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.

Waarom is snelle besluitvorming in de digitale toeleveringsketen zo belangrijk?

De zaken gaan snel; klanten verwachten snellere levering, hogere serviceniveaus en meer transparantie. De sleutel tot het voldoen aan deze eisen ligt in digitale supply chain-oplossingen die beslissingsintelligentie ondersteunen.

Toch worstelen veel organisaties. De kloof tussen data, analytics en actie blijft bestaan. Bedrijven verzamelen enorme hoeveelheden informatie, maar handelen er niet snel genoeg naar, of erger nog, ze nemen beslissingen op basis van verouderde of onvolledige data. Het overbruggen van deze kloof is noodzakelijk om de werkelijke waarde van een digitale supply chain te realiseren.

Snelle besluitvorming en kwaliteitsimplicaties

1. De beslissingskloof
Veel organisaties zitten vast tussen het verzamelen van gegevens en het uitvoeren van acties. Deze 'beslissingskloof' veroorzaakt vertragingen, waardoor de potentiële bedrijfswaarde die gerealiseerd had kunnen worden, afneemt. In een supply chain-omgeving kunnen vertraagde beslissingen leiden tot voorraadtekorten, overvoorraad, omzetverlies en ontevreden klanten.

2. Nieuwe AI-platforms zijn cruciaal
Digitale en AI-platforms stellen bedrijven in staat om snellere, beter geïnformeerde beslissingen te nemen door het data-naar-actieproces te digitaliseren. Vraagvoorspelling en voorraadoptimalisatie zijn belangrijke processen binnen de beslissingsmatrix, en tools zoals Smart IP&O helpen voorraadbehoeften te voorspellen en die beslissingen te optimaliseren op basis van kosten, serviceniveaus en veranderende vraagpatronen. Dit maakt besluitvorming mogelijk met een snelheid en schaal die voorheen niet haalbaar waren. Bovendien ondersteunt Smart IP&O belangrijkere strategische beslissingen en kleinere, frequentere operationele beslissingen, waardoor een breed scala aan de toeleveringsketen wordt geoptimaliseerd.

3. Kwaliteit van besluitvorming
Snelle beslissingen alleen zijn niet genoeg. De kwaliteit van die beslissingen is van belang. Effectieve besluitvorming vereist nauwkeurige gegevens, prognoses en analyses om ervoor te zorgen dat beslissingen tot positieve resultaten leiden. Organisaties kunnen belangrijke factoren zoals kosten, beschikbaarheid en serviceniveaus beter in evenwicht brengen door gebruik te maken van tools die inzicht bieden in toekomstige trends en prestaties. Deze aanpak stelt hen in staat om strategieën te creëren die aansluiten bij de werkelijke behoeften en eisen, waardoor de efficiëntie en het algehele succes worden verbeterd.

Smart IP&O gebruikt geavanceerde prognosemodellen en realtime data om snelle en betrouwbare beslissingen te garanderen. Organisaties kunnen bijvoorbeeld geprojecteerde statistieken gebruiken om serviceniveaus, kosten en voorraadbeschikbaarheid in evenwicht te brengen, zodat voorraadbeleid aansluit bij de werkelijke vraagtrends.

4. Schaalbaarheid en consistentie in besluitvorming
Naarmate bedrijven groeien, neemt de complexiteit van supply chain-beslissingen toe en kan het verwerken van een toenemend aantal producten, datapunten en processen een uitdaging zijn. Digitale platforms en automatiseringstools helpen bedrijven hun besluitvormingsprocessen te schalen door grote hoeveelheden data met precisie en uniformiteit te beheren.

Door repetitieve taken te automatiseren en consistente regels toe te passen in verschillende scenario's, kunnen bedrijven ervoor zorgen dat beslissingen uniform worden genomen, wat leidt tot meer voorspelbare en betrouwbare uitkomsten. Deze aanpak leidt tot meer voorspelbare en betrouwbare uitkomsten, omdat geautomatiseerde systemen ervoor zorgen dat beslissingen consistent zijn, zelfs als het bedrijf groeit.

AI-gestuurde platforms zoals Smart IP&O bieden schaalbaarheid, waardoor bedrijven duizenden producten en datapunten met constante nauwkeurigheid kunnen beheren. Deze consistentie is cruciaal voor het handhaven van serviceniveaus en het verlagen van kosten naarmate de activiteiten uitbreiden.

5. Digitalisering van besluitvormingsprocessen
Digitalisering van besluitvormingsprocessen omvat het automatiseren van verschillende aspecten van besluitvorming. Door digitale hulpmiddelen te gebruiken, kunnen routinematige beslissingen, zoals beslissingen met betrekking tot inventaris, vraag en productie, worden geautomatiseerd, wat zorgt voor snellere en efficiëntere afhandeling van dagelijkse taken. In gevallen waarin nog steeds menselijke tussenkomst vereist is, kunnen systemen worden ingesteld om gebruikers te waarschuwen wanneer aan specifieke voorwaarden of drempels wordt voldaan. Dit vermindert de handmatige inspanning en stelt werknemers in staat zich te concentreren op meer strategisch en complex werk, wat uiteindelijk de productiviteit en efficiëntie verbetert.

 

De belofte van de digitale supply chain ligt in het vermogen om data snel en nauwkeurig om te zetten in actie. Om deze belofte volledig te benutten, moeten organisaties de beslissingskloof overbruggen door platforms als Smart IP&O te adopteren. Deze platforms verbeteren snelle besluitvorming en zorgen ervoor dat de kwaliteit niet wordt opgeofferd in het proces. Naarmate bedrijven evolueren, zullen degenen die deze tools succesvol integreren in hun beslissingsmatrix beter gepositioneerd zijn om concurrerend te blijven en te voldoen aan de steeds groeiende verwachtingen van klanten.

 

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.

1. Wat is de doorlooptijdvraag?
De vraag zal naar verwachting optreden gedurende de aanvultijd. De vraag tijdens de aanvoertijd wordt bepaald door De voorspellingsmethoden van Smart. 

2. Wat is de Min en hoe wordt deze berekend?
De Min wordt weergegeven in het drivers-gedeelte van SIO is het bestelpunt en is de som van de doorlooptijdvraag en de veiligheidsvoorraad. Wanneer de voorraad onder het minimum zakt vanwege de vraag, moet u meer bestellen. Smart heeft ook een "min" in het veld "bestelregels" van SIO, dit is de minimale bestelhoeveelheid die u bij een leverancier kunt plaatsen. 

3. Wat is de Max en hoe wordt deze berekend?
Het maximum is de grootste hoeveelheid voorraad die op de plank zal liggen als u zich aan het bestelbeleid houdt. De Max is de som van de Min (herorderpunt) plus de gedefinieerde OQ. 

4. Hoe bepaal je de bestelhoeveelheid (OQ)?
De bestelhoeveelheid wordt in eerste instantie geïmporteerd uit uw ERP-systeem. Deze kan worden gewijzigd op basis van een aantal door de gebruiker gedefinieerde keuzes, waaronder:

Vraag naar meerdere doorlooptijden
Meerdere maandelijkse of wekelijkse vraag
Aanbevolen OQ van Smart

5. Wat is de economische bestelhoeveelheid?
Het is de volgorde hoeveelheid die zal minimaliseren de totale kosten, rekening houdend met de kosten voor het aanhouden en bestellen van de voorraad. 

6. Wat is de “aanbevolen OQ” die Smart berekent?
Het betreft de economische bestelhoeveelheid plus een aanpassing indien nodig om ervoor te zorgen dat de omvang van de bestelling groter is dan of gelijk is aan de vraag gedurende de doorlooptijd.

7. Waarom voorspelt het systeem dat we een lage Service Level?
Smart voorspelt het serviceniveau dat zal resulteren uit het opgegeven voorraadbeleid (Min/Max of Reorder Point/Order Quantity), ervan uitgaande dat dat beleid wordt nageleefd. Wanneer het voorspelde serviceniveau laag is, kan dit betekenen dat de verwachte vraag gedurende de doorlooptijd groter is dan het reorder point (Min). Wanneer de vraag gedurende de replenishment lead time groter is dan het reorder point, is de kans groter dat uw voorraad op is, wat resulteert in een laag serviceniveau. Het kan ook zijn dat uw lead time voor replenishment niet nauwkeurig is ingevoerd. Als de ingevoerde lead time langer is dan de werkelijkheid, dekt het reorder point mogelijk niet de vraag gedurende de doorlooptijd. Controleer uw lead time inputs.

8. Waarom wordt het serviceniveau weergegeven als nul, terwijl het bestelpunt (of minimum) niet nul is?
Smart voorspelt het serviceniveau die het gevolg zal zijn van het opgegeven voorraadbeleid (Min/Max of bestelpunt/bestelhoeveelheid), ervan uitgaande dat dit beleid wordt nageleefd. Wanneer het voorspelde serviceniveau laag is, kan dit betekenen dat de verwachte vraag gedurende de doorlooptijd groter is dan het bestelpunt (Min), soms vele malen groter, wat vrijwel zeker een voorraadtekort zou garanderen. Wanneer de vraag gedurende de aanvuldoorlooptijd groter is dan het bestelpunt, is de kans op voorraadtekort groter, wat resulteert in een laag serviceniveau. Het kan ook zijn dat uw doorlooptijd voor aanvulling niet nauwkeurig is ingevoerd. Als de ingevoerde doorlooptijd langer is dan de werkelijkheid, dekt het bestelpunt mogelijk niet de vraag gedurende de doorlooptijd. Controleer uw invoer voor de doorlooptijd.

9. Maar mijn werkelijke serviceniveau is niet zo laag als Smart voorspelt. Hoe kan dat?
Dat kan waar zijn omdat Smart uw serviceniveau voorspelt als u zich aan het beleid houdt. Het is mogelijk dat u zich niet aan het beleid houdt. het beleid waarop de voorspelling van het serviceniveau is gebaseerd.  Als uw on-hand inventory hoger is dan uw Max-hoeveelheid, houdt u zich niet aan het beleid. Controleer uw invoerveronderstellingen voor doorlooptijd. Uw werkelijke doorlooptijden kunnen veel korter zijn dan ingevoerd, wat resulteert in een voorspeld serviceniveau dat lager is dan u verwacht.

10. Smart lijkt te veel voorraad aan te bevelen, of in ieder geval meer dan ik zou verwachten. Waarom?
U moet overwegen om de inputs te evalueren, zoals serviceniveau en doorlooptijden. Misschien zijn uw werkelijke doorlooptijden niet zo lang als de doorlooptijd die Smart gebruikt. We hebben situaties gezien waarin leveranciers hun geoffreerde doorlooptijden kunstmatig opblazen om ervoor te zorgen dat ze altijd op tijd zijn. Als u die doorlooptijd gebruikt bij het berekenen van uw veiligheidsvoorraden, zult u onvermijdelijk te veel voorraad hebben. Bekijk daarom uw werkelijke doorlooptijdgeschiedenis (Smart levert hiervoor het leveranciersprestatierapport) om een idee te krijgen van de werkelijke doorlooptijden en pas deze dienovereenkomstig aan. Of het is mogelijk dat u vraagt om een zeer hoog serviceniveau dat verder kan worden verergerd door een zeer volatiel artikel met verschillende significante pieken in de vraag. Wanneer de vraag aanzienlijk fluctueert ten opzichte van het gemiddelde, zal het gebruik van een hoge serviceniveaudoelstelling (98%+) resulteren in voorraadbeleid dat is ontworpen om zelfs zeer grote pieken te dekken. Probeer een lagere serviceniveaudoelstelling of verkort de doorlooptijd (ervan uitgaande dat de opgegeven doorlooptijd niet langer realistisch is) en uw voorraad zal afnemen, soms zeer substantieel.

11. Smart maakt gebruik van pieken in de vraag. Ik wil niet dat het rekening houdt met de vraag en het vergroot de voorraad. Hoe kan ik dit oplossen?
Als u zeker weet dat de piek niet opnieuw zal optreden, kunt u deze verwijderen uit de historische gegevens via een override met behulp van Smart Demand Planner. U moet het prognoseproject openen dat dat item bevat, de geschiedenis aanpassen en de aangepaste geschiedenis opslaan. U kunt contact opnemen met de technische ondersteuning om u te helpen dit in te stellen. Als de pieken deel uitmaken van de normale willekeur die soms kan optreden, is het het beste om het met rust te laten. Overweeg in plaats daarvan een lagere serviceniveaudoelstelling. De lagere doelstelling betekent dat de bestelpunten niet zo vaak de extreme waarden hoeven te dekken, wat resulteert in een lagere voorraad.

12. Wanneer ik de bestelhoeveelheid of het maximum wijzig, veranderen mijn cyclusserviceniveaus niet. Waarom?
Smart rapporteert over "cycle service level" en "service level". Wanneer u uw bestelhoeveelheden en maximale hoeveelheden wijzigt, heeft dit geen invloed op het "cycle service level", omdat cycle service levels alleen rapporteren over prestaties tijdens de aanvullingsperiode. Dit komt omdat het enige dat u beschermt tegen een voorraadtekort nadat de bestelling is geplaatst (en u moet wachten tot de bestelling arriveert voor de aanvulling) het bestelpunt of Min is. Het wijzigen van de grootte van de bestelhoeveelheid of Max on hand (tot niveaus) heeft geen invloed op uw cycle service levels. Cycle service level wordt alleen beïnvloed door de grootte van de bestelpunten en de hoeveelheid veiligheidsvoorraad die wordt toegevoegd, terwijl het "service level" van Smart verandert wanneer u zowel bestelpunten als bestelhoeveelheden wijzigt.

13. Mijn voorspelling lijkt onjuist. Er worden geen ups en downs weergegeven die in de geschiedenis zijn waargenomen, waarom?
Een goede voorspelling is het getal dat het dichtst bij de werkelijkheid ligt in vergelijking met andere getallen die voorspeld hadden kunnen worden. Wanneer de historische ups en downs niet in voorspelbare intervallen plaatsvinden, is de beste voorspelling er vaak een die deze historische ups en downs gemiddeld of gladstrijkt. Een voorspelling die toekomstige ups en downs voorspelt die historisch gezien niet in duidelijke patronen voorkomen, is waarschijnlijk minder nauwkeurig dan een voorspelling die alleen een rechte lijn of trendlijn voorspelt.

14. Wat is optimalisatie? Hoe werkt het?
Optimalisatie is een optie voor het instellen van voorraadbeleid waarbij de software het voorraadbeleid kiest dat de laagste totale operationele kosten oplevert. Als een artikel bijvoorbeeld erg duur is om te bewaren, zou een beleid met meer stockouts, maar minder voorraad, lagere totale kosten opleveren dan een beleid met minder stockouts en meer voorraad. Aan de andere kant, als het artikel hoge stockout-kosten heeft, zou een beleid dat minder stockouts oplevert maar meer voorraad vereist, meer financieel voordeel opleveren dan een beleid met minder voorraad maar meer stockouts. Bij gebruik van de optimalisatiefunctie moet de gebruiker de service level floor (het minimale serviceniveau) opgeven. De software zal dan beslissen of een hoger serviceniveau een beter rendement oplevert. Als dat het geval is, zal het herorderbeleid zich richten op het hogere serviceniveau. Als dat niet het geval is, zal het herorderbeleid standaard de door de gebruiker gedefinieerde service level floor gebruiken. Deze webinar biedt details en uitleg over de wiskunde achter optimalisatie.  https://www.screencast.com/t/3CfKJoMe2Uj

15. Wat is een what-if-scenario?
Met what-if-scenario's kunt u verschillende door de gebruiker gedefinieerde keuzes van voorraadbeleid uitproberen en de voorspelde impact op statistieken zoals serviceniveaus, vulpercentages en voorraadwaarde testen. Om deze scenario's te verkennen, klikt u op het tabblad Drivers, op het samenvattingsniveau of op het niveau 'Artikelen', en voert u de gewenste aanpassingen in. U kunt vervolgens opnieuw berekenen hoe deze wijzigingen uw algehele voorraadprestaties zouden beïnvloeden. Hiermee kunt u verschillende strategieën vergelijken en de meest kosteneffectieve en efficiënte aanpak voor uw toeleveringsketen selecteren.

Door veelvoorkomende vragen en uitdagingen aan te pakken, hebben we bruikbare inzichten geboden om u te helpen uw voorraadbeheerpraktijken te verbeteren. Met Smart IP&O beschikt u over de tools die u nodig hebt om weloverwogen voorraadbeslissingen te nemen, kosten te verlagen en de algehele prestaties te verbeteren.

In deze blog onderzoeken we hoe organisaties uitzonderlijke efficiëntie en nauwkeurigheid kunnen bereiken met AI-gestuurde voorraadoptimalisatie. Traditionele methoden voor voorraadbeheer schieten vaak tekort vanwege hun reactieve karakter en hun afhankelijkheid van handmatige processen. Het handhaven van optimale voorraadniveaus is van fundamenteel belang om aan de vraag van de klant te voldoen en tegelijkertijd de kosten te minimaliseren. De introductie van AI-gestuurde voorraadoptimalisatie kan de last van handmatige processen aanzienlijk verminderen, waardoor supply chain-managers worden ontlast van vervelende taken. Met AI kunnen we de vraag nauwkeuriger voorspellen, overtollige voorraden verminderen, voorraadtekorten voorkomen en uiteindelijk de bedrijfsresultaten van onze organisatie verbeteren. Laten we eens kijken hoe deze aanpak niet alleen de verkoop- en operationele efficiëntie verhoogt, maar ook de klanttevredenheid verhoogt door ervoor te zorgen dat producten altijd beschikbaar zijn wanneer dat nodig is.

 

Inzichten voor verbeterde besluitvorming in voorraadbeheer

1. Verbeterde voorspellingsnauwkeurigheid Geavanceerde Machine Learning-algoritmen analyseren historische gegevens om patronen te identificeren die mensen mogelijk over het hoofd zien. Technieken als clustering, detectie van regimeveranderingen, detectie van afwijkingen en regressieanalyse bieden diepgaande inzichten in gegevens. Het meten van voorspellingsfouten is essentieel voor het verfijnen van voorspellingsmodellen; Technieken als Mean Absolute Error (MAE) en Root Mean Squared Error (RMSE) helpen bijvoorbeeld bij het kwantificeren van de nauwkeurigheid van voorspellingen. Bedrijven kunnen de nauwkeurigheid verbeteren door voortdurend prognoses te monitoren en aan te passen op basis van deze foutstatistieken. Zoals de Demand Planner bij een Hardware Retailer vermeld, “Met de verbeteringen aan onze prognoses en voorraadplanning die Smart Software mogelijk maakte, hebben we de veiligheidsvoorraad met 20% kunnen verminderen en tegelijkertijd de voorraadtekorten met 35% kunnen verminderen.”

2. Realtime gegevensanalyse State-of-the-art systemen kunnen enorme hoeveelheden gegevens in realtime verwerken, waardoor bedrijven hun voorraadniveaus dynamisch kunnen aanpassen op basis van de huidige vraagtrends en marktomstandigheden. Afwijkingsdetectiealgoritmen kunnen plotselinge pieken of dalen in de vraag automatisch identificeren en corrigeren, zodat de voorspellingen accuraat blijven. Een opmerkelijk succesverhaal komt van Smart IP&O, waarmee een bedrijf de voorraad tegen 20% kon verminderen en tegelijkertijd de serviceniveaus kon handhaven door voortdurend realtime gegevens te analyseren en de prognoses dienovereenkomstig aan te passen. FedEx Tech's Manager Materials benadrukt, “Wat het verzoek ook is, we moeten aan onze serviceverplichtingen de volgende dag voldoen. Smart stelt ons in staat om onze voorraad aan te passen om er zeker van te zijn dat we de producten en onderdelen bij de hand hebben om de serviceniveaus te bereiken die onze klanten nodig hebben.”

3. Verbeterde supply chain-efficiëntie Intelligente technologieplatforms kunnen de gehele supply chain optimaliseren, van inkoop tot distributie, door doorlooptijden te voorspellen en orderhoeveelheden te optimaliseren. Dit verkleint het risico op over- en onderbezetting. Met behulp van op prognoses gebaseerd voorraadbeheer heeft Smart Software bijvoorbeeld een fabrikant geholpen zijn toeleveringsketen te stroomlijnen, de doorlooptijden met 15% te verkorten en de algehele efficiëntie te verbeteren. De VP Operations bij Procon Pump verklaarde: “Een van de dingen die ik leuk vind aan deze nieuwe tool... is dat ik de gevolgen van beslissingen over voorraadvoorraden kan evalueren voordat ik ze implementeer.”

4. Verbeterde besluitvorming AI biedt bruikbare inzichten en aanbevelingen, waardoor managers weloverwogen beslissingen kunnen nemen. Dit omvat het identificeren van langzaam bewegende artikelen, het voorspellen van de toekomstige vraag en het optimaliseren van de voorraadniveaus. Regressieanalyse kan bijvoorbeeld de verkoop relateren aan externe variabelen zoals seizoensinvloeden of economische indicatoren, waardoor een dieper inzicht ontstaat in de vraagfactoren. Een van de klanten van Smart Software rapporteerde een aanzienlijke verbetering in de besluitvormingsprocessen, wat resulteerde in een stijging van het serviceniveau met 30% en een vermindering van de overtollige voorraad met 15%. “Smart IP&O stelde ons in staat de vraag op elke opslaglocatie te modelleren en, met behulp van serviceniveaugestuurde planning, te bepalen hoeveel we op voorraad moesten hebben om het serviceniveau te bereiken dat we nodig hebben”, aldus de Inkoopmanager bij Seneca Companies.

5. Kostenbesparing Door de voorraadniveaus te optimaliseren kunnen bedrijven de opslagkosten verlagen en verliezen als gevolg van verouderde of verlopen producten minimaliseren. AI-gestuurde systemen verminderen ook de noodzaak van handmatige voorraadcontroles, waardoor tijd en arbeidskosten worden bespaard. Dat blijkt uit een recente casestudy hoe de implementatie van Inventory Planning & Optimization (IP&O) binnen 90 dagen na de start van het project werd gerealiseerd. In de daaropvolgende zes maanden maakte IP&O het mogelijk de voorraadparameters voor enkele duizenden artikelen aan te passen, wat resulteerde in een voorraadreductie van $9,0 miljoen, terwijl het beoogde serviceniveau behouden bleef.

 

Door gebruik te maken van geavanceerde algoritmen en realtime data-analyse kunnen bedrijven optimale voorraadniveaus handhaven en de algehele prestaties van hun supply chain verbeteren. Inventory Planning & Optimization (IP&O) is een krachtig hulpmiddel dat uw organisatie kan helpen deze doelen te bereiken. Het integreren van de modernste voorraadoptimalisatie in uw organisatie kan leiden tot aanzienlijke verbeteringen op het gebied van efficiëntie, kostenreductie en klanttevredenheid.

 

 

In deze blog sturen we het gesprek in de richting van het transformatieve potentieel van technologie op het gebied van voorraadbeheer. De discussie draait om de beperkingen van eenvoudig denken bij het beheren van voorraadbeheerprocessen en de noodzaak van het adopteren van systematische softwareoplossingen. Dr. Tom Willemain benadrukt het contrast tussen Smart Software en de basale, zij het comfortabele, benaderingen die doorgaans door veel bedrijven worden toegepast. Deze elementaire methoden, die vaak de voorkeur genieten vanwege hun gebruiksgemak en nulkosten, worden onder de loep genomen vanwege hun tekortkomingen bij het aanpakken van de dynamische uitdagingen van voorraadbeheer.

​

Het belang van dit onderwerp ligt in de cruciale rol die voorraadbeheer speelt in de operationele efficiëntie van een bedrijf en de directe impact ervan op klanttevredenheid en winstgevendheid. Dr. Tom Willemain wijst op de veelvoorkomende valkuilen van het vertrouwen op te eenvoudige vuistregels, zoals het grillige kinderrijmpje dat door een bedrijf wordt gebruikt om de herschikkingspunten te bepalen, of de onderbuikgevoel-methode, die afhangt van niet-kwantificeerbare intuïtie in plaats van van gegevens. Hoewel deze benaderingen aantrekkelijk zijn in hun eenvoud, slagen ze er niet in zich aan te passen aan marktschommelingen, de betrouwbaarheid van leveranciers of veranderingen in de vraag, waardoor aanzienlijke risico's voor het bedrijf ontstaan. De video bekritiseert ook de praktijk van het vaststellen van herschikkingspunten op basis van veelvouden van de gemiddelde vraag, waarbij de minachting voor de volatiliteit van de vraag wordt benadrukt, een fundamentele overweging in de voorraadtheorie.

Concluderend pleit de presentator voor een meer geavanceerde, datagestuurde benadering van voorraadbeheer. Door gebruik te maken van geavanceerde softwareoplossingen zoals die van Smart Software, kunnen bedrijven complexe vraagpatronen nauwkeurig modelleren en voorraadregels stresstesten aan de hand van talloze toekomstscenario's. Deze wetenschappelijke methode maakt het mogelijk om bestelpunten in te stellen die rekening houden met de reële variabiliteit, waardoor het risico op voorraadtekorten en de daaraan verbonden kosten worden geminimaliseerd. De video benadrukt dat, hoewel eenvoudige heuristieken verleidelijk kunnen zijn vanwege hun gebruiksgemak, ze niet geschikt zijn voor de huidige dynamische marktomstandigheden. De presentator moedigt kijkers aan om technologische oplossingen te omarmen die professionele nauwkeurigheid en aanpassingsvermogen bieden en duurzaam zakelijk succes garanderen.

 

 

In een zeer configureerbare productieomgeving kan het voorspellen van eindproducten een complexe en lastige taak worden. Het aantal mogelijke eindproducten schiet omhoog als veel componenten uitwisselbaar zijn. Een traditionele MRP zou ons dwingen om elk eindproduct te voorspellen, wat onrealistisch of zelfs onmogelijk kan zijn. Verschillende toonaangevende oplossingen introduceren het concept van de “Planning BOM”, waarmee prognoses op een hoger niveau in het productieproces kunnen worden gebruikt. In dit artikel bespreken we deze functionaliteit in Epicor Kinetic en hoe u hiervan kunt profiteren met Epicor Smart Inventory Planning and Optimization (Smart IP&O) om uw vraag voor te blijven in het licht van deze complexiteit.

Waarom heb ik een planningsstuklijst nodig?

Traditioneel zou elk eindproduct of elke SKU een strak gedefinieerde stuklijst hebben. Als we dat product op voorraad hebben en rond de voorspelde vraag willen plannen, zullen we de vraag naar die producten voorspellen en vervolgens MRP invoeren om deze voorspelde vraag via de stuklijst van het niveau van het eindproduct naar de componenten te blazen.

Veel bedrijven bieden echter zeer configureerbare producten aan waarbij klanten opties kunnen selecteren voor het product dat ze kopen. Denk bijvoorbeeld eens aan de laatste keer dat u een mobiele telefoon kocht. Je hebt een merk en model gekozen, maar van daaruit kreeg je waarschijnlijk opties voorgeschoteld: welk schermformaat wil je? Hoeveel opslagruimte wil je? Welke kleur heeft jouw voorkeur? Als dat bedrijf deze mobiele telefoons binnen een redelijke termijn klaar en beschikbaar wil hebben om naar u te verzenden, anticiperen ze plotseling niet langer alleen maar op de vraag naar dat model; ze moeten dat model voorspellen voor elk type schermformaat, voor alle opslagcapaciteiten, voor alle kleuren, en ook voor alle mogelijke combinaties daarvan! Voor sommige fabrikanten kunnen deze configuraties honderden of duizenden mogelijke voltooide goede permutaties opleveren.

Er kunnen zoveel aanpassingen mogelijk zijn dat de vraag op het niveau van het eindproduct in traditionele zin volkomen onvoorspelbaar is. Duizenden van deze mobiele telefoons kunnen elk jaar worden verkocht, maar voor elke mogelijke configuratie kan de vraag extreem laag en sporadisch zijn – misschien worden bepaalde combinaties één keer verkocht en nooit meer.

Dit dwingt deze bedrijven vaak om bestelpunten en veiligheidsvoorraadniveaus vooral op componentniveau te plannen, terwijl ze grotendeels reageren op de sterke vraag op het niveau van eindproducten via MRP. Hoewel dit een geldige aanpak is, ontbreekt het aan een systematische manier om voorspellingen te doen die rekening kunnen houden met verwachte toekomstige activiteiten, zoals promoties, aanstaande projecten of verkoopkansen. Voorspellen op het 'geconfigureerde' niveau is feitelijk onmogelijk, en het is ook niet haalbaar om deze prognoseaannames op componentniveau te verweven.

Planning BOM uitgelegd Hier komen Planning BOM's om de hoek kijken. Misschien werkt het verkoopteam aan een grote B2B-mogelijkheid voor dat model, of is er een geplande promotie voor Cyber Monday. Hoewel het niet realistisch is om met deze aannames voor elke mogelijke configuratie te werken, is het op modelniveau wel heel goed te doen – en enorm waardevol.

De Planningsstuklijst kan een prognose op een hoger niveau gebruiken en vervolgens de vraag naar beneden blazen op basis van vooraf gedefinieerde verhoudingen voor de mogelijke componenten ervan. De fabrikant van mobiele telefoons weet bijvoorbeeld misschien dat de meeste mensen kiezen voor 128 GB opslagruimte, en dat veel minder mensen kiezen voor upgrades naar 256 GB of 512 GB. Met de planningsstuklijst kan de organisatie (bijvoorbeeld) 60% van de vraag terugbrengen naar de 128GB-optie, 30% naar de 256GB-optie en 10% naar de 512GB-optie. Ze zouden hetzelfde kunnen doen voor schermformaten, kleuren of andere beschikbare aanpassingen.

Het bedrijf kan zijn prognose nu op dit modelniveau richten, waarbij de planningsstuklijst de componentenmix bepaalt. Het is duidelijk dat het definiëren van deze verhoudingen enige aandacht vergt, maar het plannen van stuklijsten stelt bedrijven in staat te voorspellen wat anders onvoorspelbaar zou zijn.

Het belang van een goede voorspelling

Natuurlijk hebben we nog steeds een goede voorspelling nodig om in Epicor Kinetic te laden. Zoals uitgelegd in dit artikel, kan Epicor Kinetic weliswaar een voorspelling importeren, maar kan het er vaak geen genereren, en als dat wel het geval is, zijn er vaak een groot aantal moeilijk te gebruiken configuraties nodig die niet vaak opnieuw worden bezocht, wat resulteert in onnauwkeurige prognoses. . Het is daarom aan het bedrijf om met zijn eigen sets prognoses te komen, vaak handmatig geproduceerd in Excel. Handmatige prognoses brengen over het algemeen een aantal uitdagingen met zich mee, waaronder maar niet beperkt tot:

• Het onvermogen om vraagpatronen zoals seizoensinvloeden of trends te identificeren.
• Overmatig vertrouwen op klant- of verkoopprognoses.
• Gebrek aan nauwkeurigheid of prestatieregistratie.

Hoe goed de MRP ook is geconfigureerd met uw zorgvuldig overwogen planningsstuklijsten, een slechte prognose betekent een slechte MRP-output en wantrouwen in het systeem: garbage in, garbage out. Als we verdergaan met het voorbeeld van het ‘mobiele telefoonbedrijf’, zonder een systematische manier om de belangrijkste vraagpatronen en/of domeinkennis in de prognose vast te leggen, kan MRP dit nooit zien.

 

Slimme IP&O: een allesomvattende oplossing

Smart IP&O ondersteunt planning op alle niveaus van uw stuklijst, hoewel het “uitblazen” wordt afgehandeld via MRP binnen Epicor Kinetic. Dit is de methode die we gebruiken voor onze Epicor Kinetic-klanten, die eenvoudig en effectief is:

• Smart Demand Planner: Het platform bevat een speciaal gebouwde prognosetoepassing genaamd Smart Demand Planner die u gaat gebruiken om de vraag naar uw vervaardigde producten (meestal eindproducten) te voorspellen. Het genereert statistische prognoses, stelt planners in staat aanpassingen aan te brengen en/of andere prognoses in te passen (zoals verkoop- of klantprognoses) en houdt de nauwkeurigheid bij. De output hiervan is een prognose die wordt ingevoerd in de prognoseinvoer in Epicor Kinetic, waar MRP deze zal ophalen. MRP zal vervolgens gebruik maken van de vraag op het niveau van het eindproduct en ook de materiaalvereisten via de stuklijst uitblazen, zodat de vraag ook op lagere niveaus wordt onderkend.
• Smart Inventory Optimization: U gebruikt tegelijkertijd Smart Inventory Optimization om min-/max-/veiligheidsniveaus in te stellen voor zowel alle eindproducten die u op voorraad maakt (indien van toepassing; sommige van onze klanten werken puur op bestelling op basis van een vaste vraag), als voor onbewerkte goederen materialen. De sleutel hier is dat Smart op grondstofniveau de vraag naar werkgebruik, doorlooptijden van leveranciers, enz. zal benutten om deze parameters te optimaliseren, terwijl tegelijkertijd verkooporders/verzendingen worden gebruikt als vraag op het niveau van het eindproduct. Smart verwerkt deze meerdere inputs van de vraag op elegante wijze via de bidirectionele integratie met Epicor Kinetic.

Wanneer MRP wordt uitgevoerd, worden vraag en aanbod (wat wederom de vraag naar grondstoffen omvat die voortvloeit uit de voltooide goede prognose) geneutraliseerd met de min/max/veiligheidsniveaus die u hebt vastgesteld om PO- en werksuggesties voor te stellen.

 

Breid Epicor Kinetic uit met Smart IP&O

Smart IP&O is ontworpen om uw Epicor Kinetic-systeem uit te breiden met vele geïntegreerde oplossingen voor vraagplanning en voorraadoptimalisatie. Het kan bijvoorbeeld automatisch statistische prognoses genereren voor grote aantallen artikelen, maakt intuïtieve prognoseaanpassingen mogelijk, houdt de nauwkeurigheid van prognoses bij en stelt u uiteindelijk in staat echte op consensus gebaseerde prognoses te genereren om beter te kunnen anticiperen op de behoeften van uw klanten.

Dankzij de zeer flexibele producthiërarchieën is Smart IP&O perfect geschikt voor prognoses op het niveau van de Planning BOM, zodat u belangrijke patronen kunt vastleggen en bedrijfskennis kunt integreren op de niveaus die er het meest toe doen. Bovendien kunt u op elk niveau van uw stuklijst optimale veiligheidsvoorraden analyseren en inzetten.

Door gebruik te maken van de Planning BOM-mogelijkheden van Epicor Kinetic naast de geavanceerde functies voor prognoses en voorraadoptimalisatie van Smart IP&O, zorgt u ervoor dat u efficiënt en nauwkeurig aan de vraag kunt voldoen, ongeacht de complexiteit van uw productconfiguraties. Deze synergie verbetert niet alleen de nauwkeurigheid van de prognoses, maar versterkt ook de algehele operationele efficiëntie, waardoor u voorop kunt blijven lopen in een concurrerende markt.