De slimme voorspeller

Het nastreven van best practices op het gebied van vraagplanning,

prognoses en voorraadoptimalisatie

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.

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:

recente berichten

  • 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. […]
  • Software voor vraagplanning en voorraadoptimalisatie implementeren met de juiste gegevensSoftware voor vraagplanning en voorraadoptimalisatie implementeren met de juiste gegevens
    Gegevensverificatie en -validatie zijn essentieel voor het succes van de implementatie van software die statistische analyse van gegevens uitvoert, zoals Smart IP&O. Dit artikel beschrijft het probleem en dient als een praktische gids om het werk goed te doen, vooral voor de gebruiker van de nieuwe applicatie. […]
  • 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: […]
  • Digitale transformaties voor nutsbedrijven die de MRO-prestaties zullen verbeteren7 digitale transformaties voor nutsbedrijven die de MRO-prestaties zullen verbeteren
    Nutsvoorzieningen op het gebied van elektriciteit, aardgas, stedelijk water en telecommunicatie zijn allemaal activa-intensief en afhankelijk van fysieke infrastructuur die in de loop van de tijd goed moet worden onderhouden, bijgewerkt en geüpgraded. Het maximaliseren van de uptime van bedrijfsmiddelen en de betrouwbaarheid van de fysieke infrastructuur vereist effectief voorraadbeheer, prognoses van reserveonderdelen en leveranciersbeheer. Een nutsbedrijf dat deze processen effectief uitvoert, presteert beter dan zijn concurrenten, levert een beter rendement op voor zijn investeerders en hogere serviceniveaus voor zijn klanten, terwijl het zijn impact op het milieu vermindert. […]
  • De belangrijkste factoren die van invloed zijn op de snelheid van uw prognose-engineHoeveel tijd zou het kosten om statistische prognoses te berekenen?
    Hoe lang moet het duren voordat een vraagprognose wordt berekend met behulp van statistische methoden? Deze vraag wordt vaak gesteld door klanten en prospects. Het antwoord hangt er echt van af. Voorspellingsresultaten voor een enkel item kunnen in een oogwenk worden berekend, in slechts enkele honderdsten van een seconde, maar soms kan het zelfs vijf seconden duren. Om de verschillen te begrijpen, is het belangrijk om te begrijpen dat er meer bij komt kijken dan alleen de rekenkundige berekeningen zelf door te spitten. Hier zijn zes factoren die de snelheid van uw prognose-engine beïnvloeden. […]

    Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

    • 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. […]
    • Digitale transformaties voor nutsbedrijven die de MRO-prestaties zullen verbeteren7 digitale transformaties voor nutsbedrijven die de MRO-prestaties zullen verbeteren
      Nutsvoorzieningen op het gebied van elektriciteit, aardgas, stedelijk water en telecommunicatie zijn allemaal activa-intensief en afhankelijk van fysieke infrastructuur die in de loop van de tijd goed moet worden onderhouden, bijgewerkt en geüpgraded. Het maximaliseren van de uptime van bedrijfsmiddelen en de betrouwbaarheid van de fysieke infrastructuur vereist effectief voorraadbeheer, prognoses van reserveonderdelen en leveranciersbeheer. Een nutsbedrijf dat deze processen effectief uitvoert, presteert beter dan zijn concurrenten, levert een beter rendement op voor zijn investeerders en hogere serviceniveaus voor zijn klanten, terwijl het zijn impact op het milieu vermindert. […]
    • 6 dingen die u wel en niet moet doen bij het plannen van reserveonderdelen6 dingen die u wel en niet moet doen bij het plannen van reserveonderdelen
      Het beheren van voorraden reserveonderdelen kan onmogelijk aanvoelen. Je weet niet wat er kapot gaat en wanneer. Feedback van mechanische afdelingen en onderhoudsteams is vaak onnauwkeurig. Geplande onderhoudsschema's worden vaak verschoven, waardoor ze allesbehalve 'gepland' zijn. Gebruikspatronen (dwz vraagpatronen) zijn meestal uiterst intermitterend, dwz de vraag springt willekeurig tussen nul en iets anders, vaak een verrassend groot aantal. […]
    • 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. […]