Voorraadplanning wordt interessanter

De slimme voorspeller

Het nastreven van best practices op het gebied van vraagplanning,

prognoses en voorraadoptimalisatie

Taiichi Ohno van Toyota wordt gecrediteerd voor het uitvinden van Just-In-Time (JIT) -productie in de jaren vijftig. JIT zorgt ervoor dat een fabrikant alleen produceert wat nodig is, alleen wanneer nodig en alleen in de benodigde hoeveelheid. Die innovatie heeft sindsdien grote gevolgen gehad, sommige goed, sommige minder.

Een recent artikel in de New York Times "How the World Ran out of Everything" beschrijft enkele van de "mindere" effecten. JIT heeft bijvoorbeeld de voorraadkosten zeer laag gehouden, waardoor het rendement op activa is verbeterd. Dit wordt op zijn beurt beloond door Wall Street, dus veel bedrijven hebben de afgelopen decennia hun voorraden drastisch verminderd. Gefocust als ze waren op financiën, negeerden veel bedrijven de risico's die inherent zijn aan het verminderen van voorraden tot het punt dat 'mager' begon te grenzen aan 'uitgemergeld'. Gecombineerd met de toegenomen globalisering en nieuwe risico's van leveringsonderbrekingen, zijn de voorraden in overvloed toegenomen.

Sommige industrieën zijn te ver gegaan, waardoor ze blootstaan aan disruptie. In een competitie om de laagste kosten te krijgen, hebben bedrijven onbedoeld hun risico geconcentreerd, onderbroken door tekorten aan grondstoffen of componenten en soms gedwongen om assemblagelijnen stop te zetten. Wall Street kijkt niet goed naar productiestops.

We weten allemaal dat willekeurige gebeurtenissen het probleem hebben vergroot. De eerste daarvan was de Covid-pandemie. Aangezien de pandemie de fabrieksactiviteiten heeft belemmerd en wanorde heeft veroorzaakt in de wereldwijde scheepvaart, worden veel economieën over de hele wereld gekweld door tekorten aan een enorm scala aan goederen – van computerchips tot hout tot kleding.

De schade wordt nog groter als er meer onverwachte dingen fout gaan. De blokkade van het Suezkanaal is een goed voorbeeld, het blokkeren van de belangrijkste handelsroute tussen Europa en Azië. Onlangs hebben cyberaanvallen een nieuwe laag van verstoring toegevoegd.

De reactie creëert zijn eigen problemen, net zoals de cyberaanval op de koloniale pijpleiding gastekorten veroorzaakte door paniekaankopen. Leveranciers beginnen langzamer dan normaal met het uitvoeren van bestellingen. Fabrikanten en distributeurs keren de koers om en vergroten hun voorraden en diversifiëren hun leveranciers om toekomstige voorraden te voorkomen. Het simpelweg uitbreiden van magazijnen biedt misschien niet de oplossing, en de noodzaak om te bepalen hoeveel voorraad moet worden aangehouden, wordt elke dag urgenter.

Dus hoe kun je een real-world plan voor JIT-inventarisatie uitvoeren te midden van al deze risico's en onzekerheden? De basis van uw reactie zijn uw bedrijfsgegevens. Onzekerheid heeft twee bronnen: vraag en aanbod. Voor beide heb je de feiten nodig.

Maak aan de aanbodzijde gebruik van de gegevens die u heeft over recente doorlooptijden van leveranciers, die de huidige turbulentie weerspiegelen. Gebruik geen gemiddelde waarden als u kansverdelingen kunt gebruiken die het volledige bereik van onvoorziene gebeurtenissen weergeven. Overweeg deze vergelijking. Leverancier A voert nu op betrouwbare wijze bestellingen uit in precies 10 dagen. Leverancier B is ook gemiddeld 10 dagen maar doet het met een 78%/22% mix van 7 en 21 dagen. Zowel A als B hebben een gemiddelde aanvullingsvertraging van 10 dagen, maar de operationele resultaten die ze opleveren zullen heel verschillend zijn. U kunt dit alleen herkennen als u waarschijnlijkheidsmodellen van voorraadprestaties gebruikt.

Aan de vraagzijde gelden soortgelijke overwegingen. Ten eerste, erken dat er mogelijk een grote verschuiving heeft plaatsgevonden in de aard van de vraag naar artikelen (statistici noemen dit een "regimeverandering"), dus verwijder uit uw analyse alle gegevens die de "goede oude tijd" vertegenwoordigen. Stop dan weer met denken in termen van gemiddelden. Hoewel de gemiddelde vraag belangrijk is, is deze geen voldoende beschrijving van het probleem waarmee u wordt geconfronteerd. Even belangrijk is de volatiliteit van de vraag. Volatiliteit is de reden dat u in de eerste plaats voorraad aanhoudt. Als de vraag volledig voorspelbaar zou zijn, zou u geen stockouts of overtollige voorraad hebben. Net zoals u de volledige waarschijnlijkheidsverdeling van doorlooptijden voor bevoorrading moet schatten, hebt u de volledige verdeling van vraagwaarden nodig.

Zodra u het bereik van variabiliteit in zowel vraag als aanbod begrijpt, kunt u met probabilistische prognoses rekening houden met verstoringen en ongebruikelijke gebeurtenissen. Software zet uw gegevens on demand en doorlooptijden om in een groot aantal scenario's die aangeven hoe uw volgende planningsperiode eruit zou kunnen zien. Op basis van die scenario's kan de software bepalen hoe uw doelen het beste kunnen worden bereikt voor statistieken als voorraadkosten en voorraadpercentages. Met behulp van oplossingen zoals Smart Inventory Optimization plant u vol vertrouwen op basis van uw beoogde voorraadrisico met minimale voorraadkosten. U kunt ook overwegen om de oplossing optimale serviceniveaudoelen te laten voorschrijven door de kosten van extra voorraad versus voorraadkosten te beoordelen.

Bij voorraadplanning kunnen we, net als in de wetenschap, niet ontsnappen aan de realiteit van onzekerheid en de impact van ongewone gebeurtenissen. We moeten dienovereenkomstig plannen: met software voor voorraadoptimalisatie kunt u het serviceniveau met de laagste kosten bepalen. Dit creëert een coherente, bedrijfsbrede inspanning die inzicht in de huidige activiteiten combineert met wiskundig correcte beoordelingen van toekomstige risico's en omstandigheden.

Voorraadplanning is "interessanter" geworden en vereist een grotere mate van risicobewustzijn en wendbaarheid. De juiste software kan daarbij helpen.

Laat een reactie achter

gerelateerde berichten

Geen Resultaten Gevonden

De pagina die u zocht kon niet gevonden worden. Probeer uw zoekopdracht te verfijnen of gebruik de bovenstaande navigatie om deze post te vinden.

recente berichten

Het beheren van de voorraad reserveonderdelen: beste praktijken
In this blog, we’ll explore several effective strategies for managing spare parts inventory, emphasizing the importance of optimizing stock levels, maintaining service levels, and using smart tools to aid in decision-making. Managing spare parts inventory is a critical component for businesses that depend on equipment uptime and service reliability. Unlike regular inventory items, spare parts often have unpredictable demand patterns, making them more challenging to manage effectively. An efficient spare parts inventory management system helps prevent stockouts that can lead to operational downtime and costly delays while also avoiding overstocking that unnecessarily ties up capital and increases holding costs. […]
5 manieren om de snelheid van beslissingen in de toeleveringsketen te verbeteren
De belofte van een digitale supply chain heeft de manier waarop bedrijven opereren getransformeerd. In de kern kan het snelle, datagestuurde beslissingen nemen en tegelijkertijd kwaliteit en efficiëntie in de hele bedrijfsvoering garanderen. Het gaat echter niet alleen om toegang tot meer data. Organisaties hebben de juiste tools en platforms nodig om die data om te zetten in bruikbare inzichten. Dit is waar besluitvorming cruciaal wordt, vooral in een landschap waar nieuwe digitale supply chain-oplossingen en AI-gestuurde platforms u kunnen ondersteunen bij het stroomlijnen van veel processen binnen de beslissingsmatrix. […]
12 Oorzaken van Overstocking en Praktische Oplossingen
Effectief voorraadbeheer is cruciaal voor het behouden van een gezonde balans en het verzekeren dat middelen optimaal worden toegewezen. Hier is een diepgaande verkenning van de belangrijkste oorzaken van overstocking, hun implicaties en mogelijke oplossingen. […]
FAQ: Slimme IP&O voor beter voorraadbeheer.
Effectief supply chain- en voorraadbeheer zijn essentieel voor het bereiken van operationele efficiëntie en klanttevredenheid. Deze blog biedt duidelijke en beknopte antwoorden op enkele basisvragen en andere veelvoorkomende vragen van onze Smart IP&O-klanten, en biedt praktische inzichten om typische uitdagingen te overwinnen en uw voorraadbeheerpraktijken te verbeteren. Met de focus op deze belangrijke gebieden helpen we u complexe voorraadproblemen om te zetten in strategische, beheersbare acties die kosten verlagen en de algehele prestaties verbeteren met Smart IP&O. […]
7 belangrijke trends in vraagplanning die de toekomst vormgeven
Vraagplanning gaat verder dan alleen het voorspellen van productbehoeften; het gaat erom ervoor te zorgen dat uw bedrijf nauwkeurig, efficiënt en kosteneffectief aan de vraag van klanten voldoet. De nieuwste technologie voor vraagplanning pakt belangrijke uitdagingen aan, zoals nauwkeurigheid van voorspellingen, voorraadbeheer en marktresponsiviteit. In deze blog introduceren we kritieke trends voor vraagplanning, waaronder datagestuurde inzichten, probabilistische voorspellingen, consensusplanning, voorspellende analyses, scenariomodellering, realtime zichtbaarheid en multilevel voorspellingen. Deze trends helpen u om voorop te blijven lopen, uw toeleveringsketen te optimaliseren, kosten te verlagen en de klanttevredenheid te verbeteren, waardoor uw bedrijf op de lange termijn succesvol wordt. […]

Voorraadoptimalisatie voor fabrikanten, distributeurs en MRO

Het beheren van de voorraad reserveonderdelen: beste praktijken
In this blog, we’ll explore several effective strategies for managing spare parts inventory, emphasizing the importance of optimizing stock levels, maintaining service levels, and using smart tools to aid in decision-making. Managing spare parts inventory is a critical component for businesses that depend on equipment uptime and service reliability. Unlike regular inventory items, spare parts often have unpredictable demand patterns, making them more challenging to manage effectively. An efficient spare parts inventory management system helps prevent stockouts that can lead to operational downtime and costly delays while also avoiding overstocking that unnecessarily ties up capital and increases holding costs. […]
Innovatie van de OEM-aftermarket met AI-gestuurde voorraadoptimalisatie
De aftermarketsector biedt OEM's een beslissend voordeel door een stabiele inkomstenstroom te bieden en de loyaliteit van klanten te bevorderen door de betrouwbare en tijdige levering van serviceonderdelen. Het beheren van inventaris en het voorspellen van de vraag in de aftermarket gaat echter gepaard met uitdagingen, waaronder onvoorspelbare vraagpatronen, enorme productassortimenten en de noodzaak van snelle doorlooptijden. Traditionele methoden schieten vaak tekort vanwege de complexiteit en variabiliteit van de vraag in de aftermarket. De nieuwste technologieën kunnen grote datasets analyseren om de toekomstige vraag nauwkeuriger te voorspellen en voorraadniveaus te optimaliseren, wat leidt tot betere service en lagere kosten. […]
Toekomstbestendige hulpprogramma's: geavanceerde analyses voor optimalisatie van de supply chain
Nutsvoorzieningen op het gebied van elektriciteit, aardgas, stedelijk water en telecommunicatie zijn allemaal activa-intensief en afhankelijk van fysieke infrastructuur die in de loop van de tijd goed moet worden onderhouden, bijgewerkt en geüpgraded. Het maximaliseren van de uptime van bedrijfsmiddelen en de betrouwbaarheid van de fysieke infrastructuur vereist effectief voorraadbeheer, prognoses van reserveonderdelen en leveranciersbeheer. Een nutsbedrijf dat deze processen effectief uitvoert, presteert beter dan zijn concurrenten, levert een beter rendement op voor zijn investeerders en hogere serviceniveaus voor zijn klanten, terwijl het zijn impact op het milieu vermindert. […]
Centreringswet: 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. […]

Blog Categorieën

Probabilistische versus deterministische orderplanning

De slimme voorspeller

Man met een computer in een magazijn best practices op het gebied van vraagplanning, prognoses en voorraadoptimalisatie

Denk aan het probleem van het aanvullen van de voorraad. Stel dat het betreffende voorraadartikel een reserveonderdeel is, om precies te zijn. Zowel u als uw leverancier zullen een idee willen hebben van hoeveel u gaat bestellen en wanneer. En uw ERP-systeem dringt er misschien op aan dat u ook het geheim prijsgeeft.

Deterministisch model van aanvulling

De eenvoudigste manier om een fatsoenlijk antwoord op deze vraag te krijgen, is aan te nemen dat de wereld, nou ja, eenvoudig is. In dit geval betekent eenvoudig 'niet willekeurig' of, in nerdtaal, 'deterministisch'. In het bijzonder doe je alsof de willekeurige grootte en timing van de vraag in werkelijkheid een continue druppel-druppel-druppel is van een vaste grootte die met een vast interval komt, bijvoorbeeld 2, 2, 2, 2, 2, 2... Als dit onrealistisch lijkt , het is. De echte vraag ziet er misschien meer zo uit: 0, 1, 10, 0, 1, 0, 0, 0 met veel nullen, af en toe maar willekeurige pieken.

Maar eenvoud heeft zijn deugden. Als je net doet alsof de gemiddelde vraag elke dag op rolletjes loopt, is het gemakkelijk om uit te rekenen wanneer je je volgende bestelling moet plaatsen en hoeveel eenheden je nodig hebt. Stel dat uw voorraadbeleid van het type (Q,R) is, waarbij Q een vaste bestelhoeveelheid is en R een vast bestelpunt. Wanneer de voorraad daalt tot of onder het bestelpunt R, bestelt u Q-eenheden meer. Om de fantasie compleet te maken, gaan we ervan uit dat de doorlooptijd voor aanvulling ook vast is: na L dagen zullen die Q nieuwe eenheden op de plank liggen, klaar om aan de vraag te voldoen.

Alles wat u nu nodig heeft om uw vragen te beantwoorden, is de gemiddelde vraag per dag D naar het artikel. De logica gaat als volgt:

U begint elke aanvullingscyclus met Q-eenheden bij de hand.
Je put die voorraad uit met D eenheden per dag.
U bereikt dus het bestelpunt R na (QR)/D dagen.
Je bestelt dus elke (QR)/D dagen.
Elke aanvullingscyclus duurt (QR)/D + L dagen, dus u maakt in totaal 365D/(Q-R+LD) bestellingen per jaar.
Zolang de doorlooptijd L < R/D is, zult u nooit een voorraad hebben en zal uw voorraad zo klein mogelijk zijn.

Afbeelding 1 toont de grafiek van voorhanden voorraad versus tijd voor het deterministische model. Rond Smart Software verwijzen we naar deze plot als de "Deterministische zaagtand". De voorraad begint op het niveau van de laatste bestelhoeveelheid Q. Na gestaag afnemen gedurende de uitvaltijd (QR)/D, bereikt het niveau het bestelpunt R en activeert een bestelling voor nog een Q-eenheden. Gedurende de doorlooptijd L daalt de voorraad tot precies nul, dan komt de nieuwe bestelling op magische wijze aan en begint de volgende cyclus.

Figuur 1 Deterministisch model van voorhanden voorraad

Afbeelding 1: deterministisch model van voorhanden voorraad

Dit model heeft twee voordelen. Het vereist niet meer dan algebra van de middelbare school en het combineert (bijna) alle relevante factoren om de twee gerelateerde vragen te beantwoorden: wanneer moeten we de volgende bestelling plaatsen? Hoeveel bestellingen plaatsen we in een jaar?

Probabilistisch model van aanvulling

Het is niet verrassend dat als we een deel van de fantasie uit het deterministische model halen, we meer bruikbare informatie krijgen. Het probabilistische model omvat alle rommelige willekeur in het echte probleem: de onzekerheid in zowel de timing als de omvang van de vraag, de variatie in de doorlooptijd van de aanvulling en de gevolgen van die twee factoren: de kans dat de beschikbare voorraad de nabestelling onderschrijdt punt, de kans dat er een stockout zal zijn, de variabiliteit in de tijd tot de volgende bestelling, en het variabele aantal uitgevoerde bestellingen in een jaar.

Het probabilistische model werkt door de gevolgen van onzekere vraag en variabele doorlooptijd te simuleren. Door de historische vraagpatronen van het item te analyseren (en waarnemingen uit te sluiten die zijn geregistreerd in een tijd waarin de vraag mogelijk fundamenteel anders was), creëren geavanceerde statistische methoden een onbeperkt aantal realistische vraagscenario's. Vergelijkbare analyse wordt toegepast op records van doorlooptijden van leveranciers. Door deze vraag- en aanbodscenario's te combineren met de operationele regels van een bepaald voorraadbeheerbeleid, ontstaan scenario's van het aantal beschikbare onderdelen. Uit deze scenario's kunnen we samenvattingen halen van de variërende intervallen tussen bestellingen.

Figuur 2 toont een voorbeeld van een probabilistisch scenario; de vraag is willekeurig en het artikel wordt beheerd met bestelpunt R = 10 en bestelhoeveelheid Q=20. Voorbij is de deterministische zaagtand; in plaats daarvan is er iets complexer en realistischer (de probabilistische trap). Tijdens de 90 gesimuleerde werkingsdagen werden er 9 bestellingen geplaatst en de tijd tussen de bestellingen varieerde duidelijk.

Met behulp van het probabilistische model worden de antwoorden op de twee vragen (hoe lang tussen orders en hoeveel in een jaar) uitgedrukt als kansverdelingen die de relatieve waarschijnlijkheid van verschillende scenario's weerspiegelen. Figuur 3 toont de verdeling van het aantal dagen tussen orders na tien jaar gesimuleerde werking. Hoewel het gemiddelde ongeveer 8 dagen is, varieert het werkelijke aantal sterk, van 2 tot 17.

In plaats van uw leverancier te vertellen dat u volgend jaar X bestellingen zult plaatsen, kunt u nu X ± Y bestellingen projecteren, en uw leverancier kent de opwaartse en neerwaartse risico's beter. Beter nog, u kunt de volledige distributie als het meest uitgebreide antwoord geven.

Figuur 2 Een probabilistisch scenario van voorhanden voorraad

Figuur 3: Verdeling van dagen tussen bestellingen

De willekeurige trap beklimmen naar grotere efficiëntie

Door verder te gaan dan het deterministische inventarismodel, ontstaan nieuwe mogelijkheden voor het optimaliseren van de bedrijfsvoering. Ten eerste maakt het probabilistische model een realistische beoordeling van het voorraadrisico mogelijk. Het eenvoudige model in afbeelding 1 houdt in dat er nooit een stockout is, terwijl probabilistische scenario's de mogelijkheid toestaan (hoewel er in afbeelding 2 slechts één close call was rond dag 70). Zodra het risico bekend is, kan software optimaliseren door de "ontwerpruimte" (dwz alle mogelijke waarden van R en Q) te doorzoeken om een ontwerp te vinden dat voldoet aan een doelniveau van voorraadrisico tegen minimale kosten. De waarde van het deterministische model in deze meer realistische analyse is dat het een goed startpunt biedt voor de zoektocht door de ontwerpruimte.

Overzicht

Moderne software geeft antwoord op operationele vragen met verschillende gradaties van detail. Aan de hand van het voorbeeld van de tijd tussen aanvullingsorders hebben we laten zien dat het antwoord bij benadering maar snel kan worden berekend met een eenvoudig deterministisch model. Maar het kan ook veel gedetailleerder worden weergegeven, waarbij alle variabiliteit wordt blootgelegd door een probabilistisch model. Wij beschouwen deze alternatieven als complementair. Het deterministische model bundelt alle sleutelvariabelen in een gemakkelijk te begrijpen vorm. Het probabilistische model biedt extra realisme dat professionals verwachten en ondersteunt effectief zoeken naar optimale keuzes van bestelpunt en bestelhoeveelheid.

Laat een reactie achter

gerelateerde berichten

Top 3 meest voorkomende voorraadbeheerbeleid

Om de juiste beslissing te nemen, moet u weten hoe vraagprognose voorraadbeheer ondersteunt, welk beleid u wilt gebruiken en berekening van de input die dit beleid aanstuurt. Het proces van het bestellen van aanvullende voorraad is zo duur en omslachtig dat u ook het aantal inkooporders dat u moet genereren wilt minimaliseren.

Een doelserviceniveau kiezen om de voorraad te optimaliseren

Houd bij het instellen van een doelserviceniveau rekening met factoren zoals huidige serviceniveaus, doorlooptijden voor aanvullingen, kostenbeperkingen, de pijn die wordt veroorzaakt door tekorten voor u en uw klanten, en uw concurrentiepositie.

Tien tips die gegevensproblemen bij software-implementatie vermijden

Zodra een klant klaar is om software voor vraagplanning en/of voorraadoptimalisatie te implementeren, moet hij de analysesoftware verbinden met zijn bedrijfsgegevensstroom. Dit geeft onder meer informatie over de vraag naar artikelen en levertijden van leveranciers. De rest van de gegevens halen we uit het ERP-systeem zelf, dat metadata levert, zoals de locatie van elk artikel, de kosten per eenheid en de productgroep.

Smart Software viert 40 jaar

40 jaar innovatie voor vraagvoorspelling, voorraadplanning en supply chain-analyse

Belmont, MA, 1 juni 2021 – Vandaag markeert het 40-jarig jubileum van Smart Software, een toonaangevende innovator van software voor vraagplanning, statistische prognoses, voorraadbeheer en supply chain-analyse.

De CEO van het bedrijf, Greg Hartunian, merkte op: "Ons succes is gebaseerd op voortdurende innovatie. Onze missie volgt het pad dat onze oprichters 40 jaar geleden hebben ingezet; we bieden geavanceerde analytische oplossingen die onze klanten helpen de verkoop te maximaliseren en verspilling te minimaliseren. We zijn onze klanten enorm dankbaar die ons hun steun, vertrouwen en vertrouwen hebben gegeven. Dank aan onze partnergemeenschap van wederverkopers en consultants die onze groei hebben gestimuleerd en hun expertise met ons hebben gedeeld. We zijn ook veel dank verschuldigd aan onze vele medewerkers, vroeger en nu, in binnen- en buitenland, wier creativiteit en toewijding systemen hebben voortgebracht waarvan zoveel geweldige bedrijven wereldwijd profiteren.”

Smart, Hartunian en Willemain werd in juni 1981 opgericht door Charles Smart, Nelson Hartunian en Thomas Willemain, onze visionaire oprichters. Het bedrijf werd later in 1984 opgericht als Smart Software, Inc. Dit weerspiegelt hun verschuiving van boutique consultancy naar software. In de loop der jaren hebben hun pionierswerk geleid tot het allereerste automatische statistische voorspellingssysteem voor de personal computer, een gepatenteerde APICS-bekroonde methode voor intermitterende vraagplanning en meest recentelijk een cloud-native probabilistisch voorspellingsplatform. Ze hebben allemaal geleid tot grote besparingen op de voorraadkosten en verbeteringen van het serviceniveau voor onze klanten. Klik hier voor meer informatie over de wortels en reis van Smart Software:

Bedrijfsgeschiedenis van slimme software

“Smart geeft ons goede informatie om mee te werken. De service level planning methode heeft geleid tot productieve gesprekken tussen sales en supply chain en heeft ons een gemeenschappelijke basis gegeven van waaruit we onze discussies baseren. Mensen voelen zich op hun gemak bij cijfers en door ons S&OP-proces hebben we een buy-in in het hele bedrijf kunnen creëren.”
Rod Cardenas – Inkoopmanager, Forum Energy

“Het werd ingezet als onderdeel van onze implementatie van een nieuw gecentraliseerd distributiemodel en benadrukte belangrijke blinde vlekken in het oorspronkelijke projectplan. De nauwkeurige voorspellingen van de voorraadniveaus en het aantal SKU's leverden op feiten gebaseerde gegevens die ons in staat stelden de consolidatie-inspanningen strategisch te faseren waar magazijnruimte schaars was.”
Eric Nelson – CPA, CMA. Manager onderdelenvoorziening en logistiek. BC-transit

“Het is gemakkelijk voor ons om leveranciers informatie te geven die ze nooit eerder hadden. Onze leveranciers kunnen hun productie plannen en samenwerken met hun leveranciers. Die zichtbaarheid is van onschatbare waarde geweest. Dat is waar de echte uitbetaling zal komen. Niet alleen de voorraad verminderen of tijd besparen op mensen die de voorraad beheren, maar ook beter inspelen op de behoeften van klanten. Dat is voor mij het overkoepelende voordeel van deze software.”
Bud Schultz – Vice-president Financiën NKK Switches

SmartForecasts en Smart IP&O hebben gedeponeerde handelsmerken van Smart Software, Inc. Alle andere handelsmerken zijn het eigendom van hun respectieve eigenaren.

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

Smart Software VP Research presenteert op het MORS Symposium en op het Emerging Techniques Forum

Smart Software heeft vandaag aangekondigd dat zijn mede-oprichter en Senior VP of Research, Dr. Thomas Willemain, is geselecteerd om te presenteren op het prestigieuze Emerging Techniques Forum op 7-9 december 2021, en ook op het 89e MORS Symposium op 21 juni. 25, 2021. MORS is de Military Operations Research Society, gefinancierd door de marine, het leger, de luchtmacht, het Korps Mariniers, het kantoor van de minister van Defensie en het ministerie van Binnenlandse Veiligheid. Haar missie is het verbeteren van de kwaliteit van de analyse die de nationale en binnenlandse veiligheidsbeslissingen informeert.

1) MORS Virtual Symposium biedt de defensie-analytische gemeenschap uitgebreide inhoud over opkomende analytische onderwerpen en technieken. De focus voor het 89e MORS-symposium zal zijn "Analytics om de besluitvorming te verbeteren". Willemaine presenteert dit jaar vier sessies:

Hoogdimensionale gegevensverkenning met behulp van slangen

The Snake is een nieuwe analysetool die de aanwezigheid van clusters kan detecteren en hun aantal kan schatten. Slangen bieden een unieke en gemakkelijk te interpreteren visuele weergave van de structuur van hoogdimensionale gegevens.

Toevalligheden: signaal of ruis?

We willen weten of het gelijktijdig optreden van twee gebeurtenissen, dus een toeval, slechts een toevallige gebeurtenis is. Zo niet, dan is er mogelijk een exploiteerbaar verband tussen de gebeurtenissen. We stellen uitgebreidere tests voor op basis van modellen van gebeurtenissen die autocorrelatie, trend en seizoensgebondenheid verklaren.

Genereren van visuele scenario's voor gebruik in de opleiding van operators

De training van operators wordt verbeterd door blootstelling aan scenario's die gegevensstromen uit de echte wereld weergeven. Goed afgestemde bootstraps voor tijdreeksen kunnen univariate en multivariate scenario's creëren die voldoen aan kwantiteits-, kosten-, betrouwbaarheids- en variëteitsnormen.

Testen op gelijkheid van meerdere distributies in hoge dimensies

Een fundamentele test- en evaluatieanalysetaak is het zoeken naar verschillen tussen alternatieve systemen of processen. Verschillende nieuwe, op bomen gebaseerde statistieken werken goed voor effecten die meerdere effecten hebben op zowel MVN- als niet-MVN-gegevens.

2) Het Forum voor opkomende technieken biedt de analytische gemeenschap op defensiegebied uitgebreide inhoud over opkomende analytische onderwerpen en technieken. Willemain zal als een van de weinige experts spreken in de Augmented Decision Making-track.

Het onderwerp van Dr. Willemain zal zijn "Omgaan met regimeveranderingen in logistieke operaties".

Het onderzoek van Dr. Thomas Willemain bij Smart Software en Rensselaer Polytechnic Institute helpt bij het voortdurend innoveren van Smart IP&O, het multi-tenant webgebaseerde platform van het bedrijf voor prognoses, voorraadplanning en optimalisatie.

Over Smart Software, Inc.

Smart Software, Inc., opgericht in 1981, is toonaangevend in het leveren van bedrijfsbrede oplossingen voor vraagvoorspelling, planning en voorraadoptimalisatie aan bedrijven. De oplossingen voor vraagvoorspelling en voorraadoptimalisatie van Smart Software hebben duizenden gebruikers over de hele wereld geholpen, waaronder klanten bij middelgrote ondernemingen en Fortune 500-bedrijven, zoals Disneyland Resorts, Metro-North Railroad en het Amerikaanse Rode Kruis. Smart Inventory Planning & Optimization geeft vraagplanners de tools om om te gaan met seizoensinvloeden in de verkoop, promoties, nieuwe en verouderde producten, multidimensionale hiërarchieën en af en toe gevraagde serviceonderdelen en kapitaalgoederen. Het biedt voorraadbeheerders ook nauwkeurige schattingen van de optimale voorraad en veiligheidsvoorraad die nodig is om aan toekomstige bestellingen te voldoen en de gewenste serviceniveaus te bereiken. Smart Software heeft zijn hoofdkantoor in Belmont, Massachusetts en is te vinden op het World Wide Web op www.smartcorp.com.

SmartForecasts en Smart IP&O zijn gedeponeerde handelsmerken van Smart Software, Inc. Alle andere handelsmerken zijn eigendom van hun respectieve eigenaren.

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

Profeet 21 User Group Webinar: Voorraadplanningsprocessen

Smart Software introduceert met genoegen ons nieuwe webinar, exclusief aangeboden voor Prophet 21-gebruikers. In dit webinar zal Greg Hartunian, CEO van Smart Software, een webinar van 45 minuten leiden dat zich richt op specifieke benaderingen van vraagvoorspelling en voorraadplanning, waarmee u het vastleggen van inkomsten kunt verhogen, serviceniveaus kunt verbeteren en voorraadkosten kunt verlagen. Het minimaliseren van overtollige voorraad, uitvaltijd van apparatuur en verloren verkopen vereist de juiste planningsbasis. De meeste voorraadplanningsteams vertrouwen op traditionele prognosebenaderingen, vuistregels en verkoopfeedback. Veel bedrijven hebben moeite om bij te blijven, waardoor bedrijven gevaar lopen wanneer de isolatie van een groeiende omzet afneemt. Onze webinar bij EUG bespreekt deze benaderingen, waarom ze vaak mislukken en hoe nieuwe probabilistische prognose- en optimalisatiemethoden een groot verschil kunnen maken voor uw bedrijfsresultaten.

Alstublieft neem contact met ons op om toegang tot het webinar aan te vragen. Tijdens het webinar schetsen we de uitdagingen die gepaard gaan met traditionele voorraadplanningsprocessen en laten we zien hoe Smart Software kan helpen. U ziet een live demo van het Epicor Smart IP&O-platform inclusief de bidirectionele P21-integratie.

Smart Inventory Planning and Optimization is een geïntegreerde set van native webapplicaties die een enkele, gebruiksvriendelijke, schaalbare omgeving biedt met in de praktijk bewezen voorraad- en prognosemodellering die het voorraadvoorraadbeleid optimaliseert en de nauwkeurigheid van prognoses verbetert. We hopen dat je erbij kunt zijn!

SmartForecasts en Smart IP&O zijn gedeponeerde handelsmerken van Smart Software, Inc. Alle andere handelsmerken zijn eigendom van hun respectieve eigenaren.

Neem voor meer informatie contact op met Smart Software, Inc., Four Hill Road, Belmont, MA 02478.
Telefoon: 1-800-SMART-99 (800-762-7899); E-mail: info@smartcorp.com