Vad gör att Streamline sticker ut bland konkurrerande lösningar

Förbi Alex Koshulko, Ph.D., Planeringsexpert • Uppdaterad på 6 januari 2024

Synkroniserar beställningsdatum mellan SKU: er

Vad gör du om din Min/Max-påfyllningsstrategi inbyggd i ERP-systemet kastar en inköpssignal för en SKU men andra SKU: er från samma leverantör inte behöver fyllas på ännu? Min/max -beställningssignaler kommer per vara medan företag utfärdar inköpsorder per leverantör. Så antingen ignorerar du varningen och får brist senare eller köper en hel behållare för mycket. I motsats till ERP -metoder höjer Streamline inköpssignaler per leverantör. Streamline förutspår alla inköpssignaler under nästa ordercykel via en diskret händelsessimulering och inköp i förväg för att få en smidig inköpsprocess med konstant ordercykel eller att köpa hela containrar (ordercykeln är variabel) eller EOQ.

Ersätta formler med diskret händelsessimulering

Lagerpåfyllning baseras på att beräkna framtida lagernivåer under nästa ledtid och ibland utöver det. Det betyder att din formel måste redogöra för många kommande konsumtions- och påfyllningshändelser. Ibland är det genomförbart, men när du börjar hantera evenemangsscheman som ett leveransschema, eller flera beställningar under transport ger Excel upp nästan omedelbart.

Medan våra konkurrenter vanligtvis förenklar beräkningar utan att kollidera händelser realistiskt, skapar Streamline en tidslinje med en dags precision och lägger alla scheman på tidslinjen. Därefter utför Streamline händelseföljden och ger oss den mest exakta informationen om företagets lagernivåer med en dags precision. Ibland är det bara en mer exakt metod jämfört med påfyllningsformler, men i många fall är det det enda sättet att tillgodose den verkliga leveranskedjans komplexitet.

Använda AI för att prognostisera efterfrågan

Att uppskatta säsongsvariationer, priselasticitet eller top-down-prognoser räcker inte nuförtiden. Marknaden förändras mycket dynamiskt och det är svårt att förutse om din försäljningshistorik ännu är tillräckligt relevant för den aktuella situationen och kan användas för att extrapolera in i framtiden. Det är ett område där vi använder vår egenutvecklade AI så vi tillämpar bara tidsserieprognostekniker, prediktorer och nivåförändringar om AI säger att det är lämpligt att tillämpa – precis som om du håller ett öga på varje SKU varje dag.

Grupp EOQ

Använder du EOQ i ditt arbete? Om inte, är det värt att ge EOQ en närmare titt eftersom detta lagerplaneringskoncept avsevärt minskar dina innehavs- och beställningskostnader. Tyvärr beräknas klassisk EOQ per SKU och inte en grupp SKU: er. I en verklig leveranskedja innehåller inköpsorder mer än en SKU, om inte hundratals SKU: er. Medan Streamline stöder klassisk EOQ -beräkning, erbjuder den också grupp EOQ som går mycket längre än det klassiska tillvägagångssättet vilket gör EOQ tillämpligt på beställningar som innehåller flera SKU: er.

Det blir möjligt tack vare förmågan hos Streamline att synkronisera orderdatumet för en grupp artiklar. Sedan flyttar Streamline bara synkroniseringsbarriären fram och tillbaka för att hitta den bästa ordercykeln för gruppen SKU och minimerar automatiskt kombinationen av innehavs- och beställningskostnader.

Vill du testa Streamline på ditt företags data?

Alex Koshulko, Ph.D.

Medgrundare på GMDH Streamline,

ledande expert inom leveranskedjeplanering med mer än tio års erfarenhet av efterfrågeprognoser, lagerplanering och optimering.

Ta kontakt med Alex på LinkedIn

Vidare läsning:

• Hur man hanterar processer i försörjningskedjan under Coronavirus-utbrottet
• Varför byta från Excel till programvara för inventeringsplanering
• Måste läsa: Smart Supply Chain Management-lösningar för optimering av affärsprocesser
• Tvärfunktionell anpassning i planering av försörjningskedjan: En fallstudie av försäljnings- och verksamhetsplanering [PDF]
• Efterfrågan och leveranshantering: Samarbetsplanering, prognoser och påfyllning