Hum, als ik kijken naar het plaatje bij dit bericht begon ik toch te twijfelen: is het echt redelijk om de supply chain in de 21e eeuw weer te geven als het volgen van een normale wet?
Nee, zeker niet – de metingen volgen niet de normale wet, terwijl we meer dan ooit in een nieuwe (a)normaliteit leven. Eén ding blijft echter waar, ongeacht de statistische verdelingen: om onze prestaties te verbeteren, is er een vijver aan informatie in de uitersten van de distributie – wanneer onze voorraden te hoog of te laag zijn, of de status van onze goederenstromen zowel van leveranciers als naar klanten.
In de training “Demand Driven Leader” zien we dat drie soorten mentrices worden gebruikt om de effectiviteit van een Demand Driven operationeel model te beoordelen: betrouwbaarheid, stabiliteit en snelheid.
Dit alles is goed, maar het blijft een beetje theoretisch…
Hoe gaan we er in de praktijk mee om?
Een model hebben en de relevante gegevens vastleggen
Ten eerste, om te kunnen meten te hoog/ te laag/ vooruitgang/ vertraging – en de betrouwbaarheid, stabiliteit en snelheid van ons model te vergelijken met het nominale, zijn er enkele vereisten.
De eerste voorwaarde is… om ons model correct te hebben ontworpen en gedimensioneerd, zodat we een benchmark hebben om onszelf mee te vergelijken. Als u niet weet wat het nominale bereik is voor uw voorraad, voor uw wachtrijen, voor uw doorlooptijden, hoe kunt u dan de prestaties van uw toeleveringsketen meten?
De tweede voorwaarde is het instellen van meetpunten en het organiseren van het vastleggen van relevante informatie over deze punten. Deze meetpunten zijn de buffers – van voorraad, tijd en capaciteit – en de controlepunten.
Op een voorraadbuffer meten we de hoge en lage punten. Op een tijdbuffer meten we voorlopen en vertragingen. Op een capaciteitsbuffer meten we de punctuele overbelasting. Op de controlepunten meten we de snelheid en behalen van productieschema’s.
De informatie moet op de juiste tijdschaal worden vastgelegd: meestal per dag voor voorraad- en capaciteitsbuffers, maar per minuut of per uur voor tijdbuffers en fabriekscontrolepunten.
Dit maakt de accumulatie van gegevens mogelijk. Veel data. Als je veel SKU’s en complexe toelever ketens hebt,veel gegevens die gemakkelijk te verdwalen zijn.
De uitdaging is om uit deze massa gegevens de weinige nuttige stukjes informatie te filtreren die uw teams in staat stellen vooruitgang te boeken en te kunnen beoordelen zodat informatie in de juiste acties worden omgezet.
Om dit te vergemakkelijken, zijn business intelligence-processen gemeengoed geworden in bedrijven – maar er moet voorzichtig worden omgegaan met het ontwerpen van de juiste input voor uw teams.
Verleden, heden en toekomst
De eerste van onze aanbevelingen is om 3 soorten maatregelen te onderscheiden:
- Maatregelen over een afgelopen periode, bijvoorbeeld de afgelopen drie maanden. Met deze statistieken u de prestaties van uw model per productfamilie of per item volgen en mogelijkheden voor verbetering vinden.
- Het beeld vanaf nu: waar staan we vandaag en wat zijn onze prioriteiten voor actie?
- Projectie in de toekomst: hoe kunnen onze voorraden, doorlooptijden en capaciteit evolueren volgens diverse vraagscenario’s?
Laten we eens kijken naar een voorbeeld van prestaties uit het verleden: een geaggregeerd dashboard, in dit geval op productielocatie niveau, dat verschillende grafieken in maandelijkse intervallen bevat. Het stelt een managementteam in staat om de algehele voortgang van de prestaties te beoordelen en afwijkingen te identificeren. Op het eerste gezicht kunnen we zien wat er gebeurt: met over een paar maanden lagere voorraden, minder tekorten en minder artikelen met een te hoge of te lage voorraad.
Planners hebben toegang tot rapporten over de pareto van voorraadhoogtes van artikelen die te hoog/ te laag zijn en de aanbevelingen voor verbetering die door het systeem worden gegenereerd.
In het heden controleert u de gezondheid van uw model, de naleving van aanbevelingen, het beheer van uitvoeringswaarschuwingen, de status van wachtrijen, het doel versus de werkelijke voorraden, de integriteit van uw gegevensmaster…
Aan de andere kant richt het onderstaande rapport zich op de projectie naar de toekomst, ter ondersteuning van de S&OP. Voor de betrokken productstroom zal de voorraad naar verwachting na de komende zomerperiode sterk dalen, en we identificeren bij uitzondering, op basis van het geteste vraagscenario, ongeveer 70 artikelen waarvan de voorraad een paar weken in een risicozone zou liggen. De verantwoordelijke planner zal opties evalueren om dit risico te verminderen.
We zullen in een toekomstige post terugkomen op andere voorbeelden van analyse om kansen voor verbetering te identificeren.
Statistieken, doelgroepen en rituelen
De tweede van onze aanbevelingen is om regelmatige beoordelings- en beslissingsmomenten te organiseren die zijn aangepast aan de verantwoordelijke teams en personen. Het implementeren van deze stappen zijn essentieel om veranderingsmanagement te garanderen. Als uw vraag gestuurde transformatie niet gepaard gaat met een wijziging in uw bestaande statistieken, zullen uw teams niet blijven sturen op de nieuwe strategie. Elimineer uw metingen van forecast nauwkeurigheid, efficiency metingen op niet-knelpunten, vaste kostenabsorptie, zodat uw teams zich alleen kunnen concentreren op wat belangrijk is!
Het opzetten van deze structuren maakt het ook mogelijk om duidelijke verantwoording af te leggen, en zo gemakkelijk van meting naar actie te gaan.
In onze ervaring is het continue verbeterproces gedreven door het Demand Driven model dat leidt tot de grootste verbeteringen: wees vastbesloten om resultaten te behalen en geef uw teams de zichtbaarheid die ze nodig hebben om daar te komen!
Onze “Advanced Analytics module” maakt het eenvoudig om prestaties te meten en te vertalen naar actie. De prestaties van alle buffers en controlepunten worden in de loop van de tijd geregistreerd en kunnen worden geanalyseerd via vooraf gebouwde rapporten en een geïntegreerde rapporteditor, zodat u uw KPI kunt aanpassen. Als u de voorkeur geeft aan het integreren van Demand Driven-statistieken met uw bestaande BI-platform, is het ook eenvoudig: onze oplossingen integreren met elk platform op de markt via de OData 2.0-standaard.
De techniek is beschikbaar, het model is volwassen en bewijst zijn effectiviteit, project na project, aarzel niet langer!
