Natuurkundigen zoals mijn mede-oprichter van Smart Software, Dr. Nelson Hartunian, vertellen ons burgers dat alles anders is als we doordringen tot op het kleinste niveau van de wereld. Fysica op kwantumniveau is nogal raar - helemaal niet zoals wat we ervaren in ons gebruikelijke macroscopische leven. Tot de eigenaardigheden behoren "superpositie", "verstrengeling" en "kwantumschuim". Hoe vreemd deze verschijnselen ook zijn, ik kan het niet laten om analogen te zien in de zogenaamd andere wereld van supply chain management.

Overweeg kwantumsuperpositie. In het kort betekent superpositie dat elke kwantumentiteit in twee toestanden tegelijk kan zijn. De kat van Schrödinger is de beroemdste illustratie van dit idee. Maar hoeveel van jullie lezers bevinden zich ook in een staat van superpositie? Ben je niet een manager van een team maar een lid van het team van je supervisor, een probleemoplosser maar ook een prognose-expert of een voorraadoptimizer en...? En geeft dit alles je niet soms het gevoel, net als die kat, dat je tegelijkertijd dood en levend bent? Moderne software kan een deel van deze last verlichten door de taken van vraagplanning en voorraadoptimalisatie te automatiseren. De rest is aan jou.

Een tweede kwantumanaloog is verstrengeling. Kort gezegd is verstrengeling de koppeling tussen twee elementen van een systeem. Ze kunnen lichtjaren van elkaar verwijderd zijn, maar het veranderen van een deel van een verstrengeld systeem zal onmiddellijk het andere deel veranderen. Dit irriteerde Albert Einstein, die het bespotte als 'spookachtige actie als een afstand'. In onze normale wereld zijn vraagplanning en voorraadoptimalisatie met elkaar verweven, aangezien het proces van voorraadoptimalisatie bovenop het proces van vraagvoorspelling zit. Moderne software koppelt de twee in een efficiënte interface.

Eindelijk het kwantumschuim - een van mijn favoriete ideeën. Zoals ik het begrijp, is kwantumschuim een vervanging voor lege ruimte: er is geen lege ruimte, maar een constant borrelen van "vacuümenergie" vergezeld van een stroom van "virtuele deeltjes" die uit het niets worden geboren en vervolgens weer in het niets verdwijnen. In de supply chain-wereld zijn de analogen van virtuele deeltjes klantorders. Vaak lijkt het alsof ze zonder waarschuwing uit het niets opduiken, en soms verdwijnen ze door annulering in een al even willekeurig en mysterieus proces. Dit soort vraagfluctuatie is de basis voor alle theorie van voorraadbeheer. Moderne software begint daarom met waarschijnlijkheidsmodellen van de klantvraag. Die modellen hebben vervolgens implicaties voor tastbare grootheden als veiligheidsvoorraden, bestelpunten en bestelhoeveelheden.

Helpt het vraagplanners en voorraadbeheerders echt om na te denken over deze ideeën uit de kwantumfysica? Nou, het is een beetje leuk om de analogieën te zien met onze reguliere wereld van werk. En ze doen ons denken aan meer macroscopische zaken: de basisconcepten van de noodzaak om meer dan één taak tegelijk uit te voeren, de koppeling tussen prognoses en voorraadbeheer, en willekeur als het fundamentele kenmerk van de toeleveringsketen.

Een voorraadbeheerder die verantwoordelijk is voor 10.000 artikelen heeft elke dag 10.000 dingen om zich druk over te maken. Verdubbel dat voor iemand die verantwoordelijk is voor 20.000 items.

In de drukte van het bedrijfsleven komen routinematige beslissingen vaak op de tweede plaats na brandbestrijding: omgaan met haperingen van leveranciers, het rechtzetten van papierwerkfouten, herstellen van die botsing tussen een vrachtwagen en het laadperron.

In de tussentijd echter van uw bedrijf geaccumuleerd voorraadbeheerbeleid blijven doen wat ze doen, zelfs als ze geld lekken. Een goede manager zal tijd vrijmaken om naar het 'achtergrondgeluid' te luisteren, zelfs als hij of zij luid gekraak hoort in het magazijn.

Overweeg de huidige instellingen voor uw voorraadbeheerparameters (bijv. bestelpunten en bestelhoeveelheden). Het is gemakkelijk om dit te zien als "vuur en vergeet" beslissingen. Maar deze instellingen stapelen zich meestal op in de loop van de tijd en vormen uiteindelijk een mengelmoes van vergeten beoordelingsvragen die mogelijk niet goed zijn afgestemd op uw huidige besturingsomgeving. Veel factoren kunnen afwijken van hun eerdere niveaus, zoals doorlooptijden van leveranciers, bestelkosten of gemiddelde vraag naar artikelen. Deze veranderingen kunnen onzichtbare compromissen afdwingen die niet in uw voordeel zijn.

Het is verstandig om deze besturingsinstellingen af en toe opnieuw te bekijken om te zien of het mogelijk is om uw dagelijkse activiteiten af te stemmen op de huidige realiteit. Het zou voor een drukke manager natuurlijk ondoenlijk zijn om handmatig de effecten te berekenen van het wijzigen van de besturingsinstellingen op bijvoorbeeld 10.000 artikelen. Maar dat is waar moderne software voor voorraadoptimalisatie en vraagplanning voor is: het mogelijk maken van grootschalige analytische taken. Met dergelijke software kunt u automatisch nieuwe informatie verwerken en aanpassingen op schaal berekenen. Het resultaat zal zijn gemakkelijke overwinningen – waarvan er vele anders niet zouden worden gerealiseerd. En als u hier en daar een beetje bespaart, levert dat aanzienlijke bedragen op als u duizenden items beheert.

Overweeg dit voorbeeld. Bedrijf A maakt gebruik van een periodiek inventarisatiesysteem. Elke 30 dagen controleren ze de voorhanden voorraad van al hun artikelen en beslissen hoeveel aanvullingsvoorraad ze willen bestellen. Elk van hun 10.000 artikelen heeft een bepaald Order-Up-To-niveau dat de omvang van hun aanvullingsorders bepaalt.

Stel dat artikel 1234 een Order-Up-To-niveau van 74 heeft, bepaald door rekening te houden met de gemiddelde artikelvraag van 1,0 eenheden per dag, een gemiddelde doorlooptijd voor aanvulling van 8 dagen en een beoogde opvullingsgraad van 90% voor dit artikel . De keuze van 74 als order-up-to-niveau zorgt ervoor dat bedrijf A zijn 90%-doelstelling voor het opvullingspercentage voor artikel 1234 kan halen, maar het resulteert ook in een gemiddeld voorraadniveau van 40 eenheden. Bij $1.500 per eenheid vertegenwoordigt dit artikel alleen al $45.000 aan voorraadinvesteringen.

Stel nu dat de gemiddelde vraag naar artikelen zou stijgen van 1,0 naar 1,2 eenheden/dag. Zonder dat iemand het merkt, zou het opvullingspercentage voor artikel 1234 dalen tot 82%!

Stel nu dat de vraag in de andere richting zou verschuiven en zou dalen tot 0,8 eenheden/dag. Net als bij de toename van de gemiddelde vraag van 1,0 naar 1,2 eenheden/dag, is dit soort verandering moeilijk te zien als je naar een perceel kijkt (zie figuur 1), maar het kan een aanzienlijke operationele impact hebben. In dit geval zou het opvullingspercentage zoomen naar een genereuze 96%, maar de beschikbare voorraad zou ook zoomen: van 40 eenheden naar 46. Die zes extra eenheden zouden $9.000 extra voorraad vertegenwoordigen.

Figuur 1: Voorbeelden van dagelijkse vraag met twee verschillende gemiddelde waarden. Het verschil in vraag is met het blote oog niet waarneembaar, maar als er geen rekening mee wordt gehouden, heeft dit een grote operationele impact op voorraaduitgaven en serviceniveaus

Stel je nu voor dat vergelijkbare kleine verschuivingen onopgemerkt plaatsvinden in een volledige vloot van 10.000 inventarisitems. De totale financiële impact van al dergelijke verschuivingen zou voldoende zijn om op de radar van een CFO te komen. Proberen deze turbulentie de baas te blijven, zou onmogelijk zijn als u dit handmatig zou doen, maar moderne voorraadoptimalisatiesoftware kan de juiste aanpassingen automatisch berekenen zo vaak als uw bedrijf aankan, en zelfs dagelijks helpen om substantiële verbeteringen in serviceniveaus en voorraadefficiëntie te realiseren, terwijl de voorraad wordt verlaagd en bewaarkosten!

1. Ingebouwde ERP-functionaliteit is ingebakken in Order Management.

Overweeg wat wordt bedoeld met "vraagbeheer", "vraagplanning" en "voorspelling". Deze voorwaarden impliceren bepaalde standaardfuncties voor samenwerking, statistische analyse en rapportage ter ondersteuning van een professioneel vraagplanningsproces. In de meeste ERP-systemen bestaat 'vraagbeheer' echter uit het uitvoeren van MRP en het afstemmen van vraag en aanbod met als doel het plaatsen van bestellingen, oftewel 'orderbeheer'. Het heeft weinig te maken met vraagplanning, een discreet proces dat gericht is op het ontwikkelen van de best mogelijke voorspellingen van de toekomstige vraag door statistische analyse te combineren met zakelijke kennis van evenementen, promoties en informatie over het verkoopteam. De meeste ERP-systemen bieden weinig statistische mogelijkheden en als ze worden aangeboden, heeft de gebruiker de keuze uit een paar statistische methoden die hij handmatig moet toepassen vanuit een vervolgkeuzelijst of zelf moet programmeren. Het is ingebakken in het orderbeheerproces, waardoor de gebruiker mogelijk kan zien hoe de prognose van invloed kan zijn op de voorraad. Er is echter geen enkele mogelijkheid om de prognose te beheren, de kwaliteit van de prognose te verbeteren, beheeronderdrukkingen toe te passen en te volgen, samen te werken, de nauwkeurigheid van de prognose te meten en bij te houden “voorspelbare toegevoegde waarde.” 

2. ERP-planningsmethoden zijn vaak gebaseerd op simplistische vuistregels.

ERP-systemen bieden altijd min, max, veiligheidsvoorraad, bestelpunt, bestelhoeveelheid en prognoses om bevoorradingsbeslissingen te stimuleren. Maar hoe zit het met de onderliggende methoden die worden gebruikt om deze belangrijke drijfveren te berekenen? In bijna alle gevallen zijn de aangeboden methoden niets meer dan vuistregel benaderingen die geen rekening houden met de variabiliteit van vraag of leverancier. Sommige bieden wel "targeting op serviceniveau", maar vertrouwen ten onrechte op de aanname van een normale verdeling ("klokvormige curve"), wat betekent dat de vereiste veiligheidsvoorraden en bestelpunten die door het systeem worden aanbevolen om het serviceniveaudoel te bereiken, vlak zullen zijn verkeerd uit als uw gegevens niet passen in het ideale theoretische model, wat vaak erg onrealistisch is. Dergelijke te vereenvoudigde berekeningen doen meestal meer kwaad dan goed.  

3. Waarschijnlijk gebruik je spreadsheets nog minimaal 2 jaar na aanschaf.

Als u een nieuwe ERP-oplossing zou implementeren, zouden uw oude gegevens meestal vastlopen. Alle systeemeigen ERP-functionaliteiten voor prognoses, het instellen van voorraadbeleid zoals min/max, enz. kunnen dus niet worden gebruikt en u zult gedwongen worden om gedurende ten minste twee jaar terug te grijpen op omslachtige en foutgevoelige spreadsheets (een jaar om te implementeren). op zijn vroegst en nog een jaar om ten minste 12 maanden geschiedenis te verzamelen). Nauwelijks een digitale transformatie. Het gebruik van een best-of-breed oplossing voorkomt dit probleem. U kunt gegevens uit uw oude ERP-systeem laden en uw ERP-implementatie niet verstoren. Dit betekent dat u op dag 1 van ERP-go-live uw nieuwe ERP-systeem kunt vullen met betere invoer voor vraagprognoses, veiligheidsvoorraden, bestelpunten en min/max-instellingen.

4. ERP is niet ontworpen om alles te doen

De "Doe alles in ERP/One-Vendor"-mentaliteit was een marketingboodschap die werd gepromoot door ERP-bedrijven, met name SAP, om u, de klant, 100% van uw IT-budget bij hen te laten uitgeven. Die marketingboodschap is door analistengroepen, IT-firma's en systeemintegrators aan de gebruikers nagepraat, waarbij rationele stemmen werden overstemd die vroegen: "Waarom wil je zo afhankelijk zijn van één bedrijf dat je inferieure technologie voor prognoses en voorraadplanning gebruikt?" ” Het enorme aantal IT-storingen en de enorme implementatiekosten hebben ertoe geleid dat veel bedrijven hun benadering van ERP hebben heroverwogen. Met de komst van gespecialiseerde planning-apps die in de cloud zijn geboren zonder IT-footprint, is de juiste keuze een "dunne" ERP gericht op de basisprincipes - boekhouding, orderbeheer, financiën - maar ondersteund door gespecialiseerde planning-apps. 

De expertise van ERP-consultants ligt in hoe hun systeem is ontworpen om bepaalde bedrijfsprocessen te automatiseren en hoe het systeem kan worden geconfigureerd of aangepast. Hun adviseurs zijn geen specialisten in de juiste aanpak van voorraadplanning, prognoses en voorraadplanning. Dus als u probeert te begrijpen welke aanpak voor vraagplanning geschikt is voor uw bedrijf, hoe moet u dan goed bufferen (bijv. "Moeten we min/max of op prognoses gebaseerde aanvulling doen?" "Moeten we voorspellingsmethode X gebruiken?"), zul je het over het algemeen niet vinden en als je dat wel doet, zal die bron vrij dun verspreid zijn. 

Er is een oud grapje: "Er zijn twee soorten mensen - zij die geloven dat er twee soorten mensen zijn, en zij die dat niet doen." We kunnen die grap aanpassen: "Er zijn twee soorten mensen - zij die weten dat er drie soorten supply chain-analyse zijn, en zij die deze blog nog niet hebben gelezen."

De drie typen supply chain-analyse zijn 'beschrijvend', 'voorspellend' en 'voorschrijvend'. Elk speelt een andere rol bij het helpen bij het beheren van uw voorraad. Met moderne supply chain-software kunt u alle drie benutten.

Beschrijvende analyses

Beschrijvende analyses zijn het spul van dashboards. Ze vertellen je "wat er nu gebeurt." In deze categorie zijn samenvattingscijfers opgenomen zoals dollars die momenteel in voorraad zijn geïnvesteerd, het huidige niveau van klantenservice en opvullingspercentage, en gemiddelde doorlooptijden van leveranciers. Deze statistieken zijn handig om uw activiteiten bij te houden, vooral wanneer u wijzigingen daarin van maand tot maand bijhoudt. U zult elke dag op hen vertrouwen. Ze vereisen nauwkeurige bedrijfsdatabases, statistisch verwerkt.

Voorspellende analyse

Voorspellende analyses manifesteren zich meestal als prognoses van de vraag, vaak opgesplitst per product en locatie en soms ook per klant. Deze statistieken geven vroegtijdige waarschuwingen, zodat u productie, personeel en inkoop van grondstoffen kunt versnellen om aan de vraag te voldoen. Ze bieden ook voorspellingen van het effect van wijzigingen in het bedrijfsbeleid, bijvoorbeeld: wat gebeurt er als we onze bestelhoeveelheid voor product X verhogen van 20 naar 25 eenheden? U kunt periodiek, misschien wekelijks of maandelijks, vertrouwen op Predictive Analytics wanneer u opkijkt van wat er nu gebeurt om te zien wat er daarna zal gebeuren. Predictive Analytics gebruikt beschrijvende analyse als basis, maar voegt meer mogelijkheden toe. Predictive Analytics voor vraagprognoses vereist geavanceerde statistische verwerking om kenmerken van de productvraag zoals trend, seizoensinvloeden en verandering van regime. Predictive Analytics voor voorraadbeheer gebruikt prognoses van de vraag als invoer in modellen van de werking van voorraadbeleid, die op hun beurt schattingen geven van belangrijke prestatiestatistieken zoals serviceniveaus, opvullingspercentages, en werkingskosten.

Prescriptieve analyses

Prescriptieve analyses gaan niet over wat er nu gebeurt of wat er daarna gaat gebeuren, maar over wat u vervolgens zou moeten doen, dwz ze bevelen beslissingen aan die gericht zijn op het maximaliseren van de prestaties van het inventarisatiesysteem. U kunt op Prescriptive Analytics vertrouwen om uw gehele voorraadbeleid zo goed mogelijk vorm te geven. Prescriptive Analytics gebruikt Predictive Analytics als basis en voegt vervolgens optimalisatiemogelijkheden toe. Prescriptive Analytics-software kan bijvoorbeeld automatisch de beste keuzes maken voor toekomstige waarden van min's en max's voor duizenden inventarisitems. Hier kan 'beste' de waarde van Min en Max voor elk artikel betekenen die de bedrijfskosten minimaliseert (de som van kosten voor vasthouden, bestellen en tekorten) terwijl een 90%-minimum voor het opvullingspercentage van artikelen wordt gehandhaafd.

Voorbeeld

Onderstaande figuur laat zien hoe supply chain analytics de voorraadbeheerder kan helpen. De kolommen tonen drie voorspelde Key Performance Indicators (KPI's): serviceniveau, voorraadinvestering en bedrijfskosten (holdingkosten + bestelkosten + tekortkosten).

 Afbeelding 1: de drie soorten analyses die worden gebruikt om planningsscenario's te evalueren

De rijen tonen vier alternatieve voorraadbeleidslijnen, uitgedrukt als scenario's. Het “Live” scenario rapporteert over de waarden van de KPI's op 1 juli 2018. Het “99% All” scenario wijzigt het huidige beleid door het serviceniveau van alle artikelen te verhogen naar 99%. Het scenario "75 verdieping/99 plafond" verhoogt serviceniveaus die te laag zijn tot 75% en verlaagt zeer hoge (dwz dure) serviceniveaus tot 95%. Het scenario "Optimalisatie" schrijft artikelspecifieke serviceniveaus voor die de totale bedrijfskosten minimaliseren.

Het scenario “Live 01-07-2018” is een voorbeeld van beschrijvende analyse. Het toont de huidige basislijnprestaties. De software stelt de gebruiker vervolgens in staat wijzigingen in het voorraadbeleid uit te proberen door nieuwe "Wat als"-scenario's te creëren die vervolgens kunnen worden omgezet in benoemde scenario's voor verdere overweging. De volgende twee scenario's zijn voorbeelden van Predictive Analytics. Ze beoordelen allebei de gevolgen van hun aanbevolen beleid voor voorraadbeheer, dwz de aanbevolen waarden van Min en Max voor alle artikelen. Het scenario 'Optimalisatie' is een voorbeeld van Prescriptive Analytics omdat het een beste compromisbeleid aanbeveelt.

Overweeg hoe de drie alternatieve scenario's zich verhouden tot het "Live" basisscenario. Het scenario "99% All" verhoogt de beschikbaarheidsstatistieken van artikelen, waardoor het serviceniveau stijgt van 88% naar 99%. Hierdoor neemt de totale inventarisinvestering echter toe van $3 miljoen tot ongeveer $4 miljoen. Het scenario '75 vloer/99 plafond' daarentegen verhoogt zowel het serviceniveau als vermindert het contante geld dat vastzit in de voorraad met ongeveer $300.000. Ten slotte bereikt het scenario "Optimalisatie" een 80%-serviceniveau, een verlaging ten opzichte van de huidige 88%, maar het verlaagt de voorraadwaarde met meer dan $2 miljoen en verlaagt de bedrijfskosten met meer dan $400.000 per jaar. Van hieruit konden managers verdere opties uitproberen, zoals het teruggeven van een deel van de $2 miljoen besparingen om een hoger gemiddeld serviceniveau te bereiken.

Overzicht

Moderne softwarepakketten voor voorraadplanning en voorraadoptimalisatie zouden drie soorten supply chain-analyses moeten bieden: beschrijvend, voorspellend en prescriptief. Dankzij hun combinatie kunnen voorraadbeheerders hun activiteiten volgen (Beschrijvend), voorspellen waar hun activiteiten in de toekomst zullen zijn (Predictive) en hun voorraadbeleid optimaliseren om te anticiperen op toekomstige omstandigheden (Prescriptief).

Er is een oud grapje: "Er zijn twee soorten mensen - zij die geloven dat er twee soorten mensen zijn, en zij die dat niet doen." We kunnen die grap aanpassen: "Er zijn twee soorten mensen - zij die weten dat er drie soorten supply chain-analyse zijn, en zij die deze blog nog niet hebben gelezen."

De drie typen supply chain-analyse zijn 'beschrijvend', 'voorspellend' en 'voorschrijvend'. Elk speelt een andere rol bij het helpen bij het beheren van uw voorraad. Met moderne supply chain-software kunt u alle drie benutten.

Beschrijvende analyses

Beschrijvende analyses zijn het spul van dashboards. Ze vertellen je "wat er nu gebeurt." In deze categorie zijn samenvattingscijfers opgenomen zoals dollars die momenteel in voorraad zijn geïnvesteerd, het huidige niveau van klantenservice en opvullingspercentage, en gemiddelde doorlooptijden van leveranciers. Deze statistieken zijn handig om uw activiteiten bij te houden, vooral wanneer u wijzigingen daarin van maand tot maand bijhoudt. U zult elke dag op hen vertrouwen. Ze vereisen nauwkeurige bedrijfsdatabases, statistisch verwerkt.

Voorspellende analyse

Voorspellende analyses manifesteren zich meestal als prognoses van de vraag, vaak opgesplitst per product en locatie en soms ook per klant. Deze statistieken geven vroegtijdige waarschuwingen, zodat u productie, personeel en inkoop van grondstoffen kunt versnellen om aan de vraag te voldoen. Ze bieden ook voorspellingen van het effect van wijzigingen in het bedrijfsbeleid, bijvoorbeeld: wat gebeurt er als we onze bestelhoeveelheid voor product X verhogen van 20 naar 25 eenheden? U kunt periodiek, misschien wekelijks of maandelijks, vertrouwen op Predictive Analytics wanneer u opkijkt van wat er nu gebeurt om te zien wat er daarna zal gebeuren. Predictive Analytics gebruikt beschrijvende analyse als basis, maar voegt meer mogelijkheden toe. Predictive Analytics voor vraagprognoses vereist geavanceerde statistische verwerking om kenmerken van de productvraag zoals trend, seizoensinvloeden en verandering van regime. Predictive Analytics voor voorraadbeheer gebruikt prognoses van de vraag als invoer in modellen van de werking van voorraadbeleid, die op hun beurt schattingen geven van belangrijke prestatiestatistieken zoals serviceniveaus, opvullingspercentages, en werkingskosten.

Prescriptieve analyses

Prescriptieve analyses gaan niet over wat er nu gebeurt of wat er daarna gaat gebeuren, maar over wat u vervolgens zou moeten doen, dwz ze bevelen beslissingen aan die gericht zijn op het maximaliseren van de prestaties van het inventarisatiesysteem. U kunt op Prescriptive Analytics vertrouwen om uw gehele voorraadbeleid zo goed mogelijk vorm te geven. Prescriptive Analytics gebruikt Predictive Analytics als basis en voegt vervolgens optimalisatiemogelijkheden toe. Prescriptive Analytics-software kan bijvoorbeeld automatisch de beste keuzes maken voor toekomstige waarden van min's en max's voor duizenden inventarisitems. Hier kan 'beste' de waarde van Min en Max voor elk artikel betekenen die de bedrijfskosten minimaliseert (de som van kosten voor vasthouden, bestellen en tekorten) terwijl een 90%-minimum voor het opvullingspercentage van artikelen wordt gehandhaafd.

Voorbeeld

Onderstaande figuur laat zien hoe supply chain analytics de voorraadbeheerder kan helpen. De kolommen tonen drie voorspelde Key Performance Indicators (KPI's): serviceniveau, voorraadinvestering en bedrijfskosten (holdingkosten + bestelkosten + tekortkosten).

 Afbeelding 1: de drie soorten analyses die worden gebruikt om planningsscenario's te evalueren

De rijen tonen vier alternatieve voorraadbeleidslijnen, uitgedrukt als scenario's. Het “Live” scenario rapporteert over de waarden van de KPI's op 1 juli 2018. Het “99% All” scenario wijzigt het huidige beleid door het serviceniveau van alle artikelen te verhogen naar 99%. Het scenario "75 verdieping/99 plafond" verhoogt serviceniveaus die te laag zijn tot 75% en verlaagt zeer hoge (dwz dure) serviceniveaus tot 95%. Het scenario "Optimalisatie" schrijft artikelspecifieke serviceniveaus voor die de totale bedrijfskosten minimaliseren.

Het scenario “Live 01-07-2018” is een voorbeeld van beschrijvende analyse. Het toont de huidige basislijnprestaties. De software stelt de gebruiker vervolgens in staat wijzigingen in het voorraadbeleid uit te proberen door nieuwe "Wat als"-scenario's te creëren die vervolgens kunnen worden omgezet in benoemde scenario's voor verdere overweging. De volgende twee scenario's zijn voorbeelden van Predictive Analytics. Ze beoordelen allebei de gevolgen van hun aanbevolen beleid voor voorraadbeheer, dwz de aanbevolen waarden van Min en Max voor alle artikelen. Het scenario 'Optimalisatie' is een voorbeeld van Prescriptive Analytics omdat het een beste compromisbeleid aanbeveelt.

Overweeg hoe de drie alternatieve scenario's zich verhouden tot het "Live" basisscenario. Het scenario "99% All" verhoogt de beschikbaarheidsstatistieken van artikelen, waardoor het serviceniveau stijgt van 88% naar 99%. Hierdoor neemt de totale inventarisinvestering echter toe van $3 miljoen tot ongeveer $4 miljoen. Het scenario '75 vloer/99 plafond' daarentegen verhoogt zowel het serviceniveau als vermindert het contante geld dat vastzit in de voorraad met ongeveer $300.000. Ten slotte bereikt het scenario "Optimalisatie" een 80%-serviceniveau, een verlaging ten opzichte van de huidige 88%, maar het verlaagt de voorraadwaarde met meer dan $2 miljoen en verlaagt de bedrijfskosten met meer dan $400.000 per jaar. Van hieruit konden managers verdere opties uitproberen, zoals het teruggeven van een deel van de $2 miljoen besparingen om een hoger gemiddeld serviceniveau te bereiken.

Overzicht

Moderne softwarepakketten voor voorraadplanning en voorraadoptimalisatie zouden drie soorten supply chain-analyses moeten bieden: beschrijvend, voorspellend en prescriptief. Dankzij hun combinatie kunnen voorraadbeheerders hun activiteiten volgen (Beschrijvend), voorspellen waar hun activiteiten in de toekomst zullen zijn (Predictive) en hun voorraadbeleid optimaliseren om te anticiperen op toekomstige omstandigheden (Prescriptief).