We komen vaak in contact met potentiële klanten die beweren dat ze geen prognosesysteem kunnen gebruiken omdat ze een "build-to-order" productiebedrijf zijn. Ik vind dit een raadselachtig perspectief, want wat deze organisaties ook bouwen, er zijn grondstoffen of tussenproducten van een lager niveau nodig. Als die invoer op een lager niveau niet beschikbaar is wanneer een bestelling voor het afgewerkte product wordt ontvangen, kan de bestelling niet worden gebouwd. Bijgevolg kan de bestelling worden geannuleerd en de bijbehorende inkomsten verloren gaan.

Ik ben het ermee eens dat in een dergelijke omgeving het voorspellen van het eindproduct niet altijd mogelijk of bijzonder nuttig is. Soms is het nuttig, maar niet voldoende. Het is in ieder geval van cruciaal belang om ervoor te zorgen dat de onderliggende grondstoffen en halffabrikaten die in het eindproduct gaan, beschikbaar zijn. De vraag ernaar kan zeker worden voorspeld.

Het doel van de organisatie zou zijn om voorraden op serviceniveau aan te houden voor deze tussenproducten die hoog maar niet onbetaalbaar zijn. Planners zullen optimale voorraadniveaus voor deze materialen moeten instellen, waarbij ze de serviceniveau-eisen afwegen tegen het beschikbare budget. Aangezien een bepaald tussenproduct kan dienen als input voor meer dan één gereed product, zou de volatiliteit van de vraag naar het tussenproduct kleiner zijn dan de volatiliteit van de vraag naar een specifiek gereed product. Daarom zouden de veiligheidsvoorraden die nodig zijn om voorraden van halffabrikaten op hoog serviceniveau aan te houden relatief mager zijn.

Drie bedrijven, alle gebruikers van SmartForecasts, dienen als interessante voorbeelden. Het eerste is een chemiebedrijf, Bedoukian Research, dat voor verschillende opdrachtgevers chemicaliën op maat maakt. Elk van deze "gereed product" is een unieke combinatie van tussenliggende chemische verbindingen. Bedoukian begint zijn vraagplanning met een prognose voor gereed product, die het productieschema en de toewijzing van essentiële productiemiddelen bepaalt. Dit vereist een behoorlijk beoordelingsvermogen, aangezien de vraag naar afgewerkte goederen dynamisch verandert.

Zodra deze afgewerkte goede prognoses zijn gemaakt, kan de behoefte aan grondstoffen worden geschat via een stuklijstdesaggregatie. Bedoukian combineert deze resultaten met veiligheidsvoorraadschattingen, gebaseerd op werkelijke bezettingsgraden en te behalen serviceniveaudoelstellingen, om de volledige, serviceniveaugestuurde prognose voor grondstoffen te genereren. Hierdoor kan Bedoukian aan zijn productie-eisen voldoen met aanzienlijk minder voorraad.

Het tweede bedrijf vervaardigt de interne componenten voor mobiele telefoons, waarbij eindproducten gespecialiseerde combinaties van deze componenten zijn. Een bestelling kan bijvoorbeeld een bepaald aantal telefoons vereisen met unieke labels op de hoes. Dit is het eindproduct voor deze bestelling. Alles wat in die volgorde komt, behalve het label, is opgebouwd uit standaardcomponenten. Nogmaals, SmartForecasts zal worden gebruikt om gestroomlijnde voorraden van de componenten op hoog serviceniveau bij te houden. Dit bedrijf dacht dat de enige manier om componentenvoorraden te beheren, was door middel van aggregaties van stuklijsten. Ze kijken nu naar de werkelijke bezettingsgraad van de componenten en stellen veel kleinere voorraden vast terwijl ze een hoge beschikbaarheid van componenten behouden.

Een derde bedrijf, NKK Switches, verkende dit onderwerp in hun recente webinar (zie Gastblogpost van CFO Bud Schultz), beschouwden hun producten als "onvoorspelbaar". U kunt er hieronder meer over lezen, maar over het algemeen was NKK Switches in staat om componenten en zinvolle aggregaties van productfamilies te voorspellen. Door prognoses versus werkelijke waarden gedurende meerdere maanden bij te houden, kon NKK de nauwkeurigheid van zijn prognoses aan zijn Aziatische fabrieksleveranciers aantonen en hen overtuigen om over te stappen van een "build-to-order"-model naar "build-to-forecast". Deze verandering heeft geresulteerd in een drastische verkorting van de doorlooptijden, in veel gevallen zelfs gehalveerd, waardoor de klanttevredenheid en het algehele verkooppercentage zijn toegenomen.

Waar het hier op neerkomt, is dat er een volkomen levensvatbare – ik zou zeggen essentiële – methode voor vraagvoorspelling voor op bestelling gemaakte bedrijven bestaat, waarbij hoge serviceniveaus worden vastgesteld voor essentiële inputbronnen. Als je meer wilt weten, stuur me dan een berichtje, op nelsonh op smartcorp dot com.

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.

Heeft uw uitgebreide toeleveringsketen last van extreme seizoensvariabiliteit? Vormt deze situatie een uitdaging voor uw vermogen om te voldoen aan de serviceniveauverplichtingen aan uw klanten? Ik heb hiermee geworsteld bij Rev-A-Shelf, waarbij ik me bezig hield met ongebruikelijke omstandigheden die zijn gecreëerd door Chinees Nieuwjaar en andere wereldwijde evenementen, en ik wil graag de ervaring en een paar dingen die ik onderweg heb geleerd delen.

Laat me eerst onze situatie uitleggen. We importeren 60% van de onderdelen die we gebruiken om onze keuken- en badaccessoires te bouwen uit China en Europa. Het grootste deel van het jaar waren we in staat om onze voorraadbehoeften te plannen met behulp van een op spreadsheets gebaseerde min/max-aanpak. Maar niet tijdens Chinees Nieuwjaar, dat de grootste jaarlijkse bevolkingsmigratie van de planeet veroorzaakt. Chinees Nieuwjaar legt de productie tot twee maanden stil, wat een aanzienlijk leveringsrisico met zich meebrengt terwijl we ernaar streven om onze driedaagse orderafhandelingsverplichting na te komen.

We hebben ons probleem opgelost door statistische vraagprognoses te introduceren met de flexibiliteit om doorlooptijden te verlengen indien nodig, de mogelijkheid om op betrouwbare wijze veiligheidsvoorraden aan te leggen die onze vereiste serviceniveaus bereiken en een continu rapportagesysteem waarmee iedereen precies weet waar we aan toe zijn. Voor succes was echter veel meer nodig dan een nieuw stuk software. We moesten de manier veranderen waarop we naar de toekomstige vraag, het aanbodrisico en de veiligheidsvoorraad kijken. Hier zijn een paar belangrijke dingen die we hebben gedaan die het verschil hebben gemaakt.

Stakeholdereducatie en buy-in

Ongeacht het project is het altijd het beste om de buy-in van alle belanghebbenden in te schakelen. We wisten dat we iets moesten doen om ons probleem op te lossen, maar er was zeker weerstand. Senior managers hadden bijvoorbeeld een gezond wantrouwen tegen software ontwikkeld en vroegen zich af of vraagvoorspellingssoftware zou kunnen helpen. Onze inkopers hadden hun eigen perspectieven en inkoopmethoden ontwikkeld en voelden zich persoonlijk in gevaar toen we nieuwe benaderingen overwoog.

Mensen kwamen langs toen ze een gemeenschappelijk begrip van het probleem ontwikkelden en hoe we het zouden aanpakken. Onderwijs was een groot deel van de oplossing. We hebben uitgelegd hoe prognoses werken en de belangrijkste factoren die we allemaal moeten begrijpen: hoe trends te analyseren, hoe 'wat als'-scenario's te gebruiken, de impact van veranderende doorlooptijden, hoe serviceniveaus te relateren aan leveringsrisico en veiligheidsvoorraad en belangrijke prestatie-indicatoren zoals voorraad draait. Door dit proces samen te doorlopen, werden we allemaal belanghebbenden bij de oplossing.

Gebruik de juiste software

Wanneer u veel onderdeelnummers en enige vorm van vraag- of aanbodvariabiliteit heeft, kunt u gewoon niet effectief voorspellen met een spreadsheet. Met ons min/max-voorspellingssysteem waren we van plan een gemiddelde te nemen, en het werkte niet. Gemiddeld gebruik heeft inherente gebreken voor planningsdoeleinden - het is altijd achterom kijken!

U hebt software nodig die vooruitkijkt, seizoenspatronen herkent en u in staat stelt te bepalen hoeveel voorraad u nodig heeft om aan de vereiste serviceniveaus te voldoen gedurende verschillende doorlooptijden.

Processen verfijnen

Als de oude manieren niet werken, moet je openstaan voor het aanpassen van je aannames. Denk minder na over waar je bent geweest en meer over waar je wilt zijn. Bekijk uw doorlooptijden en plan uw gewenste serviceniveau in. De geschiedenis van vorig jaar is misschien niet de beste voorspeller van de vraag van dit jaar. Dezelfde prognosehorizon is mogelijk niet geschikt voor alle producten of een bepaalde tijd van het jaar.

Maak de prognose uitvoerbaar

Het is niet voldoende om een nauwkeurige prognose en geschatte voorraadniveaus te produceren. Je moet een manier ontwikkelen om de informatie bruikbaar te maken voor degenen die ermee belast zijn. We hebben een reeks rapporten ontwikkeld waarmee kopers betere prognose- en veiligheidsvoorraadinformatie konden gebruiken. Nu, aan het einde van elke maand, produceren we een prognoserapport dat een duidelijk beeld geeft van de huidige voorraad, veiligheidsvoorraad, gebruik in het verleden, voorspeld gebruik, inkomende leveringen (PO's) en aanbevolen bestelhoeveelheden.

Resultaten valideren

U kunt, en dat hebben we gedaan, onze nieuwe methoden testen aan de hand van onze eigen vraaggeschiedenis. Toch kan een gezaghebbende buitenstaander acceptatie gemakkelijker maken. We hebben een onderzoek laten uitvoeren door een professor aan de Louisville University's College of Business, die een van haar afgestudeerde studenten aan het werk zette. Door hen konden we versterken wat we zagen gebeuren met onze resultaten, en we voelden ons comfortabel dat we op de goede weg waren.

Al deze factoren hielpen Rev-A-Shelf om zijn vraagplanningsproces met groot succes te transformeren. Vandaag overtreffen we onze doelstellingen op het gebied van serviceniveau en onze opvullingsgraad, gebaseerd op een driedaagse scheepscyclus, vertoont een gestage verbetering en vertoont een stijgende lijn. Over het algemeen zijn de eenheden op voorraad gelijk gebleven, terwijl ze een stijging van de verkoop van 13% ondersteunden.

John Engelhardt is momenteel Director of Purchasing and Asian Operations voor Rev-a-Shelf, LLC in Louisville, KY. Hij heeft verschillende managementfuncties bekleed, zowel bij particuliere bedrijven als bij publieke organisaties. Bij Rev-A-Shelf bekleedde hij de functie van International Sales Manager en Director of Sales Support voordat hij zijn huidige functie op zich nam. Hij is te bereiken op johne op rev-a-shelf dot com.

Bud Schultz, CPA, Vice President of Finance voor NKK Switches, presenteerde de ervaring van zijn bedrijf met vraagplanning tijdens een recent webinar. Het volgende is een korte samenvatting van de belangrijkste punten van Bud; bekijk het volledige webinar door te klikken hier.

Vraag: Vertel ons over de zakelijke en vraagplanningsuitdagingen van NKK.

NKK Switches, gevestigd in Scottsdale, Arizona, is een toonaangevende fabrikant en leverancier van elektromechanische schakelaars. Het bedrijf omvat veel verschillende soorten schakelaars: schakelaars, drukknoppen, draaiknoppen en zelfs sommige programmeerbare soorten schakelaars. We staan bekend om onze hoge kwaliteit en om ons vermogen om te voldoen aan een uitzonderlijk breed scala aan klanteisen op een turnkey (custom configuratie) basis. NKK Switches produceert op maat gemaakte oplossingen van onderdelen die uitsluitend afkomstig zijn van productiefaciliteiten in Japan en China.

Er zijn letterlijk miljoenen mogelijke switchconfiguraties en we weten nooit welke geconfigureerde oplossingen onze klanten zullen bestellen. Dit maakt onze vraag zeer intermitterend en buitengewoon moeilijk te voorspellen. Sterker nog, tot voor kort beschouwden we onze vraag als onvoorspelbaar. We werkten op basis van build-to-order, wat betekende dat bestellingen van klanten pas konden worden uitgevoerd als hun onderdelen waren geproduceerd en vervolgens door NKK tot eindproducten waren verwerkt. Dit resulteerde in lange doorlooptijden, pijnlijk voor onze klanten en een competitieve uitdaging voor onze verkooporganisatie.

Vraag: Wat verwachtte u van een verbeterd product? eis voorspelling?

Toen we begonnen met het onderzoeken van de waarde van vraagvoorspellingssoftware (SmartForecasts van Smart Software), probeerden we de beslissing te bekijken vanuit het oogpunt van Return on Investment (ROI). We hebben wat kapitaalbudgettering gedaan, aannames gedaan over mogelijke verlagingen van voorraadniveaus, lagere voorraadkosten en andere potentiële besparingen. Hoewel de kapitaalbudgetten een positief investeringsrendement opleverden, konden we op basis van die informatie niet verder. We hadden geen vertrouwen in onze aannames en waren bang dat we de veiligheidsvoorraad en voorraadniveaus die de software zou suggereren niet zouden kunnen rechtvaardigen.

Wat we niet hadden verwacht, was een uitdaging van ons moederbedrijf. In het licht van de mogelijkheden van een nieuw geïmplementeerd ERP-systeem, zouden ze een nieuwe aanpak overwegen. Als we aantoonbaar betrouwbare vraagprognoses zouden kunnen maken, zouden ze overwegen om grondstoffen in te kopen en schakelcomponenten te produceren op basis van build-to-forecast in plaats van build-to-order. Dit opende de deur naar een veel diepere impact. We hebben de werkelijke cijfers gedurende een periode van twaalf maanden afgezet tegen de prognoses en ontdekten dat onze prognoses, met name in totaal, uitzonderlijk nauwkeurig waren: de werkelijke vraag lag binnen 3% van de prognose. Toen we eenmaal de geldigheid van onze prognoses konden bewijzen, konden we doorgaan met het plan van het moederbedrijf om producten te vervaardigen op basis van die prognoses.

V: Hoe hebben nauwkeurige prognoses van productlijnen met intermitterende vraaggegevens de activiteiten van NKK getransformeerd?

Van de vele verschillende combinaties die we op bestelling produceren, kunnen afzonderlijke onderdelen van schakelaars een zeer intermitterende vraag vertonen (lange periodes met nul bestellingen en dan schijnbaar willekeurige pieken), maar we kunnen meer consistente patronen in schakelaarreeksen identificeren. Alle onderdeelnummers in een bepaalde serie hebben gemeenschappelijke componenten en grondstoffen, zoals plastic behuizing, beugels en andere hardware, goud, zilver en LED's.

Door onze productiefaciliteiten te voorzien van betrouwbare prognoses, konden we ingrijpende veranderingen doorvoeren. Onze fabrieken zouden kunnen beginnen met het inkopen van grondstoffen die in totaal uiteindelijk zouden worden gebruikt bij de productie van verschillende onderdeelnummers binnen die serie, zelfs als de specifieke te produceren onderdeelnummers onbekend waren op het moment dat de prognoses werden gemaakt. En in veel gevallen was het, ondanks de onregelmatige vraaggeschiedenisgegevens, voor de leveranciers zelfs mogelijk om specifieke onderdeelnummers te produceren op basis van de prognose.

Zodra het programma volledig is geïmplementeerd, verwachten we dat onze doorlooptijden zullen worden teruggebracht tot de helft van de tijd of zelfs minder. Kortere doorlooptijden zullen resulteren in lagere bestelpunten, resulterend in hogere serviceniveaus terwijl we onze voorraadvereisten verminderen.

Bud Schultz leidt alle financiële en boekhoudkundige functies bij NKK. Zijn achtergrond als Certified Public Accountant, advocaat, ingenieur en piloot voor de Amerikaanse luchtmacht biedt een uniek perspectief op financiën voor technische en productieactiviteiten.