… Sieć – Prognoza – Plan - Prościej już nie można - czyli jak to robić szybko … Jak pomieszać by nie stracić a nawet zyskać! Szymon Owsianowski Maciej.

Prezentacja na temat: "… Sieć – Prognoza – Plan - Prościej już nie można - czyli jak to robić szybko … Jak pomieszać by nie stracić a nawet zyskać! Szymon Owsianowski Maciej."— Zapis prezentacji:

1 … Sieć – Prognoza – Plan - Prościej już nie można - czyli jak to robić szybko … Jak pomieszać by nie stracić a nawet zyskać! Szymon Owsianowski Maciej Łukasiewicz Nowoczesne narzędzia do wspierania planowania łańcucha dostaw

2 Agenda 2 1.Prognozowanie a planowanie – w czym tkwi różnica – jak wiele narzędzi informatycznych odpowiada na te pytanie … 2.Czy trudno zobrazować sieć dystrybucji? 3.A może jest wiele różnych sieci dla różnych produktów? 4.Trafność prognozy – bardzo ważna, a może nie aż tak bardzo. 5.Prezentacja w SO99+ sposobów modelowania sieci:  podział produktów na dywizje, rodziny, kategorie  sieć wzorcowa i indywidualna dla produktów 6.Pokaz wyników prognozowania w systemie SO99+. 7.Planowanie – proces korekty prognozy w SO99+. 8.Poziom obsługi klienta – różne podejścia do tego samego celu. 9.Koszyk walut, akcji czy koszyk produktów – zawsze to dywersyfikacja ryzyka i … lepsze prawdopodobieństwo zyskowniejszej inwestycji. 10.Prezentacja w SO99+: kategoryzacji produktów ze względów na poziom obsługi klienta, docelowy poziom obsługi klienta w koszyku, krzywa optymalizacji koszyka.

3 Czy optymalizacja łańcucha czy lean-management już wystarczy? 3 CELEM - WZROST KONKURENCYJNOŚCI NASZYCH PRODUKTÓW

4 Czy optymalizacja łańcucha czy lean-management już wystarczy? 4 CELEM - WZROST KONKURENCYJNOŚCI NASZYCH PRODUKTÓW

5 Dlaczego myślimy o tym by coś zmienić w logistyce? 5

6 Mamy system ERP? – Po co on nam? Tyle kosztował i nie optymalizuje zapasów? 6

7 1.Prognoza ≠ Plan  Prognoza – na podstawie danych, głównie historycznych przewidujemy zachowanie popytu w przyszłości. Statystyka daje solidne fundamenty na których możemy budować plan.  Plan – czyli prognoza skorygowana o znane parametry, przeznaczona do realizacji. 2.S&OP (Sales and Operation Planning) - platforma komunikacji popytu z podażą  Sprzedaż: Wie co dzieje się na rynku Śledzi działania konkurencji Najszybciej ze wszystkich potrafi skorygować prognozę popytu Zaopatrzenie / Planista : Zna ograniczenia w czasie, zasobach, kosztach Potrafi przygotować prognozę na bazie historii (lead-time, EOQ, trend, sezonowość…) Kluczowe elementy planowania popytu… 7

8 8 3.Właściwa perspektywa  Planować popyt na właściwych poziomach szczegółowości dopasowanych do:  Profilu organizacji  Wachlarza produktów  Struktury sieci logistycznej i sieci sprzedaży  Planowanie popytu musi być zgodne z potrzebami organizacji:  Nie sugerujmy się ograniczeniami IT  Dopasowujmy system planowania popytu do zmieniających się potrzeb biznesowych  Kategoryzujmy nasze produkty i ustalajmy najlepsze strategie dla kategorii

9 Kluczowe elementy planowania popytu… 9 3.Mierzmy efektywność naszych decyzji - „Kontrolować możemy tylko to co mierzymy”. 4.Dbajmy o jakość danych – w procesie planowania popytu ilość danych jakie podlegają obróbce jest ogromna. 5.Ufajmy liczbom! Zarządzajmy wyjątkami  Zbudujmy mechanizmy pozwalające podejść z pewnym automatyzmem do sytuacji standardowych.  Kontrolujmy automatyzm przez KPI  Skupmy się na analizowaniu anomalii i podejmowaniu decyzji faktycznie wymagających naszej interwencji. 6.Uczmy się na błędach – wykorzystajmy własne błędy w prognozowaniu w przyszłości.

10 Logistyka napędzana popytem… 10 Demand Driven Logistics Prognozuj (Forecast) Weryfikuj prognozę (S&OP) Decyduj (Co? Gdzie? Ile?) Wykonaj (Replenishment) Zmierz (KPI) Koryguj

11 Logistyka napędzana popytem… 11 … to nie tylko obniżenie kosztów logistyki, ale zwiększenie sprzedaży poprzez lepsze dopasowanie oferty do aktualnych potrzeb rynku, a co za tym idzie zmniejszenie ryzyka utracenia sprzedaży

12 12 PLANOWANIE

13 Prognozowanie a planowanie – w czym tkwi różnica 13 PROGNOZOWANIE wynika z niepewności przyszłości i opóźnienia w czasie między momentem podejmowania decyzji a wynikłymi z niej skutkami. to proces wnioskowania o przewidywanym kształtowaniu się zjawisk i zdarzeń w przyszłości oparty na podstawach naukowych. PROGNOZOWANIE jest więc procesem a nie wynikiem

14 Prognozowanie a planowanie – w czym tkwi różnica 14 PROGNOZOWANIE EKONOMETRYCZNE Naukowo jest to predykcja ekonometryczna – proces wnioskowania o przyszłych wartościach zmiennej endogenicznej na podstawie modelu wyjaśniającego kształtowanie się tej zmiennej. wynik tego procesu. PROGNOZA PRZEDMIOT PROGNOZY Popyt, pogoda itd. …

15 Prognozowanie a planowanie – w czym tkwi różnica 15 PROGNOZA  to sąd, którego prawdziwość jest zdarzeniem losowym, przy czym prawdopodobieństwo tego zdarzenia jest znane i wystarczająco wysokie do celów praktycznych (Hellwig)  to oparty na naukowych podstawach sąd o przewidywanym kształtowaniu się zjawisk i procesów w przyszłości. (Filasiewicz)  Może być podzielona ze względu na horyzont czasowy na:  Bezpośrednią (do 1 miesiąca)  Krótkoterminową (do 1 roku – np. obejmują jeden cykl produkcyjny);  Średnioterminową (2-5 lat)  Długoterminową (powyżej 5 lat)  Im horyzont prognozy jest dalszy, tym prawdopodobieństwo zaistnienia przewidywanego stanu jest mniejsze.

16 Prognozowanie a planowanie – w czym tkwi różnica 16 METODY PROGNOSTYCZNE matematyczno-statystyczne oparte na klasycznych metodach trendu:  na podstawie trendu  metoda trendów jednoimiennych okresów  metoda Kleina  analiza harmoniczna  metoda wskaźników sezonowości matematyczno-statystyczne oparte na modelach adaptacyjnych:  metody naiwne  metoda średniej ruchomej prostej i ważonej  metoda wyrównywania wykładniczego  metoda Browna  metoda Holta  metoda Wintera  trendu pełzającego i wag harmonicznych matematyczno-statystyczne oparte na liniowych modelach ekonometrycznych:  modele jednoimienne  modele wielorównaniowe matematyczno-statystyczne oparte na modelach autoregresyjnych:  model AR (p)  model MA (q)  model ARMA (p, q)  model ARIMA

17 Prognozowanie a planowanie – w czym tkwi różnica 17 ETAPY PROGNOZOWANIA GOSPODARCZEGO 1.definicja problemu prognostycznego 2.zebranie danych statystycznych i ich analiza 3.wybór metody prognozowania 4.postawienie prognozy 5.ocena trafności prognozy

18 Prognozowanie a planowanie – w czym tkwi różnica 18 PLANOWANIE 1.Internet pełen szumu

19 Prognozowanie a planowanie – w czym tkwi różnica 19 PLANOWANIE - jednym z etapów planowania jest prognozowanie Planowanie działalności tworzy zespół czynników polegający na wyznaczaniu działań zmierzających do realizacji określonych celów w przyszłości na podstawie wyboru jednego z wielu różnych sposobów postępowania. Pojęcie planowania wyróżnia następujące czynności: 1.Określenie działań w przyszłości na podstawie prognozowania działań z przeszłości i teraźniejszości 2.Zdeterminowanie celów działalności przedsiębiorstwa tj. pożądanych kierunków działań i poziomów realizacji w określonych przedziałach czasowych odbiegających często od poziomu działań prognozowanych. 3.Wyznaczanie alternatywnych ścieżek postępowania umożliwiających realizacje celów, stanów pożądanych, a nie prognozowanych. 4.Wybór jednego z alternatywnych sposobów postępowania traktowanego jako ciąg powiązanych ze sobą decyzji umożliwiających realizację celów przedsiębiorstwa. 5.Określenie zasad kontroli realizacji opracowanego planu tj. systemu mierników i sposobu ich realizacji oraz sposobów postępowania w przypadku ich nie przestrzegania.

20 Prognozowanie a planowanie – w czym tkwi różnica 20 PROGNOZA Jest procesem wnioskowania, przewidywania przyszłego stanu rzeczy. PLAN Jest zatwierdzoną prognozą (spośród wielu) do wykonania

21 Czy trudno zobrazować Waszą sieć dystrybucji? 21 1.Sieć dystrybucji to takie wielkości jak:  Produkty / Dywizje  Magazyny / Lokakcje  Rynki / Kanały 2. Planowanie popytu musi być:  Zorganizowane metodą top-down i buttom-up  Musi mieć możliwość kontroli danych zagregowanych i danych szczegółowych z możliwością drążenia i agregacji danych  Wszelkie DIF-y (czynniki wpływające na popyt) muszą być uwzględniane na poziomie rynku i danej grupy na która czynnik wpływa, w szczególnym wypadku na produkt

22 A może jest wiele różnych sieci dla różnych produktów? 22 Czy da się sieć taką przedstawić na jednym arkuszu? Ile arkuszy potrzebujesz by zindywidualizować sieć dla produktów? A jakie są powiązania pomiędzy indeksami? Jak będziesz kontrolować dane logistyczne każdego SKU / MAG? Czy masz pełen obraz popytu dla SKU w danych rynkach? Czy każdy towar ma inną sieć? A może grupy produktów?

23 Trafność prognozy – bardzo ważna, a może nie aż tak bardzo 23 WERYFIKACJA PROGNOZY 1.Określa się po upływie czasu, na który prognoza była wyznaczona 2.Stopień trafności prognozy ilościowej mierzy się za pomocą błędów ex-post 3.Błąd ex-post to wartość odchylenia rzeczywistych realizacji zmiennej prognozowanej do obliczonych prognoz

24 Trafność prognozy – bardzo ważna, a może nie aż tak bardzo 24 A co by było, gdyby błąd prognozy był weryfikowany ad-hoc codziennie podczas przeliczania i doboru modelu? Czy jesteśmy w stanie generować prognozy dla każdego asortymentu codziennie w każdym rynku? Korzystajmy z dobrodziejstw nowoczesnych technologii.

25 Prezentacja w narzędziu SO99+ sposobów modelowania sieci 25 1.podział produktów na dywizje, rodziny, kategorie 2.sieć wzorcowa i indywidualna dla produktów

26 Prezentacja w narzędziu SO99+ sposobów modelowania sieci 26 1.podział produktów na dywizje, rodziny, kategorie 2.sieć wzorcowa i indywidualna dla produktów

27 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 27 1.Wyniki prognozowania i korekta prognozy

28 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 28 1.Wyniki prognozowania i korekta prognozy

29 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 29 1.Wyniki prognozowania i korekta prognozy

30 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 30 1.Wyniki prognozowania i korekta prognozy

31 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 31 1.Wyniki prognozowania i korekta prognozy

32 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 32 1.Wyniki prognozowania i korekta prognozy

33 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 33 1.Wyniki prognozowania i korekta prognozy

34 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 34 1.Wyniki prognozowania i korekta prognozy

35 Pokaz wyników prognozowania i korekta prognozy w systemie SO99+ 35 1.Wyniki prognozowania i korekta prognozy

36 36 SERVICE LEVEL czyli POZIOM OBSŁUGI KLIENTA

37 Poziom obsługi klienta – różne podejścia do tego samego celu 37 1.Poziom usług – to termin wykorzystywany w SCM, w zarządzaniu łańcuchem dostaw mierzący wydajność polityki uzupełnienia zapasów. 2.Zjawiska statystyczne (stochastyka) mówią, że nieuniknionym jest okresowy brak zapasów na takim poziomie aby zapewnić dostępność na pełne zapotrzebowanie zgłaszane przez klientów / odbiorców. 3.Aby minimalizować ryzyko braku dostępności należy szacować ryzyko utraconej korzyści z powodu braku dostępności i je minimalizować / optymalizować. 4.Nie da się zastosować tego podejścia bez planowania. Pomiar utraconej korzyści oraz ryzyko (np. wycenione wartościowo) to zadanie trudne do wykonania. W praktyce poziom obsługi klienta mierzy się technicznie – np. poprzez ilość / wartość niezrealizowanych zleceń sprzedaży.

38 Poziom obsługi klienta – różne podejścia do tego samego celu 38 1.W praktyce i teorii wyróżnia się kilka definicji pomiaru jakości obsługi klienta:  pomiar różni się zakresem i np. produktami branymi pod uwagę – ale zawsze odnosi do czasu  pomiar zawsze powinien ustanawiać / obliczać jakiś wskaźnik (KPI), który dla danego magazynu (węzła w łańcuchu dostaw) musi być monitorowany – i musi podlegać ocenie / kontroli. Tylko wykonując śledzenie wskaźnika w czasie jesteśmy w stanie obserwować czy jego wartość jest prawidłowa, czy się pogarsza czy poprawia i wyprowadzać jakieś z tego tytułu wnioski. Poziom obsługi klienta: 

39 Poziom obsługi klienta – różne podejścia do tego samego celu 39 Taki rodzaj wskaźnika mierzy, czy wszystkie zlecenia klientów w danym okresie będą całkowicie zrealizowane z dostępnego zapasu (od ręki, on- hand). W literaturze mamy dwa rodzaje wskaźnika . Różnią się one podejściem do definicji dostępności – dostępne od ręki – oznacza, że zapas jest dostępny / ma zapas bezpieczny itd. Jednak czasami podchodzimy do tematu dostępności w sposób gwarantujący dostępność zapasu w momencie realizacji zlecenia sprzedaży – a więc uwzględniamy czas od momentu wpłynięcia zamówienia do momentu jego realizacji zgodnie z warunkami dostępności jako ten interwał, który pozwala nam na uzupełnienie zapasu pod zgłoszone zapotrzebowania. Poziom obsługi klienta: 

40 Poziom obsługi klienta – różne podejścia do tego samego celu 40 To miernik opierający się na mierze ilościowej, porównujący całkowity popyt z ilością dostarczoną z bieżącego dostępnego zapasu. Można ten wskaźnik zinterpretować tak, że jest równy prawdopodobieństwu zrealizowania zapotrzebowań (popytu). Podejście to nie tylko opiera się na dostępności jak w przypadku wskaźnika  lub jej braku w zapasie, ale również uwzględnia zamówienia u dostawców. Taki wskaźnik POK jest najczęściej stosowany w praktyce przemysłowej. Z czystej matematyki więc możemy stwierdzić, że: Poziom obsługi klienta: 

41 Poziom obsługi klienta – różne podejścia do tego samego celu 41 To miernik opierający się na mierze ilościowej i pomiarze czasu. Tak jak poprzedni wskaźnik  mierzy ATP w czasie, ale uwzględnia dodatkowo czas dostawy od dostawców. Wskaźnik POK  jest rzadko stosowany w praktyce przemysłowej. ATP w SAP uwzględnia zamówienia do dostawców. Poziom obsługi klienta: 

42 Na czas, zawsze i w odpowiedniej cenie – jak szybko zmienia się świat 42 1.Produkt czy usługa – zawsze tak jak chce klient 2.Ale czy i jak szybko reagować na zmiany w popycie? 3.Czy je mierzymy? 4.Co jaki czas mierzymy? 5.Znamy odpowiedź na zmiany w popycie i jak zmieniać nasz biznes / zapas?

43 Koszyk produktów 43 1.Koszyk walut, akcji czy koszyk produktów – zawsze to dywersyfikacja ryzyka i … lepsze prawdopodobieństwo zyskowniejszej inwestycji. ABC / XYZ Jest to fundamentalna zasada porządkowania elementów w zbiory o podobnych cechach, ze względu na interesujące nas kryterium. Jest niezastąpionym narzędziem wszędzie tam, gdzie musimy zarządzać tysiącami pozycji i rozpatrywanie każdego elementu z osobna jest niemożliwe. Wtedy wprowadza się zarządzanie grupami o podobnych cechach, a podziału na grupy dokonuję się metodą ABC. Metoda ABC wśród wielu swoich zastosowań znalazła miejsce w logistyce. Stosowana jest najczęściej do podziału produktów /zapasów według wartości sprzedaży za dany okres na trzy grupy o różnej ważności dla firmy. Oczywiście wartość sprzedaży netto to tylko przykładowe kryterium.

44 Koszyk produktów 44 Wybór cechy grupowania zależy od tego jaki efekt chcemy osiągnąć, przykładowe kryteria to  Wartość  Zysk  Rotacja  Ilość  Jakość  Użyteczność  Trafność prognoz Także liczba grup jest umowna, jeżeli z jakiś uzasadnionych powodów potrzebujemy podzielić asortyment na 4 grupy, nie ma ku temu przeciwwskazań. Wszelkie modyfikacje metody są dozwolone. Można także łączyć kryteria. Przy dwóch parametrach mamy analizę ABC/XYZ, a przy trzech powstanie nam na przykład analiza ABC3. Wyróżniamy:  Analiza jednokryterialna (ABC)  Analiza dwukryterialna (np. ABC/XYZ, ABC2)  Analiza wielokryterialna: (np. ABC3, ABC2/ABCD) ABC

45 Jaki wpływ na wartość sprzedaży ma poziom dostępności? 45 Koszt utraconej sprzedaży to: … koszt wyczerpania zapasów, w tym koszty utraconej sprzedaży (jest to wartość zysku który nie został zrealizowany wskutek braku zapasów), a także koszty realizacji dostaw awaryjnych, w przypadku gdy przedsiębiorstwo nie dysponowało danymi zapasami w odpowiednim czasie (koszty tych dostaw są dużo wyższe niż dostaw normalnych) …

46 Prezentacja w SO99+ 46 1.Prezentacja w SO99+:  kategoryzacji produktów ze względów na poziom obsługi klienta  Docelowy poziom obsługi klienta w koszyku 2.Krzywa optymalizacji koszyka.

47 Prezentacja w SO99+ 47 1.Prezentacja w SO99+:  kategoryzacji produktów ze względów na poziom obsługi klienta  Docelowy poziom obsługi klienta w koszyku 2.Krzywa optymalizacji koszyka.

48 so@primeglobal.pl ml@primeglobal.pl www.aniolowiepopytu.pl Dziękujemy