Vraaggestuurd en volwassenheid van de supply chain
We krijgen vaak vragen of opmerkingen over het niveau van supply chain volwassenheid dat nodig is voor bedrijven om klaar te zijn om DDMRP te implementeren en aanzienlijke operationele voordelen te realiseren.
De vragen zijn soms paradoxaal.
Veel bedrijven vertellen ons: “DDMRP klinkt interessant en aangepast aan onze omgeving, maar we moeten eerst een betere volwassenheid verwerven in onze MRP-praktijk”.
Aan de andere kant vertellen sommige mensen ons: “DDMRP lijkt een beetje te basaal voor bedrijven met volwassen supply chain-praktijken, maar voor minder geavanceerde bedrijven lijkt het goede resultaten te geven”.
Mmhh. Welk niveau van volwassenheid is te weinig of te veel om te profiteren van demand driven tactieken?
Nee, je hoeft geen expert te zijn in MRP…
Voor de meeste bedrijven is het verwerven van een volledige beheersing van een MRP-model een taak op lange termijn. Prognosenauwkeurigheid,betrouwbaarheid van technische gegevens, parametrering van doorlooptijden en partijgroottes, voorraadnauwkeurigheid,planningsdiscipline, training in MRP2 best practices, dimensionering en onderhoud van veiligheidsvoorraden, enz. Dit is vaak een nooit eindigende taak, die interne teams en ondersteuningsadviseurs gedurende meerdere jaren mobiliseert.
De resultaten van deze inspanningen kunnen aanzienlijk zijn, maar zijn vaak teleurstellend en ze drijven in de loop van de tijd wanneer belangrijke mensen van rol veranderen.
Sommige van deze praktijken zijn even belangrijk voor DDMRP. Als u niet over de juiste discipline beschikt om voorraadtransacties door te geven en uw teams niet kunnen vertrouwen op geautomatiseerde inventaris, werkt uw DDMRP-model niet.
Is het nodig om het MRP-proces te doorlopen?
Duidelijk niet. Er zijn veel voorbeelden van bedrijven die DDMRP direct hebben geïmplementeerd zonder eerst MRP te implementeren.
Bij de implementatie van DDMRP worden problemen met technische gegevens, doorlooptijd- en partijgrootteparameters, voorraadinstellingen, bedrijfsdiscipline: al deze aspecten worden op een veel eenvoudigere, snellere en meer voor de hand liggende manier aangepakt dan in een traditionele MRP-aanpak.
In een recente implementatie waren de doorlooptijden voor bepaalde productiestappen in het ERP bijvoorbeeld veel langer dan de werkelijke verwerkingstijd. Dit was al heel lang het geval in het ERP en het schokte niemand. Zodra het DDMRP-model met deze elementen werd gevoed, werd het voor alle betrokkenen duidelijk dat deze doorlooptijden leidden tot veel te hoge voorraaddoelen en tot het veel te vroeg genereren van productieorders. Enkele dagen later werden de doorlooptijden gecorrigeerd in het ERP.
De implementatie van DDMRP zorgt onmiddellijk voor meer inzicht in de relevantie van parameters en initieert een continu verbeteringsproces dat het risico op drift in de loop van de tijd aanzienlijk beperkt.
Aan de andere kant, als u een bedrijf bent dat zeer volwassen is in MRP-praktijken, bijvoorbeeld als u “Klasse A” bent volgens bepaalde normen, bestaat het risico dat uw teams het moeilijker vinden om over te stappen omdat ze bepaalde praktijken moeten afleren … Ik weet het zeker, want ik heb dat meegemaakt!
Is DDMRP gereserveerd voor bedrijven die nog niet erg volwassen zijn in hun Supply Chain praktijken?
Voor sommigen lijkt DDMRP te basic. Voorraadsizing en hoe rode, gele en groene zones te bepalen, lijken bijvoorbeeld niet wetenschappelijk genoeg – welke wiskunde ondersteunt het proces?
Verschillende stemmen, bijvoorbeeld in academische kringen en onder niet-DDMRP-software-uitgevers, zijn van mening dat de Demand Driven-aanpak onvoldoende of zelfs verouderd is.
In de loop der jaren zijn schijnbaar meer geavanceerde praktijken ontwikkeld en gepromoot. Veiligheidsvoorraadformules, multilevel optimalisatie, operations research, artificiële intelligentie: het lijkt allemaal meer wetenschappelijk, wiskundig.
Onlangs vertelde een sceptische gesprekspartner me: “we zien veel getuigenissen van bedrijven die vooruitgang boeken dankzij DDMRP, maar het is waarschijnlijk omdat ze niet erg volwassen waren, ze hadden meer vooruitgang kunnen boeken met de XYZ-aanpak”.
Oké. Het is echter opmerkelijk om op te merken dat veel van onze klanten die getuigen van de vooruitgang die is geboekt met DDMRP al zeer volwassen bedrijven waren, met zeer goede voorraad- en serviceprestaties, een sterke prognosediscipline, een wereldwijde ERP-instantie met een geïmplementeerd standaardmodel en getrainde teams, effectieve S & OP, enz. Velen van hen hebben eerder APS-implementaties uitgevoerd, sommigen hebben MEIO (Multi Echelon Inventory Optimization) geprobeerd en sommigen hebben zelfs grootschalige optimalisatie van de veiligheidsvoorraad getest met kunstmatige intelligentie. Ze zijn echter begonnen aan een vraaggestuurde transformatie en laten aanzienlijke resultaten zien.
Hoe is dit mogelijk, wanneer sommige benaderingen wetenschappelijker, krachtiger en rationeler lijken?
Er zijn waarschijnlijk een paar belangrijke factoren:
-
1. Een supply chain wordt niet alleen aangestuurd door algoritmes. Het wordt aangestuurd door mannen en vrouwen die beslissingen nemen op basis van informatie. Hoe begrijpelijker deze informatie is en hoe meer het leidt tot continue verbetering, hoe beter de beslissingen zullen zijn.
2. Hoe wetenschappelijk ze ook zijn, de meeste optimalisatiebenaderingen zijn gebaseerd op een push flow-model, niet op een multi-level pull flow-model. De mechanica van pull flow replenishment zorgt voor een constante aanpassing in real time, waarvan de superioriteit al tientallen jaren is bewezen.
3. Hoe complexer onze supply chains zijn,hoe minder ze kunnen worden geoptimaliseerd: ze moeten leren en zich aanpassen.
4. DDMRP sluit technologie niet uit! Data science en kunstmatige intelligentie technieken, indien relevant, worden geïmplementeerd binnen onze oplossingen.
In ieder geval kom je verder…
Elk bedrijf is anders, in zijn bedrijfsmodel en zijn mate van volwassenheid. De kracht van de Demand Driven aanpak is dat, ongeacht uw model en startpunt, het u in staat stelt om vooruitgang te boeken, zowel tijdens de implementatie van het project als op de lange termijn.