Nominacja do tytułu POLSKIEJ NAGRODY INNOWACYJNOŚCI 2020
26 czerwca 2020Wpływ dni kalendarzowych na trafność prognoz
2 października 2020Nominacja do tytułu POLSKIEJ NAGRODY INNOWACYJNOŚCI 2020
26 czerwca 2020Wpływ dni kalendarzowych na trafność prognoz
2 października 2020System wczesnego ostrzegania w łańcuchu dostaw
Patrząc na obecny rozwój pandemii wszystko wskazuje na to, że znaleźliśmy się w błędnym kole. Po fali kolejnych luzowań restrykcji, rządy wielu krajów zastanawiają się nad ponownym powrotem do ograniczeń swobód. Nikt nie wie jak głębokie będą restrykcje, ani kiedy zostaną wprowadzone. Pewne jest natomiast to, że spowodują kolejne perturbacje zachowań popytu i podaży.
Czy możliwe jest wyznaczenie kursu w jakim powinny zmierzać nasze decyzje w zakresie optymalizacji łańcucha dostaw, zanim wpłyniemy na skały ?
Rozwiązaniem, które z pewnością warto rozważyć, jest zbudowanie systemu wczesnego ostrzegania, który pozwali z wyprzedzeniem wyłapać sytuacje potencjalnego ryzyka sytuacji out-of-stock i overstock. Do budowy takiego rozwiązania potrzebujemy z jednej strony narzędzia do generowania trafnych prognoz popytu, tj. takiego, które pozwoli na szybkie dostosowanie modeli do zmian zachowań rynku. Z drugiej strony narzędzia do częstej analizy projekcji stanów zapasów w przyszłości.
Trafność prognoz można zwiększyć poprzez zastosowanie kilku elementów. Pierwszym z nich jest mechanizm uczenia maszynowego pozwalający na symulacje wielu różnych modeli prognostycznych w odniesieniu do każdego SKU i wybór tego, który jest najlepiej dopasowany do wzorca popytowego w danej chwili. Ponieważ popyt w obecnych czasach może gwałtownie się zmieniać, model taki powinien być dobierany za każdym razem kiedy wprowadzone zostaną nowe dane sprzedażowe, np. aktualizowany raz w tygodniu. Drugim elementem jest oczyszczenie danych historycznych z Outlierów i zmniejszenie ich wpływu na obecny popyt w stosowanych modelach prognostycznych. Trzecim jest uwzględnienie w prognozowaniu wpływu tzw. „dni kalendarzowych”, które mają istotny wpływ na wzorce popytowe.
Do przeprowadzenia projekcji stanu zapasów w przyszłości konieczna jest zarówno znajomość prognoz popytu jak również realnych ograniczeń w łańcuchu dostaw oraz celów biznesowych (najczęściej wyrażonych w postaci wymaganej dostępności tzw. Service Level). Realne ograniczenia w łańcuchu dostaw można uchwycić między innymi poprzez śledzenie dostępności naszych dostawców czy ich Service Levelu (odchyleń w zakresie ilościowym jak i czasowym).
Trafne prognozy pozwolą na przeprowadzenie symulacji konsumpcji zapasu przez popyt, a znajomość realnych ograniczeń w łańcuchu dostaw na wyliczenie momentu złożenia zamówień i optymalnej wielkości odzwierciedlającej nasz cel biznesowy tj. wymaganą dostępność produktów.
OSTATNIE WPISY
TAGI
- #AI
- #bullwhip-effect
- #covid19
- #łańcuch-dostaw
- #NCBiR
- #optymalizacja-zapasów
- #out-of-stock
- #outllier
- #overstock
- #prognozowanie
- #prognozowanie-popytu
- #Program-Operacyjny-Inteligentny-Rozwój-2014-2020
- #projekcja-zapasów
- #projekcja-zapasów-w-czasie
- #service-level-dostawcy
- #sieci-neuronowe
- #supplychain
- #sztuczna-inteligencja-od-A-do-Z
- #zapas-bezpieczeństwa
- #zapas-sezonowy
- #zapas-zabezpieczający
- #zarządzanie-zapasem
Powiązane wpisy
D jak Dead Stock
PRZECZYTAJ
Dead stock, czyli dosłownie martwy zapas, to produkty, które nie znajdują nabywców w oczekiwanym czasie lub w ogóle nie są sprzedawane. Wpływa to negatywnie na efektywność […]
C jak cash to cash cycle
PRZECZYTAJ
Cykl cash to cash cycle to okres pomiędzy momentem, w którym firma płaci swoim dostawcom za zapasy, a otrzymaniem gotówki od klientów. Koncepcja ta służy do […]
B jak Break-event-point
PRZECZYTAJ
Metoda punktu równowagi (break-even point) jest narzędziem wykorzystywanym do optymalizacji zapasów w łańcuchu dostaw. Jest to punkt, w którym koszty posiadania zapasów równają się korzyściom z […]