Hoe de complexiteit van de supply chain om te zetten in geweldige service

Als Amazon vandaag uit het niets zou ontstaan, zouden maar weinig verstandige mensen er vertrouwen in hebben dat ze het winstgevend kunnen runnen.

Wereldwijd verkoopt het bedrijf meer dan 3 miljard producten via 11 marktplaatsen in verschillende landen. Alleen al in de VS introduceerde Amazon in 2018 208 miljoen nieuwe producten, waarvan de meeste slow movers of 'long-tail'-artikelen zijn. Maar ondanks de extreme complexiteit en schaal, verdubbelden de inkomsten van Amazon in juli 2018 de verwachtingen van de aandeelhouders, wat resulteerde in een kwartaalwinst van maar liefst $ 2,5 miljard.

Het succes van Amazon lijkt misschien een toevalstreffer die onmogelijk te repliceren is. Maar als je het opsplitst, werd Jeff Bezos 's werelds rijkste mens door uit te zoeken hoe hij drie schijnbaar tegenstrijdige dingen tegelijk kon doen:uitzonderlijke serviceniveaus leveren tegen de laagst mogelijke kosten, en complexiteit beheren. Ik betoog dat het voor elk bedrijf moeilijk is om alle drie met echt succes te bereiken zonder geavanceerde technologische mogelijkheden.

Verander eerst je mindset. Helaas, in een markt met een toenemende vraagvolatiliteit en hogere serviceverwachtingen, komen te veel bedrijven vast te zitten in traditionele processen en een bekende neerwaartse spiraal. Omdat ze niet in staat zijn om een ​​toenemend aantal SKU-combinaties betrouwbaar te voorspellen, laden ze de voorraad op om aan de langlopende, grillige vraag te voldoen. Dit leidt steevast tot problemen zoals extra vrachtkosten en overtollige en verouderde voorraad die ofwel moet worden afgeschreven of met een hoge korting moet worden verkocht. Planners zijn voortdurend in reactieve en inefficiënte "brandbestrijdingsmodus", waarbij ze het grootste deel van hun tijd besteden aan het wijzigen van voorgestelde aanvullingen en het manipuleren van serviceniveaus in plaats van de prestaties te verbeteren.

Problemen met de supply chain zijn vaak het moeilijkst op te lossen omdat ze contra-intuïtieve oplossingen hebben. Als u 'Amazone'-succes wilt behalen, moet u eerst uw eigen weg gaan en een nieuwe aanpak proberen. Zoals het aloude gezegde luidt, is het duidelijke teken van waanzin steeds hetzelfde doen en verschillende resultaten verwachten.

Het geheim van servicegestuurde planning is waarschijnlijkheidsvoorspelling en optimalisatie van de voorraadmix. De manier om complexiteit te beheren en hoge serviceniveaus te bereiken, is door eerst de barrière voor prognosenauwkeurigheid te doorbreken:in plaats van één getal te voorspellen, moet u het scala aan mogelijkheden van de vraag in uw prognose begrijpen. Deze methode wordt waarschijnlijkheidsvoorspelling genoemd. Met deze aanpak krijgt u nog steeds één getal dat is gekoppeld aan de meest waarschijnlijke uitkomst. Echter, rond dit aantal gestreept, krijg je een reeks andere mogelijke uitkomsten, elk met een andere waarschijnlijkheid. Het is een alternatief voor traditionele 'één-getal'-prognoses, die gebaseerd zijn op het middelen van geaggregeerde bestelgeschiedenis.

Waarschijnlijkheidsvoorspelling is ideaal voor toeleveringsketens die een groot aantal long-tail-items bevatten en die te maken hebben met variabiliteit en onzekerheid in de vraag vanwege het enorme aantal factoren dat ze niet adequaat kunnen modelleren. Zoals supply chain-goeroe Lora Cecere concludeerde in haar blog Probabilistic Forecasting:Right Fit for Your Business?:“Voor moeilijke vraagprofielen is probabilistische voorspelling een nieuwe en krachtige techniek. Het is een type motor. Prognoses hebben alles te maken met betere wiskunde en de geschiktheid van het gegevensmodel om de resultaten te stimuleren."

Uw supply chain hoeft niet te complex te worden voordat deze kan profiteren van waarschijnlijkheidsprognoses. Hier is een te eenvoudig voorbeeld om te illustreren. Stel dat u de vraag naar de SKU van een specifieke autoband wilt voorspellen. Een voorspellingssysteem met één cijfer zou kijken naar de geschiedenis van de verkoop van vier eenheden per maand van deze band en de gemiddelde vraag identificeren als één band per week. Omdat deze prognose niet gericht is op klanten die alle vier de banden tegelijk vervangen, zou deze voortdurend de verkeerde prognose voorstellen en dus voorraadniveaus om aan de beoogde serviceniveaus te voldoen.

Voor voorraadplanning moet u de waarschijnlijkheid van elke lijnorderhoeveelheid kennen — voor één band, twee banden, drie banden, vier banden, enz. Probabilistische prognoses bieden precies die informatie, waarbij de orderpatronen worden geïdentificeerd (bijv. frequentie) die de voorraad kan gebruiken om aan de vraag te voldoen.

We waren een eenzaam figuur in de supply chain-wereld in het begin van de jaren negentig, toen we voor het eerst deze benadering begonnen te verdedigen als alternatief voor traditionele prognoses. Tegenwoordig, geconfronteerd met een overweldigende complexiteit van de toeleveringsketen, is er meer een brandend platform voor bedrijven om het uit te proberen. De feedback die we krijgen is altijd:"Ik wou dat we hier eerder mee begonnen waren!"

Ten tweede maakt optimalisatie van de voorraadmix mogelijk wat we 'servicegestuurde planning' noemen, door gebruik te maken van de schaal en variabiliteit - de complexiteit - van uw SKU-portfolio over het netwerk. In plaats van hetzelfde serviceniveau toe te wijzen aan elke SKU in een groep, krijgt elke SKU-locatie in de supply chain een eigen serviceniveau toegewezen dat is geoptimaliseerd om de bedrijfsdoelen te bereiken. In plaats van bijvoorbeeld alle SKU's in een klasse een serviceniveau van 98 procent toe te wijzen, wordt een wereldwijd doel van 98 procent bereikt door de individuele SKU-locatieserviceniveaus optimaal in te stellen op 99 procent, 97 procent, 99,5 procent, enz. algemene doelstelling van klantenserviceniveau met veel minder voorraadkosten.

Shamir Optical, de wereldwijde fabrikant van brillenglazen op sterkte, paste op waarschijnlijkheid gebaseerde prognoses toe om meer servicegericht te worden. In plaats van een one-size-fits-all voorraadbeleid te gebruiken, analyseerde Shamir vraagpatronen om een ​​mix van verschillende serviceniveaudoelen te creëren voor elke individuele SKU op elke locatie. Het bedrijf verminderde de voorraadniveaus in totaal met meer dan 25 procent, terwijl het consequent serviceniveaus van meer dan 99 procent bereikte.

Probabilistische prognoses kunnen praktisch niet snel genoeg worden uitgevoerd door menselijke planners. Om het te laten werken, moet u het planningsproces automatiseren met een zelfaanpassend systeem dat gebruikmaakt van machine learning-technologie - een vorm van kunstmatige intelligentie. Om waarschijnlijkheidsprognoses te genereren, moet u eerst uw supply chain modelleren. De meeste bedrijven beginnen met een voorbeeldgroep SKU's om in de loop van de tijd te testen en op te schalen. Tegen uw model in, moet u dan rekening houden met de impact van een breed scala aan potentiële vraagvariabelen. Dit kunnen traditionele inputs zijn, zoals de bestelgeschiedenis, andere bedrijfsbronnen zoals systeemgegevens voor klantrelatiebeheer (CRM), en zelfs externe bronnen zoals het weer, de aandelenmarkt en trends op het gebied van sociale media. Omdat een supply chain-model een "levend" systeem is, leert machine learning continu de resultaten en stemt deze in de loop van de tijd af, zodat u indien nodig nieuwe gegevensbronnen kunt introduceren. A.I. toepassen biedt diepgaand inzicht in het gedrag van vraag en voorraad om de resultaten te verbeteren.

Het goede nieuws voor mensen is echter dat waarschijnlijkheidsvoorspellingen, door hun ontwerp, een startpunt zijn - geen eindspel. Ze zijn ontworpen om planners op tijd de gegevens te geven die ze nodig hebben om een ​​weloverwogen oordeel te vellen over het servicebeleid en de bijbehorende optimale voorraadniveaus in hun toeleveringsketens.

Deze AI-augmented waarschijnlijkheidsvoorspelling vertegenwoordigt de ideale symbiose tussen mens en machine. Het systeem wordt in de loop van de tijd slimmer door rekening te houden met menselijke input, en de mens wordt slimmer door te leren van het succespercentage van de waarschijnlijkheidsvoorspellingen. Dit geeft planners de tijd om zich te concentreren op service, aan strategische projecten te werken en hun zakelijke inzichten aan het systeem toe te voegen.

Uw bedrijf kan ook gedijen op complexiteit. Het mooie van waarschijnlijkheidsvoorspelling is dat terwijl de serviceniveaus stijgen, de kosten, verspilling en inefficiëntie dalen. Honderden bedrijven zoals Shamir Optical hebben een breed scala aan voordelen behaald, van het vrijmaken van werkkapitaal tot het verminderen van veroudering, transport en het versnellen van kosten en prijsverlagingen. Veel bedrijven melden dat ze sneller reageren op veranderingen in de markt en betere strategische beslissingen kunnen nemen.

Voor mensen die getrouwd zijn met de deterministische 'één-nummer'-benadering, zal waarschijnlijkheidsvoorspelling contra-intuïtief aanvoelen. Echter, tenzij u in een commodity-bedrijf bent met weinig artikelen en een volledig voorspelbare vraag, zal de één-cijferige benadering het niet redden. Amazon gebruikt niet alleen deze methode, het biedt ook een tool voor het voorspellen van waarschijnlijkheid aan partnerleveranciers. Wordt het niet tijd dat je het eens probeert?

Joseph Shamir is CEO van ToolsGroup.