Prozessoptimierung im SCM

Das Supply Chain Management (SCM) stellt für jedes Unternehmen einer Lieferkette eine permanente Herausforderung dar: Jegliche Abläufe müssen immer effizienter und transparenter ablaufen, damit der Kunde die richtige Ware, zur richtigen Zeit, am richtigen Ort erhält. Eine Analyse und Überwachung von Kennzahlen allein reichen nicht aus, sondern bedarf auch den Einbezug der Prozesse. Dabei haben viele Faktoren Einfluss auf die Prozesse. Der gelebte Prozess sieht oft anders aus als die Vorgabe. Es gilt daher die volle Transparenz von der Lieferkette zu gewinnen, welche nebst Lager- und Bestell–Kennzahlen auch Prozess-Indikatoren und -Abweichungen beinhalten.

Herausforderungen in einer Supply Chain

Als Beispiel soll hier eine vereinfachte Lieferkette (Supply Chain) für Brot beigezogen werden. Der Bauer liefert das angebaute Getreide zur Mühle, welche es zu Mehl mahlt. Das Mehl wird zum Bäcker geliefert, dessen Brot zum Supermarkt wo es schlussendlich die Endkunden kaufen. Natürlich hat jeder Teilnehmer der Lieferkette selbst noch weitere Zulieferer und allenfalls auch weitere Abnehmer.

Supply Chain

Die Kette ist aber von jedem Glied abhängig: Wenn die Mühle aufgrund eines technischen Problems in ein Lieferproblem gerät, kann das schnell zu Problemen bei den nachgelagerten Teilnehmern führen. Der Bäcker muss schnellstens Mehl von einem anderen Lieferanten besorgen oder kann weniger an den Supermarkt liefern. Der Supermarkt kriegt so allenfalls weniger Brot und muss ebenfalls reagieren, sonst kauf der Kunde bei der Konkurrenz.

 

Die Teilnehmer einer solchen Lieferkette könnten aber schneller reagieren, wenn sie möglichst früh von Abweichungen informiert werden. Gerade Ereignisse auf Kundenseite (z.B. ungeplante Hamsterkäufe) können durch eine zu träge Informationsverteilung gegen den Lieferketten-Anfang sehr stark aufschwingen (Bullwhip-Effekt). Jeder Teilnehmer bestellt etwas mehr, um künftige Bestellungen besser abdecken zu können.

Bullwhip Effekt

Solche Ereignisse haben schnell grossen Einfluss auf die komplette Lieferkette. So sind alle Unternehmen darin gefordert, schnell auf veränderte Situationen zu reagieren und die Informationen weiter zu geben. Zeit ist dabei ein zentraler Faktor, womit die Durchlaufzeit von Prozessen sehr wichtig werden, um grössere Aufschaukel-Effekte zum Lieferketten-Anfang hin zu vermeiden.

Lösungsansätze

Durch klassische statistische Analysen werden bereits heute erwartete Absätze, Lieferzeiten usw. berechnet, damit die Lieferkette ihre Produkte zeit- und bedarfsgerecht liefert. Machine Learning (ML) findet ebenfalls immer mehr Anwendung in der Vorhersage des zu erwartenden Bedarfs und bildet so eine wertvolle Ergänzung zu den statistischen Analysen. So weiss der Bäcker, in welchem Monat er mit welchem Brot-Konsum seiner Abnehmer rechnen kann, kann mittels ML gar neue Produkte oder Bedarfsentwicklungen sehr gut vorhersehen.

 

Die Kommunikation über Abweichungen, respektive nicht vorhergesehenen Ereignissen wie technische Störungen sind oft über elektronische Schnittstellen in der Lieferkette abgebildet (z.B. EDI). Aber die Kommunikation erfolgt nur so schnell, wie der Prozess dafür abläuft. Wenn der Prozess ineffizient oder an Einzelpersonen hängt, kann eine Meldung an die Lieferkette trotz Informatik-gestützter Mittel zu lang dauern.

 

Bei Prozessanalysen gilt es somit nicht nur Purchase-to-Pay- (P2P) und Order-to-Cash-Prozesse (O2C) zu analysieren, sondern auch die entsprechenden Betriebs- und Support-Prozesse in Augenschein zu nehmen. Klassische Prozessanalysen sind aufwändige Projekte: Interviews mit Mitarbeitern, Dokumentenstudium und Arbeitsplatzbeobachtungen kosten Zeit. Damit die angesprochenen Störungsfälle ebenfalls analysiert werden können, müssten diese aber innerhalb der Beobachtungsphase von wenigen Wochen mehrmals auftreten. Und hier wird die Prozessbewertungs-Grundlage dann immer dünner.

Beispiel einer Prozessübersicht
Beispiel einer Prozessübersicht, Tool: PAFnow

Genau hier nun aber biete sich eine Prozessanalyse mittels Process Mining an: Durch die Analyse der bisherigen aufgezeichneten Prozessdurchläufe lassen sich nicht nur die klassischen P2P- und O2C-Prozesse analysieren und auf Engpässe, unnötige Schlaufen oder Ping-Pong-Abläufe hin untersuchen, sondern auch Betriebs-, Support- und Störungs-Prozesse auf Durchlaufzeiten, Effizienz und Automatisierungsgrad hin optimieren.

Process Mining im SCM-Dashboard

Von den Tool-Lieferanten wird Process Mining oft für die klassischen P2P- und O2C-Prozesse verkauft. Spezielle Packages sind hierfür optimiert, damit Unternehmen diese Kernprozesse analysieren können. Motivation dafür ist sicher der Umstand, dass diese Prozesse überall mehr oder weniger gleich ablaufen, dabei aber auch bei fast allen Unternehmen ein grosses Optimierungspotential offenlegen können.

 

Process Mining kann aber für alle Prozesse eingesetzt werden, welche von einem IT-Systemen unterstützt werden und so Stati in irgendeiner Art festhalten. Im Supply Chain Management können so nebst den klassischen Kennzahlen auch die Indikatoren von jeglichen Prozessen beigezogen und analysiert werden. Betriebsabläufe können optimiert, Störungen effizienter gelöst und Informationen schneller an die Lieferkette mitgeteilt werden.

 

 

Falls Sie mehr zu diesem Thema wünschen, lassen Sie es uns wissen. Gerne stellen wir Ihnen Process Mining unverbindlich vor - falls gewünscht auch mit einem kleinen Datenset aus Ihrem System.