Voorraadbeheer vereist dat leidinggevenden concurrerende doelen tegen elkaar afwegen: hoge productbeschikbaarheid versus lage investering in voorraad. Leidinggevenden vinden dit evenwicht door beschikbaarheidsdoelen en budgetbeperkingen te stellen. Vervolgens vertalen supply chain-professionals deze 'opdrachtgeversintenties' in gedetailleerde specificaties over punten opnieuw ordenen en bestel hoeveelheden.
Een spannende race tussen vraag en aanbod
Laten we ons concentreren op bestelpunten (ook bekend als minuten). Ze werken als volgt. Naarmate de voorhanden voorraad afneemt als reactie op de vraag, daalt deze uiteindelijk tot of onder een triggerwaarde, het bestelpunt of min. Op dat moment is het alsof er een pistool afgaat om een race tussen vraag en aanbod te starten. Er wordt een aanvullingsopdracht verzonden om het artikel opnieuw te bevoorraden, maar er is een aanvulling Lead time, dus de herbevoorrading is niet onmiddellijk. Terwijl uw systeem wacht op bevoorrading, blijft de vraag naar de beschikbare voorraad afnemen. Het is slecht nieuws als de vraag de race wint, want dan ben je niet in staat om te bieden wat iemand vraagt. Vervolgens krijgen ze het van een concurrent of worden ze nabesteld en ontevreden: hoe dan ook, bevoorrading is een slecht resultaat voor u en uw klant.
Het risico van bevoorrading wordt beheerst door de keuze van de bestelpunten van uw personeel. Als ze te hoog zijn ingesteld, zijn stock-outs zeldzaam, maar is de voorraad opgeblazen. Stel ze te laag in en stock-outs zijn er in overvloed. Dus hoe moeten de bestelpunten worden ingesteld?
Dwaze opvolging vermijden
Verschillende factoren bepalen het voorraadrisico. Elk artikel in uw inventaris heeft zijn eigen vraaggeschiedenis en doorlooptijd. Samen met de door u gekozen beschikbaarheidsdoelen bepalen deze factoren de beste keuze voor een bestelpunt. Maar de relaties zijn statistisch en vereisen een goede analyse om uit te werken. Software voor voorraadoptimalisatie kan het juiste bestelpunt berekenen voor elk van de tienduizenden artikelen. Maar in plaats van te vertrouwen op een goede analyse, vallen veel bedrijven terug op simpele vuistregels of gewoon “doen wat we altijd doen”.
In plaats van de juiste wiskunde te gebruiken, vertrouwen bedrijven vaak op vuistregels die hen slecht van dienst zijn. Hier zijn enkele voorbeelden in volgorde van meest voorkomend tot minst voorkomend.
1) Veelvouden van de gemiddelde vraag
Hervolgpunten instellen op een (willekeurig) veelvoud van gemiddelde vraag begint te vertrouwen op feitelijke feiten. Maar het negeert het belangrijkste kenmerk van de vraag dat het risico op voorraaduitval veroorzaakt: variabiliteit in de vraag. Twee artikelen met dezelfde gemiddelde vraag maar zeer verschillende niveaus van variabiliteit zullen zeer verschillende bestelpunten vereisen om hetzelfde lage risico op voorraaduitval te verzekeren. (Zie afbeelding 1)
2) Onderbuikgevoel
Sommige bedrijven hebben zichzelf gestyled supply chain goeroes. Zelfs als ze eigenlijk Jedi-meesters zijn, is het onmogelijk om tienduizenden items bij te houden waarvan de bestelpunten regelmatig moeten worden herzien. En als de logica achter de besluitvorming verborgen zit in een moeilijk te gebruiken spreadsheet waarvan alleen zij weten hoe ze die moeten gebruiken, loopt het bedrijf het risico het inventarisatieplan niet uit te voeren zonder die ene persoon – een risicovol voorstel.
3) Gemiddelde vraag + een veelvoud van vraagvariabiliteit
Deze benadering wordt in veel "Inventory 101" -cursussen onderwezen. Maar het veronderstelt impliciet enkele feiten over de vraag die heel vaak niet waar zijn: dat de vraag een normale ("klokvormige") verdeling heeft en dat de vraag in de ene periode geen verband houdt met de vraag in de voorgaande tijdsperiode(n). Veronderstellingen van onafhankelijkheid en vertrouwen op normale distributiemodellen zijn gewoon niet voldoende.
4) Kinderliedjes
Helemaal niet de norm, vandaar dat we als laatste op de lijst staan, maar we hoorden van een bedrijf dat één simpele regel hanteerde voor alle artikelen: "Als het er vier zijn, bestel dan meer". Het is gek om te geloven dat één regel te allen tijde op alle items van toepassing is. Maar het rijmt tenminste.
Uw mensen kunnen beter doen dan te vertrouwen op een van deze benaderingen. Weet u of uw bedrijf er een gebruikt?
Het goed doen
De juiste manier om herordeningspunten in te stellen maakt gebruik van de instrumenten van de waarschijnlijkheidstheorie. De details zijn afhankelijk van of u afgewerkte goederen of reserveonderdelen verkoopt. Reserveonderdelen zijn meestal moeilijker te beheren omdat ze eigenzinnige vraagpatronen hebben: hoog onderbreking (veel nul eisen), hoog scheefheid (veel kleine eisen maar ook met wat kanjers), en auto-correlatie ("feest of hongersnood" gedrag). Modern Puntsoftware opnieuw bestellen houdt rekening met deze eigenaardigheden om bestelpunten in te stellen die het gewenste niveau van artikelbeschikbaarheid verzekeren. Belangrijk is dat ze uw mensen ook expliciete afwegingscurven laten zien, zodat ze de balans kunnen vinden die u wilt - op item-per-locatieniveau - tussen voorraadrisico en voorraadinvestering.
Voorraad is een belangrijke post op de balans en heeft aandacht op hoog niveau nodig. Bij veel fabrikanten kunnen serviceonderdelen tot de helft van de omzet vertegenwoordigen. Moderne software laat de C-Suite verder gaan dan onvolledige wiskunde en andere ontoereikende benaderingen voor voorraadbeheer.
Afbeelding 1: Twee even belangrijke artikelen met dezelfde gemiddelde vraag krijgen hetzelfde voorraadbeleid toegewezen dat het Min (bestelpunt) bepaalt als 2 x de gemiddelde doorlooptijdvraag. Ondanks "hetzelfde" voorraadbeleid variëren de serviceprestaties aanzienlijk, waarbij het stabiele artikel A te kampen heeft met overvoorraden en het vluchtige artikel B met een voorraadtekort.
gerelateerde berichten

Je moet samenwerken met de algoritmen
This article is about the real power that comes from the collaboration between you and our software that happens at your fingertips. We often write about the software itself and what goes on “under the hood”. This time, the subject is how you should best team up with the software.

Beantwoord de precisie van het pronóstico: een precisie-cambio met de meetmetrieken
Het meten van de nauwkeurigheid van prognoses is een onmiskenbaar belangrijk onderdeel van het vraagplanningsproces. Deze voorspellingsscorekaart zou kunnen worden opgebouwd op basis van een van de twee contrasterende gezichtspunten voor het berekenen van metrieken. Vanuit het foutperspectief wordt de vraag gesteld: “Hoe ver lag de voorspelling van de werkelijkheid?” Vanuit het nauwkeurigheidsperspectief wordt de vraag gesteld: “Hoe dicht lag de voorspelling bij de werkelijkheid?” Beide zijn geldig, maar foutstatistieken bieden meer informatie.

Elk voorspellingsmodel is goed waarvoor het is ontworpen
Met zoveel hype rond nieuwe Machine Learning (ML) en probabilistische voorspellingsmethoden lijken de traditionele “extrapolatieve” of “tijdreeksen” statistische voorspellingsmethoden de koude schouder te krijgen. Het is echter de moeite waard om te onthouden dat deze traditionele technieken (zoals enkele en dubbele exponentiële afvlakking, lineaire en eenvoudige voortschrijdende middeling, en Winters-modellen voor seizoensitems) vaak behoorlijk goed werken voor gegevens met een groter volume. Elke methode is goed voor waarvoor deze is ontworpen. Pas ze allemaal op de juiste manier toe, bijvoorbeeld: neem geen mes mee naar een vuurgevecht en gebruik geen drilboor als een eenvoudige handhamer voldoende is.