Demand planners hebben te maken met meerdere problemen om hun werk gedaan te krijgen. Een daarvan is de irritatie van intermittency. Het "nu zie je het, nu niet meer" karakter van intermitterende vraag, met zijn zware mix van nulwaarden, dwingt het gebruik van geavanceerde statistische methoden, zoals het gepatenteerde Markov Bootstrap-algoritme van Smart Software. Maar zelfs binnen het duistere rijk van de intermitterende vraag zijn er moeilijkheidsgraden: planners moeten verder omgaan met de potentieel kostbare Scourge of Skewness.

Scheefheid is een statistische term die de mate beschrijft waarin een vraagverdeling niet symmetrisch is. De klassieke (en grotendeels mythische) "klokvormige" curve is symmetrisch, met gelijke kansen dat de vraag in elke periode onder of boven het gemiddelde valt. Een scheve verdeling daarentegen is scheef, waarbij de meeste waarden boven of onder het gemiddelde vallen. In de meeste gevallen zijn de vraaggegevens positief scheef, met een lange staart van waarden die zich uitstrekken naar het hogere uiteinde van de vraagschaal.

Staafdiagrammen van twee tijdreeksen
Afbeelding 1: Twee intermitterende vraagreeksen met verschillende scheefheidsniveaus
Figuur 1 toont twee tijdreeksen van 60 maanden intermitterende vraag. Beide zijn positief scheef, maar de gegevens in het onderste paneel zijn meer scheef. Beide series hebben bijna dezelfde gemiddelde vraag, maar de bovenste is een mix van 0-en, 1-en en 2-en, terwijl de onderste een mix is van 0-en, 1-en en 4-en.

Wat positieve scheefheid een probleem maakt, is dat het de opvullingsgraad van een item verlaagt. Opvullingspercentage is belangrijk voorraadbeheer prestatiemaatstaf. Het meet het percentage van de vraag waaraan onmiddellijk wordt voldaan vanuit de voorhanden voorraad. Eventuele nabestellingen of verloren verkopen verminderen het opvullingspercentage (naast het verspillen van de goodwill van de klant).

Het opvullingspercentage is een aanvulling op de andere belangrijke prestatiemaatstaf: serviceniveau. Serviceniveau meet de kans dat een artikel niet op voorraad is tijdens de doorlooptijd van de aanvulling. De doorlooptijd wordt gemeten vanaf het moment dat de voorraad daalt tot of onder het bestelpunt van een artikel, waardoor een aanvullingsorder wordt geactiveerd, tot de aankomst van de vervangende voorraad.

Voorraadbeheersoftware, zoals SmartForecasts van Smart Software, kan vraagpatronen analyseren om het bestelpunt te berekenen dat nodig is om een bepaald serviceniveau te bereiken. Om een 95%-serviceniveau te bereiken voor het artikel in het bovenste paneel van Afbeelding 1, uitgaande van een doorlooptijd van 1 maand, is het vereiste bestelpunt 3; voor het onderste item is het bestelpunt 1. (Het eerste bestelpunt is 3 om rekening te houden met de duidelijke mogelijkheid dat toekomstige vraagwaarden hoger zullen zijn dan de grootste waarden, 2, die tot nu toe zijn waargenomen. In feite zijn waarden zo groot als 8 mogelijk .) Zie afbeelding 2.

Histogrammen van twee tijdreeksen
Figuur 2: Verdelingen van de totale vraag gedurende een doorlooptijd van aanvulling van 1 maand
(Afbeelding 2 geeft de voorspelde verdeling van de vraag over de doorlooptijd weer. De groene balken vertegenwoordigen de waarschijnlijkheid dat een bepaalde vraag zich zal voordoen.)

Met het vereiste bestelpunt van 3 eenheden is het opvullingspercentage voor het minder scheve artikel een gezonde 93%. Het opvullingspercentage voor het meer scheve item is echter een verontrustende 44%, hoewel ook dit item een serviceniveau van 95% behaalt. Dit is de plaag van scheefheid.

De verklaring voor het verschil in opvullingspercentages is de mate van scheefheid. Het bestelpunt voor het meer scheve artikel is 1 eenheid. Het hebben van 1 eenheid bij de start van de doorlooptijd is voldoende om 95% van de aanvragen die binnenkomen tijdens een doorlooptijd van 1 maand te behandelen. De maandelijkse vraag kan echter oplopen tot meer dan 15 eenheden, dus wanneer de meer scheve eenheid op voorraad is, zal deze "grote voorraad opraken", waardoor een veel groter aantal eenheden verloren gaat.

De meeste vraagplanners zouden er trots op zijn om een 95%-serviceniveau en een 93%-vulpercentage te behalen. De meesten zouden verontrust en verbaasd zijn door het 95%-serviceniveau te bereiken, maar slechts een 44%-vulpercentage. Deze gedeeltelijke storing zou niet hun schuld zijn: het kan rechtstreeks worden herleid tot de vervelende scheefheid in de verdeling van maandelijkse vraagwaarden.

Er is geen pijnloze oplossing voor dit probleem. De enige manier om het opvullingspercentage in deze situatie te verhogen, is door het serviceniveau te verhogen, wat op zijn beurt het bestelpunt zal verhogen, wat uiteindelijk zowel de frequentie van stockouts als hun omvang zal verminderen wanneer ze zich voordoen. In dit voorbeeld zal het verhogen van het bestelpunt van 1 eenheid naar 3 eenheden een 99%-serviceniveau bereiken en het opvullingspercentage verhogen tot een respectabele, maar niet uitstekende, 84%. Deze verbetering zou ten koste gaan van in wezen een verdrievoudiging van de dollars die vastzitten aan het beheer van dit meer scheve item.

Thomas Willemain, PhD, was medeoprichter van Smart Software en is momenteel Senior Vice President for Research. Dr. Willemain is ook emeritus hoogleraar Industrial and Systems Engineering aan het Rensselear Polytechnic Institute en als lid van de onderzoeksstaf van het Centre for Computing Sciences, Institute for Defence Analyses.

Nu we het middelpunt in 2013 naderen, is er nog steeds veel economische onzekerheid die uw planningsprocessen voor de toeleveringsketen bemoeilijkt. Sommigen kijken naar deze wankele economie en stellen noodzakelijke investeringen uit die hun organisaties kunnen positioneren voor een sterke toekomst.

Dit is echter niet het moment om je terug te trekken bevoorradingsketen verbeter initiatieven. Het is eerder een tijd om uw inspanningen te verdubbelen om u voor te bereiden op de onvermijdelijke zakelijke kansen die in het verschiet liggen.

Economisch herstel is een tijd van verkoopkansen. U wilt er zeker van zijn dat u bereid bent om hiervan te profiteren. Een goede vraag- en voorraadplanning kan hierbij helpen. Met de juiste software en planningsprocessen kunt u een solide statistische basis leggen voor toekomstige besluitvorming en tegelijkertijd weloverwogen aanpassingen maken als de omstandigheden dit vereisen. U kunt uw vermogen verbeteren om vraagsignalen te lezen, trends te herkennen, toekomstige gebeurtenissen te modelleren en uw voorraad in balans te brengen met de vraag.

Hier zijn zes gebieden van vraag- en voorraadplanning waar wijzigingen die u nu aanbrengt, kunnen leiden tot grote uitbetalingen wanneer zich nieuwe kansen voordoen:

1. Optimaliseer uw voorraden

Als de klant belt, wil je kunnen verzenden. Tegelijkertijd wilt u uw kosten beheersen. De zekerste manier om dat doel te bereiken, is door de 'sweet spot' van de inventaris te vinden. Dat is waar u de minimale voorraad heeft die nodig is om te voldoen aan de productvraag gedurende een bepaalde doorlooptijd en op een gewenst serviceniveau.

De mogelijkheid om veiligheidsvoorraden en voorraadniveaus nauwkeurig in te stellen, kan u onderscheiden van de concurrentie en een verschil maken in uw bedrijfsresultaten. Om dat punt te bereiken, moet u uw planningsfocus echter verleggen van alleen het voorspellen van de toekomstige vraag naar het optimaliseren van voorraadniveaus om toekomstige bestellingen te kunnen uitvoeren.

Als u meer wilt weten over het bereiken van de 'sweet spot', kunt u vinden een goed artikel gepubliceerd in APICS Magazine hier.

2. Implementeer oplossingen voor intermitterende vraagvoorspelling

Bedrijven in de service-onderdelen-, auto-aftermarket- en kapitaalgoederenindustrie hebben vaak te maken met een intermitterende, "langzaam bewegende" vraag naar een groot percentage van hun voorraaditems. Het nauwkeurig voorspellen van de vraag en het inschatten van veiligheidsvoorraden voor dit soort artikelen is waarschijnlijk de grootste uitdaging voor vraagplanners. Als u uw periodiek gevraagde onderdelen en producten nauwkeurig kunt voorspellen en de juiste hoeveelheid voorraad en veiligheidsvoorraad op voorraad heeft, hebt u de meeste concurrentie verslagen!

De reden hiervoor is dat artikelen met een intermitterende vraag geen normale vraagpatronen of verdelingen hebben, waardoor ze moeilijk te voorspellen zijn met traditionele prognosemethoden (zie onderstaand diagram).

Staafdiagram dat intermitterende vraag illustreert

Dus als u een nauwkeurige manier heeft om de intermitterende vraag te voorspellen en de vereisten voor veiligheidsvoorraden in te schatten, bent u uw concurrenten die dat niet hebben voor.

Als u meer wilt weten over het voorspellen en plannen van artikelen met intermitterende vraag, kunt u vinden een informatieve whitepaper hier.

3. Verbeter doorlooptijden

De economische neergang heeft bedrijven gedwongen hun inkoopstrategieën te heroverwegen vanwege de onzekere vraag thuis, lange doorlooptijden om hun goederen te verkrijgen, stijgende arbeidskosten in het buitenland en stijgende transportkosten. Het verkorten van de doorlooptijden voor aanvulling kan de tijd verkorten die nodig is om de producten te krijgen die u nodig hebt en helpt uw toeleveringsketen efficiënter te maken. Het maakt het ook gemakkelijker om te reageren op veranderingen in de vraag wanneer herstel komt.

4. Geef prioriteit aan serviceniveaus

Door serviceniveaus voor uw producten te prioriteren, kunt u ervoor zorgen dat de items die belangrijk zijn voor uw verkoop de aandacht krijgen die ze nodig hebben. Voor artikelen waar veel vraag naar is, kunt u overwegen om serviceniveaus hoger in te stellen dan voor items waar minder vraag naar is. Probeer ook een op inkomsten gebaseerde ABC-analyse uit te voeren van de Stock Keeping Units (SKU's) van uw bedrijf en stel de serviceniveaus dienovereenkomstig in in uw softwareplanningoplossing.

U kunt bijvoorbeeld de serviceniveaus voor uw 'brood en boter'-artikelen instellen op 95-99% of hoger, terwijl u de serviceniveaus veel lager instelt (op 70-80% of zelfs lager) voor andere artikelen. Op deze manier kan het zijn dat u veel minder voorraad nodig heeft voor sommige van uw SKU's en meer voorraad voor andere om uw algehele serviceniveaudoelen effectief te bereiken.

5. Gebruik een recentere vraaggeschiedenis bij het maken van uw prognoses

Omdat de economie zo snel aan het veranderen is, is het misschien tijd om de vraaggeschiedenis die wordt gebruikt bij het genereren van uw prognoses, in te korten, zodat er meer nadruk wordt gelegd op recente trends en vraagpatronen - die het "nieuwe normaal" weerspiegelen - in plaats van die in de verouderde geschiedenis van 3 of 4 jaar geleden. Dit moet natuurlijk worden gedaan in overleg met uw managementteam en bij voorkeur als onderdeel van een georganiseerd S&OP-proces dat zowel de risico's als de voordelen van het toepassen van deze strategie grondig evalueert.

6. Investeer in technologieën en middelen die u helpen kansen te benutten

Investeren in de juiste tools en processen vergroot uw concurrentievoordeel. Als u dit nog niet doet, zijn hier enkele waardevolle zaken om te overwegen:

• Start een S&OP-proces, of verfijn uw huidige proces, om de belangrijkste belanghebbenden in de toeleveringsketen erbij te betrekken en om ervoor te zorgen dat vraagprognoses en voorraadplanning belangrijke input vormen voor dat planningsproces.

• Als uw prognosesoftware niet goed is in het oppikken van trends, of het deel van uw voorraad met een periodieke vraag niet aankan, zoek dan software die deze taak aankan.

• Vind software die uw voorspellingsresultaten neemt en nauwkeurige voorraadniveaus genereert om te voldoen aan de vraag naar uw producten, componenten of grondstoffen gedurende gespecificeerde doorlooptijden en op serviceniveaus die u wenst.

• Zoek naar softwareoplossingen die schaalbaar zijn, maar toch een relatief lage totale eigendomskosten, een snelle terugverdientijd en een hoge ROI hebben.

• Bespaar tot slot niet op training; krijg alle training en advies die je nodig hebt om het maximale uit je software-investeringen te halen.

Heb je iets toe te voegen? Wat doet u om u voor te bereiden op het economisch herstel? Laat een reactie achter.

Charles Smart is de oprichter en president van Smart Software. Hij is momenteel vice-voorzitter in de raad van bestuur van Smart Software, als woordvoerder van het bedrijf en in de ontwikkeling van strategische zakelijke relaties. Voordat hij Smart Software oprichtte, was hij managementconsultant bij het Stanford Research Institute (SRI International) en Policy Analysis, Inc., en was hij luitenant bij de Amerikaanse marine.

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.

De unieke uitdagingen van voorraadplanning voor reserveonderdelen, grote kapitaalgoederen en andere zelden of onregelmatig bewegende artikelen maken het belangrijk om slimmere methoden te vinden om dit soort intermitterende vraag te voorspellen. Robert Bowman, redacteur van Supply Chain Brain Magazine, en ik bespraken dit onderwerp in oktober APICS conferentie in Denver, en video van ons gesprek is beschikbaar op Supply Chain-hersenen website.

Waarom plan voor periodieke vraag? Welnu, waarom plannen voor elke vraag? Als u kunt begrijpen wat de waarschijnlijke vraag zal zijn totdat u meer kunt krijgen, weet u hoeveel voorraad u in reserve moet houden, zodat u precies genoeg heeft. Dit is de kern van vraagprognoses en voorraadoptimalisatie. Intermitterende vraag is buitengewoon moeilijk te voorspellen, maar hetzelfde principe geldt.

In tegenstelling tot andere vraagpatronen, waar historische gegevens regelmatige trends, eb en vloed, seizoensinvloeden of andere waarneembare patronen suggereren, lijkt de intermitterende vraag willekeurig te zijn. Er zijn veel periodes van nulvraag afgewisseld met onregelmatige vraag die niet gelijk is aan nul. Dit komt vaak voor bij serviceonderdelen, waarbij onderdelen worden vervangen als ze kapot gaan, en u weet gewoon niet wanneer dat zal gebeuren. De meeste voorraden van serviceonderdelen (70% of meer!) kunnen te maken krijgen met een intermitterende vraag. De vraag naar gespecialiseerde of geconfigureerde producten zal waarschijnlijk ook met tussenpozen zijn.

Supply Chain Brain heeft de meer diepgaande discussie over dit onderwerp gemaakt die Bowman en ik deelden beschikbaar Hier. Voor nieuwe bezoekers van Supply Chain Brain is een snelle accountregistratie vereist om toegang te krijgen tot de video.

Jeff Scott fungeert als Vice President, Marketing & Alliances voor Smart Software.

De vernietigende impact van de orkaan Sandy is zowel onthutsend als leerzaam geweest. Onze gedachten en beste wensen voor een spoedig herstel gaan uit naar iedereen die persoonlijk of economisch verlies of schade heeft geleden. Nu, in de nasleep van Sandy, merken we dat we nadenken over het versnellen van herstel en het plannen van de volgende onvoorziene gebeurtenis.

Ons werk met klanten in de zwaar getroffen massatransportsector gaf een ontnuchterend beeld van beschadigde infrastructuur, zwaar materieel en verlies van essentiële inventaris. Degenen die het meest getroffen zijn, hebben een enorme hoeveelheid werk gezien terwijl voorraadbeheerders de balans opmaken van wat ze hebben en nodig hebben en een berg vervangende onderdelen en producten aanschaffen. Deze unieke massale aanvullingscyclus biedt allerlei kansen en overwegingen. Voor degenen die zich nog in deze fase bevinden, en om onze collectieve voorbereiding op het volgende grote evenement te helpen, zijn hier een paar gedachten:

Mogelijkheid om direct “juiste maat” inventaris op te maken

Mogelijk kunt u een grote, eenmalige financiering voor vervangende inventaris ontvangen. Het kan verzekeringsgeld zijn, federale hulp of regenachtige dagfondsen uit uw eigen schatkist. Gebruik de financiering om de best mogelijke voorraadmix vast te stellen. Bestel niet volgens eerder vastgestelde min/max-niveaus. Als u dat wel doet, kunnen excessen en tekortkomingen uit het verleden eenvoudig worden herhaald.

Een groot evenement als Sandy biedt een zeldzame kans om je inventaris te transformeren. Begin met een nauwkeurige vraagprognose over de bevoorradingsperiode en genereer veiligheidsvoorraden en bestelpunten die aan uw kritieke behoeften voldoen. Dit kan in enkele uren of dagen worden gerealiseerd. Gewoonlijk kan het implementeren van optimale voorraadniveaus over meerdere jaren plaatsvinden, aangezien overtollige voorraad geleidelijk wordt uitgeput. Nu heb je echter een eenmalige kans om naar het juiste antwoord te springen. Deze verschuiving kan de uitgaven voor aanvulling aanzienlijk verminderen, waardoor honderdduizenden dollars vrijkomen voor andere, meer kritieke hersteldoeleinden.

Prioriteit geven aan aan te vullen klassen

Wees duidelijk over wat u nodig heeft voor cruciale operaties en geef prioriteit aan uw aanvulling. Welke onderdelen hebben een lange doorlooptijd en welke zijn direct leverbaar? Het is duidelijk dat artikelen met een korte doorlooptijd in fasen kunnen worden aangeschaft - nu net genoeg krijgen, waardoor er geld beschikbaar komt voor de artikelen met een langere doorlooptijd.

Bepaal hoeveel "net genoeg" is

Dit is waar een nauwkeurige vraagprognose, veiligheidsvoorraden en bestelpuntberekeningen een rol spelen. Denk aan het serviceniveau dat u nodig heeft - de waarschijnlijkheid dat producten in de schappen liggen wanneer u ze nodig hebt - wat in feite uw tolerantie voor risico's is. Doe dit voor elk item of elke klasse items. Dit zal u vertellen hoeveel veiligheidsvoorraad u, naast uw verwachte doorlooptijdprognose, bij de hand moet hebben. Door te herhalen op op serviceniveau gebaseerde vereisten, kunt u de waarde van het beschikbare aanvullingsbudget maximaliseren.

Statistische prognoses voor Intermittent demand versus 'vuistregel'-methoden

Dit is het moment om over te stappen van 'de manier waarop we het hebben gedaan' naar het meest nauwkeurige proces voor vraagprognoses en voorraadoptimalisatie dat voor u beschikbaar is. Voor een grotere voorspellingsnauwkeurigheid is minder veiligheidsvoorraad nodig, wat opnieuw voorraaddollars beschikbaar maakt voor andere gebruikers. De grootste afzonderlijke categorie voor verbetering is intermitterende vraag. De meeste organisaties passen hiervoor geen solide statistische methoden toe, maar nemen hun toevlucht tot de 'zware hamerregel': ze hebben veel bij de hand omdat niemand het weet. Hier is een gebied waar SmartForecasts bijzonder bedreven in is, met een gepatenteerde oplossing voor het voorspellen van intermitterende vraag. De resulterende veiligheidsvoorraadaanbevelingen bereikten het serviceniveaudoel bijna 100% van de tijd. Als u dit goed doet, bespaart u nu veel uitgaven en wordt de kans op overtollige, verouderde voorraad in de toekomst geminimaliseerd.

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.