Collaborative Planning, Forecasting and Replenishment or is it worth sharing informationCollaborative Planning, Forecasting and Replenishment or is it worth sharing informationCollaborative Planning, Forecasting and Replenishment or is it worth sharing informationCollaborative Planning, Forecasting and Replenishment or is it worth sharing information
  • Products
  • How Dature works
  • About us
  • Knowledge base
  • Partnership
  • Support
  • UE Flaga
  • English
    • Polish
English
  • Polish
✕
            Brak wyników wyszukiwania Zobacz wszystkie wyniki
            Collaborative Planning, Forecasting and Replenishment as a Tool for Effective Inventory Management
            6 May 2022
            Case Study – Fobaro
            29 June 2022
            Updates

            Collaborative Planning, Forecasting and Replenishment or is it worth sharing information

            Dla przypomnienia CPFR (ang. Collaborative Planning, Forecasting and Replenishment) to wspólne prognozowanie, planowanie i uzupełnianie zapasów, które opiera się na porozumieniu partnerów biznesowych w zakresie stałej wymiany informacji na temat prognoz sprzedaży, zakupów i zapasów oraz planów promocji, produkcji i dostaw wraz z ustaleniem sposobów identyfikacji i wyjaśniania zaistniałych odchyleń. Nawiązanie współpracy zgodnie z zasadami CPFR może przebiegać zgodnie z poniżej zamieszczonymi krokami:

            1. Zawiązanie porozumienia w sprawie warunków współpracy, najlepiej sformułowane w formie pisemnej z wyraźnym wyszczególnieniem ról uczestniczących przedsiębiorstw, wytypowaniem osób odpowiedzialnych za realizację procesów, sprecyzowaniem standardów efektywności oraz wyznaczeniem akceptowanych wielkości potencjalnych rozbieżności w planach kooperantów.
            2. Opracowanie wspólnych planów dotyczących każdej kategorii produktów z uwzględnieniem harmonogramów promocji i zasad zarządzania zapasami.
            3. Podjęcie operacyjnego współdziałania w zakresie produkcji, uzupełniania zapasów oraz sprzedaży, w szczególności:
            • identyfikacja i interpretacja różnic w prognozach sprzedaży,
            • dzielenie się informacjami o planach uzupełniania zapasów wraz
              z identyfikacją i analizą odchyleń od prognoz zamówień,
            • realizacja dostaw zgodnie z realnymi wynikami sprzedaży z zachowaniem założonych standardów w zakresie jakości i efektywności procesów.

            CPFR w początkowym okresie wykorzystywała w procesie wymiany informacji standardy EDI. Jednak wdrożenie EDI oraz dostosowanie posiadanych systemów informatycznych do jego potrzeb wiąże się z koniecznością poczynienia dodatkowych nakładów finansowych, co wiele firm blokuje i uniemożliwia szersze wykorzystanie techniki CPFR.  Poszukiwanie nowych rozwiązań w tym zakresie doprowadziło do wniosku, że oczywistym jest możliwość wykorzystanie innych form przekazywania informacji wystarczającej do pełnego wdrożenia i efektywnego funkcjonowania przedsiębiorstwa zgodnie z założeniami CPFR. Wielokanałowość przepływu informacji pomiędzy poszczególnymi partnerami w łańcuchu dostaw przyczynia się to do znacznego rozpowszechnienia praktyk CPFR w kontaktach handlowych. Kluczem do sukcesu nie jest wybór konkretnego sposobu przesyłania informacji lecz eliminacja błędów informacyjnych i rozbieżności do których zalicza się:

            • kłopoty z wiarygodnością danych – wynikają z braku integracji systemów prognozowania z narzędziami CPFR oraz z braku automatyzacji procesu konwersji[1] i wymiany danych; istotna jest dokładna weryfikacja i kontrola danych przed wysłaniem ich do partnerskiej firmy,
            • niewłaściwy obieg informacji związanych ze zmianami planów działalności – wszelkie zmiany zachodzące w planach organizacji promocji jednego partnera (dotyczące m.in. zakresu czasowo – przestrzennego kampanii promocyjnej, jej rodzaju oraz docelowego segmentu odbiorców), muszą jak najszybciej trafiać do pozostałych kooperantów;
            • inna płaszczyzna planowania – poszczególne firmy partnerskie uczestniczące w procesie wymiany, w zależności od miejsca zajmowanego w łańcuchu dostaw, konstruują prognozy w odmiennych, charakterystycznych dla swojej działalności ujęciach; pojawiają się różne cele oraz możliwości w zakresie tworzenia opracowań planistyczno–prognostycznych; z reguły producent (dostawca) posiada lepsze informacje dotyczące makro sytuacji na rynku (opierające się o prowadzone statystyki sprzedaży) i w związku z tym skupiając się na wzroście efektywności procesów produkcyjno–logistycznych ma zdolność tworzenia planów produkcji i dostaw, natomiast detalista zna zachowania konsumentów i konkurentów, a co za tym idzie dysponuje bardziej precyzyjnymi danymi o rynku lokalnym (w szczególności dotyczącymi kształtowania się sprzedaży w wybranych placówkach handlowych); partnerzy powinni prowadzić dyskusje odnośnie tworzenia planów oraz wspólnie wyjaśniać ewentualne rozbieżności.

            Przedsiębiorstwa, które funkcjonują zgodnie z założeniami techniki CPFR osiągają wiele korzyści, wśród których należy wymienić:

            • zapewnienie konsumentom lepszej dostępności produktów, a co za tym idzie podniesienie poziomu ich zadowolenia,
            • wzrost sprzedaży,
            • zmniejszenie poziomu zapasów oraz obniżenie kosztów ich utrzymywania,
            • ugruntowanie i rozwinięcie partnerskich stosunków z kluczowymi kooperantami.

            Efekty te uzyskane są dzięki wdrożeniu zinstytucjonalizowanego procesu kompleksowej wymiany istotnych informacji pomiędzy partnerami handlowymi z zapewnieniem terminowości przepływu danych i ich aktualności oraz dzięki podejmowaniu działań mających na uwadze przede wszystkim interes konsumentów.

            W ramach techniki CPFR możliwe jest zastosowanie specyficznych rozwiązań regulujących zasady współpracy w obszarze zarządzania zapasami. Wśród nich kluczowe znaczenie odgrywa metoda VMI (zarządzanie zapasami przez dostawcę) oraz CMI (wspólne zarządzanie zapasami), ale o tym w następnym artykule.

            [1] Konwersja danych polega na zmianie formatu plików lub zapisaniu danych na innym, alternatywnym nośniku.

            Niniejszy artykuł powstał dzięki środkom pochodzącym ze współfinansowania przez Unię Europejską Programu Operacyjnego Inteligentny Rozwój 2014-2020, projektu realizowanego w ramach konkursu Narodowego Centrum Badań i Rozwoju: w ramach konkursu „Szybka Ścieżka” dla mikro-, małych i średnich przedsiębiorców – konkurs dla projektów z regionów słabiej rozwiniętych w ramach Działania 1.1: Projekty B+R przedsiębiorstw Poddziałanie 1.1.1 Badania przemysłowe i prace rozwojowe realizowane przez przedsiębiorstwa. Tytuł projektu: „Stworzenie oprogramowania do poprawy trafności prognoz i optymalizacji zapasów z perspektywy odbiorcy i dostawcy współpracujących w ramach łańcucha dostaw przy zastosowaniu rozmytych, głębokich sieci neuronowych.

            Udostępnij
            LAST UPDATES
            • Service level indicators in inventory management - how to understand and interpret them?
            • The essence of the classic model of inventory renewal based on the information level - the point of reordering
            • Fuzzy systems
            • The benefits of using artificial intelligence in the supply chain
            TAGS
            • #bullwhip-effect
            • #covid19
            • #demand-forecasting
            • #forecasting
            • #Intelligent-Development-Operational-Program-2014-2020.
            • #inventory-management
            • #inventory-optimization
            • #NCBiR
            • #neural-networks
            • #out-of-stock
            • #outllier
            • #overstock
            • #safety-stock
            • #safety-stock
            • #seasonal-stock
            • #service-level-suppliers
            • #stock-projection
            • #stock-projection-over-time
            • #supply-chain
            • #supplychain

            Related entries

            29 July 2022

            The essence of the classic model of inventory renewal based on the information level – the point of reordering


            READ

            The main feature of the model based on the so-called. “ordering point,” also known as an information-level ordering system or continuous review [3], is a condition […]

            15 July 2022

            Fuzzy systems


            READ

            Based on fuzzy sets, a fuzzy inference system can be built. In such a system, fuzzy rules are implemented for modeling, which in turn make it possible to carry out the process of fuzzy inference.

            15 July 2022

            The benefits of using artificial intelligence in the supply chain


            READ

            According to Gartner, the level of automation in supply chain processes will double in the next five years. At the same time, global spending on IIoT […]

            Right now

            Subscribe to our newsletter

              Providing data in the form is necessary to subscribe to the newsletter. Data from the form will be processed on the basis of the consent given Art. 6 paragraph. 1(a) RODO. The administrator of your data is Smartstock Sp. z o.o. from Poznan (ul. Królowej Jadwigi 43, 61-871 Poznań, biuro@smartstock.cloud). You can find all information regarding the processing of the data provided in the form and your rights in the Privacy Policy.


              TEL. +48 534 288 279
              biuro@dature.cloud

              Smartstock Sp z o.o.
              ul. Królowej Jadwigi 43
              61-871 Poznań

              Subscribe to our newsletter

              NIP: 7812000413
              REGON: 384284847
              KRS: 0000802331

              • LinkedIn
              • Facebook

              Privacy and cookies policy   Terms and conditions of the application   Technical support   Change in the decision on cookies

              All rights reserved. © SMARTSTOCK Sp. z o.o.
              English
                        Brak wyników wyszukiwania Zobacz wszystkie wyniki
                        • Polish
                        • English