Schlüsselkonzepte und Terminologie

Einblicke: Die Standardressource für die proaktive Überwachung der Lieferkette. Insights kombiniert Ausnahmeerkennung, Ursachenanalyse und Handlungsempfehlungen, um Ihnen zu helfen, Probleme in der Lieferkette zu identifizieren und zu lösen, bevor sie sich auf den Betrieb auswirken.

Ausnahmen: Bestimmte Fälle, in denen die Leistung Ihrer Lieferkette von den erwarteten Schwellenwerten oder Geschäftsregeln abweicht. Ausnahmen sind einzelne Warnmeldungen oder Benachrichtigungen, die generiert werden, wenn Kennzahlen gegen festgelegte Regelbedingungen verstoßen (z. B. „Forecast Prognosegenauigkeit für Produkt A ist an Standort B auf 72% gesunken“).

Kennzahlen: Quantifizierbare Kennzahlen zur Bewertung der Leistung der Lieferkette. Kennzahlen definieren, was überwacht werden soll (z. B. Prognosegenauigkeit, Lagerbestände, Deckungstage) und wie diese Kennzahlen anhand Ihrer Daten berechnet werden.

Regeln: Geschäftslogik, die definiert, wann Ausnahmen (Erkenntnisse) generiert werden sollen. Regeln spezifizieren die Schwellenwerte, Bedingungen und Kriterien, die auf Grundlage Ihrer Kennzahlen zu Erkenntnissen führen (z. B. „Generieren Sie eine Ausnahme, wenn die Prognosegenauigkeit für A-class Produkte unter 85% fällt“). Metriken und Regeln arbeiten zusammen, um Erkenntnisse zu generieren. Metriken definieren, was gemessen werden soll, während Regeln diese Metriken anhand von Schwellenwerten bewerten, um zu bestimmen, wann Erkenntnisse generiert werden sollen. Beispielsweise berechnet eine Metrik zur Prognosegenauigkeit die Leistung, und eine Regel gibt Aufschluss, wenn diese Kennzahl bei A-class Produkten unter 85% fällt.

Hauptursache: Die AI-powered Untersuchung, die erklärt, warum eine Ausnahme aufgetreten ist. Bei der Ursachenanalyse werden Einflussfaktoren, Datenmuster und Kontextinformationen untersucht, um die zugrunde liegenden Gründe für Leistungsabweichungen zu ermitteln.

Empfehlungen: AI-generated vorgeschlagene Maßnahmen zur Behebung von Ausnahmen. Empfehlungen enthalten spezifische, umsetzbare Schritte zur Behebung der Grundursachen und zur Wiederherstellung des normalen Betriebs.

Richtlinien für Agenten: Anweisungen, die das Verhalten des KI-Agenten bei der Analyse von Ausnahmen und der Generierung von Empfehlungen bestimmen. Diese Richtlinien beinhalten Ihre Geschäftsrichtlinien, betrieblichen Einschränkungen und Entscheidungspräferenzen.

Schweregradfaktoren: Konfigurationseinstellungen, die bestimmen, wie finanzielle Auswirkungen die Priorisierung von Ausnahmen beeinflussen. Schweregradfaktoren helfen dem System, die geschäftskritischsten Probleme zuerst zu erkennen.

Basisprognose — Sie bezieht sich auf die Verwendung der historischen Daten durch das System zur Erstellung einer Prognose. Es bietet eine erste Bedarfsprognose, bevor Sie Überschreibungen vornehmen.

Datensatz — Eine Sammlung von Daten, die zur Erstellung von Prognosen verwendet werden, z. B. historische Kundenaufträge oder Produktinformationen.

Bedarfsplanungszyklus — Die Zeit, die für die Erstellung und Fertigstellung von Bedarfsplänen benötigt wird. Dazu gehören auch die Erstellung von Prognosen und die Zusammenarbeit mit Stakeholdern bei der Anpassung und Veröffentlichung von Bedarfsplänen.

Bedarfsplan — Ein Plan wird für einen definierten Zeithorizont erstellt und in regelmäßigen Abständen anhand von fortlaufenden Zeitfenstern (Planungszyklen) aktualisiert. Jeder Bedarfsplan kann innerhalb eines Planungszyklus mehrere Versionen enthalten, um die Verfeinerung des Plans für alle inkrementellen Daten zu unterstützen, die innerhalb eines Planungszyklus eingehen. Der Bedarfsplan kann Status anzeigen, darunter:

Prognosekonfiguration — Die Gruppe von Planungsbedingungen, die den Plan für die Prognosegenerierung bestimmen. Dazu gehören die Konfiguration des Planungszyklus, die Granularität des Zeithorizonts und die Hierarchiekonfiguration, die beeinflusst, wie die Bedarfsplanung die Prognose generiert.

Granularität der Forecast — Definiert, wie Sie die Prognose erstellen und verwalten möchten. Sie können eine Kombination aus Produkt-, Standort-, Kunden- und Kanaldimensionen verwenden. Sie können auch das Zeitintervall wählen, in dem die Prognosedaten für jedes Produkt im Datensatz nach Tag, Woche, Monat oder Jahr aggregiert werden sollen. Wenn Ihre Prognosegranularität beispielsweise auf Täglich festgelegt ist, wird Ihnen die Prognose täglich für jedes Produkt im Datensatz angezeigt.

Überschreiben — Eine Änderung, die Sie an der vom System generierten Prognose vornehmen.

Planungshorizont — Die Gesamtdauer bis in die future, für die Prognosen generiert werden, gemessen ab dem Startdatum der Prognose. Der Planungshorizont wird bestimmt, indem der Zeitraum (täglich, wöchentlich oder monatlich) mit der Länge des Planhorizonts kombiniert wird. Beispielsweise erstellt ein Wochenplan mit einem Planhorizont von 26 Wochen Prognosen für die nächsten 26 Wochen ab dem Startdatum der Prognose.

Produktlebenszyklus — Der Produktlebenszyklus bezieht sich auf die verschiedenen Phasen eines Produkts von der Einführung bis zum Ende des Lebenszyklus (EoL).

Veröffentlichter Bedarfsplan — Das endgültige Ergebnis des Plans. Sie können sich dafür entscheiden, den endgültigen Bedarfsplan zur Implementierung in nachgelagerten Inventar- und Angebotsplanungssystemen zu veröffentlichen.