Een fundamenteel aspect van supply chain management is nauwkeurige vraagvoorspelling. Sommige productitems hebben een intermitterend vraagpatroon waardoor ze vrijwel onmogelijk te voorspellen zijn met traditionele, op smoothing gebaseerde prognosemethoden. We behandelen het probleem van het voorspellen van intermitterende vraag (of onregelmatige vraag), dwz willekeurige vraag met een groot deel nulwaarden. Dit patroon is kenmerkend voor de vraag naar bedrijven die grote voorraden service- en reserveonderdelen beheren in sectoren als de luchtvaart, ruimtevaart, automobielindustrie, hightech en elektronica, maar ook in MRO (Maintenance, Repair and Overhaul).
Nauwkeurige prognoses van de vraag zijn belangrijk bij voorraadbeheer, maar de intermitterende aard van de vraag maakt prognoses bijzonder moeilijk voor de planning van serviceonderdelen. Soortgelijke problemen doen zich voor wanneer een organisatie langzaam bewegende artikelen produceert en verkoopprognoses nodig heeft voor planningsdoeleinden. Omdat prognoses van intermitterende en klonterige vraag zo onbetrouwbaar zijn, voorspellen de meeste bedrijven voorraadbehoeften voornamelijk op basis van subjectieve bedrijfskennis, voorspellen ze slechts een fractie van hun grotere voorraadvolume, gebruiken ze eenvoudige "vuistregel"-schattingen of traditionele statistische prognoses die ten onrechte aannemen een bepaald type vraagdistributie voor voorraadbeheer.
In de onderstaande artikelen leest u best practices uit de sector over het verbeteren van intermitterende vraagprognoses en het creëren van efficiëntie in de toeleveringsketen.
Prepare your spare parts planning for unexpected shocks
In today’s unpredictable business climate, we do have to worry about supply chain disruptions, long lead times, rising interest rates, and volatile demand. With all these challenges, it’s never been more vital for organizations to accurately forecast parts usage, stocking levels, and to optimize replenishment policies such as reorder points, safety stocks, and order quantities. In this blog, we’ll explore how companies can leverage innovative solutions like inventory optimization and parts forecasting software that utilize machine learning algorithms, probabilistic forecasting, and analytics to stay ahead of the curve and protect their supply chains from unexpected shocks.
Electric Utilities’ Problems with Spare Parts
Every organization that runs equipment needs spare parts. All of them must cope with issues that are generic no matter what their business. Some of the problems, however, are industry specific. This post discusses one universal problem that manifested in a nuclear plant and one that is especially acute for any electric utility.
Hoe u reserveonderdelen kunt voorspellen die weinig worden gebruikt
Wat doet u wanneer u een periodiek gevraagd artikel, zoals een reserveonderdeel, voorspelt met een gemiddelde vraag van minder dan één eenheid per maand? Meestal is de vraag nul, maar het onderdeel is zakelijk significant; het kan niet worden genegeerd en moet worden voorspeld om er zeker van te zijn dat u voldoende voorraad heeft.
Reserveonderdelen, vervangende onderdelen, draaibare onderdelen en aftermarket-onderdelen
Degenen die nieuw zijn in het onderdelenplanningsspel worden vaak in de war gebracht door de vele variaties in de namen van onderdelen. Deze blog wijst op onderscheidingen die wel of niet van operationele betekenis zijn voor iemand die een vloot reserveonderdelen beheert en hoe die verschillen van invloed zijn op de voorraadplanning.
De top 3 redenen waarom uw spreadsheet niet werkt voor het optimaliseren van bestelpunten voor reserveonderdelen
We komen vaak op Excel gebaseerde methoden voor het plannen van bestelpunten tegen. In dit bericht hebben we een benadering beschreven die een klant gebruikte voordat hij verder ging met Smart. We beschrijven hoe hun spreadsheet werkte, de statistische benaderingen waarop het zich baseerde, de stappen die planners doorliepen bij elke planningscyclus en hun aangegeven motivaties om deze intern ontwikkelde spreadsheet te gebruiken (en echt leuk te vinden).
Waarom wisselcurves voor reserveonderdelen essentieel zijn voor onderdelenplanning
Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt.
recente berichten
Prepare your spare parts planning for unexpected shocksIn today's unpredictable business climate, we do have to worry about supply chain disruptions, long lead times, rising interest rates, and volatile demand. With all these challenges, it's never been more vital for organizations to accurately forecast parts usage, stocking levels, and to optimize replenishment policies such as reorder points, safety stocks, and order quantities. In this blog, we'll explore how companies can leverage innovative solutions like inventory optimization and parts forecasting software that utilize machine learning algorithms, probabilistic forecasting, and analytics to stay ahead of the curve and protect their supply chains from unexpected shocks. […]
Uncover data facts and improve inventory performanceThe best inventory planning processes rely on statistical analysis to uncover relevant facts about the data. When you have the facts and add your business knowledge, you can make more informed stocking decisions that will generate significant returns. You'll also set proper expectations with internal and external stakeholders, ensuring there are fewer unwelcome surprises. […]
Electric Utilities’ Problems with Spare PartsEvery organization that runs equipment needs spare parts. All of them must cope with issues that are generic no matter what their business. Some of the problems, however, are industry specific. This post discusses one universal problem that manifested in a nuclear plant and one that is especially acute for any electric utility. […]
Correlation vs Causation: Is This Relevant to Your Job?Outside of work, you may have heard the famous dictum “Correlation is not causation.” It may sound like a piece of theoretical fluff that, though involved in a recent Noble Prize in economics, isn’t relevant to your work as a demand planner. Is so, you may be only partially correct. […]
Smart Software Customer, Arizona Public Service to Present at USMA 2023Smart Software CEO and APS Inventory & Logistics Manager to present USMA 2023 Session on APS supply chain transformation project and the role of inventory optimization technology in their new process. […]
Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO
- Prepare your spare parts planning for unexpected shocksIn today's unpredictable business climate, we do have to worry about supply chain disruptions, long lead times, rising interest rates, and volatile demand. With all these challenges, it's never been more vital for organizations to accurately forecast parts usage, stocking levels, and to optimize replenishment policies such as reorder points, safety stocks, and order quantities. In this blog, we'll explore how companies can leverage innovative solutions like inventory optimization and parts forecasting software that utilize machine learning algorithms, probabilistic forecasting, and analytics to stay ahead of the curve and protect their supply chains from unexpected shocks. […]
- Electric Utilities’ Problems with Spare PartsEvery organization that runs equipment needs spare parts. All of them must cope with issues that are generic no matter what their business. Some of the problems, however, are industry specific. This post discusses one universal problem that manifested in a nuclear plant and one that is especially acute for any electric utility. […]
Hoe u reserveonderdelen kunt voorspellen die weinig worden gebruiktWat doet u wanneer u een periodiek gevraagd artikel, zoals een reserveonderdeel, voorspelt met een gemiddelde vraag van minder dan één eenheid per maand? Meestal is de vraag nul, maar het onderdeel is zakelijk significant; het kan niet worden genegeerd en moet worden voorspeld om er zeker van te zijn dat u voldoende voorraad heeft. […]
Reserveonderdelen, vervangende onderdelen, draaibare onderdelen en aftermarket-onderdelenDegenen die nieuw zijn in het onderdelenplanningsspel worden vaak in de war gebracht door de vele variaties in de namen van onderdelen. Deze blog wijst op onderscheidingen die wel of niet van operationele betekenis zijn voor iemand die een vloot reserveonderdelen beheert en hoe die verschillen van invloed zijn op de voorraadplanning. […]
Het probleem
Sommige productitems hebben een intermitterend vraagpatroon waardoor ze vrijwel onmogelijk te voorspellen zijn met traditionele, op smoothing gebaseerde prognosemethoden. Items met intermitterende vraag – ook wel bekend als klonterige, volatiele, variabele of onvoorspelbare vraag – hebben veel nul- of laagvolumewaarden afgewisseld met willekeurige pieken in de vraag die vaak vele malen groter zijn dan het gemiddelde. Dit probleem doet zich vooral voor bij bedrijven die grote voorraden service- en reserveonderdelen beheren in sectoren als de luchtvaart, ruimtevaart, automobielindustrie, hightech en elektronica, evenals in MRO (Maintenance, Repair and Overhaul).
Intermittent demand
In deze bedrijven kan maar liefst 80% van de onderdelen en productitems een intermittent of lumpy demand hebben. Intermittent demand maakt het moeilijk om de safety stock en de voorraadvereisten voor het serviceniveau nauwkeurig in te schatten die nodig zijn voor een succesvolle planning van de supply chain. Omdat de forecastsvan intermittent en lumpy demand zo onbetrouwbaar zijn, forecasten de meeste bedrijven de voorraadbehoeften op basis van subjectieve zakelijke kennis, forecasten ze slechts een fractie van hun hogere volumevoorraad, gebruiken ze eenvoudige "vuistregel"-schattingen of traditionele statistische forecasts die ten onrechte uitgaan van een bepaald type vraagverdeling voor voorraadbeheer. Het resultaat is dat er elk jaar miljarden dollars worden verspild vanwege ofwel te hoge voorraadkosten of slechte klantenservice vanwege stock-outs.
Intermittent demand - ook bekend als lumpy, volatile, variable or unpredictable demand.
De slimme oplossing
SmartForecasts en Smart Inventory Optimization gebruiken een unieke empirische en probabilistische forecasting benadering die resulteert in nauwkeurige forecasts van voorraadvereisten waar de vraag intermittent is. De oplossing werkt vooral goed wanneer de vraag niet overeenkomt met een eenvoudige normaalverdeling. Onze gepatenteerde, met APICS bekroonde "bootstrapping"-technologie genereert snel tienduizenden mogelijke scenario's van toekomstige vraagreeksen en cumulative demand values gedurende de lead time van een artikel. Deze scenario's zijn statistisch vergelijkbaar met de waargenomen gegevens van het item, en ze leggen de relevante details van intermitterende vraag vast zonder te vertrouwen op de veronderstellingen die gewoonlijk worden gemaakt over de aard van vraagverdelingen door traditionele forecasting methoden. Het resultaat is een zeer nauwkeurige voorspelling van de volledige verdeling van de cumulative demand values over de volledige lead time van een artikel. Met de informatie die deze vraagverdelingen bieden, kunt u eenvoudig de safety stock van uw bedrijf en de voorraadbehoeften op service level plannen voor duizenden met tussenpozen gevraagde artikelen met een nauwkeurigheid van bijna 100%.
De voordelen
Bedrijven die onze krachtige intermitterende demand en planning software gebruiken, verminderen doorgaans de permanente voorraad met 20% in het eerste jaar, verhogen de beschikbaarheid van onderdelen met 10-20% en verminderen de behoefte aan en de bijbehorende kosten van noodoverslag om gaten in hun supply chain te dichten. De voorraden van reparatie- en service parts zijn echt geoptimaliseerd, wat leidt tot efficiëntere operaties, verbeteringen in de klantenservice en aanzienlijk minder geld dat vastzit in de voorraad.
Wit papier: Smart Software Gen2
In deze whitepaper introduceren we "Gen2", onze volgende generatie probabilistische modelleringstechnologie die het Smart IP&O Platform aandrijft. We vertellen over de evolutie van de forecasting methoden van Smart Software en we beschrijven hoe Gen2 de mogelijkheden die Gen1 zo nuttig hebben gemaakt voor zoveel bedrijven aanzienlijk uitbreidt. Ten slotte zullen we ook een overzicht op hoog niveau geven van de kansberekening achter Gen2 .
Vul dit formulier in en we sturen je het papier per e-mail.