FAQ: Bestandsoptimierung

Lokad begegnet den Herausforderungen im Bestandsmanagement, indem es auf vorausschauende Analysen setzt, um die Unsicherheit in der Lieferkette zu berücksichtigen und Entscheidungen mit finanziellen Erkenntnissen zu optimieren. Es berücksichtigt einzigartige Kundenbeschränkungen und verbessert die Transparenz der Entscheidungsfindung durch detaillierte Berichte und intuitive Dashboards.

Zielgruppe: Fachleute, Experten und Führungskräfte in der Lieferkette.

Zuletzt geändert: 30. Januar 2024

Ein Mann, der versucht, Allokationsrouten für große Mengen unversandten Bestands zu optimieren.

Überbestände und Lagerbestandslücken sind die beiden offensichtlichsten Symptome für unzureichende Bestandsentscheidungen, und diese Probleme lassen sich auf Richtlinien zurückführen, die die Unsicherheit ignorieren. Diese Unsicherheit kann viele Formen annehmen, darunter schwankende Nachfrage, schwankende Vorlaufzeiten und sporadische Rücksendungen. Lokad erzielt eine überlegene Bestandsleistung genau deshalb, weil seine programmatischen Vorhersagefähigkeiten die Unsicherheit in der Lieferkette berücksichtigen, anstatt sie zu ignorieren. Lokad verfügt beispielsweise über probabilistische Modellierungsfähigkeiten, um alle wirtschaftlichen Treiber in Verbindung mit den alltäglichen, wiederholenden Entscheidungen in der Lieferkette eines Kunden abzubilden (z. B. Bestellvorgänge, Produktionsaufträge, Bestandszuweisung usw.). Dadurch können wir Kunden eine hochauflösende finanzielle Perspektive auf den Dollar- (oder Euro-) Wert jeder Entscheidung bieten. Lokad verfügt auch über stochastische Optimierungsfähigkeiten, um letztendlich die Entscheidungen zu empfehlen, die den Dollar- (oder Euro-) Ertrag für jede Entscheidung maximieren, unter Berücksichtigung der einzigartigen Beschränkungen des Kunden. Solche Beschränkungen umfassen produktübergreifende Aspekte wie Kannibalisierung und Substitution.

In jedem Schritt des Prozesses bieten Lokads umfangreiche, maßgeschneiderte Berichtsfunktionen dem Kunden vollständige Transparenz. Intuitive Dashboards werden entwickelt, um die KPIs klar darzustellen, die Kunden möchten und benötigen, und um Lokads Berechnungen auf eine unkomplizierte Weise zu erläutern.

Zusammenfassung für Führungskräfte

Was die Bestandsoptimierung betrifft, hat sich Lokad vor mehr als einem Jahrzehnt von dem abgewandt, was als der “Mainstream”-Ansatz angesehen werden könnte. Diese Abweichung hat sich nur verstärkt, da unsere Technologie verbessert wurde. Diese Technologie ermöglicht es Lokad, erhebliche Verbesserungen in den Lieferketten der Kunden zu erzielen. Die größere Herausforderung besteht jedoch oft darin, die Verbesserungen zu “erklären” - eine Aufgabe, die umso schwieriger wird, wenn man bedenkt, wie unterschiedlich Lokads Ansatz im Vergleich zu dem ist, was Lieferkettenexperten erwarten.

Das Mainstream-Märchen über die Bestandsoptimierung lautet wie folgt: Der (Magic Quadrant) Softwareanbieter liefert 20% genauere Prognosen, und diese Prognosen führen zu 20% weniger Lagerbestandslücken und 20% weniger Bestand. Dieses Märchen enthält in der Regel mehrere aktuelle Schlagwörter: Künstliche Intelligenz, Nachfrageerfassung, maschinelles Lernen, Blockchain, digitale Zwillinge, In-Memory-Systeme usw. Diese Mainstream-Sichtweise ist jedoch eine Sackgasse1. Im Gegensatz zu den meisten unserer Mitbewerber liefert Lokad tatsächlich hochmoderne Prognosen2, und wir wissen, dass dies für sich genommen bei weitem nicht ausreicht, um eine zufriedenstellende Rendite zu erzielen.

Lokad ist vielleicht einzigartig darin, dass wir wenig Geheimnis darum machen, wie wir eine überlegene Bestandsleistung erreichen. Wir haben eine öffentliche Vortragsreihe3 (mit insgesamt über 50 Stunden und weiter steigendem Umfang), in der die Details unserer Technologien und Methoden erläutert werden. Diese Reihe dient sowohl als Ressource als auch als Warnung für Kunden: Sobald Sie sehen, wie die “Tricks” eines Anbieters funktionieren, können Sie sie nicht mehr übersehen.

Probabilistische Prognosen

Probabilistische Prognosen müssen verwendet werden. Diese Prognosen bieten eine direkte quantitative Bewertung der Unsicherheit, mit der man in der Lieferkette konfrontiert ist - z. B. Unsicherheit in Bezug auf die Kundennachfrage und die Vorlaufzeit(en) des Lieferanten. Anstatt zu behaupten, dass traditionelle Zeitreihenprognosen (der “klassische Ansatz”) spontan genau werden, gehen probabilistische Prognosen direkt auf diese Probleme ein. Probabilistische Prognosen sind nicht unbedingt “genauer” - zumindest nicht von Natur aus -, aber dies ist weitgehend irrelevant, da sie dazu dienen, eine völlig andere Geschichte über die Zukunft des Kunden zu erzählen - Einzelheiten dazu werden in der Finanziellen Perspektive behandelt. Darüber hinaus verdient jede Unsicherheitsquelle ihre eigene Prognose, nicht nur die Nachfrage. Lokad erstellt probabilistische Prognosen für Vorlaufzeiten, Rücksendungen, Ausschussraten usw.

Im Gegensatz dazu ignoriert der gängige Ansatz der Zeitreihenprognosen die oben beschriebene Unsicherheit. Als Ergebnis ist die Lieferkette, wenn Punktzeitreihenprognosen verwendet werden, selbst gegenüber Risiken fragil, die völlig banal sind, wie z.B. die unvorhersehbare Natur von Produktstarts. Es ist sinnlos zu erwarten, dass Produktstarts jemals risikofrei sein werden, denn wenn ein Unternehmen in der Lage ist, die Leistung seiner Produktstarts zuverlässiger einzuschätzen, würde es zweifellos diese neu gewonnene Fähigkeit nutzen, um noch mehr Produkte auf den Markt zu bringen und somit Unsicherheit in die betreffende Lieferkette einzuführen.

Automatisierte Entscheidungsfindung

Automatisierte (und überlegene) Entscheidungsfindung in der Lieferkette ist das einzige erstrebenswerte Ziel, da dies die Lieferkette konkret beeinflusst. Wenn die Bestandsoptimierungssoftware etwas anderes als die endgültigen Entscheidungen zurückgibt, erfüllt die Software ihre Aufgabe nicht (oder Sie haben möglicherweise die falsche Software).

Darüber hinaus müssen diese automatisierten Entscheidungen alle Einschränkungen des Kunden berücksichtigen, wie z.B. Mindestbestellmengen (MOQs). Wenn Ihre Software/Ihr System weiterhin fehlerhafte Entscheidungen generiert, die manuell außer Kraft gesetzt werden müssen, ist das System fehlerhaft und muss ersetzt werden. Echte Experten für Lieferketten sind zu selten und zu wertvoll, um für etwas anderes als die kontinuierliche Verbesserung des einzigartigen numerischen Rezepts des Kunden verwendet zu werden4. Lokad verwendet dieses numerische Rezept, um den Prozess der Entscheidungsfindung in der Lieferkette zu automatisieren und ermöglicht es internen Experten, sich auf höherwertige Themen und Strategien zu konzentrieren.

Im Gegensatz dazu betont die gängige Ansicht alle Arten von numerischen Artefakten: ABC-Klassen (oder deren Verwandte, ABC XYZ), Lagerumschlag, Sicherheitsbestände, wirtschaftliche Bestellmengen usw. Im Gegensatz zu Lieferkettenentscheidungen ist die Beziehung zwischen einem numerischen Artefakt und der Leistung der Lieferkette bestenfalls unklar. Darüber hinaus werden die meisten dieser Zahlen nur eingeführt, um einen halbmanuellen Entscheidungsprozess zu unterstützen und somit die fortlaufende Verschwendung von Ressourcen des Kunden (z.B. Geld, Zeit und Aufwand) sicherzustellen.

Als Ergebnis wird nichts wirklich behoben, da Lieferkettenpraktiker kontinuierlich von dem anhaltenden Feuerlöschprozess abgelenkt werden und im Hintergrund das zugrunde liegende System weiterhin suboptimale Entscheidungen generiert.

Finanzielle Perspektive

Die Entscheidungen in der Lieferkette müssen finanziell optimiert werden, d.h. in Bezug auf den finanziellen Einfluss in Euro (oder Dollar) bewertet werden. Diese Bewertung muss alle relevanten wirtschaftlichen Treiber berücksichtigen. Lokad hat Zugang zu den relevanten, greifbaren wirtschaftlichen Treibern (die sich direkt in den Büchern des Kunden finden lassen): Bruttomarge, Lagerkosten, Transportkosten usw. Lokad quantifiziert jedoch auch die immateriellen wirtschaftlichen Treiber - diejenigen, die berücksichtigt werden müssen, um wertvolle Lieferkettenentscheidungen zu treffen: Kundentreue, das Wohlwollen der Lieferanten, der wahrgenommene Wert der Marke usw. Aufgrund ihrer abstrakten Natur müssen diese Treiber intelligent approximiert werden, obwohl es weitaus besser ist, annähernd richtig zu sein als genau falsch. Dieser monetäre Wert wird letztendlich verwendet, um alle verschiedenen Kräfte zu vereinen, die jede Bestandsentscheidung beeinflussen.5

Im Gegensatz dazu betont die gängige Ansicht Prozentsätze wie Servicelevel und ignoriert dabei vollständig alle immateriellen wirtschaftlichen Treiber. Dies führt zur Kurzsichtigkeit von empfohlenen Entscheidungen, die die breite Öffentlichkeit nun mit “Finanzen” in Verbindung bringt. Solche Entscheidungen werden gegen erfundene numerische Kriterien optimiert, die einfach nicht die langfristigen Interessen des Unternehmens widerspiegeln. Die Lösung besteht nicht darin, die Idee der Optimierung abzulehnen, sondern zu überdenken, was überhaupt optimiert wird.

Häufig gestellte Fragen (FAQ)

1. Prinzipien

1.1 Helfen Sie dabei, das Bestandsmanagement zu optimieren? Welche Fähigkeiten haben Sie im Bereich Bestandsmanagement?

Lokad optimiert (und optimiert) den Bestand anstelle ihn zu verwalten. Bestandsoptimierung beinhaltet unter anderem die bestmöglichen Entscheidungen, wie viel Lagerbestand gekauft werden soll, wann er gekauft werden soll und wo er (neu) zugewiesen werden soll. Bestandsmanagement hingegen konzentriert sich auf die Verwaltung der elektronischen Aufzeichnungen, die den physischen Zustand des Bestands widerspiegeln, und darauf, diese Aufzeichnungen mit der Realität des Bestands abzugleichen. Bestandsoptimierung und Bestandsmanagement sind die beiden Hauptaspekte der Gesamtbestandskontrolle, und Lokad widmet sich ausschließlich ersterem.

In Bezug auf das Software-Design sind die Anforderungen an ein Bestandsmanagementsystem ganz anders als an ein Bestandsoptimierungssystem. Tatsächlich stehen sie sich oft vollständig gegenüber. Zum Beispiel erfordert das Bestandsmanagement Echtzeitantworten, da sonst banale Vorgänge wie das Kommissionieren von Waren verzögert werden, bis das System die Operation endlich bestätigt.

Die Bestandsoptimierung hingegen basiert auf guten Entscheidungen, nicht unbedingt auf Echtzeitentscheidungen. Eine Verzögerung von 5 Minuten bei der Berechnung einer optimierten Bestellmenge - die eine Vielzahl von Faktoren und Einschränkungen berücksichtigt - ist unerheblich, wenn die Bestellung dem Kunden Tausende von Dollar (oder Euro) einspart. Aus Sicht des Kunden ist dies einer Situation vorzuziehen, in der mittelmäßige Bestellungen - die in Echtzeit erstellt werden können - Tausende von Dollar (oder Euro) an totem Lagerbestand verursachen könnten. Wenn der Kunde kein Bestandsmanagementsystem hat, empfiehlt Lokad dringend, eines zu installieren, bevor versucht wird, den Bestand zu optimieren.

Hinweis: Die meisten für das Bestandsmanagement konzipierten Unternehmenssoftware behaupten auch, Funktionen zur Bestandsoptimierung bereitzustellen. Dies ist eine trügerische Behauptung. Diese unterschiedlichen Bestandsfunktionen erfordern unterschiedliche Softwareeingriffe.

Für einen direkten Vergleich von Bestandsoptimierung und Bestandsmanagement sowie ihrer erforderlichen Software siehe Bestandskontrolle.

1.2 Wie prognostizieren Sie zukünftigen Bestandsbedarf?

Lokad verwendet umfangreiche Technologien zur Vorhersagemodellierung, um alle unsicheren Faktoren vorherzusagen, die sich auf den zukünftigen Bestandsbedarf auswirken. Diese Faktoren umfassen unter anderem die zukünftige Nachfrage und die zukünftigen Vorlaufzeiten, die sich direkt auf den Bestandsbedarf auswirken. Je nach spezifischer Branche gibt es jedoch häufig weitere Unsicherheitsquellen. Zum Beispiel können dies Kundenrücksendungen (E-Commerce), Produktionsausbeute, Ausschussraten usw. sein. Um den Bestandsbedarf festzulegen, kombinieren wir in der Regel eine kurze Reihe von Prognosen, die mehrere Unsicherheitsquellen widerspiegeln. Dieser Ansatz geht weit über die Möglichkeiten der traditionellen Zeitreihenprognose hinaus.

Darüber hinaus verfolgt Lokad eine probabilistische Prognoseperspektive. Das bedeutet, dass Lokad alle möglichen Zukunftsszenarien berücksichtigt und ihre jeweiligen Wahrscheinlichkeiten quantitativ bewertet. Darüber hinaus enthält unsere Plattform die erforderliche Instrumentierung, um diese probabilistischen Prognosen zu komponieren oder zu kombinieren, wie zum Beispiel eine Algebra der Zufallsvariablen (siehe unten). Durch die Kombination einer probabilistischen Nachfrageprognose und einer probabilistischen Vorlaufzeitprognose erhalten wir beispielsweise eine probabilistische “Lead-Demand”-Prognose, die die Nachfrage über die Vorlaufzeit integriert. Die “Lead-Demand” ist in der Regel eine Ausgangsbasis zur Bewertung des zukünftigen Bestandsbedarfs.

Weitere Informationen zu dieser Perspektive finden Sie unter Probabilistische Vorhersage. Um mehr über unsere Instrumentierung der Zufallsvariablen-Algebra zu erfahren, lesen Sie Ranvars und Zedfuncs in unserer öffentlichen Envision-Dokumentation.

1.3 Berechnen Sie vergangene und zukünftige Bestandsniveaus basierend auf historischen Verkaufsdaten und Prognosedaten?

Ja, die Plattform von Lokad ist in der Lage, sowohl vergangene als auch zukünftige Bestandsniveaus unter Verwendung der historischen Transaktionsdaten des Kunden zu berechnen, einschließlich des ausgehenden Flusses (z. B. Verkäufe) und des eingehenden Flusses (z. B. Einkäufe). Wir verfügen über umfangreiche probabilistische Prognosefähigkeiten, nicht nur für die zukünftige Nachfrage, sondern auch für zukünftige Vorlaufzeiten, zukünftige Rücksendungen und alle anderen relevanten Unsicherheitsquellen.

In Bezug auf vergangene Bestandsniveaus empfehlen wir in der Regel, die Daten im Laufe der Zeit aufzuzeichnen, in der Regel durch Snapshots, die innerhalb der Lokad-Plattform erstellt werden, sofern diese Daten nicht bereits in den Geschäftssystemen historisiert sind, anstatt diese Daten neu zu berechnen. Tatsächlich kann selbst ein sorgfältig erstelltes Flussmodell die vergangenen Bestandsniveaus immer noch falsch widerspiegeln. Historische Snapshots der Bestandsniveaus leiden nicht unter dieser Art von Problemen.

In Bezug auf zukünftige Bestandsniveaus sind zwei wichtige Elemente zu beachten. Erstens ist die Unsicherheit der Zukunft nicht reduzierbar. Zweitens hängen zukünftige Bestandsniveaus von Entscheidungen ab, die noch nicht getroffen wurden. Da die Unsicherheit der Zukunft nicht reduzierbar ist, ist es unklug - und sehr unrentabel - anzunehmen, dass eine einzige Projektion des zukünftigen Bestandszustands als “ausreichend korrekt” angesehen werden kann. Stattdessen sollten wir alle möglichen Zukunftsszenarien und ihre jeweiligen Wahrscheinlichkeiten in Betracht ziehen. Dies ist eine viel umfassendere Sicht auf die Zukunft und ermöglicht es uns, risikoadjustierte Supply-Chain-Entscheidungen zu treffen, die gegen Abweichungen von der (klassischen) Prognose widerstandsfähig sind. Lokad erreicht dies durch die Nutzung der probabilistischen Prognose.

Da zukünftige Bestände von Supply-Chain-Entscheidungen abhängen, die noch nicht getroffen wurden (z. B. zukünftige Bestellungen), benötigen wir ein sinnvolles System zur Umsetzung von Entscheidungen, um den möglichen zukünftigen Zustand des Bestands zu bewerten. Hierfür müssen Entscheidungen automatisiert werden, um eine effektive Simulation zu ermöglichen. Wenn der Entscheidungsprozess halbmanuell ist (d. h. subjektive menschliche Übersteuerung beinhaltet), wird es praktisch unmöglich, “zu simulieren”. Daher muss für Simulationszwecke ein automatisiertes Entscheidungssystem verwendet werden.

1.4 Berechnen Sie Sicherheitsbestand, Min/Max-Niveaus, Nachbestellpunkt und EOQ (economic order quantity) unter Berücksichtigung der Einkaufspolitik?

Ja, die Plattform von Lokad ermöglicht es, einen Mainstream/Klassik-Ansatz für die Supply Chain umzusetzen, einschließlich Sicherheitsbeständen, Min/Max-Niveaus, Nachbestellpunkten und EOQs. Darüber hinaus ist es auch einfach, all diese Elemente vollautomatisch zu aktualisieren. Dieser Supply-Chain-Ansatz ist jedoch veraltet, da er in der Praxis zu schlechten Ergebnissen führt. Darüber hinaus erfordert er umfangreiche und fortlaufende manuelle Korrekturen, um suboptimale Ausgaben zu beheben, die das “System” immer wieder generiert.

Im Gegensatz dazu empfiehlt Lokad einen deutlich überlegenen Ansatz, der darin besteht, die wirtschaftlichen Erträge pro Einheit für den Kauf jeder zusätzlichen Lagerbestandseinheit zu bewerten. Diese Berechnung basiert sowohl auf den probabilistischen Prognosen, die die Lokad-Plattform generiert, als auch auf einer expliziten wirtschaftlichen Modellierung der Konsequenzen der Kaufentscheidungen. Dieser Ansatz berücksichtigt die wirtschaftlichen Treiber, die den Kaufentscheidungen zugrunde liegen.

Als Ergebnis ist die Reduzierung der Einkaufsüberhänge gegeben: Bestellungen werden wirtschaftlich optimiert, sodass veraltete Formeln wie die Wilson-Formel (traditionell für EOQ-Berechnungen verwendet) nicht mehr erforderlich sind. Darüber hinaus wird die Auslösung der Bestellung zu einer Frage des Ausgleichs zwischen den Kosten für Lagerausfall und den Kosten für Überbestand, sodass Sicherheitsbestände, Min/Max-Niveaus und Nachbestellpunkte nicht mehr erforderlich sind.

Darüber hinaus eignet sich der Ansatz von Lokad sehr gut für die Berücksichtigung von SKU-übergreifenden (Stock Keeping Unit) Anforderungen. Diese Anforderungen umfassen Kannibalisierung, Substitution, Lieferanten-MOQs (Mindestbestellmengen), Lager- oder Ladenkapazitäten und mehrere Ebenen. Der Mainstream/Klassik-Ansatz für die Supply Chain ist starr an eine strikte mono-SKU-Perspektive gebunden. Daher werden diese Anforderungen von vornherein ignoriert. Egal wie ausgeklügelt eine Sicherheitsbestandsberechnung sein mag (um ein Beispiel zu nennen), sie kann keine dieser SKU-übergreifenden Anforderungen berücksichtigen, da die Formel (oder vielmehr die Klasse der Formeln) die Verarbeitung von SKUs isoliert.

1.5 Wie unterscheidet sich Ihr Ansatz für hochwertige Artikel?

Lokads quantitativer Supply-Chain-Ansatz empfiehlt nachdrücklich, jede Supply-Chain-Entscheidung im Hinblick auf ihre (individuellen und voneinander abhängigen) wirtschaftlichen Treiber zu optimieren, sodass hoch- und niedrigwertige Artikel auf die gleiche Weise optimiert werden - wenn auch natürlich mit unterschiedlichen Berechnungen.

Die relevanten wirtschaftlichen Treiber umfassen natürlich unter anderem die Kosten und die Bruttomarge der zu optimierenden Lagerbestandseinheiten. Hochwertige Artikel sind natürlich mit hohen Kosten und hohen Margen verbunden - zumindest in absoluten Zahlen. Die von Lokad durchgeführte Optimierung maximiert den Dollar-zu-Dollar-Ertrag für die Lagerinvestitionen: Vereinfacht ausgedrückt wählt Lokad für jeden investierten US-Dollar den Artikel aus, der die höchste Rendite (ROI) bietet.*

Neben der rein wirtschaftlichen Bewertung gibt es andere Einschränkungen, die sich auf die Generierung von Lagerentscheidungen auswirken, wie z.B. Mindestbestellmengen (MOQs). Die Plattform von Lokad enthält jedoch alle erforderlichen numerischen Fähigkeiten, um beide Arten von Anliegen in die Optimierung einzubeziehen. Alle wirtschaftlichen Treiber - und die daraus resultierenden finanziellen Faktoren - werden von Lokad vorgeschlagen und letztendlich vom Kunden validiert.

Diese einheitliche, finanziell orientierte Perspektive auf die Optimierung bedeutet, dass Praktiker nicht mehr eine Vielzahl von Randfällen navigieren müssen, die von verschiedenen Richtlinien und Anliegen gesteuert werden. Jeder Artikel - hochwertig, niedrigwertig, unregelmäßig usw. - wird hinsichtlich der finanziellen Auswirkungen jeder zusätzlichen Einheit für den Kunden optimiert.

*Im großen Maßstab erstellt Lokad eine Rangliste der Einkaufsentscheidungen, nicht nur eine einzelne Empfehlung. Die Liste ist absteigend sortiert und beginnt mit dem Artikel, der den größten finanziellen Return on Investment bietet. Weitere Informationen finden Sie in unserem Tutorial zum öffentlichen Demo-Konto.

1.6 Berücksichtigen Sie die Kosten für die Bearbeitung von Bestellungen (z.B. Bestellung, Rechnungsstellung)?

Ja, Lokad empfiehlt eine finanzielle Perspektive, bei der jede einzelne Supply-Chain-Entscheidung (einschließlich Bestellungen) im Hinblick auf alle relevanten wirtschaftlichen Treiber optimiert wird. Insbesondere werden alle mit der Durchführung der Entscheidungen verbundenen Overheads, wie z.B. die Bearbeitungskosten, in diese Liste der wirtschaftlichen Treiber integriert. Die Supply Chain Scientists von Lokad sind dafür verantwortlich, sicherzustellen, dass das wirtschaftliche Modell, wie es in der numerischen Rezeptur implementiert ist, alle Chancen und Overheads des Kunden widerspiegelt.

Lokads Plattform ist bemerkenswert ausdrucksstark und programmierbar, was es uns ermöglicht, Unterstützung für praktisch jede Art von Kosten und/oder Rabatten zu entwickeln, die bei der Bestellung auftreten können - z.B. Preisnachlässe. Darüber hinaus ermöglicht uns die stochastische Optimierung von Lokad, Entscheidungen trotz der Nichtlinearitäten zu optimieren, die diese Kosten (oder Chancen) typischerweise darstellen. Zum Beispiel können sich die Bearbeitungskosten je nach bestellter Menge nur geringfügig ändern, was den optimierten Bestellprozess in Richtung (etwas) größerer und (etwas) seltenerer Bestellungen lenken sollte, wenn die Bearbeitungskosten steigen. Preisnachlässe neigen auch dazu, die Optimierung in Richtung größerer und seltenerer Bestellungen zu lenken.

1.7 Kann das Beschaffungsteam die Auswirkungen von Wiederbeschaffungsstrategien auf das Kapitalbedürfnis simulieren? Können sie den Lagerbestand prognostizieren?

Ja, Lokads Plattform wurde entwickelt, um die Projektion zukünftiger Supply-Chain-Bedingungen unter verschiedenen Richtlinien in einem sehr breiten Sinne zu unterstützen. Die zukünftigen Bedingungen umfassen zukünftige Lagerbestände, aber auch alle anderen kritischen zukünftigen Bedingungen der Supply Chain wie die Sättigung der Kapazitäten (wie Transport, Handhabung, Lagerung usw.). Die verschiedenen Richtlinien umfassen alternative Wiederbeschaffungsstrategien, aber auch alle anderen Arten von Entscheidungen, die die Ausführung der Supply Chain steuern (Bestandszuweisungen, Produktionsaufträge, Rücksendungen, Preisänderungen usw.).

Darüber hinaus ist es aus Sicht von Lokad entscheidend, einen Prozess zu installieren, der stark auf vollständig automatisierte Entscheidungsfindung (für die banalen wiederholten Supply-Chain-Entscheidungen) ausgerichtet ist. Es ist unrealistisch zu erwarten, dass eine “Simulation” sinnvolle Zahlen liefern kann, wenn die tatsächliche Ausführung der Supply Chain in der Praxis von regelmäßigen subjektiven (und manuellen) Überschreibungen durch Supply-Chain-Praktiker abhängt. Die Simulation ist von diesen Überschreibungen vollständig unabhängig.

Allgemeine probabilistische Prognosen - nicht nur Nachfrageprognosen - sind eine weitere wichtige Zutat, um eine solche Simulation durchzuführen. Zukünftige Vorlaufzeiten, zukünftige Rücksendungen und viele andere Faktoren, die zur zukünftigen Unsicherheit beitragen, müssen prognostiziert werden. Andernfalls arbeitet die Simulation auf der Grundlage von fehlerhaften und unzuverlässigen Zahlen (d.h. Daten, die blind für andere wichtige Quellen der Unsicherheit sind). Die Integration von generalisierten probabilistischen Prognosen ermöglicht es uns, aussagekräftige Simulationen zu erstellen, die die notwendige Granularität und Einblicke in die Supply Chain des Kunden bieten.

Weitere Informationen zur prognostischen Perspektive von Lokad finden Sie unter Probabilistische Vorhersage.

1.8 Können Sie die wirtschaftlichen Indikatoren beschreiben, die Sie zur Unterstützung von Einkaufsempfehlungen verwenden?

Zusammenfassung: Lokads programmierbare Plattform ermöglicht die Integration einer Vielzahl von wirtschaftlichen Treibern in Einkaufsempfehlungen, einschließlich direkter (erster Ordnung) wie Bruttomarge und Versandkosten sowie indirekter (zweiter Ordnung) wie Strafen bei Lagerbestandsausfall und Kundengewinnung. Diese Programmierbarkeit übertrifft herkömmliche Unternehmenssoftware, die Benutzer oft auf einen vordefinierten Satz von wirtschaftlichen Indikatoren erster Ordnung beschränkt und die Flexibilität zur Bewältigung der Komplexität realer Supply Chains vermissen lässt.

Wir empfehlen, alle relevanten wirtschaftlichen Treiber zu berücksichtigen, die tendenziell (etwas) von Kunde zu Kunde variieren. Im Allgemeinen lassen sich die relevanten Treiber in zwei große Kategorien einteilen, die als Treiber erster und zweiter Ordnung bezeichnet werden. Treiber erster Ordnung umfassen alle Vorteile und Kosten, die mehr oder weniger direkt aus den Büchern des Kunden abgelesen werden können: Bruttomarge, Versandkosten, Lagerkosten, Bestellkosten usw. Treiber zweiter Ordnung sind nuancierter, weniger direkt und in herkömmlicher Unternehmenssoftware vollständig abwesend. Dazu gehören die Kosten, die entstehen, wenn ein Kunde etwas nicht auf den Regalen findet (Strafen bei Lagerbestandsausfall), die Kundengewinnung oder -loyalität, die relative Bedeutung von Kundensegmenten oder geografischen Gebieten usw.

Die Plattform von Lokad wurde entwickelt, um nahezu jeden wirtschaftlichen Treiber zu berücksichtigen. Wenn ein solcher Treiber in einer Tabelle ausgedrückt werden kann, kann er auch durch die Technologie von Lokad ausgedrückt werden. In der Praxis sind die Supply Chain Scientists von Lokad dafür verantwortlich, eine umfassende Liste der relevanten wirtschaftlichen Treiber des Kunden vorzuschlagen. Diese Liste wird anschließend vom Kunden validiert und/oder ergänzt.

Diese umfangreiche Programmierbarkeit übertrifft bei weitem die Funktionalität, die in Unternehmenssoftware zu finden ist, bei der dem Kunden eine fest codierte Kurzliste von wirtschaftlichen Indikatoren erster Ordnung zur Unterstützung von Einkaufsempfehlungen präsentiert wird. Solche Tools sind in der Praxis nicht in der Lage, mit den Nuancen und der Vielfalt von Situationen umzugehen, die in realen Lieferketten auftreten. Daher greifen Lieferkettenpraktiker, wenn die Unternehmenssoftware auf solche Methoden angewiesen ist, in der Regel auf frühere Methoden (in der Regel Tabellenkalkulationen) zurück, um einen Treiber zu berücksichtigen, der in der Kurzliste des ERP-Systems fehlt.

Beim Thema wirtschaftliche Indikatoren gibt es keine Möglichkeit, auf volle programmatische Fähigkeiten zu verzichten. Obwohl Tabellenkalkulationen tatsächlich programmatisch sind, fehlt ihnen die von Lokads Plattform gebotene Korrektheit durch Design und Skalierbarkeit.

Weitere Informationen zur Lieferkettenphilosophie von Lokad finden Sie in Die Quantitative Supply Chain im Überblick sowie in dieser Zusammenfassung zu Treibern erster und zweiter Ordnung.

1.9 Erstellen Sie Bestandsberichte mit Ursachenanalyse?

Ja, die Plattform von Lokad verfügt über umfangreiche Möglichkeiten zur Identifizierung der Ursachen für den aktuellen Zustand des Bestands des Kunden.

Es ist erwähnenswert, dass die Identifizierung von “Ursachen” eine nicht triviale Aufgabe ist. Sie erfordert in der Regel umfangreiche Arbeit von den Supply Chain Scientists von Lokad, um etwas zu identifizieren, das tatsächlich als Ursache qualifiziert. Zum Beispiel können Überbestände auf übermäßige MOQs (Mindestbestellmengen) zurückgeführt werden. Dies kann wiederum durch schlecht verhandelte Bedingungen des Beschaffungsteams erklärt werden. Die suboptimalen Bedingungen können jedoch auf überhöhte Erwartungen an die Nachfrage basieren, die auf einer erwarteten Entwicklung des Angebots des Kunden beruhen, die jedoch aufgrund von Verzögerungen des Marketingteams verschoben wurde. Es kann also sehr schwierig sein, Korrelation und Kausalität zu trennen, insbesondere in der Lieferkette.

Glücklicherweise ist die Plattform von Lokad programmatisch. Dies ist eine entscheidende Anforderung bei offenen Herausforderungen wie der Identifizierung von Ursachen. Fehler im System, die fehlerhafte Daten produzieren, Praktiker, die Empfehlungen ignorieren oder manuell anpassen, falsch kategorisierte Produkte, denen das falsche saisonale Profil zugewiesen wird, und menschliche Fehler (um nur einige zu nennen) können alle als Ursachen qualifizieren. Ohne programmatische Fähigkeiten besteht keine Hoffnung, solche Untersuchungen durchführen zu können.

Viele Unternehmenssoftware bieten Möglichkeiten oder Berichte zur Ursachenanalyse (Root Cause Analysis, RCA) an, identifizieren jedoch in der Regel offensichtliche Symptome und nicht die tatsächlichen Ursachen. Wenn die Software zum Beispiel eine übermäßige Bestellung als Ursache für einen Überbestand identifiziert, ist dies nicht besonders hilfreich, wenn die Software die Bestellung in erster Linie empfohlen hat. Dies ist besonders problematisch, wenn die implizite Erwartung besteht, dass Praktiker die fehlerhaften Bestellungen, die von der Software generiert wurden, manuell außer Kraft setzen.

Im Gegensatz dazu würde jede Ursache, die auf das numerische Rezept zurückgeführt wird, das Lokad für seinen Kunden generiert hat, sofort ein Eingreifen des Supply Chain Scientists auslösen, der das Konto verwaltet - in der Regel eine korrigierende Neufassung. Diese Neufassungsfunktionalität ist nur möglich, weil die Plattform von Lokad programmatisch ist.

Die Plattform von Lokad verfügt über umfangreiche programmatische Analyse- und Berichtsfunktionen. Dies bedeutet, dass jede Analyse - insbesondere die Analyse der Bestandsleistung - die in einer Tabellenkalkulation oder einem Business Intelligence-Tool durchgeführt werden kann, auch in der Plattform von Lokad durchgeführt werden kann.

Darüber hinaus ist die Plattform von Lokad sowohl skalierbar als auch kosteneffizient bei der Skalierung. Dies bedeutet, dass wir alles historisieren können, einschließlich der Daten, die in den Geschäftssystemen nicht immer historisiert sind (z. B. historische Lagerbestände und historische Preise). Die Plattform nimmt auch eine vorausschauende Haltung zur Bestandsleistung ein. Die Entscheidung, ob es zu viel oder zu wenig Bestand gibt, hängt tatsächlich von den Erwartungen an die zukünftige Nachfrage ab. Diese vorausschauenden Fähigkeiten sind ebenfalls programmatisch und können bei Bedarf angepasst werden.

Über diese grundlegenden Plattformfunktionen hinaus besteht der empfohlene Ansatz von Lokad in Bezug auf die Bestandsleistung aus zwei Teilen. Erstens muss die Leistung auf die ursprünglichen Supply-Chain-Entscheidungen zurückgeführt werden, die den Bestand (oder das Fehlen von Bestand) generiert haben. Bestandsniveaus sind eher ein Symptom der vom Kunden getroffenen Maßnahmen (und seines Softwareanbieters), unabhängig davon, ob die Maßnahme richtig oder falsch ist, als eine Ursache. Zweitens muss die Leistung in Bezug auf den finanziellen Einfluss bewertet werden (z. B. in Euro oder Dollar), anstatt willkürlich festgelegte Prozentsätze in Verbindung mit KPIs (z. B. Servicegrad) zu verwenden.

Finanzbasierte Bewertungen sind entscheidend, um die zahlreichen Faktoren auszugleichen, die zu jeder einzelnen Supply-Chain-Entscheidung beitragen. Die Plattform von Lokad vereinfacht diese Praktiken und erleichtert es Analysten auf Kundenseite, ihre Bestandsleistung zu verstehen, indem sie auf eine Vielzahl von anpassbaren Dashboards zugreifen können, die über ihr Lokad-Konto verfügbar sind.

1.11 Bieten Sie Listen der TOP P/N (Part Numbers) pro Kategorie an, um das größte Verbesserungspotenzial aufzuzeigen?

Zusammenfassung: Ja, die Plattform von Lokad kann Top P/N-Listen pro Kategorie, Region und Zeitraum generieren und das Verbesserungspotenzial in monetären Begriffen bewerten, wobei der Schwerpunkt auf handlungsorientierten Maßnahmen liegt, anstatt nur auf der Priorisierung von SKUs. Lokad empfiehlt jedoch, sich nicht ausschließlich auf die Verbesserung der Leistung auf SKU-Ebene zu konzentrieren, sondern die systematische Verbesserung der numerischen Rezepte, die Supply-Chain-Entscheidungen steuern, mit der SKU-Ebene als unterstützendem Werkzeug.

Mit der Plattform von Lokad ist es sehr einfach, Top P/N-Listen von Artikelnummern (oder SKUs - Lagerhaltungseinheiten) pro Kategorie, Region, Zeitraum usw. zu generieren. Da Lokads Lösung programmatisch ist, kann jede Liste, die in einer Tabellenkalkulation oder einem Business Intelligence-Tool erstellt werden kann, auch in der Plattform von Lokad erstellt werden. Darüber hinaus kann das Verbesserungspotenzial durch die Kombination unserer vorausschauenden Fähigkeiten mit unserer finanziellen Perspektive in monetären Begriffen bewertet werden (z. B. Euro oder Dollar) anstatt willkürlich festgelegte Prozentsätze in Verbindung mit KPIs (z. B. Servicegrad) zu verwenden.

Der bevorzugte Ansatz von Lokad besteht darin, priorisierte Handlungsempfehlungen zu berechnen, wobei die Prioritäten in gewonnenen Dollar- oder Euro-Beträgen ausgedrückt werden, wenn der vorgeschlagene Artikel umgesetzt wird. Diese Handlungsempfehlungen sind vielfältig und können die Beschleunigung oder Verschiebung einer Bestellung, die Identifizierung eines alternativen Lieferanten, die Erweiterung des Sortiments um weitere Varianten, die Ausphasung von Produkten aus dem Sortiment usw. umfassen. Im Gegensatz zu einer einfachen Priorisierung von P/Ns sind Handlungsempfehlungen von Natur aus vollständig umsetzbar. Die Handlungsempfehlung muss nicht unbedingt auf der P/N-Ebene ausgedrückt werden. Lokad ist in der Lage, sehr vielfältige Handlungsempfehlungen auf jeder Granularitätsebene auszudrücken, nicht nur auf der P/N-Ebene.

Unter dieser Frage liegt jedoch eine Perspektive, die Lokad für die Supply Chain nicht empfiehlt. Die Absicht, die Leistungsverbesserung auf SKU-Ebene zu suchen, besteht darin, die Aufmerksamkeit der Supply Chain-Experten in einem Kontext zu priorisieren, in dem erwartet wird, dass SKUs manuell überprüft werden. Dieser Ansatz ist veraltet und macht keinen angemessenen Gebrauch von der Zeit der Supply Chain-Experten. Die mit einem bestimmten SKU auftretenden Bestandsprobleme sind fast immer nicht spezifisch für dieses SKU. Stattdessen stimmt etwas mit dem numerischen Rezept im Allgemeinen nicht, und wenn dieses allgemeinere Problem nicht behoben wird, wird das Problem beim nächsten Mal durch ein anderes SKU zum Ausdruck kommen.

Daher sollte die Zeit der Experten in die systematische Verbesserung der numerischen Rezepte investiert werden, die die Entscheidungen in der Supply Chain steuern. Obwohl die Berichtsfähigkeiten auf SKU-Ebene wichtig sind, sind sie hauptsächlich als unterstützende Instrumente für die kontinuierliche Verbesserung der numerischen Rezepte von Bedeutung, nicht als Werkzeuge zur Priorisierung der Aufmerksamkeit.

2. Bestandsniveaus & Servicelevels

2.1 Bieten Sie Bestandsberichte an?

Ja, die Plattform von Lokad ermöglicht es, einen Bericht über den Lagerbestand zu erhalten. Lokad ist in der Lage, relationale Daten aus dem Geschäftssystem des Kunden zu verarbeiten, um solche Berichte zu generieren. Darüber hinaus kann die Plattform von Lokad auch mit den Feinheiten des Lagerbestands umgehen, wie z.B. reservierter Bestand oder nachbestellter Bestand. Alle diese Daten können von Lokad historisiert werden, auch wenn diese Daten nicht in den ursprünglichen Geschäftssystemen historisiert sind. Schließlich kann diese Information entweder in Stückzahlen oder in finanziellen Einheiten präsentiert werden, entsprechend den Bewertungsregeln, die der Kunde bevorzugt. Die Bestandsberichte basieren auf der letzten inkrementellen Synchronisierung mit den Geschäftssystemen.

Eine solche Funktionalität ist jedoch nicht die Hauptanwendung von Lokad. Obwohl Lokad in der Lage ist, Echtzeit-Bestandsberichte für jede SKU abzurufen, ist unsere Technologie als analytische Ebene über den transaktionalen Geschäftssystemen gedacht. Diese Systeme sind weiterhin für die “Verwaltung” des Bestands für alle gewöhnlichen Transaktionsoperationen zuständig, während Lokad darauf ausgelegt ist, die Entscheidungsintelligenz für die Bestandsoptimierung zu optimieren.

2.2 Wie berechnen und optimieren Sie den Bestandsservicegrad?

Zusammenfassung: Lokad liefert optimierte Bestandsservicegrade durch die Integration von probabilistischer Prognose mit stochastischer Optimierung. Dieser Ansatz ermöglicht es, Supply Chain-Entscheidungen an spezifische quantitative Kriterien anzupassen, wie z.B. die Balance zwischen hohem Servicegrad, minimalem Bestand und maximiertem ROI.

Lokad optimiert den Bestandsservicegrad durch die Kombination von probabilistischer Prognose und stochastischer Optimierung. Dadurch können wir Supply Chain-Entscheidungen optimieren, um quantitative Kriterien widerzuspiegeln, die in Excel ausgedrückt werden könnten, nur besser. Insbesondere ist es sehr einfach, Auffüllungsentscheidungen im Einklang mit bestimmten Servicegraden zu optimieren - bei gleichzeitiger Minimierung des Bestands und Maximierung des ROI.

Probabilistische Prognosen sind äußerst leistungsfähig, um sicherzustellen, dass Supply Chain-Entscheidungen den beabsichtigten Servicegrad tatsächlich widerspiegeln, auch wenn die Servicegrade sehr hoch sind (z.B. 98% und höher). Klassische Zeitreihenprognosen (d.h. nicht-probabilistische) und ihre klassischen Bestandsmethoden (z.B. Sicherheitsbestände) versagen systematisch unter diesen Bedingungen, da die zugrunde liegenden Modellannahmen (d.h. Normalverteilungen für Nachfrage und Lieferzeiten) von realen Supply Chain-Bedingungen systematisch verletzt werden. Lokad kann und optimiert gelegentlich Servicegrade. Um dies zu tun, führen wir die relevanten wirtschaftlichen Treiber ein: Lagerkosten, Kapitalkosten, Strafen bei Lagerausfall, Bruttomarge usw. Dann berechnen wir die Servicegrade, die den Dollar-Rückfluss pro ausgegebenem Dollar für den Kunden maximieren.

Sobald dies erledigt ist, erkennen unsere Kunden in der Regel, dass Servicegrade tatsächlich vollständig umgangen werden können. Lokad hat die Fähigkeit, die oben genannten wirtschaftlichen Treiber zu nutzen, um die Supply Chain-Entscheidungen selbst direkt zu optimieren (anstatt eher willkürliche Supply Chain-KPIs). Auf diese Weise hat der Bestand Servicegrade, die die profitabelste Strategie für das Unternehmen widerspiegeln. Dies ist trotz der Tatsache wahr, dass Lokad direkt den Dollar-Rückfluss pro ausgegebenem Dollar optimiert, anstatt Prozentsätze, die mit willkürlichen KPIs verbunden sind.

“Willkürlicher KPI” ist keine Übertreibung. Erstens basiert der Servicegrad in der Regel darauf, Kundenanfragen isoliert zu erfüllen, anstatt Kundenanfragen auf die profitabelste Weise zu erfüllen. Letzteres ist eine viel nuanciertere Perspektive, die die damit verbundenen Kosten berücksichtigt, um hohe Servicegrade für SKUs zu erfüllen, die an sich möglicherweise nicht besonders profitabel sind. Wenn man diese Perspektive ignoriert, werden unnötige Lagerkosten (und Lagerabschreibungen) fortgesetzt. Dies liegt daran, dass willkürlich hohe Servicegrade einen fortlaufenden Fluss von totem Bestand erzeugen.

Zweitens entspricht der Servicegrad - ein willkürlicher, bürokratischer Prozentsatz - nicht der “Servicequalität” für Kunden. Servicegrade ignorieren von Design aus alle Kannibalisierungen und Substitutionen, die in einem Angebot vorhanden sind. Umgekehrt ignorieren Servicegrade auch von Design aus alle Abhängigkeiten, die im Angebot bestehen, bei denen es nur dann sinnvoll ist, Produkt A zu erhalten, wenn Produkt B gemeinsam verfügbar ist.

Drittens adressieren Servicegrade selbst aus der Perspektive eines einzelnen SKUs keine Großbestellungen - Situationen, in denen ein Kunde eine bestimmte Menge zum Kauf erwartet. In diesem Fall sind sowohl leere Regale als auch unzureichend gefüllte Regale eine Bedrohung für die Servicequalität.

Kurz gesagt ist der Servicegrad ein veraltetes Supply Chain-Instrument, das nicht mit der “Servicequalität” verwechselt werden sollte, die nach wie vor wichtig ist. Lokad erkennt an, dass ein rechtzeitiges Änderungsmanagement möglicherweise eine Übergangsphase mit solchen KPIs erfordert. Langfristig empfehlen wir jedoch nachdrücklich die überlegene wirtschaftliche Perspektive, die den Dollar-Rückfluss pro ausgegebenem Dollar optimiert.

Weitere Informationen zur finanziellen Perspektive von Lokad finden Sie in Die Quantitative Supply Chain im Kurzüberblick.

2.3 Wie optimieren Sie Bestandsniveaus und reduzieren Lagerkosten?

Zusammenfassung: Lokad folgt einem zweistufigen Prozess. Erstens etablieren wir ein probabilistisches Vorhersagemodell. Das Vorhersagemodell ist eine verallgemeinerte Version der alten (jetzt veralteten) Zeitreihenprognosemodelle, da es alle Unsicherheitsquellen abdeckt, nicht nur die Nachfrage. Zweitens wenden wir eine stochastische Optimierung an. Die stochastische Optimierung ist der Prozess, der die interessierenden Supply Chain-Entscheidungen, z.B. Auffüllmengen, ausgibt. Die Optimierung wird als “stochastisch” bezeichnet, da das Optimierungskriterium rauschhaft/zufällig ist und die unsicheren zukünftigen Supply Chain-Bedingungen widerspiegelt.

Das bevorzugte Optimierungskriterium von Lokad spiegelt die wirtschaftlichen Treiber des Kunden wider. Daher quantifiziert Lokad bei der Optimierung des Bestands eines Kunden explizit die verschiedenen Kosten (z.B. Lagerkosten, Arbeitskapitalkosten, Abschreibungskosten usw.) sowie den Vorteil (z.B. Bruttomarge, Strafen bei Lagerausfall usw.), um die Rentabilität zu maximieren. Wir passen daher die Bestandsniveaus an, um die Lagerkosten zu minimieren, jedoch nur in dem Maße, in dem diese Gewinne nicht durch Verluste aufgrund einer beeinträchtigten Servicequalität ausgeglichen werden.

Obwohl das bevorzugte Optimierungskriterium von Lokad auf der sorgfältigen Quantifizierung der wirtschaftlichen Treiber des Kunden basiert, können wir unsere Kriterien anpassen, um eine beliebige Anzahl alternativer Faktoren widerzuspiegeln. Die Plattform von Lokad ist programmatisch, was bedeutet, dass sie an jedes vom Kunden gewünschte Kriterium angepasst werden kann, einschließlich solcher, die in einer traditionellen Excel-Tabelle ausgedrückt werden könnten.

Weitere Informationen zur finanziellen Perspektive von Lokad finden Sie unter Wirtschaftstreiber in der Lieferkette und Die quantitative Lieferkette im Kurzüberblick.

2.4 Wie optimieren Sie Sicherheitsbestände, um Lagerausfälle zu minimieren und gleichzeitig die Lagerkosten zu kontrollieren?

Zusammenfassung: Lokads risikobereinigte Entscheidungen minimieren sorgfältig das tatsächliche finanzielle Risiko von Lagerausfällen, indem sie den Lagerbestand auf den Punkt erhöhen, an dem die Grenzkosten für die Lagerhaltung höher sind als die Kosten eines Lagerausfalls. Da die Optimierung mit ständiger Unsicherheit in der Umgebung umgehen muss - die Zukunft ist unbekannt - ist eine stochastische Optimierung erforderlich. Traditionelle Prognose- und Optimierungsmethoden (d.h. deterministische Modelle) können nicht mit den rauschenden/zufälligen zukünftigen Variablen umgehen - probabilistische Prognosen mit stochastischer Optimierung können dies.

Lokad optimiert alle Bestände - einschließlich Sicherheitsbestände - durch die Verwendung von probabilistischen Prognosen in Kombination mit stochastischer Optimierung. Die probabilistischen Prognosen umfassen die zukünftige Nachfrage und die zukünftigen Vorlaufzeiten sowie jede andere relevante Unsicherheitsquelle. Die stochastische Optimierung kann an jede numerische Kriterien angepasst werden, einschließlich der Minimierung von Lagerausfällen unter einer maximalen Lagerhaltungskostenbeschränkung.

Probabilistische Prognosen sind besonders gut geeignet, um die ungewöhnlichen Bedingungen anzugehen, die zu Lagerausfällen führen. Wenn ein Lagerausfall eintritt, liegt dies in der Regel daran, dass entweder die Nachfrage oder die Vorlaufzeit unerwartet gestiegen ist - möglicherweise beides. Klassische Zeitreihenprognosemodelle (d.h. nicht-probabilistische) identifizieren nur einen einzigen zukünftigen Wert (z.B. X) und ignorieren somit vollständig, was sie als weniger wahrscheinliche - aber keineswegs unwahrscheinliche - alternative Werte (z.B. X+1, X-1 usw.) betrachten.

Als Ergebnis sind klassische Zeitreihenprognosen weitgehend blind, wenn es um die quantitative Bewertung unwahrscheinlicher Ereignisse geht, wie z.B. das, was zu einem Lagerausfall führen würde. Wenn ein Unternehmen eine Lagerausfallhäufigkeit von weniger als 1% der Zeit (z.B. pro Quartal) anstrebt, sind die Lagerausfälle, die dennoch auftreten, bewusst Teil der 1% extremsten Situationen.

Der stochastische Optimierungsprozess ist entscheidend, um die ursprünglichen probabilistischen Prognosen in Supply-Chain-Entscheidungen, wie z.B. Bestandsauffüllungen, umzusetzen. Lokads Präferenz ist ein rein wirtschaftlicher Ansatz, bei dem die Kosten von Lagerausfällen in Dollar (oder Euro) ausgedrückt werden, zusammen mit den anderen Kosten wie den Lagerhaltungskosten.

Nach Lokads Einschätzung ist das Sicherheitsbestandsmodell ein veraltetes Konzept, das jedoch auf Wunsch des Kunden in unsere Plattform aufgenommen werden kann. Wir empfehlen nachdrücklich, die quantitative Perspektive der Lieferkette vollständig zu übernehmen, anstatt sich auf Methoden zu verlassen, die nicht zweckmäßig sind. Zum Beispiel ist der wahrscheinlich größte Mangel von Sicherheitsbestandsmodellen, dass sie (von Design her) nicht priorisieren können, welches SKU im Falle von zwei SKUs kurz vor einem Lagerausfall das wichtigste ist. Diese Perspektive behandelt SKUs streng isoliert und vereitelt somit den Versuch, die Lieferkette als Ganzes zu optimieren.

Weitere Informationen zu diesen Punkten finden Sie unter Warum Sicherheitsbestand unsicher ist und Einzelhandelsbestandszuordnung mit wahrscheinlichkeitsvorhersagen.

2.5 Berechnen und passen Sie die Sicherheitsbestände auf Filial-/Lagerebene dynamisch an?

Zusammenfassung: Ja, Lokads Plattform ermöglicht es, den gesamten Bestandsoptimierungsprozess immer dann zu aktualisieren, wenn neue Eingabedaten vorliegen - in der Regel täglich. Als Faustregel gilt, dass wir alle Berechnungen innerhalb von 60 Minuten durchführen, einschließlich der Aktualisierung aller Prognosen und Entscheidungen für jedes einzelne SKU an jedem Standort - einschließlich Filialen und Lagern. Dieser flexible und skalierbare Ansatz ist nur dank der spezifischen technischen Entscheidungen von Lokad möglich. Weitere Informationen finden Sie unter Architektur von Lokad.

Lokads Plattform legt großen Wert auf ein “zustandsloses” Design für die Optimierung der Lieferkette. Wir verwenden keine vorherigen Berechnungen erneut, sondern berechnen alles jedes Mal neu, wenn wir Rohdaten erhalten. Obwohl dies den Einsatz von Rechenressourcen erhöhen kann, ist es die einzige effektive Methode (die derzeit verfügbar ist), um die Integrität der Datenverarbeitung sicherzustellen - etwas, das ohne Lokads zustandsloses Design beeinträchtigt wird. Die Alternative besteht darin, dass die Produktionsumgebung des Kunden zum Testgelände für halbverifizierte Daten wird - etwas, das Lokad nicht empfiehlt.

Diese Aktualisierungen umfassen alle Einstellungen, die die von Lokad gelieferte Optimierung der Lieferkette steuern. Wenn der Kunde dies wünscht, können die Aktualisierungen Zeitreihenprognosen, Sicherheitsbestände und optimierte Servicelevel umfassen. Lokad empfiehlt jedoch dringend, sich nicht auf diese veralteten Methoden zu verlassen und die überlegene Optimierungskraft der probabilistischen Prognose und stochastischen Optimierung vollständig zu nutzen.

Weitere Informationen zu diesem Thema finden Sie unter Alles täglich erneuern.

Siehe auch Bestandsniveaus & Servicelevel 2.4 in diesem FAQ.

2.6 Bewerten Sie den Einfluss von Sicherheitsbeständen/Formeln auf die Aufrechterhaltung der gewünschten Servicelevel?

Ja, über Lokads Plattform kann ein Lieferkettenpraktiker den Einfluss eines bestimmten Sicherheitsbestands auf den Servicelevel bewerten. Mit anderen Worten, man kann einen Sicherheitsbestand auswählen und den entsprechenden Servicelevel anzeigen. Die Plattform ermöglicht es dem Lieferkettenpraktiker auch, andere Faktoren zu bewerten, wie z.B. die erwarteten Lagerhaltungskosten (oder zumindest die Lagerdauer, wenn die wirtschaftlichen Merkmale der Bestände nicht angegeben wurden) und/oder das Risiko von unverkäuflichen Beständen.

Sicherheitsbestände und Servicelevel sind jedoch weitgehend veraltete Konzepte. Obwohl wir sie in unsere Plattform aufnehmen können, empfiehlt Lokad keines von beiden. Probabilistische Prognosen und stochastische Optimierung - das Fundament von Lokads Optimierung - stellen in jeder Hinsicht eine überlegene Alternative dar.

Weitere Informationen zu diesem Thema finden Sie unter Einzelhandelsbestandszuordnung mit wahrscheinlichkeitsvorhersagen.

Siehe auch Bestandsniveaus & Servicelevel 2.4 in diesem FAQ.

2.7 Ermöglicht Lokad die Implementierung verschiedener Lagerstrategien, jeweils mit spezifischen Servicelevels und Konfidenzintervallen, differenziert nach mehreren organisatorischen Dimensionen (z.B. nach SKU, Produktkategorie und/oder Region)?

Zusammenfassung: Ja, Lokads Plattform unterstützt die Differenzierung von Lagerstrategien oder -richtlinien auf SKU-Ebene. Solche Strategien können differenzierte Einstellungen auf SKU-Ebene widerspiegeln, unter Berücksichtigung unterschiedlicher Servicelevel-Ziele, unterschiedlicher Konfidenzintervalle (für Sicherheitsbestände) usw. Diese Strategien können auch auf jeder Zwischenebene differenziert werden (nicht nur auf SKU-Ebene). Es ist beispielsweise möglich, Einstellungen selektiv pro Region, pro Produktkategorie, pro Artikelattribut (z.B. Schwellenwert für Artikelgewicht) usw. anzuwenden.

Lokads Plattform ist programmatisch, daher können wir jede Lagerstrategie implementieren, die in einer Tabellenkalkulation ausgedrückt werden kann - unabhängig davon, wie willkürlich oder ungewöhnlich diese Strategie sein mag. Lokads Supply Chain Scientists führen diese Aufgaben durch und stellen sicher, dass das Ergebnis den ursprünglichen Absichten des Kundenunternehmens treu entspricht.

Obwohl Lokads Plattform zur Verfolgung von Servicelevels verwendet werden kann, empfehlen wir dies nachdrücklich nicht. Lokads Plattform ist am besten dafür geeignet, den Return on Investment pro ausgegebenem Dollar zu optimieren, nicht Prozentsätze, die mit beliebigen KPIs verbunden sind. Tatsächlich gibt es zwei grundsätzliche Einwände gegen den Begriff “Servicelevel”.

Erstens ist die Verbindung zwischen Servicelevel und Servicequalität - wie sie vom Verbraucher wahrgenommen wird - trotz eines ähnlichen Namens fragwürdig. Viele Supply Chain-Lehrbücher und folglich viele Supply Chain-Software verwechseln die beiden Begriffe fälschlicherweise. Servicelevels ignorieren vollständig die Bandbreite aller möglichen Substitutionen sowie aller möglichen Abhängigkeiten zwischen Produkten. Servicelevels sind daher ein schlechter Ersatz für ein tatsächliches Verständnis der Servicequalität.

Zweitens tragen Servicelevels durch ihre Ausrichtung auf die positive Seite (d.h. die Bedienung der Nachfrage) zur fortlaufenden Entstehung von Lagerabschreibungen bei. Dies liegt daran, dass sie die negative Seite (d.h. das Vorhandensein von Lagerbeständen, die nie verkauft/angefordert/konsumiert werden) vollständig ignorieren.

2.8 Können Sie Servicelevel und Lagerumschlag nach SKU oder P/N (Teilenummer) erzwingen?

Ja, Lokads Plattform ermöglicht es uns, den Lageroptimierungsprozess auf ein bestimmtes Servicelevel/Lagerumschlag abzustimmen, bis hin zur SKU-Ebene oder auf jeder Zwischenebene (P/N, Marke, Standort, Kategorie, Preisniveau usw.). In dieser Hinsicht kann Lokads Plattform Lagerentscheidungen so lenken, dass sie beliebige quantitative Ziele widerspiegeln, die der Kunde wünscht.

Allerdings kann kein Anbieter versprechen, dass ihre Einstellungen zumindest auf einer bestimmten SKU “durchgesetzt” werden. Letztendlich hängen sowohl Servicelevels als auch Lagerumschläge vom Verhalten der Kunden ab. Wenn es einen Ansturm auf ein bestimmtes Produkt gibt, kann die resultierende Nachfrage die Lagerbestände bei weitem überschreiten und das Servicelevel-Ziel wird nicht erreicht. Entsprechend werden Lagerumschlagziele auch nicht erreicht, wenn das Interesse abnimmt.

Lokads probabilistische Prognosetechnologie stellt sicher, dass im Durchschnitt über viele SKUs (d.h. Tausende) und über einen längeren Zeitraum (d.h. Wochen) die beobachteten Servicelevels und Lagerumschläge den gewünschten Einstellungen des Kunden entsprechen. Dies ist praktisch gesehen das “nächste”, was vernünftigerweise erreicht werden kann, um Einstellungen “durchzusetzen”, die letztendlich von den Kunden bestimmt werden.

Siehe auch Bestandsniveaus & Servicelevel 2.7 in diesem FAQ.

3. Überbestände

3.1 Wie integrieren Sie das Risiko einer Lagerabschreibung?

Die probabilistischen Prognosen, die von Lokad verwendet werden, sind eine entscheidende Komponente der Bewertung von Lagerabschreibungen. Durch probabilistische Prognosen bewertet Lokad alle möglichen Zukunftsszenarien, einschließlich weniger wahrscheinlicher Szenarien, anstatt die gesamte Analyse auf einen einzigen als wertvoll erachteten zukünftigen Wert (d.h. klassische Punkt-/Zeitreihenprognosen) zu stützen. In der Realität ist es der erwartete (unwahrscheinliche, aber nicht unmögliche) starke Nachfrageeinbruch, der zu einer Lagerabschreibung führt. Genau dies quantifizieren probabilistische Prognosen explizit im Voraus.

Sobald die probabilistischen Prognosen erstellt sind, erstellt Lokad risikobereinigte Entscheidungen für die Supply Chain. Diese Supply Chain-Entscheidungen werden in Bezug auf die relevanten wirtschaftlichen Treiber optimiert, zu denen auch die Möglichkeit einer Lagerabschreibung gehört. Die Entscheidung (z.B. eine Lagerauffüllung) wird risikobereinigt, da sie das Potenzial hat, den Kunden besser zu bedienen, aber auch das Risiko birgt, später mit unverkäuflichen Beständen dazustehen. Darüber hinaus kann Lokad die Zwischenoption berücksichtigen, die dem Kundenunternehmen möglicherweise zur Verfügung steht, wie z.B. sekundäre Vertriebskanäle, die den zusätzlichen Bestand zu stark reduzierten Preisen aufnehmen können.

Siehe auch Bestandsniveaus & Servicelevel 2.3 in diesem FAQ.

3.2 Wie gehen Sie mit toten und/oder schlafenden Beständen um?

Lokad begegnet toten Beständen proaktiv, indem es die Supply Chain-Entscheidungen, die letztendlich tote Bestände generieren, eliminiert oder zumindest stark reduziert. Dieser proaktive Mechanismus stützt sich stark auf die probabilistischen Prognosen, die von Lokad generiert werden.

Im Gegensatz zu klassischen Zeitreihenprognosen, die einen einzigen zukünftigen Wert identifizieren - und damit alle alternativen Werte ignorieren - bewertet Lokad quantitativ alle möglichen Zukunftsszenarien anhand ihrer jeweiligen Wahrscheinlichkeiten. Durch diese Bewertung quantifizieren wir das Risiko der Generierung von toten Beständen für jede Supply Chain-Entscheidung (z.B. Bestellung von 5 Einheiten anstelle von 4). Wenn eine Supply Chain-Entscheidung (z.B. Bestellung von 5 weiteren Einheiten) als zu riskant in Bezug auf tote Bestände eingestuft wird, wird diese Entscheidung angepasst, um das Risiko zu verringern. Natürlich kann das Risiko einer Lagerabschreibung nicht vollständig eliminiert werden, aber sobald es angemessen bewertet wurde, kann die Häufigkeit von Lagerabschreibungen drastisch reduziert werden.

In Bezug auf schlafende Bestände würde Lokad in der Regel empfehlen, den Preis zu senken, um die Nachfrage anzukurbeln. Dadurch würde letztendlich der Rest des Bestands liquidiert. Lokads Plattform ist in der Lage, einen gemeinsamen Prozess zur Optimierung von Bestand und Preisgestaltung für diesen Zweck zu erstellen.

Siehe auch Überbestände 3.1 in diesem FAQ.

3.3 Identifizieren Sie nicht leistungsfähige Bestände, z.B. E&O (Überschuss und veraltete Bestände) und tote Bestände?

Zusammenfassung: Ja. Mit Hilfe von probabilistischen Prognosen identifiziert Lokad die Lebenszyklen der Einheiten im Lager für jede SKU und quantifiziert sie. Für jede Einheit im Lager schätzen wir die Wahrscheinlichkeit ab, dass diese Einheit innerhalb eines bestimmten Zeitraums angefordert (oder bedient oder verbraucht) wird. Wenn wir zum Beispiel eine SKU betrachten, die überbestückt ist, können wir abschätzen, welcher Anteil des Bestands Gefahr läuft, zu toten Beständen zu werden, und welcher Anteil Gefahr läuft, zu veralteten Beständen zu werden (was Reduzierungen erfordert, um den Verkauf anzukurbeln). Dies ist der gleiche Ansatz, den wir auch bei Überschuss- und veralteten Beständen verfolgen und der ein wesentlicher Bestandteil bei der Erstellung unserer empfohlenen Supply-Chain-Entscheidungen ist.

Die probabilistische Perspektive der Prognose ermöglicht es Lokad, alle möglichen zukünftigen Werte (z.B. der Nachfrage) zu berücksichtigen, anstatt sich nur auf einen Wert (wie bei einer traditionellen Zeitreihenprognose) zu verlassen. Diese Perspektive ist entscheidend, um alle nuancierten Variationen zu berücksichtigen, die bei der Reduzierung von Bestandsrisiken auftreten. Die Berücksichtigung von toten Beständen ist etwas, das nur verhindert werden kann (anstatt es nachträglich zu behandeln). Die Herausforderung besteht darin, einen Prozess zu installieren, der die Wahrscheinlichkeit einer Anhäufung von toten Beständen von vornherein effektiv reduziert. Ein solcher Prozess erfordert eine präzise Quantifizierung der Wahrscheinlichkeit, dass eine Supply-Chain-Entscheidung zu Überschuss-/veralteten/toten/veralteten Beständen führt.

Zeitreihenprognosemodelle sind von Natur aus nicht in der Lage, diese Art von Risikobewertung durchzuführen. Ein Hauptgrund dafür ist, dass Zeitreihenprognosen nur einen einzigen zukünftigen Wert (z.B. Nachfrage) berücksichtigen. Diese Einfachheit ermöglicht es, SKUs in ordentliche Kategorien (wie A/B/C-Klassen in einer ABC-Analyse) zu unterteilen. Diese Einfachheit bedeutet jedoch, dass eine detaillierte Risikobewertung nicht möglich ist, da eine Rangliste der risikobereinigten Entscheidungen für eine bestimmte SKU Daten für mehrere zukünftige Szenarien erfordert (d.h. den Verkauf von 1/2/3/4/5/etc. Einheiten derselben SKU).

Kurz gesagt, die Annahme eines probabilistischen Ansatzes für die Prognose (in diesem Fall der Nachfrage) ermöglicht eine effektive, proaktive Strategie, die die Entstehung von nicht leistungsfähigen Beständen verhindert, anstatt versuchen, sie nachträglich zu behandeln - zu einem Zeitpunkt, an dem es wenig Wahlmöglichkeiten gibt, als sie zu entsorgen.

3.4 Haben Sie KPIs zur Verfolgung von aktiven, schlafenden und neuen Beständen?

Zusammenfassung: Ja. Lokads Plattform ist programmatisch - das bedeutet, wir können jede Art von KPI entwerfen, die wir wünschen - und unsere Supply Chain Scientists führen den Aufbau und die Implementierung der KPIs des Kunden durch (in Zusammenarbeit mit den Eingaben des Kunden). Lokad bietet maßgeschneiderte KPIs an, die die Nuancen des Bestands des Kunden wirklich widerspiegeln. Lokad kann auch alle KPIs reproduzieren, die der Kunde möglicherweise zuvor verwendet hat und beibehalten möchte, obwohl diese in der Regel weniger nützlich sind als die maßgeschneiderten KPIs, die Lokad für das Projekt entwirft.

Lokad kann nicht nur das genaue Alter jeder einzelnen Einheit im Lager verfolgen, sondern dank unserer probabilistischen Prognosen auch die Wahrscheinlichkeit abschätzen, dass die Einheit für eine bestimmte Dauer im Lager verbleibt (1 Woche, 1 Monat, 1 Jahr usw.). Die Einstufung des Bestands als aktiv oder schlafend ist nicht nur eine Frage der Visualisierung der historischen Daten. Es handelt sich vielmehr um eine Projektion der zukünftigen Nachfrage. Daher sind “KPIs” vorhersagend. Sie hängen implizit von der Eignung des zugrunde liegenden Prognosemodells ab, um eine solche Aufgabe durchzuführen. Hier sind probabilistische Nachfrageprognosen gut geeignet, um die mit einem schädlichen Nachfrageeinbruch verbundenen Risiken abzuschätzen.

Im Gegensatz dazu behandeln einige Anbieter von Unternehmenssoftware Bestands-KPIs, als ob sie eine direkte Reflexion dieser historischen Daten wären. Die “vorhersagende” Komponente kann jedoch nicht vermieden werden. Oftmals realisieren diese Anbieter nicht, dass sie implizit auf eine “gleitende Durchschnitts” Nachfrageprognose angewiesen sind und somit den Anschein erwecken, dass keine Prognose stattfindet. Diese unangemessenen KPIs sind für das Unternehmen schädlich, da sie die Supply-Chain-Praktiker nur ablenken.

Siehe auch Überbestände 3.3 in diesem FAQ.

3.5 Wie integrieren, überwachen und optimieren Sie monatliche Bestandsabschreibungen? Wie gehen Sie mit der Variabilität im Abschreibungsprozess selbst um?

Zusammenfassung: Lokad behandelt Bestandsabschreibungen durch einen umfassenden Ansatz, der die Verfolgung der Bestandszusammensetzung, die Modellierung von Abschreibungsmethoden und die Generierung risikoadjustierter Supply-Chain-Entscheidungen umfasst. Durch die Aufrechterhaltung detaillierter Aufzeichnungen über Bestandsniveaus und -alter, die Verwendung von Vorhersagemodellen zur Antizipation zukünftiger Bestandszusammensetzungen und die Anwendung programmatischer Fähigkeiten zur Berücksichtigung verschiedener Abschreibungsmethoden verwaltet Lokad effektiv sowohl interne als auch externe Abschreibungsfaktoren. Die Plattform von Lokad nutzt stochastische Optimierung, um Supply-Chain-Entscheidungen zu treffen, die alle wirtschaftlichen Treiber berücksichtigen, einschließlich Abschreibungskosten, und so proaktiv Bestandsabschreibungsrisiken mindern und sie gegen andere betriebliche Überlegungen abwägen.

Die Bewältigung von Bestandsabschreibungen beinhaltet die Lösung einer Reihe von Teilaufgaben. Das erste Problem besteht darin, die genaue Zusammensetzung des Bestands zu verfolgen - nicht nur die in Bestandseinheiten ausgedrückten Gesamtsummen. Zum Beispiel ist das Alter jeder Einheit wichtig. Das zweite Problem besteht darin, den Abschreibungsmechanismus selbst zu modellieren. Es kann sich um ein rein endogenes Phänomen handeln, bei dem die Güter im Laufe der Zeit abgebaut werden, oder um ein exogenes Phänomen, bei dem sich die Marktbedingungen ändern und die Güter dabei entwerten. Das dritte Problem besteht darin, risikoadjustierte Supply-Chain-Entscheidungen im Hinblick auf die potenzielle Abschreibung zu generieren.

Zunächst halten wir durch die Plattform von Lokad nicht nur die Bestandsniveaus, sondern auch das Bestandsalter jeder Einheit im Bestand (sowohl vergangene als auch zukünftige) fest. Dieser Prozess ist ein eigenes Vorhersagemodell. Selbst wenn wir historische Daten betrachten (die aus Geschäftssystemen stammen), wird die Alterszusammensetzung der Einheiten im Bestand normalerweise nicht erfasst, sondern kann nur abgeleitet werden. Es gibt eine bemerkenswerte Ausnahme für Serienbestände, bei denen jede Einheit im Bestand anhand ihrer Seriennummer verfolgt wird. In diesem Fall ist kein Vorhersagemodell für die Vergangenheit erforderlich, aber wir benötigen immer noch eines für die Zukunft. Das Vorhersagemodell für die Bestandszusammensetzung kann auf einer FIFO (First-In, First-Out) Annahme für den Verbrauch des Bestands und einigen weiteren nuancierten Mustern beruhen.

Zum Beispiel können Kunden in einem Einzelhandelsgeschäft manchmal ein adversarisches Verhalten an den Tag legen, indem sie die am besten aussehenden Waren auswählen (oder nach Ablaufdaten, sofern verfügbar), was den Bestandsverbrauch in gewissem Maße zu einem LIFO (Last-In, First-Out) macht. Lokad kann sowohl FIFO als auch LIFO verwalten, sowie das gesamte Spektrum dazwischen.

Zweitens können wir durch die programmatischen Fähigkeiten der Plattform von Lokad jeden Abschreibungsmechanismus abbilden. Zum Beispiel kann Lokad eine exponentielle Abschreibung abbilden, bei der die Güter in jedem Zeitraum einen kleinen Bruchteil ihres Werts verlieren; oder Lokad kann eine Stufenabschreibung abbilden, bei der die Güter bei bestimmten Altersschwellen einen beträchtlichen Bruchteil ihres Werts verlieren. Darüber hinaus kann der Abschreibungsmechanismus produktübergreifende Abhängigkeiten umfassen. Zum Beispiel können Güter voraussichtlich einen beträchtlichen Teil ihres Werts verlieren, wenn überlegene Konkurrenzprodukte eingeführt werden - wie es häufig in bestimmten Branchen der Fall ist (z.B. Unterhaltungselektronik).

Die Variabilität des Abschreibungsprozesses, die sich bei exogenen Abschreibungen tendenziell verstärkt, profitiert von vorhersagenden (probabilistischen) Modellen innerhalb der Plattform von Lokad. Wir müssen nicht genau wissen, wann ein Konkurrenzprodukt eingeführt wird; indem wir uns die historischen Daten ansehen, können wir die Rate des Produktersatzes modellieren und die Wahrscheinlichkeit dafür abbilden, dass ein bestimmtes Produkt innerhalb eines bestimmten Zeitrahmens (z.B. einer Woche, einem Monat, einem Jahr usw.) veraltet wird. Diese probabilistischen Modelle werden unter Verwendung der Lokad zur Verfügung gestellten historischen Daten erlernt.

Drittens werden risikoadjustierte Supply-Chain-Entscheidungen von Lokad unter Berücksichtigung aller relevanten wirtschaftlichen Treiber berechnet. Der Prozess ist eine stochastische Optimierung, da die Verlustfunktion (d.h. Kosten und Nutzen) rauschend/variabel ist. Abschreibungskosten werden zusammen mit allen anderen relevanten Treibern berücksichtigt. Da die Plattform von Lokad sowohl programmatisches Lernen als auch Optimierungsparadigmen bietet, können wir risikoadjustierte Entscheidungen treffen, während wir sehr unterschiedliche Arten von Kosten berücksichtigen (und mischen).

Zusammenfassend reduziert Lokad durch die Erstellung risikoadjustierter Supply-Chain-Entscheidungen (z.B. Bestellvorgänge, Produktionsaufträge usw.), die die Abschreibung des Lagerbestands berücksichtigen, proaktiv die Menge an Lagerbestand, die letztendlich abgeschrieben wird. Jede Entscheidung wird sanft von dem Abschreibungsrisiko abgelenkt, jedoch nicht so sehr, dass das Problem verschlimmert wird, z.B. indem die Servicequalität über das reduzierte Abschreibungsrisiko hinaus beeinträchtigt wird.

3.6 Bieten Sie einen Bericht über überschüssigen Lagerbestand an?

Zusammenfassung: Ja. Die Plattform von Lokad verfügt über modernste Technologie zur Nachfrageprognose. Wir nutzen diese Technologie, um abzuschätzen, wie lange es dauern wird, den gesamten gebundenen Lagerbestand, sei es auf Lager oder in Bestellung, zu zyklisieren. Darüber hinaus unterstützt unsere Technologie probabilistische Prognosen, die eine direkte quantitative Bewertung der Risiken von Überbeständen ermöglichen. Durch die Kombination probabilistischer Prognosen mit einem wirtschaftlichen Modell des Lagerbestands, das alle relevanten wirtschaftlichen Treiber berücksichtigt, liefert Lokad eine quantitative Bewertung der Lagerbestandsrisiken in Form von monetären Auswirkungen (z.B. Euro oder Dollar).

Lagerbestand wird immer als “überschüssig” betrachtet, wenn er mit einem prognostizierten Modell der Nachfrage verglichen wird. Es gibt keine “überschüssigen Bestände”, ohne eine Aussage über die zukünftige Nachfrage zu machen (obwohl diese Aussage implizit sein kann). Jede Softwarelösung, die einen Überbestandsbericht auf der Grundlage von Regeln wie “mehr als X Monate Lagerbestand” generiert, basiert implizit auf einer gleitenden Durchschnittsnachfrageprognose, die für die meisten Branchen enttäuschend ist.

Darüber hinaus setzt sich das Unternehmen ohne ein robustes wirtschaftliches Modell, das die Kosten-/Nutzen-Gleichung des Lagerbestands widerspiegelt, großen Lagerbestandsfehlern aus. Eine finanziell motivierte Entscheidung in Bezug auf den Lagerbestand mag zunächst seltsam erscheinen, ist aber durchaus sinnvoll. Wenn zum Beispiel ein Artikel sehr günstig, sehr klein, mit einer komfortablen Bruttomarge verkauft wird, vom Kunden unbedingt benötigt wird (in kleinen Mengen) und nur durch den Kauf sehr großer MOQs (Minimalbestellmengen) erworben werden kann, kann es vernünftig sein, mehr als ein Jahr Vorrat dieses Artikels auf Lager zu haben. Während mehr als ein Jahr Lagerbestand wie ein Fehler aussehen mag, kann die Rendite der Investition eine völlig andere Geschichte erzählen.

Weitere Informationen zur Vorgehensweise von Lokad bei der Prognose finden Sie unter No1 auf SKU-Ebene im M5-Prognosewettbewerb.

4. Lagerbestände

4.1 Weisen Sie Lagerbestände für SKUs zu, die Gefahr laufen, nicht vorrätig zu sein?

Ja, im Allgemeinen führt die Lageroptimierung von Lokad dazu, dass Lagerbestände SKUs zugewiesen werden, bei denen das Risiko eines Lagerbestandsausfalls steigt. Alles in allem erhalten SKUs, die kurz vor einem Lagerbestandsausfall stehen, Priorität.

Das heißt jedoch, dass wir empfehlen, bei der Optimierung eine wirtschaftliche, end-to-end-Perspektive einzunehmen, wenn es um Lagerbestandsausfälle geht. Dies bedeutet, die gesamte finanzielle Auswirkung einer Supply-Chain-Entscheidung (z.B. Zuweisung von Lagerbeständen, um einen Lagerbestandsausfall zu vermeiden) zu berücksichtigen. Gelegentlich ergibt es wirtschaftlich nicht immer Sinn, Lagerbestandsausfälle zu vermeiden.

Beispielsweise ist es für Modegeschäfte am Ende der Saison natürlich, die Artikel einer veralteten Kollektion allmählich auf Lagerbestandsausfall zuzulassen. Dies geschieht absichtlich, um Platz für die nächste, neuere Kollektion zu schaffen. Ebenso macht es Sinn, ein Produkt, das durch eine überlegene Alternative ersetzt wird, den Lagerbestandsausfall erreichen zu lassen und das Produkt dann aus dem Sortiment auszuphasen. Insgesamt würde eine vernünftig gestaltete wirtschaftliche Optimierung versuchen, Lagerbestandsausfälle zu vermeiden.

Eine solche Optimierung würde jedoch auch eine viel granularere und ausgefeiltere Reaktion bieten, wenn es darum geht, die Investitionen angemessen zu dimensionieren (z.B. wie viele Einheiten einem bestimmten SKU zugewiesen werden), um finanzielle Risiken zu mindern.

4.2 Wie priorisieren Sie Bestellungen (Purchase Orders)?

Zusammenfassung: Lokad priorisiert Bestellungen (Purchase Orders, POs), indem die wirtschaftlichen Erträge jeder zu bestellenden Einheit bewertet werden, um den Ertrag pro ausgegebenem Dollar zu maximieren. Diese granulare Bewertung, die mit Querschnittsbeschränkungen wie minimalen Bestellmengen integriert ist, wird durch probabilistische Prognosen und stochastische Optimierung gesteuert. Diese Technologien bewerten Risiken und Erträge für jede Einheit unter Berücksichtigung von Faktoren wie Nachfrage, Lieferzeiten und Rückgaben, um finanziell optimierte POs zu erstellen, die Beschränkungen und wirtschaftliche Machbarkeit ausgleichen.

Lokads Ansatz zur Optimierung besteht darin, die wirtschaftlichen Erträge für jede einzelne zu bestellende Einheit zu bewerten. Dies geschieht, um Risiken zu mindern, indem die Erträge pro ausgegebenem Dollar maximiert werden. Diese sehr granulare Bewertung wird dann von einem Optimierungsprozess genutzt, der die POs generiert, die alle Querschnittsbeschränkungen (z.B. minimale Bestellmengen auf Lieferantenebene) korrekt widerspiegeln. Diese Beschränkungen werden über die wirtschaftlichen Erträge pro Einheit gelegt, die die Gesamtpriorisierung steuern. Als Ergebnis sind Lokads POs intern korrekt priorisiert und jede PO wird mit ihrer eigenen wirtschaftlichen Bewertung geliefert (d.h. den Erträgen in Dollar). Diese wirtschaftliche Bewertung wird durch die Aggregation der wirtschaftlichen Erträge für alle Einheiten, die in der PO gebündelt sind, erhalten.

Diese finanziell orientierte Priorisierung von POs basiert auf zwei wichtigen technologischen Komponenten: probabilistische Prognosen und stochastische Optimierung. Beide technologischen Komponenten sind Teil der Lokad-Plattform.

Probabilistische Prognosen, die nicht nur die zukünftige Nachfrage, sondern auch alle anderen Unsicherheitsquellen wie Lieferzeiten oder Rückgaben prognostizieren, sind entscheidend, um die mit einer Bestellung verbundenen Risiken abzuschätzen. Diese Risiken umfassen das Upside (z.B. Reduzierung des Risikos eines Lagerbestandsausfalls) und das Downside (z.B. Erhöhung des Risikos von totem Lagerbestand). Durch probabilistische Prognosen und die Nutzung der relevanten wirtschaftlichen Treiber (z.B. Bruttomarge, Lagerkosten usw.) generiert Lokad den erwarteten risikoadjustierten Return on Investment für jede zu bestellende Einheit, einschließlich der abnehmenden Erträge, wenn mehr Einheiten bestellt werden.

Der stochastische Optimierungsprozess ermöglicht die Zusammensetzung der POs selbst. In Abwesenheit von Beschränkungen handelt es sich um eine einfache Priorisierung der zu bestellenden Einheiten, die nach ihrem jeweiligen Dollar-auf-Dollar-Ertragsverhältnis gerankt sind. Wenn jedoch Querschnittsbeschränkungen vorliegen, ist ein stochastischer Optimierungsprozess erforderlich, um POs erfolgreich und automatisch zu erstellen, die all diese Beschränkungen durchsetzen und gleichzeitig die zugrunde liegende finanzielle Bewertung pro Einheit erhalten.

4.3 Leiten Sie Bestellungen an Lieferanten für strategische/kritische SKUs weiter?

Ja, die von der Lokad-Plattform generierten Bestellungen berücksichtigen alle relevanten Anliegen, einschließlich der strategischen/kritischen Bedeutung bestimmter SKUs. Diese Anliegen können sowohl explizite Informationen des Kunden als auch implizite/abgeleitete quantitative Bewertungen umfassen, die durch die Analyse von Lokad entdeckt wurden.

Beispielsweise kann ein SKU aufgrund des Verkaufs oder der Betreuung großer, wichtiger Kunden “kritisch” sein. Alternativ kann ein SKU kritisch sein, da es Teil eines Kits oder einer Stückliste ist und dieses SKU eine Art Engpass darstellt. In solchen Situationen ist es ratsam, die Lokad-Plattform zu nutzen, um die Bedeutung des SKUs durch direkte Datenanalyse abzuleiten.

Im Allgemeinen ist die von Lokad empfohlene finanzielle Perspektive gut geeignet, um unterschiedliche Anliegen aufzunehmen und sie mit den empfohlenen Entscheidungen in der Lieferkette zu verbinden. Diese finanzielle Perspektive betont die Integration aller wirtschaftlichen Treiber - einschließlich weniger offensichtlicher Treiber wie die Kosten eines Lagerausfalls - in den Entscheidungsprozess der Lieferkette.

4.4 Wie konsolidieren Sie kritische POs (Purchase Orders) zu einer kritischen Kurzliste für wichtige Lieferanten?

Zusammenfassung: Der Ansatz von Lokad besteht darin, die wirtschaftlichen Auswirkungen jeder Entscheidung in der Lieferkette zu quantifizieren. In der Praxis bedeutet dies, die finanziellen Auswirkungen (gemessen am Dollar-auf-Dollar-Ertrag) für die Bestellung jeder zusätzlichen Einheit Lagerbestand zu bewerten. Durch die Erstellung einer Liste, die Artikel nach ihrem Dollar-auf-Dollar-Ertrag sortiert, generiert Lokad automatisch Listen, die den bestmöglichen finanziellen Zustand für den Kunden in Bezug auf seine wirtschaftlichen Treiber und KPIs (einschließlich Servicelevel) widerspiegeln. Dadurch entfällt die Notwendigkeit traditioneller Methoden wie Min/Max, Sicherheitsbestände usw., die letztendlich keine robuste finanzielle Dimension aufweisen.

Der probabilistische Prognoseansatz von Lokad ermöglicht es uns, risikobereinigte POs zu generieren, die alle Einheiten konsolidieren, die rentabel bestellt werden können (auf Einheitsebene gerankt). Dadurch wird es einfach, die PO zu verfeinern, indem innerhalb der PO die Einheiten isoliert werden, die einen bestimmten wirtschaftlichen Ertrag überschreiten. Diese Einheiten mit hoher Rendite sind der Kern der Kurzliste, die an wichtige Lieferanten kommuniziert werden soll. Die wirtschaftliche Rendite spiegelt die Strafe für einen Lagerausfall (ein weniger häufiger, aber kritischer wirtschaftlicher Treiber, der die finanziellen Auswirkungen eines Lagerausfalls misst) in einer Form oder einer anderen wider. Dies geschieht alles, um die Bedeutung jeder einzelnen Einheit für die beabsichtigte Servicequalität angemessen zu bewerten.

Einige alte (jetzt veraltete) Methoden (die in einigen Unternehmenssoftware noch vorhanden sind) bestehen darin, POs in Bezug auf Lagerbestandsziele zu bewerten (z. B. Min/Max, Sicherheitsbestände, Abdeckungsziele, Pufferziele usw.). Diese Methoden verfügen jedoch alle nicht über Mechanismen zur Quantifizierung der Bedeutung jeder einzelnen Einheit in strikter Isolation von den anderen Einheiten.

In der Realität spiegeln solche Methoden nicht den Einfluss abnehmender Erträge wider, wie er in der Lieferkette zu finden ist. Typischerweise ist die erste bestellte Einheit (sowohl für das Kundenunternehmen als auch für seine Kunden) mehr wert als die zweite Einheit. Da traditionelle Methoden die Lagerrenditen nicht auf Einheitsebene quantifizieren, sind sie nicht in der Lage, eine wirklich kritische Teilmenge von Einheiten zu extrahieren, die an wichtige Lieferanten weitergegeben werden sollen.

Die Erstellung einer wirklich kritischen Kurzliste erfordert von vornherein eine Technologie, die die wirtschaftlichen Erträge auf Einheitsebene bei der Bestellung quantifizieren kann - eine Technologie, über die Lokad verfügt.

4.5 Wie kommunizieren Sie eine kritische Kurzliste unter ausstehenden POs (Purchase Orders) an Lieferanten?

Lokad bevorzugt die Kommunikation von POs - einschließlich kritischer Kurzlisten - über transaktionale Geschäftssysteme (z. B. ein ERP oder ähnliche Unternehmenssoftware). Die POs haben in der Regel die Form von Flat-File-Exporten. Lokad könnte auch E-Mails nutzen, aber unsere Präferenz besteht darin, alle transaktionalen Kommunikationen innerhalb des Geschäftssystems des Kunden (z. B. ERP) aufrechtzuerhalten.

Siehe auch Bestandskontrolle für weitere Informationen zur Unterscheidung zwischen analytischen Systemen (zu denen Lokad im Wesentlichen gehört) und transaktionalen Systemen wie ERPs.

Siehe auch Bestandskontrollen 4.4 in diesem FAQ.

4.6 Bieten Sie einen Lagerbestandsbericht an?

Zusammenfassung: Ja, die Plattform von Lokad ist in der Lage, einen Lagerbestandsbericht zu erstellen, der nicht nur den aktuellen Zustand des Lagerbestands abdeckt, sondern auch einen historischen Überblick über frühere Lagerbestände bietet. Dadurch können wir vergangene Muster identifizieren und in das numerische Rezept einfließen lassen, das die finanziell optimierten POs des Kunden generiert und somit die Wahrscheinlichkeit zukünftiger Lagerbestandsereignisse verringert.

Es ist zwar einfach, die Anzahl der SKUs (Stock Keeping Units) zu zählen, die keinen Lagerbestand haben, aber das sagt nicht viel über die Auswirkungen für das Unternehmen des Kunden aus - der Nettoverlust der Nachfrage muss quantifiziert werden. Aus diesem Grund empfiehlt Lokad, das Problem durch eine direkte finanzielle Bewertung der Kosten für (mangelnde) Servicequalität anzugehen. Gelegentlich ist es zum Beispiel vernünftig, eine geringe Servicequalität für nicht-strategische Produkte zu akzeptieren, die allmählich aus dem Angebot auslaufen. Das Gegenteil zu tun würde eine fortlaufende Generierung von totem Lagerbestand garantieren. Die Plattform von Lokad ermöglicht es, den Verlust in monetären Begriffen zu bewerten, anstatt nur die SKUs mit null Lagerbestand zu zählen.

Der quantifizierte Verlust muss “netto” von Kannibalisierung, Substitution und verzögerter Verbrauch von Kunden berücksichtigt werden. In den meisten Branchen gibt es mehrere Möglichkeiten, um das zu erfüllen, was der Kunde möchte oder braucht. Solange eine dieser Optionen verfügbar ist, könnte der Kunde mit dem Service sehr zufrieden sein. Wenn diese cross-SKU-Faktoren nicht berücksichtigt werden, führt dies zu einer Überbestückung von SKUs, die im Wesentlichen dieselbe Nachfrage bedienen, auf Kosten anderer SKUs, die völlig unterschiedliche Segmente bedienen. Umgekehrt verhindert manchmal ein nicht verfügbarer SKU den Verbrauch eines anderen abhängigen SKUs. Kunden erwarten, dass beide SKUs verfügbar sind und keines davon verbrauchen, wenn dies nicht der Fall ist. Die Plattform von Lokad kann verwendet werden, um diese cross-SKU-Aspekte und ihre (finanziellen) Auswirkungen auf die vom Kunden wahrgenommene Servicequalität zu modellieren.

Je nach Branche können noch wichtigere Feinheiten zu berücksichtigen sein. Zum Beispiel wird in einem Baumarkt ein Kunde, der 4 identische Lichtschalter sucht, wahrscheinlich keine kaufen, wenn nur 3 Einheiten im Regal verfügbar sind. Aus der Perspektive einiger Kunden sind Lichtschalter also effektiv nicht verfügbar, obwohl sie nicht ausverkauft sind.

Ein weiteres Beispiel wäre ein Lebensmittelgeschäft, das Obst verkauft. Bestimmte Früchte - z. B. Erdbeeren - sind sehr verderblich, daher versucht das Geschäft in der Regel bewusst, den Lagerbestand vor Ladenschluss aufzubrauchen. Wenn der Lagerbestand jedoch zu früh am Tag aufgebraucht wird (z. B. kaufen einige Personen mehr als üblich), werden die meisten Kunden nicht ordnungsgemäß bedient.

Diese Beispiele verdeutlichen die Feinheiten hinter der Natur und den Folgen von Lagerbestandsereignissen. Die kostspieligen Symptome von Lagerbestandsereignissen (z. B. Verlust potenzieller Verkäufe) können sich auch ohne die zugrunde liegende Bedingung (z. B. einen tatsächlichen Lagerbestand) manifestieren. Die Plattform von Lokad kann verwendet werden, um alle kritischen Feinheiten zu modellieren, bei denen die Servicequalität nicht durch eine naive Inspektion des Lagerbestands abgeleitet werden kann.

4.7 Identifizieren Sie erwartete nicht verfügbare Produkte und benachrichtigen die Benutzer?

Zusammenfassung: Ja, die Plattform von Lokad verwendet fortschrittliche Nachfrageprognosen, um potenzielle Nichtverfügbarkeitssituationen zu identifizieren und korrigierende Maßnahmen vorzuschlagen, anstatt nur Warnungen auszugeben. Diese Maßnahmen umfassen die Beschleunigung von Bestellungen, die Verwendung alternativer Lieferanten, die Anpassung von Werbeaktionen, Preisgestaltung, die Förderung von Ersatzprodukten und die Organisation von Lagerbestandsübertragungen (usw.).

Die Plattform von Lokad verfügt über eine hochmoderne Nachfrageprognosetechnologie, mit der bevorstehende Nichtverfügbarkeitsereignisse identifiziert werden können. Es ist auch einfach, Lokads Plattform zu verwenden, um Lagerbestandswarnungen für die Supply-Chain-Praktiker zu erstellen. Wir empfehlen jedoch nicht, Warnungen zu verwenden, da dieser Ansatz die Zeit nicht optimal nutzt, insbesondere wenn schnelle Reaktionen oft entscheidend sind. Stattdessen empfehlen wir die Verwendung der Plattform von Lokad, um bevorstehende Nichtverfügbarkeitsereignisse zu identifizieren und proaktive korrigierende Maßnahmen vorzuschlagen.

Je nach Branche können korrigierende Maßnahmen (a) die erneute Kontaktaufnahme mit Lieferanten zur Beschleunigung ausstehender Bestellungen umfassen; (b) die Aufgabe ergänzender Bestellungen bei alternativen (näheren) Lieferanten; (c) die Stornierung bevorstehender Werbeaktionen für Artikel, die bald nicht mehr verfügbar sein werden; (d) die Erhöhung des Preisniveaus der Artikel, die bald nicht mehr verfügbar sein werden; (e) die Förderung von Alternativprodukten, die als relevante Ersatzprodukte betrachtet werden, um im Voraus einen Kannibalisierungseffekt zu nutzen; (f) die Organisation von Lagerbestandsübertragungen zur Umverteilung von ungenutztem Lagerbestand. Dies sind nur einige der korrigierenden Maßnahmen, die die Plattform von Lokad prompt empfehlen kann.

Typische Unternehmenssoftware (wie ERP-Systeme) enthält immer noch Warnungen - ein Designmuster, das zwangsläufig zu geringer Mitarbeiterproduktivität führt. Wenn etwas gegen die bevorstehende Nichtverfügbarkeit unternommen werden kann, sollte die Software die Maßnahme(n) direkt als Teil ihrer normalen Empfehlungen vorschlagen. Wenn gegen die bevorstehende Nichtverfügbarkeit nichts unternommen werden kann, ist die Warnung eine sinnlose Ablenkung. Historisch gesehen haben Unternehmenssoftware Warnungen als mächtige Mechanismen verwendet, um die Schuld für schlechte Ergebnisse auf die Endbenutzer abzuwälzen. Dieser Ansatz ist effektiv ein Versuch, den Unternehmenssoftwareanbieter vor Kritik abzuschirmen: Wenn die empfohlene Lagerentscheidung gut war, hat die Software hervorragend funktioniert; Wenn die empfohlene Lagerentscheidung schlecht war, ist die Software aufgrund der von ihr ausgegebenen Warnung schuldlos. Dies verschiebt die “Schuld” per Definition auf den Endbenutzer. Lokad hingegen übernimmt die volle Verantwortung für die Qualität unserer Lagerempfehlungen und vorgeschlagenen korrigierenden Maßnahmen.

Weitere Informationen zur Herangehensweise von Lokad an die Prognose in der Praxis finden Sie unter No1 auf SKU-Ebene im M5-Prognosewettbewerb.

5. Komplikationen

5.1 Schlagen Sie Lagerparameter für neue Produkte vor?

Zusammenfassung: Ja, Lokads Plattform automatisiert die Lagerentscheidungen für neue Produkte mithilfe probabilistischer, attributbasierter Nachfrageprognosen, die Daten von zuvor eingeführten Produkten analysieren. Dieser Ansatz konzentriert sich auf direkte Entscheidungen wie Bestellmengen und Zuweisungen, anstatt auf traditionelle Lagerparameter. Lokad berücksichtigt auch die Auswirkungen neuer Produkte auf vorhandenen Lagerbestand, um potenzielle Überbestände zu vermeiden. Lokad unterstützt sowohl die Nachfrageprognose als auch die stochastische Optimierung für anfängliche Lagerbestellungen unter Berücksichtigung von SKU-übergreifenden Einschränkungen und logistischen Kapazitäten.

Lokads Plattform automatisiert den gesamten Prozess der Lagerentscheidungsfindung für neue Produkte. Dies umfasst die “Lagerparameter”, obwohl wir die Herausforderung in der Regel nicht aus dieser Perspektive angehen. Neue Produkte profitieren von probabilistischen attributbasierten Nachfrageprognosen. Hier analysiert Lokad alle zuvor eingeführten Produkte und wie sie je nach ihren Einführungseinstellungen (z. B. Werbeaktionen und Sortimente) sowie den intrinsischen Eigenschaften des Produkts selbst (z. B. Größe, Farbe und Preis) abschnitten. Daher ist die Prognose für neue Produkte automatisiert, genauso wie die Prognose für die älteren Produkte.

Darüber hinaus berücksichtigen wir bei der Betrachtung neuer Produkte den sofort verfügbaren Lagerbestand, um die neuen Produkte zu bedienen, sowie den noch ausstehenden Lagerbestand. Wir berücksichtigen auch die Auswirkungen auf die vorhandenen Bestände und die potenziellen negativen Folgen der Einführung (zu früh) einer neuen, möglicherweise attraktiveren Alternative - etwas, das möglicherweise zu einer sofortigen Überbestandssituation für ein anderes Produkt führen würde.

Anstatt typischer “Lagerparameter” empfiehlt Lokad nachdrücklich, die Herausforderung durch direkte und finanziell optimierte Entscheidungen anzugehen. Diese Entscheidungen umfassen die Mengen, die in erster Linie bestellt werden sollen, und dann die Mengen, die (SKU für SKU) für alle Standorte zugewiesen werden sollen. Cross-SKU- oder Cross-Product-Anliegen müssen in diesem Stadium behandelt werden, um die begrenzte logistische Kapazität des Kunden optimal zu nutzen.

Diese Kapazitäten sind häufig nicht ausreichend, um mit den potenziellen - und oft überraschenden - Auswirkungen von Neuheiten umzugehen. Durch die Verteilung der Arbeitsbelastung über die Zeit, in der Regel durch eine effektive Vorwegnahme der Einführung neuer Produkte, wird das Problem ohne unnötige Überdehnung der logistischen Kapazität des Kunden angegangen.

Lokads Plattform bietet alle erforderlichen numerischen Instrumente zur Unterstützung dieses Prozesses, einschließlich der probabilistischen Nachfrageprognosen für die neuen Produkte und der stochastischen Optimierung für die anfänglichen Bestellmengen und Zuweisungen. Diese Unterstützung umfasst alle relevanten Cross-SKU-Beschränkungen.

5.2 Können Sie die Zuweisung von Lagerbeständen während der Werbephase (Unterstützung der Werbeaktivität) handhaben?

Zusammenfassung: Ja, Lokads Plattform ist darauf ausgelegt, die Zuweisung von Lagerbeständen während der Werbephase zu verwalten, indem der Bestand mit erwarteten zukünftigen Nachfrageschüben abgeglichen wird. Dieser Prozess umfasst die Vorwegnahme der Werbenachfrage, die Integration von Daten aus verschiedenen Quellen wie ERP-Systemen und Marketing-Tabellenkalkulationen sowie die Verfeinerung von Vorhersagemodellen, um verschiedene Werbestrategien zu berücksichtigen. Lokads Supply Chain Scientists implementieren diese Modelle und berücksichtigen dabei nicht nur die unmittelbaren Auswirkungen der Werbung, sondern auch das Risiko von Überbeständen und logistischen Einschränkungen. Die Plattform verwendet stochastische Optimierung, um risikoadjustierte Bestandsentscheidungen zu treffen und den Bedarf an ausreichendem Werbebestand mit dem Risiko eines Überschusses an Beständen nach der Werbung in Einklang zu bringen.

Lokads allgemeines Leitprinzip für die Zuweisung des Lagerbestands besteht darin, diese Zuweisungen mit der erwarteten zukünftigen Nachfrage abzustimmen. Insbesondere erfordert ein erwarteter Anstieg der zukünftigen Nachfrage, wie dies bei einer bevorstehenden Werbeaktion der Fall ist, in der Regel einen entsprechenden Anstieg der Lagerzuweisung. Darüber hinaus muss die Zuweisung in der Regel weit im Voraus der Werbeveranstaltung erfolgen, da wir die logistischen Einschränkungen berücksichtigen müssen. Zum Beispiel kann das Netzwerk möglicherweise nicht mit dem Anstieg der Lagerbewegungen umgehen, wenn der gesamte Lagerbestand in letzter Minute bewegt wird. Lokads Plattform wurde entwickelt, um diese gesamte Klasse von Problemen und all ihre Varianten zu unterstützen.

Lokads Supply Chain Scientists (SCS) sind für die Implementierung der numerischen Rezepte verantwortlich, die sicherstellen, dass die Lagerzuweisungen die geplanten Werbeaktivitäten angemessen widerspiegeln.

Erstens umfasst diese Verantwortung das Sammeln/Organisieren der Daten, die die Werbepläne beschreiben. Diese Daten sind selten in strukturierter Form in den Geschäftssystemen (ERP) zu finden - sie befinden sich häufig nur in Tabellenkalkulationen, die von der Marketingabteilung gepflegt werden. Lokads Plattform ist darauf ausgelegt, mehrere Informationsquellen zu integrieren, einschließlich solcher Klassen von Ad-hoc-Tabellenkalkulationen.

Zweitens umfasst die Verantwortung eines SCS die Verfeinerung des Vorhersagemodells für die zukünftige Nachfrage, um die Vielfalt der Werbemechanismen widerzuspiegeln. Grundsätzlich geht es bei Werbeaktionen nicht nur um Preissenkungen. Sie zeichnen sich in der Regel durch die Präsentation der Produkte durch Werbedisplays (z. B. Gondeln) oder andere Kommunikationsmedien (z. B. Newsletter) aus. Darüber hinaus spiegeln einige Mechanismen Cross-Product-Mechanismen wider (z. B. Kauf eines Produkts, 50% Rabatt auf ein anderes Produkt), die ebenfalls berücksichtigt werden müssen. Lokads Plattform verfügt über umfangreiche Möglichkeiten zur Vorhersagemodellierung, um all dies zu unterstützen.

Drittens sind SCS auch dafür verantwortlich, risikoadjustierte Entscheidungen zu treffen, die ausreichende Lagerbestände zur Befriedigung der Werbenachfrage zuweisen und gleichzeitig das Risiko von Überbeständen nach dem Ende der Werbung reduzieren. Wenn die logistischen Einschränkungen nicht zu eng sind, berücksichtigen wir auch die Möglichkeit, in der Werbung Nachlieferungen zu nutzen, um die Exposition des Kunden gegenüber anfänglichen Überzuweisungsrisiken zu verringern (wenn die Werbung weniger erfolgreich ist als erwartet). Auch hier verfügt Lokads Plattform über umfangreiche Möglichkeiten zur stochastischen Optimierung, um diese komplexen risikoadjustierten Entscheidungen zu berechnen.

5.3 Wie verwalten, anzeigen und unterscheiden Sie verschiedene Arten von Werbeaktionen/Belohnungen für Kundenkarteninhaber, einschließlich Broschüren, prozentualen Rabatten, monetären Rabatten und exklusiven Werbeaktionen?

Lokads Plattform bietet umfangreiche Modellierungsmöglichkeiten für alle Preis- und Werbemechanismen im Einzelhandel. Unsere Plattform ist programmierbar, d.h. sie kann so eingestellt werden, dass sie beliebig viele Werbemechanismen widerspiegelt - wir haben bisher mehr als 50 verschiedene Beispiele identifiziert. Da unsere Plattform auch beliebige relationale Daten verarbeiten kann, können wir diese Informationen genau so importieren, wie sie ursprünglich in den zugrunde liegenden transaktionalen Geschäftssystemen erscheinen.

Dadurch können wir die ursprüngliche Datenbedeutung erhalten, anstatt die Daten gegen eine vom Anbieter definierte Vorlage zwangsweise neu zu formatieren. Darüber hinaus verfügt unsere Plattform auch über programmierbare Fähigkeiten für ihre Vorhersage-/Maschinenlernfähigkeiten. Mit Hilfe dieser Fähigkeiten können unsere Supply Chain Scientists Vorhersagemodelle für die Nachfrage erstellen, die die Mechanismen in den Werbe-/Belohnungsangeboten des Kunden widerspiegeln.

Hinweis: Lokad kümmert sich nur um den analytischen Teil dieses Problems; die Identifizierung aller Muster, die die mit den Werbemechanismen eines Kunden verbundene Nachfrage formen. Lokad ist nicht dazu gedacht, Werbeaktionen in Zusammenarbeit mit der Marketingabteilung des Kunden zu verwalten. Obwohl theoretisch möglich, ist es besser, eine Trennung zwischen den transaktionalen und analytischen Softwareschichten aufrechtzuerhalten. Dies ist Siehe auch #promotions

Siehe auch Differentiable Programming für weitere Informationen zu den mathematischen Feinheiten unserer Technologie.

Siehe auch Complications 5.2 in diesem FAQ.

5.4 Verwalten Sie UoM (Einheit der Maße) Konvertierungen?

Ja, Lokads Plattform unterstützt vollständig alle UoM-Konvertierungen. Wir unterstützen auch den Umgang mit (mehreren) inkonsistenten UoMs, wie es manchmal vorkommt, wenn Lokad Daten aus verschiedenen Geschäftssystemen verarbeitet. Wir lösen typischerweise alle UoM-Inkompatibilitäten während der Datenvorbereitungsphase. Wir können auch den Lagerbestand optimieren, während die Einschränkungen durch unterschiedliche UoMs ausgedrückt werden. Zum Beispiel hat ein Full Truck Load (FTL) sowohl Volumen- als auch Gewichtskapazitäten.

Hinweis: Für den speziellen Fall der Umrechnung zwischen Währungen verfügt Lokad auch über integrierte Funktionen wie die forex-Funktion, die Dutzende weit verbreiteter Währungen umfasst. Diese forex-Funktion bietet die Möglichkeit, vergangene Währungsumrechnungen anzuwenden, um die wirtschaftlichen Treiber so widerzuspiegeln, wie sie in der Vergangenheit waren. Dadurch kann Lokad die Entscheidungsfindung weiter optimieren, indem die wirkliche wirtschaftliche Auswirkung historischer Währungsschwankungen analysiert wird und somit das numerische Rezept des Kunden weiter verfeinert wird.

5.5 Verwalten Sie Kit-Konvertierungen?

Zusammenfassung: Ja, Lokad unterstützt Kit-Konvertierungen und Bestandsoptimierung, einschließlich proaktiver Kit-Montage und Bestandsreservierung. Unsere Nachfrageprognosen berücksichtigen Kit-Elemente, die separat oder in mehreren Kits verkauft werden, unter Berücksichtigung unterschiedlicher Kit-Lebenszyklen. Die finanzielle Optimierung von Lokad spiegelt die tatsächlichen Kosten von Lagerbeständen wider und berücksichtigt den Wert und den Bruttomarge-Einfluss von Kit-Elementen, die für mehrere hochwertige Kits entscheidend sind.

Lokads Plattform unterstützt Kit-Konvertierungen und optimiert auch den Bestand in Anwesenheit von Kits. Kits sind in der Regel eine vereinfachte Version der Stückliste (Bills of Materials) und werden im Einzelhandel (online und offline) häufig verwendet. Die von Lokad durchgeführte Bestandsoptimierung in Anwesenheit von Kits umfasst die Möglichkeit, zu entscheiden, wann Bestandseinheiten für Kits reserviert werden sollen und wann Kits proaktiv zusammengebaut werden sollen - wenn der Kit-Prozess eine eigene Kapazitätsgrenze hat.

Darüber hinaus berücksichtigen die von Lokad generierten Nachfrageprognosen die Tatsache, dass Kit-Elemente auch separat verkauft / gewartet werden können, nicht nur als Teil eines Kits. Diese Prognosen unterstützen auch den Fall, dass dieselben Kit-Elemente in mehreren Kits gemeinsam genutzt werden - natürlich unterstützen wir auch Szenarien, in denen Kits nicht den gleichen Lebenszyklus haben, wobei Kits mit unterschiedlichen Zeitplänen in das Angebot des Kunden aufgenommen und daraus entfernt werden. All diese Faktoren werden angemessen in unserer quantitativen Bewertung des bevorstehenden Bedarfs an Kit-Elementen berücksichtigt.

Schließlich spiegelt die von Lokad empfohlene finanzielle Perspektive bei der Optimierung der Bestandsentscheidungen in Anwesenheit von Kits die Abhängigkeiten wider, die zwischen den Kit-Elementen und den Kits selbst bestehen. Zum Beispiel kann ein Element billig sein und mit sehr geringer Bruttomarge verkauft werden, aber wenn dieses Element von mehreren Kits benötigt wird, die einen viel höheren Wert und eine höhere Bruttomarge haben, wäre ein eventueller Lagerbestandsausfall dieses Kit-Elements viel teurer, als sein eigener Wert vermuten lässt. Dies liegt daran, dass der indirekte Wert des Elements möglicherweise erheblich höher ist als sein unmittelbar offensichtlicher direkter Wert.

Daher spiegelt Lokad durch seine Optimierung die tatsächlichen Kosten (unter Berücksichtigung von Kit-Abhängigkeiten) wider, die entstehen, wenn Kits aufgrund eines Lagerbestandsausfalls eines ihrer Elemente nicht bedient werden können.

5.6 Berücksichtigen Sie die Restlaufzeit eines Artikels (oder die Haltbarkeit) bei der Bestellentscheidung und der verbleibenden Restlaufzeit von Produkten, die sich bereits in der Lieferkette befinden?

Zusammenfassung: Ja, Lokads Plattform erreicht dies, indem sie den Lebenszyklus jeder Lagerbestandseinheit verfolgt, einschließlich derer, die kurz vor der Bestellung stehen. Ihr Kernkonzept umfasst Skalierbarkeit, Effizienz bei der Verarbeitung von Daten auf Einheitsebene, den Umgang mit relationalen Daten, um produktspezifische Lebenszyklusnuancen zu berücksichtigen, und die probabilistische Prognose, um Unsicherheiten in Produktlebenszyklen und Kundenverhalten anzugehen. Dieser Ansatz optimiert Einkaufsaufträge, Bestandszuweisungen und Preisstrategien.

Lokads Plattform wurde entwickelt, um jede einzelne Lagerbestandseinheit im Laufe der Zeit verfolgen zu können und ihren eigenen spezifischen Lebenszyklus widerzuspiegeln. Gleiches gilt auch für potenzielle Lagerbestandseinheiten, wie diejenigen, die kurz vor der Bestellung stehen. Durch diese hochgranulare Analyse spiegeln die von Lokad optimierten Einkaufsaufträge, Bestandszuweisungen und Preisnachlässe den spezifischen Lebenszyklus jeder einzelnen Einheit wider, die durch das Netzwerk fließt.

Lokads Plattform ermöglicht dies durch mehrere Schlüsselelemente ihres Kernkonzepts:

Erstens ist unsere Plattform nicht nur hoch skalierbar, sondern auch sehr effizient. Die Modellierung des Flusses, Einheit für Einheit, ist aufwändiger als die Modellierung auf SKU-Ebene (Stock Keeping Unit); wenn die Herausforderung jedoch nur durch den Einsatz von großen Rechenressourcen bewältigt wird, wird sich die Lösung für das Unternehmen als sehr teuer erweisen.

Zweitens verfügt Lokads Plattform über programmatische Fähigkeiten zur Verarbeitung relationaler Daten. Die Feinheiten des Lebenszyklus der Produkte variieren stark von Produkt zu Produkt. Produktion und Chemikalien haben beide eine begrenzte Haltbarkeit, aber ihre jeweiligen Feinheiten sind sehr unterschiedlich. Lokad berücksichtigt diese Besonderheiten, um ein Modell zu erstellen, das wirklich widerspiegelt, was in der Lieferkette des Kunden vor sich geht.

Drittens verfügt Lokads Plattform über allgemeine probabilistische Prognosefähigkeiten. Die Lebenszyklen der Produkte können mit eigenen Unsicherheiten einhergehen. Zum Beispiel können Kunden in Einzelhandelsgeschäften möglicherweise Artikel mit der längsten verbleibenden Haltbarkeit priorisieren. Die Annahme, dass der Fluss einem strikten FIFO-Verhalten (First-In, First-Out) folgt, wäre jedoch äußerst fehlerhaft. Die prognostischen Fähigkeiten von Lokads Plattform werden verwendet, um diese subtilen, aber immens folgenreichen Verhaltensweisen richtig vorherzusagen.

5.7 Identifizieren Sie erwartete Lagerbestandsabläufe? Bieten Sie einen Warn-/Alarmbericht zur Haltbarkeit an?

Zusammenfassung: Ja, Lokads Plattform verfolgt den gesamten Lebenszyklus des Lagerbestands, auch ohne Seriennummernverfolgung, und kann sogar probabilistische Modellierung für mehrdeutige Situationen wie B2C-Einzelhandel einsetzen. Es kann potenzielle Abläufe und Wertminderungen identifizieren und bei Bedarf Warnungen ausgeben. Lokad bevorzugt jedoch proaktive Entscheidungen in der Lieferkette, um diese Probleme zu vermeiden, und empfiehlt Maßnahmen wie Rabatte oder die Umverteilung von Beständen zur Verwaltung gefährdeter Artikel.

Lokads Plattform ist in der Lage, den spezifischen Lebenszyklus jeder einzelnen Einheit zu verfolgen, die durch das Lieferkettennetzwerk des Kunden fließt. Unsere Plattform ist dazu in der Lage, auch wenn die Einheiten nicht auf der S/N (Seriennummer)-Ebene verfolgt werden. Wenn es Unklarheiten bezüglich der Service- oder Verbrauchsreihenfolge der Einheiten gibt, wie es in B2C-Einzelhandelsgeschäften der Fall sein kann, nutzt Lokad probabilistische Modellierung, um die wahrscheinlichen Zustände des Lagerbestands widerzuspiegeln. Diese detaillierten Informationen über den Zustand des Lagerbestands können verwendet werden, um wahrscheinliche Abläufe und/oder Wertminderungen zu identifizieren und entsprechend zu reagieren, möglicherweise Warnungen an die relevanten Teams zu senden (falls gewünscht).

Lokad empfiehlt jedoch, anstelle von Warnungen die detaillierten Informationen zu nutzen, die wir über den wahrscheinlichen Zustand des Lagerbestands haben - bis hin zum erwarteten Ablaufdatum jeder Einheit im Bestand - um proaktiv jede empfohlene Entscheidung in der Lieferkette (berechnet von Lokad) anzupassen. Zum Beispiel können wir empfehlen, ein Produkt mit Ablaufgefahr zu rabattieren oder zu bewerben. Alternativ können wir empfehlen, die Produkte über einen sekundären Vertriebskanal (ebenfalls zu einem reduzierten Preis) zu liquidieren. Eine weitere Option besteht darin, mehr Bestand zuzuweisen, da wir erkennen, dass der aktuelle Bestand bald aufgebraucht sein wird, nicht aufgrund der Kundennachfrage, sondern aufgrund des Ablaufs.

Grundsätzlich übernimmt Lokad die Verantwortung dafür, Maßnahmen zu ergreifen, wenn etwas gegen den identifizierten potenziellen Ablauf unternommen werden kann. Wenn jedoch nichts getan werden kann (z. B. der Bestand wird leider ablaufen und es steht keine Korrekturmaßnahme mehr zur Verfügung), werden diese Warnungen nur die Teams ablenken, die nichts dagegen tun können.

Für einen Enterprise-Software-Anbieter gibt es nichts Einfacheres, als Dutzende (oder sogar Tausende) von Warnungen zu erzeugen, und für viele inkompetente Anbieter ist dies das Einzige, was sie können. Die eigentliche Herausforderung besteht darin, Handlungsaufforderungen zu erstellen, was von Anbietern (in diesem Fall Lokad) erfordert, herauszufinden, was umsetzbar ist und was nicht.

Siehe auch Komplikationen 5.6 in diesem FAQ.

5.8 Können Sie EOQ (Economic Order Quantity) optimieren und dabei Bestellkosten, Eingangskosten, Lagerhaltungskosten und Kapitalbindungs kosten berücksichtigen?

Zusammenfassung: Ja, Lokads Plattform kann EOQs optimieren und dabei verschiedene Kosten wie Bestell-, Versand-, Lager-, Arbeitskapital- und Opportunitätskosten sowie einige weniger offensichtliche Kosten berücksichtigen. Wir verwenden einen fortschrittlicheren Ansatz als die veraltete Wilson-Formel, die aufgrund ihrer vereinfachten Annahmen und ihrer Unfähigkeit, das Risiko von Lagerbestandsabschreibungen anzugehen, unwirksam ist. Lokad empfiehlt, wirtschaftliche Treiber in jede Kaufentscheidung zu integrieren, anstatt sich ausschließlich auf die Bestellmenge zu konzentrieren.

Lokads Plattform wurde für die wirtschaftliche Optimierung von Supply-Chain-Entscheidungen entwickelt. Insbesondere ist es einfach, alle mit einer Bestellung verbundenen Gemeinkosten abzubilden, einschließlich Bestellkosten, Versandkosten, Lagerkosten, Kapitalkosten (Arbeitskapital) und Opportunitätskosten. Darüber hinaus ermöglichen es Lokads programmatische Fähigkeiten auch, alle spezialisierten Kosten anzugehen, die für das Geschäft des Kunden über die oben genannte Kurzliste hinaus relevant sein können. Wir empfehlen jedoch, die wirtschaftlichen Treiber in jede einzelne Kaufentscheidung zu internalisieren, anstatt eine Menge zu bestellen, wie es beim EOQ der Fall ist.

Die klassische Supply-Chain-Theorie schlägt vor, die Wilson-Formel für die EOQ (Economic Order Quantity) zu verwenden. Dieser Ansatz hat einen schwerwiegenden, unmittelbaren Defekt: Er erzwingt eine grobe Rundung, die die meiste Zeit unwirksam ist. Die EOQ kann das Risiko von Lagerbestandsabschreibungen nicht berücksichtigen. Daher ist es zwar möglicherweise etwas ineffizient, eine Menge unterhalb der theoretischen EOQ zu bestellen, in der Praxis ist es jedoch häufig eine viel bessere Option, anstatt mehr zu bestellen und sofort eine erhebliche Abschreibung zu generieren.

Siehe auch Lagerhaltungskosten für weitere Informationen zur Bewertung, Kategorisierung und Optimierung von Lagerhaltungskosten bei Lokad.

5.9 Haben Sie KPIs für Lagerbestände im Status “Keine Konformität”?

Ja, Lokads Plattform kann problemlos ein Dashboard und/oder KPIs für “Keine Konformität” bereitstellen. Da unsere Plattform programmatisch ist, können alle Daten, die aus dem Transaktionssystem des Unternehmens extrahiert werden können, angezeigt werden. Dies bedeutet auch, dass es keine Einschränkung bei der Berechnung/Darstellung der KPIs gibt - sie können vollständig nach den Spezifikationen/Regeln des Kunden erstellt werden. Eine programmatische Plattform ist hier erforderlich, da es keine standardisierte Definition für das Fehlen von Konformität zwischen Unternehmen gibt.

Lokads Plattform ist auch in der Lage, ein Vorhersagemodell für diese Nicht-Konformitätsereignisse zu erstellen, indem historische Daten genutzt werden. Zum Beispiel können einige Lieferanten Qualitätsprobleme haben, und ein Teil ihrer Lieferung besteht möglicherweise nicht immer die Inspektion. Als Ergebnis könnten die tatsächlich verfügbaren Mengen zur Bedienung der Kunden des Kunden häufig geringer sein als die ursprünglich bestellten Mengen. Durch Modellierung dieser Ereignisse mit einem probabilistischen Prognosemodell kann Lokad risikoadjustierte Bestellentscheidungen treffen, die auch diese Unsicherheit berücksichtigen.

5.10 Stellen Sie einen Bericht über kritische Materialien zur Verfügung?

Ja, Lokads Plattform kann problemlos einen Bericht über diejenigen Materialien generieren, die vom Kunden als “kritisch” eingestuft werden.

Für Lokad ist dies ein unscharfes Konzept, da es keine feste Definition dafür gibt, was einen “kritischen Materialbericht” ausmacht. Unsere Erfahrung zeigt, dass dies von Branche zu Branche unterschiedlich ist. Bei FMCGs (schnelllebigen Konsumgütern) handelt es sich bei den “kritischen Materialien” in der Regel um diejenigen, die sich am meisten drehen, mit den höchsten Volumina sowohl in Stückzahlen als auch in monetären Einheiten. Bei der Luftfahrt bezieht sich “Kritikalität” auf Teile, die zu einem AOG (Flugzeug am Boden) führen können, wenn sie nicht vorrätig sind. Bei allgemeinen Warenhäusern bezieht sich “Kritikalität” häufig auf Produkte, die Kunden typischerweise im Geschäft erwarten.

Lokads programmatische Fähigkeiten sind entscheidend, um diese Anforderungen zu erfüllen. Durch diese Fähigkeiten kann jede Regel, die in einer Tabellenkalkulation oder in einem Business Intelligence-Tool implementiert werden kann, auch über unsere Plattform implementiert werden. Wenn solche programmatischen Fähigkeiten fehlen, müssten sich Supply Chain-Experten wieder auf Tabellenkalkulationen verlassen, da sie sich keine vage Annäherung an das leisten können, was ihr Unternehmen als “kritisch” ansieht. Die analytische Ebene (in diesem Fall Lokad) muss in der Lage sein, sich vollständig an die Feinheiten des Geschäfts anzupassen, daher die Notwendigkeit einer vollständigen programmatischen Funktionalität und Freiheit.

6. Berichterstattung

6.1 Haben Sie KPIs für die Gesamtmenge an Lagerbestand? Decken diese auch Umsatz- und Abdeckungsraten ab? Können diese KPIs außerdem nach Teilenummer (P/N), Produktplattform und Produktqualität segmentiert werden und einen monatlichen Fortschrittsbericht über verschiedene Aktivitäten und Sektoren basierend auf der Qualität der Produkte liefern?

Zusammenfassung: Ja, Lokad bietet umfangreiche Berichterstattungsmöglichkeiten, einschließlich anpassbarer KPIs für das Lagermanagement, die an kundenspezifische Anforderungen wie Teilenummer, Produktplattform und Produktqualität angepasst werden können. Unsere domänenspezifische Sprache (Envision) vereinfacht die Datenvisualisierung und die Erstellung von Dashboards und berücksichtigt die einzigartigen Datenstrukturen jedes Unternehmens, ohne dass standardisierte Datenformate erforderlich sind. Dadurch werden lange Integrationsprojekte vermieden, die bei herkömmlicher Unternehmenssoftware üblich sind. Dieser Ansatz gewährleistet hohe Produktivität, Zuverlässigkeit und Skalierbarkeit bei der Erstellung maßgeschneiderter Berichte und der Optimierung der Supply Chain.

Lokads Plattform verfügt über umfangreiche integrierte Berichterstattungsmöglichkeiten. Als Faustregel gilt, dass jeder Bericht, der mit einer Tabellenkalkulation oder einem Business Intelligence-Tool erstellt werden kann, auch von Lokad erstellt werden kann. Lokad hat eine DSL (domänenspezifische Programmiersprache) entwickelt, die der prädiktiven Optimierung der Supply Chain gewidmet ist (namens “Envision”). Wie der Name Envision schon sagt, legt diese DSL einen großen Schwerpunkt auf die Vereinfachung der Datenvisualisierung. Lokads Supply Chain Scientists sind in der Regel für die Einrichtung aller relevanten Dashboards und KPIs verantwortlich. Darüber hinaus wurde Lokads Plattform entwickelt, um das Rendering komplexer Dashboards in konstanter Zeit zu unterstützen. Dadurch können wir Dashboards erstellen, die alle relevanten Elemente an einem Ort zusammenfassen und den Bedarf für Supply Chain-Experten verringern, sich durch ein Labyrinth von getrennten Bildschirmen/Anzeigen zu navigieren, während sie die Informationen erhalten, die sie für ihren täglichen Arbeitsablauf benötigen.

Alle von Lokad erstellten Berichte sind “maßgeschneidert” für das Kundenunternehmen - im Gegensatz zu dem, was man in ähnlicher Software typischerweise findet. Die Realität ist, dass die Erstellung solcher Berichte nur mit einer flexiblen, programmatischen Plattform möglich ist, da die Berichte - selbst “einfache” - vollständig von den einzigartigen Feinheiten des jeweiligen Kunden abhängen (einschließlich ihrer Anwendungslandschaft). Unsere Erfahrung zeigt, dass keine zwei Unternehmen gleich sind, auch wenn sie dieselbe Software verwenden, um ihre Geschäftsdaten auf genau die gleiche Weise zu organisieren.

In einer produktionsreifen Umgebung stellt die banale “Datenverrohrung” über 90% der Arbeit dar, die in die Erstellung solcher Berichte investiert wird. Durch Envision adressiert Lokad daher frontal die Produktivitätsherausforderung, die mit dieser Datenverrohrung verbunden ist. Darüber hinaus ermöglicht uns dieser Ansatz, alle vorhandenen Codierungen, Hierarchien und Konventionen in den anderen Geschäftssystemen des Kunden zu erhalten. Lokad “spricht also genau die gleiche Sprache” wie das Personal des Kunden, anstatt eine weitere Reihe von Konventionen einzuführen, die die Mitarbeiter verstehen müssen.

Der Mainstream-Ansatz in Unternehmenssoftware besteht darin, eine Reihe von Datenanforderungen festzulegen. Sobald die Eingangsdaten diesen Anforderungen entsprechen, werden alle Berichts- und Analysefunktionen freigeschaltet. Leider funktioniert dieser Ansatz nur für die kleinsten Unternehmen schlecht. Es gibt nie eine direkte Übereinstimmung zwischen den ursprünglichen Geschäftssystemen (der Datenquelle) und den verpackten Analyse-Systemen. Als Ergebnis ist die Übersetzung der Daten sowohl unglaublich anspruchsvoll als auch frustrierend, da es einfach nicht möglich ist, alles anzupassen. Was schien, eine einfache “Konfiguration” zu sein, um die Geschäftsdaten in das verpackte Analyse-System zu importieren, wird zwangsläufig zu einem einjährigen Integrationsprojekt. Dies ist die unvermeidliche Konsequenz des Versuchs, zwei unterschiedliche komplexe Perspektiven auf die Supply Chain in Einklang zu bringen. Die Designentscheidungen von Lokads Plattform beseitigen dieses Problem vollständig.

6.2 Haben Sie Bestandsgesundheits- und Abdeckungsberichte?

Zusammenfassung: Ja, Lokad bietet Bestandsgesundheits- und Abdeckungsberichte durch fortschrittliche probabilistische Prognosen und Tools auf seiner Plattform an, die eine präzise Risikobewertung ermöglichen - typischerweise in monetären Begriffen ausgedrückt. Diese finanziellen Risikobewertungen sind die grundlegenden “Gesundheitsrisiken” für den Bestand des Kunden. Im Gegensatz zu traditionellen Zeitreihenprognosen, die nur eine Zukunft berücksichtigen, berücksichtigt der Ansatz von Lokad mehrere mögliche zukünftige Werte (z. B. Nachfrage) und bietet somit einen genaueren und umfassenderen Überblick über Bestandsrisiken, um Bestandsprobleme zu vermeiden oder zumindest zu reduzieren.

Lokads Standardpraxis besteht darin, Instrumente zur Bestandsüberwachung wie Bestandsgesundheits- und Abdeckungsberichte bereitzustellen. Lokads Supply Chain Scientists sind für die Erstellung dieser Berichte verantwortlich. Lokads Plattform verfügt über umfangreiche programmatische Berichtsfunktionen. Dies umfasst alle erforderlichen Tools, um probabilistische Prognosen hinsichtlich Nachfrage, Vorlaufzeit und allen relevanten Unsicherheitsquellen in hochrangige Prognosen umzuwandeln, die idealerweise die Kosten des Bestands in Dollar widerspiegeln, anstatt Prozentsätze.

Die “Gesundheit” des Bestands hängt immer von den zukünftig erwarteten Marktbedingungen ab. Die Anzahl der Einheiten im Lager gilt nur dann als übermäßig, wenn sie weit über der erwarteten zukünftigen Nachfrage liegt, nicht wenn sie weit über der vergangenen beobachteten Nachfrage liegt. Zum Beispiel könnte die vergangene Nachfrage für ein neues Produkt oder für ein Produkt, das unter einem anhaltenden Mangel gelitten hat, null sein. Daher besteht die Herausforderung darin, die Prognosen in Berichte umzuwandeln.

Hier sind probabilistische Prognosen (von Lokad bevorzugt), die alle möglichen Zukünfte berücksichtigen und ihnen Wahrscheinlichkeiten zuweisen, ideal. Dadurch können wir die Bestandsrisiken genau bewerten, indem wir Wahrscheinlichkeiten für das Auftreten eines Risikos zuweisen und anschließend die potenziellen finanziellen Auswirkungen dieses Risikos bewerten. Diese Risiken, die in monetären Begriffen (z. B. Dollar oder Euro) ausgedrückt werden, spiegeln sich in den von Lokad bereitgestellten Berichten wider.

Im Gegensatz dazu berücksichtigen klassische Zeitreihenprognosen - von ihrer Konzeption her - nur einen möglichen zukünftigen Wert (z. B. Nachfrage). Solche Prognosen sind daher nicht in der Lage, die Vielzahl der finanziellen Risiken angemessen zu vermitteln, mit denen der Kunde aufgrund seiner Bestandsentscheidungen konfrontiert sein kann. Die Raffinesse von Zeitreihenprognosen ist irrelevant: Die Form/Struktur der Prognose vermittelt nicht die erforderlichen Informationen. Einige Versuche, dieses Problem zu umgehen, umfassten grobe Heuristiken zur Bewertung der Bestandsrisiken durch eine direkte Inspektion der jüngsten Vergangenheit. Ein Beispiel war das Zählen der SKUs, die über X Wochen Bestand auf Lager haben (z. B. 2 oder 3). Diese Methoden liefern jedoch unweigerlich Indikatoren von geringer Qualität, die die Supply Chain-Praktiker eher in die Irre führen als sie aufklären.

6.3 Können Sie das Beschaffungsteam benachrichtigen, wenn eine Bestellung (Purchase Order, PO) verschoben oder beschleunigt werden muss?

Zusammenfassung: Ja, Lokad kann diese “Benachrichtigungen” ausgeben, obwohl wir den Begriff “Entscheidungen” bevorzugen. Lokads Plattform generiert eine automatisierte Liste von Entscheidungsempfehlungen, einschließlich der reaktiven Überarbeitung von Bestellungen (POs) auf der Grundlage wirtschaftlicher Vorteile und der Zusammenarbeit mit Lieferanten. Wir bevorzugen “Entscheidungen” gegenüber “Benachrichtigungen”, da unsere Empfehlungen direkte Handlungsaufforderungen sind (mit modellierten Kosten und Nutzen), anstatt den Kunden nur über ein mögliches Problem zu informieren.

Lokad automatisiert die Generierung von Entscheidungen mit einer Perspektive, die das Verschieben oder Beschleunigen von Bestellungen nach Bedarf umfasst. Diese Entscheidungen werden in Bezug auf wirtschaftliche Belohnungen priorisiert (ähnlich wie typische Lokad-Entscheidungen), und die Treiber umfassen die wirtschaftlichen Vorteile, die mit einer überarbeiteten Bestellung verbunden sind. Diese Treiber können einen negativen Goodwill enthalten, um die für den Lieferanten generierten Overheads widerzuspiegeln, sowie die Wahrscheinlichkeit, dass die Überarbeitung vom Lieferanten akzeptiert und umgesetzt wird. Ebenso kann Lokad vorschlagen, die Bestellmenge nach oben oder unten zu korrigieren - vorausgesetzt, der Lieferant ist dazu bereit. Lokads Supply Chain Scientists legen die Details der verfügbaren Optionen für die Bestellungen fest und automatisieren dann die Logik, die die entsprechenden “Benachrichtigungen” generiert - etwas, das Lokad lieber “Entscheidungen” nennt.

Lokad bezeichnet “Benachrichtigungen” als “Entscheidungen”, weil jede Empfehlung potenzielle Kosten und Nutzen hat, die zu greifbaren Konsequenzen für die Supply Chain führen. In dieser Hinsicht unterscheiden sich die Empfehlungen nicht grundlegend von der Empfehlung, eine Bestellung überhaupt aufzugeben. Der Hauptunterschied besteht in der unsicheren Bereitschaft (oder Kapazität) des Lieferanten, die angeforderte Korrektur für die Bestellung zu akzeptieren. Wenn der Lieferant jedoch der Anfrage nachkommt, ist diese Empfehlung genauso ein “Auftrag” wie die ursprüngliche Bestellung.

Viele Unternehmenssoftware bieten eine veraltete Perspektive auf Supply Chain-Entscheidungen, die solche Entscheidungen auf enge Lehrbuchsituationen wie den Einkauf oder die Neugewichtung von Beständen beschränken. Diese Art von Software ignoriert von ihrer Konzeption her alle nuancierten Optionen, die mit den Lieferanten auf dem Tisch liegen könnten. Zum Beispiel kann der Lieferant die Möglichkeit haben, seine Bestellung zu beschleunigen, zu verschieben, aufzublähen oder zu reduzieren und möglicherweise sogar einige Produkte gegen andere auszutauschen. Manchmal hat der Lieferant die Möglichkeit, einen Teil der Bestellung frühzeitig zu versenden, wenn das Unternehmen des Kunden bereit ist, die Kosten für mehrere Lieferungen zu tragen. Manchmal können unberührte Waren für einen bestimmten Zeitraum an den Lieferanten zurückgeschickt werden. Die programmatischen Fähigkeiten von Lokads Plattform sind eine notwendige technologische Komponente, um diese nuancierten Optionen anzugehen.

6.4 Können Sie das Beschaffungsteam benachrichtigen, wenn ein erwartetes Lieferdatum erreicht/überfällig ist?

Ja, Lokads Plattform kann problemlos Benachrichtigungen generieren und ausgeben, wenn ein erwartetes Lieferdatum überfällig ist. Unser probabilistischer Prognoseansatz ermöglicht es uns, diese Benachrichtigungen bei variablen Vorlaufzeiten zu verfeinern.

Eine probabilistische Vorhersage der Vorlaufzeit kann verwendet werden, um zu beurteilen, ob eine bestimmte Verzögerung tatsächlich anomalous ist oder nur Teil der alltäglichen unbedeutenden Variationen in der Supply Chain ist. Darüber hinaus können Benachrichtigungen priorisiert werden, um die erwartete wirtschaftliche Auswirkung der Verzögerung widerzuspiegeln. Wenn zum Beispiel die Nachfrage unerwartet gesunken ist, kann sich die zusätzliche Vorlaufzeit versehentlich als unbedeutend erweisen und erfordert daher nicht die sofortige Aufmerksamkeit des Beschaffungsteams. Grundsätzlich konkurriert jedes bewegliche Teil der Supply Chain um die Aufmerksamkeit des Beschaffungsteams. Diese Aufmerksamkeit ist eine knappe Ressource und letztendlich eine, die Lokad mit den generierten Benachrichtigungen maximieren möchte.

Grundsätzlich ist unsere Auffassung, dass das Ausstellen von “Benachrichtigungen” (wie sie allgemein verstanden werden) ein veraltetes Vorgehen ist und auf eine schlecht konzipierte Unternehmenssoftware hinweist. “Benachrichtigungen” rufen in der Regel die Aufmerksamkeit des Kunden auf ein Problem, anstatt eine handlungsorientierte Empfehlung/Entscheidung auf der Grundlage einer klaren finanziellen Bewertung der Situation zu bieten. Lokad ist der Ansicht, dass es im Wesentlichen unsere Verantwortung ist, risikobereinigte Entscheidungen für Kunden zu generieren, anstatt sie mit grundlegenden Benachrichtigungen abzulenken. Aus diesem Grund sollten unsere “Benachrichtigungen” zwar ausgegeben werden, aber als “profitable Korrekturmaßnahmen in Reaktion auf ein Problem” verstanden werden.

Siehe auch Bericht 6.3 in diesem FAQ.

7. Produktivität

7.1 Können Benutzer manuell Auffüllungsschwellen definieren und/oder Lagerparameter manuell überschreiben?

Zusammenfassung: Ja, Lokads Plattform ermöglicht es Benutzern, manuell Auffüllungsschwellen festzulegen und Lagerparameter zu überschreiben, einschließlich temporärer Anpassungen. Wir raten jedoch dringend von häufigen manuellen Überschreibungen ab. Wenn es ein Problem mit den von Lokad generierten Entscheidungen gibt, aktualisieren/verfeinern wir lieber das zugrunde liegende numerische Rezept (Algorithmus), das sie generiert. Lokad strebt philosophisch, technologisch und methodisch danach, veraltete und unzuverlässige Ansätze zu übertreffen, die auf manuellen Eingriffen beruhen, und bevorzugt zuverlässige und skalierbare Automatisierung.

Lokads Plattform ist hoch konfigurierbar, sodass der Workflow für die Lagerauffüllung problemlos manuelle Dateneingaben/Überschreibungen für die Auffüllungsschwellen oder andere ähnliche Lagerparameter (z. B. min/max, Sicherheitsbestand usw.) enthalten kann. Darüber hinaus ist es auch möglich, Varianten in Betracht zu ziehen, wie z. B. das Sortieren der manuellen Dateneingaben mit “Verfallsdatum(en)”, wenn die Supply-Chain-Praktiker erwarten, dass sich die Situation in einigen Wochen oder Monaten wieder normalisiert. Dadurch kann das reguläre numerische Rezept die Kontrolle über den Auffüllungsprozess wiedererlangen. Während eine festgelegte Schwelle kurzfristig vorteilhaft sein kann, ist sie im mittleren bis langfristigen Bereich fast immer ein Problem, da die Schwelle ihre ursprüngliche Relevanz verliert.

Im Allgemeinen empfiehlt Lokad dringend, sich nicht auf manuelle Überschreibungen zu verlassen, um banale Lagerauffüllungen zu steuern. Wenn das numerische Rezept, das die Lagerauffüllungen regelt, Probleme aufweist, muss dieses Rezept dringend behoben werden. Lokads Supply Chain Scientists sind darauf geschult, notwendige Korrekturen rechtzeitig durchzuführen. Sich stattdessen auf manuelle Überschreibungen zu verlassen, bedeutet, dass Mitarbeiter des Kunden kurzfristige Lösungen mit Klebeband anbringen. Dies ist offensichtlich ineffizient und widerspricht einer der zentralen Konsequenzen von Lokads Quantitative Supply Chain Theorie, nämlich die Umleitung von Zeit, Ressourcen und Bandbreite auf Aufgaben mit höherem Wert.

Lokads Ansatz steht im direkten Gegensatz zu vielen Anbietern von Unternehmenssoftware, die veraltete Technologien bereitstellen, die den Verbraucher dazu zwingen, regelmäßige - ineffiziente - Überschreibungen vorzunehmen. Diese Dynamik beruht auf dem stillschweigenden Verständnis, dass der Kunde dafür verantwortlich ist, den Müll zu korrigieren, den die Software produziert. Die Verantwortung wird oft vom Softwareanbieter abgewälzt, indem “Benachrichtigungen” ausgegeben werden, die die Aufmerksamkeit des Kunden auf eine suboptimale Situation lenken (ohne nützliche Korrekturmaßnahmen anzubieten). Als Ergebnis wird die Schuld für eine falsche Auffüllung oft auf den Praktiker abgewälzt, der das System manuell hätte überschreiben sollen. Lokad hält dies für eine unerhörte Praxis, genau deshalb tun wir es nicht.

7.2 Können Sie Lagerparameter basierend auf vordefinierten oder benutzerdefinierten Variablen (z. B. Lieferantenleistung, Ziel-Servicelevel(s), Nachfragevariabilität, SKU-Klasse, Haltbarkeit usw.) automatisieren?

Zusammenfassung: Ja, Lokad automatisiert Bestandsentscheidungen, einschließlich Lagerparameter, durch einen vollständig automatisierten täglichen Prozess mit minimalem manuellen Eingriff. Diese Automatisierung passt sich bei Bedarf an große Störungen an. Der Prozess nutzt probabilistische Prognosen, um Unsicherheiten wie unterschiedliche Nachfrage und Vorlaufzeiten zu berücksichtigen, sowie einen robusten finanziellen Ansatz (implementiert durch stochastische Optimierung), der die Gesamtheit der Kosten und Einschränkungen berücksichtigt. Dadurch kann Lokad den Service maximieren und finanzielle Fehler minimieren, auch bei unsicheren Bedingungen in der Lieferkette.

Lokads Standardansatz besteht darin, den gesamten Prozess, der die Berechnung von Bestandsentscheidungen wie Nachfüllmengen regelt, zu automatisieren. Für Lokad ist es normal, einen vollständig automatisierten täglichen Prozess zu haben, der keinen manuellen Eingriff erfordert. Die große Mehrheit unserer Kunden arbeitet wochenlang ohne manuellen Eingriff. Natürlich sind Lokads Supply Chain Scientists bereit, bei außergewöhnlich großen Störungen (z. B. systemischen Schocks wie Lockdowns) einzuschreiten und die numerischen Rezepte anzupassen, um die Störung zu mildern. Wir sind jedoch der Meinung, dass alltägliche, routinemäßige Entscheidungen vollständig automatisiert werden müssen, um Zeit und geistige Anstrengung auf höherwertige Aufgaben (wie Geschäftsstrategie) umzulenken.

Die Automatisierung der Aktualisierung aller Lagerparameter erfolgt auf zwei Ebenen: dem Vorhersagemodell und der stochastischen Optimierung.

Lokad verwendet probabilistische Prognosen für alle relevanten Unsicherheitsquellen wie Vorlaufzeiten, Rücksendungen usw. Zum Beispiel ist im oben genannten Lockdown-Szenario der Fall der Lieferantenleistung implizit ein Problem der Vorlaufzeitvariabilität, das durch probabilistische Vorlaufzeitprognosen angegangen werden muss. Lokads Plattform ist nicht nur in der Lage, all diese probabilistischen Prognosen zu erstellen, sondern auch die Prognosen zu einer einheitlichen probabilistischen Sicht auf die Zukunft des Unternehmens zu kombinieren. Innerhalb von Lokads Plattform würden wir normalerweise differentiable Programmierung und unsere Algebra der Zufallsvariablen für diesen Zweck nutzen.

Bei der Optimierung selbst müssen alle relevanten Kosten und Einschränkungen berücksichtigt werden. Zum Beispiel würde sich im gleichen Lockdown-Szenario die Haltbarkeit implizit auf eine bestimmte Art von nichtlinearen Lagerkosten beziehen. Einer der Gründe, warum Lokad einen finanziellen Ansatz für die Bestandsoptimierung fördert, besteht darin, dass er das Zusammenführen vieler scheinbar unterschiedlicher Anliegen in eine einheitliche numerische Perspektive erleichtert. Diese numerische Perspektive hilft Lokad, die Dollars (oder Euros) an Bestandsfehlern zu minimieren und gleichzeitig die Dollars an Rückgaben zu maximieren, die durch eine ordnungsgemäße Betreuung der Kunden erzielt werden. Mit Lokads Plattform würden wir normalerweise unsere allgemeinen Fähigkeiten zur stochastischen Optimierung für diesen Zweck nutzen. Der “stochastische” Teil bezieht sich auf Lokads Fähigkeit, eine Optimierung unter rauschhaften/unsicheren/zufälligen Bedingungen durchzuführen.

7.3 Automatisieren Sie die Erstellung von Bestellungen (PO - Purchase Order)?

Zusammenfassung: Ja, Lokad automatisiert die Erstellung von Bestellungen (PO - Purchase Order) und stützt sich dabei auf eine automatisierte Datenpipeline für die Eingabe von (und Ausgabe an) Geschäftssysteme, um aktuelle und synchronisierte Bestellungen zu gewährleisten. Es fungiert als analytische Ebene über den Transaktionssystemen, berechnet optimierte Mengen, führt jedoch keine Transaktionsschritte wie die Erstellung von PDFs aus. Lokad bietet auch eine halbautomatisierte Option mit teilweisen Validierungsworkflows, die eine manuelle Überwachung für kritische Bestellungen ermöglicht, während routinemäßige Bestellungen automatisiert werden.

Lokad automatisiert die Erstellung von optimierten Bestellungen (PO - Purchase Orders). Diese Automatisierung erfordert eine automatisierte Datenextraktionspipeline zwischen dem Kunden und der Lokad-Plattform. Diese Datenpipeline sollte idealerweise tägliche Aktualisierungen übertragen, um sicherzustellen, dass Lokad mit aktuellen Daten arbeitet. Dadurch bleiben die generierten Bestellungen mit dem Zustand des Unternehmens synchronisiert. Diese Automatisierung erfordert auch eine automatisierte Datenexportpipeline von Lokad zu den ursprünglichen Geschäftssystemen, wo die alltäglichen, rein transaktionalen Schritte des Bestellprozesses abgeschlossen werden können.

Lokad ist kein Ersatz für ein transaktionales Geschäftssystem wie ein ERP. Lokad ist eine analytische Ebene, die über dem transaktionalen Geschäftssystem arbeitet. Lokad berechnet die optimierten Mengen (d.h. wie viel bestellt werden soll und wann) für jede Bestellung. Lokad generiert jedoch keine PDF-Bestelldatei, die per E-Mail an den Lieferanten gesendet wird (zum Beispiel). Diese Schritte gehören zum Bereich der transaktionalen Geschäftssysteme. Aus diesem Grund generiert Lokad flache tabellarische Dateien, die alle erforderlichen Informationen enthalten. Diese Daten werden anschließend an das Geschäftssystem des Kunden exportiert, um ausgeführt zu werden.

Es ist möglich, einen halbautomatisierten Prozess mit einem teilweisen Validierungsworkflow innerhalb der Lokad-Plattform einzurichten. Zum Beispiel könnte das Kundenunternehmen entscheiden, dass “triviale” Bestellungen automatisch validiert werden (in der Regel die kleinen), während ein Supply Chain-Experte gebeten wird, die von Lokad vorgeschlagenen Bestellmengen über einem bestimmten Schwellenwert/Parameter manuell zu validieren. Diese Regeln können auch im Laufe der Zeit aktualisiert werden. Im Laufe des Projekts und wenn die Kunden den generierten Mehrwert sehen, neigt der Schwellenwert für die manuelle Validierung dazu, erhöht zu werden. Letztendlich entlastet dies das Supply Chain-Team des Kunden.

7.4 Haben Sie ein Fenster für Planer/Einkäufer, das die Aufgaben für den Tag nach Priorität organisiert anzeigt?

Zusammenfassung: Ja, Lokads Plattform bietet ein spezielles vereinheitlichtes Dashboard, das speziell für hochrangige Unternehmensfunktionen entwickelt wurde. Dieses einzelne Fenster organisiert und zeigt Aufgaben an, einschließlich Handlungsaufforderungen wie PO-Verwaltung und Inspektion von Datenanomalien, und priorisiert sie in Bezug auf den monetären Einfluss.

Bei der Verwendung von Lokads Plattform empfehlen wir für jede Unternehmensfunktion, alle Handlungsaufforderungen nach Priorität in einem einzigen Web-Dashboard (d.h. einem einzelnen Fenster) zu sammeln. Die Priorität sollte in monetären Begriffen (Dollar oder Euro des Einflusses) ausgedrückt werden, die tatsächlich widerspiegeln, was auf dem Spiel steht, wenn die Handlungsaufforderung nicht bearbeitet wird. Für einen Nachfrage- und Angebotsplaner würde dieses Dashboard in der Regel die empfohlenen neuen POs (Bestellungen) sowie alle alten POs enthalten, die weitere Aufmerksamkeit erfordern (z.B. beschleunigen, verschieben, erhöhen, reduzieren). Lokads Supply Chain Scientists sind in der Regel dafür verantwortlich, die Dashboards so anzuordnen, dass sie mit der einzigartigen Unternehmensstruktur jedes Kunden übereinstimmen. Dies ist bei einem solchen Dashboard entscheidend, da sich die Grenzen zwischen Beschaffung/Planung/Bestandsmanagement/Einkauf/Finanzteams von einem Unternehmen zum anderen unterscheiden.

Diese Handlungsaufforderungen können auch die Überprüfung von Datenanomalien umfassen, die für den Kunden bedeutsam sind, wie z.B. falsche Einzelhandelspreise, falsche MOQs (Mindestbestellmengen), falsche Lagerbestände usw. Diese Handlungsaufforderungen werden auch in Bezug auf ihren potenziellen wirtschaftlichen Einfluss priorisiert. Allgemein vermeidet Lokad zwei häufige Fehler in Unternehmenssoftware. Erstens verteilen wir die Arbeitslast eines bestimmten Benutzers nicht auf verschiedene Bildschirme (oder Fenster/Webseiten).

Im Gegenteil, Lokads Plattform wurde speziell entwickelt, um komplexe Dashboards in konstanter Zeit bereitzustellen. Dieses technische Detail ist entscheidend, wenn es darum geht, zahlreiche disparate Elemente in einem einzigen Dashboard zum Nutzen des Endbenutzers zu sammeln. Zweitens wurde Lokads Plattform auch speziell entwickelt, um eine umfassende wirtschaftliche Analyse zu unterstützen und alle Handlungsaufforderungen unter einer gemeinsamen Priorisierungslogik auszurichten, die in monetären Begriffen ausgedrückt wird.

Anmerkungen


  1. Nackte Prognosen (Lieferketten-Antimuster) ↩︎

  2. Nr. 1 auf SKU-Ebene im M5-Prognosewettbewerb ↩︎

  3. Supply Chain-Vorlesungen von Joannes Vermorel ↩︎

  4. Dies bezieht sich vereinfacht gesagt auf den ausgeklügelten Algorithmus, der zur Generierung der Supply-Chain-Entscheidungen des Kunden verwendet wird. Er ist darauf ausgerichtet, die spezifischen Ziele der Supply Chain des Kunden widerzuspiegeln und gleichzeitig alle Einschränkungen und Treiber in ihrer Gesamtheit zu berücksichtigen. ↩︎

  5. Die von Lokad empfohlenen Entscheidungen werden in der Regel durch ihre wirtschaftlichen Treiber “whiteboxed”. Die Zerlegung der Faktoren (ausgedrückt in Euro oder Dollar des Einflusses) erklärt “warum” eine bestimmte Entscheidung empfohlen wird. Diese Informationen werden über mehrere anpassbare Dashboards vermittelt. Weitere Informationen dazu, wie Kunden mit ihren Supply-Chain-Entscheidungen interagieren, finden Sie unter Lokads Technologie↩︎