Hvad får Streamline til at skille sig ud blandt konkurrerende løsninger

Ved Alex Koshulko, Ph.D., Planlægningsekspert • Opdateret den 6. januar 2024

Synkronisering af bestillingsdatoer på tværs af SKU'er

Hvad gør du, hvis din Min/Max-genopfyldningsstrategi, der er indbygget i ERP-systemet, sender et indkøbssignal til en SKU, men andre SKU'er fra den samme leverandør ikke har brug for påfyldning endnu? Min/maks. Bestillingssignaler kommer pr. Vare, mens virksomheder udsteder indkøbsordrer pr. Leverandør. Så du ignorer enten advarslen og får mangel senere, eller køb overdreven en fuld container. I modsætning til ERP -metoder øger Streamline indkøbssignaler pr. Leverandør. Streamline forudsiger alle indkøbssignaler i løbet af den næste ordrecyklus via en diskret hændelsessimulering og indkøb på forhånd for at få en jævn indkøbsproces med konstant ordrecyklus eller køb af fulde containere (ordrecyklus er variabel) eller EOQ.

Udskiftning af formler med diskret hændelsessimulering

Lageropfyldning er baseret på beregning af fremtidige lagerniveauer i løbet af den næste leveringstid og nogle gange ud over det. Det betyder, at din formel skal tage højde for mange kommende forbrugs- og genopfyldningsbegivenheder. Nogle gange kan det lade sig gøre, men når du først begynder at beskæftige dig med hændelsesplaner som en forsendelsesplan, eller flere bestillinger i transit giver Excel op næsten med det samme.

Mens vores konkurrenter normalt forenkler beregninger uden realistisk at kollidere begivenheder, opretter Streamline en tidslinje med en dags præcision og sætter alle tidsplaner på tidslinjen. Derefter udfører Streamline hændelsessekvensen, der giver os de mest nøjagtige oplysninger om virksomhedens lagerniveauer med en dags præcision. Nogle gange er det bare en mere præcis metode sammenlignet med genopfyldningsformler, men i mange tilfælde er det den eneste måde at imødekomme den virkelige verden forsyningskæde kompleksitet.

Brug af AI til at forudsige efterspørgsel

Det er ikke nok i dag at estimere sæsonudsving, priselasticitet eller top-down prognoser. Markedet ændrer sig meget dynamisk, og det er svært at forudsige, om din salgshistorik endnu er relevant nok til den nuværende situation og kan bruges til at ekstrapolere ind i fremtiden. Det er et område, hvor vi bruger vores proprietære AI, så vi anvender kun tidsserieforudsigelsesteknikker, forudsigelser og niveauændringer, hvis AI siger, at det er passende at anvende – ligesom hvis du holder øje med hver SKU hver dag.

Gruppe EOQ

Bruger du EOQ i dit arbejde? Hvis ikke, er det værd at give EOQ et nærmere kig, da dette lagerplanlægningskoncept reducerer dine beholdnings- og bestillingsomkostninger betydeligt. Desværre beregnes klassisk EOQ pr. SKU og ikke en gruppe SKU'er. I en virkelig forsyningskæde indeholder indkøbsordrer mere end én SKU, hvis ikke hundredvis af SKU’er. Mens Streamline understøtter klassisk EOQ -beregning, tilbyder den også gruppe EOQ, der går langt ud over den klassiske tilgang, hvilket gør EOQ gældende for ordrer, der indeholder flere SKU'er.

Det bliver muligt takket være Streamlines evne til at synkronisere ordredatoen for en gruppe varer. Derefter flytter Streamline bare synkroniseringsbarrieren frem og tilbage for at finde den bedste ordrecyklus for gruppen af SKU'er og minimerer automatisk kombinationen af beholdnings- og bestillingsomkostninger.

Vil du teste Streamline på din virksomheds data?

Alex Koshulko, Ph.D.

Medstifter hos GMDH Streamline,

førende ekspert i forsyningskædeplanlægning med mere end ti års erfaring i efterspørgselsprognose, lagerplanlægning og optimering.

Forbind med Alex på LinkedIn

Yderligere læsning:

• Sådan håndteres forsyningskædeprocesser under Coronavirus-udbruddet
• Hvorfor skifte fra Excel til lagerplanlægningssoftware
• Must-read: Smart Supply Chain Management-løsninger til optimering af forretningsprocesser
• Tværfunktionel tilpasning i forsyningskædeplanlægning: En casestudie af salgs- og driftsplanlægning [PDF]
• Efterspørgsel og forsyningsstyring: Samarbejdsplanlægning, prognoser og genopfyldning