Supply Chain Science und Technologie
ZURÜCK ZU LOKAD TV ›
Preisoptimierung und Supply Chain Management
Preisoptimierung wird in der Regel nicht als Teil der Supply Chain Management (SCM) Praxis betrachtet. Dennoch beeinflusst der Preis stark die Kundennachfrage. Daher sind sowohl Produktionskapazitäten als auch Lagerbestände stark von den Preisen abhängig und müssen gemeinsam optimiert werden.
Data Lakes in der Supply Chain
Data Lakes sind Datenspeichertechnologien, die für Massenlese- und Massenschreibvorgänge vorgesehen sind. Sie eignen sich besonders gut zur Bewältigung von Herausforderungen in der Supply Chain, da viele Situationen eine Überprüfung der gesamten Unternehmensgeschichte von Bestellungen und Lagerbewegungen erfordern.
POCs (Proofs Of Concept) funktionieren nicht für Supply Chains
Supply Chains sind komplexe Systeme, die aus vielen beweglichen Teilen bestehen: Güter, Menschen, Maschinen. POCs (Proofs of Concept) scheitern routinemäßig bei dem Versuch, quantitative Supply Chain Initiativen umzusetzen, da Probleme lediglich verlagert anstatt gelöst werden.
Warum Sie LokadTV abonnieren sollten
Bleiben Sie auf dem Laufenden über die neuesten Entwicklungen in der Supply Chain-Branche.
Terabyte-Skalierbarkeit für Supply Chains
Die relevante Menge an historischen Daten, die bei der Betrachtung großer Lieferketten berücksichtigt werden müssen, übersteigt häufig ein Terabyte. Daher erfordert die Bestandskontrolle zwei verschiedene Arten von Software: Transaktionssoftware (z. B. ein ERP-System) zur Verwaltung der Ressourcen und Vorhersagesoftware (z. B. Lokad) zur Optimierung der Ressourcen.
Warum Sicherheitsbestände unsicher sind
Sicherheitsbestände sind eine Methode zur Optimierung des Lagerbestands, bei der eine zusätzliche Menge an Bestand über den erwarteten Bedarf hinaus aufrechterhalten wird, um einen bestimmten Servicestandard zu gewährleisten. Diese Methode basiert auf wichtigen statistischen Annahmen über die Nachfrageprognose, insbesondere dass der Fehler normalerweise in der Verteilung zu finden ist.
Generationen des maschinellen Lernens
Maschinelles Lernen ist ein Oberbegriff, der verschiedene algorithmische Ansätze umfasst. Im Bereich der Supply Chain war die historische Art des maschinellen Lernens die Zeitreihenprognose. Diese Methode wurde jedoch durch eine Reihe überlegener Prognoseansätze abgelöst.
Warum Vorlaufzeiten fast immer unterschätzt werden
Die Vorlaufzeit ist die Gesamtzeit, die in der Regel in Tagen gemessen wird und mit dem Bestandsauffüllungszyklus verbunden ist. Die Menge an Beständen, die eine Supply Chain benötigt, um zu funktionieren, tendiert dazu, in etwa proportional zu ihren Vorlaufzeiten zu sein. Eine genaue Schätzung zukünftiger Vorlaufzeiten ist entscheidend für eine genaue Schätzung der Menge an Beständen, die benötigt werden, um zukünftige Nachfrage zu erfüllen. Es handelt sich jedoch um einen grundlegenden Faktor, der von Unternehmen oft übersehen wird, wobei eine weitaus größere Bedeutung auf die Prognose gelegt wird.
Service Level vs. Fill Rate
In der Supply Chain definiert der Service Level die Wahrscheinlichkeit, während des nächsten Bestellzyklus keinen Lagerbestand zu haben. Der Fill Rate hingegen definiert den Anteil der Kundennachfrage, der ordnungsgemäß bedient wird. Service Levels und Fill Rates sind unterschiedlich und sollten nicht verwechselt werden.
Die Min/Max-Bestandsmethode funktioniert nicht
Die Min/Max-Bestandsmethode definiert zwei Lagerbestandsniveaus: erstens einen Auffüllungsschwellenwert, der als 'min' bezeichnet wird, und zweitens ein Auffüllungsziel, das als 'max' bezeichnet wird. Trotz ihrer Beliebtheit ist diese Methode jedoch für die meisten modernen Lieferketten nicht geeignet.
Ist eine Vorhersage hoher Wachstumsraten möglich?
Wachstum und allgemeiner Trends müssen berücksichtigt werden, um genaue Nachfrageprognosen liefern zu können. Allerdings erweist sich Wachstum als statistisches Muster schwieriger und schwerer fassbar als andere bekannte Muster wie beispielsweise Saisonalität.
Wie man Saisonalität prognostiziert
Saisonalität ist eines der wichtigsten zyklischen Muster, die zur Verbesserung der Prognosegenauigkeit verwendet werden können. Die meisten Supply-Chain-Prozesse neigen dazu, in gewissem Maße saisonal zu sein. Nicht nur aufgrund der Nachfrage, sondern auch aufgrund der Vorlaufzeiten.