Tijdens onze reizen door de industriële scene merken we dat veel bedrijven meer aandacht besteden aan inventarisatiebeurten dan zou moeten. We willen een deel van deze aandacht verleggen naar meer consequente prestatiestatistieken.
Denk aan de definitie: Turns = Jaarlijkse dollarkosten van verkochte goederen / Gemiddelde dollarwaarde van voorraad. Als je in een jaar $1 miljoen spullen verkoopt en elke dag gemiddeld $100.000 aan spullen op de plank hebt liggen, heb je een indrukwekkende 10 beurten (Walmart draait rond de 8). Vermoedelijk duidt het hebben van hoge Turns op efficiënt beheer, en het houden van uw Turns hoger dan die van concurrenten duidt op concurrentievoordeel.
Maar zoals gebeurt met de meeste prestatiestatistieken, is er meer aan de hand. Turns kunnen erg opvallend zijn voor de CFO, maar ze kunnen een keurslijf zijn voor de COO. Dit komt omdat beurten niet direct verband houden met klantenservice; in feite kunnen hoge beurten synoniem zijn met lage serviceniveaus en opvullingspercentages. S&OP-consultant Darrin Oliver noemt Turns zijn 'pet peeve metric' omdat 'de klant niets om Turns geeft'.
Stel dat u niet tevreden bent met uw huidige Turns-waarde. Wat kun je doen om het aantal te verhogen? Aangezien Turns een verhouding is, kunt u deze verhogen door de teller (verkochte goederen) te verhogen of de noemer (voorraad) te verkleinen. Het verhogen van de verkoop is moeilijker omdat het de medewerking van de klant vereist. Afnemend voorraad is eenvoudiger omdat u het volledig onder controle heeft: voer gewoon kleinere aanvullingsorders uit, wat ook op korte termijn geld bespaart. Inderdaad, je kunt heel enthousiast worden en inventaris tot op het bot snijden. Je krijgt uiteindelijk een beter uitziend nummer voor Turns - en een serieus probleem met stockouts, backorders, verloren verkopen, verloren klantvriendelijkheid en verloren marktaandeel. Wie heeft er nu spijt?
Hier is een licht bewerkte versie van een verhaal over dit onderwerp, verteld door een zeer wijze beoefenaar. “In mijn andere leven draaiden ze allemaal om het verbeteren van bochten. Waarom, ik heb geen idee. Dus wees ik op de risico's die je loopt. En ze waren echt niet geïnteresseerd. Dus brachten we onze wereldwijde voorraden terug naar [een lager niveau], en braken toen dagelijks links en rechts op voorraad. Onze beurten waren geweldig, maar we verdienden geen geld, omdat we niets de deur uit konden krijgen, omdat we het niet bezaten. Hoe hoger je beurten, hoe lager je inventaris zal moeten zijn, anders krijg je gewoon een heel goede stroom. En in onze branche is dat heel, heel moeilijk om te bereiken. Dus als we redelijke beurten kunnen hebben maar nog steeds op voorraad zijn, denk ik dat dat is wat we willen doen. In een operationele wereld kan het erg frustrerend zijn om te proberen uit te leggen wat we elke dag doen en wat de risico's voor het bedrijf zijn wanneer de financiële mensen slechts naar een of twee statistieken kijken. Ze proberen het bedrijf eigenlijk in een vacuüm te plannen, en dat is erg moeilijk en erg riskant.”
Thomas Willemain, PhD, was medeoprichter van Smart Software en is momenteel Senior Vice President for Research. Dr. Willemain is ook emeritus hoogleraar Industrial and Systems Engineering aan het Rensselear Polytechnic Institute en als lid van de onderzoeksstaf van het Centre for Computing Sciences, Institute for Defence Analyses.
gerelateerde berichten

Smart Software kondigt patent van de volgende generatie aan
Smart Software is verheugd de toekenning van US Patent 11,656,887 aan te kondigen. Het patent leidt “technische oplossingen voor het analyseren van historische vraaggegevens van middelen in een technologieplatform om het beheer van een geautomatiseerd proces in het platform te vergemakkelijken.

Hebben uw statistische prognoses last van het wiggle-effect?
Wat is het wiggle-effect? Het is wanneer uw statistische prognose de ups en downs die zijn waargenomen in uw vraaggeschiedenis onjuist voorspelt terwijl er echt geen patroon is. Het is belangrijk om ervoor te zorgen dat uw prognoses niet schommelen, tenzij er een echt patroon is. Hier is een transcriptie van een recente klant waar dit probleem werd besproken:

Hoe om te gaan met statistische prognoses van nul
Een statistische voorspelling van nul kan veel verwarring veroorzaken bij voorspellers, vooral wanneer de historische vraag niet nul is. Natuurlijk, het is duidelijk dat de vraag naar beneden neigt, maar moet deze naar nul evolueren?