De slimme voorspeller

 Het nastreven van best practices op het gebied van vraagplanning,

prognoses en voorraadoptimalisatie

There’s a stale old joke: “There are two types of people – those who believe there are two types of people, and those who don’t.” We can modify that joke: “There are two types of people – those who know there are three types of supply chain analytics, and those who haven’t yet read this blog.”

The three types of supply chain analytics are “descriptive”, “predictive”, and “prescriptive.” Each plays a different role in helping you manage your inventory. Modern supply chain software lets you exploit all three.

Descriptive Analytics

Descriptive Analytics are the stuff of dashboards. They tell you “what’s happenin’ now.” Included in this category are such summary numbers as dollars currently invested in inventory, current customer service level and fill rate, and average supplier lead times. These statistics are useful for keeping track of your operations, especially when you track changes in them from month to month. You will rely on them every day. They require accurate corporate databases, processed statistically.

Predictive Analytics

Predictive Analytics most commonly manifest as forecasts of demand, often broken down by product and location and sometimes also by customer. These statistics provide early warning so you can gear up production, staffing and raw material procurement to satisfy demand. They also provide predictions of the effect of changes in operating policies, e.g., what happens if we increase our order quantity for Product X from 20 to 25 units? You might rely on Predictive Analytics periodically, perhaps weekly or monthly, when you look up from what’s happening now to see what will happen next. Predictive Analytics uses Descriptive Analytics as a foundation but adds more capability. Predictive Analytics for demand forecasting requires advanced statistical processing to detect and estimate such features of product demand as trend, seasonality and regime change.  Predictive Analytics for inventory management uses forecasts of demand as inputs into models of the operation of inventory policies, which in turn provide estimates of key performance metrics such as service levels, fill rates, and operating costs.

Prescriptive Analytics

Prescriptive Analytics are not about what is happening now, or what will happen next, but about what you should do next, i.e., they recommend decisions aimed at maximizing inventory system performance. You might rely on Prescriptive Analytics to best posture your entire inventory policy. Prescriptive Analytics uses Predictive Analytics as a foundation then adds optimization capability. For instance, Prescriptive Analytics software can automatically work out the best choices for future values of Min’s and Max’s for thousands of inventory items. Here, “best” might mean the values of Min and Max for each item that minimize operating cost (the sum of holding, ordering, and shortage costs) while maintaining a 90% floor on item fill rate.

Example

The figure below shows how supply chain analytics can help the inventory manager. The columns show three predicted Key Performance Indicators (KPI’s): service level, inventory investment, and operating costs (holding costs + ordering costs + shortage costs).

 Figure 1: The three types of analytics used to evaluate planning scenarios

The rows show four alternative inventory policies, expressed as scenarios. The “Live” scenario reports on the values of the KPI’s on July 1, 2018. The “99% All” scenario changes the current policy by raising the service level of all items to 99%. The “75 floor/99 ceiling” scenario raises service levels that are too low up to 75% and lowers very high (i.e., expensive) service levels down to 95%. The “Optimization” scenario prescribes item specific service levels that minimizes total operating costs.

The “Live 07-01-2018” scenario is an example of Descriptive Analytics. It shows the current baseline performance. The software then allows the user to try out changes in inventory policy by creating new “What If” scenarios that might then be converted to named scenarios for further consideration. The next two scenarios are examples of Predictive Analytics. They both assess the consequences of their recommended inventory control policies, i.e., recommended values of Min and Max for all items. The “Optimization” scenario is an example of Prescriptive Analytics because it recommends a best compromise policy.

Consider how the three alternative scenarios compare to the baseline “Live” scenario. The “99% All” scenario raises the item availability metrics, increasing service level from 88% to 99%. However, doing so increases the total inventory investment from $3 million to about $4 million. In contrast, the “75 floor/99 ceiling” scenario increases both service level and reduces the cash tied up in inventory by about $300,000. Finally, the “Optimization” scenario achieves an 80% service level, a reduction from the current 88%, but it cuts more than $2 million from the inventory value and reduces operating costs by more than $400,000 annually. From here, managers could try further options, such as giving back some of the $2 million savings to achieve a higher average service level.

Overzicht

Modern software packages for inventory planning and inventory optimization should offer three kinds of supply chain analytics: Descriptive, Predictive, and Prescriptive. Their combination lets inventory managers track their operations (Descriptive), forecast where their operations will be in the future (Predictive), and optimize their inventory policies in response in anticipation of future conditions (Prescriptive).

 

 

Laat een reactie achter

gerelateerde berichten

Smart Software leidt een webinar als onderdeel van het WERC Solutions Partner Program

Smart Software leidt een webinar als onderdeel van het WERC Solutions Partner Program

Smart Software, zal een webinar van 30 minuten leiden als onderdeel van het WERC Solutions Partner Program. De presentatie zal zich richten op hoe een toonaangevend elektriciteitsbedrijf Smart Inventory Planning and Optimization (Smart IP&O) implementeerde als onderdeel van het strategische supply chain-optimalisatie-initiatief (SCO) van het bedrijf.

Het Supply Chain Blame-spel: Top 3 excuses voor voorraadtekorten en -overschotten

Het Supply Chain Blame-spel: Top 3 excuses voor voorraadtekorten en -overschotten

De toeleveringsketen is de schuld geworden van bijna elk industrieel of kleinhandelsprobleem. Tekorten aan doorlooptijdvariabiliteit, slechte prognoses en problemen met slechte gegevens zijn levensfeiten, maar voorraadhoudende organisaties worden vaak verrast wanneer een van deze problemen zich voordoet. Dus nogmaals, wie is verantwoordelijk voor de chaos in de toeleveringsketen? Blijf deze blog lezen en we zullen proberen u te laten zien hoe u producttekorten en overstocking kunt voorkomen.

recente berichten

  • Epicor Prophet 21 with Forecasting Inventory PlanningExtend Epicor Prophet 21 with Smart IP&O’s Forecasting & Dynamic Reorder Point Planning
    Smart Inventory Planning & Optimization (Smart IP&O) can help with inventory ordering functionality in Epicor P21, reduce inventory, minimize stockouts and restore your organization’s trust by providing robust predictive analytics, consensus-based forecasting, and what-if scenario planning. […]
  • Supply Chain Math large-scale decision-making analyticsSupply Chain Math: Don’t Bring a Knife to a Gunfight
    Math and the supply chain go hand and hand. As supply chains grow, increasing complexity will drive companies to look for ways to manage large-scale decision-making. Math is a fact of life for anyone in inventory management and demand forecasting who is hoping to remain competitive in the modern world. Read our article to learn more. […]
  • Rijpe bebaarde monteur in uniform onderzoekt de machine en repareert deze in de fabriekService Parts Planning: Planning for consumable parts vs. Repairable Parts
    When deciding on the right stocking parameters for spare and replacement parts, it is important to distinguish between consumable and repairable servoce parts. These differences are often overlooked by inventory planning software and can result in incorrect estimates of what to stock. Different approaches are required when planning for consumables vs. repairable service parts. […]
  • Vier veelgemaakte fouten bij het plannen van aanvullingsdoelenVier veelgemaakte fouten bij het plannen van aanvullingsdoelen
    Hoe vaak herkalibreert u uw voorraadbeleid? Waarom? Leer hoe u belangrijke fouten kunt vermijden bij het plannen van aanvullingsdoelen door het proces te automatiseren, onderdelen opnieuw te kalibreren, targeting-prognosemethoden te gebruiken en uitzonderingen te bekijken. […]
  • Smart Software introduceert met genoegen onze serie webinars, exclusief aangeboden voor Epicor-gebruikers.Breid de prognoses en min/max-planning van Epicor Kinetic uit met Smart IP&O
    Epicor Kinetic kan de aanvulling beheren door te suggereren wat te bestellen en wanneer via op bestelpunten gebaseerd voorraadbeleid. Het probleem is dat het ERP-systeem vereist dat de gebruiker deze bestelpunten handmatig specificeert, of een rudimentaire "vuistregel"-aanpak gebruikt op basis van dagelijkse gemiddelden. In dit artikel zullen we de functionaliteit voor het bestellen van voorraad in Epicor Kinetic bespreken, de beperkingen ervan uitleggen en samenvatten hoe de voorraad kan worden verminderd en de voorraad kan worden geminimaliseerd door de robuuste voorspellende functionaliteit te bieden die ontbreekt in Epicor. […]

    Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

    • Algemene bestellingen Slimme softwarevraag en voorraadplanning HDAlgemene bestellingen
      Onze klanten zijn geweldige docenten die ons altijd hebben geholpen de kloof tussen leerboektheorie en praktische toepassing te overbruggen. Een goed voorbeeld gebeurde meer dan twintig jaar geleden, toen we kennismaakten met het fenomeen van intermitterende vraag, dat veel voorkomt bij reserveonderdelen, maar zeldzaam is bij de afgewerkte producten die worden beheerd door onze oorspronkelijke klanten die werkzaam zijn in verkoop en marketing. Deze onthulling leidde al snel tot onze vooraanstaande positie als leveranciers van software voor het beheren van voorraden reserveonderdelen. Ons laatste stukje scholing betreft 'algemene bestellingen'. […]
    • Plaats stukken met de hand om een pijl te bouwenProbabilistische prognoses voor intermitterende vraag
      De nieuwe prognosetechnologie is afgeleid van probabilistische prognoses, een statistische methode die zowel de gemiddelde productvraag per periode als de voorraadbehoeften op het niveau van de klantenservice nauwkeurig voorspelt. […]
    • Engineering op bestelling bij Kratos Space - beschikbaarheid van onderdelen een strategisch voordeel maken
      De Kratos Space-groep binnen National Security-technologie-innovator Kratos Defense & Security Solutions, Inc., produceert COTS-software en componentproducten voor ruimtecommunicatie - waardoor de beschikbaarheid van onderdelen een strategisch voordeel wordt […]
    • houten-figuren-van-mensen-en-een-magneet-team-management-magazijninventarisBeheer van de inventaris van gepromote artikelen
      In een eerder bericht besprak ik een van de neteligere problemen waarmee vraagplanners soms worden geconfronteerd: het werken met gegevens over productvraag die worden gekenmerkt door wat statistici scheefheid noemen - een situatie die kostbare voorraadinvesteringen kan vergen. Dit soort problematische gegevens is te vinden in verschillende scenario's. In ten minste één geval, de combinatie van intermitterende vraag en zeer effectieve verkoopacties, leent het probleem zich voor een effectieve oplossing. […]