Pieken en dalen in klantvraag opsporen tijdens workshop Demand Analyse

Kleine series en klantspecifieke producten worden steeds belangrijker voor veel bedrijven. Daarnaast blijven repeterende (standaard) producten die regelmatig besteld worden door klanten belangrijk. Door het uitvoeren van een gestructureerde analyse van de klantvraag kunnen veel bedrijven slimmer omgaan met deze repeterende producten en kunnen allerlei problemen in planning en besturing opgelost worden. Met als resultaat korte doorlooptijden en hoge leverbetrouwbaarheid voor het gehele productenpakket.

In de workshops Demand Analyse zijn twee methoden van demand analyse behandeld. Er is ook gekeken hoe de resultaten toegepast kunnen worden in de praktijk. De workshops werden verzorgd door Gerlinde Oversluizen, Stef Tiggeloven en Mitchell van Roij.

De Glenday Sieve is eigenlijk een uitgebreidere vorm van een Pareto analyse die is gebaseerd op onderzoek bij een groot aantal bedrijven. Deze wordt vaak wordt gebruikt als startpunt voor Lean implementaties. In de Glenday Sieve worden artikelen ingedeeld in vier categorieën (groen, geel, blauw en rood) die de verhouding tussen het aantal artikelen en het aandeel in de omzet weergeven (zie figuur). Uit het onderzoek bleek dat de categorieën op verschillende soorten bedrijven verrassend vaak ongeveer gelijk is. Met name de groene producten (6% artikelen, 50% omzet) en de rode (30% artikelen, 1% omzet) zijn interessant voor nadere analyse en acties.

In de workshops waren de deelnemers in staat om op basis van het aangeboden stappenplan en instructie binnen enkele uren een Glenaday Sieve analyse uit te voeren. Ook hier bleek ook voor de deelnemende bedrijven dat de verhoudingen van de verschillende categorieën in lijn waren met de Glenday Sieve, en duidelijk afweken van de oorspronkelijk inschatting. In de vier praktijkcases bleek dat bijvoorbeeld slechts 1-6 % van de artikelen zorgden voor 50% van de omzet. Dat beeld zagen we ook in eerdere analyses: Repeterende producten met lage variëteit lijken in een High Variety Low Volume-omgeving (HVLV) vaak niet herkend te worden. Deze worden behandeld als alle andere HVLV-producten. Dat is een gemiste kans om doorlooptijd te stabiliseren en te verkorten en besturingslast te reduceren.

Een korte samenvatting van de bevindingen uit de Glenday Sieve tijdens de workshops:.

• Het gebruik van capaciteitsbuffers voor de groene stroom producten bij shared resources creëert ruimte voor prioriteit op onvoorspelbare vraag naar blauwe en rode producten. Dit zorgt dan voor korte doorlooptijden zonder voorraden.
• In de praktijk worden de groene producten veelal in grote series geproduceerd, hierdoor blokkeren deze de doorlooptijd van de gele en blauwe producten. Reduceren van seriegroottes is voor groene producten vaak mogelijk en helpt om deze opstoppingen te voorkomen.
• Rode producten zorgen vaak voor veel problemen (en kosten!) tijdens productie maar dragen maar zeer beperkt bij omzet. Het is belangrijk om te weten welke producten dit zijn en te besluiten of deze voldoende aantrekkelijk zijn om te blijven produceren.

De vraaganalyse volgens Syntetos deelt vraagpatronen in, in vier categorieën die bepaald worden op basis van de variabiliteit van de omvang (aantallen) en het gemiddelde interval tussen twee momenten van vraag (tijd). Dit geeft o.a. inzicht in regelmaat en voorspelbaarheid van de vraag. In veel gevallen (vaak meer dan 75%) is dat niet mogelijk! Alleen producten met een smooth-vraagkarakteristiek zijn goed voorspelbaar met eenvoudige middelen. Ook zijn op basis van deze analyse vaak de belangrijkste veroorzakers van pieken en dalen in de vraag goed te herkennen (en op te lossen!).

• Belangrijke veroorzakers van pieken en dalen in de totale klantvraag zijn vaak op te sporen uit een combinatie van de Syntetos analyse en de Glenday Sieve. Vaak is het mogelijk deze weg te nemen en tegelijkertijd een betere service aan de klant te bieden.
• Berekening van veiligheidsvoorraad op basis van vraagvariatie levert vaak verrassende inzichten op en kan leiden tot sterk verbeterde leverprestaties met lagere voorraden dan voorheen.
• Onvoorspelbare vraag van eindproducten aggregeert vaak tot een voorspelbare vraag van modules die in die eindproducten gebruikt worden. Modulaire opbouw van producten helpt daardoor klantvraag beter te beheersen.

Het uitvoeren van een demand analyse volgens de bovenstaande technieken bleek met enige voorkennis van excel en de kennis uit de twee workshop goed mogelijk. Wel heeft elke verschillende dataset specifieke aandachtspunten. Deze zijn ook in de workshops aan de orde gekomen en samen met de betreffende bedrijven opgelost.

In het najaar willen we opnieuw met een groep geïnteresseerde bedrijven dieper ingaan om dit onderwerp. Werkt u in een HVLV-omgeving en wordt u graag op de hoogte gehouden en/of wilt u deelnemen aan een volgende workshopreeks? Neem dan contact op met:

Stef Tiggeloven, docent-onderzoeker
E s.tiggeloven@han.nl

Auteur: Stef Tiggeloven