We werken samen met veel klanten in veel sectoren om onze geavanceerde software voor analyse, prognoses en voorraadplanning te verbinden met hun ERP-systemen. Ondanks de verscheidenheid aan situaties die we tegenkomen, hebben sommige gegevensgerelateerde problemen de neiging om keer op keer de kop op te steken. In deze blog staan tien tips die je kunnen helpen om deze veelvoorkomende problemen te voorkomen.

Zodra een klant klaar is om software voor vraagplanning en/of voorraadoptimalisatie te implementeren, moet hij de analysesoftware aansluiten op zijn bedrijfsgegevensstroom. In ons geval verwerken we transactiegegevens rechtstreeks in de analytische software. Dit geeft onder meer informatie over de vraag naar artikelen en de doorlooptijden van leveranciers. We halen de rest van de gegevens uit het ERP-systeem zelf, dat metagegevens levert zoals de locatie van elk artikel, de kostprijs per eenheid en de productgroep.

Deze tips zijn belangrijk omdat het niet ongebruikelijk is dat implementatieprojecten met veel enthousiasme beginnen, maar al snel vastlopen door problemen met de gegevens die de analyse voeden. Deze vertragingen kunnen het teamenthousiasme verminderen, projectleiders in verlegenheid brengen en de ROI-uitbetaling vertragen (en daardoor verminderen) die uiteindelijk het implementatieproject rechtvaardigde.

Het belang van het verbinden van de analysesoftware met de bedrijfsgegevensstroom

Hier is de lijst met tips, gegroepeerd op basis van de algemene thema's veilig omgaan met bestanden, waarborgen van gegevensintegriteit en omgaan met uitzonderingen.

Veilig omgaan met bestanden

1. Zorg voor een testomgeving die u als 'sandbox' kunt gebruiken. Kopieer uw huidige gegevens naar een testomgeving waar u veilig kunt experimenteren met de software zonder de huidige bewerkingen te riskeren. Naast het helpen van gebruikers om de ins en outs van de nieuwe software te leren, stelt het hebben van de nieuwste gegevens in de software eindgebruikers in staat eventuele problemen met de gegevens te ontdekken.

2. Bescherm uw regels voor gegevensextractie. Als u geen gebruik maakt van een kant-en-klare connector voor uw ERP-systeem dan moet u ervoor zorgen dat u bewaarbare uittrekregels kunt maken om gegevens van uw ERP naar een bestand te verplaatsen. Kolomvolgorde, gegevenstypen, datumnotaties, enz. mogen niet elke keer dat hetzelfde extract opnieuw wordt uitgevoerd, variëren. Anders loopt het project vast in handmatige fouten of verwarring bij het opnieuw uitpakken na fixes van de gegevens of wanneer nieuwe gegevens binnenkomen. Alle regels voor gegevensextractie moeten worden opgeslagen en beschikbaar zijn voor IT - we zijn situaties tegengekomen waarin bestanden werden geëxtraheerd. op ad hoc wijze resulterend in een iets ander formaat bij elk nieuw uittreksel. We hebben ook gezien dat klanten hard werkten aan het ontwikkelen van een complexe en nauwkeurige routine voor het extraheren van gegevens, waarna ze ontdekten dat al hun werk verloren was gegaan toen het niet goed was gearchiveerd. Beide situaties leidden tot verwarring en projectvertragingen.

3. Gebruik geen native bestandsindelingen van Excel voor gegevensoverdracht. Als uw planningsoplossing geen directe integratie met uw ERP-systeem heeft, exporteer dan ERP-gegevens naar een platte bestandsindeling, zoals door komma's gescheiden bestanden (.csv) of door tabs gescheiden tekstbestanden. Gebruik geen MS Excel-indelingen zoals .xls of .xlsx als het exportbestandstype omdat Excel automatisch veldwaarden op onverwachte manieren opnieuw opmaakt. Veel gebruikers gaan ervan uit dat ze .xlsx-bestanden moeten gebruiken als ze ze handmatig willen bekijken, zich niet realiserend dat .csv- of .txt-bestanden net zo gemakkelijk kunnen worden geopend en niet het risico met zich meebrengen dat ze automatisch opnieuw worden geformatteerd.

Gegevensintegriteit verzekeren

Gegevensproblemen en oplossingen bij software-implementatie. Hier is de lijst met tips, gegroepeerd op basis van de algemene thema's veilig omgaan met bestanden, waarborgen van gegevensintegriteit en omgaan met uitzonderingen.

4. Bevestig de juistheid van uw catalogusgegevens. Exporteer uw catalogusgegevens (dwz lijst met producten, lijst met klanten, lijst met leveranciers) en al hun relevante attributen. Controleer op verkeerde of verdachte waarden in de attributen (vooral doorlooptijden en kosten van artikelen). Problematische waarden zijn spaties, nullen als u geen nul als gegevenswaarde verwacht, en tekenreeksen als u numerieke waarden verwacht (of vice versa). Het kan helpen om elk extractbestand in Excel te openen en op elk attribuutveld te filteren, kijkend naar de unieke waarden om te zien wat eruit springt als niet zoals de andere (bijv. "1", "2", "&&", "3" …).

5. Bevestig de juistheid van uw groeperingsgegevens. Een andere nuttige activiteit die kan worden uitgevoerd tijdens het bekijken van de productcatalogusgegevens in Excel, is het controleren van belangrijke groeperings-/filtervelden zoals productfamilie, categorie of klasse om er zeker van te zijn dat er geen producten zijn toegewezen aan de verkeerde categorie, klasse of familie. Controleer ook alle velden voor productstatus/productlevenscyclus, zorg er bijvoorbeeld voor dat u alle stopgezette producten correct hebt geïdentificeerd.

6. Controleer op valse controletekens in tekstvelden. Controleer of er geen ongebruikelijke tekens in uw productbeschrijvingen zijn geëxtraheerd, zoals regelterugloop of tabs in de beschrijvingswaarde zelf. Als dat het geval is, zorg er dan voor dat u die gegevens kunt extraheren door tussenvoegsels met dubbele aanhalingstekens rond de beschrijving te gebruiken, of herstel fouten bij het invoeren van gegevens rechtstreeks in het ERP-systeem.

7. Controleer of de gegevens een standaardlay-out hebben. Controleer of uw uittreksels van transactiegegevens (bijv. klantorders, klantverzendingen, inkooporders, leveranciersbonnen) geen dubbele rijen bevatten. Als dat het geval is, identificeert u welke velden moeten worden toegevoegd om de rijen onderscheidend te maken of, als het echte duplicaten zijn, verwijdert u de extra exemplaren in de ERP-database.

Omgaan met uitzonderingen

8. Detecteer en reageer op uitzonderingen. Identificeer alle kenmerken van transactiegegevens die zouden betekenen dat ze niet zouden moeten worden gebruikt, zoals geannuleerde bestellingen. Begrijp het proces rond verkeerd ingevoerde bestellingen of geannuleerde bestellingen om ervoor te zorgen dat dit soort transacties niet worden geteld of dubbel geteld. Let op andere gegevensattributen die zouden impliceren dat dat attribuut niet mag worden gebruikt, zoals dropshipping rechtstreeks van een leverancier naar de klant in plaats van het vanuit uw eigen bedrijf te verzenden. 

9. Codificeer de afhandeling van uitzonderlijke interne overboekingen. Definieer het geïdealiseerde record van interne voorraadoverdrachten in noodgevallen en geef vervolgens regels voor het bewerken van transacties die op noodbasis zijn uitgevoerd en die afwijken van het ideale patroon. Als bijvoorbeeld product P1 zou moeten worden verzonden vanuit locatie A, maar er was een noodverzending vanuit locatie B, wordt de vraaggeschiedenis voor P1 op locatie A gekaapt en minder dan het had moeten zijn. Geef indien mogelijk een regel op voor de gewenste verzendlocatie voor elk product, zodat de geschiedenis kan worden gecorrigeerd door de voorraadoptimalisatiesoftware voor prognosedoeleinden.

10. Bedenk een procedure om vervanging af te handelen. Vervangingen doen zich bijvoorbeeld voor bij het adopteren van een nieuw ERP-systeem dat de producten opnieuw indexeert, of een oud product wordt vervangen door een bijgewerkte versie, of een geheel nieuw product veroudert en het oude. Als product-ID's om welke reden dan ook in de afgelopen paar jaar zijn gewijzigd, identificeer dan een mapping van de oude product-ID naar de nieuwe. Deze regels moeten beschikbaar zijn voor het vraagplannings- en prognosesysteem en kunnen worden bewerkt binnen de applicatie.

Het niet anticiperen op dataproblemen vormt een grote belemmering voor een soepele implementatie van nieuwe analytische software. Geen enkele lijst kan alle vreemde dingen opsommen die fout kunnen gaan bij het verzamelen van gegevens, maar deze lijst belicht veelvoorkomende problemen en verstandige antwoorden.

Opmerking: voor meer informatie over hoe gegevensproblemen de toepassing van geavanceerde analytische software kunnen belemmeren, zie de uitstekende blog van Sean Snapp over hoe dit probleem de toepassing van kunstmatige intelligentie en machine learning belemmert.  https://www.brightworkresearch.com/demandplanning/2019/05/how-many-ai-projects-will-fail-due-to-a-lack-of-data/

MAX-MIN OF ROP – ROQ

door Philip Slater

Deze gastblog is geschreven door Philip Slater, oprichter van SparePartsKNowHow.com, de toonaangevende educatieve bron voor het beheer van reserveonderdelen. De heer Slater is een wereldleider en adviseur op het gebied van materiaalbeheer en in het bijzonder op het gebied van technisch voorraadbeheer en optimalisatie van reserveonderdelen. In 2012 werd Philip geëerd met een nationaal Leiderschap in Logistiek Education Award. Klik op om de originele blogpost te bekijken hier.

Er zijn in wezen twee manieren waarop bedrijven hun instellingen voor voorraadbeheer uitdrukken: als MAX-MIN (soms MIN-MAX) of als ROP-ROQ.

Sommige mensen zullen zeggen dat het niet echt uitmaakt welke je gebruikt, als je maar de definities en de voor- en nadelen begrijpt. In mijn ervaring doet het er echter toe en dit is een aspect van het voorraadbeheer van reserveonderdelen dat u echt goed moet doen.

Laten we beginnen met de definities voor MIN, MAX, ROP & ROQ

MIN = afkorting voor minimum

Er zijn, verwarrend genoeg, twee stromingen over wat wordt bedoeld met de MIN. Meestal is dit het punt waarop de noodzaak om meer voorraad te bestellen wordt geactiveerd. Soms wordt de MIN echter gezien als de minimale hoeveelheid die veilig kan worden vastgehouden om aan de verwachte behoeften te voldoen. In dit geval wordt de noodzaak om meer voorraad te bestellen zo ingesteld dat het bestelpunt één minder is dan de MIN-waarde. Dat is. MIN-1.

De sleutel tot beheer bij het gebruik van een MIN-instelling is het begrijpen van de configuratie van het computersysteem dat u gebruikt, aangezien verschillende definities het resulterende holdingniveau, het herbestellingspunt en misschien zelfs de daadwerkelijke veiligheids- of buffervoorraad zullen veranderen.

MAX = afkorting voor maximum

Deze waarde is meestal het beoogde maximale bezit van het item. Gewoonlijk, in een MAX-MIN-systeem, waar de MIN het bestelpunt is, is de hoeveelheid die wordt bijbesteld na het bereiken van de MIN de hoeveelheid die nodig is om terug te keren naar de MAX. Als de MAX-MIN bijvoorbeeld 5-2 is en de hoeveelheid in het magazijn 2 bereikt, moet de inkoop er 3 bestellen om terug te keren naar de MAX.

ROP = Bestelpunt

Zoals de naam al doet vermoeden, is dit simpelweg het voorraadniveau waarop de noodzaak om bij te bestellen wordt geactiveerd. Dit wordt berekend door het niveau van de veiligheidsvoorraad en de voorraad die nodig is om de servicebehoeften tijdens de doorlooptijd van de bestelling te dekken, te bepalen.

ROQ = Bestelhoeveelheid

Nogmaals, zoals de naam suggereert, is dit de hoeveelheid die opnieuw moet worden besteld wanneer de ROP is bereikt. Dit is niet de EOQ, maar eerder de hoeveelheid die zowel economisch zinvol is als commercieel verkrijgbaar is.

De verschillen zijn zinvol en belangrijk

Het is essentieel dat elke voorraadbeheerder begrijpt dat de MAX-MIN- en ROP-ROQ-benaderingen niet zomaar uitwisselbaar zijn.

Bijvoorbeeld in algemene termen:

MIN kan worden gelijkgesteld met de ROP, behalve als u een systeem hebt ingesteld voor nabestelling op een punt van MIN-1. In dat geval is er geen gelijkwaardigheid.

Voor langzaam bewegende artikelen kan de MAX onder bepaalde omstandigheden gelijk zijn aan de ROP + ROQ. Dit komt omdat het voor langzaam lopende artikelen mogelijk is dat er geen extra vraag is voordat het/de nieuw bestelde artikel(en) op voorraad zijn.

Bij alle andere items is de MAX echter ONWAARSCHIJNLIJK gelijk aan de ROP + ROQ, aangezien items kunnen worden uitgegeven tussen het moment van het bereiken van de MIN en de aankomst van de nieuw bestelde items. Sterker nog, er is een logica die zegt dat de MAX nooit echt gehaald zou worden.

Doen deze verschillen ertoe? Ik denk dat ze dat doen.

Wat als u bijvoorbeeld van IT-systeem verandert? Als u van het ene type MAX-MIN-systeem naar het andere overstapt, maar zij de MIN anders definiëren, kunt u uw gegevens niet zomaar migreren. Dit lijkt misschien niet voor de hand liggend als iedereen de taal van MAX-MIN gebruikt, maar het is een klassieke valkuil waarbij woorden op verschillende manieren worden gebruikt.

Evenzo, als u uw holdingniveaus benchmarkt met een ander bedrijf of een andere locatie, moet u op de hoogte zijn van de verschillende definities en de resultaten die elke benadering zou opleveren. Anders ben je 'appels met peren' aan het vergelijken.

Of wat gebeurt er als een nieuw teamlid bij uw bedrijf arriveert en hun vorige bedrijf de termen MAX-MIN gebruikte, maar met andere parameters of betekenis dan uw bedrijf gebruikt. Er zal waarschijnlijk worden aangenomen dat de termen op dezelfde manier worden gebruikt en dit kan leiden tot voorraadtekorten of -overschotten, afhankelijk van de verschillen in de definities.

Om nog meer verwarring te zaaien, gebruiken sommige softwaresystemen de term 'Veiligheidsvoorraad' om het MIN-holdingniveau weer te geven, ondanks dat dit niet de universele definitie van veiligheidsvoorraad is. Door deze verschillende nomenclatuur gaan sommige mensen ervan uit dat het aanhouden van minder dan de zogenaamde 'veiligheidsvoorraad' volgens uw IT-systeem 'onveilig' of riskant is, terwijl dat in feite helemaal niet zo is. Misschien hebben ze zelfs een te grote voorraad omdat ze de term 'veiligheidsvoorraad' niet goed hanteren. Het veiligheidsvoorraad noemen maakt het nog niet zo.

Voors en tegens

MAXIMUM MINIMUM

Voordelen:

• Conceptueel eenvoudig te begrijpen.

Nadelen:

• Termen kunnen misleidend zijn in termen van veiligheidsvoorraad en werkelijke maxima.

• Termen worden op verschillende manieren gebruikt en daarom is voorzichtigheid geboden om een gemeenschappelijk begrip te garanderen.

• Waarden vaak bepaald op basis van 'ervaring' of intuïtie.

• Leidt vaak tot overbevoorrading terwijl misleidende overbevoorradingsgegevens worden gerapporteerd

ROP-ROQ

Voordelen:

• De betekenis van elke term is duidelijk en consistent.

• Waarden ingesteld met behulp van controleerbare logica.

• Veiligheidsvoorraadwaarden duidelijk vastgelegd.

• Beleggingen weerspiegelen waarschijnlijk de werkelijke behoeften en commerciële beperkingen.

Nadelen:

• Vereist meer werk om de juiste waarden te bepalen.

U moet dit goed doen

De verschillen tussen MAX-MIN en ROP-ROQ zijn niet triviaal en de termen zijn zeker niet uitwisselbaar. Mijn ervaring is dat de ROP-ROQ-benadering meer transparantie oplevert en gemakkelijker te beheren is omdat er geen verwarring bestaat over de betekenis van de termen. Deze aanpak levert ook een geschikter en beter controleerbaar voorraadniveau op.

Dit suggereert dat als voorraadbeheer van reserveonderdelen belangrijk voor u is, u dit echt goed moet doen.

Heeft uw uitgebreide toeleveringsketen last van extreme seizoensvariabiliteit? Vormt deze situatie een uitdaging voor uw vermogen om te voldoen aan de serviceniveauverplichtingen aan uw klanten? Ik heb hiermee geworsteld bij Rev-A-Shelf, waarbij ik me bezig hield met ongebruikelijke omstandigheden die zijn gecreëerd door Chinees Nieuwjaar en andere wereldwijde evenementen, en ik wil graag de ervaring en een paar dingen die ik onderweg heb geleerd delen.

Laat me eerst onze situatie uitleggen. We importeren 60% van de onderdelen die we gebruiken om onze keuken- en badaccessoires te bouwen uit China en Europa. Het grootste deel van het jaar waren we in staat om onze voorraadbehoeften te plannen met behulp van een op spreadsheets gebaseerde min/max-aanpak. Maar niet tijdens Chinees Nieuwjaar, dat de grootste jaarlijkse bevolkingsmigratie van de planeet veroorzaakt. Chinees Nieuwjaar legt de productie tot twee maanden stil, wat een aanzienlijk leveringsrisico met zich meebrengt terwijl we ernaar streven om onze driedaagse orderafhandelingsverplichting na te komen.

We hebben ons probleem opgelost door statistische vraagprognoses te introduceren met de flexibiliteit om doorlooptijden te verlengen indien nodig, de mogelijkheid om op betrouwbare wijze veiligheidsvoorraden aan te leggen die onze vereiste serviceniveaus bereiken en een continu rapportagesysteem waarmee iedereen precies weet waar we aan toe zijn. Voor succes was echter veel meer nodig dan een nieuw stuk software. We moesten de manier veranderen waarop we naar de toekomstige vraag, het aanbodrisico en de veiligheidsvoorraad kijken. Hier zijn een paar belangrijke dingen die we hebben gedaan die het verschil hebben gemaakt.

Stakeholdereducatie en buy-in

Ongeacht het project is het altijd het beste om de buy-in van alle belanghebbenden in te schakelen. We wisten dat we iets moesten doen om ons probleem op te lossen, maar er was zeker weerstand. Senior managers hadden bijvoorbeeld een gezond wantrouwen tegen software ontwikkeld en vroegen zich af of vraagvoorspellingssoftware zou kunnen helpen. Onze inkopers hadden hun eigen perspectieven en inkoopmethoden ontwikkeld en voelden zich persoonlijk in gevaar toen we nieuwe benaderingen overwoog.

Mensen kwamen langs toen ze een gemeenschappelijk begrip van het probleem ontwikkelden en hoe we het zouden aanpakken. Onderwijs was een groot deel van de oplossing. We hebben uitgelegd hoe prognoses werken en de belangrijkste factoren die we allemaal moeten begrijpen: hoe trends te analyseren, hoe 'wat als'-scenario's te gebruiken, de impact van veranderende doorlooptijden, hoe serviceniveaus te relateren aan leveringsrisico en veiligheidsvoorraad en belangrijke prestatie-indicatoren zoals voorraad draait. Door dit proces samen te doorlopen, werden we allemaal belanghebbenden bij de oplossing.

Gebruik de juiste software

Wanneer u veel onderdeelnummers en enige vorm van vraag- of aanbodvariabiliteit heeft, kunt u gewoon niet effectief voorspellen met een spreadsheet. Met ons min/max-voorspellingssysteem waren we van plan een gemiddelde te nemen, en het werkte niet. Gemiddeld gebruik heeft inherente gebreken voor planningsdoeleinden - het is altijd achterom kijken!

U hebt software nodig die vooruitkijkt, seizoenspatronen herkent en u in staat stelt te bepalen hoeveel voorraad u nodig heeft om aan de vereiste serviceniveaus te voldoen gedurende verschillende doorlooptijden.

Processen verfijnen

Als de oude manieren niet werken, moet je openstaan voor het aanpassen van je aannames. Denk minder na over waar je bent geweest en meer over waar je wilt zijn. Bekijk uw doorlooptijden en plan uw gewenste serviceniveau in. De geschiedenis van vorig jaar is misschien niet de beste voorspeller van de vraag van dit jaar. Dezelfde prognosehorizon is mogelijk niet geschikt voor alle producten of een bepaalde tijd van het jaar.

Maak de prognose uitvoerbaar

Het is niet voldoende om een nauwkeurige prognose en geschatte voorraadniveaus te produceren. Je moet een manier ontwikkelen om de informatie bruikbaar te maken voor degenen die ermee belast zijn. We hebben een reeks rapporten ontwikkeld waarmee kopers betere prognose- en veiligheidsvoorraadinformatie konden gebruiken. Nu, aan het einde van elke maand, produceren we een prognoserapport dat een duidelijk beeld geeft van de huidige voorraad, veiligheidsvoorraad, gebruik in het verleden, voorspeld gebruik, inkomende leveringen (PO's) en aanbevolen bestelhoeveelheden.

Resultaten valideren

U kunt, en dat hebben we gedaan, onze nieuwe methoden testen aan de hand van onze eigen vraaggeschiedenis. Toch kan een gezaghebbende buitenstaander acceptatie gemakkelijker maken. We hebben een onderzoek laten uitvoeren door een professor aan de Louisville University's College of Business, die een van haar afgestudeerde studenten aan het werk zette. Door hen konden we versterken wat we zagen gebeuren met onze resultaten, en we voelden ons comfortabel dat we op de goede weg waren.

Al deze factoren hielpen Rev-A-Shelf om zijn vraagplanningsproces met groot succes te transformeren. Vandaag overtreffen we onze doelstellingen op het gebied van serviceniveau en onze opvullingsgraad, gebaseerd op een driedaagse scheepscyclus, vertoont een gestage verbetering en vertoont een stijgende lijn. Over het algemeen zijn de eenheden op voorraad gelijk gebleven, terwijl ze een stijging van de verkoop van 13% ondersteunden.

John Engelhardt is momenteel Director of Purchasing and Asian Operations voor Rev-a-Shelf, LLC in Louisville, KY. Hij heeft verschillende managementfuncties bekleed, zowel bij particuliere bedrijven als bij publieke organisaties. Bij Rev-A-Shelf bekleedde hij de functie van International Sales Manager en Director of Sales Support voordat hij zijn huidige functie op zich nam. Hij is te bereiken op johne op rev-a-shelf dot com.

Aan het einde van het jaar zijn we vaak bezig met nadenken en plannen maken voor het komende jaar. Is 2013 verlopen zoals je had verwacht? Zal 2014 dramatisch anders zijn? Zijn er andere factoren - dingen die we van plan zijn te doen; dingen waarvan we denken dat onze concurrenten ze zouden kunnen doen; krachten van buitenaf, zoals veranderende smaak, demografie of economie, die de gang van zaken in het komende jaar kunnen veranderen?

De meeste bedrijven die een formele prognose doen, beginnen met een statistische projectie van verkooppatronen uit het verleden in de toekomst. Uw voorspellingsmodel moet alle seizoensgebondenheid die inherent is aan uw markten detecteren en karakteriseren en dit opnemen in de projectie. Maar dat is slechts de eerste stap.

Het volgende dat u moet overwegen, is de levenscyclus van het product. Bijna alle producten doorlopen een voorspelbare cyclus van introductie, acceptatie en groei, volwassenheid (vraag vlakt af) en uiteindelijk verval tot veroudering. Deze cycli kunnen zo kort zijn als weken of zo lang als tientallen jaren. Kledingmode en consumentenelektronica zouden zich aan de kortere kant van de schaal bevinden, terwijl producten zoals sanitair en bouwmachines langere cycli zouden ondergaan. In gespecialiseerde situaties, zoals het beheer van busvloot, kunnen volledige wagenparken worden vervangen gedurende gedefinieerde overgangsperioden. In ieder geval de vraag prognose moet worden aangepast aan de toenemende of afnemende vraag, afhankelijk van de positie van het product in zijn levenscyclus.

Nu komt het moeilijkste: het onvoorspelbare voorspellen. Over het algemeen zal de toekomst waarschijnlijk veel lijken op het recente verleden, vergelijkbaar met de eerste bewegingswet van Newton: een lichaam in beweging heeft de neiging in beweging te blijven tenzij er een externe kracht op inwerkt. Maar het zijn die externe krachten die uw zorgvuldig berekende voorspelling recht in de goot kunnen sturen. Een concurrent kan zijn prijzen verlagen om een deel van uw marktaandeel weg te nemen. Nieuwe technologieën kunnen uw product voor het einde van de verwachte levensduur overbodig maken. Veranderende smaken of nieuwe regelgeving kunnen de verkoop in de weg staan.

Maar er kunnen ook goede dingen gebeuren. U bent misschien degene die de prijzen verlaagt of uw product verbetert en de zaken van een concurrent wegneemt. Uw product kan in de smaak vallen bij de markt en de verkoop zal omhoogschieten. Een concurrent kan het bedrijf verlaten of failliet gaan, waardoor u meer kansen krijgt.

Moet je dit soort dingen plannen? Zeker, voor zover je kunt. U weet misschien wanneer u promoties uitvoert of de volgende productlijn invoert. Maar de toekomst is van nature onzeker. Geschiedenis en uw zakelijke kennis van het verleden leggen de basis voor uw kijk op de toekomst. Op statistiek gebaseerde tools kunnen u helpen bij het opstellen van een voor risico gecorrigeerde prognose, met aanbevelingen voor veiligheidsvoorraden die overeenkomen met het risiconiveau dat u bereid bent te nemen. Daarnaast is uw sleutel tot succes behendigheid: het vermogen om u aan veranderende omstandigheden aan te passen. Bereid de best mogelijke prognose voor, bouw uw plannen rond die prognose en houd vervolgens de verkoop- en marktomstandigheden nauwlettend en continu in de gaten. Zoek naar vroege waarschuwingen dat dingen in een andere richting kunnen gaan dan je had voorspeld.

U moet bereid zijn om veranderende omstandigheden te herkennen en u eraan aan te passen - met andere woorden, word niet verliefd op uw voorspelling en negeer bewijs dat het misschien verkeerd is. Trots op auteurschap kan in dit geval dodelijk zijn voor het bedrijf.

Het is ook belangrijk om noodplannen te hebben, zodat u voorbereid bent om de nodige wijzigingen aan te brengen in inkoop, productie en voorraad om te reageren op de nieuwe schatting van de vraag. De beste tools hiervoor zijn de kortst mogelijke doorlooptijden (zowel productie als leverancier), goede leveranciersrelaties en een heldere kijk op de wereld en uw markten.

Voorspellen is vooral moeilijk omdat mensen weten dat het waarschijnlijk fout zal zijn en niemand houdt ervan publiekelijk en zichtbaar ongelijk te hebben. Desalniettemin is een goede prognose nodig om de middelen te positioneren die nodig zijn om aan de eisen van de klant te voldoen. Sta gewoon open voor de eerste tekenen van verandering en wees bereid om snel en resoluut te reageren.

Dave Turbid, CFPIM, CIRM, CSCP, CMfgE is een in New Hampshire gevestigde onafhankelijke consultant en freelanceschrijver. Hij is te bereiken via e-mail op dave at daveturbide dot com.

Bud Schultz, CPA, Vice President of Finance voor NKK Switches, presenteerde de ervaring van zijn bedrijf met vraagplanning tijdens een recent webinar. Het volgende is een korte samenvatting van de belangrijkste punten van Bud; bekijk het volledige webinar door te klikken hier.

Vraag: Vertel ons over de zakelijke en vraagplanningsuitdagingen van NKK.

NKK Switches, gevestigd in Scottsdale, Arizona, is een toonaangevende fabrikant en leverancier van elektromechanische schakelaars. Het bedrijf omvat veel verschillende soorten schakelaars: schakelaars, drukknoppen, draaiknoppen en zelfs sommige programmeerbare soorten schakelaars. We staan bekend om onze hoge kwaliteit en om ons vermogen om te voldoen aan een uitzonderlijk breed scala aan klanteisen op een turnkey (custom configuratie) basis. NKK Switches produceert op maat gemaakte oplossingen van onderdelen die uitsluitend afkomstig zijn van productiefaciliteiten in Japan en China.

Er zijn letterlijk miljoenen mogelijke switchconfiguraties en we weten nooit welke geconfigureerde oplossingen onze klanten zullen bestellen. Dit maakt onze vraag zeer intermitterend en buitengewoon moeilijk te voorspellen. Sterker nog, tot voor kort beschouwden we onze vraag als onvoorspelbaar. We werkten op basis van build-to-order, wat betekende dat bestellingen van klanten pas konden worden uitgevoerd als hun onderdelen waren geproduceerd en vervolgens door NKK tot eindproducten waren verwerkt. Dit resulteerde in lange doorlooptijden, pijnlijk voor onze klanten en een competitieve uitdaging voor onze verkooporganisatie.

Vraag: Wat verwachtte u van een verbeterd product? eis voorspelling?

Toen we begonnen met het onderzoeken van de waarde van vraagvoorspellingssoftware (SmartForecasts van Smart Software), probeerden we de beslissing te bekijken vanuit het oogpunt van Return on Investment (ROI). We hebben wat kapitaalbudgettering gedaan, aannames gedaan over mogelijke verlagingen van voorraadniveaus, lagere voorraadkosten en andere potentiële besparingen. Hoewel de kapitaalbudgetten een positief investeringsrendement opleverden, konden we op basis van die informatie niet verder. We hadden geen vertrouwen in onze aannames en waren bang dat we de veiligheidsvoorraad en voorraadniveaus die de software zou suggereren niet zouden kunnen rechtvaardigen.

Wat we niet hadden verwacht, was een uitdaging van ons moederbedrijf. In het licht van de mogelijkheden van een nieuw geïmplementeerd ERP-systeem, zouden ze een nieuwe aanpak overwegen. Als we aantoonbaar betrouwbare vraagprognoses zouden kunnen maken, zouden ze overwegen om grondstoffen in te kopen en schakelcomponenten te produceren op basis van build-to-forecast in plaats van build-to-order. Dit opende de deur naar een veel diepere impact. We hebben de werkelijke cijfers gedurende een periode van twaalf maanden afgezet tegen de prognoses en ontdekten dat onze prognoses, met name in totaal, uitzonderlijk nauwkeurig waren: de werkelijke vraag lag binnen 3% van de prognose. Toen we eenmaal de geldigheid van onze prognoses konden bewijzen, konden we doorgaan met het plan van het moederbedrijf om producten te vervaardigen op basis van die prognoses.

V: Hoe hebben nauwkeurige prognoses van productlijnen met intermitterende vraaggegevens de activiteiten van NKK getransformeerd?

Van de vele verschillende combinaties die we op bestelling produceren, kunnen afzonderlijke onderdelen van schakelaars een zeer intermitterende vraag vertonen (lange periodes met nul bestellingen en dan schijnbaar willekeurige pieken), maar we kunnen meer consistente patronen in schakelaarreeksen identificeren. Alle onderdeelnummers in een bepaalde serie hebben gemeenschappelijke componenten en grondstoffen, zoals plastic behuizing, beugels en andere hardware, goud, zilver en LED's.

Door onze productiefaciliteiten te voorzien van betrouwbare prognoses, konden we ingrijpende veranderingen doorvoeren. Onze fabrieken zouden kunnen beginnen met het inkopen van grondstoffen die in totaal uiteindelijk zouden worden gebruikt bij de productie van verschillende onderdeelnummers binnen die serie, zelfs als de specifieke te produceren onderdeelnummers onbekend waren op het moment dat de prognoses werden gemaakt. En in veel gevallen was het, ondanks de onregelmatige vraaggeschiedenisgegevens, voor de leveranciers zelfs mogelijk om specifieke onderdeelnummers te produceren op basis van de prognose.

Zodra het programma volledig is geïmplementeerd, verwachten we dat onze doorlooptijden zullen worden teruggebracht tot de helft van de tijd of zelfs minder. Kortere doorlooptijden zullen resulteren in lagere bestelpunten, resulterend in hogere serviceniveaus terwijl we onze voorraadvereisten verminderen.

Bud Schultz leidt alle financiële en boekhoudkundige functies bij NKK. Zijn achtergrond als Certified Public Accountant, advocaat, ingenieur en piloot voor de Amerikaanse luchtmacht biedt een uniek perspectief op financiën voor technische en productieactiviteiten.