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.
7 digitale transformaties voor nutsbedrijven die de MRO-prestaties zullen verbeteren
Nutsvoorzieningen op het gebied van elektriciteit, aardgas, stedelijk water en telecommunicatie zijn allemaal activa-intensief en afhankelijk van fysieke infrastructuur die in de loop van de tijd goed moet worden onderhouden, bijgewerkt en geüpgraded. Het maximaliseren van de uptime van bedrijfsmiddelen en de betrouwbaarheid van de fysieke infrastructuur vereist effectief voorraadbeheer, prognoses van reserveonderdelen en leveranciersbeheer. Een nutsbedrijf dat deze processen effectief uitvoert, presteert beter dan zijn concurrenten, levert een beter rendement op voor zijn investeerders en hogere serviceniveaus voor zijn klanten, terwijl het zijn impact op het milieu vermindert.
6 dingen die u wel en niet moet doen bij het plannen van reserveonderdelen
Het beheren van voorraden reserveonderdelen kan onmogelijk aanvoelen. Je weet niet wat er kapot gaat en wanneer. Feedback van mechanische afdelingen en onderhoudsteams is vaak onnauwkeurig. Geplande onderhoudsschema's worden vaak verschoven, waardoor ze allesbehalve 'gepland' zijn. Gebruikspatronen (dwz vraagpatronen) zijn meestal uiterst intermitterend, dwz de vraag springt willekeurig tussen nul en iets anders, vaak een verrassend groot aantal.
Probabilistische prognoses voor intermitterende vraag
De nieuwe prognosetechnologie is afgeleid van probabilistische prognoses, een statistische methode die zowel de gemiddelde productvraag per periode als de voorraadbehoeften op het niveau van de klantenservice nauwkeurig voorspelt.
Planning van serviceonderdelen: planning voor verbruiksonderdelen versus repareerbare onderdelen
Bij het bepalen van de juiste opslagparameters voor reserve- en vervangingsonderdelen, is het belangrijk om onderscheid te maken tussen verbruikbare en repareerbare servoonderdelen. Deze verschillen worden vaak over het hoofd gezien door software voor voorraadplanning en kunnen resulteren in onjuiste schattingen van wat er op voorraad moet worden gehouden. Er zijn verschillende benaderingen vereist bij het plannen van verbruiksartikelen versus repareerbare serviceonderdelen.
Een beginnershandleiding voor uitvaltijd en wat u eraan kunt doen
Als je dingen voor de verkoop maakt, heb je machines nodig om die dingen te maken. Als uw machines in bedrijf zijn, heeft u een goede kans om geld te verdienen. Als uw machines niet werken, verliest u kansen om geld te verdienen.
Gedachten over de planning van reserveonderdelen voor het openbaar vervoer
De pandemie van Covid19 heeft ongebruikelijke druk gelegd op openbaar vervoersbedrijven. Deze stress dwingt bureaus om opnieuw naar hun processen en apparatuur te kijken. Deze blog richt zich op bussystemen en hun praktijken voor planning en beheer van reserveonderdelen. Er zijn hier echter lessen voor andere soorten openbaar vervoer, waaronder spoor en lightrail
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 voorspellingsmethoden van Smart Software en 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 waarschijnlijkheidswiskunde achter Gen2. Vul dit formulier in en wij sturen u het document per e-mail.