Service-onderdelen en reserveonderdelen hebben intermitterende vraagpatronen waardoor ze vrijwel onmogelijk te voorspellen zijn met traditionele prognosemethoden. Tot 90% aan reserveonderdelen heeft een intermitterende vraag – ook wel klonterige vraag of “allesbehalve normaal verdeelde vraag” genoemd. Het resultaat zijn zeer onnauwkeurige schattingen van vraagprognoses, bestelpunten en veiligheidsvoorraadschattingen die voorraden en voorraadoverschotten veroorzaken. Het probleem wordt nog verergerd door onvoorspelbare reparatie- en retourcycli voor repareerbare reserveonderdelen en apparatuur die regelmatig in en uit dienst moeten gaan. Planners weten niet of ze meer reserveonderdelen moeten kopen of moeten wachten tot reserveonderdelen die niet meer worden gebruikt, zijn gerepareerd en weer in gebruik moeten worden genomen. Het is een gokspel dat jaarlijks miljoenen verspilt aan onnodige kapitaalinvesteringen en weken tot maanden vermijdbare uitvaltijd van apparatuur.

Smart Inventory Optimization (SIO™) maakt gebruik van een unieke empirische probabilistische prognosebenadering die is ontwikkeld voor het plannen van een intermitterende vraag die vaak wordt waargenomen met reserveonderdelen en serviceonderdelen. Onze gepatenteerde en met APICS bekroonde methode genereert snel tienduizenden mogelijke scenario's van toekomstige vraagreeksen zonder te vertrouwen op de aannames die gewoonlijk worden gedaan over de aard van de distributie van de vraag naar reserveonderdelen door traditionele prognosemethoden. Het resultaat is een zeer nauwkeurige schatting van de veiligheidsvoorraad, bestelpunten en serviceniveaus, wat leidt tot hogere serviceniveaus en lagere voorraadkosten. De Repair and Return-module van Smart simuleert nauwkeurig de in- en uitstroom van repareerbare reserveonderdelen. Het voorspelt downtime, serviceniveaus en voorraadkosten in verband met de huidige roterende reserveonderdelenpool. Planners weten of ze moeten wachten tot de reparatie is voltooid of dat ze extra reserveonderdelen moeten kopen bij leveranciers, waardoor onnodige aankopen en uitval van apparatuur worden vermeden.   

Sommige productitems hebben een intermittent demand patroon waardoor ze vrijwel onmogelijk te voorspellen zijn met traditionele, op smoothing gebaseerde forecasting methoden. Artikelen met een intermittent vraag - ook bekend als lumpy, volatile, variable or unpredictable demand - hebben veel nul- of lage volumewaarden afgewisseld met willekeurige pieken in de vraag die vaak vele malen groter zijn dan het gemiddelde. Dit probleem doet zich vooral voor bij bedrijven die grote voorraden service en spare parts beheren in sectoren zoals de luchtvaart, ruimtevaart, auto's, hightech en elektronica, evenals in MRO (Maintenance, Repair and Overhaul).