GW Cosmetics steht vor der Herausforderung sporadische und unregelmäßige Kundenbedarfe in relativ kurzer Zeit realisieren zu müssen. Auf Grund dessen stößt ein herkömmliches Supply Chain Planungssystem mit der Art und Weise wie normalerweise Forecasts (Prognosen) zur Steuerung der Produktion genutzt werden schnell an seine Grenzen. GW Cosmetics hat bereits in der Vergangenheit versucht über statistische Forecastberechnungen eine realitätsnahe Einschätzung zukünftiger Bedarfe durchzuführen, jedoch ist der Forecast Fehler so hoch, dass einerseits die Prognosen in der Regel manuell überschrieben werden und andererseits die Steuerung der Produktion und des Einkaufs selten über den Forecast passiert. Eine zerklüftete IT Umgebung erschwert zusätzlich die Synchronisation von Kundenbedarfen mit der Materialversorgung und Produktion.

- Erweiterung einer Standard Planungssoftware mit der innovativen demand driven MRP Methodik (gemäß Demand Driven Institute) um im operativen Tagesgeschäft mit einfachen Dispositionsregeln und Bestandsprinzipien unabhängig von Forecastfehlern zu sein bzw. den Forecast Aufwand auf ein notwendiges Minimum zu reduzieren. Die Herausforderung hierbei entsteht, da es am Softwaremarkt so gut wie keine Anbieter gibt, die sowohl eine konventionelle Planungsmethodik als auch eine demand driven Planungsmethodik innerhalb einer Software verwirklicht haben.

- Abbildung aller Standard Prozesse und Standard Restriktionen innerhalb der Software.

- Regelbasiertes Management by Exception im operativen Tagesgeschäft, um Kapazitäten für kontiniuerliche Weiterentwicklung der gesamten Supply Chain zu gewinnen

- Integration der Kapazitätsplanung, Mengenplanung und strategischen Planung innerhalb einer Software Suite um Synchronisationsaufwand zu reduzieren bzw. Entscheidungen auf allen Ebenen auf Basis einheitlicher Informationen sicherzustellen

Reduktion Dispositionsaufwand

Bestandssenkung

Erhöhung Lieferservicegrad

nächste Schritte:

modulare Erweiterung mit einem Feinkapazitätsplanungstool

modulare Erweiterung zur strategischen Planung mittels Machine Learning Algorithmen und Probabilistic Forecasting