1-800-SMART-99
Selecteer een pagina

# Het nastreven van best practices op het gebied van vraagplanning,

Demand planners have to cope with multiple problems to get their job done. One is the Irritation of Intermittency. The “now you see it, now you don’t” character of intermittent demand, with its heavy mix of zero values, forces the use of advanced statistical methods, such as Smart Software’s patented Markov Bootstrap algorithm. But even within the dark realm of intermittent demand, there are degrees of difficulty: planners must further cope with the potentially costly Scourge of Skewness.

Skewness is a statistical term describing the degree to which a demand distribution is not symmetrical. The classic (and largely mythic) “bell-shaped” curve is symmetric, with equal chances of demand in any time period falling below or above the average. In contrast, a skewed distribution is lopsided, with most values falling either above or below the average. In most cases, demand data are positively skewed, with a long tail of values extending toward the higher end of the demand scale.

Bar graphs of two time series
Figure 1: Two intermittent demand series with different levels of skewness
Figure 1 shows two time series of 60 months of intermittent demand. Both are positively skewed, but the data in the bottom panel are more skewed. Both series have nearly the same average demand, but the one on top is a mix of 0’s, 1’s and 2’s, while the one on the bottom is a mix of 0’s, 1’s and 4’s.

What makes positive skewness a problem is that it reduces an item’s fill rate. Fill rate is an important inventory management performance metric. It measures the percentage of demand that is satisfied immediately from on-hand inventory. Any backorders or lost sales reduce the fill rate (besides squandering customer good will).

Fill rate is a companion to the other key performance metric: Service level. Service level measures the chance that an item will stock out during the replenishment lead time. Lead time is measured from the moment when inventory drops to or below an item’s reorder point, triggering a replenishment order, until the arrival of the replacement inventory.

Inventory management software, such as Smart Software’s SmartForecasts, can analyze demand patterns to calculate the reorder point required to achieve a specified service level target. To hit a 95% service level for the item in the top panel of Figure 1, assuming a lead time of 1 month, the required reorder point is 3; for the bottom item, the reorder point is 1. (The first reorder point is 3 to allow for the distinct possibility that future demand values will exceed the largest values, 2, observed so far. In fact, values as large as 8 are possible.) See Figure 2.

Histograms of two time series
Figure 2: Distributions of total demand during a replenishment lead time of 1 month
(Figure 2 plots the predicted distribution of demand over the lead time. The green bars represent the probability that any particular level of demand will materialize.)

Using the required reorder point of 3 units, the fill rate for the less skewed item is a healthy 93%. However, the fill rate for the more skewed item is a troubling 44%, even though this item too achieves a service level of 95%. This is the scourge of skewness.

The explanation for the difference in fill rates is the degree of skewness. The reorder point for the more skewed item is 1 unit. Having 1 unit on hand at the start of the lead time will be sufficient to handle 95% of the demands arriving during a 1 month lead time. However, the monthly demand could reach above 15 units, so when the more skewed unit stocks out, it will “stock out big time”, losing a much larger number of units.

Most demand planners would be proud to achieve a 95% service level and a 93% fill rate. Most would be troubled, and puzzled, by achieving the 95% service level but only a 44% fill rate. This partial failure would not be their fault: it can be traced directly to the nasty skewness in the distribution of monthly demand values.

There is no painless fix to this problem. The only way to boost the fill rate in this situation is to raise the service level target, which will in turn boost the reorder point, which finally will reduce both the frequency of stockouts and their size whenever they occur. In this example, raising the reorder point from 1 unit to 3 units will achieve a 99% service level and boost fill rate to a respectable, but not outstanding, 84%. This improvement would come at the cost of essentially tripling the dollars tied up in managing this more skewed item.

Thomas Willemain, PhD, co-founded Smart Software and currently serves as Senior Vice President for Research. Dr. Willemain also serves as Professor Emeritus of Industrial and Systems Engineering at Rensselear Polytechnic Institute and as a member of the research staff at the Center for Computing Sciences, Institute for Defense Analyses.

Laat een reactie achter

gerelateerde berichten

## Top vijf tips voor nieuwe vraagplanners en -voorspellingen

Goede prognoses kunnen een groot verschil maken voor de prestaties van uw bedrijf, of u nu prognoses maakt ter ondersteuning van verkoop, marketing, productie, voorraad of financiën. Deze blog is in de eerste plaats bedoeld voor die gelukkige mensen die op het punt staan om aan dit avontuur te beginnen. Welkom op het veld!

## Smart Software presenteert op Community Summit Noord-Amerika

Channel Sales Director en Enterprise Solution Engineer van Smart Software, presenteert dit jaar drie sessies op het Microsoft Dynamics Community Summit North America-evenement in Orlando, FL.
.

## 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.

#### recente berichten

• Supply 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. […]
• Planning voor verbruiksgoederen vs. herstelbare onderdelen
Bij het bepalen van de juiste opslagparameters voor reserve- en vervangingsonderdelen, is het belangrijk om onderscheid te maken tussen verbruiks- en repareerbare onderdelen. Deze verschillen worden vaak over het hoofd gezien door software voor voorraadplanning en kunnen resulteren in onjuiste schattingen van wat er op voorraad moet worden gehouden. Er zijn verschillende benaderingen vereist bij het plannen van verbruiksartikelen versus herstelbare artikelen. […]
• Vier 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. […]
• 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. […]
• Op scenario's gebaseerde prognoses versus vergelijkingen
Van oudsher heeft software gediend als een leveringsvehikel voor vergelijkingen. Dit is prima, voor zover het gaat. Maar wij bij Smart Software denken dat u er beter aan doet door uw vergelijkingen in te ruilen voor scenario's. Ontdek waarom op scenario's gebaseerde planning planners helpt om risico's beter te beheren en betere resultaten te behalen. […]

#### Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

• Algemene 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'. […]
• Probabilistische 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 […]
• Beheer 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. […]

English
English
Spanish
Dutch