Bud Schultz, CPA, Vice President of Finance voor NKK Switches, presenteerde de ervaring van zijn bedrijf met vraagplanning tijdens een recent webinar. Het volgende is een korte samenvatting van de belangrijkste punten van Bud; bekijk het volledige webinar door te klikken hier.

Vraag: Vertel ons over de zakelijke en vraagplanningsuitdagingen van NKK.

NKK Switches, gevestigd in Scottsdale, Arizona, is een toonaangevende fabrikant en leverancier van elektromechanische schakelaars. Het bedrijf omvat veel verschillende soorten schakelaars: schakelaars, drukknoppen, draaiknoppen en zelfs sommige programmeerbare soorten schakelaars. We staan bekend om onze hoge kwaliteit en om ons vermogen om te voldoen aan een uitzonderlijk breed scala aan klanteisen op een turnkey (custom configuratie) basis. NKK Switches produceert op maat gemaakte oplossingen van onderdelen die uitsluitend afkomstig zijn van productiefaciliteiten in Japan en China.

Er zijn letterlijk miljoenen mogelijke switchconfiguraties en we weten nooit welke geconfigureerde oplossingen onze klanten zullen bestellen. Dit maakt onze vraag zeer intermitterend en buitengewoon moeilijk te voorspellen. Sterker nog, tot voor kort beschouwden we onze vraag als onvoorspelbaar. We werkten op basis van build-to-order, wat betekende dat bestellingen van klanten pas konden worden uitgevoerd als hun onderdelen waren geproduceerd en vervolgens door NKK tot eindproducten waren verwerkt. Dit resulteerde in lange doorlooptijden, pijnlijk voor onze klanten en een competitieve uitdaging voor onze verkooporganisatie.

Vraag: Wat verwachtte u van een verbeterd product? eis voorspelling?

Toen we begonnen met het onderzoeken van de waarde van vraagvoorspellingssoftware (SmartForecasts van Smart Software), probeerden we de beslissing te bekijken vanuit het oogpunt van Return on Investment (ROI). We hebben wat kapitaalbudgettering gedaan, aannames gedaan over mogelijke verlagingen van voorraadniveaus, lagere voorraadkosten en andere potentiële besparingen. Hoewel de kapitaalbudgetten een positief investeringsrendement opleverden, konden we op basis van die informatie niet verder. We hadden geen vertrouwen in onze aannames en waren bang dat we de veiligheidsvoorraad en voorraadniveaus die de software zou suggereren niet zouden kunnen rechtvaardigen.

Wat we niet hadden verwacht, was een uitdaging van ons moederbedrijf. In het licht van de mogelijkheden van een nieuw geïmplementeerd ERP-systeem, zouden ze een nieuwe aanpak overwegen. Als we aantoonbaar betrouwbare vraagprognoses zouden kunnen maken, zouden ze overwegen om grondstoffen in te kopen en schakelcomponenten te produceren op basis van build-to-forecast in plaats van build-to-order. Dit opende de deur naar een veel diepere impact. We hebben de werkelijke cijfers gedurende een periode van twaalf maanden afgezet tegen de prognoses en ontdekten dat onze prognoses, met name in totaal, uitzonderlijk nauwkeurig waren: de werkelijke vraag lag binnen 3% van de prognose. Toen we eenmaal de geldigheid van onze prognoses konden bewijzen, konden we doorgaan met het plan van het moederbedrijf om producten te vervaardigen op basis van die prognoses.

V: Hoe hebben nauwkeurige prognoses van productlijnen met intermitterende vraaggegevens de activiteiten van NKK getransformeerd?

Van de vele verschillende combinaties die we op bestelling produceren, kunnen afzonderlijke onderdelen van schakelaars een zeer intermitterende vraag vertonen (lange periodes met nul bestellingen en dan schijnbaar willekeurige pieken), maar we kunnen meer consistente patronen in schakelaarreeksen identificeren. Alle onderdeelnummers in een bepaalde serie hebben gemeenschappelijke componenten en grondstoffen, zoals plastic behuizing, beugels en andere hardware, goud, zilver en LED's.

Door onze productiefaciliteiten te voorzien van betrouwbare prognoses, konden we ingrijpende veranderingen doorvoeren. Onze fabrieken zouden kunnen beginnen met het inkopen van grondstoffen die in totaal uiteindelijk zouden worden gebruikt bij de productie van verschillende onderdeelnummers binnen die serie, zelfs als de specifieke te produceren onderdeelnummers onbekend waren op het moment dat de prognoses werden gemaakt. En in veel gevallen was het, ondanks de onregelmatige vraaggeschiedenisgegevens, voor de leveranciers zelfs mogelijk om specifieke onderdeelnummers te produceren op basis van de prognose.

Zodra het programma volledig is geïmplementeerd, verwachten we dat onze doorlooptijden zullen worden teruggebracht tot de helft van de tijd of zelfs minder. Kortere doorlooptijden zullen resulteren in lagere bestelpunten, resulterend in hogere serviceniveaus terwijl we onze voorraadvereisten verminderen.

Bud Schultz leidt alle financiële en boekhoudkundige functies bij NKK. Zijn achtergrond als Certified Public Accountant, advocaat, ingenieur en piloot voor de Amerikaanse luchtmacht biedt een uniek perspectief op financiën voor technische en productieactiviteiten.

De unieke uitdagingen van voorraadplanning voor reserveonderdelen, grote kapitaalgoederen en andere zelden of onregelmatig bewegende artikelen maken het belangrijk om slimmere methoden te vinden om dit soort intermitterende vraag te voorspellen. Robert Bowman, redacteur van Supply Chain Brain Magazine, en ik bespraken dit onderwerp in oktober APICS conferentie in Denver, en video van ons gesprek is beschikbaar op Supply Chain-hersenen website.

Waarom plan voor periodieke vraag? Welnu, waarom plannen voor elke vraag? Als u kunt begrijpen wat de waarschijnlijke vraag zal zijn totdat u meer kunt krijgen, weet u hoeveel voorraad u in reserve moet houden, zodat u precies genoeg heeft. Dit is de kern van vraagprognoses en voorraadoptimalisatie. Intermitterende vraag is buitengewoon moeilijk te voorspellen, maar hetzelfde principe geldt.

In tegenstelling tot andere vraagpatronen, waar historische gegevens regelmatige trends, eb en vloed, seizoensinvloeden of andere waarneembare patronen suggereren, lijkt de intermitterende vraag willekeurig te zijn. Er zijn veel periodes van nulvraag afgewisseld met onregelmatige vraag die niet gelijk is aan nul. Dit komt vaak voor bij serviceonderdelen, waarbij onderdelen worden vervangen als ze kapot gaan, en u weet gewoon niet wanneer dat zal gebeuren. De meeste voorraden van serviceonderdelen (70% of meer!) kunnen te maken krijgen met een intermitterende vraag. De vraag naar gespecialiseerde of geconfigureerde producten zal waarschijnlijk ook met tussenpozen zijn.

Supply Chain Brain heeft de meer diepgaande discussie over dit onderwerp gemaakt die Bowman en ik deelden beschikbaar Hier. Voor nieuwe bezoekers van Supply Chain Brain is een snelle accountregistratie vereist om toegang te krijgen tot de video.

Jeff Scott fungeert als Vice President, Marketing & Alliances voor Smart Software.

De vernietigende impact van de orkaan Sandy is zowel onthutsend als leerzaam geweest. Onze gedachten en beste wensen voor een spoedig herstel gaan uit naar iedereen die persoonlijk of economisch verlies of schade heeft geleden. Nu, in de nasleep van Sandy, merken we dat we nadenken over het versnellen van herstel en het plannen van de volgende onvoorziene gebeurtenis.

Ons werk met klanten in de zwaar getroffen massatransportsector gaf een ontnuchterend beeld van beschadigde infrastructuur, zwaar materieel en verlies van essentiële inventaris. Degenen die het meest getroffen zijn, hebben een enorme hoeveelheid werk gezien terwijl voorraadbeheerders de balans opmaken van wat ze hebben en nodig hebben en een berg vervangende onderdelen en producten aanschaffen. Deze unieke massale aanvullingscyclus biedt allerlei kansen en overwegingen. Voor degenen die zich nog in deze fase bevinden, en om onze collectieve voorbereiding op het volgende grote evenement te helpen, zijn hier een paar gedachten:

Mogelijkheid om direct “juiste maat” inventaris op te maken

Mogelijk kunt u een grote, eenmalige financiering voor vervangende inventaris ontvangen. Het kan verzekeringsgeld zijn, federale hulp of regenachtige dagfondsen uit uw eigen schatkist. Gebruik de financiering om de best mogelijke voorraadmix vast te stellen. Bestel niet volgens eerder vastgestelde min/max-niveaus. Als u dat wel doet, kunnen excessen en tekortkomingen uit het verleden eenvoudig worden herhaald.

Een groot evenement als Sandy biedt een zeldzame kans om je inventaris te transformeren. Begin met een nauwkeurige vraagprognose over de bevoorradingsperiode en genereer veiligheidsvoorraden en bestelpunten die aan uw kritieke behoeften voldoen. Dit kan in enkele uren of dagen worden gerealiseerd. Gewoonlijk kan het implementeren van optimale voorraadniveaus over meerdere jaren plaatsvinden, aangezien overtollige voorraad geleidelijk wordt uitgeput. Nu heb je echter een eenmalige kans om naar het juiste antwoord te springen. Deze verschuiving kan de uitgaven voor aanvulling aanzienlijk verminderen, waardoor honderdduizenden dollars vrijkomen voor andere, meer kritieke hersteldoeleinden.

Prioriteit geven aan aan te vullen klassen

Wees duidelijk over wat u nodig heeft voor cruciale operaties en geef prioriteit aan uw aanvulling. Welke onderdelen hebben een lange doorlooptijd en welke zijn direct leverbaar? Het is duidelijk dat artikelen met een korte doorlooptijd in fasen kunnen worden aangeschaft - nu net genoeg krijgen, waardoor er geld beschikbaar komt voor de artikelen met een langere doorlooptijd.

Bepaal hoeveel "net genoeg" is

Dit is waar een nauwkeurige vraagprognose, veiligheidsvoorraden en bestelpuntberekeningen een rol spelen. Denk aan het serviceniveau dat u nodig heeft - de waarschijnlijkheid dat producten in de schappen liggen wanneer u ze nodig hebt - wat in feite uw tolerantie voor risico's is. Doe dit voor elk item of elke klasse items. Dit zal u vertellen hoeveel veiligheidsvoorraad u, naast uw verwachte doorlooptijdprognose, bij de hand moet hebben. Door te herhalen op op serviceniveau gebaseerde vereisten, kunt u de waarde van het beschikbare aanvullingsbudget maximaliseren.

Statistische prognoses voor Intermittent demand versus 'vuistregel'-methoden

Dit is het moment om over te stappen van 'de manier waarop we het hebben gedaan' naar het meest nauwkeurige proces voor vraagprognoses en voorraadoptimalisatie dat voor u beschikbaar is. Voor een grotere voorspellingsnauwkeurigheid is minder veiligheidsvoorraad nodig, wat opnieuw voorraaddollars beschikbaar maakt voor andere gebruikers. De grootste afzonderlijke categorie voor verbetering is intermitterende vraag. De meeste organisaties passen hiervoor geen solide statistische methoden toe, maar nemen hun toevlucht tot de 'zware hamerregel': ze hebben veel bij de hand omdat niemand het weet. Hier is een gebied waar SmartForecasts bijzonder bedreven in is, met een gepatenteerde oplossing voor het voorspellen van intermitterende vraag. De resulterende veiligheidsvoorraadaanbevelingen bereikten het serviceniveaudoel bijna 100% van de tijd. Als u dit goed doet, bespaart u nu veel uitgaven en wordt de kans op overtollige, verouderde voorraad in de toekomst geminimaliseerd.

Nelson Hartunian, PhD, was medeoprichter van Smart Software, was voorheen President en houdt er momenteel toezicht op als voorzitter van de raad van bestuur. Hij heeft op verschillende momenten leiding gegeven aan softwareontwikkeling, verkoop en klantenservice.