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.

Er is een oud grapje: "Er zijn twee soorten mensen - zij die geloven dat er twee soorten mensen zijn, en zij die dat niet doen." We kunnen die grap aanpassen: "Er zijn twee soorten mensen - zij die weten dat er drie soorten supply chain-analyse zijn, en zij die deze blog nog niet hebben gelezen."

De drie typen supply chain-analyse zijn 'beschrijvend', 'voorspellend' en 'voorschrijvend'. Elk speelt een andere rol bij het helpen bij het beheren van uw voorraad. Met moderne supply chain-software kunt u alle drie benutten.

Beschrijvende analyses

Beschrijvende analyses zijn het spul van dashboards. Ze vertellen je "wat er nu gebeurt." In deze categorie zijn samenvattingscijfers opgenomen zoals dollars die momenteel in voorraad zijn geïnvesteerd, het huidige niveau van klantenservice en opvullingspercentage, en gemiddelde doorlooptijden van leveranciers. Deze statistieken zijn handig om uw activiteiten bij te houden, vooral wanneer u wijzigingen daarin van maand tot maand bijhoudt. U zult elke dag op hen vertrouwen. Ze vereisen nauwkeurige bedrijfsdatabases, statistisch verwerkt.

Voorspellende analyse

Voorspellende analyses manifesteren zich meestal als prognoses van de vraag, vaak opgesplitst per product en locatie en soms ook per klant. Deze statistieken geven vroegtijdige waarschuwingen, zodat u productie, personeel en inkoop van grondstoffen kunt versnellen om aan de vraag te voldoen. Ze bieden ook voorspellingen van het effect van wijzigingen in het bedrijfsbeleid, bijvoorbeeld: wat gebeurt er als we onze bestelhoeveelheid voor product X verhogen van 20 naar 25 eenheden? U kunt periodiek, misschien wekelijks of maandelijks, vertrouwen op Predictive Analytics wanneer u opkijkt van wat er nu gebeurt om te zien wat er daarna zal gebeuren. Predictive Analytics gebruikt beschrijvende analyse als basis, maar voegt meer mogelijkheden toe. Predictive Analytics voor vraagprognoses vereist geavanceerde statistische verwerking om kenmerken van de productvraag zoals trend, seizoensinvloeden en verandering van regime. Predictive Analytics voor voorraadbeheer gebruikt prognoses van de vraag als invoer in modellen van de werking van voorraadbeleid, die op hun beurt schattingen geven van belangrijke prestatiestatistieken zoals serviceniveaus, opvullingspercentages, en werkingskosten.

Prescriptieve analyses

Prescriptieve analyses gaan niet over wat er nu gebeurt of wat er daarna gaat gebeuren, maar over wat u vervolgens zou moeten doen, dwz ze bevelen beslissingen aan die gericht zijn op het maximaliseren van de prestaties van het inventarisatiesysteem. U kunt op Prescriptive Analytics vertrouwen om uw gehele voorraadbeleid zo goed mogelijk vorm te geven. Prescriptive Analytics gebruikt Predictive Analytics als basis en voegt vervolgens optimalisatiemogelijkheden toe. Prescriptive Analytics-software kan bijvoorbeeld automatisch de beste keuzes maken voor toekomstige waarden van min's en max's voor duizenden inventarisitems. Hier kan 'beste' de waarde van Min en Max voor elk artikel betekenen die de bedrijfskosten minimaliseert (de som van kosten voor vasthouden, bestellen en tekorten) terwijl een 90%-minimum voor het opvullingspercentage van artikelen wordt gehandhaafd.

Voorbeeld

Onderstaande figuur laat zien hoe supply chain analytics de voorraadbeheerder kan helpen. De kolommen tonen drie voorspelde Key Performance Indicators (KPI's): serviceniveau, voorraadinvestering en bedrijfskosten (holdingkosten + bestelkosten + tekortkosten).

 Afbeelding 1: de drie soorten analyses die worden gebruikt om planningsscenario's te evalueren

De rijen tonen vier alternatieve voorraadbeleidslijnen, uitgedrukt als scenario's. Het “Live” scenario rapporteert over de waarden van de KPI's op 1 juli 2018. Het “99% All” scenario wijzigt het huidige beleid door het serviceniveau van alle artikelen te verhogen naar 99%. Het scenario "75 verdieping/99 plafond" verhoogt serviceniveaus die te laag zijn tot 75% en verlaagt zeer hoge (dwz dure) serviceniveaus tot 95%. Het scenario "Optimalisatie" schrijft artikelspecifieke serviceniveaus voor die de totale bedrijfskosten minimaliseren.

Het scenario “Live 01-07-2018” is een voorbeeld van beschrijvende analyse. Het toont de huidige basislijnprestaties. De software stelt de gebruiker vervolgens in staat wijzigingen in het voorraadbeleid uit te proberen door nieuwe "Wat als"-scenario's te creëren die vervolgens kunnen worden omgezet in benoemde scenario's voor verdere overweging. De volgende twee scenario's zijn voorbeelden van Predictive Analytics. Ze beoordelen allebei de gevolgen van hun aanbevolen beleid voor voorraadbeheer, dwz de aanbevolen waarden van Min en Max voor alle artikelen. Het scenario 'Optimalisatie' is een voorbeeld van Prescriptive Analytics omdat het een beste compromisbeleid aanbeveelt.

Overweeg hoe de drie alternatieve scenario's zich verhouden tot het "Live" basisscenario. Het scenario "99% All" verhoogt de beschikbaarheidsstatistieken van artikelen, waardoor het serviceniveau stijgt van 88% naar 99%. Hierdoor neemt de totale inventarisinvestering echter toe van $3 miljoen tot ongeveer $4 miljoen. Het scenario '75 vloer/99 plafond' daarentegen verhoogt zowel het serviceniveau als vermindert het contante geld dat vastzit in de voorraad met ongeveer $300.000. Ten slotte bereikt het scenario "Optimalisatie" een 80%-serviceniveau, een verlaging ten opzichte van de huidige 88%, maar het verlaagt de voorraadwaarde met meer dan $2 miljoen en verlaagt de bedrijfskosten met meer dan $400.000 per jaar. Van hieruit konden managers verdere opties uitproberen, zoals het teruggeven van een deel van de $2 miljoen besparingen om een hoger gemiddeld serviceniveau te bereiken.

Overzicht

Moderne softwarepakketten voor voorraadplanning en voorraadoptimalisatie zouden drie soorten supply chain-analyses moeten bieden: beschrijvend, voorspellend en prescriptief. Dankzij hun combinatie kunnen voorraadbeheerders hun activiteiten volgen (Beschrijvend), voorspellen waar hun activiteiten in de toekomst zullen zijn (Predictive) en hun voorraadbeleid optimaliseren om te anticiperen op toekomstige omstandigheden (Prescriptief).

Weet u welke artikelen te veel of te weinig voorraad hebben? Wat als je het wist? Hoe zou u overtollige voorraden terugdringen en tegelijkertijd een concurrerend serviceniveau garanderen? Zou u de stockouts kunnen verminderen zonder een onbetaalbare voorraadverhoging? Welke invloed hebben deze wijzigingen op serviceniveaus, kosten en beurten - voor individuele artikelen, groepen artikelen en in het algemeen?

De meeste bedrijven weten dat ze te veel of te weinig voorraad hebben, maar missen een belangrijk ingrediënt voor het optimaliseren van de voorraad: Service Level-Driven Demand Planning. Om actie te kunnen ondernemen, moet u weten hoeveel voorraad er nodig is om te voldoen aan het serviceniveau dat u nodig heeft. Meer fundamenteel is dat u het specifieke serviceniveau moet kennen dat voortvloeit uit uw huidige voorraadbeleid, de kloof die moet worden gedicht en de financiële implicaties ervan.

Veel organisaties, vooral die met intermitterende vraag, vinden dit een buitengewoon uitdagend proces van vallen en opstaan.

De overstap naar een op serviceniveau gebaseerde benadering zal deze uitdaging overwinnen en ervoor zorgen dat het opnieuw in evenwicht brengen van de voorraad de serviceniveauprestaties tegen lagere kosten verbetert. Begin met de meest nauwkeurige vraagvoorspelling die mogelijk is, kalibreer voor prognoserisico en bepaal vervolgens uw optimale voorraadpositie. In een recent webinar demonstreerde ik Service Level-Driven Demand Planning en hoe SmartForecasts kunnen worden gebruikt om dit proces aan te sturen:

1. Meet de serviceniveaus die worden bereikt bij de huidige voorraadniveaus en met uw huidige voorraadbeleid.
2. Identificeer items die hoge serviceniveaus zullen bereiken (98%+) maar tegen onbetaalbaar hoge kosten.
3. Identificeer artikelen die een hoog risico op voorraad hebben (serviceniveaus < 75%).
4. Voer meerdere wat-als-scenario's uit op basis van een verschillende prioriteitstelling van serviceniveaus per artikel of artikelgroepen. Kies het scenario dat financiële beperkingen optimaliseert met servicedoelstellingen.
5. Kwantificeer geldbesparingen door het verminderen van overvoorraden en de kosten om de voorraad te vergroten wanneer de serviceniveaus onaanvaardbaar laag zijn.
6. Onderneem actie om nieuwe op serviceniveau gebaseerde bestelpunten, bestelhoeveelheden en voorraadniveaus vast te stellen om uw servicedoelen en budget te halen.

Om de herhaling van het webinar te bekijken, alstublieft Klik hier en vul het registratieverzoek in.

Gregory Hartunian is President van Smart Software en lid van de Raad van Bestuur. Hij is afgestudeerd aan de FW Olin School for Business aan het Babson College en was voorheen Vice President, Sales and Operations.

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.

Smart Software onlangs aangekondigd een Software as a Service (SaaS)-optie voor SmartForecasts—SFCloud™. Op locatie gebaseerde eeuwigdurende licenties zullen voor veel organisaties de voorkeursmethode voor software-implementatie blijven, maar er zijn veel redenen waarom de vraag naar cloudgebaseerde oplossingen een vlucht neemt. Een oud bericht van Bill Richardson op ApplicantStack Team Blog vat de belangrijkste voordelen van het SaaS-model samen.

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.