Demand planning, inventory planning and demand forecasting.
Woordenboek
We merken dat mensen in de praktijk niet altijd zeker zijn van de betekenis van deze woorden, wat een effectieve zakelijke communicatie in de weg kan staan, vooral bij het implementeren van software voor vraagplanning en prognoses. Soms gebruiken twee bedrijven (leverancier en klant, leverancier en klant van supply chain-software, enz.) hetzelfde woord, maar passen er verschillende betekenissen op toe. Dit bericht is bedoeld om enkele basisdefinities te verduidelijken.
A
Accuracy
Hoe dicht de forecast bij de werkelijkheid ligt. De nauwkeurigheid van de prognose moet worden uitgedrukt als "prognosefout" en als volgt worden bepaald: Forecast – Actual. Om het foutpercentage te bepalen, gebruikt u: (Forecast – Actual)/Actual. Het wordt niet aanbevolen om de prognose te gebruiken als de noemer (dwz (forecast – actual)/forecast)) bij de berekening van de nauwkeurigheid, aangezien de nauwkeurigheid van de prognose nooit slechter kan zijn dan 100% en de planner de echte fout in verband met de vraagprognose niet correct zal communiceren werkwijze.
Averaging period
Het aantal historische datapunten dat wordt gebruikt bij berekeningen met voortschrijdend gemiddelde. Zie ook moving average.
B
Bootstrapping
Een statistische forecasting techniek op basis van willekeurige steekproeven (met vervanging) uit historische waarden. Deze opnieuw bemonsterde gegevenswaarden worden gecombineerd om realistische vraagscenario's te vormen die lijken op de werkelijke historische vraagpatronen zonder ze exact te herhalen.
De methode van Brown
Een afvlakkende forecasting methode die geschikt is voor gegevens met trend maar zonder seizoensgebondenheid. Ook bekend als DOUBLE exponential smoothing.
C
Coefficient of variation
Een maatstaf voor de relatieve variabiliteit van de gegevenswaarden die zijn opgeslagen in een variabele, berekend als 100 keer de standaarddeviatie gedeeld door het gemiddelde.
Correlation
Een maatstaf voor de mate van lineair verband tussen twee variabelen, variërend van -1 tot +1, waarbij 0 aangeeft dat er geen lineair verband is. Grote waarden kunnen wijzen op een leidende indicatorrelatie die nuttig is bij regressieanalyse.
Crosscorrelation
De correlatie tussen de ene serie en een andere die vooruit of achteruit in de tijd wordt verschoven. Zie correlation.
Cross-sectional data
Data geordend op administratieve eenheden in plaats van op tijdsperioden (bijvoorbeeld bedrijfsverkopen gemeten over alle verkoopregio's gedurende één tijdsperiode).
Cumulative forecast
De prognose van het totaal van alle gegevenswaarden over de forecasting horizon. Gebruik dit getal als het uw doel is om percentielen van de cumulatieve vraag te schatten. De cumulatieve prognose wijkt af van de prognosesom wanneer het serviceniveau niet 50% is. Zie voorspelde som.
D
Data cycle
De frequentie waarmee gegevens worden verzameld. Als de gegevens worden verzameld in maandelijkse "buckets", is de data cyclus 12. Kwartaalgegevens hebben een data cyclus van 4. Boekhoudmaanden hebben een data cyclus van 13. Als u een website heeft en u wilt het gebruik per uur bijhouden , wilt u misschien een data cyclus van 24 gebruiken.
Decomposition
Een statistische procedure die een tijdreeks ontleedt in trend-, seizoens- en onregelmatige componenten. Bij multiplicatieve decompositie, data = trend x seizoens x onregelmatig. Bij additieve ontleding zijn gegevens = trend + seizoensgebonden + onregelmatig. Zie ook seizoensaanpassing.
df
Graden van vrijheid. Gebruikt bij het berekenen van de statistische significantie van een F-statistic in een regressieanalyse.
Dependent variable
Bij regressieanalyse de variabele die moet worden voorspeld op basis van de voorspeller of onafhankelijke variabele(n). Ook bekend als de forecasting variabele. In de vergelijking Y = 1 + 2 X is de afhankelijke variabele Y.
.DOUBLE exponential smoothing
Een forecasting methode die geschikt is voor data met trend maar zonder seizoensgebondenheid. Ook bekend als de methode van Brown.
Dummy variable
Een variabele die alleen de waarden nul of één aanneemt. Dit type variabele wordt vaak gebruikt in regressieanalyse om de aan- of afwezigheid van een factor aan te geven, zoals een prijspromotie of een sneeuwstorm. Deze spelen een rol die vergelijkbaar is met eventvariabelen bij het modelleren van promo's/evenementen.
Durbin-Watson statistic
In regressieanalyse een indicator van de mate van autocorrelatie in de residuen. Waarden in de buurt van 2 duiden op geen autocorrelatie, waarden tussen 0 en 2 duiden op positieve autocorrelatie en waarden tussen 2 en 4 duiden op negatieve autocorrelatie. Als de DW niet in de buurt van 2 ligt, kan de regressievergelijking nog steeds nuttig zijn voor forecasting doeleinden, maar het is niet de beste samenvatting die u kunt maken van de historische relaties tussen uw variabelen; bovendien zullen de schattingen van de onzekerheid onnauwkeurig zijn.
E
EOQ models
Economische bestelhoeveelheid modellen. Een klasse van modellen die zijn ontworpen om efficiënte procedures voor voorraadbeheer te vinden. Eén type EOQ-model berekent bijvoorbeeld de beste waarden voor wanneer opnieuw moet worden besteld en hoeveel opnieuw moet worden besteld, om de voorraadkosten in evenwicht te brengen met de kosten van omzetverlies als gevolg van stockouts.
Error
Forecast – Actual. Om het foutpercentage te bepalen, gebruikt u: (Forecast – Actual)/Actual. Het wordt niet aanbevolen om de prognose te gebruiken als de noemer (dwz (forecast – actual)/forecast)) bij de berekeningsnauwkeurigheid, aangezien de nauwkeurigheid van de forecast nooit slechter kan zijn dan 100% en de planner de echte fout in verband met de vraagprognose niet correct zal communiceren werkwijze.
Event model
Een forecasting model dat wordt gebruikt in Promo-forecasting dat de gegevens aanpast voor de effecten van ongebruikelijke gebeurtenissen en vervolgens exponentiële afvlakking toepast. Evenementen omvatten verkooppromoties, slecht weer, stroomuitval en andere ongebruikelijke omstandigheden van korte duur.
Exponential smoothing
Een klasse van forecasting methoden die de willekeurige variatie in een gegevensreeks gemiddeld. Exponentiële afvlakking berekent een gewogen gemiddelde van alle historische gegevens in een reeks. Het dankt zijn naam aan de manier waarop het de gegevens weegt, waarbij elk gegevenspunt een vast percentage van het gewicht krijgt dat aan zijn opvolger wordt toegewezen. SmartForecasts gebruikt de volgende vier exponentiële afvlakkingsmethoden: enkelvoudig, dubbel, Winters additief en Winters multiplicatief.
F
Fit or fitted value
Bij regressieanalyse is dit de statistische benadering van de werkelijke waarde van de voorspelde of afhankelijke variabele.
Forecast
Een voorspelling over de toekomstige waarde van een variabele.
Forecast interval
In SmartForecasts is dit het waardenbereik dat de foutenmarge in de prognose aangeeft.
F-statistic
In regressieanalyse, een indicator van het collectieve vermogen van alle voorspellende (onafhankelijke) variabelen om de voorspelde (afhankelijke) variabele te voorspellen. De F-statistiek wordt gebruikt om de kans te beoordelen dat een hoge waarde van R-kwadraat niets meer is dan een statistische toevalstreffer. Het is mogelijk om per ongeluk een redelijk hoge waarde van R-kwadraat te krijgen, vooral als je een klein aantal gegevensgevallen hebt in verhouding tot het aantal voorspellende variabelen. Met meer gegevens krijgt u mogelijk een veel lager R-kwadraat. De statistische significantie van een bepaalde waarde van de F-statistiek moet handmatig worden beoordeeld met behulp van een tabel met kritische waarden en de vrijheidsgraden die worden gerapporteerd door SmartForecasts. Als de F-statistiek niet statistisch significant is, is geen van de voorspellers bruikbaar. Onderzoek de tstatistieken voor individuele regressiecoëfficiënten alleen als de F-statistiek significant is. Zie ook dfstatistische significantie, coëfficiënt en t-statistiek.
H
Hedge
Een oordeelkundig gespecificeerde vertraging van een statistische trend.
Holdout analysis
Een methode om realistische inschattingen te maken van voorspelde onzekerheid. Deze methode gebruikt oudere gegevenswaarden om nieuwere waarden te voorspellen en vergelijkt vervolgens de voorspelde en werkelijke waarden. Dit bootst de werkelijkheid na, aangezien de prognoses worden beoordeeld aan de hand van gegevens die niet betrokken waren bij de totstandkoming ervan. Er zijn twee versies. Een eenvoudige holdout-analyse vergelijkt de meest recente werkelijke gegevenswaarden met prognoses waarbij alle eerdere gegevens worden gebruikt. Een glijdende simulatie gebruikt een deel van de historische gegevens om de volgende verschillende waarden te voorspellen, schuift vervolgens één periode vooruit en herhaalt het proces, en gaat op deze manier door totdat alle behalve de laatste gegevenswaarde wordt gebruikt om één stap vooruit te voorspellen.
l
Independent variable
Zie predictor variabele.
Intermittent demand
Vraag die meestal nul is, maar op willekeurige tijdstippen willekeurige niet-nulwaarden aanneemt. Intermitterende vraag is kenmerkend voor reserveonderdelen en dure kapitaalgoederen. Ook bekend als “slow moving demand,” “lumpy demand,” “irregular demand.” en “sporadic demand.”
Interval forecast
Een prognose uitgedrukt als een bereik, er is bijvoorbeeld een kans van 90% dat de verkoop volgende maand tussen de 100 en 150 eenheden zal zijn. Zie punt voorspelling.
Inventory optimization
Het proces van het berekenen van de minimale voorraad die nodig is om een gewenst voorraad serviceniveau te bieden.
Irregular component
Er is rekening gehouden met de willekeurige variatie in een tijdreeks die overblijft na trend en seizoensinvloeden. De onregelmatige component meet het effect van andere invloeden op de reeks, zoals sneeuwstormen, stakingen, stroomstoringen en andere eenmalige gebeurtenissen. Zie ontleding.
L
Lag
Het aantal tijdsperioden dat oude waarden naar voren worden verschoven om te paren met huidige waarden bij het berekenen van een autocorrelatie.
.lead
Het aantal perioden waarin toekomstige waarden achteruit worden verschoven om te paren met huidige waarden bij het berekenen van een autocorrelatie.
Lead time
In voorraadbeheer is dit de tijd tussen het plaatsen en ontvangen van een voorraad aanvulorders. De voorraadbeheerder kan ervoor zorgen dat er in deze periode geen stockouts zijn.
Lead time demand
Het totaal van de aanvragen in elke periode van de doorlooptijd.
Leading indicator
Een item of variabele waarvan de veranderingen anticiperen op veranderingen in een andere variabele. Als u bijvoorbeeld de huidige verkoop van nieuwe auto's kent, kunt u de verkoop van autoaccessoires voor het volgende kwartaal beter voorspellen. Een leading indicator kan worden gebruikt als predictor variabele in regressieanalyse.
Least squares
Een methode voor het schatten van regressiecoëfficiënten. Deze methode selecteert waarden voor de regressieconstante en coëfficiënten om de som van gekwadrateerde residuen te minimaliseren. Zie ook regressie en residu.
Level
Een kenmerk van een tijdreeks die de langetermijngemiddelde waarde aangeeft.
lineair voortschrijdend gemiddelde Een forecasting methode die geschikt is voor data met trend maar zonder seizoensgebondenheid; ook handig om seizoensinvloeden uit trendgegevens te verwijderen. Soms aangeduid als dubbel voortschrijdend gemiddelde.
M
Mean
Een maat voor het typische niveau van een variabele, berekend als het rekenkundig gemiddelde van de gegevenswaarden die in de variabele zijn opgeslagen.
Measure
Een numerieke waarde die moet worden voorspeld. Het kan verkoop per eenheid zijn, liters, dollars, enzovoort.
Median
Een maat voor het typische niveau van een variabele, bepaald door de waarden die in een variabele zijn opgeslagen van klein naar groot te sorteren en de middelste waarde te identificeren (als er een oneven aantal gegevenswaarden is) of het gemiddelde van de twee middelste waarden (als er zijn een even aantal gegevenswaarden).
Moving average
Een klasse van forecasting methoden voor het middelen van de willekeurige variatie in een datareeks. Een moving average gebruikt alleen het meest recente om het totaal te vormen, voorspelt het totaal en pro rata de prognoses van het totaal naar de afzonderlijke items.
N
Noise
Een term die het netto-effect beschrijft van een willekeurig aantal willekeurige factoren die de waarde van een variabele beïnvloeden. De functie Decompose scheidt ruis van de trend en seizoensgebondenheid in een variabele.
Outlier
Een gegevenswaarde die veel groter of kleiner is dan de andere waarden van dezelfde variabele. Een outlier kan worden veroorzaakt door een fout in de gegevensregistratie of een ongebruikelijke omstandigheid.
P
P(2-tail)
In regressieanalyse, de waarschijnlijkheid dat een regressiecoëfficiënt zijn waargenomen waarde of een nog grotere waarde uitsluitend door toeval zou bereiken, als de werkelijke coëfficiëntwaarde nul zou zijn. Een lage waarde van P(2-staart) suggereert dat de coëfficiënt niet nul is. Zie statistisch significant.
Percentile
Een getal dat gelijk is aan of groter is dan een bepaald percentage van alle waarden van een variabele. De mediaan is bijvoorbeeld het 50e percentiel, aangezien 50% van de gegevenswaarden kleiner is dan of gelijk is aan de mediaan.
Point forecast
Een prognose uitgedrukt als een enkel getal, bijvoorbeeld, de verkoop volgende maand zal hoogstwaarschijnlijk 125 eenheden zijn. Zie interval voorspelling.
Predictor variable
In regressieanalyse een variabele die wordt gebruikt om de afhankelijke of voorspelde variabele te voorspellen. Ook wel een onafhankelijke variabele genoemd. In de vergelijking Y = 1 + 2X is de voorspellende variabele X.
Promotional forecasting
Een speciale functie van SmartForecasts die automatische prognoses combineert met aanpassingen voor verkoopacties en andere speciale gebeurtenissen die de verkoop beïnvloeden, zoals sneeuwstormen en stakingen.
Q
Quartile
Een getal dat de verdeling van gegevenswaarden in kwarten verdeelt. Het onderste kwartiel is groter dan 25% van de gegevenswaarden, het middelste kwartiel (dat wil zeggen de mediaan) is groter dan 50% en het bovenste kwartiel is groter dan 75%.
R
Regression
Een statistische analyse die een vergelijking maakt om de waarden van voorspellers of onafhankelijke variabelen om te zetten in schattingen van de waarden van een voorspelling of afhankelijke variabele
Residual
Bij regressieanalyse het verschil tussen de werkelijke waarde van de voorspelling, of afhankelijke variabele, en de bijbehorende waarde.
R-square
Bij regressieanalyse is dit een maatstaf voor de mate van overeenstemming tussen de waargenomen en aangepaste waarden van de voorspelling of afhankelijke variabele. Rsquare-waarden variëren van 0% tot 100%, waarbij 100% een perfecte pasvorm aangeeft. Als het R-kwadraat dicht bij 0% ligt, zijn uw voorspellers in wezen waardeloos voor forecasting doeleinden. Zie aangepaste R-square
S
Safety stock
Een voorraadbuffer of investering die moet worden toegevoegd aan de meest waarschijnlijke schatting van de toekomstige vraag (dat wil zeggen, de verwachte prognose) om te beschermen tegen vraagvariabiliteit
Scatterplot
Een grafiek van transversele data, met de onafhankelijke variabele op de horizontale (X)-as en de afhankelijke variabele op de verticale (Y)-as. Ook bekend als XY-plot.
Seasonal adjustment
Een statistische procedure om een voorspelbaar patroon van maandelijkse, driemaandelijkse of andere periodieke variaties in een gegevensreeks teniet te doen. Als de seizoensgebondenheid multiplicatief is, deelt de seizoenscorrectie de gegevens op basis van seizoensmultiplicatoren. Als de seizoensgebondenheid additief is, trekt de seizoenscorrectie de seizoensgebonden optelfactoren van de gegevens af. De opdracht Ontbinden voert seizoensaanpassingen uit om alleen de invloeden van de trend en onregelmatige componenten over te laten. Zie Decomposition
Seasonal component
De repetitieve cyclische invloed op een tijdreeks. De opdracht Decompose maakt een schatting van de trend-, seizoens- en onregelmatige componenten.
Seasonality
Een kenmerk van een tijdreeks die wordt gekenmerkt door zich herhalende cycli van hoge en lage waarden; vaak gevonden in kwartaalgegevens (cycli van periode 4) en maandgegevens (cycli van periode 12).
Serie
Een reeks metingen of waarnemingen van een variabele.
Service Level
De waarschijnlijkheid, uitgedrukt als een percentage, om te voldoen aan de totale vraag van de klant naar een bepaald productitem gedurende een toekomstige periode als de beschikbare voorraad op is (bijvoorbeeld de voorraad in de volgende periode zal voldoende zijn om een klantenserviceniveau van 95% of 99% te behouden). Ook wel voorraadserviceniveau genoemd.
Service level forecasts
Prognoses van een hoog percentiel van de verdeling van de vraag. Meestal zijn prognoses gericht op de gemiddelde of verwachte waarde. Bij toepassingen voor voorraadbeheer is het echter belangrijk om rond de bovenkant van de vraagverdeling te plannen; dit helpt om het optreden van stockouts of backorders te minimaliseren.
SIMPLE moving average
Een forecasting methode die geschikt is voor data zonder trend of seizoensgebondenheid; ook handig voor het verwijderen van seizoensgebondenheid uit gegevens zonder trend.
Simulation
Een methode om de willekeur in een variabele te begrijpen door scenario's of mogelijke toekomsten te creëren. Wordt gebruikt om de verdeling van de doorlooptijdvraag te schatten bij het voorspellen van intermitterende gegevens.
SINGLE
exponentiële afvlakking Een forecasting methode die geschikt is voor data zonder trend of seizoensgebondenheid.
SKU
Afkorting voor Stock Keeping Unit, het meest uitgesplitste voorraadniveau dat wordt bijgehouden in een productiebedrijf.
Smoothed data value
Bij een forecasting methode met behulp van exponentiële afvlakking of voortschrijdende gemiddelden, de statistische benadering van de werkelijke waarde van de forecasting variabele.
Smoothing weight
Het gewichtspercentage dat wordt gegeven aan de meest recente gegevenswaarde in berekeningen voor exponentiële afvlakking. Een lager gewicht impliceert meer gladheid.
Scarcity
Het percentage variabelen dat historische data bevat. Als schaarste wordt geëlimineerd bij het koppelen van een database aan SmartForecasts, worden alleen rijen met voorspelbare historische data geïmporteerd in de gegevenstabel van SmartForecasts.
Standard deviation
Een maatstaf voor de variabiliteit van de gegevenswaarden die zijn opgeslagen in een variabele (berekend met n-1 in de noemer).
Standard error
Bij regressieanalyse een maatstaf voor de steekproefonzekerheid in de waarde van een regressiecoëfficiënt. Als u een andere reeks gegevens over hetzelfde onderwerp zou analyseren, zou u onvermijdelijk enigszins andere regressiecoëfficiënten krijgen. De standaardfouten laten zien hoe verschillend de regressiecoëfficiënten kunnen zijn. Met verschillende gegevens zou u regressiecoëfficiënten kunnen verwachten die een of zelfs twee of meer standaardfouten zijn die verschillen van die welke zijn berekend uit uw huidige gegevensset.
Standard error of estimate
Bij regressieanalyse een maatstaf voor de typische grootte van de discrepanties tussen de werkelijke gegevenswaarden en de waarden die worden voorspeld door de regressievergelijking, dat wil zeggen de residuen. Ook bekend als de root mean square error.
Statistically significant
Een resultaat dat buiten het typische bereik van kansvariabiliteit ligt. Als u bijvoorbeeld 100 eerlijke munten opgooit, is het krijgen van 53 kop en 47 munt geen statistisch significante afwijking van het 50:50-ideaal, aangezien dit kleine verschil gemakkelijk door toeval kan worden verklaard. Daarentegen zou een verdeling van 90:10 statistisch significant zijn, aangezien deze grote discrepantie bijna nooit bij toeval zou ontstaan als de munten eerlijk waren. Bij regressieanalyse test SmartForecasts de statistische significantie van de regressiecoëfficiënten tegen de nulhypothese dat ze nul zijn. Zie ook P(2-tail)
T
Timeplot
Een grafiek van gegevenswaarden uitgezet tegen de tijd. Het is een goed idee om een tijdplot te onderzoeken voordat u prognoses maakt om te zoeken naar trends, seizoensinvloeden en ongebruikelijke waarden (uitbijters). Ook bekend als een lijngrafiek in Excel.
Time series
Een geordende opeenvolging van getallen die de waarden van een bepaalde variabele over een bepaalde periode vertegenwoordigen (bijvoorbeeld maandelijkse verkoopcijfers voor 1999). Synoniem met datareeksen. Contrast met transversale gegevens.
Time table
Een tabel die tekstuele attributen bevat
Transformation
Toepassing van een wiskundige functie op een variabele. Log(X) is bijvoorbeeld een transformatie van X. Transformaties worden gebruikt om een scheve verdeling meer symmetrisch te maken of om een niet-lineaire relatie meer lineair te maken. Met de opdracht Scatterplot kan een of beide X- en Y-variabelen worden getransformeerd om een betere rechte lijnpassing te creëren en vervolgens de getransformeerde variabelen in de gegevenstabel op te slaan. De opdracht Define kan ook nieuwe, getransformeerde variabelen maken en opslaan.
Trend
Een kenmerk van een tijdreeks gekenmerkt door min of meer gestage stijgingen of dalingen in het niveau van de reeks
Trend component
De langzame, langdurige verandering in het niveau van een tijdreeks. De opdracht Ontbinden schat de trend, seizoensgebonden en onregelmatige componenten
Trend percent
De gemiddelde verandering per eenheid per periode gedeeld door gemiddelde eenheden per periode vermenigvuldigd met It is beschikbaar als statistiek in de functie beschrijven en voor numerieke filtering om variabelen met een positieve, negatieve of nul trend te identificeren en om gemiddelde trends van de ene reeks met de andere te vergelijken.
T-statistic
In regressieanalyse, de verhouding van een coëfficiëntwaarde tot zijn standaardfout. SmartForecasts gebruikt de t-statistic om de waarde van P(2-staart) te berekenen bij het testen van de hypothese dat de coëfficiëntwaarde nul zou zijn, behalve voor toevalsvariatie. Grofweg suggereren waarden van de t-statistiek boven ± 2 dat de corresponderende voorspellervariabele nuttig is voor het voorspellen van de voorspelbare variabele. Zie P(2-staart) en statistisch significant
W
Weight
Een parameter in een exponentiële afvlakkingsmethode die de invloedsbalans tussen recente en oudere gegevenswaarden bepaalt. Hogere waarden voor gewichten geven meer invloed aan recentere gegevenswaarden. Dit maakt een snellere aanpassing aan veranderende omstandigheden mogelijk ten koste van minder ruisonderdrukking wanneer de omstandigheden stabiel zijn.
WINTERS’ exponential smoothing
Een prognosemethode die geschikt is voor gegevens met zowel trend als seizoensgebondenheid; zowel additieve als multiplicatieve vormen van Winters' methode zijn beschikbaar in SmartForecasts.
Artikelarchieven
Smart Software is verheugd aan te kondigen dat we ons aansluiten bij Epicor, een wereldleider van branchespecifieke bedrijfssoftware. De overname brengt twee bedrijven samen die nauw op elkaar zijn afgestemd om organisaties te helpen op het juiste moment tot de juiste inzichten te komen en actie te ondernemen om de bedrijfsprestaties te maximaliseren.
Door zich aan te sluiten bij Epicor zullen Smart Software-klanten profiteren van aanzienlijke schaalgrootte, ontwikkeling en investeringen in onze oplossingen voor voorraadplanning en optimalisatie, waardoor u in de loop van de tijd nog meer mogelijkheden en productopties krijgt. Met de overname van Smart Software complementeert en versterkt Epicor zijn portfolio van best-in-class ERP-oplossingen, waardoor makers, verhuizers en verkopers wereldwijd hun toeleveringsketens kunnen stroomlijnen en vereenvoudigen om een concurrentievoordeel te behalen. Als uw strategische zakenpartner is het onze topprioriteit bij de integratie van de organisaties in de komende maanden om u het hoogste niveau van service en ondersteuning te blijven bieden dat u verwacht.
Voor meer informatie over het nieuws kunt u terecht op de website Epicor-nieuwskamer
Smart Software is verheugd de toekenning aan te kondigen van Amerikaans octrooi 11.656.887. "Systeem en methode om vraag te simuleren en besturingsparameters voor een technologieplatform te optimaliseren."
Het patent regelt "technische oplossingen voor het analyseren van historische vraaggegevens van middelen in een technologieplatform om het beheer van een geautomatiseerd proces in het platform te vergemakkelijken." Een belangrijke toepassing is het optimaliseren van onderdelenvoorraden.
Smart Software benoemd tot Microsoft Co-sell-ready partner als een toonaangevende leverancier van oplossingen voor demand planning en voorraadoptimalisatie. Microsoft-klanten maken gebruik van Smart's web-native platform voor inventory planning en -optimalisatie (Smart IP&O) om consensus forecasts te ontwikkelen, de vraag te beheren en het voorraadbeleid te optimaliseren.
We zijn zo dankbaar om het 40-jarig jubileum van Smart Software aan te kondigen. Veertig jaar innovatie voor vraagvoorspelling, voorraadplanning en supply chain-analyse. Smart, Hartunian en Willemain werd opgericht in juni 1981 door Charles Smart, Thomas Willemain en Nelson Hartunian, onze visionaire oprichters.
Supply and Demand Chain Executive 2020 Online Magazine bevat een artikel over voorraadoptimalisatie bij BC Transit, getiteld: “Optimaliseren van het onderdelenbeheer bij BC Transit.” Eric Nelson, Director for Supply Services bij BC Transit legt uit hoe Smart IP&O heeft geholpen ervoor te zorgen dat ze het juiste onderdeel op het juiste moment op de juiste plaats hebben om hun hele servicenetwerk uit te rusten met 35 reparatielocaties.
Wees geen slachtoffer van uw forecasting modellen - speciale sectie in Foresight Magazine. In deze hoofdsectie zet Tom Willemain veel aan tot nadenken over de rol van statistische modellen in supply chain-forecasts, een gebied dat volgens hem ver achterloopt op de financiële wereld door algoritmen te omarmen in plaats van instinct. Download speciale sectie over forecasting modellering in de lente van 2019, uitgave van Foresight Magazine
Inventaris op de juiste maat met vraagvoorspelling”, interview met Chief Material Officer bij Metro-North Railroad.
Supply & Demand Chain Executive — 26 juni
Zie "Vier stappen naar serviceniveaugestuurde voorraadplanning" in SupplyChain Management Review.
SupplyChain Management Review — 12 april 2015
Minnesota's Metro Transit gebruikt een op serviceniveau gebaseerde methode van voorraadplanning van Smart Software.
Mass Transit Magazine — februari 2015
Video-interview met SupplyChainBrain, "Service Level-Driven Demand Planning"
SupplyChainBrain — 30 juni 2014
Variabiliteit in de toeleveringsketen overwinnen bij Rev-A-Shelf,” in Supply & Demand Chain Executive Online
Supply & Demand Chain Executive — 9 april 2014
Now You See It, Now You Don't Inventory, "Nieuwe technologieën om intermitterende vraag aan te pakken, in Aviation Week Online
Luchtvaartweek — 7 april 2014
Webinar Replay: Agile Demand Forecasting, de Rev-A-Shelf Experience.
SmartSoftware Inc. - Januari 2014
Hoofdartikel: MCI's onderdelenplanning blinkt uit met slimme software” in BusRide Maintenance Magazine
BusRide Onderhoudsmagazine - September 2013
Webinar herhaling: CFO View of Demand Forecasting, met Bud Schultz, NKK Switches. Oorspronkelijk uitgezonden 26-9-2013.
SmartSoftware Inc. - September 2013
Aanbevolen recensie: "Slimme software voor op serviceniveau gestuurde prognoses" door Technology Evaluation Centers.
Technologie Evaluatie Centra - Mei 2013
Hoofdartikel: "Prognoses - het is meer dan voorraadbeheer", in Supply & Demand Chain Executive.
Supply & Demand Chain Executive - Februari 2013
Hoofdartikel: "Kleine operationele veranderingen zorgen voor grote kostenbesparende resultaten voor transitbureaus" in APTA Passenger Transport Magazine
APTA Personenvervoer Magazine — juni 2012
Hoofdartikel: "Voldoen aan de uitdaging voor het plannen van de inventaris van serviceonderdelen" in BUSride Maintenance Magazine
BUSride Onderhoudsmagazine — april 2012
SmartForecasts Review: "Smarter Inventory Management: voorspelling van de behoefte aan openbaar vervoer met het complete softwarepakket" in APICS Magazine
APICS tijdschrift — Januari/februari 2012
Transit Talk Blog: "Hoe u verborgen kostenbesparingen ontdekt in uw transitactiviteiten"
Mass Transit Magazine — September, 2011
Coververhaal: een Northeast Commuter Railroad worstelt om zijn inventaris van reserveonderdelen te optimaliseren
SupplyChainBrain — mei/juni 2011
"Prestolite laadt zijn voorraadbeheer op"
Toen pensioneringen zijn expertise op het gebied van planning opslorpen en een slechte mix van te veel voorraad de cashflow onder druk zette, bracht het bedrijf een nieuwe prognosetool in om zijn planningsproces kracht bij te zetten. S&DCE aug/sept 2010
“Hoe overleef je de economische crisis”
De huidige economische omstandigheden vormen een uitdaging voor ieders bedrijf. Dit geldt met name voor bedrijven in de productie- en distributiesectoren die een groot percentage van hun supply chain-middelen in voorraad hebben. Met een krappe kredietwaardigheid zoeken deze bedrijven naar manieren om zoveel mogelijk geld te behouden. Omdat voorraad contant geld is dat in de schappen ligt, is een uitstekende manier om de kosten te verlagen en de kasstromen te vergroten, het verbeteren van de prognose en planning van voorraadvereisten. SDCExec.com mei 2009
"Smooth Ride: Forecasting-oplossing verbetert de productimplementatie en verlaagt de transportkosten"
Bekijk hoe Prevost Parts, een divisie van de Canadese busfabrikant Prevost Car, SmartForecasts heeft gebruikt om de voorraadtoewijzing en de distributie-effectiviteit in de Noord-Amerikaanse aftermarket te verbeteren voor zijn 25.000 onderdelen voor touringcars en stadsbussen. Lees meer over de evaluatiecriteria van Prevost Parts bij het selecteren van SmartForecasts ten opzichte van vijf andere overwogen toepassingen, en het belang van Smart's unieke intermitterende vraagvoorspellingsmogelijkheid bij het oplossen van Prevost's prognose- en veiligheidsvoorraadschattingsproblemen. APICS mei 2005
"Prevost Parts verhoogt de beschikbaarheid van vervangende onderdelen en vermindert de voorraad door verbeterde vraagprognoses" door Alex Daudelin.
Lees een artikel over hoe Prevost Parts, de onderdelenafdeling van de Canadese busfabrikant Prevost Car, SmartForecasts gebruikt om vervangende onderdelen voor de Noord-Amerikaanse markt voor touringcars en transitbussen effectiever te distribueren. Ontdek waarom het bedrijf SmartForecasts verkoos boven SAP's applicatie voor vraagplanning en nu zowel een toename van 25% in prognosenauwkeurigheid als een reductie van bijna 20% in voorraadniveaus verwacht. Geston Logistique maart 2004
"The Right Tools" door Charles Smart, president van Smart Software.
Ontdek hoe de juiste statistische prognosetools in combinatie met gezamenlijke input van management, verkopers en klanten de nauwkeurigheid van prognoses aanzienlijk kunnen verbeteren en het vraagplanningsproces van een bedrijf kunnen stroomlijnen. APICS mei 2003
"Voorspellingen - even belangrijk als altijd" door Charles Smart, president van Smart Software.
Lees waarom vraagvoorspelling nog steeds essentieel is in dit nieuwe productietijdperk. APICS nov/dec 2001
"Een betere kristallen bol" door Charles Smart, president van Smart Software.
Lees een exclusief webartikel over hoe prognosetoepassingen zich aanpassen aan kortere productlevenscycli en build-to-order-trends. manufacturingsystems.com november 2001
"Bootstrap Your Way to Better Forecasts" door Charles Smart, president van Smart Software.
Lees meer over de nieuwe prognosemethode van Smart Software om het miljoenenprobleem van het plannen van een intermitterende, langzaam veranderende vraag aan te pakken. Midrange Enterprise januari 2001
Neem vandaag nog contact met ons op voor meer informatie
Vraagt u een demo aan, dan laat een van onze specialisten u aan de hand van uw eigen inventory data zien hoe Smart u daarbij kan helpen!