VCM_092026_LR

FORECASTING, PLANNING & INVENTORY MANAGEMENT

ceerde algoritmen als alternatief voor MRP. Die vertalen de vraag van de klant binnen enkele seconden naar productie- en componen torders. De onderzoekers benadrukken dat betere planningssystemen niet alleen tech nisch goede aanbevelingen moeten genere ren, ze horen ook de menselijke planners te ondersteunen bij het interpreteren, aanpas sen en implementeren van aanbevelingen in onzekere en beperkte omgevingen. Tegelijkertijd kent ook menselijke besluitvor ming zijn beperkingen. “Mensen tonen vaak vooringenomenheid en zijn beïnvloed door eerdere ervaringen of persoonlijke interpre taties”, verduidelijkt Rob Basten. “Daarnaast blijft het moeilijk om onzekerheid en toeval consistent in elke beslissing mee te nemen. Dat maakt productieplanning kwetsbaar, zeker in complexe en snel veranderende omgevingen.” Menselijke planners volgen ook niet altijd alle informatie die planningssystemen hun voor leggen. “Sommige planners negeren zelfs aanbevelingen van het MRP-systeem omdat ze vertrouwen op hun eigen ervaring of op bijkomende informatie uit de organisatie. Soms wijken planners noodgedwongen af van MRP-oplossingen omdat die gewoon onhaal baar zijn.” “Een MRP-systeem stelt niet altijd een uitvoer baar planningsschema op.” Wisselwerking tussen mens en systeem Rob Basten illustreert waarom menselijke planners en geavanceerde planningssystemen best samenwerken: “Een systeem kan bijvoor beeld voorstellen volgende week vijfhonderd eenheden te produceren. De planner weet

Rob Basten, professor Behavioral Operations Management, TU Eindhoven: “De systemen blijken niet altijd even gebruikersvriendelijk. Dat probleem ontstaat vaak omdat softwareontwerpers onvoldoende rekening houden met hoe medewerkers de software in de praktijk toepassen.”

echter dat een component vertraging heeft, een machine een beperkte capaciteit kent en de vraagprognose morgen weer kan veran deren. De aanbeveling van het geavanceerde planningssysteem lijkt accuraat, maar is dus mogelijk niet uitvoerbaar. De planner moet dan ingrijpen: voorraden controleren, colle ga’s contacteren, aantallen aanpassen en het risico op tekorten afwegen tegen de kosten van overtollige voorraad.” Hoe die wisselwerking er exact uitziet, hangt af van het aantal beschikbare planners en hun vaardigheden. “Wanneer een organisatie over voldoende ervaren planners met diepgaande kennis van het productieproces beschikt, daalt de nood aan heel geavanceerde software. Beschikt de organisatie over minder ervaren of te weinig planners of is de complexiteit te groot, dan neemt de behoefte aan geavan ceerde ondersteuning toe”, weet Lijia Tan. “Je kunt je ook afvragen of het ‘oplossen van het probleem’ door simpelweg veel ervaren planners in te zetten wel de beste manier is”, vult Rob Basten aan. “Ik ben van mening dat het gebruik van een geavanceerd systeem

sowieso een goed idee is omdat je dan met minder mensen kunt werken of meer werk kunt verzetten met het beschikbare perso neel. Bovendien draagt het bij tot consistente beslissingen.” Algoritme-aversie De onderzoekers geven aan dat het succes van die wisselwerking afhangt van hoe de mense lijke planner het nut en de gebruikersvriende lijkheid van de geavanceerde planningstool ervaart. “Gebruikers tonen vaak scepticisme tegenover algoritmische aanbevelingen. Ze twijfelen aan de meerwaarde van de voorstel len die software genereert”, aldus Lijia Tan. “Sommige planners gaan ervan uit dat men selijke inschatting beter presteert dan een algoritme, zelfs wanneer de data het tegen deel suggereren. Daarnaast blijken de syste men niet altijd even gebruikersvriendelijk. Dat probleem ontstaat vaak omdat softwareont werpers onvoldoende rekening houden met hoe medewerkers de software in de praktijk toepassen. Een beperkte gebruikersvriende lijkheid remt het enthousiasme voor meer geavanceerde systemen af.”

49

VALUE CHAIN MANAGEMENT - SEPTEMBER-OKTOBER 2026