In onze moderne, onderling verbonden wereld is het beheer van de supply chain complexer dan ooit. Bedrijven staan voor talloze uitdagingen: (de)globalisering, wisselende eisen van klanten, toenemende concurrentie, nood aan meer efficiëntie ... Bij Möbius helpen we onze klanten om deze uitdagingen met succes aan te pakken. Daarvoor maken we gebruik van analysetools voor de supply chain en rekenmodellen. In dit blogartikel nemen we het ontwerp van supply chain netwerken onder de loep en ga ik na hoe analysetools en datamodellen bedrijven kunnen helpen om de activiteiten in hun supply chain te stroomlijnen.
Supply chain network design of het ontwerp van het bevoorradingsnetwerk is een proces om het optimale fysieke netwerk van fabrieken, distributiecentra, hubs, enz. uit te werken en klanten perfect te bedienen tegen de laagste kosten. In dit proces neemt een bedrijf strategische beslissingen over de locatie van deze faciliteiten, de omvang van de voorraad en op welke plaats(en) het deze zal opslaan.
Analysetools en rekenmodellen reiken inzichten aan over kernpunten en helpen bedrijven om hun supply chain netwerk efficiënt op te zetten.
1. Locatie van de faciliteit
Wat is de beste locatie voor een faciliteit? Dit is een klassiek vraagstuk in het onderzoek van de operationele processen om de optimale ligging van onder andere magazijnen, distributiecentra en fabrieken te bepalen. Maximale efficiëntie tegen de laagste kosten, daar draait het allemaal om. Een krachtige methode die we vaak toepassen om deze vraagstukken op te lossen, is clustering. We groeperen klantlocaties geografisch en volgens het patroon van de vraag. Zo reiken we onze klanten een solide basis aan met mogelijke plaatsen voor hun faciliteiten. Een verstandige keuze van deze locaties kan een groot effect hebben op de algemene prestaties van de supply chain en transportnetwerken.
2. Kostenoptimalisatie
De transportkosten optimaliseren is een cruciaal onderdeel van het logistieke beheer. De kortere levertijden en de grotere voorspelbaarheid die een bedrijf daarmee bereikt, kunnen leiden tot aanzienlijke kostenbesparingen en een grotere klanttevredenheid. We kunnen verschillende rekenmodellen toepassen om de transportkosten te optimaliseren. De eerste stap? Het doel van de optimalisatie bepalen. Wil je de totale kosten zo veel mogelijk drukken, de winst maximaliseren of juist zeer tevreden klanten?
Als je vooral je totale kosten wilt verlagen, kun je de mogelijke magazijnlocaties die je in de vorige stap hebt bepaald als basis nemen voor de optimalisatie. Zo kun je de totale transportkosten van alle bestellingen uit het verleden drukken op grond van de potentiële magazijnlocaties. Maar daarmee is het plaatje bijlange na niet af. We moeten ook rekening houden met de voorraadkosten als we deze twee kritieke aspecten van het logistieke beheer perfect in balans willen brengen. Als we zowel de transport- als de voorraadkosten in ons rekenmodel verwerken, zal het strategische netwerkontwerp niet alleen operationeel efficiënter, maar ook winstgevender zijn.
Mixed integer programming is een veelgebruikte methode om deze complexe logistieke uitdagingen aan te pakken. Het resultaat van de analyse omvat een uitgebreid plan dat aangeeft welk magazijn welke klant zal beleveren en welke producten vanuit elk magazijn moeten komen.
3. Inventory management
Om het niveau van de klantenservice te berekenen, moeten we voorraadregels bepalen en kunnen we een historische simulatie toepassen op de uitkomst van het mixed integer programming model.
Als je vooral het voorraadniveau wilt verlagen, kunnen we intensieve audits hiervoor uitvoeren. Zo hebben we aan een project gewerkt om de dienstverlening te verbeteren en tegelijkertijd de voorraad te verminderen (zie case Air Liquide). We hebben het bestaande planningssysteem in kaart gebracht en doorgelicht. Vervolgens hebben we een stappenplan uitgewerkt om de voorraad beter op de vraag af te stemmen. Daarbij hebben we gebruikgemaakt van bijgewerkte rekenmodellen om de voorraad opnieuw in evenwicht te brengen op een lager niveau. Het resultaat: een betere service met maar liefst 51 % minder stock.
4. Demand forecasting
Vraagprognosemodellen stellen ons in staat om de toekomstige vraag van klanten naar producten of diensten te voorspellen. De keuze van het juiste prognosemodel hangt af van de beschikbare gegevens en de kwaliteit ervan, naast de vereiste nauwkeurigheid en de tijdsspanne van de forecast. De technieken die we daarvoor toepassen, kunnen we in twee categorieën indelen:
- Tijdreeksmodellen: deze statistische modellen onderscheiden trends en seizoensgebonden patronen in de vraag op basis van historische gegevens. Het uitgangspunt van deze modellen is dat de toekomstige vraag vergelijkbaar zal zijn met die uit het verleden. Enkele van de meest gebruikte modellen zijn ARIMA, Exponential Smoothing en het algoritme Prophet van Facebook.
- Causale modellen: deze modellen zoeken naar variabelen. Dat zijn doorgaans economische indicatoren, demografische trends en andere externe factoren die het niveau van de vraag beïnvloeden. Populaire modellen zijn onder meer regressieanalyse en econometrische modellen.
Om de nauwkeurigste resultaten te krijgen, combineren we vaak verschillende modellen binnen dezelfde aanpak. Zo benutten we de kracht van elk afzonderlijk model ten volle.
Om een goed forecastmodel op te stellen, verzamelen we de nodige verkoopgegevens en passen we de bovenstaande technieken toe. In deze fase laten we alle externe factoren buiten beschouwing en kijken we uitsluitend naar historische gegevens. Het resultaat is een model dat volumes voorspelt op grond van de algemene trend en seizoensgebondenheid. Vervolgens gaan we in gesprek met de belanghebbenden van het bedrijf om eventuele externe factoren in kaart te brengen die de vraag kunnen beïnvloeden. We verzamelen de aanvullende gegevens en voeren ze in het bestaande model in om de fouten weg te werken, m.a.w. het niet door de trend en de seizoensgebondenheid voorspelde volume.
Voor veel van deze belangrijke aspecten van het supply chain management is software beschikbaar die het bedrijf direct kan installeren en gebruiken. Maar deze softwarepakketten zijn niet altijd afgestemd op de specifieke noden van het bedrijf. Soms zijn de nodige gegevens gewoon niet beschikbaar of is een bedrijf anders georganiseerd dan het uitgangspunt waarop deze softwarepakketten steunen. We werken dan ook graag samen met de klant en stemmen onze oplossingen af op zijn precieze noden en het gewenste detailniveau. Voor ons is het heel belangrijk om zij aan zij met onze klanten te werken en ze te ondersteunen bij elke stap, van gegevens verzamelen tot een oplossing bedenken en het resultaat in de praktijk toepassen:
- Als eerste stap bepalen we samen met de klant het uiteindelijke doel van het netwerkontwerp: lagere voorraadniveaus, kortere doorlooptijden voor de klant, lagere transportkosten, enzovoort. We gaan na welke modelconcepten geschikt zijn om het bedrijfsvraagstuk in een wiskundig model om te zetten en het juiste optimalisatiedoel te bepalen.
- Nadat het doel en het concept duidelijk zijn beschreven, stellen we een plan op voor de fase van gegevensverzameling en -verkenning: welke data hebben we nodig en op welk detailniveau? Zijn de gegevens beschikbaar en waar vinden we ze? Zien we afwijkingen in de gegevens? We geven een uitvoerige verkennende analyse van de huidige situatie.
- In de derde fase passen we de modelconcepten toe. We doorlopen alle kernaspecten één voor één en gaan pas naar de volgende fase nadat de klant het uiteindelijke modelconcept en de resultaten van het vorige heeft goedgekeurd.
- Vervolgens presenteren we eindresultaat van het volledige herontwerp van het netwerk. Dat is vaak in de vorm van een webapplicatie. Het voordeel van deze webapplicaties op maat? De klant kan het model opnieuw toepassen met andere parameters of historische reeksen om gevoeligheidsanalyses uit te voeren, zonder enige kennis van programmeren of rekenmodellen. Met de toepassing kan hij ook het resultaat voor verschillende niches en afzonderlijke klanten of producten zien.
- Als laatste stap helpen we de klant vaak om de kloof tussen het model en de praktische toepassing te overbruggen door samen de theorie in praktijk toe te passen. Het netwerkontwerp gaat ervan uit dat de faciliteiten overal in het vooraf bepaalde land of gebied kunnen staan, maar houdt geen rekening met bestaande gebouwen of locaties waar de bouw van een zo'n faciliteit misschien niet mogelijk is. Daarom stellen we een stappenplan op voor de praktische toepassing van het netwerkontwerp.
Zodra het supply chain netwerk is opgezet, kunnen we de klant ook begeleiden om de veerkracht van de supply chain van het volledige nieuwe netwerk te testen. Tegenwoordig is de wereld veel onzekerder en de supply chain staat bloot aan meer risico's, problemen en verstoringen in het netwerk dan pakweg vijf of tien jaar geleden. Vroeger gingen we uit van een stabiele situatie om netwerken te optimaliseren, maar dit uitgangspunt schiet in deze tijd geregeld tekort. Met grafiekanalyse en process mining kunnen we zwakke en knelpunten in het netwerk opsporen. We combineren kennis van de sector met technische knowhow en passen een model meermaals toe om het complexere berekeningen te laten maken. Daarbij werken we bij elke stap van het proces zij aan zij met de belanghebbenden.
Kortom, netwerkoptimalisatie is een cruciaal aspect van het supply chain management. Het gaat het erom het beste netwerk voor de fysieke faciliteiten uit te werken om de totale kosten zo laag mogelijk te houden en de klanttevredenheid te maximaliseren. Samen met de klant bepalen we de strategische doelen en kiezen we het model dat het best eraan beantwoordt. We testen het nieuwe netwerk op veerkracht en bundelen al deze aspecten in een webapplicatie die de klant meteen kan gebruiken om zijn eigen scenario's te onderzoeken en gedetailleerde weergaven van de optimalisatie te raadplegen.
Zo kunnen onze klanten een concurrentievoordeel halen in onze steeds complexere en onderling verbonden wereld, zeker nu optimalisatie van de totale kosten en betere operationele efficiëntie doorslaggevend zijn.
