Minimaliseren van bederf

Voor

Een teler heeft last van veel bederf. Verse natuurlijke producten kunnen bederven. De mate van bederf tussen het moment van productie en verkoop kan 5% tot 10% bedragen. Nog vaker komt het voor dat verse producten niet aan de vereiste kwaliteit voldoen. Ze zijn dan te oud of te jong wat afwijkende kleur of stevigheid oplevert. Doordat de consument steeds kritischer wordt, is het belangrijk een foutloos product in de schappen te hebben. Kleurafwijkingen of zachte plekken zijn reden om het product te laten liggen.

De factoren die het bederf kunnen veroorzaken zijn bekend. Hoe de effecten zijn van deze factoren in samenhang met elkaar, kan men moeilijk achterhalen. Men berekent dat als men het bederf kan beperken, het bedrijfsresultaat sterk verbeterd omdat vaste kosten het grootste deel uitmaken van de kostenstructuur. Met andere woorden, minder bederf levert weinig extra kosten op maar wel direct extra omzet.

Na

De factoren die bekend zijn, worden onderzocht op basis van historische registratie van gegevens. Met behulp van statistische analyse wordt de effecten in samenhang vastgesteld. Het blijkt dat de factoren een niet-lineair en verstrengeld effect hebben op het bederf. De uitkomsten worden getoetst in een proefopstelling en blijken een goede voorspeller op te leveren van de mate van bederf van het natuurlijk product.

Nu de invloed duidelijker is, kan men beter sturen op productkwaliteit. Hierdoor kan het product in de winkel geoptimaliseerd worden met behoud of verbetering van de servicegraad. De mate van bederf is omlaag gebracht en de omzet is gestegen, terwijl de kosten slechts minimaal hoger zijn geworden.

Vergroten van omzet

Voor

Een hotelketen ziet grote wisselingen in de kamerbezetting. Er bestaat hoge vraag gedurende bepaalde perioden in het jaar, in andere perioden is de bezetting laag. Verschillende type klanten zoals zakenreizigers of toeristen komen op wisselende momenten. Zakenreizigers in het algemeen vinden de kamers relatief goedkoop, de toeristen vinden de kamerprijs aan de hoge kant.

Men varieert de kamerprijs gedurende het jaar maar dat is geen succes. Als men de prijzen verlaagt om toeristen tegemoet te komen, lijkt het wel of er meer zakenreizigers langskomen die best meer kunnen besteden. Als men de prijzen verhoogt, lijkt het alsof zakenreizigers wegblijven, en toeristen die willen reserveren afgeschrikt worden door de kamerprijs.

Na

De klantgegevens van de hotelketen worden geanalyseerd op onder andere boekingsgedrag en bestedingsruimte. De klanten worden verdeeld in een aantal segmenten. Voor deze doelgroepen worden aparte producten opgesteld die afzonderlijk worden geprijsd. Door extra services en voorwaarden te introduceren, is prijsdifferentiatie mogelijk en te verantwoorden, en is afscherming van producten voor segmenten mogelijk.

Het aantal bezoeken op dagniveau door beide groepen worden nauwkeurig voorspeld door statistische analyse van historische gegevens. Deze wordt verder aangevuld met kennis over evenementen en andere zaken die het reisgedrag beïnvloeden. Een wiskundig optimalisatiemodel berekent welke segmenten in welke perioden kamers kunnen reserveren door te bepalen hoeveel van welke producten in het reserveringssysteem beschikbaar komen.

Vroeg in het seizoen worden minder reserveringen van toeristen geaccepteerd. Later kunnen er dan meer zakenreizigers worden verwelkomt, die een hogere marge opleveren. Deze werkwijze wordt ook wel Revenue Management of Yield Management genoemd. Het is toepasbaar op vele situaties waarin diensten worden geleverd en levert vaak 5 tot 10% meer omzet op.

Verbeteren Direct Marketing

Voor

Een financieele instelling verkoopt haar producten en diensten direct aan consumenten. Daarvoor worden diverse activiteiten ontplooid, maar deze leveren te weinig resultaat op. Het bedrijf wil de succesratio van de directe marketing activiteiten daarom vergroten. Er wordt teveel tijd gestoken in contacten die niet tot een verkoop leiden.

Na

Door de grote hoeveelheid klantgegevens te analyseren (data-mining) kunnen doelgroepen beter worden geselecteerd voor acquisitie, cross-selling en rententie campagnes. Niet langer worden alle potentiele klanten voor alle producten via alle kanalen benaderd. Iedere doelgroep en campagne wordt nauwkeurig vastgesteld met statistische analyse en de optimale strategie wordt bepaald met wiskundige optimalisatie.

Voor elk contact is vooraf bepaald welk product via welk kanaal tegen welke prijs wordt aangeboden. De effectiviteit van campagnes stijgt terwijl de kosten dalen. Verder heeft het positieve gevolgen voor de klanttevredenheid omdat het aantal onnodige contactmomenten minder wordt.

Prognose van capaciteit

Voor

De beheerder van een windmolenpark heeft ieder uur een actuele, betrouwbare prognose van de productiecapaciteit nodig. Men moet weten hoeveel energie zal de windmolens in de komende 72 uur gaan produceren. Dit is nodig om de beheerder van het net en afnemers te informeren over de energie die zal worden geleverd. Afwijkingen, zowel naar beneden als naar boven, kunnen leiden tot een lagere handelsprijs en dus direct gemiste inkomsten.

Er zijn veel variabelen die invloed hebben en de relatie tussen de variabelen is complex. Niet alleen speelt de windsterkte een rol, maar ook de windrichting en het aantal actieve windmolens. Er blijken nog meer factoren mee te spelen en de invloed van de factoren op de uiteindelijke productie lijkt telkens weer anders. Het is daarom niet goed mogelijk een directe vertaling te maken naar de prognose van de productie.

Na

De invloed van alle factoren op de energieproductie worden onderzocht. Het blijkt dat de effecten verstrengeld zijn en elkaar beïnvloeden. Bij een bepaalde windrichting heeft bijvoorbeeld het aantal actieve windmolens sterke invloed, bij een andere richting veel minder. De energieproductie varieert per windmolen, afhankelijk van de situatie.

Met behulp van een neuraal netwerk is het mogelijk om een betrouwbare prognose per unit te genereren. Het model zoekt zelf naar relaties tussen de factoren en de uiteindelijke energieproductie, binnen de speelruimte die het gegeven wordt. Het neurale netwerk wordt dagelijks getraind met nieuwe meetgegevens zodat de betrouwbaarheid van de prognose steeds beter wordt. Het bedrijf heeft direct meer omzet doordat men betrouwbaarder levert.

Minimaliseren van inkooprisico

Voor

Een producent van kunststofproducten ondervindt grote schommelingen in de inkoopprijzen van haar grondstoffen. Binnen een maand kan de prijs met wel 20% toenemen of afnemen. Deze variatie in prijs kan door de grote concurrentie in de afzetmarkt slechts gedeeltelijk en vertraagd worden doorberekend aan klanten.

Het bedrijf heeft geprobeerd te anticiperen om de prijsschommelingen, maar men krijgt de vinger er niet achter. Er werden regelmatig flinke miskopen gedaan waardoor er grote financiële risico’s werden gelopen.

Na

Op basis van de kennis van medewerkers van het bedrijf en wetenschappelijke onderzoeksresultaten, wordt een econometrisch rekenmodel opgezet. Dit model geeft een prognose van de inkoopprijzen per week voor de periode van 3 maanden. De berekening wordt gebaseerd op onder andere de olieprijs, de kunststofproductie in de VS en de orderportefeuille van de Nederlandse kunststofindustrie.

Het prognose-model draait enige tijd schaduw en de resultaten worden vergeleken met de werkelijkheid. Afwijkingen worden geanalyseerd en besproken met de medewerkers, en het model wordt hierop bijgewerkt. De betrouwbaarheid wordt steeds beter en het model wint vertrouwen.

Op een zeker moment besluit het management dat de betrouwbaarheid van de nieuwe prognose beter voldoet dan de oude werkwijze en het model in te zetten voor de inkoop. Het bedrijf bespaart aanzienlijk op de inkoopkosten en de risico’s worden kleiner.

Verlagen van voorraden

Voor

Een technische groothandel met een zeer breed assortiment heeft erg veel voorraad in het magazijn. Er liggen duizenden artikelen opgeslagen, soms maar één of een paar per artikelcode. Veel klanten komen speciaal naar deze groothandel vanwege het brede assortiment, is de gedachte. Het bedrijf heeft een lening lopen bij de bank waarop het een flinke rente betaalt.

Uit analyse van de voorraad blijkt dat artikelen die slechts 5% van de jaarlijkse omzet betekenen 60% van de voorraad beslaan. Ook blijkt dat de klanten die deze slow-movers kopen, weinig andere omzet opleveren. Dat betekent dat er veel geld ligt “opgeslagen” maar niet actief bijdraagt aan de omzet.

Na

Met het management van het bedrijf worden een aantal categorieën voor artikelen opgesteld. Iedere categorie krijgt een eigen strategie voor het voorraadbeheer. Op basis van historische afzetgegevens worden de artikelen in eerste instantie ingedeeld. Het bedrijf stelt de uiteindelijke indeling vast waarbij ook factoren als de marktpositie een rol speelt.

Iedere categorie krijgt een gewenste servicegraad toegekend. Met behulp van statistische technieken worden dagelijks prognoses gemaakt van de verwachte verkopen. Door een wiskundige optimalisatie worden de vereiste voorraadniveau’s en de inkooporders berekend.

De totale voorraad wordt aanzienlijk teruggebracht. Het kapitaalbeslag wordt enorm teruggebracht en de lening wordt geheel afgelost. De voorraad daalt maar de totale servicegraad stijgt zelfs, ondanks dat dat geen doelstelling was. Zelfs de inkoopkosten dalen omdat orders bij leveranciers slimmer worden gecombineerd.

Plannen van productie

Voor

Een voedingsmiddelenbedrijf produceert artikelen met een korte houdbaarheid. Elk product heeft een zogenaamde THT-datum, “tenminste houdbaar tot”. Doordat de verpakking veel lucht bevat ter bescherming van het product, is de waardedichtheid laag. Ruime voorraden zijn niet gewenst, maar lijken niet te vermijden omdat de afzet en het assortiment alsmaar groeit. Er worden plannen voorbereid om een nieuw magazijn te bouwen om aan de groei te kunnen voldoen.

Er zijn diverse productiemachines met specifieke eigenschappen. De machines kunnen maar één type product tegelijk produceren en hebben een maximale capaciteit per product. Ook vereist het omstellen naar een andere soort flink wat tijd, wat ook nog eens verschilt per machine. Het is ook niet mogelijk alle machines tegelijkertijd om te stellen, omdat daar speciaal opgeleide medewerkers voor nodig zijn. Alle machines ondergaan daarnaast regulier preventief onderhoud.

Men is iedere week een hele dag bezig om de productieplanning voor de volgende week te maken. Aanpassingen op de planning gedurende de productie zijn alleen met grote moeite mogelijk en worden daarom alleen bij uitzondering gemaakt. De voorraad producten die de THT datum overschrijdt, wordt alsmaar groter.

Na

Een forecast van de toekomstige vraag naar elk artikel wordt berekend met behulp van statistische techieken. Deze prognose is gebaseerd op historische gegevens en wordt gecorrigeerd met informatie van de marketing en sales afdelingen. Zo worden correcties uitgevoerd voor speciale evenementen of promotie activiteiten. Op basis van alle informatie, in combinatie met de voorraadposities en beschikbare productiecapaciteit, berekent een wiskundig optimalisatiemodel binnen 5 minuten de productieplanning.

Omdat het zo snel kan, kan de planning meerdere keren per dag worden herzien als daar aanleiding toe is. Het bedrijf ziet binnen enkele weken een hogere omzet omdat de vraag van consumenten beter kan worden bediend. Ook zijn de voorraadkosten gedaald en zijn de plannen voor de bouw van het tweede magazijn in de koelkast gezet. De voorraad producten die de THT overschrijden is afgenomen.

Ondersteuning

Als uw organisatie de mankracht of de kennis ontbreekt, kunnen wij u ondersteunen bij het opstellen van de forecast of planning. Dat kan structureel op regelmatige basis, maar ook voor een kortere periode indien u te maken heeft met een tijdelijke terugloop in uw bezetting.

Op maat

Ieder bedrijf kent zijn eigen planningsregels, voorwaarden en restricties. Door onze ervaring zien wij snel waar het in uw bedrijf om draait. Wij scheiden hoofd- en bijzaken om tot een optimale bedrijfsvoering te kunnen komen. Wij verzamelen en analyseren de beschikbare gegevens, passen rekenmodellen toe en leveren prognoses en planningen op maat af. Pasklaar, zodat uw bedrijf meteen aan de slag kan.

Vernieuwing

Wij gebruiken geavanceerde wiskundige en statistische software. U kunt daarom ook een planning krijgen die vanuit een geheel ander oogpunt is opgesteld. Hiermee kunt u tot verrassende nieuwe inzichten en planningsregels komen. Met onze systemen kunt u onder andere de kosten van restricties inzichtelijk maken. Bijvoorbeeld: hoeveel efficiënter kunt u werken met extra capaciteit? Of: wat levert een kortere machineomsteltijd op?

Kwaliteit

Kwaliteit betekent ook meten en bijsturen. Kwaliteitsmeting door een externe, neutrale partij kan u daarbij helpen. Wij kunnen bijvoorbeeld de nauwkeurigheid van uw forecast op geregelde tijdstippen analyseren en vergelijken met industrienormen. Door dergelijke terugkoppeling kunt u zowel de kwaliteit als de gedragenheid van uw prognoses in de organisatie verhogen.

Gazelle pakt voorraadbeheer aan

Het voorraadbeheer in het magazijn van fietsfabrikant Gazelle vond voorheen handmatig plaats. Deze werkwijze werd echter steeds moeilijker. Zo worden steeds meer verschillende fietsonderdelen ontwikkeld waardoor het proces ingewikkelder wordt.

Gazelle heeft gekozen om een gecombineerde forecasting en voorraadbeheer oplossing te implementeren. Het doel hiervan is om de leveringsgraad te verbeteren, de efficiency te verhogen en de voorraden te verlagen. Bijkomend voordeel van de nieuwe methode is dat het proces minder tijd kost en minder foutgevoelig is.

Een gespecialiseerd softwarepakket voor forecasting en voorraadbeheer zal worden ingezet als toevoeging op het bestaande ERP-pakket. Dat pakket voorziet zelf niet in dergelijke gespecialiseerde mogelijkheden.

Koninklijke Gazelle is ruim 100 jaar uitgegroeid van een tweemanszaak tot een groot internationaal bedrijf. Gazelle is het grootste fietsmerk van Nederland met een afzet van meer dan 350.000 fietsen per jaar.

Bron: Logistiek 17 mei 2006

Forecasting: een introductie

Eigenlijk is Forecasting niets nieuws. Al jaren stellen bedrijven verkoopprognoses op. De laatste tijd wordt Forecasting wel steeds belangrijker omdat de wereld complexer en dynamischer is geworden.

De tijd dat de verkoop ieder jaar met een vast percentage groeide, is voor de meeste bedrijven voorbij. Managers en medewerkers worden steeds vaker afgerekend op targets die op de verwachte omzet zijn gebaseerd. Klanten verwachten steeds kortere levertijden. Er wordt daarom steeds meer aandacht besteed aan forecasting.

De toekomst laat zich niet eenvoudig voorspellen. Dat merken we aan den lijve als de weersvoorspelling niet klopt met het werkelijke weersbeeld. Kleine veranderingen in een dynamisch en complex systeem als de atmosfeer kunnen grote gevolgen hebben voor de uiteindelijke weersituatie.

Ook de verkoop van een product of dienst laat zich moeilijk voorspellen. Een verloren voetbalinterland, een terroristische dreiging, de dood van een bekende nederlander, een bliksemactie van een ander bedrijf, een daling van de hypotheekrente: het zijn allemaal voorbeelden van gebeurtenissen die invloed kunnen hebben op de daadwerkelijke verkopen.

Is het daarom nutteloos om voorspellingen te maken? Je zou het bijna denken. Maar veel activiteiten binnen een bedrijf moeten worden opgestart voordat de orders van klanten binnen komen. Bijvoorbeeld om de inkoop van grondstoffen te doen, om voldoende productiecapaciteit te regelen, of om een goede indicatie van omzet en winst te geven aan de eigenaar, de bank of eventuele aandeelhouders.

Een forecast is een verwachting en niet meer dan dat. Een verwachting over de toekomst waarmee activiteiten binnen een organisatie worden aangestuurd. Hoe beter de forecast, hoe efficiënter en effectiever de bedrijfsvoering.

Een te hoge forecast leidt vaak tot overcapaciteit en te hoge voorraden in magazijn. Als de forecast te laag is, kan dat gemiste verkoop opleveren, spoedbestellingen voor inkoop en overwerken voor het personeel. Beide hebben invloed op kosten en omzet, en daarmee het bedrijfsresultaat.

Er zijn managers en medewerkers binnen bedrijven die er van overtuigd zijn dat zij geen behoefte hebben aan Forecasting en dat het ook niet plaats vindt binnen hun organisatie. Dat kan natuurlijk. Vaker is het echter zo dat zij niet weten dat op allerlei plekken binnen het bedrijf wel degelijk prognoses worden opgesteld.

"De voorraad van artikel xxx is op, hoeveel zal ik bestellen, twee dozen?" vraagt de magazijnmedewerker aan zijn chef. "Doe maar een doos extra, ze gaan wel erg hard de laatste tijd" roept de magazijnchef terug. Hier maakt het magazijn impliciet een verkoopprognose. Niemand zal het natuurlijk een forecast noemen, maar dat is het wel: een verborgen of impliciete forecast.

Als dergelijke impliciete forecasts op verschillende plekken in het bedrijf worden gemaakt, dan leidt dat tot suboptimalisatie. Als het magazijn voorraad aanlegt, maar verkoop of marketing heeft besloten dat het artikel wordt vervangen door een nieuwe uitvoering, dan gaat het mis.

Afstemming tussen de verschillende processen is belangrijk, en het forecasting proces is daarvoor een prima middel. Als iedereen dezelfde forecast gebruikt, zijn bedrijfsprocessen in ieder geval op elkaar afstemd.

Sommige bedrijven gebruiken daar een bedrijfsbrede planning voor en hebben daar mogelijk zelfs een bedrijfsburo voor. De basis van een planning is echter altijd weer een forecast: impliciet of niet.