Hoe u kunt zien dat u niet echt een beleid voor voorraadplanning en -prognoses heeft

De slimme voorspeller

 Het nastreven van best practices op het gebied van vraagplanning,

prognoses en voorraadoptimalisatie

U kunt uw voorraadniveaus niet goed beheren, laat staan optimaliseren, als u niet precies weet hoe vraagprognoses en voorraadparameters (zoals min/max, veiligheidsvoorraden, bestelpunten en bestelhoeveelheden) precies zijn bepaald.

Veel organisaties kunnen niet specificeren hoe beleidsinputs worden berekend of situaties identificeren waarin het management het beleid terzijde moet schuiven. Veel mensen kunnen bijvoorbeeld zeggen dat ze vertrouwen op een bepaalde planningsmethode, zoals Min/Max, bestelpunt of prognose met veiligheidsvoorraad, maar ze kunnen niet precies zeggen hoe deze planningsinputs worden berekend. Meer fundamenteel begrijpen ze misschien niet wat er met hun KPI's zou gebeuren als ze de min-, max- of veiligheidsvoorraad zouden wijzigen. Ze weten misschien dat de prognose berust op "gemiddelden" of "geschiedenis" of "verkoopinput", maar specifieke details over hoe de uiteindelijke prognose tot stand komt, zijn onduidelijk.

Vaak genoeg werd de logica voor voorraadplanning en prognoses van een bedrijf ontwikkeld door een voormalige werknemer of verdwenen adviseur en in een spreadsheet gestopt. Het kan anders terugvallen op verouderde ERP-functionaliteit of ERP-maatwerk door een IT-organisatie die er ten onrechte van uitging dat ERP-software alles kan en moet. (Lees dit geweldig en, zoals ze zeggen, "grappig omdat het waar is", blog van Shaun Snapp over ERP-gerichte strategieën.) Het beleid is mogelijk niet goed gedocumenteerd en niemand die momenteel aan het werk is, kan het verbeteren of er het beste van maken.

Deze ongelukkige situatie leidt tot een andere, waarin inkopers en voorraadplanners ronduit de output van het ERP-systeem negeren, waardoor ze afhankelijk worden van Microsoft Excel om orderschema's te bepalen. Er worden ad-hocmethoden ontwikkeld die samenhangende reacties op operationele problemen in de weg staan en die niet zichtbaar zijn voor de rest van de organisatie (tenzij u wilt dat uw CFO de complexe en kieskeurige spreadsheet leert kennen). Deze methoden zijn vaak afhankelijk van vuistregels, middelingstechnieken of leerboekstatistieken zonder een volledig begrip van hun tekortkomingen of toepasbaarheid. En zelfs wanneer gedocumenteerd, ontdekken de meeste bedrijven vaak dat de daadwerkelijke bestelling afwijkt van het gedocumenteerde beleid. Een bedrijf waarvoor we overlegden, had voorraadniveaus bij de hand die routinematig 2 x de maximale hoeveelheid waren! Met andere woorden, er is helemaal geen beleid.

Samengevat, veel huidige voorraad- en vraagvoorspellingssystemen zijn ontwikkeld uit wantrouwen voor de suggesties van het vorige systeem, maar verbeteren de KPI's niet echt. Ze dwingen de organisatie ook om op een paar werknemers te vertrouwen om vraagprognoses, dagelijkse bestellingen en voorraadaanvulling te beheren.

En als er een probleem is, kan het uitvoerende team onmogelijk ontspannen hoe je daar bent gekomen, omdat er te veel bewegende delen zijn. Was de overtollige voorraad bijvoorbeeld de schuld van een onnauwkeurige vraagprognose die berustte op een middelingsmethode die geen rekening hield met een afnemende vraag? Of was het te wijten aan een verouderde instelling van de doorlooptijd die hoger was dan had moeten zijn? Of was het te wijten aan een prognose-override die een planner had gemaakt om rekening te houden met een bestelling die gewoon nooit is gebeurd? En wie gaf de feedback om die override te maken? Een klant? Verkoper?

Heeft u een van deze problemen? Als dat zo is, verspilt u elk jaar honderdduizenden tot miljoenen dollars aan onnodige tekortkosten, voorraadkosten en bestelkosten. Wat zou je met dat extra geld kunnen doen? Stelt u zich eens voor welke impact dit zou hebben op uw bedrijf.

Deze blog beschrijft de top 10 vragen die u kunt stellen om te ontdekken wat er echt gebeurt in uw bedrijf. We beschrijven de typische antwoorden die worden gegeven wanneer er niet echt een beleid voor prognoses/voorraadplanning bestaat, leggen uit hoe deze antwoorden moeten worden geïnterpreteerd en geven duidelijk advies over wat u eraan kunt doen.

 

Laat een reactie achter

gerelateerde berichten

Hebben uw statistische prognoses last van het wiggle-effect?

Hebben uw statistische prognoses last van het wiggle-effect?

Wat is het wiggle-effect? Het is wanneer uw statistische prognose de ups en downs die zijn waargenomen in uw vraaggeschiedenis onjuist voorspelt terwijl er echt geen patroon is. Het is belangrijk om ervoor te zorgen dat uw prognoses niet schommelen, tenzij er een echt patroon is. Hier is een transcriptie van een recente klant waar dit probleem werd besproken:

Hoe om te gaan met statistische prognoses van nul

Hoe om te gaan met statistische prognoses van nul

Een statistische voorspelling van nul kan veel verwarring veroorzaken bij voorspellers, vooral wanneer de historische vraag niet nul is. Natuurlijk, het is duidelijk dat de vraag naar beneden neigt, maar moet deze naar nul evolueren?

recente berichten

  • Zakenman en zakenvrouw lezen en analyseren van spreadsheetDe top 3 redenen waarom uw spreadsheet niet werkt voor het optimaliseren van bestelpunten voor reserveonderdelen
    We komen vaak op Excel gebaseerde methoden voor het plannen van bestelpunten tegen. In dit bericht hebben we een benadering beschreven die een klant gebruikte voordat hij verder ging met Smart. We beschrijven hoe hun spreadsheet werkte, de statistische benaderingen waarop het zich baseerde, de stappen die planners doorliepen bij elke planningscyclus en hun aangegeven motivaties om deze intern ontwikkelde spreadsheet te gebruiken (en echt leuk te vinden). […]
  • Stijl zakengroep in klassieke zakenpakken met verrekijkers en telescopen reproduceren verschillende voorspellingsmethodenHoe voorspellingsresultaten te interpreteren en te manipuleren met verschillende voorspellingsmethoden
    Deze blog legt uit hoe elk voorspellingsmodel werkt met behulp van tijdgrafieken van historische en voorspellingsgegevens. Het schetst hoe te kiezen welk model te gebruiken. De onderstaande voorbeelden tonen dezelfde geschiedenis, in rood, voorspeld met elke methode, in donkergroen, vergeleken met de Slim gekozen winnende methode, in lichtgroen. […]
  • Fabrieksarbeider-ingenieur die in de fabriek werkt met behulp van een tabletcomputer om de waterleiding van de onderhoudsketel in de fabriek te controleren.Waarom wisselcurves voor reserveonderdelen essentieel zijn voor onderdelenplanning
    Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
  • Wat te doen als een statistische prognose geen steek houdtWat te doen als een statistische prognose geen steek houdt
    Soms slaat een statistische prognose gewoon nergens op. Elke voorspeller is er geweest. Ze kunnen dubbel controleren of de gegevens correct zijn ingevoerd of de modelinstellingen bekijken, maar ze blijven zich afvragen waarom de prognose er zo anders uitziet dan de vraaggeschiedenis. Wanneer de incidentele voorspelling nergens op slaat, kan dit het vertrouwen in het hele statistische prognoseproces aantasten. […]
  • Portret van fabrieksarbeider vrouw met blauwe veiligheidshelm houdt tablet vast en staat in de werkplaats voor reserveonderdelen. Concept van vertrouwen in het werken met software voor het plannen van reserveonderdelen.Het plannen van reserveonderdelen is niet zo moeilijk als u denkt
    Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]

    Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

    • Zakenman en zakenvrouw lezen en analyseren van spreadsheetDe top 3 redenen waarom uw spreadsheet niet werkt voor het optimaliseren van bestelpunten voor reserveonderdelen
      We komen vaak op Excel gebaseerde methoden voor het plannen van bestelpunten tegen. In dit bericht hebben we een benadering beschreven die een klant gebruikte voordat hij verder ging met Smart. We beschrijven hoe hun spreadsheet werkte, de statistische benaderingen waarop het zich baseerde, de stappen die planners doorliepen bij elke planningscyclus en hun aangegeven motivaties om deze intern ontwikkelde spreadsheet te gebruiken (en echt leuk te vinden). […]
    • Fabrieksarbeider-ingenieur die in de fabriek werkt met behulp van een tabletcomputer om de waterleiding van de onderhoudsketel in de fabriek te controleren.Waarom wisselcurves voor reserveonderdelen essentieel zijn voor onderdelenplanning
      Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
    • Portret van fabrieksarbeider vrouw met blauwe veiligheidshelm houdt tablet vast en staat in de werkplaats voor reserveonderdelen. Concept van vertrouwen in het werken met software voor het plannen van reserveonderdelen.Het plannen van reserveonderdelen is niet zo moeilijk als u denkt
      Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
    • Werknemer in een magazijn voor auto-onderdelen met software voor voorraadplanningServicegestuurde planning voor bedrijven met serviceonderdelen
      Planning van serviceonderdelen op basis van serviceniveau is een proces in vier stappen dat verder gaat dan vereenvoudigde prognoses en vuistregels voor veiligheidsvoorraden. Het biedt planners van serviceonderdelen datagestuurde, op risico's afgestemde ondersteuning bij het nemen van beslissingen. […]

      Onregelmatige updates van parameters voor voorraadplanning kosten tijd, geld en pijn Service

      De slimme voorspeller

       Het nastreven van best practices op het gebied van vraagplanning,

      prognoses en voorraadoptimalisatie

      Parameters voor voorraadplanning, zoals veiligheidsvoorraadniveaus, bestelpunten, min/max-instellingen, doorlooptijden, bestelhoeveelheden en DDMRP-buffers hebben een directe invloed op de voorraaduitgaven en het vermogen om aan de vraag van de klant te voldoen. Op basis van deze parameterinstellingen doet uw ERP-systeem dagelijks inkoopordersuggesties.

      Door ervoor te zorgen dat deze inputs worden begrepen en regelmatig worden geoptimaliseerd, worden verspillende voorraaduitgaven aanzienlijk verminderd en worden de klantenserviceniveaus drastisch verbeterd.

      Gezien het belang van het juist hebben van deze planningsparameters, besteden we tijdens ons overleg veel tijd aan de vraag (1) hoe deze parameterwaarden worden berekend en (2) hoe vaak ze worden bijgewerkt. Meestal zijn de methoden voor het berekenen van de parameterwaarden de vuistregel. U kunt hier lezen waarom het gebruik van vuistregelbenaderingen zo problematisch is - Pas op voor eenvoudige vuistregels voor voorraadbeheer.

      Deze blog zal zich richten op de frequentie van updates. Wanneer we bedrijven interviewen en hen vragen hoe vaak ze planningsparameters bijwerken, is het antwoord dat we bijna altijd horen "elke dag!" Een vervolgvraag of twee onthult meestal dat dit gewoon niet waar is. Wat 'elke dag' in de praktijk betekent, is dit: elke dag stelt het ERP-systeem tientallen tot honderden inkooporders en/of productieopdrachten voor. De planner, laten we hem Peter noemen, bekijkt deze bestellingen dagelijks en beslist of hij ze vrijgeeft, wijzigt of annuleert. Als de bestelsuggestie niet "goed voelt", beoordeelt Peter de planningsinvoer en past hij de bestelling indien nodig aan. Peter kan bijvoorbeeld het gevoel hebben dat er al voldoende voorraad aanwezig is. Om het probleem op te lossen, verlaagt hij het bestelpunt en annuleert hij de bestelling. Of als hij vindt dat de bestelling al weken geleden had moeten worden geplaatst, kan Peter de bestelling bespoedigen en het bestelpunt en de bestelhoeveelheid verhogen om ervoor te zorgen dat er de volgende keer voldoende voorraad is.

      De belangrijkste tekortkomingen van deze benadering zijn dat deze reactief en onvolledig is. Hier is waarom:

      reactief

      Het beoordeelt alleen het handvol items dat op een bepaalde dag is gemarkeerd voor aanvulling, maar niet op andere. De trigger voor het beoordelen van een item is wanneer de ERP een bestelling voorstelt, en dat gebeurt alleen wanneer het bestelpunt of Min wordt overschreden. Als de Min te hoog is en eerder doorbreekt dan zou moeten, wordt een onnodige bestelling geplaatst, tenzij de planner deze onderschept. Als de Min te laag is, dan is het te laat om de fout te herstellen. Hoe groot de bestelsuggestie ook is, u moet nog steeds wachten op nieuwe bevoorrading en aangezien de bestelling laat werd voorgesteld, is een voorraadtekort tijdens de aanvullingsperiode zeer waarschijnlijk. Waar is de “planning” in zo’n proces? Zoals een klant het verwoordde: "Ons vorige proces was, achteraf bezien, besteed aan het beheren van de outputs en niet de inputs."

       

      Incompleet

      Afbeeldingen voor voorraad krijgen overtollig en tekort voor alle locaties van een distributiebriefHoe zit het met de duizenden andere artikelen die een Min/Max, veiligheidsvoorraad, bestelpunt of andere parameters hebben die niet opnieuw worden beoordeeld gezien de bijgewerkte vraag- en aanbodgegevens. De planner beoordeelt geen van deze items, wat betekent dat problemen niet van tevoren worden geïdentificeerd. Wat het probleem nog groter maakt, is dat wanneer Peter een wijziging aanbrengt, hij geen tools heeft om de kwaliteit van zijn wijzigingen te beoordelen. Als hij de min/max-instellingen wijzigt, weet hij niet welke specifieke impact dit zal hebben op de voorraadwaarde, bestelkosten, voorraadkosten, voorraadtekorten en serviceniveaus. Hij weet alleen dat een toename van de voorraad de service waarschijnlijk zal verbeteren en de kosten zal verhogen. Hij weet bijvoorbeeld niet of zijn inventaris een punt van bereikt heeft afnemende meeropbrengsten. Wanneer voorraadbeslissingen worden genomen met slechts een zeer globaal begrip van de afwegingen, ontstaan er stroomafwaarts meer problemen. U zou niet willen dat uw timmerman ruwe schattingen van hun afmetingen maakt, maar het is gebruikelijk dat professionals op het gebied van voorraadplanning dit doen met miljoenen dollars aan inventarisuitgaven die op het spel staan.

      Hoe vaak werken de meeste bedrijven parameters bij?

      Dus hoe vaak maken de meeste bedrijven systeembrede updates van hun planningsparameters, zoals bestelpunten, veiligheidsvoorraden, min/max-instellingen, doorlooptijden en bestelhoeveelheden? Doorgaans vinden massa-updates driemaandelijks, jaarlijks plaats, en in sommige gevallen nooit. De enige keren dat wijzigingen worden aangebracht, is wanneer een bestelling wordt geactiveerd door ERP. Niet bepaald behendig.

      De belangrijkste reden om niet vaker in te grijpen is dat het te veel tijd kost. De meeste bedrijven stellen deze belangrijke parameters in met behulp van zeer logge Excel-programma's of ERP-applicaties die simpelweg niet zijn ontworpen om systematische voorraadplanning uit te voeren. Dit is waar software voor voorraadoptimalisatie kan helpen.

      Voorraadoptimalisatiesoftware gebruiken en waarschijnlijkheidsvoorspelling door de belangrijkste planningsparameters regelmatig bij te werken, bijvoorbeeld elke week of maand in plaats van driemaandelijks of jaarlijks, kunt u snel reageren op veranderingen in uw bedrijf. U kunt kostenbesparende mogelijkheden benutten, bijvoorbeeld wanneer de vraag afneemt en u kunt bijbestelpunten en/of bestelhoeveelheden verlagen en eventueel openstaande bestellingen annuleren. Of u kunt reageren op problemen, zoals wanneer de vraag toeneemt, uw serviceniveauverplichtingen aan klanten in gevaar komen, of de doorlooptijden van leveranciers toenemen en herberekening van bestelpunten vereisen.

      Hoe het goed te doen

      De sleutel is het vaststellen van een overeengekomen reeks prestatie- en inventariswaardestatistieken en de software de stand van zaken op de achtergrond laten bewaken en u waarschuwen voor uitzonderlijke situaties. Dit is simpelweg nog een manier om te zeggen dat u, als de systemen eenmaal zijn opgezet, verder wilt gaan met beheer bij uitzondering. U kunt bereiken instellen waarbinnen dingen kunnen floreren zoals ze normaal doen, maar zodra een kritieke parameter zoals "voorraadrisico een vooraf bepaald niveau overschrijdt" of "voorraadwaarde of kosten een vooraf gedefinieerd niveau overschrijden", kan de software een dagelijkse waarschuwing en kan ook een reactie aanbevelen, zoals het verhogen van een bestelpunt. Met dit niveau van geautomatiseerde assistentie wordt het mogelijk om de vinger aan de pols van de inventaris te houden zonder overweldigd te worden door de enorme hoeveelheid gegevens.

      U kunt bijvoorbeeld een eerste set inventarisparameters als beleid kiezen, omdat u aan de software kunt zien dat deze voldoet aan uw serviceniveaudoelen binnen uw inventarisbudget. U kunt het systeem serviceniveaudoelen voor u laten voorschrijven en vertrouwd zijn met de instellingen omdat de voorraadwaarde binnen het budget valt. Als de vraag echter minder voorspelbaar wordt dan voorheen, kunt u niet hetzelfde serviceniveau bereiken zonder een toename van de voorraad. Een uitzonderingsrapport identificeert dit en stelt u in staat een weloverwogen beslissing te nemen over wat u moet doen. U kunt besluiten om het beleid aan te passen of hetzelfde te houden. Als je het hetzelfde houdt, weet je nu de extra risico's en verandering in voorraadkosten. Dit kan gecommuniceerd worden naar alle stakeholders zodat er geen verrassingen zijn.

      Plan niet reageren

      In plaats van constant in reactieve modus te zijn, kun je omgaan met wat echt moet worden afgehandeld en heb je nog wat tijd om vooruit te denken. U kunt bijvoorbeeld 'wat als'-analyses uitvoeren op kwesties als welke doorlooptijden van leveranciers de grootste winst opleveren als ze worden verkort, of serviceniveaudoelstellingen moeten worden aangepast om rekening te houden met verschuivingen in klantkritiek, of soortgelijke beleidskwesties. Het is immers niet zo dat je niet met een volle dagelijkse agenda komt te zitten, het is alleen de vraag of je die agenda naar een meer strategisch niveau kunt tillen. Dus als u al uw "planning"-tijd besteedt aan het beheren van de output van uw ERP in plaats van het constructief beoordelen en optimaliseren van de input, is het tijd om uw voorraadplanningsproces opnieuw te beoordelen.

       

       

      Laat een reactie achter

      gerelateerde berichten

      Hebben uw statistische prognoses last van het wiggle-effect?

      Hebben uw statistische prognoses last van het wiggle-effect?

      Wat is het wiggle-effect? Het is wanneer uw statistische prognose de ups en downs die zijn waargenomen in uw vraaggeschiedenis onjuist voorspelt terwijl er echt geen patroon is. Het is belangrijk om ervoor te zorgen dat uw prognoses niet schommelen, tenzij er een echt patroon is. Hier is een transcriptie van een recente klant waar dit probleem werd besproken:

      Hoe om te gaan met statistische prognoses van nul

      Hoe om te gaan met statistische prognoses van nul

      Een statistische voorspelling van nul kan veel verwarring veroorzaken bij voorspellers, vooral wanneer de historische vraag niet nul is. Natuurlijk, het is duidelijk dat de vraag naar beneden neigt, maar moet deze naar nul evolueren?

      recente berichten

      • Zakenman en zakenvrouw lezen en analyseren van spreadsheetDe top 3 redenen waarom uw spreadsheet niet werkt voor het optimaliseren van bestelpunten voor reserveonderdelen
        We komen vaak op Excel gebaseerde methoden voor het plannen van bestelpunten tegen. In dit bericht hebben we een benadering beschreven die een klant gebruikte voordat hij verder ging met Smart. We beschrijven hoe hun spreadsheet werkte, de statistische benaderingen waarop het zich baseerde, de stappen die planners doorliepen bij elke planningscyclus en hun aangegeven motivaties om deze intern ontwikkelde spreadsheet te gebruiken (en echt leuk te vinden). […]
      • Stijl zakengroep in klassieke zakenpakken met verrekijkers en telescopen reproduceren verschillende voorspellingsmethodenHoe voorspellingsresultaten te interpreteren en te manipuleren met verschillende voorspellingsmethoden
        Deze blog legt uit hoe elk voorspellingsmodel werkt met behulp van tijdgrafieken van historische en voorspellingsgegevens. Het schetst hoe te kiezen welk model te gebruiken. De onderstaande voorbeelden tonen dezelfde geschiedenis, in rood, voorspeld met elke methode, in donkergroen, vergeleken met de Slim gekozen winnende methode, in lichtgroen. […]
      • Fabrieksarbeider-ingenieur die in de fabriek werkt met behulp van een tabletcomputer om de waterleiding van de onderhoudsketel in de fabriek te controleren.Waarom wisselcurves voor reserveonderdelen essentieel zijn voor onderdelenplanning
        Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
      • Wat te doen als een statistische prognose geen steek houdtWat te doen als een statistische prognose geen steek houdt
        Soms slaat een statistische prognose gewoon nergens op. Elke voorspeller is er geweest. Ze kunnen dubbel controleren of de gegevens correct zijn ingevoerd of de modelinstellingen bekijken, maar ze blijven zich afvragen waarom de prognose er zo anders uitziet dan de vraaggeschiedenis. Wanneer de incidentele voorspelling nergens op slaat, kan dit het vertrouwen in het hele statistische prognoseproces aantasten. […]
      • Portret van fabrieksarbeider vrouw met blauwe veiligheidshelm houdt tablet vast en staat in de werkplaats voor reserveonderdelen. Concept van vertrouwen in het werken met software voor het plannen van reserveonderdelen.Het plannen van reserveonderdelen is niet zo moeilijk als u denkt
        Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]

        Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

        • Zakenman en zakenvrouw lezen en analyseren van spreadsheetDe top 3 redenen waarom uw spreadsheet niet werkt voor het optimaliseren van bestelpunten voor reserveonderdelen
          We komen vaak op Excel gebaseerde methoden voor het plannen van bestelpunten tegen. In dit bericht hebben we een benadering beschreven die een klant gebruikte voordat hij verder ging met Smart. We beschrijven hoe hun spreadsheet werkte, de statistische benaderingen waarop het zich baseerde, de stappen die planners doorliepen bij elke planningscyclus en hun aangegeven motivaties om deze intern ontwikkelde spreadsheet te gebruiken (en echt leuk te vinden). […]
        • Fabrieksarbeider-ingenieur die in de fabriek werkt met behulp van een tabletcomputer om de waterleiding van de onderhoudsketel in de fabriek te controleren.Waarom wisselcurves voor reserveonderdelen essentieel zijn voor onderdelenplanning
          Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
        • Portret van fabrieksarbeider vrouw met blauwe veiligheidshelm houdt tablet vast en staat in de werkplaats voor reserveonderdelen. Concept van vertrouwen in het werken met software voor het plannen van reserveonderdelen.Het plannen van reserveonderdelen is niet zo moeilijk als u denkt
          Bij het beheer van serviceonderdelen weet u niet wat er kapot gaat en wanneer, omdat defecten aan onderdelen willekeurig en plotseling zijn. Als gevolg hiervan zijn vraagpatronen meestal extreem intermitterend en missen ze een significante trend- of seizoensstructuur. Het aantal combinaties van onderdelen per locatie loopt vaak in de honderdduizenden, dus het is niet haalbaar om de vraag naar afzonderlijke onderdelen handmatig te beoordelen. Desalniettemin is het veel eenvoudiger om een planning- en prognosesysteem te implementeren ter ondersteuning van de planning van reserveonderdelen dan u misschien denkt. […]
        • Werknemer in een magazijn voor auto-onderdelen met software voor voorraadplanningServicegestuurde planning voor bedrijven met serviceonderdelen
          Planning van serviceonderdelen op basis van serviceniveau is een proces in vier stappen dat verder gaat dan vereenvoudigde prognoses en vuistregels voor veiligheidsvoorraden. Het biedt planners van serviceonderdelen datagestuurde, op risico's afgestemde ondersteuning bij het nemen van beslissingen. […]