De afwegingscurve berijden

De slimme voorspeller

 Het nastreven van best practices op het gebied van vraagplanning,

prognoses en voorraadoptimalisatie

Waar we tegen zijn

Als Boston Red Sox-fan van de derde generatie ben ik niet geneigd om advies aan te nemen van een New York Yankee-balspeler, zelfs een geweldige, maar ik moet toegeven dat je soms gewoon een beslissing moet nemen. Zou het echter niet beter zijn als we de afwegingen wisten die bij elke beslissing horen. Misschien is de ene weg mooier, maar duurt het langer, terwijl de andere directer maar saaier is. Dan hoeft u het niet zomaar te accepteren, maar kunt u een weloverwogen beslissing nemen op basis van de voor- en nadelen van elke benadering.

In de wereld van supply chain planning is de meest fundamentele beslissing hoe de beschikbaarheid van artikelen in evenwicht moet worden gebracht met de kosten om die beschikbaarheid in stand te houden (serviceniveaus en opvullingspercentages). Aan de ene kant kun je schromelijke overvoorraden hebben en nooit zonder raken totdat je failliet gaat en de winkel moet sluiten om al je geld in voorraad te stoppen die niet verkoopt. Aan het andere uiterste kunt u een grote ondervoorraad hebben en een bundel besparen op voorraadkosten, maar failliet gaan en uw winkel moeten sluiten omdat al uw klanten hun zaken elders hebben gedaan.

Er is geen ontkomen aan deze fundamentele spanning. De manier om te overleven en te gedijen is het vinden van een productieve en duurzame balans. Om dat te doen, zijn op feiten gebaseerde afwegingen nodig op basis van de cijfers. Om de nummers te krijgen is software nodig.

De algemene gang van zaken is duidelijk. Als u besluit meer voorraad aan te houden, heeft u meer voorraadkosten, lagere tekortkosten en mogelijk lagere bestelkosten. Of dit geld kost of bespaart, is onmogelijk te weten zonder een geavanceerde analyse, maar meestal is het resultaat dat de Totale Kosten omhoog gaan. Maar als u investeert in meer voorraad, levert dat iets op, omdat u uw klanten hogere serviceniveaus en opvulpercentages biedt. Hoeveel hoger vereist, zoals je misschien wel vermoedt, een geavanceerde analyse.

Laat me de cijfers zien

In deze blog leggen we uit hoe zo'n analyse eruit ziet. Er is geen universele oplossing die u naar de "juiste" beslissing wijst. U zou kunnen denken dat de juiste beslissing de beslissing is die het beste bij u past. Maar om die cijfers te krijgen, heb je iets nodig dat je zelden ziet: een nauwkeurig model van klantgedrag met betrekking tot serviceniveau (bekijk ons artikel “Hoe kies je een doelserviceniveau”) Wanneer zal een klant bijvoorbeeld weglopen en ergens anders heen gaan? Zal het zijn nadat je 1% van de tijd, 5% van de tijd, 10% van de tijd hebt opgeslagen? Blijft u hun bedrijf behouden zolang u snel nabestellingen uitvoert? Zal het zijn na een nabestelling van 1 dag, 2 dagen? 3 weken? Zal het zijn nadat dit één keer op een belangrijk onderdeel of vele malen op veel onderdelen is gebeurd? Hoewel het modelleren van het precieze serviceniveau waarmee u uw klant kunt behouden en tegelijkertijd de kosten kunt minimaliseren een ongenaakbaar ideaal lijkt, is een andere vorm van geavanceerde analyse meer pragmatisch. 

Voorraadoptimalisatie- en prognosesoftware kan alle bijbehorende kosten in rekening brengen, zoals de kosten van bevoorrading, de kosten van het aanhouden van voorraden en de kosten van het bestellen van voorraden, om zo een optimaal serviceniveau voor te schrijven dat de laagste totale kosten oplevert. Maar zelfs dat "optimale" serviceniveau is gevoelig voor veranderingen in de kosten, waardoor de resultaten mogelijk twijfelachtig zijn. Als u bijvoorbeeld de exacte kosten niet nauwkeurig kunt inschatten (de kosten van een tekort zijn het moeilijkst), zal het moeilijk zijn om met zekerheid iets te zeggen als: "Als ik mijn voorhanden voorraad verhoog met gemiddeld één eenheid voor alle artikelen in een belangrijke productfamilie, zal mijn bedrijf een nettowinst van $170.500 zien. Die winst neemt toe totdat ik bij 4 eenheden kom. Bij 4 stuks en hoger daalt het rendement door te hoge bewaarkosten. Dus de beste beslissing om rekening te houden met verwachte voorraad, bestelling en voorraad is om de voorraad met 3 eenheden te verhogen om een nettowinst van meer dan $500.000 te zien.  

Afgezien van dat ideaal, kunt u iets doen dat eenvoudiger maar toch uiterst waardevol is: kwantificeer de afwegingscurve tussen voorraadkosten en artikelbeschikbaarheid. Hoewel u niet noodzakelijkerwijs weet op welk serviceniveau u zich moet richten, kent u wel de kosten van verschillende serviceniveaus. Dan kunt u uw grote geld verdienen door een goede plek te vinden om op die afwegingscurve te zijn en te communiceren waar u risico loopt en waar niet, en verwachtingen te scheppen bij klanten en interne belanghebbenden. Zonder de afwegingscurve om u te leiden, vliegt u blind en kunt u uw voorraadbeleid niet rationeel wijzigen.

Een scenario om van te leren

Laten we een realistische afwegingscurve schetsen. We beginnen met een scenario dat een managementbeslissing vereist. Het scenario dat we zullen gebruiken en de bijbehorende veronderstellingen over vraag, doorlooptijden en kosten worden hieronder beschreven:

Voorraadbeleid

  • Periodieke beoordeling – Beslissingen voor herbestellingen worden om de 30 dagen genomen
  • Order-Up-To-Level ("S") - Varieerde van 30 tot 60 eenheden
  • Tekortbeleid - Sta nabestellingen toe, geen verloren bestellingen

Vraag naar

  • De vraag is intermitterend
  • Gemiddeld = 0,8 eenheden per dag
  • Standaarddeviatie = 1,2 eenheden per dag
  • Grootste vraag in een jaar ≈ 9
  • % dagen zonder vraag = 53%

Lead Time

  • Willekeurig op 7, 14 of 21 dagen met waarschijnlijkheden respectievelijk 70%, 20% en 10%

Kostenparameters

  • Bewaarkosten = $1 per dag
  • Bestelkosten = $10 per bestelling, ongeacht de grootte van de bestelling
  • Tekortkosten = $100 per eenheid niet onmiddellijk uit voorraad verzonden

We stellen ons een beleid voor voorraadbeheer voor dat in de handel bekend staat als een "periodieke beoordeling" of (T,S) beleid. In dit geval is de Herzieningsperiode ("T") 30 dagen, wat betekent dat elke 30 dagen de voorraadpositie wordt gecontroleerd en een bestelbeslissing wordt genomen. De bestelhoeveelheid is het verschil tussen het waargenomen aantal beschikbare eenheden en de Order-Up-To Quantity ("S"). Dus als de voorraad aan het einde van de maand 12 eenheden is en S = 20, is de bestelhoeveelheid S – 12 = 20 -1 2 = 8. De volgende maand zal de bestelhoeveelheid waarschijnlijk anders zijn. Als de voorraad tijdens een beoordelingsperiode ooit negatief wordt (nabestellingen), probeert de volgende bestelling het evenwicht te herstellen door meer te bestellen om aan die nabestellingen te voldoen. Als de voorraad bijvoorbeeld -5 is (wat betekent dat 5 bestelde eenheden niet beschikbaar zijn voor verzending, is de volgende bestelling S – (-5) = S + 5. Details van de hypothetische vraagstroom, doorlooptijden van leveranciers en kostenelementen worden weergegeven in onderstaande afbeelding 1. Afbeelding 2 toont een voorbeeld van de dagelijkse vraag en dagelijkse voorraad gedurende vijf beoordelingsperioden. periodieke, zoals vaak het geval is voor reserveonderdelen, en daarom moeilijk te plannen.

Figuur 1: Verschillende keuzes van voorraadbeleid (bestelling tot), bijbehorende kosten en serviceniveaus

Afbeelding 2: Details van vijf maanden systeemwerking, gegeven een van de beleidsregels

 

Software voor voorraadplanning is onze vriend

Software codeert de logica van de werking van het (T,S)-systeem, genereert veel hypothetische maar realistische vraagscenario's, berekent hoe elk van die scenario's zich afspeelt en kijkt vervolgens terug op de gesimuleerde werking (hier, 10 jaar of 3.650 opeenvolgende dagen) om kosten- en prestatiestatistieken te berekenen.

Om de afwegingscurve te onthullen, hebben we verschillende computationele experimenten uitgevoerd waarin we het Order-Up-To Level, S, varieerden. De grafieken Figuur 2 tonen het gedrag van de voorhanden inventaris in het "rijkste" alternatief met S = 60. In de fragment getoond in figuur 2, komt de voorhanden inventaris nooit in de buurt van uitvoorraden. Ook dat kun je lezen. Een, een beetje naïef, is om te zeggen: "Goed, we zijn goed beschermd." De andere, meer agressieve, is om te zeggen: “Oh nee, we zijn opgeblazen. Ik vraag me af wat er zou gebeuren als we S zouden verminderen.”

De afwegingscurve onthuld

Figuur 3 toont de resultaten van het verminderen van S van 60 naar 30 in stappen van 5 eenheden. De tabel laat zien dat Total Cost de som is van Holding Cost, Ordering Cost en Shortage Cost. Voor de (T,S) polis zijn de bestelkosten altijd hetzelfde, aangezien een bestelling elke 30 dagen als een uurwerk wordt geplaatst. Maar de andere kostencomponenten reageren op de veranderingen in S.

Afbeelding 3: De experimentele resultaten en bijbehorende afwegingscurve die laten zien hoe het wijzigen van het Order-Up-To Level ("S") zowel het serviceniveau als de totale jaarlijkse kosten beïnvloedt

Houd er rekening mee dat het serviceniveau in deze scenario's altijd lager is dan het opvullingspercentage. Als professor denk ik altijd aan dit verschil in termen van examenbeoordeling. Elke aanvullingscyclus is als een test. Serviceniveau gaat over de waarschijnlijkheid van een stockout, dus het is net als het cijfer voor een geslaagd/niet-geslaagd examen met één vraag die perfect moet worden beantwoord. Als er geen stockout is in een cyclus, is dat een A. Als er een stockout is, is dat een F. Het maakt niet uit of het één eenheid is die niet wordt geleverd of 50 - het is nog steeds een F. Maar Fill Rate is als een vraag dat wordt beoordeeld met deelpunten. Dus als je een van de tien eenheden te kort krijgt, krijg je 90% Fill Rate voor die cyclus, niet 0%. Het is belangrijk om het verschil te begrijpen tussen deze twee belangrijke statistieken voor voorraadplanning - bekijk deze vlog met een beschrijving serviceniveau versus opvullingspercentage via een interactieve oefening in Excel.

De plot in figuur 3 is het echte nieuws. Het koppelt de totale kosten en het serviceniveau voor verschillende S-niveaus. Als u de grafiek van rechts naar links leest, vertelt het ons dat er enorme kostenbesparingen te behalen zijn door S te verlagen met zeer weinig nadelige gevolgen in termen van verminderde artikelbeschikbaarheid. Als u bijvoorbeeld S verlaagt van 60 naar 55, bespaart u bijna $800 per jaar op dit ene item, terwijl het serviceniveau slechts een klein beetje wordt verlaagd van (in wezen) 100% naar een nog steeds indrukwekkende 99%. S iets meer snijden doet hetzelfde, maar niet zo dramatisch. Als u de grafiek van links naar rechts leest, ziet u dat het omhoog gaan van S = 30 naar S = 35 ongeveer $1.000 per jaar kost, maar het serviceniveau verbetert van een F-klasse (45%) naar ten minste een C-klasse (71%). Daarna kost het steeds meer om S hoger te duwen, terwijl je steeds minder wint.

De afwegingscurve geeft u geen antwoord op hoe u het Order-Up-To-niveau moet instellen, maar u kunt wel de kosten en baten van elk mogelijk antwoord evalueren. Neem even de tijd en doe alsof dit jouw probleem is: waar zou je langs de afwegingscurve willen zijn?

U kunt bezwaar maken en zeggen dat u uw keuzes haat en het spel wilt veranderen. Is er ontsnapping uit de bocht? Niet van de algemene curve, maar misschien kun je een minder pijnlijke curve vormen. Hoe?

Misschien heb je nog andere kaarten om te spelen. Een manier is om te proberen de vraag zo te 'vormen' dat deze minder variabel is. De vraaggrafiek in figuur 2 laat veel variabiliteit zien. Als je de vraag zou kunnen afvlakken, zou de hele afwegingscurve naar beneden verschuiven, waardoor elke keuze goedkoper zou worden. Een tweede manier is om te proberen de gemiddelde en variabiliteit van doorlooptijden van leveranciers te verminderen. Het bereiken van een van beide zou ook de curve naar beneden verschuiven om de keuze minder pijnlijk te maken. Bekijk ons artikel over hoe leveranciers beïnvloeden uw voorraadkosten

Overzicht

De afwegingscurve is altijd bij ons. Soms kunnen we het misschien vriendelijker maken, maar we kiezen altijd ons plekje erlangs. Het is beter om te weten wat u krijgt voor elke keuze van voorraadbeleid dan om te proberen te raden, en de curve geeft u dat. Wanneer u een nauwkeurige schatting van die curve heeft, vliegt u niet langer blind als het gaat om voorraadplanning. 

 

 

 

Laat een reactie achter

gerelateerde berichten

Waarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwen

Waarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwen

Voor te veel bedrijven wordt een cruciaal stukje data-feitenonderzoek – het meten van vraagonzekerheid – afgehandeld met eenvoudige maar onnauwkeurige vuistregels. Vraagplanners berekenen bijvoorbeeld vaak de veiligheidsvoorraad op basis van een door de gebruiker gedefinieerd veelvoud van de voorspelling of het historische gemiddelde. Of ze kunnen hun ERP configureren om meer te bestellen wanneer de beschikbare voorraad gedurende de doorlooptijd twee keer de gemiddelde vraag bereikt voor belangrijke artikelen en 1,5 keer voor minder belangrijke artikelen. Dit is een grote fout met kostbare gevolgen.

Rechtstreeks naar het brein van de baas – voorraadanalyse en rapportage

Rechtstreeks naar het brein van de baas – voorraadanalyse en rapportage

In deze blog wordt de software in de schijnwerpers gezet die rapporten voor het management maakt, de stille held die de schoonheid van furieuze berekeningen vertaalt naar bruikbare rapporten. Kijk hoe de berekeningen, op ingewikkelde wijze begeleid door planners die onze software gebruiken, naadloos samenkomen in Smart Operational Analytics (SOA)-rapporten, waarbij vijf belangrijke gebieden worden verdeeld: voorraadanalyse, voorraadprestaties, voorraadtrends, leveranciersprestaties en vraagafwijkingen.

Je moet samenwerken met de algoritmen

Je moet samenwerken met de algoritmen

Dit artikel gaat over de echte kracht die voortkomt uit de samenwerking tussen u en onze software die binnen handbereik plaatsvindt. We schrijven vaak over de software zelf en wat er ‘onder de motorkap’ gebeurt. Deze keer is het onderwerp hoe je het beste met de software kunt samenwerken.

recente berichten

  • Waarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwenWaarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwen
    Voor te veel bedrijven wordt een cruciaal stukje data-feitenonderzoek – het meten van vraagonzekerheid – afgehandeld met eenvoudige maar onnauwkeurige vuistregels. Vraagplanners berekenen bijvoorbeeld vaak de veiligheidsvoorraad op basis van een door de gebruiker gedefinieerd veelvoud van de voorspelling of het historische gemiddelde. Of ze kunnen hun ERP configureren om meer te bestellen wanneer de beschikbare voorraad gedurende de doorlooptijd twee keer de gemiddelde vraag bereikt voor belangrijke artikelen en 1,5 keer voor minder belangrijke artikelen. Dit is een grote fout met kostbare gevolgen. […]
  • Direct naar het brein van de baas - InventarisanalyseRechtstreeks naar het brein van de baas – voorraadanalyse en rapportage
    In deze blog wordt de software in de schijnwerpers gezet die rapporten voor het management maakt, de stille held die de schoonheid van furieuze berekeningen vertaalt naar bruikbare rapporten. Kijk hoe de berekeningen, op ingewikkelde wijze begeleid door planners die onze software gebruiken, naadloos samenkomen in Smart Operational Analytics (SOA)-rapporten, waarbij vijf belangrijke gebieden worden verdeeld: voorraadanalyse, voorraadprestaties, voorraadtrends, leveranciersprestaties en vraagafwijkingen. […]
  • U moet samenwerken met de algoritmen voor voorraadbeheerJe moet samenwerken met de algoritmen
    Dit artikel gaat over de echte kracht die voortkomt uit de samenwerking tussen u en onze software die binnen handbereik plaatsvindt. We schrijven vaak over de software zelf en wat er ‘onder de motorkap’ gebeurt. Deze keer is het onderwerp hoe je het beste met de software kunt samenwerken. […]
  • Heroverweging van de nauwkeurigheid van prognoses, een verschuiving van nauwkeurigheid naar foutstatistiekenBeantwoord de precisie van het pronóstico: een precisie-cambio met de meetmetrieken
    Het meten van de nauwkeurigheid van prognoses is een onmiskenbaar belangrijk onderdeel van het vraagplanningsproces. Deze voorspellingsscorekaart zou kunnen worden opgebouwd op basis van een van de twee contrasterende gezichtspunten voor het berekenen van metrieken. Vanuit het foutperspectief wordt de vraag gesteld: “Hoe ver lag de voorspelling van de werkelijkheid?” Vanuit het nauwkeurigheidsperspectief wordt de vraag gesteld: “Hoe dicht lag de voorspelling bij de werkelijkheid?” Beide zijn geldig, maar foutstatistieken bieden meer informatie. […]
  • Het gebruik van belangrijke prestatievoorspellingen om het voorraadbeleid te plannen
    Ik kan me niet voorstellen dat ik een voorraadplanner ben op het gebied van reserveonderdelen, distributie of productie en dat ik veiligheidsvoorraden, bestelpunten en bestelsuggesties moet creëren zonder gebruik te maken van belangrijke prestatievoorspellingen van serviceniveaus, opvullingspercentages en voorraadkosten. […]

    Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

    • Belangrijkste verschillen tussen voorraadplanning voor eindproducten en voor MRO en reserveonderdelenBelangrijkste verschillen tussen voorraadplanning voor eindproducten en voor MRO en reserveonderdelen
      In het huidige competitieve zakelijke landschap zijn bedrijven voortdurend op zoek naar manieren om hun operationele efficiëntie te verbeteren en meer inkomsten te genereren. Het optimaliseren van het beheer van serviceonderdelen is een vaak over het hoofd gezien aspect dat een aanzienlijke financiële impact kan hebben. Bedrijven kunnen de algehele efficiëntie verbeteren en aanzienlijke financiële opbrengsten genereren door de voorraad reserveonderdelen effectief te beheren. Dit artikel gaat in op de economische implicaties van geoptimaliseerd beheer van serviceonderdelen en hoe investeren in software voor voorraadoptimalisatie en vraagplanning een concurrentievoordeel kan opleveren. […]
    • Centrering Act Reserveonderdelen Timing Prijzen en betrouwbaarheidCentreringswet: timing, prijzen en betrouwbaarheid van reserveonderdelen
      In dit artikel begeleiden we u bij het opstellen van een voorraadplan voor reserveonderdelen, waarbij prioriteit wordt gegeven aan beschikbaarheidsstatistieken zoals serviceniveaus en vulpercentages, terwijl de kostenefficiëntie wordt gewaarborgd. We zullen ons concentreren op een benadering van voorraadplanning genaamd Service Level-Driven Inventory Optimization. Vervolgens bespreken we hoe u kunt bepalen welke onderdelen u in uw inventaris moet opnemen en welke onderdelen mogelijk niet nodig zijn. Ten slotte onderzoeken we manieren om uw op serviceniveau gebaseerde voorraadplan consistent te verbeteren. […]
    • 5 stappen om de financiële impact van reserveonderdelenplanning te verbeteren5 stappen om de financiële impact van reserveonderdelenplanning te verbeteren
      In het huidige competitieve zakelijke landschap zijn bedrijven voortdurend op zoek naar manieren om hun operationele efficiëntie te verbeteren en meer inkomsten te genereren. Het optimaliseren van het beheer van serviceonderdelen is een vaak over het hoofd gezien aspect dat een aanzienlijke financiële impact kan hebben. Bedrijven kunnen de algehele efficiëntie verbeteren en aanzienlijke financiële opbrengsten genereren door de voorraad reserveonderdelen effectief te beheren. Dit artikel gaat in op de economische implicaties van geoptimaliseerd beheer van serviceonderdelen en hoe investeren in software voor voorraadoptimalisatie en vraagplanning een concurrentievoordeel kan opleveren. […]
    • Bottom Line-strategieën voor planningssoftware voor reserveonderdelenBottom Line-strategieën voor de planning van reserveonderdelen
      Het beheer van reserveonderdelen brengt tal van uitdagingen met zich mee, zoals onverwachte storingen, veranderende schema's en inconsistente vraagpatronen. Traditionele prognosemethoden en handmatige benaderingen zijn niet effectief in het omgaan met deze complexiteit. Om deze uitdagingen het hoofd te bieden, schetst deze blog de belangrijkste strategieën die prioriteit geven aan serviceniveaus, probabilistische methoden gebruiken om bestelpunten te berekenen, het voorraadbeleid regelmatig aanpassen en een speciaal planningsproces implementeren om overmatige voorraad te voorkomen. Verken deze strategieën om de inventaris van reserveonderdelen te optimaliseren en de operationele efficiëntie te verbeteren. […]

      Kwantumvoorraadtheorie?

      De slimme voorspeller

       Het nastreven van best practices op het gebied van vraagplanning,

      prognoses en voorraadoptimalisatie

      Natuurkundigen zoals mijn mede-oprichter van Smart Software, Dr. Nelson Hartunian, vertellen ons burgers dat alles anders is als we doordringen tot op het kleinste niveau van de wereld. Fysica op kwantumniveau is nogal raar - helemaal niet zoals wat we ervaren in ons gebruikelijke macroscopische leven. Tot de eigenaardigheden behoren "superpositie", "verstrengeling" en "kwantumschuim". Hoe vreemd deze verschijnselen ook zijn, ik kan het niet laten om analogen te zien in de zogenaamd andere wereld van supply chain management.

      Overweeg kwantumsuperpositie. In het kort betekent superpositie dat elke kwantumentiteit in twee toestanden tegelijk kan zijn. De kat van Schrödinger is de beroemdste illustratie van dit idee. Maar hoeveel van jullie lezers bevinden zich ook in een staat van superpositie? Ben je niet een manager van een team maar een lid van het team van je supervisor, een probleemoplosser maar ook een prognose-expert of een voorraadoptimizer en...? En geeft dit alles je niet soms het gevoel, net als die kat, dat je tegelijkertijd dood en levend bent? Moderne software kan een deel van deze last verlichten door de taken van vraagplanning en voorraadoptimalisatie te automatiseren. De rest is aan jou.

      Een tweede kwantumanaloog is verstrengeling. Kort gezegd is verstrengeling de koppeling tussen twee elementen van een systeem. Ze kunnen lichtjaren van elkaar verwijderd zijn, maar het veranderen van een deel van een verstrengeld systeem zal onmiddellijk het andere deel veranderen. Dit irriteerde Albert Einstein, die het bespotte als 'spookachtige actie als een afstand'. In onze normale wereld zijn vraagplanning en voorraadoptimalisatie met elkaar verweven, aangezien het proces van voorraadoptimalisatie bovenop het proces van vraagvoorspelling zit. Moderne software koppelt de twee in een efficiënte interface.

      Eindelijk het kwantumschuim - een van mijn favoriete ideeën. Zoals ik het begrijp, is kwantumschuim een vervanging voor lege ruimte: er is geen lege ruimte, maar een constant borrelen van "vacuümenergie" vergezeld van een stroom van "virtuele deeltjes" die uit het niets worden geboren en vervolgens weer in het niets verdwijnen. In de supply chain-wereld zijn de analogen van virtuele deeltjes klantorders. Vaak lijkt het alsof ze zonder waarschuwing uit het niets opduiken, en soms verdwijnen ze door annulering in een al even willekeurig en mysterieus proces. Dit soort vraagfluctuatie is de basis voor alle theorie van voorraadbeheer. Moderne software begint daarom met waarschijnlijkheidsmodellen van de klantvraag. Die modellen hebben vervolgens implicaties voor tastbare grootheden als veiligheidsvoorraden, bestelpunten en bestelhoeveelheden.

      Helpt het vraagplanners en voorraadbeheerders echt om na te denken over deze ideeën uit de kwantumfysica? Nou, het is een beetje leuk om de analogieën te zien met onze reguliere wereld van werk. En ze doen ons denken aan meer macroscopische zaken: de basisconcepten van de noodzaak om meer dan één taak tegelijk uit te voeren, de koppeling tussen prognoses en voorraadbeheer, en willekeur als het fundamentele kenmerk van de toeleveringsketen.

       

       

       

      Laat een reactie achter

      gerelateerde berichten

      Waarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwen

      Waarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwen

      Voor te veel bedrijven wordt een cruciaal stukje data-feitenonderzoek – het meten van vraagonzekerheid – afgehandeld met eenvoudige maar onnauwkeurige vuistregels. Vraagplanners berekenen bijvoorbeeld vaak de veiligheidsvoorraad op basis van een door de gebruiker gedefinieerd veelvoud van de voorspelling of het historische gemiddelde. Of ze kunnen hun ERP configureren om meer te bestellen wanneer de beschikbare voorraad gedurende de doorlooptijd twee keer de gemiddelde vraag bereikt voor belangrijke artikelen en 1,5 keer voor minder belangrijke artikelen. Dit is een grote fout met kostbare gevolgen.

      Rechtstreeks naar het brein van de baas – voorraadanalyse en rapportage

      Rechtstreeks naar het brein van de baas – voorraadanalyse en rapportage

      In deze blog wordt de software in de schijnwerpers gezet die rapporten voor het management maakt, de stille held die de schoonheid van furieuze berekeningen vertaalt naar bruikbare rapporten. Kijk hoe de berekeningen, op ingewikkelde wijze begeleid door planners die onze software gebruiken, naadloos samenkomen in Smart Operational Analytics (SOA)-rapporten, waarbij vijf belangrijke gebieden worden verdeeld: voorraadanalyse, voorraadprestaties, voorraadtrends, leveranciersprestaties en vraagafwijkingen.

      Je moet samenwerken met de algoritmen

      Je moet samenwerken met de algoritmen

      Dit artikel gaat over de echte kracht die voortkomt uit de samenwerking tussen u en onze software die binnen handbereik plaatsvindt. We schrijven vaak over de software zelf en wat er ‘onder de motorkap’ gebeurt. Deze keer is het onderwerp hoe je het beste met de software kunt samenwerken.

      recente berichten

      • Waarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwenWaarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwen
        Voor te veel bedrijven wordt een cruciaal stukje data-feitenonderzoek – het meten van vraagonzekerheid – afgehandeld met eenvoudige maar onnauwkeurige vuistregels. Vraagplanners berekenen bijvoorbeeld vaak de veiligheidsvoorraad op basis van een door de gebruiker gedefinieerd veelvoud van de voorspelling of het historische gemiddelde. Of ze kunnen hun ERP configureren om meer te bestellen wanneer de beschikbare voorraad gedurende de doorlooptijd twee keer de gemiddelde vraag bereikt voor belangrijke artikelen en 1,5 keer voor minder belangrijke artikelen. Dit is een grote fout met kostbare gevolgen. […]
      • Direct naar het brein van de baas - InventarisanalyseRechtstreeks naar het brein van de baas – voorraadanalyse en rapportage
        In deze blog wordt de software in de schijnwerpers gezet die rapporten voor het management maakt, de stille held die de schoonheid van furieuze berekeningen vertaalt naar bruikbare rapporten. Kijk hoe de berekeningen, op ingewikkelde wijze begeleid door planners die onze software gebruiken, naadloos samenkomen in Smart Operational Analytics (SOA)-rapporten, waarbij vijf belangrijke gebieden worden verdeeld: voorraadanalyse, voorraadprestaties, voorraadtrends, leveranciersprestaties en vraagafwijkingen. […]
      • U moet samenwerken met de algoritmen voor voorraadbeheerJe moet samenwerken met de algoritmen
        Dit artikel gaat over de echte kracht die voortkomt uit de samenwerking tussen u en onze software die binnen handbereik plaatsvindt. We schrijven vaak over de software zelf en wat er ‘onder de motorkap’ gebeurt. Deze keer is het onderwerp hoe je het beste met de software kunt samenwerken. […]
      • Heroverweging van de nauwkeurigheid van prognoses, een verschuiving van nauwkeurigheid naar foutstatistiekenBeantwoord de precisie van het pronóstico: een precisie-cambio met de meetmetrieken
        Het meten van de nauwkeurigheid van prognoses is een onmiskenbaar belangrijk onderdeel van het vraagplanningsproces. Deze voorspellingsscorekaart zou kunnen worden opgebouwd op basis van een van de twee contrasterende gezichtspunten voor het berekenen van metrieken. Vanuit het foutperspectief wordt de vraag gesteld: “Hoe ver lag de voorspelling van de werkelijkheid?” Vanuit het nauwkeurigheidsperspectief wordt de vraag gesteld: “Hoe dicht lag de voorspelling bij de werkelijkheid?” Beide zijn geldig, maar foutstatistieken bieden meer informatie. […]
      • Het gebruik van belangrijke prestatievoorspellingen om het voorraadbeleid te plannen
        Ik kan me niet voorstellen dat ik een voorraadplanner ben op het gebied van reserveonderdelen, distributie of productie en dat ik veiligheidsvoorraden, bestelpunten en bestelsuggesties moet creëren zonder gebruik te maken van belangrijke prestatievoorspellingen van serviceniveaus, opvullingspercentages en voorraadkosten. […]

        Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

        • Belangrijkste verschillen tussen voorraadplanning voor eindproducten en voor MRO en reserveonderdelenBelangrijkste verschillen tussen voorraadplanning voor eindproducten en voor MRO en reserveonderdelen
          In het huidige competitieve zakelijke landschap zijn bedrijven voortdurend op zoek naar manieren om hun operationele efficiëntie te verbeteren en meer inkomsten te genereren. Het optimaliseren van het beheer van serviceonderdelen is een vaak over het hoofd gezien aspect dat een aanzienlijke financiële impact kan hebben. Bedrijven kunnen de algehele efficiëntie verbeteren en aanzienlijke financiële opbrengsten genereren door de voorraad reserveonderdelen effectief te beheren. Dit artikel gaat in op de economische implicaties van geoptimaliseerd beheer van serviceonderdelen en hoe investeren in software voor voorraadoptimalisatie en vraagplanning een concurrentievoordeel kan opleveren. […]
        • Centrering Act Reserveonderdelen Timing Prijzen en betrouwbaarheidCentreringswet: timing, prijzen en betrouwbaarheid van reserveonderdelen
          In dit artikel begeleiden we u bij het opstellen van een voorraadplan voor reserveonderdelen, waarbij prioriteit wordt gegeven aan beschikbaarheidsstatistieken zoals serviceniveaus en vulpercentages, terwijl de kostenefficiëntie wordt gewaarborgd. We zullen ons concentreren op een benadering van voorraadplanning genaamd Service Level-Driven Inventory Optimization. Vervolgens bespreken we hoe u kunt bepalen welke onderdelen u in uw inventaris moet opnemen en welke onderdelen mogelijk niet nodig zijn. Ten slotte onderzoeken we manieren om uw op serviceniveau gebaseerde voorraadplan consistent te verbeteren. […]
        • 5 stappen om de financiële impact van reserveonderdelenplanning te verbeteren5 stappen om de financiële impact van reserveonderdelenplanning te verbeteren
          In het huidige competitieve zakelijke landschap zijn bedrijven voortdurend op zoek naar manieren om hun operationele efficiëntie te verbeteren en meer inkomsten te genereren. Het optimaliseren van het beheer van serviceonderdelen is een vaak over het hoofd gezien aspect dat een aanzienlijke financiële impact kan hebben. Bedrijven kunnen de algehele efficiëntie verbeteren en aanzienlijke financiële opbrengsten genereren door de voorraad reserveonderdelen effectief te beheren. Dit artikel gaat in op de economische implicaties van geoptimaliseerd beheer van serviceonderdelen en hoe investeren in software voor voorraadoptimalisatie en vraagplanning een concurrentievoordeel kan opleveren. […]
        • Bottom Line-strategieën voor planningssoftware voor reserveonderdelenBottom Line-strategieën voor de planning van reserveonderdelen
          Het beheer van reserveonderdelen brengt tal van uitdagingen met zich mee, zoals onverwachte storingen, veranderende schema's en inconsistente vraagpatronen. Traditionele prognosemethoden en handmatige benaderingen zijn niet effectief in het omgaan met deze complexiteit. Om deze uitdagingen het hoofd te bieden, schetst deze blog de belangrijkste strategieën die prioriteit geven aan serviceniveaus, probabilistische methoden gebruiken om bestelpunten te berekenen, het voorraadbeleid regelmatig aanpassen en een speciaal planningsproces implementeren om overmatige voorraad te voorkomen. Verken deze strategieën om de inventaris van reserveonderdelen te optimaliseren en de operationele efficiëntie te verbeteren. […]

          Veiligheidsvoorraad inschatten

          De slimme voorspeller

          Het nastreven van best practices op het gebied van vraagplanning,

          prognoses en voorraadoptimalisatie

          In mijn vorige post in deze serie over essentiële concepten, “Wat is 'Een goede voorspelling'”besprak ik de basisinspanning om de meest waarschijnlijke toekomst te ontdekken in een scenario voor vraagplanning. Ik definieerde een goede voorspelling als een die onbevooroordeeld en zo nauwkeurig mogelijk is. Maar ik waarschuwde ook dat, afhankelijk van de stabiliteit of volatiliteit van de gegevens waarmee we moeten werken, er nog steeds enige onnauwkeurigheid kan zijn in zelfs een goede voorspelling. De sleutel is om inzicht te hebben in hoeveel.

          Dit onderwerp, omgaan met onzekerheid, is het onderwerp van een bericht van mijn collega Tom Willemain, “Het gemiddelde is niet het antwoord”. Zijn post legt de theorie uiteen om op verantwoorde wijze de grenzen van ons voorspellende vermogen te confronteren. Het is belangrijk om te begrijpen hoe dit echt werkt.

          Zoals ik aan het einde van mijn vorige bericht kort aanstipte, begint onze aanpak met iets dat een "glijdende simulatie" wordt genoemd. We schatten hoe nauwkeurig we de toekomst voorspellen door onze voorspellingstechnieken te gebruiken op een ouder deel van de geschiedenis, waarbij we de meest recente gegevens uitsluiten. We kunnen dan wat we zouden hebben voorspeld voor het recente verleden vergelijken met onze werkelijke informatie over wat er is gebeurd. Dit is een betrouwbare methode om in te schatten hoe nauwkeurig we de toekomstige vraag voorspellen.

          Veiligheidsvoorraad, een zorgvuldig gemeten buffer in voorraadniveau die we in voorraad hebben boven onze voorspelling van de meest waarschijnlijke vraag, is afgeleid van de schatting van de voorspellingsfout die voortkomt uit de "glijdende simulatie". Deze aanpak om met de nauwkeurigheid van onze prognoses om te gaan, balanceert efficiënt tussen het negeren van de dreiging van onvoorspelbare en kostbare overcompensatie.

          In meer technische details: de prognosefouten die worden geschat door dit glijdende simulatieproces geven het niveau van onzekerheid aan. We gebruiken deze fouten om de standaarddeviatie van de prognoses te schatten. Nu, met een regelmatige vraag, kunnen we aannemen dat de voorspellingen (die schattingen zijn van toekomstig gedrag) het beste worden weergegeven door een klokvormige kansverdeling - wat statistici de "normale verdeling" noemen. Het centrum van die verdeling is onze puntvoorspelling. De breedte van die verdeling is de standaarddeviatie van de "glijdende simulatie"-voorspelling van de bekende werkelijke waarden - we halen dit rechtstreeks uit onze schattingen van de voorspellingsfout.

          Zodra we de specifieke klokvormige curve kennen die bij de voorspelling hoort, kunnen we eenvoudig de benodigde veiligheidsvoorraadbuffer inschatten. De enige input van ons is het “serviceniveau” dat gewenst is en de veiligheidsvoorraad op dat serviceniveau kan worden bepaald. (Het serviceniveau is in wezen een maatstaf van hoe zeker we moeten zijn van onze voorraadniveaus, waarbij een groeiend vertrouwen corresponderende uitgaven voor extra voorraad vereist.) Let op, we gaan ervan uit dat de juiste verdeling die moet worden gebruikt de normale verdeling is. Dit is correct voor de meeste vraagreeksen waar u een regelmatige vraag per periode heeft. Het mislukt wanneer de vraag sporadisch of met tussenpozen is.

          In het volgende stuk in deze serie zal ik bespreken hoe Smart Forecasts omgaat met het schatten van de veiligheidsvoorraad in die gevallen van intermitterende vraag, wanneer de veronderstelling van normaliteit onjuist is.

          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.

          Laat een reactie achter

          gerelateerde berichten

          Je moet samenwerken met de algoritmen

          Je moet samenwerken met de algoritmen

          Dit artikel gaat over de echte kracht die voortkomt uit de samenwerking tussen u en onze software die binnen handbereik plaatsvindt. We schrijven vaak over de software zelf en wat er ‘onder de motorkap’ gebeurt. Deze keer is het onderwerp hoe je het beste met de software kunt samenwerken.

          Beantwoord de precisie van het pronóstico: een precisie-cambio met de meetmetrieken

          Beantwoord de precisie van het pronóstico: een precisie-cambio met de meetmetrieken

          Het meten van de nauwkeurigheid van prognoses is een onmiskenbaar belangrijk onderdeel van het vraagplanningsproces. Deze voorspellingsscorekaart zou kunnen worden opgebouwd op basis van een van de twee contrasterende gezichtspunten voor het berekenen van metrieken. Vanuit het foutperspectief wordt de vraag gesteld: “Hoe ver lag de voorspelling van de werkelijkheid?” Vanuit het nauwkeurigheidsperspectief wordt de vraag gesteld: “Hoe dicht lag de voorspelling bij de werkelijkheid?” Beide zijn geldig, maar foutstatistieken bieden meer informatie.

          Elk voorspellingsmodel is goed waarvoor het is ontworpen

          Elk voorspellingsmodel is goed waarvoor het is ontworpen

          Met zoveel hype rond nieuwe Machine Learning (ML) en probabilistische voorspellingsmethoden lijken de traditionele “extrapolatieve” of “tijdreeksen” statistische voorspellingsmethoden de koude schouder te krijgen. Het is echter de moeite waard om te onthouden dat deze traditionele technieken (zoals enkele en dubbele exponentiële afvlakking, lineaire en eenvoudige voortschrijdende middeling, en Winters-modellen voor seizoensitems) vaak behoorlijk goed werken voor gegevens met een groter volume. Elke methode is goed voor waarvoor deze is ontworpen. Pas ze allemaal op de juiste manier toe, bijvoorbeeld: neem geen mes mee naar een vuurgevecht en gebruik geen drilboor als een eenvoudige handhamer voldoende is.

          recente berichten

          • Waarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwenWaarom voorraadplanning niet uitsluitend op eenvoudige vuistregels mag vertrouwen
            Voor te veel bedrijven wordt een cruciaal stukje data-feitenonderzoek – het meten van vraagonzekerheid – afgehandeld met eenvoudige maar onnauwkeurige vuistregels. Vraagplanners berekenen bijvoorbeeld vaak de veiligheidsvoorraad op basis van een door de gebruiker gedefinieerd veelvoud van de voorspelling of het historische gemiddelde. Of ze kunnen hun ERP configureren om meer te bestellen wanneer de beschikbare voorraad gedurende de doorlooptijd twee keer de gemiddelde vraag bereikt voor belangrijke artikelen en 1,5 keer voor minder belangrijke artikelen. Dit is een grote fout met kostbare gevolgen. […]
          • Direct naar het brein van de baas - InventarisanalyseRechtstreeks naar het brein van de baas – voorraadanalyse en rapportage
            In deze blog wordt de software in de schijnwerpers gezet die rapporten voor het management maakt, de stille held die de schoonheid van furieuze berekeningen vertaalt naar bruikbare rapporten. Kijk hoe de berekeningen, op ingewikkelde wijze begeleid door planners die onze software gebruiken, naadloos samenkomen in Smart Operational Analytics (SOA)-rapporten, waarbij vijf belangrijke gebieden worden verdeeld: voorraadanalyse, voorraadprestaties, voorraadtrends, leveranciersprestaties en vraagafwijkingen. […]
          • U moet samenwerken met de algoritmen voor voorraadbeheerJe moet samenwerken met de algoritmen
            Dit artikel gaat over de echte kracht die voortkomt uit de samenwerking tussen u en onze software die binnen handbereik plaatsvindt. We schrijven vaak over de software zelf en wat er ‘onder de motorkap’ gebeurt. Deze keer is het onderwerp hoe je het beste met de software kunt samenwerken. […]
          • Heroverweging van de nauwkeurigheid van prognoses, een verschuiving van nauwkeurigheid naar foutstatistiekenBeantwoord de precisie van het pronóstico: een precisie-cambio met de meetmetrieken
            Het meten van de nauwkeurigheid van prognoses is een onmiskenbaar belangrijk onderdeel van het vraagplanningsproces. Deze voorspellingsscorekaart zou kunnen worden opgebouwd op basis van een van de twee contrasterende gezichtspunten voor het berekenen van metrieken. Vanuit het foutperspectief wordt de vraag gesteld: “Hoe ver lag de voorspelling van de werkelijkheid?” Vanuit het nauwkeurigheidsperspectief wordt de vraag gesteld: “Hoe dicht lag de voorspelling bij de werkelijkheid?” Beide zijn geldig, maar foutstatistieken bieden meer informatie. […]
          • Het gebruik van belangrijke prestatievoorspellingen om het voorraadbeleid te plannen
            Ik kan me niet voorstellen dat ik een voorraadplanner ben op het gebied van reserveonderdelen, distributie of productie en dat ik veiligheidsvoorraden, bestelpunten en bestelsuggesties moet creëren zonder gebruik te maken van belangrijke prestatievoorspellingen van serviceniveaus, opvullingspercentages en voorraadkosten. […]

            Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

            • Belangrijkste verschillen tussen voorraadplanning voor eindproducten en voor MRO en reserveonderdelenBelangrijkste verschillen tussen voorraadplanning voor eindproducten en voor MRO en reserveonderdelen
              In het huidige competitieve zakelijke landschap zijn bedrijven voortdurend op zoek naar manieren om hun operationele efficiëntie te verbeteren en meer inkomsten te genereren. Het optimaliseren van het beheer van serviceonderdelen is een vaak over het hoofd gezien aspect dat een aanzienlijke financiële impact kan hebben. Bedrijven kunnen de algehele efficiëntie verbeteren en aanzienlijke financiële opbrengsten genereren door de voorraad reserveonderdelen effectief te beheren. Dit artikel gaat in op de economische implicaties van geoptimaliseerd beheer van serviceonderdelen en hoe investeren in software voor voorraadoptimalisatie en vraagplanning een concurrentievoordeel kan opleveren. […]
            • Centrering Act Reserveonderdelen Timing Prijzen en betrouwbaarheidCentreringswet: timing, prijzen en betrouwbaarheid van reserveonderdelen
              In dit artikel begeleiden we u bij het opstellen van een voorraadplan voor reserveonderdelen, waarbij prioriteit wordt gegeven aan beschikbaarheidsstatistieken zoals serviceniveaus en vulpercentages, terwijl de kostenefficiëntie wordt gewaarborgd. We zullen ons concentreren op een benadering van voorraadplanning genaamd Service Level-Driven Inventory Optimization. Vervolgens bespreken we hoe u kunt bepalen welke onderdelen u in uw inventaris moet opnemen en welke onderdelen mogelijk niet nodig zijn. Ten slotte onderzoeken we manieren om uw op serviceniveau gebaseerde voorraadplan consistent te verbeteren. […]
            • 5 stappen om de financiële impact van reserveonderdelenplanning te verbeteren5 stappen om de financiële impact van reserveonderdelenplanning te verbeteren
              In het huidige competitieve zakelijke landschap zijn bedrijven voortdurend op zoek naar manieren om hun operationele efficiëntie te verbeteren en meer inkomsten te genereren. Het optimaliseren van het beheer van serviceonderdelen is een vaak over het hoofd gezien aspect dat een aanzienlijke financiële impact kan hebben. Bedrijven kunnen de algehele efficiëntie verbeteren en aanzienlijke financiële opbrengsten genereren door de voorraad reserveonderdelen effectief te beheren. Dit artikel gaat in op de economische implicaties van geoptimaliseerd beheer van serviceonderdelen en hoe investeren in software voor voorraadoptimalisatie en vraagplanning een concurrentievoordeel kan opleveren. […]
            • Bottom Line-strategieën voor planningssoftware voor reserveonderdelenBottom Line-strategieën voor de planning van reserveonderdelen
              Het beheer van reserveonderdelen brengt tal van uitdagingen met zich mee, zoals onverwachte storingen, veranderende schema's en inconsistente vraagpatronen. Traditionele prognosemethoden en handmatige benaderingen zijn niet effectief in het omgaan met deze complexiteit. Om deze uitdagingen het hoofd te bieden, schetst deze blog de belangrijkste strategieën die prioriteit geven aan serviceniveaus, probabilistische methoden gebruiken om bestelpunten te berekenen, het voorraadbeleid regelmatig aanpassen en een speciaal planningsproces implementeren om overmatige voorraad te voorkomen. Verken deze strategieën om de inventaris van reserveonderdelen te optimaliseren en de operationele efficiëntie te verbeteren. […]

              Smart Software wint drie Supply Chain Awards voor 2013
              Supply & Demand Chain Executive en Inbound Logistics kiezen opnieuw voor Smart Software voor Top 100 Lijsten en Executive Recognition Belmont, massa., 16 juli 2013 – Smart Software, Inc., leverancier van toonaangevende oplossingen voor vraagvoorspelling, planning en voorraadoptimalisatie, heeft vandaag aangekondigd dat drie publicaties over de toeleveringsketen het bedrijf en zijn president opnieuw hebben erkend als leiders in de toeleveringsketen. Smart is geselecteerd door Supply & Demand Chain Executive en Inbound logistiek respectievelijk voor het achtste en negende jaar op hun "Top 100" -lijsten staan. In aanvulling, Supply & Demand Chain Executive koos ook de president en CEO van Smart, Nelson Hartunian, als een "Provider Pro to Know". De competitieve prijzen erkennen Smart Software als een leider in de niche van supply chain planning-software en benadrukken de sterke punten van het bedrijf op het gebied van technische innovatie en het vermogen om te voldoen aan de behoeften van klanten op het gebied van prognose- en vraagplanningoplossingen. Supply & Demand Chain Executive 100 Supply & Demand Chain Executive magazine koos Smart Software uit meer dan 300 inzendingen voor zijn jaarlijkse "Supply & Demand Chain Executive 100", aangekondigd op 13 mei en gepubliceerd in de uitgave van juni 2013. De 2013 Supply & Demand Chain Executive 100 zijn supply chain-oplossingen en dienstverleners die hun klanten helpen om supply chain excellence te bereiken. Ze hebben meetbare ROI-winst opgeleverd door kostenbesparingen en verhoogde efficiëntie in de prognose- en vraagplanningsketen. "De opname van Smart Software in de "100"-lijst van dit jaar erkent zijn leiderschap als leverancier van oplossingen en diensten bij het ondersteunen van de Supply Chain-functie en supply chain-executives terwijl uw klanten op weg zijn naar supply chain-excellentie", aldus Barry Hochfelder, redacteur, Supply & Demand Chain Executive. Top 100 logistieke IT-providers In de uitgave van april 2013 Inbound logistiek' redactie erkende 100 logistieke IT-bedrijven die logistieke uitmuntendheid ondersteunen en mogelijk maken. Gekozen uit meer dan 300 bedrijven, tonen de geselecteerde "Top 100 logistieke IT-providers" leiderschap door te beantwoorden aan de behoeften van lezers van Inbound Logistics aan schaalbaarheid, eenvoud, snelle ROI en gemakkelijke implementatie. “Inbound Logistics-redacteuren hebben 100 logistieke technologiebedrijven geselecteerd die logistiek en supply chain-excellentie mogelijk maken. Smart Software werd erkend door Inbound Logistics voor het leiden van de weg in 2013 en het positioneren van ondernemingen voor de komende jaren.” zei Felicia Stratton, redacteur van Inbound logistiek. “Smart Software blinkt uit in het leveren van oplossingen die supply chain excellence stimuleren en beantwoorden aan de behoefte van IL-lezers aan eenvoud, ROI en efficiënte implementatie. Inbound Logistics is er trots op Smart Software te eren voor het blijven bieden van onze lezers oplossingen die logistiek en supply chain excellence optimaliseren.” Aanbieder Voordelen om te weten President en CEO, Dr. Nelson Hartunian, is verkozen tot "2013 Provider Pro to Know". Supply & Demand Chain Executive magazine in de uitgave van februari/maart 2013. De jaarlijkse lijst van Provider Pros to Know van deze gerespecteerde publicatie erkent een selecte groep individuen, en Dr. Hartunian, een pionier in het ontwikkelen van voorraadoptimalisatietechnieken voor intermitterende vraag, werd gekozen uit meer dan 400 inzendingen. "Degenen die werken aan het overwinnen van supply chain-uitdagingen en tegelijkertijd de wereldwijde supply chain laten groeien, moeten de erkenning krijgen die ze verdienen voor hun prestaties", aldus Barry Hochfelder, redacteur, Supply & Demand Chain Executive. “Nu in zijn 13e jaar, de Supply & Demand Chain Executive "Pros to Know"-awards erkennen beide uiteinden van de toeleveringsketen. Dit omvat het eren van personen van softwarebedrijven, serviceproviders, adviesbureaus of de academische wereld die hun supply chain-klanten of de supply chain-gemeenschap hebben geholpen zich voor te bereiden op uitdagingen in de industrie. "We werken ijverig samen met onze klanten om hun vraagplanningsdoelen te bereiken", aldus Dr. Hartunian. “Onze klanten hebben ontdekt dat een betere planning van de vraag, met behulp van SmartForecasts, een cruciaal strategisch element is geworden voor het verbeteren van hun activiteiten en de productiviteit van hun toeleveringsketen. Terwijl velen in eerste instantie SmartForecasts kopen® om tactische doelen te bereiken, ontdekken ze snel strategische voordelen. Meer specifiek verbetert de mogelijkheid om hun voorraadniveaus nauwkeurig te voorspellen en in te schatten hun relaties met zowel klanten als leveranciers, vooral wanneer hun voorraden veel intermitterende vraag ervaren. Over Smart Software, Inc. Smart Software, Inc., opgericht in 1981, is een toonaangevende leverancier van ondernemingsbrede oplossingen voor vraagvoorspelling, planning en voorraadoptimalisatie. Het paradepaardje van Smart Software, SmartForecasts, heeft wereldwijd duizenden gebruikers, waaronder klanten van middelgrote ondernemingen en Fortune 500-bedrijven, zoals Abbott Laboratories, Metro-North Railroad, Siemens, Disney, Nestle, Nikon, GE en The Coca-Cola Company . Smart Software heeft zijn hoofdkantoor in Belmont, Massachusetts en is online te vinden op www.smartsoftware.wpengine.com . SmartForecasts is een geregistreerd handelsmerk van Smart Software, Inc. Alle andere handelsmerken zijn het eigendom van hun respectievelijke eigenaars.
              Neem voor meer informatie contact op met Smart Software, Inc., Four Hill Road, Belmont, MA 02478. Telefoon: 1-800-SMART-99 (800-762-7899); FAXEN: 1-617-489-2748; E-mailadres: info@smartsoftware.wpengine.com  
              Slimme software om de doorvoer van New Jersey te helpen de voorraadplanning en de beschikbaarheid van serviceonderdelen te verbeteren

              Belmont, Massachusetts, 13 juni 2013 – Smart Software, Inc., leverancier van toonaangevende oplossingen voor vraagvoorspelling, planning en voorraadoptimalisatie, heeft vandaag aangekondigd dat New Jersey Transit (NJT) het vlaggenschipproduct van Smart, SmartForecasts, heeft gekocht®, voor haar spoor- en busactiviteiten als onderdeel van een bedrijfsbreed programma voor serviceverbetering en voorraadvermindering. NJT is de op twee na grootste aanbieder van bus-, spoor- en lightrailvervoer van het land en verbindt belangrijke punten in New Jersey, New York en Philadelphia.

              NJT zal SmartForecasts gebruiken om het verbruik van onderdelen en de benodigde voorraadvoorraad te voorspellen voor zijn 40.000 actieve reserve- en serviceonderdelen, ter waarde van meer dan $100 miljoen. Een groot deel van de voorraad van NJT heeft te maken met een grillige, intermitterende vraag die bijzonder moeilijk te voorspellen is en kan leiden tot een aanzienlijke over- en onderbevoorrading van kritieke onderdelen. De eerste resultaten met SmartForecasts wijzen op het potentieel voor substantiële besparingen en verbeteringen in het serviceniveau, zodra de volledige implementatie is voltooid.

              Smart Software zal het NJT-project in twee fasen uitvoeren. De eerste fase zal zich richten op het gebruik van SmartForecasts om onmiddellijke voordelen op korte termijn voor belangrijke groepen onderdelen te identificeren, en om de waarschijnlijke voordelen op lange termijn voor NJT te meten. In de tweede fase wordt SmartForecasts geïntegreerd in de dagelijkse planningsomgeving van New Jersey Transit.

              SmartForecasts biedt unieke, gepatenteerde statistische oplossingen voor het voorspellen van een intermitterende vraag, een bijzonder uitdagend aspect van het beheer van serviceonderdelen, evenals een complete suite van geautomatiseerde prognose- en planningsmethodologieën. Door automatisch de juiste methode voor elk onderdeel te identificeren, kan SmartForecasts de hoeveelheid voorraad die nodig is om aan een bepaald serviceniveau te voldoen, aanzienlijk verminderen.

              "We hebben verschillende zeer sterke successen behaald door transportsystemen te helpen hun onderdelenvoorraadplanning te verbeteren en hun klanten betere service te bieden met een betere beschikbaarheid van onderdelen", aldus Nelson Hartunian, CEO van Smart Software. “Organisaties zoals New Jersey Transit zoeken naar manieren om hen te helpen hun kosten te verlagen zonder de klantenservice negatief te beïnvloeden. Nu het aantal passagiers toeneemt, wordt dit steeds belangrijker. We kijken ernaar uit om NJT te helpen zijn doelen te bereiken.”

              Over de doorvoer van New Jersey
              NJ TRANSIT is het openbaarvervoerbedrijf van New Jersey. Haar missie is om veilige, betrouwbare, handige en kosteneffectieve vervoersdiensten te bieden met een bekwaam team van medewerkers, toegewijd aan de behoeften van onze klanten en toegewijd aan uitmuntendheid. Met een servicegebied van 5.325 vierkante mijl is NJ Transit de op twee na grootste aanbieder van bus-, spoor- en lightrailvervoer van het land, die belangrijke punten in New Jersey, New York en Philadelphia met elkaar verbindt. Het bureau exploiteert een vloot van 2.027 bussen, 711 treinen en 45 lightrailvoertuigen. Op 236 busroutes en 11 spoorlijnen over de hele staat verzorgt NJ Transit jaarlijks bijna 223 miljoen passagiersreizen. Daarnaast biedt het bureau ondersteuning en uitrusting aan particuliere contractbusvervoerders. Klik voor meer informatie over NJ Transit hier.

              Over Smart Software, Inc.
              Smart Software, Inc., opgericht in 1981, is een toonaangevende leverancier van ondernemingsbrede oplossingen voor vraagvoorspelling, planning en voorraadoptimalisatie. Het paradepaardje van Smart Software, SmartForecasts, heeft wereldwijd duizenden gebruikers, waaronder klanten van middelgrote ondernemingen en Fortune 500-bedrijven, zoals Abbott Laboratories, Metro-North Railroad, Siemens, Disney, Nestle, Nikon, GE en The Coca-Cola Company . Smart Software heeft zijn hoofdkantoor in Belmont, Massachusetts en is online te vinden op www.smartsoftware.wpengine.com .

              SmartForecasts is een geregistreerd handelsmerk van Smart Software, Inc. Alle andere handelsmerken zijn het eigendom van hun respectievelijke eigenaars.


              Neem voor meer informatie contact op met Smart Software, Inc., Four Hill Road, Belmont, MA 02478.
              Telefoon: 1-800-SMART-99 (800-762-7899); FAXEN: 1-617-489-2748; E-mailadres: info@smartsoftware.wpengine.com