Wat is de schuld van het hebben van te veel van de dingen die je niet nodig hebt en niet genoeg van de dingen die je wel nodig hebt? Variaties in vraag en aanbod worden vaak de schuld gegeven. Deze problemen zijn aanzienlijk en lijken onmogelijk te overwinnen, waardoor veel organisaties eenvoudigweg verkeerd toegewezen voorraden accepteren als een kostenpost voor het zakendoen. Het echte probleem zijn echter niet simpelweg late leveringen door leveranciers en een onvoorspelbare vraag. Dit zijn de 'facts of life' van supply chain planning en het gaat erom hoe uw bedrijf hiermee omgaat. Bekijk de vlog van Greg Hartunian om zijn mening te horen en wat je eraan kunt doen.

Slimme voorraadplanning en -optimalisatie berekent automatisch het voorraadbeleid dat het beste rendement voor uw bedrijf oplevert, rekening houdend met voorraadkosten, bestelkosten en voorraadtekorten. Om het in actie te zien, kunt u zich hieronder registreren om een demonstratie van 12 minuten te bekijken.

Nu de wereld weer in de greep is van Jedi-mania, kunnen we even stilstaan bij de speciale krachten die nodig zijn om van een gewone inventarisatieprofessional een Inventory Optimizer te maken.

Er is veel te weten

Vaardigheid in de voorraadkunsten vereist beheersing van veel kennis: productkennis, kennis van leveranciers en klanten, teamwerkvaardigheden en een diepgeworteld begrip van de stochastische dynamiek van voorraadvraag. Een van de meest fundamentele soorten kennis is zelfkennis van het bedrijf, vooral weten waar u met uw organisatie naartoe wilt.

Hoe het te weten

Zoveel van die kennis berust op een goed begrip van operationele informatie: hoe deze te verzamelen, te interpreteren en de implicaties ervan te onderscheiden. De meeste van die informatie is in de vorm van harde cijfers, meestal te veel om zonder computerhulp op te nemen. Een deel ervan komt uit gesprekken met klanten en leveranciers, die u laten weten waar zij met hun organisatie naartoe willen en hoe u in hun plannen past. Het combineren van grote hoeveelheden getallen met kennis van ieders doelen en intenties zorgt voor situationeel bewustzijn.

Hoe de kennis te gebruiken

Situationeel bewustzijn moet worden vertaald in gedetailleerde operationele beslissingen voor elk inventarisitem. Voor elk artikel moet u een voorraadbeleid bepalen: als de voorraad afneemt, op welk moment moeten we meer bestellen? Hoeveel meer? Hoe reageren we op stockouts?

In de goede oude tijd werden deze beslissingen meestal genomen op basis van onderbuikgevoel. Je zou kunnen zeggen, of hopen, dat deze beslissingen werden geleid door The Force. Helaas was wat de goede oude tijd de huidige tijd vaak naliet niets meer dan een mengelmoes van onsamenhangende en disfunctioneel beleid. Als er sprake is van "niet proberen, alleen doen of niet doen", dan heeft de geschiedenis van voorraadbeheer veel gezien van niet doen.

In plaats van te hopen op mystieke inspiratie, is de weg vooruit om al die informatie systematisch te ordenen in nauwkeurige, uitgebreide waarschijnlijkheidsmodellen van voorraaddynamiek. Dergelijke modellen kunnen alle belangrijke hefbomen van prestatie relateren aan key performance indicators (KPI's).

Hoe software-analyse kan helpen

Software-analyse kan de belangrijkste drijfveren van prestaties in verband brengen met prestatiestatistieken. Belangrijke drijfveren zijn onder meer bestelpunten of min's, bestelhoeveelheden of max's, doorlooptijden voor bevoorrading en het niveau en de variabiliteit van de vraag. Ook belangrijk zijn de kosten van het aanhouden, bestellen en opraken van voorraad. Door gebruik te maken van numerieke waarden voor deze belangrijke inputs, kan inventarisatiesoftware de corresponderende waarden van serviceniveau, opvullingspercentage, inventarisatiekosten en totale inventarisinvesteringen schatten. Met andere woorden, de software kan ontwerpbeslissingen omzetten in consequenties.

Nu kunnen sommige beslissingen een beetje misplaatst zijn, met consequenties die niet aantrekkelijk zijn. Dan wordt de software niet alleen een analysetool maar een ontwerptool. Dat wil zeggen, het laat je een beetje spelen, verschillende beslissingen verkennen en zoeken naar systeemontwerpen die betere resultaten opleveren.

Dit is waar de afhankelijkheid van The Force in de praktijk weer naar voren komt, omdat u de software blijft gebruiken om u te helpen intuïtief uw weg te vinden naar goede systeemontwerpen. We noemen dit "hunt and peck optimalisatie". Het komt neer op een gokspel waarin je één of meer van de drijfveren probeert te veranderen om te zien of de KPI's beter of slechter worden.

De meest geavanceerde inventarissoftware kan u naar een hoger niveau tillen. Het is Inventory optimization software. Het elimineert het giswerk door het zoeken door de zeer grote "ontwerpruimte" te automatiseren om wenselijke systeemontwerpen voor al uw items te vinden.

U kunt de software bijvoorbeeld vragen om die combinatie van bestelpunt en bestelhoeveelheid te vinden die de totale kosten van het beheer van een artikel minimaliseert (dwz de som van voorraad-, bestel- en tekortkosten) en er tegelijkertijd voor zorgt dat de kans op voorraaduitval redelijk is. laag. Zelfs als je Jedi-krachten je uiteindelijk naar hetzelfde ontwerp zouden leiden, wil je je dan echt een weg banen door alle 20.000 items die je beheert? Laat R2D2 het allemaal uitzoeken: daar zijn droids voor.

Waarom we onze lichtzwaarden nog steeds nodig hebben

Ondanks alle productiviteitswinsten door voorraadoptimalisatiesoftware, heb je misschien nog steeds de behoefte om lichtzwaard ter hand te nemen en het ontwerp van het voorraadbeleid voor geselecteerde artikelen af te ronden. U kunt dit om verschillende redenen willen doen.

Een daarvan is om te zien hoe gevoelig het optimale ontwerp is voor kleine veranderingen. Voor de meest efficiënte ontwerpen kunnen bijvoorbeeld meer bestellingen nodig zijn dan uw inkoopafdeling comfortabel in één jaar kan verwerken. Dus misschien wilt u zien hoeveel prestatie achteruitgaat als u een praktische concessie doet en een grotere bestelhoeveelheid specificeert.

Er zijn belangrijke verschillen tussen dit soort "post-optimaliteits"-analyse en het ouderwetse handwerk van individueel voorraadbeleid. Ten eerste is het uitgangspunt een heel slim ontwerp, geen gok. Voor een ander kunt u de items kiezen en kiezen die uw persoonlijke aandacht krijgen, en u kunt er zeker van zijn dat voor de rest goed wordt gezorgd.

Er wordt ons vaak gevraagd wat het verschil is tussen deze twee belangrijke prestatiestatistieken voor voorraadplanning. Hoewel ze beide belangrijk zijn om te meten hoe succesvol een bedrijf is in het voldoen aan de vraag, is hun betekenis heel verschillend. Indien niet begrepen en opgenomen in het strategische voorraadplanningsproces, zal voorraad inefficiënt worden toegewezen, wat resulteert in een lagere klantenservice en hogere transportkosten. We hebben het verschil in deze opname van 4 minuten geïllustreerd met behulp van Microsoft Excel.

Smart Operational Analytics berekent automatisch historische serviceniveaus en opvullingspercentages voor elk item. Om te zien hoe u deze en andere operationele statistieken berekent, waaronder voorraadrotaties, prestaties van leveranciers en meer, kunt u zich hieronder registreren om een demonstratie van vijf minuten te bekijken. De demo laat zien hoe ons cloudplatform deze statistieken continu berekent en rapporteert over duizenden items, zodat u kansen kunt identificeren voor verbetering van het serviceniveau en voorraadvermindering.

Vraagplanning kost tijd en moeite. Het is de moeite waard voor zover het je daadwerkelijk helpt te maken wat je nodig hebt wanneer je het nodig hebt.

Maar het werk kan goed of slecht worden gedaan. We zien veel fabrikanten stoppen bij het eerste niveau terwijl ze gemakkelijk naar het tweede niveau kunnen gaan. En met een beetje meer moeite zouden ze helemaal naar het derde niveau kunnen gaan, door gebruik te maken van probabilistische modellering om de resultaten van de vraagplanning om te zetten in een voorraadoptimalisatieproces.

Het eerste niveau

Het eerste niveau is het maken van een vraagprognose met behulp van statistische methoden. Afbeelding 1 toont een poging op het eerste niveau: de vraaggeschiedenis van een artikel (rode lijn) en de verwachte prognose voor 12 maanden (groene lijn).

De voorspelling is kaal. Het projecteert alleen verwacht vraag negeren dat de vraag volatiel is en onvermijdelijk prognosefouten zal veroorzaken. (Dit is nog een voorbeeld van een belangrijke stelregel: “Het gemiddelde is niet het antwoord”). De voorspelling is waarschijnlijk zowel te hoog als te laag, en er is geen indicatie van voorspellingsonzekerheid bij de voorspelling. Dit betekent dat de planner geen inschatting heeft van het risico dat gepaard gaat met het nakomen van de prognose. Toch biedt deze prognose een rationele basis voor productieplanning, persoonlijke planning en inkoop van grondstoffen. Het is dus veel beter dan gissen.

Het tweede niveau

Het tweede niveau houdt expliciet rekening met de voorspelde onzekerheid. Figuur 2 toont een inspanning van het tweede niveau, bekend als een "percentielprognose".

Nu zien we een expliciete indicatie van voorspelde onzekerheid. De cyaankleurige lijn boven de groene prognoselijn vertegenwoordigt het verwachte 90e percentiel van de maandelijkse vraag. Dat wil zeggen, de vraag in elke toekomstige maand heeft een kans van 90% om op of onder de cyaanlijn te vallen. Anders gezegd, er is een kans van 10% dat de vraag elke maand de cyaanlijn overschrijdt.

Deze analyse is veel nuttiger omdat het risicobeheer ondersteunt. Als het belangrijk is om voldoende aanvoer van dit artikel te verzekeren, dan is het logisch om te produceren tot het 90e percentiel in plaats van tot de verwachte prognose. Het is tenslotte een gok of de verwachte voorspelling zal resulteren in voldoende productie om aan de maandelijkse vraag te voldoen. Deze prognose op het tweede niveau is in feite een ruwe vervanging van een zorgvuldig voorraadbeheerproces.

Afbeelding 2. Een percentielprognose, waarbij de cyaankleurige lijn het 90e percentiel van de maandelijkse vraag schat.

Gaat helemaal naar het derde niveau

Best practice is het derde niveau, dat vraagplanning gebruikt als basis voor het voltooien van een tweede taak: expliciete voorraadoptimalisatie. Figuur 3 toont de fundamentele plot voor het efficiënte beheer van ons eindproduct, ervan uitgaande dat het een productietijd van 1 maand heeft.

Afbeelding 3 toont het gebruik van probabilistische prognoses en hoeveel afname van de voorraad gereed product kan plaatsvinden gedurende een productietijd van een maand. De onzekerheid in de vraag komt tot uiting in de spreiding van de mogelijke vraag, van een dieptepunt van 0 tot een maximum van 35, waarbij 15 eenheden de meest waarschijnlijke waarde is. De verticale rode lijn bij 22 geeft het "bestelpunt" (of "min" of "triggerwaarde") aan dat overeenkomt met het behouden van de kans op voorraad in afwachting van aanvulling tot een lage 5%. Wanneer de voorraad daalt tot 22 of lager, is het tijd om meer te bestellen. Het derde niveau maakt gebruik van probabilistische vraagprognoses met volledige blootstelling aan prognoseonzekerheid om de voorraad van het eindproduct efficiënt te beheren.

Opsommen

Het voorspellen van de meest waarschijnlijke vraag naar een artikel is een nuttige eerste stap. Het brengt je halverwege waar je wilt zijn. Maar het biedt een onvolledige gids voor planning, omdat het de volatiliteit van de vraag en de verwachte onzekerheid die het creëert, negeert. Door een buffer aan de vraagprognose toe te voegen, komt u verder, omdat het risico wordt verkleind dat een sprong in de vraag u een tekort aan product zal opleveren. Dit kussen kan worden berekend door middel van probabilistische prognosebenaderingen die een hoog percentage van de verdeling van de toekomstige vraag voorspellen. En als u nog een stap verder wilt gaan, kunt u prognoses van de vraagverdeling over een doorlooptijd invoeren om bestelpunten (minuten) te berekenen om ervoor te zorgen dat u een acceptabel laag risico op voorraaduitval heeft.

Gezien wat moderne prognosetechnologie voor u kan doen, waarom zou u halverwege uw doel willen stoppen?