De slimme voorspeller

 Het nastreven van best practices op het gebied van vraagplanning,

prognoses en voorraadoptimalisatie

Serviceniveau is een belangrijke prestatie-indicator voor bedrijven die een hoge prioriteit geven aan het voldoen aan de vraag van de klant. Serviceniveau wordt gedefinieerd als de waarschijnlijkheid dat een doorlooptijd van aanvulling wordt overleefd zonder dat er voorraad wordt aangelegd.

Best practice voor voorraadbeheer begint met het stellen van serviceniveaudoelen en berekent vervolgens bestelpunten (ook wel Mins genoemd) om die doelen te bereiken. Deze berekeningen moeten rekening houden met variabiliteit in zowel de vraag als de doorlooptijd voor aanvulling. Er zijn veel softwaresystemen beschikbaar om deze berekeningen uit te voeren. Als alles goed gaat, komt het bereikte serviceniveau heel dicht in de buurt van het beoogde serviceniveau. Helaas gaapt er vaak een pijnlijke kloof tussen die twee.

Een reden voor de kloof zijn onrealistische vraagmodellen. In veel gevallen gebruikt software voor het berekenen van bestelpunten formules uit het handboek die zijn gebaseerd op wiskundige aannames die analyse eenvoudig maken ten koste van realisme. Veel "Inventory 101"-handboeken gebruiken formules die veronderstellen dat de vraag een normale verdeling heeft (ook wel de "klokvormige curve" genoemd) voor afgewerkte goederen en de Poisson-verdeling voor reserveonderdelen. Gelukkig zijn er nu voorraadoptimalisatie- en prognosesystemen die de werkelijke vraaggeschiedenis van de voorraaditems verwerken met behulp van probabilistische prognoses. Deze oplossingen berekenen een nauwkeurige schatting van de verdeling – niet een geïdealiseerde versie. Bekijk voor meer informatie deze eerdere blog op probabilistische voorspelling:

Maar er is een tweede bron van fouten in leerboeken die onzichtbaar opereert in veel inventarissoftwarepakketten: "onderschrijding".

Berekeningen van bestelpunten gaan er bijna altijd van uit dat stockouts ontstaan wanneer de totale vraag tijdens een bevoorradingsinterval het bestelpunt overschrijdt. Stel bijvoorbeeld dat de vraag gemiddeld 1 eenheid per dag is. Als de doorlooptijd 5 dagen is, dan is de gemiddelde doorlooptijdvraag 5 stuks. Het herbestelpunt instellen op 5 eenheden zou ergens in de buurt van 50% een lachwekkend serviceniveau opleveren. Het toevoegen van veiligheidsvoorraad aan de berekening kan resulteren in een bestelpunt van bijvoorbeeld 11 eenheden, wat zou kunnen overeenkomen met een serviceniveau van 95%. Een andere manier om dit te zeggen is dat, beginnend bij een bestelpunt van 11 eenheden, er een kans van 95% zou moeten zijn om de doorlooptijd van 5 dagen te overleven zonder een cumulatieve vraag van meer dan 11 eenheden te ervaren. Theoretisch!

Wat in deze analyse ontbreekt, is het undershoot-fenomeen. Undershoot betekent dat de doorlooptijd niet begint Bij het bestelpunt maar onderstaand het. Onderschrijding gebeurt elke keer dat de vraag die het bestelpunt overschreed, de voorraad naar beneden haalde onderstaand (Niet beneden tot) het bestelpunt. Onderstaande figuur toont suppletiecycli met en zonder onderschrijding. Undershoot plukt uw zak voordat u zelfs maar begint met het gooien van de dobbelstenen. Het misleidt de voorraadprofessional door te denken dat zijn of haar bestelpunten voldoende zijn om hun doelen te bereiken, terwijl de werkelijke prestaties het cijfer niet zullen halen.

Er is maar één situatie waarin onderschrijding geen probleem is: wanneer de vraag altijd nul of één eenheid is. Onderschrijding is dan onmogelijk. Maar in alle andere gevallen zal er zeker tot op zekere hoogte sprake zijn van onderschrijding, en dit kan het serviceniveau dat daadwerkelijk wordt bereikt door een bepaalde keuze van een bestelpunt ernstig ondermijnen. Onze analyses tonen aan dat de omstandigheden die het meest kwetsbaar zijn voor onderschrijdingen een sterk intermitterende en scheve vraag zijn met zeer korte doorlooptijden - de omstandigheden die het meest voorkomen door markttrends.

Wat kunt u doen om uzelf te beschermen tegen het effect van onderschrijding op berekeningen van bestelpunten? Gebruik voorraadoptimalisatie- en prognosesoftware die niet gebonden is aan de aannames uit het oude leerboek en in plaats daarvan automatisch rekening houdt met onderschrijdingen bij het berekenen van het serviceniveau dat wordt geproduceerd door een willekeurig bestelpunt.

Om de Inventory Optimization-oplossing van Smart Software in actie te zien, kunt u zich hieronder registreren om een opgenomen demo te zien:

 

    Uw naam *

    Bedrijfsnaam *

    Werk email *

    Werktelefoon


     

     

    Laat een reactie achter

    gerelateerde berichten

    Hebben uw statistische prognoses last van het wiggle-effect?

    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

    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?

    recente berichten

    • Zakenman en zakenvrouw lezen en analyseren van spreadsheetDe top 3 redenen waarom uw spreadsheet niet werkt voor het optimaliseren van bestelpunten voor reserveonderdelen
      We komen vaak op Excel gebaseerde methoden voor het plannen van bestelpunten tegen. In dit bericht hebben we een benadering beschreven die een klant gebruikte voordat hij verder ging met Smart. We beschrijven hoe hun spreadsheet werkte, de statistische benaderingen waarop het zich baseerde, de stappen die planners doorliepen bij elke planningscyclus en hun aangegeven motivaties om deze intern ontwikkelde spreadsheet te gebruiken (en echt leuk te vinden). […]
    • Stijl zakengroep in klassieke zakenpakken met verrekijkers en telescopen reproduceren verschillende voorspellingsmethodenHoe voorspellingsresultaten te interpreteren en te manipuleren met verschillende voorspellingsmethoden
      Deze blog legt uit hoe elk voorspellingsmodel werkt met behulp van tijdgrafieken van historische en voorspellingsgegevens. Het schetst hoe te kiezen welk model te gebruiken. De onderstaande voorbeelden tonen dezelfde geschiedenis, in rood, voorspeld met elke methode, in donkergroen, vergeleken met de Slim gekozen winnende methode, in lichtgroen. […]
    • Fabrieksarbeider-ingenieur die in de fabriek werkt met behulp van een tabletcomputer om de waterleiding van de onderhoudsketel in de fabriek te controleren.Waarom wisselcurves voor reserveonderdelen essentieel zijn voor onderdelenplanning
      Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
    • Wat te doen als een statistische prognose geen steek houdtWat te doen als een statistische prognose geen steek houdt
      Soms slaat een statistische prognose gewoon nergens op. Elke voorspeller is er geweest. Ze kunnen dubbel controleren of de gegevens correct zijn ingevoerd of de modelinstellingen bekijken, maar ze blijven zich afvragen waarom de prognose er zo anders uitziet dan de vraaggeschiedenis. Wanneer de incidentele voorspelling nergens op slaat, kan dit het vertrouwen in het hele statistische prognoseproces aantasten. […]
    • Portret van fabrieksarbeider vrouw met blauwe veiligheidshelm houdt tablet vast en staat in de werkplaats voor reserveonderdelen. Concept van vertrouwen in het werken met software voor het plannen van reserveonderdelen.Het plannen van reserveonderdelen is niet zo moeilijk als u denkt
      Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]

      Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

      • Zakenman en zakenvrouw lezen en analyseren van spreadsheetDe top 3 redenen waarom uw spreadsheet niet werkt voor het optimaliseren van bestelpunten voor reserveonderdelen
        We komen vaak op Excel gebaseerde methoden voor het plannen van bestelpunten tegen. In dit bericht hebben we een benadering beschreven die een klant gebruikte voordat hij verder ging met Smart. We beschrijven hoe hun spreadsheet werkte, de statistische benaderingen waarop het zich baseerde, de stappen die planners doorliepen bij elke planningscyclus en hun aangegeven motivaties om deze intern ontwikkelde spreadsheet te gebruiken (en echt leuk te vinden). […]
      • Fabrieksarbeider-ingenieur die in de fabriek werkt met behulp van een tabletcomputer om de waterleiding van de onderhoudsketel in de fabriek te controleren.Waarom wisselcurves voor reserveonderdelen essentieel zijn voor onderdelenplanning
        Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
      • Portret van fabrieksarbeider vrouw met blauwe veiligheidshelm houdt tablet vast en staat in de werkplaats voor reserveonderdelen. Concept van vertrouwen in het werken met software voor het plannen van reserveonderdelen.Het plannen van reserveonderdelen is niet zo moeilijk als u denkt
        Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
      • Werknemer in een magazijn voor auto-onderdelen met software voor voorraadplanningServicegestuurde planning voor bedrijven met serviceonderdelen
        Planning van serviceonderdelen op basis van serviceniveau is een proces in vier stappen dat verder gaat dan vereenvoudigde prognoses en vuistregels voor veiligheidsvoorraden. Het biedt planners van serviceonderdelen datagestuurde, op risico's afgestemde ondersteuning bij het nemen van beslissingen. […]