撰写者 下午6:13 未分类

启用COV….

…周末临近。情人节快乐’我所有博客读者的纪念日。这是我的第440个博客文章和十周年的供应链萨满祭。似乎很难相信,这些年来我一直在打字,吸引了超过20,000名全球读者。

我的朋友会告诉我放松一下, 让我的凹槽上; bUT,今天,我发现自己正在为客户做演讲’下周的设计思维会议。我正在研究COV(变异系数)分析。因此,当我用脚踩音乐时,我正在用COV代替凹槽。我认为,越来越多的公司将从中受益 他们的COV… Let me explain.

启用COV…

变异系数 是标准偏差与平均值的比率。分析需求数据以了解其很有用“forecastability”和随机性。并非所有数据都是可预测的,也不是所有需求优化引擎都是平等的。数据集越可预测,就越容易找到优化程序。使用较低的COV,此过程会更轻松,所需的技能水平也不会很高。

出于这个原因,我使用COV分析来键入逻辑供应链流。使用需求分类逻辑,您可以了解需求的节奏和流程。…并希望继续努力。

公司没有一个供应链,他们有很多。通常有三到七个供应链。这些策略需要根据流量和可变性与流量保持一致。大多数供应链领导者无法言行一致,因为他们概括了–对供应链使用相同的度量标准目标和策略,而不关注流程。通常,重点是基于数量的细分,偏向于建立可预测和大批量产品的供应链。这是有问题的,因为有时小批量产品取决于任务。样本就是这种情况。

让我给您举一个客户的例子,其中小批量产品对品牌定位至关重要。客户生产婴儿配方奶粉。目的是通过在医院为新妈妈提供配方产品来建立品牌忠诚度。这个概念很简单,但是执行存在缺陷。其概念是在出生时建立品牌忠诚度。问题?该公司仅专注于大批量产品零售。该产品正在失去竞争对手的市场份额,因为该公司正在缩短向新妈妈运送样品到医院的时间。

这是我建立需求分类逻辑的方法。从大批量和可预测的需求开始。大多数公司的供应链数量庞大且可预测(COV小于0.5),供应链间歇性(COV为0.5-1.5),且供应链的可预测性较差(大于1.5)。此外,通常会有季节性的产品组,新产品发布流和服务供应链逻辑模型。为了成功,每个逻辑供应链模型都需要不同的策略。在表1中,我分享了一个来自客户会话的策略分配示例。尽管该表是在小组讨论中快速生成的,但并不完美,但其目的是帮助读者理解逻辑。

表1.每个供应链策略使用示例

讨论需求

当公司告诉我他们的需求变化在过去十年中有所增加时,我问为什么。我想知道司机。大多数人无法回答简单的问题。组织对供应的了解比对需求的了解要好。

在图1中,我分享了2015年风险管理研究的数据。请注意,此时需求波动风险大于经济不确定性。但是,作为一个行业,缓解需求波动作为供应链风险的进展很小。答案不仅仅是简单的需求计划技术。做出转变是公司从以供应为中心的思维转变为将需求视为一条流经供应链的河流的变革管理机会。 COV帮助企业领导者了解河流的节奏。要进行此旅程,需要从市场构建外部流程,并在制造,来源和交付之间无缝地协调信号。这是对传统供应链思维功能定位的根本转变。

图1. 2015年研究中需求变化在缓解风险中的作用

当我深入研究数据时,我发现:

  • 预测解决方案信号功效。 我测试的十个需求计划解决方案中有九个没有改善预测(使用 预测增值 分析,将天真的预测定义为三个月的平均出货量。)大多数初始部署会提高预测误差或将预测误差提高7-12%。随着时间的流逝,性能会下降。通常这不是一个问题,它是数据整洁度,优化调整和员工理解/培训的结合。
  • 供应链尾巴的延长。 产品扩散导致每件商品的体积减小。供应链设计通常集中在大批量产品上,而传统技术无法适应较短的周期。
  • 测量。 公司很难衡量需求的准确性。许多公司错误地将需求误差测量为“national” or a “customer level” at a “product family”水平。这不足以进行供应链计划。供应链流程需要物品/装运级别的准确数据。另外,偏见是一个问题。在成长型公司中,预测通常被低估,而在低迷市场中,通常存在正偏见或过度预测的趋势。
  • 以供应为中心的思维。 最大的问题之一是以供应为中心的思维。这包括:
    • A,B,C体积分析。 这种分析对需求的变化是盲目的。
    • 战术泛化。 供应链领导者喜欢闪亮的物体–新技术和新工艺。他们倾向于从一种时尚跳到另一种。结果,策略在整个供应链中应用,而与数量/变异性分析保持一致。
    • 度量标准错误。 在以供应为中心的模型中,加权MAPE(WMAPE)足够,但是随着长尾巴的增加,公司需要将重点放在MPE和MAPE上。加权误差掩盖了间歇性需求的问题。

关于MAPE和WMAPE的侧面讨论

在MAPE与WMAPE的讨论中,为了阐明这一点,我使用prem的示例医院里的大婴儿。 (在此客户处,由于短暂需求的短暂装运,他们正在做空两个订单中的一个。由于WMAPE掩盖了较低出货量的需求可变性问题,因此他们对供应链绩效过于自信。高产量可预测产品的比例为26%,而在MAPE水平下则为76%。))在美国,平均而言,有11.5%的儿童早产。早产儿需要额外的预防措施(不同的供应链)。然后我问小组一个问题,“将每两个早产儿中的一个从新生儿单位中丢掉是可以接受的吗?你就是你要衡量的….

回到我的客户案例研究。在图2中,我在尾巴上分享了他们当前FVA分析的状态。客户分析支持,在产品尾部的任何时候,其当前技术和流程所产生的预测都不会比单纯的预测更好。然而,客户想要谈论的只是在全球范围内推广当前技术。在这次讨论中,我挠头。

为什么他们不更专注于使用决策支持来获得更好的答案?而且,为什么不专注于微调引擎和应用不同的需求计划技术。答案在于真实性, “您管理自己所了解的。” 很多时候,重点放在实现上,而不是获得更好的答案。

需求计划就是在项目/位置级别上关注细节。随着COV的增加,引擎的复杂性需要改变,组织必须始终回答这个问题, “我的流程和技术是否正在改善预测误差和偏差?而且,供应链的可变性如何影响流程?然后,基于数量和可变性,什么是适用于每个供应链的正确技术? ”

图2.客户案例研究

 

 

 

是的,我坚信COV可以帮助公司与时俱进…它可以帮助公司了解供应链舞的节奏和流程…
我只能说是 摇一摇 在这个情人节。跳节奏…
期待收到您的反馈。