Glättung der Lagerbetriebe

00:00:07 Lagerverwaltung und das Konzept der Glättung.
00:01:20 Herausforderungen in der Lagerverwaltung, einschließlich der Personalkosten und der Auslastung von Geräten.
00:03:53 Tägliche Glättung der Lagerbetriebe durch netzwerkweite Optimierung erreichen.
00:05:22 Skaleneffekte und die Auswirkungen des Abweichens vom optimalen Lagerregime.
00:07:00 Die Grenzen der klassischen supply chain Planung und das Potenzial zur Optimierung der Lagerbetriebe.
00:08:00 Traditionelle SKU-Zeitreihenanalyse und ihre Einschränkungen.
00:11:00 Synchronisations- und Oszillationsprobleme in supply chains.
00:13:35 Das Paradigma neu überdenken, um das Problem zu lösen.
00:14:25 Die Perspektive der Quantitative Supply Chain.
00:15:22 Entscheidungsfindung unter Verwendung der profitabelsten Einheit im gesamten Netzwerk.
00:17:42 Vergleich zwischen der SKU-Zeitreihenperspektive und der priorisierten Liste von Aktionen.
00:19:14 Die Liste kürzen, um einen optimalen Lagerfluss zu erreichen.
00:20:25 Der wirtschaftliche Wert und das abnehmende Ertragspotenzial der priorisierten Einheiten.
00:23:58 Die Bedeutung der Glättung in supply chains und ihre Herausforderungen.
00:25:26 Das Problem neu formulieren und die Perspektive wechseln, um bessere Lösungen zu finden.
00:26:24 Schwierigkeiten, eine perfekte Zeitreihenprognose zu finden.
00:27:33 Fazit und Überlegungen zu klassischen Ansätzen.

Zusammenfassung

Im Interview diskutieren Kieran Chandler und Joannes Vermorel die Herausforderungen bei der Verwaltung moderner Lagerhäuser. Vermorel betont die Bedeutung der Glättung der täglichen Abläufe im Lager, was bedeutet, dass von Tag zu Tag stets die gleiche Anzahl an Arbeitskräften zur Verfügung steht. Er spricht auch die Schwierigkeiten der Synchronisation in supply chain Netzwerken an und die Notwendigkeit, Entscheidungen basierend auf wirtschaftlichen Erträgen zu priorisieren. Vermorel argumentiert, dass klassische Ansätze der supply chain optimization fehlerhaft sind und dass eine veränderte Perspektive auf das Problem notwendig ist, um effektive Lösungen zu finden. Das Interview endet damit, dass Chandler Vermorel für seine Zeit dankt.

Erweiterte Zusammenfassung

In diesem Interview erörtert Kieran Chandler gemeinsam mit Joannes Vermorel, dem Gründer von Lokad, einem Softwareunternehmen, das sich auf supply chain optimization spezialisiert hat, die Herausforderungen bei der Verwaltung moderner Lagerhäuser. Trotz der Zunahme an Automatisierung verlassen sich Lagerhäuser immer noch stark auf Arbeitskräfte, insbesondere während der Hochsaison. Vermorel erklärt, dass moderne Lagerhäuser für optimale Betriebsregime konzipiert sind, ähnlich wie der Motor eines Autos. Das Problem besteht darin, dass die Marktnachfrage möglicherweise nicht mit dem Höchstproduktivitätszustand des Lagers übereinstimmt und das Abweichen vom optimalen Regime dazu führen kann, dass Geräte gesättigt werden oder nicht ihr volles Potenzial ausschöpfen. Die meisten Lagerhäuser sind in unterschiedlichem Maße automatisiert, aber die Personalbesetzung bleibt eine große Herausforderung. In Spitzenzeiten werden Auftragnehmer benötigt, die jedoch weniger geschult sind und eine geringere Produktivität aufweisen, während reguläre Mitarbeiter trotzdem bezahlt werden müssen, unabhängig von der Arbeitsbelastung. Vermorel betont die Wichtigkeit der Glättung der täglichen Abläufe im Lager, was bedeutet, dass von Tag zu Tag stets die gleiche Anzahl an Arbeitskräften zur Verfügung steht. Er unterscheidet dies von der Straffung, also der Investition in neue Ausrüstungen zur Verbesserung der Gesamteffizienz. Vermorel schlägt vor, dass ein kontinuierlicher Betriebsablauf mit gleichbleibender Arbeitsbelastung ideal wäre, um zu vermeiden, auf Quellvariationen reagieren zu müssen.

Vermorel erklärte, dass die Erreichung optimaler Lagerbetriebe auf täglicher Basis erfordert, über das Lager hinauszublicken und die gesamte supply chain zu optimieren. Dies kann durch netzwerkweite Optimierung erreicht werden. Chandler fragte Vermorel daraufhin nach den Herausforderungen einer Personalaufstockung und den damit verbundenen Kosten. Vermorel erläuterte, dass die Kosten für zusätzliches Personal nicht linear steigen, da Flexibilität ihren Preis hat. Lagerhäuser können Skaleneffekte erzielen, indem sie relativ unflexibel bleiben. Klassische Ansätze der supply chain optimization stützen sich auf die Prognose der Arbeitsbelastung der Lagerhäuser und passen die Personalstärke entsprechend an. Vermorel argumentierte, dass dieser Ansatz fehlerhaft sei, weil er keinerlei Kontrolle über die Lagerbetriebe bietet. Er ist der Ansicht, dass der klassische Ansatz Schieflagen und Zeitreihen betont, welche lediglich Mobilisierungsperspektiven auf das Lager sind. Vermorel betonte die Wichtigkeit, über das Lager hinauszublicken und die gesamte supply chain zu optimieren, um eine tägliche betriebliche Optimierung zu erreichen.

Vermorel erörterte die Herausforderungen, die bei der Synchronisation in supply chain Netzwerken auftreten. Er erklärte, dass Synchronisation Oszillationen in der supply chain verursachen kann, was zu ineffizienten Flussmustern führt. Als Beispiel nannte er ein Produkt, das bei einem Lieferanten einen Fehlbestand erleidet, sodass alle Filialen allmählich leer laufen. Sobald der Lieferant wieder vorrätig ist, strömt eine Produktwelle durch die supply chain, um alle Filialen gleichzeitig aufzufüllen. Dies führt zu nachklingenden Oszillationen, was problematisch für das supply chain Management ist. Vermorel schlug vor, das Paradigma, das das Problem ursprünglich geschaffen hat, abzulehnen und das Problem aus einem anderen Blickwinkel zu betrachten, um eine Lösung zu finden. Er betonte die Wichtigkeit, Promotionen zu glätten und Lagerhäuser im Voraus zu warnen, damit diese einen ausreichenden Bestand bereithalten.

Vermorel erläuterte den Ansatz seines Unternehmens zur supply chain optimization, der darauf abzielt, mithilfe einer quantitativen Perspektive mögliche Zukünfte und Entscheidungen basierend auf wirtschaftlichen Erträgen zu priorisieren. Dieser Ansatz verwendet nicht SKUs oder Zeitreihen, sondern einzelne Produkteinheiten, von denen jede über einzigartige wirtschaftliche Erträge verfügt. Ziel ist es, die profitabelste Einheit zu finden und anschließend zu untersuchen, welche Einheit die zweitprofitabelste wäre, und so weiter abwärts in der Liste. Vermorel erklärte, dass, obwohl die Anzahl potenzieller Entscheidungen unendlich erscheinen mag, sie in Wirklichkeit endlich ist und durch die Anzahl der Einheiten im Lager begrenzt wird. Vermorel behauptete, dass durch die Priorisierung der Liste hin zum optimalen Regime des Lagers die Lösung für die supply chain optimization kostenlos erzielt werden kann. Dieser Ansatz wurde dem traditionellen SKU-Plus-Zeitreihen-Ansatz gegenübergestellt, der dem Lagerverwalter nicht dieselben Möglichkeiten bot. Vermorel argumentierte, dass der Optimierungsprozess mit moderner Rechenleistung machbar sei, wenn auch nicht unbedingt einfach.

Vermorel erklärt, dass viele Lagerhäuser eine priorisierte Liste von Aktionen haben, aber es ihnen an Granularität in der Entscheidungsfindung mangelt. Das klassische supply chain Muster stellt lediglich Lagerauffüllung Aufträge bereit, sodass es dem Lager überlassen bleibt, zu entscheiden, welcher Auftrag priorisiert werden soll. Im Gegensatz dazu ermöglicht lokads priorisierte Liste, dass jede Einheit einen wirtschaftlichen Anreiz erhält, was den Lagern hilft, bessere Entscheidungen zu treffen. Vermorel erklärt, dass die zuerst zu beschleunigenden Einheiten die kritischsten sind, da sie hochwahrscheinliche Fehlbestände verhindern. Sobald das Lager jedoch weitere Einheiten in der Liste abarbeitet, nehmen die wirtschaftlichen Anreize rapide ab. Vermorel weist darauf hin, dass in einem regulären supply chain Netzwerk die ersten 10.000 Einheiten, die vom Lager gesendet werden, einen wirtschaftlichen Anreiz besitzen können, der 100-mal größer ist als der der letzten 10.000 Einheiten. Vermorel schlägt vor, dass durch eine ganzheitliche Analyse des supply chain Netzwerks die Lager die erforderliche tägliche Arbeitskraft bestimmen und ihre Aktionen effektiver priorisieren können.

Vermorel argumentierte, dass das Ausbalancieren des Netzwerkgleichgewichts für einen supply chain Direktor entscheidend sei. Die Glättung, also das Entfernen von Unregelmäßigkeiten in den Daten, um einen klareren Trend zu erkennen, ist unerlässlich, um einen reibungslosen Ablauf der supply chains zu gewährleisten. Vermorel betonte, dass die Glättung seit Jahrzehnten im Hintergrund vorhanden war, jedoch aus klassischer Perspektive keine Lösung bereitstand. Er schlug vor, das Problem neu zu formulieren und eine Quantitative Supply Chain Manifesto-Perspektive einzunehmen, um Entscheidungen gemäß den wirtschaftlichen Erträgen zu priorisieren, was zu einer kostenfreien Lösung führt. Vermorel schloss damit, dass eine Veränderung des Puffers zu einer Lösung führen könne, die relativ einfach umzusetzen sei. Vermorel erklärt, dass es zwar einfach sei, supply chain Probleme zu identifizieren, doch die Art und Weise, ein Problem anzugehen, zu verändern, ist schwierig, da dies erfordert, das gesamte supply chain Netzwerk aus einer anderen Perspektive neu zu denken. Es dauerte ihm und seinem Team mehrere Jahre, bis sie eine Lösung für das Problem fanden. Zunächst glaubten sie, dass eine bessere Zeitreihenprognose alles sei, was benötigt würde, um das Problem zu lösen, aber bald erkannten sie, dass eine perfekte Prognose nicht existiert. Das Ändern der Perspektive auf das Problem macht eine perfekte Prognose überflüssig. Vermorel schlägt vor, dass viele Menschen den Kopf in den Sand stecken und so tun, als würden diese Probleme nicht existieren, indem sie klassische Ansätze verwenden. Das Interview endet damit, dass Chandler Vermorel für seine Zeit dankt und sich verabschiedet.

Vollständiges Transkript

Kieran Chandler: Heute werden wir besprechen, wie Lagerhäuser Entscheidungen priorisieren können, und insbesondere das Konzept der Glättung. Also, Joannes, was macht die Eigenschaften moderner Lagerhäuser so schwer zu managen?

Joannes Vermorel: Ein modernes Lagerhaus ist im Grunde für ein optimales Regime konzipiert, ähnlich wie der Motor deines Autos. Man erzielt Skaleneffekte, weil man seine regulären Mitarbeiter hat, und wenn man über die Spitzenproduktivität hinaus arbeiten muss, benötigt man Auftragnehmer. Diese muss man in der Regel stundenweise teurer bezahlen, und sie sind meist weniger geschult, was zu geringerer Produktivität führt. Auf der anderen Seite, wenn man weniger Personal hat, beschäftigt man Vollzeitmitarbeiter, die man sowieso bezahlt. Selbst wenn man sich also für ein langsameres Regime entscheidet, zahlt man am Ende des Monats oder Quartals dennoch für all diese Stunden.

Und das ist nur der Blick auf den Personaleinsatz. In Wirklichkeit sind die meisten Lagerhäuser heutzutage in unterschiedlichem Maße automatisiert, mit Förderbändern, Roboter-Pickern und vielen anderen Dingen. Diese Investitionen sind in der Regel auf einen bestimmten Warenfluss abgestimmt. Weicht man davon ab, überlastet man entweder die Ausrüstung oder nutzt sie nicht in vollem Umfang. Bottom line ist, dass man entweder ein optimales Regime hat oder sein Lager so konfiguriert, dass es vielleicht zwei optimale Regime gibt – eines für die Nebensaison und eines für die Hochsaison. Aber man kann nichts haben, das in jedem Regime optimal arbeitet. Man muss bestimmte Bedingungen wählen, und das Problem ist, dass die Marktnachfrage möglicherweise nicht mit dem höchsten Produktivitätsniveau des Lagers übereinstimmt. Kieran Chandler: In Ordnung, und als wir heute zum ersten Mal über das Thema der Glättung von Lagerbetrieben sprachen, warst du sehr genau in der Wortwahl “Glättung”. Warum ist dieses Wort so wichtig im Vergleich zu etwas vielleicht wie “Straffung”? Joannes Vermorel: Ich beziehe mich auf die Idee, dass die täglichen Abläufe im Lager reibungslos verlaufen können, was bedeutet, dass die benötigte Anzahl an Arbeitskräften von Tag zu Tag nahezu gleich ist. Ich spreche nicht von einer Straffung, was bedeuten würde, in ein neues Förderband zu investieren, um die Gesamteffizienz deines Lagers zu steigern. Sobald diese Investition getätigt ist, kehrst du zur Ausgangssituation zurück, nämlich dass du die täglichen Abläufe von Tag zu Tag glätten möchtest. Variationen erfordern mehr oder weniger Personal, was sehr schwer zu bewältigen ist. Da es in der Regel schwierig ist, sich anzupassen, wäre der beste Weg, diese Variationen gar nicht erst berücksichtigen zu müssen. So kann man tatsächlich einen konstanten Betriebsablauf mit einer gleichbleibenden Arbeitsbelastung jeden Tag haben. Kieran Chandler: An einem einzigen Tag stellt sich die Frage, wie das erreicht werden kann? Wie erzielt man eine tägliche Betriebsoptimierung? Joannes Vermorel: Wenn man sich nur auf das konzentriert, was innerhalb des Lagers passiert, ist es unmöglich. Aber sobald man auch die supply chain betrachtet, wird es durch netzwerkweite Optimierung möglich, den täglichen Betrieb eines jeden Lagers zu glätten. Kieran Chandler: Schauen wir uns einige der damit verbundenen Herausforderungen an. Du hast ein wenig über das Personal gesprochen, und es ist interessant, dass mit zunehmendem Personalaufbau mehr Mitarbeiter eingesetzt werden, während die Kosten nicht linear steigen. Warum ist das so? Joannes Vermorel: Die Kosten steigen nicht linear, weil Auftragnehmer teurer sind und weniger geschult werden. Wenn du dein übliches Team von 50 Personen hast und 20 zusätzliche Personen benötigst, könnten diese 20 zusätzlichen Personen so viel kosten wie deine ursprünglichen 50. Auftragnehmer verlangen stundenweise mehr für ihre Flexibilität. Somit ist Flexibilität zwar eine Option, aber eine teure Option. Indem man relativ unflexibel bleibt, kann man die Kosten senken. In einem Lager führen Abweichungen vom optimalen Regime zu Skaleneffekten und zu negativen Effekten der Größenvorteile. Kieran Chandler: Sprechen wir über den aktuellen Ansatz. Wie gut funktionieren klassische Ansätze, wenn es darum geht, in diesem idealen Regime zu arbeiten?

Joannes Vermorel: Es ist sehr interessant. Aus der Perspektive des klassischen supply chain existiert dieses Problem gar nicht. Wenn man sich die Theorien anschaut, ist es verwirrend. Ich spreche von dem Glauben, dass es etwas gibt, das man SKU und eine Zeitreihe nennt. Ich bin der Meinung, dass weder SKUs noch Zeitreihen wirklich real sind; sie sind lediglich eine Mobilisierungsansicht auf Ihr Lager. Die klassische supply chain Planung betont SKUs und Zeitreihen. Es stellt sich heraus, dass, wenn man diese Perspektive einnimmt, die Arbeitsbelastung Ihres Lagers etwas ist, über das Sie keinerlei Kontrolle haben. Am Ende versucht man, die Arbeitsbelastung der Lager vorherzusagen, um das Personal anzupassen. Ich würde behaupten, dass dies ein völlig falscher Blickwinkel auf das Problem ist. Es ist interessant, denn aus der klassischen Perspektive ist die Idee, Lagerprozesse zu optimieren und zu glätten, gar nicht als Option verfügbar, da in der Planung nichts enthalten ist, das Ihnen irgendeinen Grad an Kontrolle verschafft.

Kieran Chandler: Es ist sehr interessant, denn alle Lagerverwalter, die ich getroffen habe, erkennen, dass sie enorme Skaleneffekte erzielen, wenn das Lager vom Regime abweicht. Es ist also offensichtlich von größtem Interesse, die Abläufe zu glätten. Ich meine, es ist eine selbsterklärende Maßnahme. Aber wenn die Leute einen Schritt zurücktreten und sich fragen, wie sie das erreichen sollen, wird ihnen klar, dass sie keinerlei Stellschrauben haben. In der Organisation, in der Software usw. gibt es nichts, das ihnen Kontrolle verschafft. Und das Problem ist, dass es im Kern auf eine Art und Weise gar nicht möglich ist, Kontrolle auszuüben.

Joannes Vermorel: Okay, aber dieser Lagerverwalter reagiert doch im Grunde nur auf die Nachfrage, die stromaufwärts entsteht. Und wie viel Kontrolle können sie wirklich haben, wenn sie nur auf das reagieren, was letztlich die Kunden kaufen?

Kieran Chandler: Aber tun sie das?

Joannes Vermorel: Und normalerweise sieht man, dass die Leute sofort daraus schließen, oh ja, ich meine, wir haben eine Diamant-Nachfrage, welches System auch immer, äh, ja, es ist sehr rational. Es wird von den Verkäufen, der Historie und so weiter getrieben. Aber ist das wirklich so? Sehen Sie, weil wir noch einmal zum Padding zurückkommen: Das Padding besteht aus SKUs und Zeitreihen. Wo ist das Netzwerk? Das Netzwerk existiert in Ihrem Padding nicht. Und ich würde behaupten, dass normalerweise die Netzwerke – das supply chain Netzwerk – in keiner der Softwarekomponenten existieren, die die supply chain tatsächlich steuern. Und das mag verwirrend klingen, weil manche sagen, aber wir haben alle Transaktionen, wir haben alle Lagerbewegungen. Also, das Netzwerk existiert ja gewiss. Ich behaupte jedoch, dass es das nicht tut. Und tatsächlich, wenn man sich anschaut, wie der überwältigende Großteil der supply chain software implementiert ist.

Kieran Chandler: Was bedeutet das?

Joannes Vermorel: Dass man eine SKU hat. Das bedeutet im Grunde, dass für die Filialen Nachschub erfolgt. Aber Nachschubbestellungen werden nach einer Art – ich würde sagen – glorifizierter min-max-Richtlinie durchgeführt. Also, min-max: Eine min-max-Richtlinie bedeutet schlicht, dass es eine Auslösebedingung gibt, die Ihrem durchschnittlichen Lagerbestand entspricht. Im Grunde genommen lösen Sie den Nachschub aus, sobald Sie einen bestimmten Lagerbestand erreichen. Das heißt, bei einer min-max-Regel haben Sie erst einmal eine Bedingung, die erfüllt werden muss, und sobald diese Bedingung erreicht ist, wird eine bestimmte Menge an Nachschub angestoßen. Diese Menge kann auch nur eins sein, wissen Sie, im kanban-Stil. Äh, Sie verkaufen eins, Sie füllen eins wieder auf, aber manchmal – weil es Mengenmultiplikatoren gibt, weil Sie Packungen haben oder beispielsweise die economic order quantity anwenden und wegen vieler anderer Einschränkungen – streben Sie eine etwas größere Menge an. Und so endet es aus lagerseitiger Sicht damit, dass Sie jeden einzelnen Tag mit Unmengen von abwärts SKUs konfrontiert werden, die ihre Auslösebedingung erreichen. Dadurch entstehen all jene Signale, die sagen: “Sendet mir mehr Material”, und letztlich erhalten Sie eine Liste von Aufgaben, die täglich vom Lager selbst erledigt werden müssen. Aber betrachtet man das, hat das Lager keinerlei Kontrolle über diese Zahlen.

Kieran Chandler: Also, was Sie sagen, ist, dass man mit diesem SKU-Zeitreihen-Ansatz die Dinge sehr isoliert betrachtet und dabei den Rest des Netzwerks und dessen Wechselwirkungen unberücksichtigt lässt. Wie würden Sie also diese Aktivitäten glätten und solche Spitzen reduzieren?

Joannes Vermorel: Bevor wir dazu übergehen, müssen Sie zunächst genauer analysieren, was mit den Skews passiert, denn andernfalls ist es sehr schwer, eine sinnvolle Lösung zu finden. Das erste, was passiert, wenn man Skews plus Zeitreihenanalyse anwendet, ist, dass man eine Menge Synchronisation innerhalb Ihres supply chain Netzwerks vorfindet. Man würde denken: “Oh, das ist sehr schön – ich habe synchronisierte Ereignisse in meiner supply chain”, aber nein, das ist es absolut nicht. Was die Glättung der Abläufe angeht, ist dies praktisch Ihr Worst-Case-Szenario.

Kieran Chandler: Was wäre ein Beispiel für eines dieser synchronisierten Ereignisse?

Joannes Vermorel: Nehmen wir an, Sie haben ein Lager, das Filialen beliefert, und es kommt zu einem Lagerengpass bei Ihrem Zulieferer. Das heißt, einer Ihrer Zulieferer erlebt einen Engpass, und Sie können den Filialen ein bestimmtes Produkt nicht zur Verfügung stellen. Die Filialen gehen allmählich ausverkauft. Offensichtlich ist dies etwas zufällig; einige Filialen hatten mehr oder weniger Bestand, als der Zulieferer ausfiel. Aber nehmen wir an, nach ein paar Tagen oder Wochen können wir vernünftigerweise davon ausgehen, dass alle Filialen keinen Bestand mehr haben und auch das Lager für dieses Produkt leer ist.

Dann ist der Zulieferer wieder auf Lager. Was passiert, ist, dass in dem Moment, in dem Ihr Zulieferer wieder auf Lager ist, eine große Welle von Produkten durch Ihre supply chain fließt, um praktisch alle Filialen auf einmal wieder zu beliefern. Und da Ihre Filialen wahrscheinlich ähnlich gestaltet sind und viele Gemeinsamkeiten aufweisen, bedeutet das, dass anfangs die Lagerbestände zufällig über die Filialen verteilt waren. Aber der Engpass hat gerade das Nachschubmuster für das betreffende Produkt in Ihrem Netzwerk synchronisiert.

Also sehen Sie, alle Filialen gingen gleichzeitig ausverkauft und füllen auch gleichzeitig wieder auf. Und wenn Sie sich die Zeitreihe des Materialflusses für das Produkt anschauen, werden Sie einen Absturz auf null, einen großen Ausschlag und dann sehr wahrscheinlich starke Restoszillationen feststellen – quasi Echos des Engpasses. Und tatsächlich gibt es viele Faktoren, die solche Oszillationen hervorrufen: Engpässe sind einer, Werbeaktionen ein anderer, und es können auch Kalendereffekte auftreten. Es spielt keine Rolle, ob es sich um ein Einzelhandelsnetz oder um eine mehrstufige Fertigungs-supply chain handelt; das Phänomen bleibt dasselbe. Im Grunde genommen gibt es also viele Faktoren, die Synchronisation und Oszillation in Ihrer supply chain erzeugen.

Kieran Chandler: Okay, aber Dinge wie Werbeaktionen werden immer existieren. Wie können Sie diese also glätten? Ist es eher so, dass die Lager vorab gewarnt werden und Bestand bereitsteht, wenn diese Werbeaktionen einsetzen?

Joannes Vermorel: Die Sache ist die, dass Sie, wenn Sie das Problem lösen wollen, zunächst das Paradigma ablehnen müssen, das dieses Problem überhaupt erst geschaffen hat. Das ist wohl die faszinierendste Perspektive. Es gibt schlicht Probleme, bei denen der einzige Weg, sie anzugehen, darin besteht, das Problem aus einem anderen Blickwinkel zu betrachten. Und manchmal geschieht dann etwas außerordentlich Rätselhaftes, wenn man beginnt, das Problem aus einer anderen Perspektive zu sehen.

Kieran Chandler: Wenn wir das Problem also aus einem anderen Blickwinkel angehen, könnten wir eine Lösung finden, die buchstäblich kostenlos ist. Es ist sehr rätselhaft, aber es kommt gelegentlich vor. Lassen Sie uns zuerst versuchen zu sehen, wie wir das Problem aus einer anderen Perspektive betrachten können und dann untersuchen, ob wir zufällig die Lösung kostenlos erhalten.

Joannes Vermorel: Der andere Blickwinkel basiert im Grunde auf dem, was Lokad bereits vor Jahren in seinem Manifest zur die Quantitative Supply Chain skizziert hat. Es dreht sich dabei um mögliche Zukünfte oder Entscheidungen, die alle nach wirtschaftlichen Erträgen priorisiert werden. Wenn wir das Problem also aus dieser Perspektive der die Quantitative Supply Chain betrachten, haben wir weder SKUs noch Zeitreihen. Stattdessen verfügen wir über Produkteinheiten, von denen jede einzigartig ist – wie eine Schneeflocke. Wir versuchen nicht, all diese Einheiten in SKUs zusammenzufassen. Die Frage, die wir uns stellen, lautet: Angesichts all der möglichen Zukünfte, in denen der Markt nach unterschiedlichen Dingen verlangen wird, welche Einheit sollte das Lager auswählen, um sie an einen bestimmten Ort stromabwärts zu versenden? Wir können das nicht wissen, weil eine irreduzible Unsicherheit besteht. Wir betrachten die Einheit, die den höchsten wirtschaftlichen Ertrag maximiert. Es wird also eine Einheit geben, die im gesamten Netzwerk am profitabelsten ist. Wenn wir nur eine Einheit stromabwärts versenden dürften, wäre das diese. Konzeptuell, sobald ich entschieden habe, dass meine Nr. 1 Einheit diese ist, kann ich untersuchen, welche meine Nr. 2 Einheit wäre – also die zweitprofitabelste. Wir können alle Standorte, alle Einheiten, alle wirtschaftlichen Erträge betrachten und herausfinden, welche die zweitprofitabelste Einheit ist. So können wir diese Entscheidungsliste Schritt für Schritt durchgehen.

Kieran Chandler: Also, Sie haben eine unendliche Liste von Entscheidungen, und sie sind alle priorisiert. Wie entscheiden Sie dann, wo die Liste enden soll?

Joannes Vermorel: Zunächst kommen Sie zum Ende, denn irgendwann wird Ihr Lager leer sein. Es gibt nur eine endliche Anzahl von Einheiten in Ihrem Lager, sodass die Anzahl der Entscheidungen konzeptionell unendlich erscheinen mag, in Wirklichkeit jedoch sehr begrenzt ist. Es ist schlicht durch die Anzahl der Einheiten in Ihrem Lager limitiert. Sie könnten denken: “Oh, aber mein Lager hat Millionen von Einheiten.” Ja, aber heutzutage sind Computer sehr leistungsfähig, und selbst wenn Sie Millionen von Einheiten auflisten müssten, ist das unproblematisch. Ein einzelner Prozessor-Kern führt Milliarden von Operationen pro Sekunde aus. Ich behaupte nicht, dass es einfach ist, aber es ist durchaus machbar. Bezüglich des Problems können Sie diese priorisierte Liste auf das optimale Regime des Lagers kürzen. Wenn Sie das tun, erhalten Sie die Lösung quasi kostenlos. Sie haben ein Lager, in dem Sie entschieden haben, dass das, was Sie heute versenden, exakt Ihrem optimalen Regime entspricht in Bezug auf

Kieran Chandler: Also Joannes, können Sie uns etwas über die Herausforderungen erzählen, denen Lager im Hinblick auf supply chain Optimierung gegenüberstehen?

Joannes Vermorel: Ja, natürlich. Als wir das Problem aus der Perspektive von SKU plus Zeitreihe betrachteten, existierten die Handlungsoptionen nicht. Der Lagerverwalter hatte keine priorisierte Liste an Maßnahmen. Es war lediglich eine Liste von Nachschubaufträgen. Die einzige Option für das Lager bestand darin, diese Mengen einfach zu ignorieren – und eventuell auf einige Filialen zu verzichten. Also bestimmte Filialen oder Produkte nicht zu bedienen, aber es gab keinerlei detaillierte Anhaltspunkte, um konkret zu entscheiden, was zu tun sei. Es lagen nur Nachschubaufträge vor, die besagten, 50 Einheiten an diesen Standort zu versenden, und ein weiterer Auftrag, der besagte, 25 Einheiten an einen anderen Standort zu schicken. Die klassische supply chain Planung differenziert nicht danach, welcher Auftrag wichtiger ist. Es wird nicht einmal danach gefragt. Und wenn man es aus der Lokad-Perspektive betrachtet – die sich insbesondere dadurch unterscheidet, dass jede Einheit in einer priorisierten Liste ihren wirtschaftlichen Ertrag erhält – dann wird es plötzlich selbstverständlich, dass, wenn Sie den Materialfluss glätten möchten, dies einfach eine Frage des Kürzens der Liste der zu beschleunigenden Elemente auf das optimale Regime des Lagers ist.

Kieran Chandler: Das macht Sinn. Wie entscheiden sie dabei im Grunde, wie viel Arbeitskraft täglich eingesetzt wird?

Joannes Vermorel: Hier müssen wir wieder das gesamte supply chain Netzwerk betrachten. Die interessante Analyse, die wir schon oft mit unseren Kunden durchgeführt haben, zeigt, dass wenn Sie die Einheiten, die beschleunigt werden sollen, priorisieren, Sie genau wissen, woran Sie sich orientieren müssen. Schauen Sie sich die erste Einheit und dann die zweite Zusatz-Einheit an – Sie werden feststellen, dass es einen starken Effekt abnehmender Erträge gibt. Das bedeutet, dass die ersten Einheiten, die Sie versenden, typischerweise einen enormen wirtschaftlichen Wert besitzen. Warum? Weil Sie im Grunde hochwahrscheinliche Bestandsengpässe verhindern. Es zeigt sich also das gleiche Muster, ob es sich um eine multi-edge loan supply chain im FMCG-Bereich oder um ein Einzelhandelsnetz handelt. Grundsätzlich ist die erste Einheit, die Sie versenden, kritisch, denn andernfalls muss ein nachgelagerter Kunde, eine Fertigungs- oder Montagestation mit einem Engpass rechnen. Diese haben also einen sehr signifikanten Einfluss. Doch wenn Sie die Liste weiter abarbeiten, erhöhen Sie rasch Ihr Sicherheitsnetz. Jede Einheit, die Sie entlang dieser Liste versenden, bringt Ihnen tatsächlich einen Gewinn, während Ihr wirtschaftlicher Ertrag sehr schnell abnimmt. Das bedeutet – und was interessant ist – dass in einem typischen supply chain Netzwerk, auch wenn es so etwas wie ein „normales“ supply chain Netzwerk eigentlich gar nicht gibt, man üblicherweise mit einer Situation konfrontiert ist, in der etwa 100.000 Einheiten täglich durch das Netzwerk fließen. Das heißt, Ihr Lager beschleunigt im Durchschnitt irgendwie 100.000 Einheiten pro Tag. Nun, wenn Sie sich die ersten …

Kieran Chandler: Also, wir haben beobachtet, dass 10.000 Einheiten von den Lagern versendet werden. Typischerweise stellt sich heraus, dass der wirtschaftliche Ertrag der ersten 10.000 Einheiten von 100.000 buchstäblich 100-mal so hoch ist wie der der letzten 10.000 Einheiten. Es handelt sich nicht nur um allmählich abnehmende Erträge, sondern um super schnell abnehmende Erträge – wobei die obersten 10 Prozent des Versendeten 100-mal mehr wert sind als die letzten 10 Prozent. Macht es also wirklich einen Unterschied, ob Sie an einem beliebigen Tag entscheiden, 90.000 Einheiten oder 110.000 Einheiten zu beschleunigen, im Vergleich dazu, einfach 100.000 Einheiten zu beschleunigen?

Joannes Vermorel: Die Antwort ist, dass es praktisch keinen Unterschied macht, und das ist sehr verwirrend, weil Praktiker aus der klassischen Perspektive vielleicht denken, dass es ein großes Problem sei, wenn das Lager nicht die Kapazität hat. Zum Beispiel, wenn das Lager heute 100.000 Einheiten abfertigen muss und sie nur 90.000 abfertigen können, würden sie sagen, dass es ein großes Problem sei. Aber warum ist das ein großes Problem? Die Antwort ist, weil die 10.000 Einheiten, die sie nicht abfertigen können, nicht priorisiert werden. Potenziell könnten unter diesen 10.000 Einheiten Dinge sein, die absolut dringend und kritisch sind, und weil keine Priorisierung stattfindet, weiß es niemand. Gewöhnlich, einfach weil sie es aus der Not heraus zufällig machen, besteht die Wahrscheinlichkeit, dass 10 Prozent der 10.000 Einheiten, die Sie heute nicht abfertigen können, zu den 10 kritischsten Dingen gehören, die Sie versenden sollten. Aber weil Sie nicht priorisieren können, endet es in einem großen supply chain incident.

Kieran Chandler: Also, wenn Sie diese abnehmenden Renditen sehen, müssen Sie nur ungefähr das Gleichgewicht Ihres Netzwerks ausbalancieren. Wenn wir nun zum Abschluss kommen, für einen supply chain director, der dies wahrscheinlich gerade anschaut, warum ist das Glätten so wichtig? Ist es etwas, das sie leicht implementieren oder von diesem klassischen kleinen schiefen Zeitreihenansatz ändern könnten, oder ist es etwas, das tatsächlich ziemlich herausfordernd ist und eine lange Anpassungsphase erfordert?

Joannes Vermorel: Ich würde sagen, war das Glätten seit Jahrzehnten immer im Hintergrund. Ich habe es mit vielen supply chain directors besprochen, und es ist ein offensichtlicher Schritt, der von Interesse ist, aufgrund der Skalennachteile, die auftreten, sobald man von seinem optimalen Regime und den Flüssen abweicht.

Kieran Chandler: Offensichtlich hat dieses Problem aus der klassischen Perspektive keine Lösung. Ist es aus der klassischen Perspektive möglich?

Joannes Vermorel: Das ist es nicht. Es spielt keine Rolle, ob Ihre Technologie super crude wie gleitende Durchschnitte oder super fortgeschritten wie deep learning ist, denn aus Ihrer Perspektive hat dieses Problem keine Lösung. Zuerst müssen Sie das Problem irgendwie neu rahmen. Das Interessante ist, wenn man das Problem aus dieser “die Quantitative Supply Chain Manifesto” Perspektive betrachtet, mit allen möglichen Zukünften und allen möglichen Entscheidungen, die nach wirtschaftlichen Belohnungen priorisiert sind, erhält man die Lösung kostenlos. Wenn Sie bereit sind, Ihre Perspektive zu ändern, wird es zu etwas sehr Einfachem. Aber die Art und Weise, wie Sie das Problem betrachten, zu ändern, ist tatsächlich ziemlich schwierig. Sie müssen sich die exakt gleichen supply chain networks, die Sie Ihr ganzes Leben lang gesehen haben, neu vorstellen und aus einer völlig anderen Perspektive betrachten. Übrigens hat es bei Lokad mir und den Teams mehrere Jahre gedauert, bis wir einen Weg gefunden hatten, das Problem aus einem völlig anderen Blickwinkel zu betrachten, wo die Lösung möglich war. Es ist nicht offensichtlich, und es gibt nichts, was besagt, dass Ihre Perspektive auf dieses Problem falsch ist. In den Anfangsjahren von Lokad dachten wir jahrelang, wir bräuchten einfach eine bessere Zeitreihenprognose, und vielleicht würde, wenn wir eine bessere Zeitreihenprognose hätten, alles seinen Platz finden. Zum Beispiel, wenn wir die perfekte Zeitreihenprognose hätten – erinnern Sie sich an das, was ich über den Lagerverwalter gesagt habe, der eine perfekte Nachfrageprognose für sein Lager wollte? Wenn Sie in Begriffen von Zeitreihen denken, denken Sie: “Ich brauche nur eine perfekte Prognose, und das wird mein Problem lösen.” Ja, aber das Problem ist, diese perfekte Prognose existiert nicht. Interessanterweise, wenn Sie Ihre Perspektive auf das Problem ändern, entfällt auch der Bedarf an einer perfekten Prognose.

Kieran Chandler: Okay, wir müssen es hier beenden. Es klingt wirklich, als würden viele Leute bei einigen dieser klassischen Ansätze den Kopf in den Sand stecken und so tun, als gäbe es diese Probleme überhaupt nicht. Das war also alles für diese Woche. Vielen Dank fürs Einschalten, und wir sehen uns in der nächsten Folge wieder. Bis dahin, auf Wiedersehen.