Zum Hauptinhalt springen

Lieferterminauswertung

Gerade in der Serienfertigung werden Bestellungen als Lieferabrufe elektronisch übermittelt. Dabei kommt es immer wieder zu Änderungen an den Bestellmengen, wenn der Kunde seine eigene Planung aktualisiert. Lieferanten müssen verstehen, wie sicher die prognostizierten Bedarfe sind und wie sich diese erfahrungsgemäß entwickeln.

Mit den folgenden Auswertungen ist es möglich, folgende Fragen zu beantworten:

  • Sind die Bestellmengen kurz vor der Auslieferung aussagekräftig?
  • Verschieben Kunden ihre Ordermengen kurz vor Auslieferung, beispielsweise um frühzeitig zu viel zu ordern und damit die Lieferfähigkeit sicherzustellen?
  • Ist es notwendig mit Sicherheitsbeständen und Kapazitätspuffern zu arbeiten um die Prognosefehler auszugleichen?

In Zusammenarbeit mit der ASCO GmbH hat die X-CASE eine Auswertung konzipiert, die ähnliche Verläufe identifiziert und graphisch mit Hilfe des Big-Data-Monitors von Hammacher Datentechnik visualisiert. Da die Lieferabrufe fortlaufend aktualisiert werden, bietet es sich an diese Auswertung auf Ebene der Vertriebsbelege durchzuführen.

Unsere Experten haben einen Konnektor erstellt, der den historischen Verlauf der Lieferabrufe aus dem SAP ermittelt und eine Zeitreihe bestimmt. Diese Zeitreihe wird auf die tatsächliche Lieferung skaliert, so dass ein Wert von 2,5 am Tag -100 bedeutet, das 100 Tage vor der Lieferung 250% der tatsächlich gelieferten Menge bestellt wurde. Dieser Wert kann am nächsten Tag vom Kunden wiederum korrigiert werden. Ideal wäre es, wenn in allen Graphen nur eine horizontale Linie existieren würde – das entspräche einer Bestellung, die genauso geliefert wird.

Mit diesen Erkenntnissen kann mit dem Kunden ein stabileres Abrufverhalten vereinbart oder durch Sicherheitsbestände der Unsicherheit von Zeit und Kapazitäten entgegengewirkt werden.

In dem Screenshot werden diese Verläufe nach Ähnlichkeit sortiert. Die rot markierte Materialnummer wird im linken Fenster noch einmal vergrößert dargestellt. Der Kunde hat lange vor der Lieferung eine Bestellung getätigt, deren Menge sich im Zeitverlauf nur geringfügig ändert. Etwa 100 Tage vor dem Planlieferdatum jedoch nahmen die Schwankungen deutlich zu, teilweise wurden bis zu 10x mehr Teile geordert während die tatsächliche Lieferung eher den früheren Bestellmengen entsprach.

Im rechten unteren Bereich dagegen ist ein intuitiveres Verhalten zu erkennen. Zunächst sind die Zahlen sehr unbeständig, je näher das Lieferdatum rückt nimmt die Schwankungsbreite immer weiter ab und die Prognose stabilisiert sich um die tatsächliche Liefermenge.

Anwendungsbeispiel Logistik: Liefertreue

Mit dem Big Data Monitor wird ein erweiterbares Netz an Kennzahlen für die Liefertreue geliefert. Unter anderem stehen folgende Kennzahlen zur Verfügung:

  • Lieferzuverlässigkeit
  • Transportzuverlässigkeit
  • Kundenauftragsvorlaufzeit
  • Aktuelle Transportzeit