Logistics & Supply Chain.

Demand forecasting voorspelt de vraag over een langere horizon op basis van historische verkoop, seizoenspatronen en trends. Demand sensing corrigeert die voorspelling op de korte termijn met signalen die nu binnenkomen, zoals lopende orders, voorraadstanden bij afnemers, weer en promoties. Forecasting bepaalt wat u inkoopt en waar u voorraad in het netwerk neerlegt. Sensing bepaalt de correctie per week of per dag. De meeste supply chains gebruiken beide, omdat een voorspelling over een lange horizon niet snel genoeg reageert en een kortetermijnsignaal geen capaciteit kan plannen.

Begin bij een beslissing die dagelijks terugkeert en waarvan u de uitkomst al registreert, want die registratie is uw trainingsdata. Routeplanning, slotting en vraagvoorspelling voldoen daar meestal aan. Baken het eerste project af tot een enkel depot, een enkel traject of een productgroep, niet het hele netwerk. Laat het model meelopen naast het bestaande planproces, zonder dat het beslist, gedurende een volledige vraagcyclus inclusief een piekperiode. Pas als de uitkomsten stelselmatig beter zijn dan de huidige werkwijze, laat u het model sturen.

Voor routeplanning heeft u de werkelijk gereden historie nodig, niet alleen de geplande: vertrek-, aankomst- en stoptijden zoals ze echt waren, per adres. Daarnaast adressen met coördinaten, levervensters, voertuigcapaciteit in zowel gewicht als volume, realistische laad- en losduur per type klant, en de rij- en rusttijden van chauffeurs. Ontbreekt de werkelijke realisatie, dan leert het model vooral de aannames van de oude planning na. Het opschonen van deze stamgegevens kost doorgaans meer tijd dan het model zelf.

Meet altijd tegen een basislijn, en dat is de manier waarop u nu plant of voorspelt. Zonder die vergelijking zegt een uitkomst weinig. Kies vooraf de maatstaf die bij de beslissing hoort, bijvoorbeeld voorspelfout per artikel, kosten per stop, beladingsgraad of leverbetrouwbaarheid, en houd een periode apart die het model niet heeft gezien. Meet daarna in de echte operatie, niet in de demo. Een model dat statistisch beter scoort maar dat de planner elke ochtend terzijde schuift, levert niets op.

De meest gemaakte fout is beginnen bij het model in plaats van bij de stamgegevens en de planner. Verkeerde colli-afmetingen of verouderde levervensters leveren een systeem op dat foutloos rekent met verkeerde uitgangspunten. Een tweede fout is optimaliseren op een enkele maatstaf: puur op kilometers sturen gaat vaak ten koste van leverbetrouwbaarheid. Een derde is de planner als obstakel zien. Wie niet kan zien waarom het systeem een route voorstelt, wijkt ervan af en het voordeel verdwijnt.