25.11.2020  |  Planlægning

Digital Transformation af Supply Chain planlæggerens arbejdsopgaver

Indhold fra partner Hvad er dette?

Når man implementerer et nyt planlægningssystem bliver Supply Chain planlæggerens arbejdsopgaver anderledes men ikke nødvendigvis hårdere. Hvad er det egentligt der sker? Det sætter vi spot på i dette blogindlæg.

Når man som virksomhed går i gang med sin digitale transformation, vælger mange virksomheder at investere deres penge i at skabe et bedre flow af produkter. Det betyder ofte en bedre servicegrad ud mod kunderne på mellem 95-99%, 10-30% reduktion i lagerbindinger og mellem 50-90% reduktion i ressourcerne der går med at udføre det manuelle arbejde.

Som oftest arbejder man i virksomheden med et ældre Supply Chain planlægningssystem som f.eks. SAP APO som blev udviklet tilbage i 1990´erne. Måske er platformen blevet udbygget med forskellige specialiserede løsninger. Men som oftest ser man, at det aldrig rigtig har givet den automatiserings gevinst som mange virksomheder er ude efter. Det er en side af sagen. En anden side er sagen er, at det at implementere en ny teknologi også handler om, at man i høj grad skal være opmærksom på at planlæggerens rolle også ændrer sig.

Planlæggerne får mere fokus på beslutningen
Traditionelt set har virksomhederne placeret planlæggerne i midten af planlægnings-processerne. Mange virksomheder har arbejdet hårdt på at få de rigtige mennesker, de rigtige planer i rette tid, så man kan få skabt konsensus omkring beslutningerne. Når de mere lavt hængende beslutninger bliver automatiseret, så kommer der helt naturligt et fokus på selve beslutningerne. Det det handler om for planlæggeren er i højere grad at sikre, at automatiseringen bliver fodret med det rigtige data.

Planlæggerne får fokus på det mere værdiskabende
Planlæggerne får en rolle hvor de får mere fokus på det værdiskabende. Computeren og softwaren udfører det mere grundlæggende arbejde. Planlæggerne kommer til at arbejde mere synkront med software teknologien, fremfor at bruge det som beslutningsværktøj.

Det kræver en optimal balance mellem ”man” og ”machine”
Planlægningssystemer hvor man anvender machine learning lærer naturligvis, hvilket gør dem bedre til at forudsige. De lærer ikke kun af historiske og faktuelle efterspørgsels data, men de lærer også af den viden som planlæggerne og andre tilfører processerne. Det gør så, at softwaren bliver en ekspert-assistent i forhold til de fremadrettede processer og beslutninger. Og planlæggerne, de får tid til andre opgaver og oplever ofte, at deres arbejde bliver mere værdiskabende.

Planlæggerne bruger mere bevidst tid til at lave ”tradeoff’s”
Planlæggerne vil også opleve, at de kommer til at lave mere faktabaserede beslutninger. De rykker fra at slukke ildebrande til at foretage det man kan kalde ”tradeoff´s” i forhold til de forretningsmæssige beslutninger. Algoritmerne vil så at sige hjælpe med at være en slags værktøjskasse som analyserer data og skaber anbefalinger der bygger på den forretningsmæssige bedste beslutning. Planlæggerne skal så have analytiske evner til at kunne interagere med algoritmerne, evaluere ”what if” (hvad hvis) og forstå bevæggrundene bagved analyserne.

Slutteligt kan man sige, at machine learning gør arbejdet anderledes men ikke nødvendigvis hårdere.

Implementering af Supply Chain planlægnings software er en rejse, hvor en succesfuld implementering og træning af medarbejderne er en af byggestenene.

Læs mere om Supply Chain planlægning og hvordan du får skabt den optimale rejse i dette whitepaper. Download her.

Mere fra Optilon Danmark

Optilon Danmark

www.optilon.com

Vi hjælper virksomheder i Norden med at blive de mest konkurrencedygtige i verden I Optilon har vi mere end 15 års erfaring med at hjælpe virksomheder i Norden med at blive de mest konkurrencedytige i verden. Vi har mere end 1000 implementeringer bag os og cirka 200 kunder i førende Nordiske virksomheder. Måden vi hjælper på er: 1. Vi ska…

Se virksomhedsprofil  

  SCM.dk anvender cookies, som vi bruger til at huske dine indstillinger og statistik m.m. Når du fortsætter med at bruge websitet accepterer vores nye cookie- og persondatapolitik. Læs mere