijke bezettingsgraad van de componenten en stellen veel kleinere voorraden vast terwijl ze een hoge beschikbaarheid van componenten behouden.

Een derde bedrijf, NKK Switches, verkende dit onderwerp in hun recente webinar (zie Gastblogpost van CFO Bud Schultz), beschouwden hun producten als "onvoorspelbaar". U kunt er hieronder meer over lezen, maar over het algemeen was NKK Switches in staat om componenten en zinvolle aggregaties van productfamilies te voorspellen. Door prognoses versus werkelijke waarden gedurende meerdere maanden bij te houden, kon NKK de nauwkeurigheid van zijn prognoses aan zijn Aziatische fabrieksleveranciers aantonen en hen overtuigen om over te stappen van een "build-to-order"-model naar "build-to-forecast". Deze verandering heeft geresulteerd in een drastische verkorting van de doorlooptijden, in veel gevallen zelfs gehalveerd, waardoor de klanttevredenheid en het algehele verkooppercentage zijn toegenomen.

Waar het hier op neerkomt, is dat er een volkomen levensvatbare – ik zou zeggen essentiële – methode voor vraagvoorspelling voor op bestelling gemaakte bedrijven bestaat, waarbij hoge serviceniveaus worden vastgesteld voor essentiële inputbronnen. Als je meer wilt weten, stuur me dan een berichtje, op nelsonh op smartcorp dot com.

Nelson Hartunian, PhD, was medeoprichter van Smart Software, was voorheen President en houdt er momenteel toezicht op als voorzitter van de raad van bestuur. Hij heeft op verschillende momenten leiding gegeven aan softwareontwikkeling, verkoop en klantenservice.

In mijn vorige post in deze serie over essentiële concepten, “Wat is 'Een goede voorspelling'”besprak ik de basisinspanning om de meest waarschijnlijke toekomst te ontdekken in een scenario voor vraagplanning. Ik definieerde een goede voorspelling als een die onbevooroordeeld en zo nauwkeurig mogelijk is. Maar ik waarschuwde ook dat, afhankelijk van de stabiliteit of volatiliteit van de gegevens waarmee we moeten werken, er nog steeds enige onnauwkeurigheid kan zijn in zelfs een goede voorspelling. De sleutel is om inzicht te hebben in hoeveel.

Dit onderwerp, omgaan met onzekerheid, is het onderwerp van een bericht van mijn collega Tom Willemain, “Het gemiddelde is niet het antwoord”. Zijn post legt de theorie uiteen om op verantwoorde wijze de grenzen van ons voorspellende vermogen te confronteren. Het is belangrijk om te begrijpen hoe dit echt werkt.

Zoals ik aan het einde van mijn vorige bericht kort aanstipte, begint onze aanpak met iets dat een "glijdende simulatie" wordt genoemd. We schatten hoe nauwkeurig we de toekomst voorspellen door onze voorspellingstechnieken te gebruiken op een ouder deel van de geschiedenis, waarbij we de meest recente gegevens uitsluiten. We kunnen dan wat we zouden hebben voorspeld voor het recente verleden vergelijken met onze werkelijke informatie over wat er is gebeurd. Dit is een betrouwbare methode om in te schatten hoe nauwkeurig we de toekomstige vraag voorspellen.

Veiligheidsvoorraad, een zorgvuldig gemeten buffer in voorraadniveau die we in voorraad hebben boven onze voorspelling van de meest waarschijnlijke vraag, is afgeleid van de schatting van de voorspellingsfout die voortkomt uit de "glijdende simulatie". Deze aanpak om met de nauwkeurigheid van onze prognoses om te gaan, balanceert efficiënt tussen het negeren van de dreiging van onvoorspelbare en kostbare overcompensatie.

In meer technische details: de prognosefouten die worden geschat door dit glijdende simulatieproces geven het niveau van onzekerheid aan. We gebruiken deze fouten om de standaarddeviatie van de prognoses te schatten. Nu, met een regelmatige vraag, kunnen we aannemen dat de voorspellingen (die schattingen zijn van toekomstig gedrag) het beste worden weergegeven door een klokvormige kansverdeling - wat statistici de "normale verdeling" noemen. Het centrum van die verdeling is onze puntvoorspelling. De breedte van die verdeling is de standaarddeviatie van de "glijdende simulatie"-voorspelling van de bekende werkelijke waarden - we halen dit rechtstreeks uit onze schattingen van de voorspellingsfout.

Zodra we de specifieke klokvormige curve kennen die bij de voorspelling hoort, kunnen we eenvoudig de benodigde veiligheidsvoorraadbuffer inschatten. De enige input van ons is het “serviceniveau” dat gewenst is en de veiligheidsvoorraad op dat serviceniveau kan worden bepaald. (Het serviceniveau is in wezen een maatstaf van hoe zeker we moeten zijn van onze voorraadniveaus, waarbij een groeiend vertrouwen corresponderende uitgaven voor extra voorraad vereist.) Let op, we gaan ervan uit dat de juiste verdeling die moet worden gebruikt de normale verdeling is. Dit is correct voor de meeste vraagreeksen waar u een regelmatige vraag per periode heeft. Het mislukt wanneer de vraag sporadisch of met tussenpozen is.

In het volgende stuk in deze serie zal ik bespreken hoe Smart Forecasts omgaat met het schatten van de veiligheidsvoorraad in die gevallen van intermitterende vraag, wanneer de veronderstelling van normaliteit onjuist is.

Nelson Hartunian, PhD, was medeoprichter van Smart Software, was voorheen President en houdt er momenteel toezicht op als voorzitter van de raad van bestuur. Hij heeft op verschillende momenten leiding gegeven aan softwareontwikkeling, verkoop en klantenservice.

Ben jij een held?

De executive suites bij de meeste bedrijven worden bevolkt door leiders die zakelijke 'helden' zijn geworden. Deze uitzonderlijke presteerders leidden - en leiden nog steeds - transformatieve initiatieven die omzetgroei stimuleren, kosten verlagen en aandeelhouderswaarde vergroten.

Heldhaftige prestaties vereisen een gedurfde nieuwe aanpak, vaak gevoed door een baanbrekend product of baanbrekende dienst. Clayton M. Christensen, professor aan de Harvard Business School, spreekt van 'ontwrichtende innovatie', het extreme geval van een product of praktijk die een fundamenteel nieuwe markt- of bedrijfsbenadering creëert. (De kenmerken van het YouTube-kanaal van Harvard Business Review een interview met prof. Christensen over het onderwerp hier.) De kunst is om de mogelijkheid te herkennen en de moed te hebben om er iets aan te doen.

Dit zorgt voor uitdagingen aan beide kanten van het hek. De 'best in class'-technologieleverancier zal het moeilijk hebben om gehoord te worden - om voorbij gevestigde leveranciers en gevestigde praktijken te komen. De heldhaftige beoefenaar moet willen horen wat er mogelijk is, openstaan voor verandering en de drive hebben om uit te voeren. Het kan moeilijk zijn om een gemeenschap van gelovigen op te bouwen en die kans te krijgen om een verschil te maken, maar daarom is dit werk heroïsch.

U bent misschien een held in de dop, of een leidinggevende die kansen en kansen voor het maken van helden in uw team ziet. Velen van u heb ik in de loop der jaren ontmoet en uw successen zijn onze successen geweest. Mijn advies is simpel: ga ervoor. Het leven is kort, de mogelijkheden zijn onbeperkt en je moed wordt beloond.

Nelson Hartunian, PhD, was medeoprichter van Smart Software, was voorheen President en houdt er momenteel toezicht op als voorzitter van de raad van bestuur. Hij heeft op verschillende momenten leiding gegeven aan softwareontwikkeling, verkoop en klantenservice.

Door de voorraadniveaus te optimaliseren met behulp van de beste voorspellingen van de toekomstige vraag, kunnen enorme kostenbesparende efficiënties worden bereikt. Bekendheid met de basisprincipes van prognoses is een belangrijk onderdeel van effectief zijn met de softwaretools die zijn ontworpen om deze efficiëntie te benutten. Deze beknopte introductie (de eerste in een korte reeks blogposts) biedt de drukbezette professional een inleiding in de basisideeën die u nodig heeft bij het maken van prognoses. Hoe evalueert u uw prognose-inspanningen en hoe betrouwbaar zijn de resultaten?

Een goede voorspelling is 'onbevooroordeeld'. Het legt de voorspelbare structuur correct vast in de vraaggeschiedenis, waaronder: trend (een regelmatige toename of afname van de vraag); seizoensgebondenheid (cyclische variatie); speciale evenementen (bijv. verkoopacties) die van invloed kunnen zijn op de vraag of een kannibaliserend effect kunnen hebben op andere artikelen; en andere, macro-economische gebeurtenissen.

Met "onbevooroordeeld" bedoelen we dat de geschatte voorspelling niet te hoog of te laag is; het is even waarschijnlijk dat de werkelijke vraag boven of onder de voorspelde vraag ligt. Beschouw de voorspelling als uw beste schatting van wat er in de toekomst zou kunnen gebeuren. Als die voorspelling "onbevooroordeeld" is, zal het algemene beeld laten zien dat metingen van de werkelijke toekomstige vraag de prognoses zullen "brullen" - in evenwicht verdeeld boven en onder voorspellingen door de gelijke kansen.

Je kunt dit zien alsof je een artillerieofficier bent en het jouw taak is om met je kanon een doelwit te vernietigen. Je richt je kanon ("de voorspelling") en schiet dan en ziet hoe de granaten vallen. Als je het kanon correct hebt gericht (een "onbevooroordeelde" voorspelling produceert), zullen die granaten het doelwit "steunen"; sommige granaten vallen vooraan en sommige granaten vallen achterop, maar sommige granaten raken het doelwit. De vallende granaten kunnen worden gezien als de "daadwerkelijke vraag" die in de toekomst zal ontstaan. Als je goed hebt voorspeld (je kanon goed hebt gericht), dan zullen die actuals de prognoses ondersteunen en zowel boven als onder de prognose vallen.

Als je eenmaal een “onbevooroordeelde” voorspelling hebt verkregen (met andere woorden, je hebt je kanon correct gericht), is de vraag: hoe nauwkeurig was je voorspelling? Als we het voorbeeld van de artillerie gebruiken, hoe groot is het bereik rond het doelwit waarin uw granaten vallen? U wilt een zo klein mogelijk bereik hebben. Een goede voorspelling is er een met de minimaal mogelijke "spreiding" rond het doel.

Echter, alleen omdat de werkelijke waarden sterk rond de voorspelling vallen, wil nog niet zeggen dat u een slechte voorspelling hebt. Het kan alleen maar aangeven dat u een zeer "volatiele" vraaggeschiedenis heeft. Nogmaals, als je het artillerievoorbeeld gebruikt, als je begint te schieten in een orkaan, zou je moeten verwachten dat de granaten met een grote fout rond het doelwit vallen.

Uw doel is om een zo nauwkeurig mogelijke voorspelling te verkrijgen met de gegevens waarover u beschikt. Als die gegevens erg vluchtig zijn (je fotografeert in een orkaan), dan zou je een grote fout moeten verwachten. Als uw gegevens stabiel zijn, kunt u een kleine fout verwachten en zullen uw werkelijke waarden dicht bij de voorspelling liggen: u fotografeert op een heldere dag!

Om zowel het nut van uw prognoses als de mate van voorzichtigheid bij het toepassen ervan te begrijpen, moet u kunnen beoordelen en meten hoe goed uw prognose presteert. Hoe goed schat het in wat er werkelijk gebeurt? SmartForecasts doet dit automatisch door zijn "glijdende simulatie" door de geschiedenis te laten lopen. Het simuleert "voorspellingen" die zich in het verleden hadden kunnen voordoen. Een ouder deel van de geschiedenis, zonder de meest recente cijfers, wordt geïsoleerd en gebruikt om prognoses op te bouwen. Omdat deze prognoses vervolgens 'voorspellen' wat er in het meer recente verleden zou kunnen gebeuren - een periode waarvoor u al werkelijke vraaggegevens hebt - kunnen de prognoses worden vergeleken met de echte recente geschiedenis.

Op deze manier kan SmartForecasts empirisch de werkelijke voorspellingsfout berekenen - en die fouten zijn nodig om de veiligheidsvoorraad correct in te schatten. Veiligheidsvoorraad is de hoeveelheid extra voorraad die u nodig heeft om rekening te houden met de verwachte fout in uw prognoses. In een volgend essay, zal ik bespreken hoe we onze geschatte prognosefout gebruiken (via de glijdende simulatie van SmartForecasts) om veiligheidsvoorraden correct in te schatten.

Nelson Hartunian, PhD, was medeoprichter van Smart Software, was voorheen President en houdt er momenteel toezicht op als voorzitter van de raad van bestuur. Hij heeft op verschillende momenten leiding gegeven aan softwareontwikkeling, verkoop en klantenservice.

De vernietigende impact van de orkaan Sandy is zowel onthutsend als leerzaam geweest. Onze gedachten en beste wensen voor een spoedig herstel gaan uit naar iedereen die persoonlijk of economisch verlies of schade heeft geleden. Nu, in de nasleep van Sandy, merken we dat we nadenken over het versnellen van herstel en het plannen van de volgende onvoorziene gebeurtenis.

Ons werk met klanten in de zwaar getroffen massatransportsector gaf een ontnuchterend beeld van beschadigde infrastructuur, zwaar materieel en verlies van essentiële inventaris. Degenen die het meest getroffen zijn, hebben een enorme hoeveelheid werk gezien terwijl voorraadbeheerders de balans opmaken van wat ze hebben en nodig hebben en een berg vervangende onderdelen en producten aanschaffen. Deze unieke massale aanvullingscyclus biedt allerlei kansen en overwegingen. Voor degenen die zich nog in deze fase bevinden, en om onze collectieve voorbereiding op het volgende grote evenement te helpen, zijn hier een paar gedachten:

Mogelijkheid om direct “juiste maat” inventaris op te maken

Mogelijk kunt u een grote, eenmalige financiering voor vervangende inventaris ontvangen. Het kan verzekeringsgeld zijn, federale hulp of regenachtige dagfondsen uit uw eigen schatkist. Gebruik de financiering om de best mogelijke voorraadmix vast te stellen. Bestel niet volgens eerder vastgestelde min/max-niveaus. Als u dat wel doet, kunnen excessen en tekortkomingen uit het verleden eenvoudig worden herhaald.

Een groot evenement als Sandy biedt een zeldzame kans om je inventaris te transformeren. Begin met een nauwkeurige vraagprognose over de bevoorradingsperiode en genereer veiligheidsvoorraden en bestelpunten die aan uw kritieke behoeften voldoen. Dit kan in enkele uren of dagen worden gerealiseerd. Gewoonlijk kan het implementeren van optimale voorraadniveaus over meerdere jaren plaatsvinden, aangezien overtollige voorraad geleidelijk wordt uitgeput. Nu heb je echter een eenmalige kans om naar het juiste antwoord te springen. Deze verschuiving kan de uitgaven voor aanvulling aanzienlijk verminderen, waardoor honderdduizenden dollars vrijkomen voor andere, meer kritieke hersteldoeleinden.

Prioriteit geven aan aan te vullen klassen

Wees duidelijk over wat u nodig heeft voor cruciale operaties en geef prioriteit aan uw aanvulling. Welke onderdelen hebben een lange doorlooptijd en welke zijn direct leverbaar? Het is duidelijk dat artikelen met een korte doorlooptijd in fasen kunnen worden aangeschaft - nu net genoeg krijgen, waardoor er geld beschikbaar komt voor de artikelen met een langere doorlooptijd.

Bepaal hoeveel "net genoeg" is

Dit is waar een nauwkeurige vraagprognose, veiligheidsvoorraden en bestelpuntberekeningen een rol spelen. Denk aan het serviceniveau dat u nodig heeft - de waarschijnlijkheid dat producten in de schappen liggen wanneer u ze nodig hebt - wat in feite uw tolerantie voor risico's is. Doe dit voor elk item of elke klasse items. Dit zal u vertellen hoeveel veiligheidsvoorraad u, naast uw verwachte doorlooptijdprognose, bij de hand moet hebben. Door te herhalen op op serviceniveau gebaseerde vereisten, kunt u de waarde van het beschikbare aanvullingsbudget maximaliseren.

Statistische prognoses voor Intermittent demand versus 'vuistregel'-methoden

Dit is het moment om over te stappen van 'de manier waarop we het hebben gedaan' naar het meest nauwkeurige proces voor vraagprognoses en voorraadoptimalisatie dat voor u beschikbaar is. Voor een grotere voorspellingsnauwkeurigheid is minder veiligheidsvoorraad nodig, wat opnieuw voorraaddollars beschikbaar maakt voor andere gebruikers. De grootste afzonderlijke categorie voor verbetering is intermitterende vraag. De meeste organisaties passen hiervoor geen solide statistische methoden toe, maar nemen hun toevlucht tot de 'zware hamerregel': ze hebben veel bij de hand omdat niemand het weet. Hier is een gebied waar SmartForecasts bijzonder bedreven in is, met een gepatenteerde oplossing voor het voorspellen van intermitterende vraag. De resulterende veiligheidsvoorraadaanbevelingen bereikten het serviceniveaudoel bijna 100% van de tijd. Als u dit goed doet, bespaart u nu veel uitgaven en wordt de kans op overtollige, verouderde voorraad in de toekomst geminimaliseerd.

Nelson Hartunian, PhD, was medeoprichter van Smart Software, was voorheen President en houdt er momenteel toezicht op als voorzitter van de raad van bestuur. Hij heeft op verschillende momenten leiding gegeven aan softwareontwikkeling, verkoop en klantenservice.