Expertartikel: Simulatie als strategische tool voor warehousing

optimized-warehousing

Het nemen van de juiste strategische beslissingen voor uw warehousing operaties is slechts mogelijk wanneer de potentiële impact van verschillende strategieën correct kan worden gekwantificeerd. Simulatie is een van de manieren waarop de financiële en operationele impact van operationele wijzigingen kan worden berekend. Het doel van dit artikel is meer inzicht te verschaffen over het waarom van simulatie, met name de voordelen die deze techniek kan bieden boven andere methodes om de impact van operationele koerswijzigingen te berekenen.

Concreet kunnen drie verschillende methoden voor het berekenen van dergelijke informatie worden onderscheiden. De meest eenvoudige methode is het onmiddellijk “live” testen van een strategie. Hierbij wordt de nodige informatie gaandeweg verzameld en kan worden ingegrepen wanneer blijkt dat de prestaties niet zijn zoals verwacht. Een tweede methode is het uittesten van de strategie door gebruik te maken van historische data. Hierbij wordt berekend wat de resultaten uit het verleden zouden geweest zijn, mochten de operaties op een andere manier zijn uitgevoerd. De derde en laatste methode is dan het uitvoeren van simulaties. Bij het simuleren van data wordt de structuur van de operaties geanalyseerd waarna gekeken kan worden naar de impact van verschillende operationele strategieën.

De rest van dit artikel is opgedeeld in drie delen waarin telkens de voor- en nadelen van elk van deze strategieën worden besproken.

 

Methode 1 : Een onmiddellijke implementatie

De meest eenvoudige methode om de impact van een nieuwe strategie te meten is deze onmiddellijk te implementeren en de gevolgen hiervan rechtstreeks te observeren. Deze methode kan aantrekkelijk zijn omdat op deze manier geen uitgebreide studie vooraf dient te gaan aan de implementatie. Zeker voor kleine incrementele verbeteringen in bedrijfsprocessen kan dit een belangrijke kostenbesparing zijn die de netto return van de nieuwe strategie kan verhogen.

Een voorbeeld hiervan is de ingebruikname van een extra ladingsdok om de verzendingscapaciteit te verhogen. Gegeven dat het duidelijk was dat de huidige capaciteit niet volstond om de vraag tijdig op te vangen en de infrastructuur reeds aanwezig was is dit een situatie waar uitgebreide voorstudies niet noodzakelijk zijn. Vanzelfsprekend is het nog steeds van belang om ex post de impact van deze beslissing te gaan meten door zowel de operationele als financiële stromen te analyseren.

Deze methode houdt voor veel andere strategische veranderingen echter wel significante risico’s in. Meer bepaald in situaties waar substantiële investeringen nodig zijn om veranderingen door te voeren en/of ongedaan te maken indien deze niet zoals verwacht presteren. Daarnaast is het voor veel operationele processen moeilijk om op voorhand de impact in te schatten. Vandaar dat een implementatie zonder of met een zeer beperkte voorstudie slechts bij incrementele aanpassingen van het bedrijfsproces de aangewezen methode is.

 

Methode 2 : Testen op historische data

Een alternatief voor het voorgaande is het berekenen van de impact op basis van historische informatie. Deze techniek staat toe dat verschillende alternatieve strategieën kunnen worden getest zonder het eigenlijke bedrijfsproces te verstoren. De nodige informatie kan op deze manier ook veel sneller worden verzameld dan wanneer men moet wachten op informatie uit het proces zelf.

Historische data kan bijvoorbeeld worden gebruikt om nieuwe order picking strategieën te gaan uittesten. Door te berekenen wat het effect zou geweest zijn indien een bepaalde strategie in het verleden gebruikt was kan een beeld gevormd worden van de mogelijke kostenbesparingen. Deze besparingen moeten natuurlijk worden gecontrasteerd met de investeringen die nodig zijn om het proces aan te passen aan de nieuwe modus operandus, om op deze manier een investeringsbeslissing te kunnen verantwoorden.

Ondanks het feit dat op deze manier veel van de problemen die gepaard gaan met een “live” test kunnen worden vermeden kampt ook deze methode met enkele ernstige tekortkomingen. Vooreerst wordt door deze methode verondersteld dat alle nodige historische informatie in het verleden reeds werd verzameld. Helaas is dit binnen vele bedrijven niet het geval en worden beslissingsnemers maar al te vaak geconfronteerd met ontbrekende of onvolledige informatie.

Daarnaast komt ook nog het probleem dat situaties in het verleden vaak niet voldoende variabel zijn om de dynamische realiteit van een onderneming te kunnen weerspiegelen. Zeker in het huidige economische klimaat waar het meer dan ooit belangrijk is om snel en gepast te reageren op veranderingen in de markt is het van het allergrootste belang dat nieuwe strategieën niet enkel gebaseerd zijn op situaties die zich in het verleden hebben voorgedaan, maar ook op situaties die zich in de toekomst kunnen voordoen.

In het domein van artificiële intelligentie wordt deze problematiek omschreven als ‘overfitting’: er wordt in dermate grote mate geconcentreerd op de beschikbare data dat de resultaten ook enkel maar accuraat zijn wanneer een volledig identieke situatie zich in de toekomst opnieuw zou voordoen. In de praktijk is dit laatste vanzelfsprekend een onmogelijkheid. Om deze problematiek te vermijden is het noodzakelijk om over te gaan naar simulatie experimenten.

 

Methode 3 : Een uitgebreide simulatiestudie uitvoeren

Een simulatiestudie is vaak gebaseerd op historische data, maar verschilt van de voorgaande methode doordat deze data niet expliciet wordt gebruikt maar als basis dient om toekomstige scenario’s te simuleren. Vaak vereist deze aanpak slechts een geringe meerinvestering bovenop een analyse die zuiver gebruikt maakt van historische data. Hiermee wordt echter een groot aantal deuren geopend die de kwaliteit van de analyse, en bijgevolg de genomen beslissingen, sterk kan verbeteren.

Historische data is per definitie steeds van een beperkt volume. Eens te meer omdat bedrijven in het verleden vaak al structurele wijzigingen hebben doorgevoerd die oudere data per definitie irrelevant maakt. Denk hierbij bijvoorbeeld aan het openen van een nieuwe vestiging of een uitbreiding van bestaande faciliteiten. Simulatie zorgt ervoor dat er een onbeperkte hoeveelheid data met de correcte (i.e. de meest actuele) statistische eigenschappen kan worden gebruikt. Deze mogelijkheid om langere periodes te beschouwen heeft als voordeel dat de impact van beslissingen op lange termijn duidelijk wordt.

Een tweede tekortkoming van historische data is dat deze niet noodzakelijk aansluit bij de bedrijfssituatie die in de toekomst verwacht wordt. Dit kan bijvoorbeeld het geval zijn wanneer verwacht wordt dat de productmix in de toekomst structureel gaat wijzigen. Wanneer de nieuwe strategie gepaard gaat met zeer ingrijpende veranderingen in de bedrijfsstructuur is het vaak zeer moeilijk om historische data letterlijk te gaan gebruiken om de impact te becijferen. Vaak is het tijdsbesparend en theoretisch correcter om met een simulatiestudie te werken die uitgaat van een concrete set assumpties over de toekomstige bedrijfssituatie.

Een groot voordeel van simulatiestudies is de mogelijkheid om de robuustheid van een strategie te gaan onderzoeken. Hierbij kan bijvoorbeeld de impact van een licht afwijkend vraagpatroon worden onderzocht. Denk hierbij bijvoorbeeld aan een situatie waarbij de pieken in de vraag meer gegroepeerd voorkomen, of situaties waar de vraag hoger of lager is dan verwacht. Ook de impact van mogelijke aanleveringsproblemen of technische problemen kan zonder veel moeite worden gesimuleerd. Door gebruik te maken van alternatieve scenario’s en trends wordt informatie bekomen die kan aantonen waar zich mogelijke pijnpunten in het proces kunnen bevinden, en hoe hiermee kan worden omgegaan.

De tabel hieronder herhaalt nogmaals de voornaamste argumenten aan om al dan niet voor een bepaalde methode te kiezen. Wenst u meer informatie te krijgen over wat deze techniek voor uw bedrijfsproces zou kunnen betekenen, aarzel dan zeker niet om ons te contacteren.

 

Methode Wanneer wel? Wanneer niet?
Onmiddellijke implementatie Eenvoudige incrementele verbeteringen Complexe systemen, Significante investeringskost,Moeilijk omkeerbaar
Historische data Zeer stabiele processen Complexe interacties, Instabiele processen
Simulatie experiment Nieuwe trends, Risicovolle operaties, Complexe systemen Te eenvoudige processen, Triviale verbeteringen

 

 

Meer informatie hierover kunt u terugvinden op:
www.optimizedwarehousing.com (product folder).

 

Posted in

Louis-Philippe Kerkhove

ir. Louis-Philippe Kerkhove is doctoraal onderzoeker bij de vakgroep operationeel onderzoek aan de UGent. Dit academisch team bundelt zijn krachten met externe consultants om zo oplossingen op maat te ontwikkelen voor operationele bedrijfsprocessen. Meer informatie hierover kunt u terugvinden op: www.optimizedwarehousing.com

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.