VCM_022023_LR

VISIE

Logistieke effic Toyota Productie Systeem

tekende voorspelling wijst er al op dat er iets fout zit in het model”, aldus Nicolas Vandeput.

Mean absolute error is, zoals de naam al doet vermoeden, het gemiddelde van de absolute fouten. De absolute fout is de abso lute waarde van het verschil tussen de voorspelde waarde en de werkelijke waarde. Die methodiek vertelt ons hoe groot de fout is die we gemiddeld van de voorspelling kunnen verwachten. N. Vandeput: “MAE is niet geschaald naar de gemiddelde vraag. Als iemand je vertelt dat de MAE 10 is voor een bepaald item, kun je niet weten of dat goed of slecht is. Bij een gemiddelde vraag van 1000 scoor je uitstekend. Maar als de gemiddelde vraag 1 is, schort er iets aan je voorspellingen. Om dat op te lossen, is het gebruikelijk MAE te delen door de gemiddelde vraag.” Hoe je MAE en bias combineert, illustreert Nicolas Vandeput aan de hand van een voorbeeld. “Stel dat je over een dataset van 10.000 producten beschikt. De mean absolute error bedraagt 150.000 euro, met een bias van -35.000, wat betekent dat je fore cast te laag lag. Als je eenmaal over die twee waarden beschikt, kun je ze blijven opvolgen en nagaan of die bias zich blijft manifesteren.” Daarbij raadt Nicolas Vandeput aan de voorspel lingsnauwkeurigheid uit te drukken in euro’s, eerder dan in een heden. Toegevoegde waarde als beoordelingscriterium De prestaties beoordelen, gebeurt volgens Nicolas Vandeput het best aan de hand van de toegevoegde waarde. “Mogelijk voor spelt een planner de vraag binnen een stabiele markt, terwijl de andere dat doet in een uiterst volatiele regio. Dan is het niet cor rect om uniforme doelstellingen op het vlak van voorspellingsac curaatheid te formuleren. De planner in de volatiele regio pres teert met een nauwkeurigheid van zestig procent misschien wel beter dan een collega met tachtig procent in een stabiele regio.” Nicolas Vandeput meent dat je een forecastmodel in onstabiele tijden niet noodzakelijk volledig hoeft om te gooien. “Wanneer de vraag drastisch verandert, zal het model daar aan de hand van machine learning op anticiperen. Ik heb nog geen scenario mee gemaakt waarbij de wijzigingen zo fundamenteel waren dat we het forecastmodel opnieuw moesten uitwerken”, zegt hij. Het eerste boek van Nicolas Vandeput bevatte code voor develo pers. “Ik heb het boek vanuit mijn passie geschreven. Het moedigt de lezer aan om er zelf mee aan de slag te gaan. Ik raad aan de code aan de hand van kleine datasets te implementeren. Wie de smaak te pakken heeft, kan die code als een soort bouwblok gebruiken en stap voor stap een eigen forecastmodel ontwikkelen.” KD

L ean manufacturing is tegenwoordig in veel bedrijfsmiddens ingeburgerd. Het idee vond zijn oorsprong in de eerste helft van de vorige eeuw, met het concept van Jidoka of intelli gente automatisering, dat Toyota’s stichter, Sakichi Toyoda, ontwikkelde. Tien jaar later volgde ‘just in time’, om in tijden van schaarste op een efficiënte manier auto’s te produceren. Jidoka en just in time vormen vandaag nog steeds twee belangrijke pijlers bin nen het Toyota Productie Systeem. Het TPS en het daaruit volgende ‘lean manufacturing’ verwierven wereldwijd erkenning via het boek ‘The machine that changed the world’ uit 1990, het resultaat van vijf jaar onderzoek onder leiding van het Massachusetts Institute of Tech nology (MIT). Just in time versus just in case “TPS vormt de ruggengraat van onze organisatie”, legt Jean Christophe Deville uit. “Het ondersteunt en leidt ons in alles wat we doen. Dat komt onder meer tot uiting in het ‘sell one, buy one’-prin cipe. Wanneer de klant een wagen koopt, brengt dat een trigger in Het Toyota Productie Systeem (TPS) geldt algemeen als de roots van lean manufacturing. Het systeem is erop gericht de beste kwaliteit, de maximale veilig heid en de kortste doorlooptijd te realiseren door verspilling te elimineren. Maar hoe functioneert TPS vandaag en helpt het om de hedendaagse dis rupties te beantwoorden? Jean-Christophe Deville, head of Toyota Vehicle Logistics Group, licht toe hoe de supply chain van de Japanse autofabrikant een onderscheidende factor vormt.

8

W W W . V A L U E C H A I N . B E