� PRODUKSJON
ARROW-CI Prognoseverktøyet fra Blue Ridge bruker stokastiske prognoser med dynamisk modellering og fremskrivning . ( Foto : Blue Ridge )
Dataverktøyene hjelper oss med å ta hensyn til alle parametere som kan påvirke produksjon og salg , sier Welfler . Riktig innkjøp er viktig for å kunne planlegge produksjonen . Da trenger de gode prognoser , noe SCP bidrar til . – SCP mottar data fra Aspect 4 . Det er historiske data fra de siste tre årene , daglige salgstall , lagerstatus , varemaster , leveringssystemer og innkjøp , sier Rosmo . – Prognoser på etterspørselen er avgjørende for enhver bedrift som holder varelager . Bestiller du for mye binder det både kapital og lagerplass . Bestiller du derimot for lite , risikerer forhandleren at kunden blir frustrert og går til konkurrenten i stedet . Løsningen viser lagerstatus , inkludert partier som er satt av til kampanjer . Man kan sette på attributter som konkurranseprisvariasjoner og bestillingsbetingelser , og man tar også med underleverandørenes leveringsevne . – Systemet kalkulerer standardavvik med glidende snitt og tar høyde for sesongvariasjoner . Programmene sammenlikner faktiske salgstall med prognosen , og viser hvor godt man treffer . Så vil systemet justere seg selv for neste beregning – det gir over tid en sikrere prognose , sier Welfler . SCP får input fra mange database-tabeller , og visualiserer dataene til anvendbar informasjon .. Gjennom Supply Chain Analytics blir nøkkeltallene lettere tilgjengelige . – Vi bruker maskinlæring , der løsningen har algoritmer som lærer av input fra systemet . Det bidrar blant annet til å justere standardavvik for prognosene , sier Rosmo .
52