Wat is de normale en atypische vraag naar een product?
Hoe bepalen we de voorraad parameters op basis van de variabiliteit van de vraag?
Deze vragen zijn niet specifiek gekomen door de komst van DDMRP. DDMRP geeft het echter een nieuw kader door het begrip „gekwalificeerde vraag“ te integreren in de “netto flow vergelijking” die een aanvullingsvolgorde activeert.
De overweging van deze „gekwalificeerde vraag“ onderscheidt een DDMRP-buffer duidelijk van een conventioneel controlepunt of een Kanban, die typisch slechts op daadwerkelijk verbruik reageert.
De drie componenten van deze „gekwalificeerde vraag“ zijn nabestellingen, eisen voor vandaag, en de vraag pieken in de toekomst.
Door pieken van de toekomstige vraag te integreren, bevat de beschikbare vergelijking redelijke inzicht in de logische risico’s, door het integreren van klantenvraag die kan verdwijnen of worden aangepast. Het niet anticiperen op deze eisen zou ons echter in gevaar kunnen brengen, dus het is relevant om hier rekening mee te houden.
Dit “piek detectie” mechanisme is vaak het onderwerp van vele vragen bij de vaststelling van een DDMRP-model. Wat is de te gebruiken detectiedrempel? Wat is de detectiehorizon? Wat is de relatie tussen de grootte van de rode zone en piek detectie? Wat is de zichtbaarheidshorizon die beschikbaar is voor geaccepteerde orders?
Vanuit onze ervaring is het noodzakelijk om enkele experimenten uit te voeren om de juiste afstelling te vinden. Simulaties op basis van de vraag historie stellen ons in staat om goede vragen te stellen, en kritische analyse van de piek vraag tijdens het model afstelling stelt ons in staat om de bijsturing aan te passen.
De eerste vraag om ons af te vragen is: wat is de „normale“ eis waaraan ik moet kunnen voldoen met een korte doorlooptijd vanuit de beschikbare voorraad?
Laten we het voorbeeld nemen van het artikel met de onderstaande vraaggeschiedenis:
![](https://demanddriventech.com/wp-content/uploads/chart-1-1.png)
Het is duidelijk dat er pieken in de vraag, gebeurt ongeveer een keer per maand.
Wanneer we deze pieken uitsluiten, is de vraag als volgt:
![](https://demanddriventech.com/wp-content/uploads/chart-2-1.png)
De vraag is: moet mijn DDMRP buffer worden ontworpen om de hele vraag te voldoen, met inbegrip van pieken, of gewoon deze „basis“ behoeftes?
Het verschil tussen de twee opties vertegenwoordigt voor dit artikel een vooraadinvestering van 10k€.
Het antwoord hangt af van onze kennis van de zakelijke context.
Moeten deze pieken, wanneer bestellingen worden ontvangen, onmiddellijk worden verzonden of ontvangen we deze bestellingen van tevoren? Als we van hen weten op een gegeven horizon, dan kunnen we op hen reageren met behulp van piek detectie. Zo niet, dan hebben we geen andere keuze dan er rekening mee te houden en om de rode zone te vergroten. In het eerste geval moeten we deze pieken in aanmerking nemen voor de berekening van de ADU (gemiddelde dagelijks gebruik),in het tweede geval is het beter om ze uit te sluiten.
Voor dit voorbeeld, na analyse, bleek dat de pieken op dit artikel werden veroorzaakt door een lokaal distributiecentrum binnen het bedrijf, dat een maandelijkse aanvulling had opgezet vanaf het centraal magazijn waarvan we vraaggeschiedenis zien. De oplossing was om over te schakelen naar een wekelijkse aanvulling in de VMI-modus, waardoor de variabiliteit van de vraag en dus de voorraadvereisten op de hub sterk werden verminderd. Pas op voor zelf-geïntroduceerde variabiliteit!
De data-analyse algoritmen helpen ons om deze situaties te detecteren, maar het is de kennis van de teams die ons in staat zal stellen om het juiste ontwerp van het model te definiëren, verwacht niet dat een de eerste keer meteen een goede setup…
In het geval hieronder zullen we een instelling waar piek detectie op ongeveer 200 is gezet, die ons leiden tot 4 pieken over een periode van 2 jaar.
![](https://demanddriventech.com/wp-content/uploads/chart-3-1.png)
Hier zijn enkele tips om u te helpen in dit proces:
- Wanneer we een piek detecteren, reageren we „op order“ op die specifieke piek en sturen we zo de variabiliteit van de vraag door naar onze leverancier/ productie. Dus hoe meer pieken we detecteren, hoe meer variabiliteit en stress we stroomopwaarts overbrengen.
- Omgekeerd, hoe meer we op de variabiliteit van de vraag met de rode zone kunnen reageren, hoe meer we het variatie dempen… maar we verhogen de investering in voorraad.
- Zorg ervoor dat de „normale“ vraag wordt gedekt door de rode zone op uw strategische items. De vraag naar een onderdeel die wordt geactiveerd door geaggregeerd hoger BOM artikel die orders maken, wordt bijvoorbeeld bepaald door de partijgroottes van het bovenliggend materiaal. De rode zone moet deze eisen dekken zonder piek detectie.
- Zorg er dagelijks voor dat pieken worden geanalyseerd door planners. Een piek duidt op een atypische vraag. Een atypische vraag moet leiden tot een beslissing: moet ik onderhandelen over het leveringsschema met mijn klant, moet ik het leveren uit voorraad met het risico van het in gevaar brengen van andere orders, moet ik mijn leverancier vragen om extra leveringen?
- Identificeer de frequentie van pieken per artikel en controleer met uw DDS&OP-routines de items met frequente pieken.
- Bij lange doorlooptijden verkort u de piekdetectiehorizon – op korte doorlooptijden, verlengt u deze (ook buiten de ontkoppelde doorlooptijd, vooral als uw capaciteit beperkt is).
- De conventie, die in veel gevallen werkt, is het opsporen van pieken op 50% van de rode zone. Deze drempel kan vaak worden verhoogd om het model minder nerveus te maken.