Big data uit de productieketen omzetten naar smart analytics

14 maart 2016
Big data uit de productieketen omzetten naar smart analytics

“Als ik bij grote bedrijven kom, zie ik dat de meeste medewerkers van de plannings- en inkoopafdelingen nog steeds worden geregeerd door de hectiek van de dag. Actielijsten worden net als vijftien jaar geleden nog gedestilleerd uit een chaos van e-mail en Excel-lijsten. Wij helpen de operatie met actiegerichte informatie uit de SAP-data. Hiermee worden de juiste producten wél op tijd besteld, of juist afbesteld.”

Het verzamelen van data uit verschillende onderdelen van het primaire proces als inkoop, verkoop, productie en het magazijn wordt steeds laagdrempeliger. Daardoor ontstaan snel grote verzamelingen met gegevens over bijvoorbeeld het serviceniveau, de inkoop of de operatie. Maar hoe hangen deze data met elkaar samen en hoe krijg je grip op die data? Of nog belangrijker: hoe zorg je dat de operatie weet hoe ze moet reageren op de juiste signalen uit de keten, zodat het eindproduct is waar de markt op dit moment én morgen om vraagt?

Organisaties die werken met bijvoorbeeld een SAP-systeem beschikken in potentie over een schat aan informatie over alle processen. Een enorme hoeveelheid gegevens over het gehele bedrijfsproces wordt immers vastgelegd. Maar het blijkt niet altijd even eenvoudig om de benodigde informatie ook uit SAP te halen. Kan uw organisatie dat in het tempo en met de flexibiliteit die de business nodig heeft?

Om de juiste managementinformatie uit SAP te verkrijgen, wordt veelal gebruik gemaakt van business analytics software. Door de interpretatie van een gegevensverzameling uit een deel van de keten weet je bijvoorbeeld direct hoe goed of slecht het gaat qua serviceniveau of inkoop. Maar deze big data uit SAP krijgt pas betekenis wanneer gegevensverzamelingen aan elkaar gerelateerd, verkend en geanalyseerd kunnen worden. Denk bijvoorbeeld aan het vergelijken van de geplande datum en hoeveelheid in relatie met de geleverde datum en hoeveelheid. Met dit inzicht wordt  big data ook “smart”.

Productlevenscyclus beïnvloedt productieketen

Dat is zeker vandaag de dag van belang, want een reactie op basis van de rapportages over afgelopen maand(en) is te laat. Het is essentieel geworden om te kunnen inspelen op de vraag van vandaag of, nog beter, de verwachte problemen van morgen. Door de steeds kortere productlevenscycli zijn eindproducten aan sterke verandering onderhevig. Dit heeft verstrekkende invloed op de productieketen. Chipmachinefabrikant ASML levert bijvoorbeeld nooit een machine zoals die door engineering op de tekentafel is ontworpen, want tijdens het productieproces worden nog continu wijzigingen doorgevoerd.

Omdat het eindproduct tijdens het proces verandert, veranderen ook de onderdelenlijsten of ingrediëntenlijsten tijdens het productieproces. Organisaties hebben nu vaak nog een enorme doorlooptijd voordat die informatie landt bij de mensen die er beslissingen over moeten nemen. Inkoopafdelingen bestellen hierdoor nog oude ingrediënten of componenten, terwijl de commercie en productietechnologie al aan het wijzigen zijn. Met het risico dat de inkoopafdeling oude producten bestelt die niet meer nodig zijn. Terwijl de nieuwe producten die wél nodig zijn niet besteld worden.

Maak van big data smart data

Dat zie ik in elke industrie, of het nu de fashion-, food- of maakindustrie is. En dit heeft zijn weerslag in de supply chain-kosten, maar ook op de juiste delivery en fullfilment naar klanten. Hierdoor wordt enerzijds niet of te laat geleverd naar de markt, terwijl anderzijds het magazijn vol ligt met producten die niet meer nodig zijn. Om dit te voorkomen moeten fouten of veranderingen in het proces tijdig worden opgemerkt, zodat daar snel op ingespeeld kan worden. Het is echter niet eenvoudig om die operationele fouten uit de databron te halen. Zeker niet omdat producten vaak door meerdere SAP-systemen gaan en dit softwarepakket extreem groot en complex is. Het is de kunst uit deze ruwe SAP-data de relevante signalen op te pikken. Met de software van Every Angle krijgt een bedrijf wel geautomatiseerd grip op de productieketen, onafhankelijk hoe een klant zijn SAP-omgeving heeft ingericht.

Hierdoor weten inkopers welke orders nagebeld moeten worden, zodat volgende week geen tekort ontstaat op de productievloer. Maar het verschaft ook direct het inzicht over klanten die geïnformeerd moeten worden dat producten later arriveren. Dan kun je ook aan de klant de keuze laten of ze die vertraging accepteren of toch voor een ander product kiezen. En het gaat nog verder. Zo kun je zien welke productieorders naar voren gehaald moeten worden omdat anders de leveringen naar het distributiecentrum in dat andere land spaak lopen. Dat informatieproces kan geheel automatisch verlopen, mits de brondata een SAP-systeem is.

Daarvoor heb je slimme analyses nodig, waarmee je kunt doorgronden wat de structuur is van de producten en hoe de afhankelijkheid is van de planning, de behoeftes, de voorraden en de openstaande inkooppositie. Als je dat weet, kan de inkoper wél bestellen wat vandaag en morgen nodig is en bijtijds annuleren wat niet meer nodig is.

Dat klinkt simpel, maar bij grote bedrijven met meerdere organisatielagen en fabrieken tussen schets- en eindproduct blijkt dat toch niet zo gemakkelijk. Daar zit een dagelijkse uitdaging om big data “smart” te maken. Every Angle helpt dagelijks om die ruwe, ontoegankelijke data smart te maken zodat grip ontstaat op vandaag én morgen.

Richard den Ouden, Territory Manager US