System 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.