Pas op voor eenvoudige vuistregels voor voorraadbeheer

De slimme voorspeller

 Het nastreven van best practices op het gebied van vraagplanning,

prognoses en voorraadoptimalisatie

Voorraadbeheer vereist dat leidinggevenden concurrerende doelen tegen elkaar afwegen: hoge productbeschikbaarheid versus lage investering in voorraad. Leidinggevenden vinden dit evenwicht door beschikbaarheidsdoelen en budgetbeperkingen te stellen. Vervolgens vertalen supply chain-professionals deze 'opdrachtgeversintenties' in gedetailleerde specificaties over punten opnieuw ordenen en bestel hoeveelheden.

Een spannende race tussen vraag en aanbod

 

Laten we ons concentreren op bestelpunten (ook bekend als minuten). Ze werken als volgt. Naarmate de voorhanden voorraad afneemt als reactie op de vraag, daalt deze uiteindelijk tot of onder een triggerwaarde, het bestelpunt of min. Op dat moment is het alsof er een pistool afgaat om een race tussen vraag en aanbod te starten. Er wordt een aanvullingsopdracht verzonden om het artikel opnieuw te bevoorraden, maar er is een aanvulling Lead time, dus de herbevoorrading is niet onmiddellijk. Terwijl uw systeem wacht op bevoorrading, blijft de vraag naar de beschikbare voorraad afnemen. Het is slecht nieuws als de vraag de race wint, want dan ben je niet in staat om te bieden wat iemand vraagt. Vervolgens krijgen ze het van een concurrent of worden ze nabesteld en ontevreden: hoe dan ook, bevoorrading is een slecht resultaat voor u en uw klant.

Het risico van bevoorrading wordt beheerst door de keuze van de bestelpunten van uw personeel. Als ze te hoog zijn ingesteld, zijn stock-outs zeldzaam, maar is de voorraad opgeblazen. Stel ze te laag in en stock-outs zijn er in overvloed. Dus hoe moeten de bestelpunten worden ingesteld?

Dwaze opvolging vermijden

 

Verschillende factoren bepalen het voorraadrisico. Elk artikel in uw inventaris heeft zijn eigen vraaggeschiedenis en doorlooptijd. Samen met de door u gekozen beschikbaarheidsdoelen bepalen deze factoren de beste keuze voor een bestelpunt. Maar de relaties zijn statistisch en vereisen een goede analyse om uit te werken. Software voor voorraadoptimalisatie kan het juiste bestelpunt berekenen voor elk van de tienduizenden artikelen. Maar in plaats van te vertrouwen op een goede analyse, vallen veel bedrijven terug op simpele vuistregels of gewoon “doen wat we altijd doen”.

In plaats van de juiste wiskunde te gebruiken, vertrouwen bedrijven vaak op vuistregels die hen slecht van dienst zijn. Hier zijn enkele voorbeelden in volgorde van meest voorkomend tot minst voorkomend.

1) Veelvouden van de gemiddelde vraag

 

Hervolgpunten instellen op een (willekeurig) veelvoud van gemiddelde vraag begint te vertrouwen op feitelijke feiten. Maar het negeert het belangrijkste kenmerk van de vraag dat het risico op voorraaduitval veroorzaakt: variabiliteit in de vraag. Twee artikelen met dezelfde gemiddelde vraag maar zeer verschillende niveaus van variabiliteit zullen zeer verschillende bestelpunten vereisen om hetzelfde lage risico op voorraaduitval te verzekeren. (Zie afbeelding 1)

2) Onderbuikgevoel

 

Sommige bedrijven hebben zichzelf gestyled supply chain goeroes. Zelfs als ze eigenlijk Jedi-meesters zijn, is het onmogelijk om tienduizenden items bij te houden waarvan de bestelpunten regelmatig moeten worden herzien. En als de logica achter de besluitvorming verborgen zit in een moeilijk te gebruiken spreadsheet waarvan alleen zij weten hoe ze die moeten gebruiken, loopt het bedrijf het risico het inventarisatieplan niet uit te voeren zonder die ene persoon – een risicovol voorstel.

3) Gemiddelde vraag + een veelvoud van vraagvariabiliteit

 

Deze benadering wordt in veel "Inventory 101" -cursussen onderwezen. Maar het veronderstelt impliciet enkele feiten over de vraag die heel vaak niet waar zijn: dat de vraag een normale ("klokvormige") verdeling heeft en dat de vraag in de ene periode geen verband houdt met de vraag in de voorgaande tijdsperiode(n). Veronderstellingen van onafhankelijkheid en vertrouwen op normale distributiemodellen zijn gewoon niet voldoende.

4) Kinderliedjes

 

Helemaal niet de norm, vandaar dat we als laatste op de lijst staan, maar we hoorden van een bedrijf dat één simpele regel hanteerde voor alle artikelen: "Als het er vier zijn, bestel dan meer". Het is gek om te geloven dat één regel te allen tijde op alle items van toepassing is. Maar het rijmt tenminste.

Uw mensen kunnen beter doen dan te vertrouwen op een van deze benaderingen. Weet u of uw bedrijf er een gebruikt?

Het goed doen

 

De juiste manier om herordeningspunten in te stellen maakt gebruik van de instrumenten van de waarschijnlijkheidstheorie. De details zijn afhankelijk van of u afgewerkte goederen of reserveonderdelen verkoopt. Reserveonderdelen zijn meestal moeilijker te beheren omdat ze eigenzinnige vraagpatronen hebben: hoog onderbreking (veel nul eisen), hoog scheefheid (veel kleine eisen maar ook met wat kanjers), en auto-correlatie ("feest of hongersnood" gedrag). Modern Puntsoftware opnieuw bestellen houdt rekening met deze eigenaardigheden om bestelpunten in te stellen die het gewenste niveau van artikelbeschikbaarheid verzekeren. Belangrijk is dat ze uw mensen ook expliciete afwegingscurven laten zien, zodat ze de balans kunnen vinden die u wilt - op item-per-locatieniveau - tussen voorraadrisico en voorraadinvestering.

Voorraad is een belangrijke post op de balans en heeft aandacht op hoog niveau nodig. Bij veel fabrikanten kunnen serviceonderdelen tot de helft van de omzet vertegenwoordigen. Moderne software laat de C-Suite verder gaan dan onvolledige wiskunde en andere ontoereikende benaderingen voor voorraadbeheer.

 

 

Afbeelding 1: Twee even belangrijke artikelen met dezelfde gemiddelde vraag krijgen hetzelfde voorraadbeleid toegewezen dat het Min (bestelpunt) bepaalt als 2 x de gemiddelde doorlooptijdvraag. Ondanks "hetzelfde" voorraadbeleid variëren de serviceprestaties aanzienlijk, waarbij het stabiele artikel A te kampen heeft met overvoorraden en het vluchtige artikel B met een voorraadtekort.

Laat een reactie achter

gerelateerde berichten

Wat te doen als een statistische prognose geen steek houdt

Wat 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.

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. […]