Was ist wichtiger, Big Data oder Small Data?
Big Data und erweiterte Analysefunktionen beherrschen die Schlagzeilen in den Supply Chains, Beratungsunternehmen und Software-Anbieter stellen die Begriffe mehr und mehr in den Vordergrund.
Es ist sehr attraktiv, Massen an Informationen zu sammeln, sie in den Mühlen statistischer Algorithmen zu mahlen oder sogar mit künstlicher Intelligenz zu analysieren, dabei schwache Signale zu erfassen, um Trends zu erkennen.
Wenn es jedoch darum geht, Bestandsmengen und Wiederauffüllung zu steuern und richtige Prioritäten zu setzen, um so das Tagesgeschäft unserer Teams zu unterstützen, brauchen wir vor allem einige eigene Basisdaten, auf die wir aufbauen können.
In vielen große und kleinen Unternehmen sind die grundlegenden Planungsdaten oft – hmm – dünn.
Bei den zahlreichen DDMRP-Implementierungen, die wir begleitet haben, ist auffallend, dass Jahrzehnte nach der Einführung von ERP-Systemen die Schlüsseldaten noch immer nicht beherrscht werden, und der erste Schritt eines DDMRP-Projekts besteht oft darin, die Daten zu überprüfen:
- Realistische Liefer- oder Fertigungsdurchlaufzeiten festlegen
- Verstehen, welche Lieferfristen die Kunden erwarten
- Losgrößen, Mindest- und Höchstmengen und Vielfache bestimmen
- Festlegen, was ab Lager verfügbar sein soll und was nicht
- Sicherstellen, dass es zu keinen Terminbestätigungen in der Vergangenheit kommt (das wird nicht geschehen)
- Ausreichend genaue Bestandsdaten führen
- Stücklisten aktuell halten
Oft liegt das nicht daran, dass man sich bei der Einführung des ERP nicht mit dem Thema befasst hat, meist mehrfach wurden Berater hinzugezogen, um bei der Entwicklung des Systems zu helfen.
Ich interpretiere das so, dass das Problem auf mangelnden Fokus zurückzuführen ist. Es gibt so viele Informationen in einem ERP-System, so viel zu aktualisieren, dass man nach einiger Zeit das Wesentliche vergisst und sich daran gewöhnt, mit Daten zu arbeiten, von denen wir wissen, dass sie falsch sind.
Wenn wir darüber hinaus die Probleme des MRP mit excelbasierter Logik und unter Einbeziehung der Kenntnisse der Planer ausgleichen, ist es nicht notwendig, ein gut gepflegtes ERP-System haben, und so haben sich die Dinge im Laufe der Zeit verschoben…
DDMRP Supply Chain Data
DDMRP ist toleranter im Umgang mit ungenauen Daten als MRP, insbesondere bei unzuverlässigen Prognosen. Da es jedoch darum geht, ein Betriebsmodell computergestützt zu steuern, muss das digitale Abbild des physischen Modells einigermaßen gut sein.
Die gute Nachricht ist, dass mit DDMRP Basisdaten viel einfacher und schneller korrigiert werden können, da Anomalien sofort offensichtlich sind!
Die wenigen wichtigen Daten lassen sich eindeutig identifizieren, ohne sich im ERP-Labyrinth zu verirren.
In der Designphase werden Fristen und Bestandspositionen definiert.
Visuelles Management erledigt den Rest: Wenn ein Kundenbestellsaldo aus 2019 noch immer im System verbleibt, lässt sich die dunkelrote Ausführungswarnung nicht übersehen, wenn eine falsche Losgröße zu einer riesigen grünen Zone und einem unverhältnismäßigen Zielbestand führt, können Sie das nicht übersehen.
Die Erfahrung zeigt, dass das System innerhalb weniger Wochen wieder auf Kurs ist.
Noch besser ist, dass die kontinuierliche Verbesserung innerhalb von DDMRP sicherstellt, dass diese Schlüsseldaten im Laufe der Zeit korrekt bleiben.
Wenn Ihnen also noch eine weitere Initiative zur Reparatur und Überarbeitung Ihres MRP angeraten wird, dann wechseln Sie jetzt zu DDMRP, um dieses Problem ein für alle Mal zu lösen!
