Stoppen met alles kopen, van paperclips tot software? Nee. Je zou een beetje slim moeten zijn over hoe je het gaat uitrijden.

Zelfs in normale tijden suggereert een goede voorraadhygiëne dat u uw voorraadcontroleparameters continu bijwerkt: bestelpunten, bestelhoeveelheden, veiligheidsvoorraden, mins, maxes, doorlooptijden. Daarnaast moet u uw voorraadstrategieën bijwerken, zoals het aanpassen van de beoogde serviceniveaus of opvullingspercentages voor elk item dat u in uw bezit heeft. Dat is het 'zou moeten'.

Maar in normale tijden is het gemakkelijk genoeg om die aanpassingen te laten glijden en je op andere dingen te concentreren. Dan, wanneer het eerste vleugje recessie in de lucht hangt, raak je misschien in paniek en kom je in actie op een manier die het moeilijker maakt om de down-times te overleven. Je kunt er beslissend uitzien door in wezen vast te lopen of zelfs sommige dingen af te sluiten, maar je loopt het risico om nu beslissend over te komen en later dwaas.

Het is beter om de balans op te maken van uw gehele huidige inventarisatie en die afstemming uit te voeren voordat het echt slecht wordt. Het komt vaak genoeg voor dat voorraadparameters, zoals bestelpunten, op hun huidige niveau worden ingesteld door iemand die ergens in het verre verleden al lang weg is, om de een of andere reden die niemand zich herinnert. Na verloop van tijd veranderen de omstandigheden, maar het systeem past zich niet aan. Het begin van een mogelijke recessie is dus een geschikt moment om uw voorraadoptimalisatiesoftware uit te voeren om uw activiteiten af te stemmen.

Het kan zijn dat u voldoende slib uit uw huidige systeem kunt verwijderen om een deel of al het slechte nieuws te compenseren. Uw leveranciers vullen bestellingen bijvoorbeeld sneller aan dan uw software denkt, zodat u voorraden kunt verkleinen zonder het risico te lopen dat er meer voorraad ontstaat door bestelpunten opnieuw te berekenen. Als u vindt dat u voorraden moet verminderen en uw klanten moet vragen om lagere opvullingspercentages te accepteren, moet u uw voorraadoptimalisatiesoftware gebruiken om de beste items te identificeren die u op het hakblok kunt plaatsen, in plaats van bijvoorbeeld het opvullingspercentage van elk item met 5% aan te passen. Als u duizenden of tienduizenden inventarisitems heeft, is dat soort lasergerichte aanpassing misschien niet menselijk mogelijk zonder goede softwareondersteuning. Maar met goede softwareondersteuning is het te doen en nuttig.

Voordat u op de paniekknop drukt, moet u alle inefficiëntie uit uw huidige activiteiten persen. Als u, zoals gebruikelijk, goede software heeft maar uw mensen slechts een fractie van de mogelijkheden ervan gebruiken, repareer dat dan en haal meer uit de investering. Als u geen moderne voorraadoptimalisatie heeft, neem dan een anticyclische beslissing en koop er wat.

Als u meer wilt lezen over vraagplanning, prognoses en het vinden van nieuwe zakelijke kansen in een economische recessie, lees dan dit Journal of Business Forecasting-artikel van het Institute of Business Forecasting (IBF) hier of blijf onze lezen nieuwe artikelen

We werken samen met veel klanten in veel sectoren om onze geavanceerde software voor analyse, prognoses en voorraadplanning te verbinden met hun ERP-systemen. Ondanks de verscheidenheid aan situaties die we tegenkomen, hebben sommige gegevensgerelateerde problemen de neiging om keer op keer de kop op te steken. In deze blog staan tien tips die je kunnen helpen om deze veelvoorkomende problemen te voorkomen.

Zodra een klant klaar is om software voor vraagplanning en/of voorraadoptimalisatie te implementeren, moet hij de analysesoftware aansluiten op zijn bedrijfsgegevensstroom. In ons geval verwerken we transactiegegevens rechtstreeks in de analytische software. Dit geeft onder meer informatie over de vraag naar artikelen en de doorlooptijden van leveranciers. We halen de rest van de gegevens uit het ERP-systeem zelf, dat metagegevens levert zoals de locatie van elk artikel, de kostprijs per eenheid en de productgroep.

Deze tips zijn belangrijk omdat het niet ongebruikelijk is dat implementatieprojecten met veel enthousiasme beginnen, maar al snel vastlopen door problemen met de gegevens die de analyse voeden. Deze vertragingen kunnen het teamenthousiasme verminderen, projectleiders in verlegenheid brengen en de ROI-uitbetaling vertragen (en daardoor verminderen) die uiteindelijk het implementatieproject rechtvaardigde.

Het belang van het verbinden van de analysesoftware met de bedrijfsgegevensstroom

Hier is de lijst met tips, gegroepeerd op basis van de algemene thema's veilig omgaan met bestanden, waarborgen van gegevensintegriteit en omgaan met uitzonderingen.

Veilig omgaan met bestanden

1. Zorg voor een testomgeving die u als 'sandbox' kunt gebruiken. Kopieer uw huidige gegevens naar een testomgeving waar u veilig kunt experimenteren met de software zonder de huidige bewerkingen te riskeren. Naast het helpen van gebruikers om de ins en outs van de nieuwe software te leren, stelt het hebben van de nieuwste gegevens in de software eindgebruikers in staat eventuele problemen met de gegevens te ontdekken.

2. Bescherm uw regels voor gegevensextractie. Als u geen gebruik maakt van een kant-en-klare connector voor uw ERP-systeem dan moet u ervoor zorgen dat u bewaarbare uittrekregels kunt maken om gegevens van uw ERP naar een bestand te verplaatsen. Kolomvolgorde, gegevenstypen, datumnotaties, enz. mogen niet elke keer dat hetzelfde extract opnieuw wordt uitgevoerd, variëren. Anders loopt het project vast in handmatige fouten of verwarring bij het opnieuw uitpakken na fixes van de gegevens of wanneer nieuwe gegevens binnenkomen. Alle regels voor gegevensextractie moeten worden opgeslagen en beschikbaar zijn voor IT - we zijn situaties tegengekomen waarin bestanden werden geëxtraheerd. op ad hoc wijze resulterend in een iets ander formaat bij elk nieuw uittreksel. We hebben ook gezien dat klanten hard werkten aan het ontwikkelen van een complexe en nauwkeurige routine voor het extraheren van gegevens, waarna ze ontdekten dat al hun werk verloren was gegaan toen het niet goed was gearchiveerd. Beide situaties leidden tot verwarring en projectvertragingen.

3. Gebruik geen native bestandsindelingen van Excel voor gegevensoverdracht. Als uw planningsoplossing geen directe integratie met uw ERP-systeem heeft, exporteer dan ERP-gegevens naar een platte bestandsindeling, zoals door komma's gescheiden bestanden (.csv) of door tabs gescheiden tekstbestanden. Gebruik geen MS Excel-indelingen zoals .xls of .xlsx als het exportbestandstype omdat Excel automatisch veldwaarden op onverwachte manieren opnieuw opmaakt. Veel gebruikers gaan ervan uit dat ze .xlsx-bestanden moeten gebruiken als ze ze handmatig willen bekijken, zich niet realiserend dat .csv- of .txt-bestanden net zo gemakkelijk kunnen worden geopend en niet het risico met zich meebrengen dat ze automatisch opnieuw worden geformatteerd.

Gegevensintegriteit verzekeren

Gegevensproblemen en oplossingen bij software-implementatie. Hier is de lijst met tips, gegroepeerd op basis van de algemene thema's veilig omgaan met bestanden, waarborgen van gegevensintegriteit en omgaan met uitzonderingen.

4. Bevestig de juistheid van uw catalogusgegevens. Exporteer uw catalogusgegevens (dwz lijst met producten, lijst met klanten, lijst met leveranciers) en al hun relevante attributen. Controleer op verkeerde of verdachte waarden in de attributen (vooral doorlooptijden en kosten van artikelen). Problematische waarden zijn spaties, nullen als u geen nul als gegevenswaarde verwacht, en tekenreeksen als u numerieke waarden verwacht (of vice versa). Het kan helpen om elk extractbestand in Excel te openen en op elk attribuutveld te filteren, kijkend naar de unieke waarden om te zien wat eruit springt als niet zoals de andere (bijv. "1", "2", "&&", "3" …).

5. Bevestig de juistheid van uw groeperingsgegevens. Een andere nuttige activiteit die kan worden uitgevoerd tijdens het bekijken van de productcatalogusgegevens in Excel, is het controleren van belangrijke groeperings-/filtervelden zoals productfamilie, categorie of klasse om er zeker van te zijn dat er geen producten zijn toegewezen aan de verkeerde categorie, klasse of familie. Controleer ook alle velden voor productstatus/productlevenscyclus, zorg er bijvoorbeeld voor dat u alle stopgezette producten correct hebt geïdentificeerd.

6. Controleer op valse controletekens in tekstvelden. Controleer of er geen ongebruikelijke tekens in uw productbeschrijvingen zijn geëxtraheerd, zoals regelterugloop of tabs in de beschrijvingswaarde zelf. Als dat het geval is, zorg er dan voor dat u die gegevens kunt extraheren door tussenvoegsels met dubbele aanhalingstekens rond de beschrijving te gebruiken, of herstel fouten bij het invoeren van gegevens rechtstreeks in het ERP-systeem.

7. Controleer of de gegevens een standaardlay-out hebben. Controleer of uw uittreksels van transactiegegevens (bijv. klantorders, klantverzendingen, inkooporders, leveranciersbonnen) geen dubbele rijen bevatten. Als dat het geval is, identificeert u welke velden moeten worden toegevoegd om de rijen onderscheidend te maken of, als het echte duplicaten zijn, verwijdert u de extra exemplaren in de ERP-database.

Omgaan met uitzonderingen

8. Detecteer en reageer op uitzonderingen. Identificeer alle kenmerken van transactiegegevens die zouden betekenen dat ze niet zouden moeten worden gebruikt, zoals geannuleerde bestellingen. Begrijp het proces rond verkeerd ingevoerde bestellingen of geannuleerde bestellingen om ervoor te zorgen dat dit soort transacties niet worden geteld of dubbel geteld. Let op andere gegevensattributen die zouden impliceren dat dat attribuut niet mag worden gebruikt, zoals dropshipping rechtstreeks van een leverancier naar de klant in plaats van het vanuit uw eigen bedrijf te verzenden. 

9. Codificeer de afhandeling van uitzonderlijke interne overboekingen. Definieer het geïdealiseerde record van interne voorraadoverdrachten in noodgevallen en geef vervolgens regels voor het bewerken van transacties die op noodbasis zijn uitgevoerd en die afwijken van het ideale patroon. Als bijvoorbeeld product P1 zou moeten worden verzonden vanuit locatie A, maar er was een noodverzending vanuit locatie B, wordt de vraaggeschiedenis voor P1 op locatie A gekaapt en minder dan het had moeten zijn. Geef indien mogelijk een regel op voor de gewenste verzendlocatie voor elk product, zodat de geschiedenis kan worden gecorrigeerd door de voorraadoptimalisatiesoftware voor prognosedoeleinden.

10. Bedenk een procedure om vervanging af te handelen. Vervangingen doen zich bijvoorbeeld voor bij het adopteren van een nieuw ERP-systeem dat de producten opnieuw indexeert, of een oud product wordt vervangen door een bijgewerkte versie, of een geheel nieuw product veroudert en het oude. Als product-ID's om welke reden dan ook in de afgelopen paar jaar zijn gewijzigd, identificeer dan een mapping van de oude product-ID naar de nieuwe. Deze regels moeten beschikbaar zijn voor het vraagplannings- en prognosesysteem en kunnen worden bewerkt binnen de applicatie.

Het niet anticiperen op dataproblemen vormt een grote belemmering voor een soepele implementatie van nieuwe analytische software. Geen enkele lijst kan alle vreemde dingen opsommen die fout kunnen gaan bij het verzamelen van gegevens, maar deze lijst belicht veelvoorkomende problemen en verstandige antwoorden.

Opmerking: voor meer informatie over hoe gegevensproblemen de toepassing van geavanceerde analytische software kunnen belemmeren, zie de uitstekende blog van Sean Snapp over hoe dit probleem de toepassing van kunstmatige intelligentie en machine learning belemmert.  https://www.brightworkresearch.com/demandplanning/2019/05/how-many-ai-projects-will-fail-due-to-a-lack-of-data/

Waar we tegen zijn

Als Boston Red Sox-fan van de derde generatie ben ik niet geneigd om advies aan te nemen van een New York Yankee-balspeler, zelfs een geweldige, maar ik moet toegeven dat je soms gewoon een beslissing moet nemen. Zou het echter niet beter zijn als we de afwegingen wisten die bij elke beslissing horen. Misschien is de ene weg mooier, maar duurt het langer, terwijl de andere directer maar saaier is. Dan hoeft u het niet zomaar te accepteren, maar kunt u een weloverwogen beslissing nemen op basis van de voor- en nadelen van elke benadering.

In de wereld van supply chain planning is de meest fundamentele beslissing hoe de beschikbaarheid van artikelen in evenwicht moet worden gebracht met de kosten om die beschikbaarheid in stand te houden (serviceniveaus en opvullingspercentages). Aan de ene kant kun je schromelijke overvoorraden hebben en nooit zonder raken totdat je failliet gaat en de winkel moet sluiten om al je geld in voorraad te stoppen die niet verkoopt. Aan het andere uiterste kunt u een grote ondervoorraad hebben en een bundel besparen op voorraadkosten, maar failliet gaan en uw winkel moeten sluiten omdat al uw klanten hun zaken elders hebben gedaan.

Er is geen ontkomen aan deze fundamentele spanning. De manier om te overleven en te gedijen is het vinden van een productieve en duurzame balans. Om dat te doen, zijn op feiten gebaseerde afwegingen nodig op basis van de cijfers. Om de nummers te krijgen is software nodig.

De algemene gang van zaken is duidelijk. Als u besluit meer voorraad aan te houden, heeft u meer voorraadkosten, lagere tekortkosten en mogelijk lagere bestelkosten. Of dit geld kost of bespaart, is onmogelijk te weten zonder een geavanceerde analyse, maar meestal is het resultaat dat de Totale Kosten omhoog gaan. Maar als u investeert in meer voorraad, levert dat iets op, omdat u uw klanten hogere serviceniveaus en opvulpercentages biedt. Hoeveel hoger vereist, zoals je misschien wel vermoedt, een geavanceerde analyse.

Laat me de cijfers zien

In deze blog leggen we uit hoe zo'n analyse eruit ziet. Er is geen universele oplossing die u naar de "juiste" beslissing wijst. U zou kunnen denken dat de juiste beslissing de beslissing is die het beste bij u past. Maar om die cijfers te krijgen, heb je iets nodig dat je zelden ziet: een nauwkeurig model van klantgedrag met betrekking tot serviceniveau (bekijk ons artikel “Hoe kies je een doelserviceniveau”) Wanneer zal een klant bijvoorbeeld weglopen en ergens anders heen gaan? Zal het zijn nadat je 1% van de tijd, 5% van de tijd, 10% van de tijd hebt opgeslagen? Blijft u hun bedrijf behouden zolang u snel nabestellingen uitvoert? Zal het zijn na een nabestelling van 1 dag, 2 dagen? 3 weken? Zal het zijn nadat dit één keer op een belangrijk onderdeel of vele malen op veel onderdelen is gebeurd? Hoewel het modelleren van het precieze serviceniveau waarmee u uw klant kunt behouden en tegelijkertijd de kosten kunt minimaliseren een ongenaakbaar ideaal lijkt, is een andere vorm van geavanceerde analyse meer pragmatisch. 

Voorraadoptimalisatie- en prognosesoftware kan alle bijbehorende kosten in rekening brengen, zoals de kosten van bevoorrading, de kosten van het aanhouden van voorraden en de kosten van het bestellen van voorraden, om zo een optimaal serviceniveau voor te schrijven dat de laagste totale kosten oplevert. Maar zelfs dat "optimale" serviceniveau is gevoelig voor veranderingen in de kosten, waardoor de resultaten mogelijk twijfelachtig zijn. Als u bijvoorbeeld de exacte kosten niet nauwkeurig kunt inschatten (de kosten van een tekort zijn het moeilijkst), zal het moeilijk zijn om met zekerheid iets te zeggen als: "Als ik mijn voorhanden voorraad verhoog met gemiddeld één eenheid voor alle artikelen in een belangrijke productfamilie, zal mijn bedrijf een nettowinst van $170.500 zien. Die winst neemt toe totdat ik bij 4 eenheden kom. Bij 4 stuks en hoger daalt het rendement door te hoge bewaarkosten. Dus de beste beslissing om rekening te houden met verwachte voorraad, bestelling en voorraad is om de voorraad met 3 eenheden te verhogen om een nettowinst van meer dan $500.000 te zien.  

Afgezien van dat ideaal, kunt u iets doen dat eenvoudiger maar toch uiterst waardevol is: kwantificeer de afwegingscurve tussen voorraadkosten en artikelbeschikbaarheid. Hoewel u niet noodzakelijkerwijs weet op welk serviceniveau u zich moet richten, kent u wel de kosten van verschillende serviceniveaus. Dan kunt u uw grote geld verdienen door een goede plek te vinden om op die afwegingscurve te zijn en te communiceren waar u risico loopt en waar niet, en verwachtingen te scheppen bij klanten en interne belanghebbenden. Zonder de afwegingscurve om u te leiden, vliegt u blind en kunt u uw voorraadbeleid niet rationeel wijzigen.

Een scenario om van te leren

Laten we een realistische afwegingscurve schetsen. We beginnen met een scenario dat een managementbeslissing vereist. Het scenario dat we zullen gebruiken en de bijbehorende veronderstellingen over vraag, doorlooptijden en kosten worden hieronder beschreven:

Voorraadbeleid

• Periodieke beoordeling – Beslissingen voor herbestellingen worden om de 30 dagen genomen
• Order-Up-To-Level ("S") - Varieerde van 30 tot 60 eenheden
• Tekortbeleid - Sta nabestellingen toe, geen verloren bestellingen

Vraag naar

• De vraag is intermitterend
• Gemiddeld = 0,8 eenheden per dag
• Standaarddeviatie = 1,2 eenheden per dag
• Grootste vraag in een jaar ≈ 9
• % dagen zonder vraag = 53%

Lead Time

• Willekeurig op 7, 14 of 21 dagen met waarschijnlijkheden respectievelijk 70%, 20% en 10%

Kostenparameters

• Bewaarkosten = $1 per dag
• Bestelkosten = $10 per bestelling, ongeacht de grootte van de bestelling
• Tekortkosten = $100 per eenheid niet onmiddellijk uit voorraad verzonden

We stellen ons een beleid voor voorraadbeheer voor dat in de handel bekend staat als een "periodieke beoordeling" of (T,S) beleid. In dit geval is de Herzieningsperiode ("T") 30 dagen, wat betekent dat elke 30 dagen de voorraadpositie wordt gecontroleerd en een bestelbeslissing wordt genomen. De bestelhoeveelheid is het verschil tussen het waargenomen aantal beschikbare eenheden en de Order-Up-To Quantity ("S"). Dus als de voorraad aan het einde van de maand 12 eenheden is en S = 20, is de bestelhoeveelheid S – 12 = 20 -1 2 = 8. De volgende maand zal de bestelhoeveelheid waarschijnlijk anders zijn. Als de voorraad tijdens een beoordelingsperiode ooit negatief wordt (nabestellingen), probeert de volgende bestelling het evenwicht te herstellen door meer te bestellen om aan die nabestellingen te voldoen. Als de voorraad bijvoorbeeld -5 is (wat betekent dat 5 bestelde eenheden niet beschikbaar zijn voor verzending, is de volgende bestelling S – (-5) = S + 5. Details van de hypothetische vraagstroom, doorlooptijden van leveranciers en kostenelementen worden weergegeven in onderstaande afbeelding 1. Afbeelding 2 toont een voorbeeld van de dagelijkse vraag en dagelijkse voorraad gedurende vijf beoordelingsperioden. periodieke, zoals vaak het geval is voor reserveonderdelen, en daarom moeilijk te plannen.

Figuur 1: Verschillende keuzes van voorraadbeleid (bestelling tot), bijbehorende kosten en serviceniveaus

Afbeelding 2: Details van vijf maanden systeemwerking, gegeven een van de beleidsregels

Software voor voorraadplanning is onze vriend

Software codeert de logica van de werking van het (T,S)-systeem, genereert veel hypothetische maar realistische vraagscenario's, berekent hoe elk van die scenario's zich afspeelt en kijkt vervolgens terug op de gesimuleerde werking (hier, 10 jaar of 3.650 opeenvolgende dagen) om kosten- en prestatiestatistieken te berekenen.

Om de afwegingscurve te onthullen, hebben we verschillende computationele experimenten uitgevoerd waarin we het Order-Up-To Level, S, varieerden. De grafieken Figuur 2 tonen het gedrag van de voorhanden inventaris in het "rijkste" alternatief met S = 60. In de fragment getoond in figuur 2, komt de voorhanden inventaris nooit in de buurt van uitvoorraden. Ook dat kun je lezen. Een, een beetje naïef, is om te zeggen: "Goed, we zijn goed beschermd." De andere, meer agressieve, is om te zeggen: “Oh nee, we zijn opgeblazen. Ik vraag me af wat er zou gebeuren als we S zouden verminderen.”

De afwegingscurve onthuld

Figuur 3 toont de resultaten van het verminderen van S van 60 naar 30 in stappen van 5 eenheden. De tabel laat zien dat Total Cost de som is van Holding Cost, Ordering Cost en Shortage Cost. Voor de (T,S) polis zijn de bestelkosten altijd hetzelfde, aangezien een bestelling elke 30 dagen als een uurwerk wordt geplaatst. Maar de andere kostencomponenten reageren op de veranderingen in S.

Afbeelding 3: De experimentele resultaten en bijbehorende afwegingscurve die laten zien hoe het wijzigen van het Order-Up-To Level ("S") zowel het serviceniveau als de totale jaarlijkse kosten beïnvloedt

Houd er rekening mee dat het serviceniveau in deze scenario's altijd lager is dan het opvullingspercentage. Als professor denk ik altijd aan dit verschil in termen van examenbeoordeling. Elke aanvullingscyclus is als een test. Serviceniveau gaat over de waarschijnlijkheid van een stockout, dus het is net als het cijfer voor een geslaagd/niet-geslaagd examen met één vraag die perfect moet worden beantwoord. Als er geen stockout is in een cyclus, is dat een A. Als er een stockout is, is dat een F. Het maakt niet uit of het één eenheid is die niet wordt geleverd of 50 - het is nog steeds een F. Maar Fill Rate is als een vraag dat wordt beoordeeld met deelpunten. Dus als je een van de tien eenheden te kort krijgt, krijg je 90% Fill Rate voor die cyclus, niet 0%. Het is belangrijk om het verschil te begrijpen tussen deze twee belangrijke statistieken voor voorraadplanning - bekijk deze vlog met een beschrijving serviceniveau versus opvullingspercentage via een interactieve oefening in Excel.

De plot in figuur 3 is het echte nieuws. Het koppelt de totale kosten en het serviceniveau voor verschillende S-niveaus. Als u de grafiek van rechts naar links leest, vertelt het ons dat er enorme kostenbesparingen te behalen zijn door S te verlagen met zeer weinig nadelige gevolgen in termen van verminderde artikelbeschikbaarheid. Als u bijvoorbeeld S verlaagt van 60 naar 55, bespaart u bijna $800 per jaar op dit ene item, terwijl het serviceniveau slechts een klein beetje wordt verlaagd van (in wezen) 100% naar een nog steeds indrukwekkende 99%. S iets meer snijden doet hetzelfde, maar niet zo dramatisch. Als u de grafiek van links naar rechts leest, ziet u dat het omhoog gaan van S = 30 naar S = 35 ongeveer $1.000 per jaar kost, maar het serviceniveau verbetert van een F-klasse (45%) naar ten minste een C-klasse (71%). Daarna kost het steeds meer om S hoger te duwen, terwijl je steeds minder wint.

De afwegingscurve geeft u geen antwoord op hoe u het Order-Up-To-niveau moet instellen, maar u kunt wel de kosten en baten van elk mogelijk antwoord evalueren. Neem even de tijd en doe alsof dit jouw probleem is: waar zou je langs de afwegingscurve willen zijn?

U kunt bezwaar maken en zeggen dat u uw keuzes haat en het spel wilt veranderen. Is er ontsnapping uit de bocht? Niet van de algemene curve, maar misschien kun je een minder pijnlijke curve vormen. Hoe?

Misschien heb je nog andere kaarten om te spelen. Een manier is om te proberen de vraag zo te 'vormen' dat deze minder variabel is. De vraaggrafiek in figuur 2 laat veel variabiliteit zien. Als je de vraag zou kunnen afvlakken, zou de hele afwegingscurve naar beneden verschuiven, waardoor elke keuze goedkoper zou worden. Een tweede manier is om te proberen de gemiddelde en variabiliteit van doorlooptijden van leveranciers te verminderen. Het bereiken van een van beide zou ook de curve naar beneden verschuiven om de keuze minder pijnlijk te maken. Bekijk ons artikel over hoe leveranciers beïnvloeden uw voorraadkosten

Overzicht

De afwegingscurve is altijd bij ons. Soms kunnen we het misschien vriendelijker maken, maar we kiezen altijd ons plekje erlangs. Het is beter om te weten wat u krijgt voor elke keuze van voorraadbeleid dan om te proberen te raden, en de curve geeft u dat. Wanneer u een nauwkeurige schatting van die curve heeft, vliegt u niet langer blind als het gaat om voorraadplanning. 

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.