artikel

Verhoog “visibility” in Product Life Cycle-management: S-curve

Ketensamenwerking Premium 830

Verhoog “visibility” in Product Life Cycle-management: S-curve

De S-curve blijkt een geschikt instrument voor het verhogen van de “visibility” van een Product Life Cycle vóór introductie en voor het monitoren van omzetontwikkelingen ná introductie van een nieuw product. Hiermee kan veel verspilling worden vermeden.

Een nieuw product in de markt zetten gaat gepaard met veel onzekerheden. De “visibility” is beperkt. Slaat het product aan en hoe snel zal dat gebeuren? Hoe groot zal het marktaandeel worden? Hoe kunnen incourante voorraden vermeden worden? Na de lancering komen omzetgegevens beschikbaar. Maar hoe moeten die geïnterpreteerd worden? Standaard vraagvoorspellingen schieten vaak te kort, omdat zij niet zijn ingesteld op groeiversnellingen. Allemaal vragen, die op voorhand moeilijk te beantwoorden zijn.

Na de introductie zal het nieuwe product een groeifase doormaken. Om de “visibility” van de Product Life Cycle te verhogen wordt in dit artikel een tweetal praktische toepassingen van de S-curve uitgewerkt.

S-curve

De formule voor de S-curve, die in dit artikel wordt gebruikt, ziet er als volgt uit:

F(t) = S / (1 + B.e-A.t)

waarbij:

F(t)   = Forecast (vraagvoorspelling) op tijdstip t

S       = Saturation. Het langetermijnmarktaandeel (verzadigingsniveau) van de curve

B       = Constante, een vertragingsfactor

A      = Groeifactor (meestal tussen 0 en 1)

t       = tijd

De formule beschrijft een S-curve, die symmetrisch is rond het buigpunt (= 50% van het marktaandeel).

(Zie artikel “S‑curve voor simulaties van scenario’s bij capaciteitsuitbreiding”, voor meer informatie).

Met de beschreven S-curve worden de volgende twee stappen uitgevoerd:

  1. Prognose voor een Product Life Cycle opstellen                  (vóór  introductie)
  2. S-curves berekenen met beschikbare omzetgegevens (na introductie)

Hieronder worden beide onderwerpen uitgewerkt en worden de verkregen resultaten besproken.

  1. Prognose voor een Product Life Cycle (vóór  introductie)

De prognose voor een Product Life Cycle wordt opgebouwd uit twee S-curves. Een stijgende S-curve voor de groeifase en een dalende S-curve voor de afbouwfase.

Afbeelding1 Groeifase (2)

Afbeelding 1. Prognose van de groeifase (groene lijn). Parameter-instellingen. Startniveau: 0 VPE. Marktaandeel: 1000 VPE. Buigpunt: juli 2017. Groeisnelheid: -0,5. Blauwe staven: vraagvoorspellingen voor betreffende perioden. Y-as: verpakkingseenheden (VPE). X-as: tijd in maanden.

 

Voor beide S-curves worden de parameters ingevuld, waarna eerst de stijgende S-curve (afbeelding 1) en vervolgens de dalende S-curve (afbeelding 2) wordt berekend. De omzetperiode waarin de dalende S‑curve begint, bepaalt hoe lang de omzet zich op het niveau van het maximale marktaandeel handhaaft.  (In afbeelding 2 sluit de dalende S-curve direct aan op de stijgende en is die tijd dus nul).

Afbeelding2 Product life cycle (3)

Afbeelding 2. De Product Life Cycle-prognose. Start afbouwfase: september 2018. Parameter-instellingen. 2e plateau marktaandeel: 0 VPE; Marktaandeel september 2018: 997,52 VPE; Buigpunt: juli 2020; Groeisnelheid: 0,15.

 

Het doel van de Product Life Cycle-prognose is een zo realistisch mogelijk beeld van de toekomstige omzetontwikkeling te schetsen. De focus ligt daarbij op het bepalen van een marktaandeel, acceptatiesnelheid en prijsindicatie. De hiervoor benodigde informatie dient door alle afdelingen van het bedrijf, maar ook door relevante schakels in de supply chain aangeleverd te worden.

Zijn de parameters bepaald, dan kan de Product Life Cycle-curve berekend en grafisch weergegeven worden. Dit kan al eenvoudig uitgevoerd worden in een spreadsheetprogramma, zoals Excel.

De verkregen prognose geeft een tijdgefaseerd verloop van de omzetontwikkeling. Hiermee kan een efficiënte planning voor inkoop, opslag, productie en verkoop worden opgesteld. Mogelijke knelpunten (met betrekking tot bijvoorbeeld capaciteiten en financiering) kunnen op tijd gesignaleerd en opgelost worden, zodat de leverbetrouwbaarheid niet in gevaar zal komen.

Wanneer de planning in een later stadium bijgesteld moet worden, kunnen de parameters eenvoudig worden aangepast, waarbij de Product Life Cycle-berekening als simulatie-tool kan worden gebruikt. De bijgestelde planning dient vervolgens weer op knelpunten gecontroleerd te worden.

Als de lancering van het product van start gaat, wordt het monitoren van de omzetontwikkeling belangrijk.

  1. Monitoren van de omzetontwikkeling (na introductie)

– De stijgende S-curve (groeicurve)

Bij de introductie van een nieuw product wordt ervoor gezorgd dat er voldoende voorraad aanwezig is om aan de initiële klantenvraag te kunnen voldoen. Op een gegeven moment zal echter opnieuw besteld of geproduceerd moeten worden. Om tot goede beslissingen over ordergrootte en bestelmoment te komen, is een vraagvoorspelling nodig.

Wanneer een duidelijke groeiversnelling in de omzetontwikkeling waarneembaar is (afbeelding 3), kan hiertoe de S‑curve-regressie-methode worden ingezet. Aan de hand van de beschikbare omzetgegevens kunnen met deze methode prognoses voor het marktaandeel, de groeisnelheid en de positie van het buigpunt worden berekend, waarna de optimale S-curve grafisch kan worden weergegeven (afbeelding 3, parameters).

Afbeelding3 Introductiefase (4)

Afbeelding 3. De introductiefase. Start Product Life Cycle: oktober 2015. Rode staven: gerealiseerde omzetten. Groene lijn: berekende S-curve. Prognose lopende maand: 378 VPE. Prognose marktaandeel: 1011 VPE/maand.

De S-curve-berekening wordt na iedere omzetperiode opnieuw uitgevoerd. Wanneer de berekende S‑curve structureel begint af te wijken van de Product Life Cycle-prognose, kunnen de parameters van de simulatie-tool handmatig worden aangepast. Vervolgens kan gecontroleerd worden of daardoor nieuwe knelpunten ontstaan.

Bij de nadering van het verzadigingsniveau, herkenbaar aan het afvlakken van de groei, kan voor de vraagvoorspelling overgestapt worden op (trendloze) effeningsmethoden.

– De dalende S-curve (afbouwcurve)

Wanneer de omzet over zijn hoogtepunt heen is en het marktaandeel is afgenomen tot zo’n 70% van het maximum, wordt overgestapt op de dalende S-curve. Aan de hand van de beschikbare omzetgegevens vanaf de top van de life cycle kan een optimale S-curve worden berekend, die een tijdgefaseerde prognose van de toekomstige omzetontwikkeling weergeeft (afbeelding 4).

Afbeelding4 Afbouwfase (1)

Afbeelding 4. De afbouwfase. Start Product Life Cycle: februari 2013. Start afbouwfase: januari 2015. Lopende maand: augustus 2016 (rond 70% van het hoogste marktaandeel). Groene staven: niet relevant voor de dalende S-curve. Rode staven: gerealiseerde omzetten tijdens de afbouwfase. Uitfaseerniveau: 250 VPE/maand (horizontale lijn). Som prognoses tot augustus 2017 (uitfaseerniveau): 5533 VPE. Dalende S-curve: 0 VPE (eindniveau), 1025 VPE (begin-marktaandeel).

 

Het wordt dan tevens tijd om vast te stellen wat het minimumomzetniveau is waarop het product nog rendabel gevoerd kan worden (afbeelding 4, lijn 250 VPE). Het snijpunt van de berekende S-curve met het minimumomzetniveau geeft een eerste indicatie van het tijdstip (“tijd-indicator”), waarop het break even point bereikt zal worden en het product uit de markt genomen zou moeten worden (afbeelding 4, augustus 2017).

Tevens kan de som van de vraagvoorspellingen tot het break even point berekend worden (afbeelding 4, 5533 VPE). Deze som vormt de indicator, aan de hand waarvan in de eindfase efficiënt ingekocht of geproduceerd kan worden. Daarmee wordt het risico incourant drastisch gereduceerd zonder de leverbetrouwbaarheid in gevaar te brengen.

Tijd- en som-indicator worden na iedere omzetperiode opnieuw berekend. Beide zullen een spreiding vertonen (gecorrigeerd voor afgeronde omzetperioden), die afhankelijk is van de volatiliteit van de omzetgegevens. De indicatoren convergeren echter met het vorderen van de tijd, waardoor ze bij het naderen van het minimumomzetniveau steeds betrouwbaarder worden.

Opmerkingen

  • Een hoge volatiliteit van de omzetgegevens maakt de vraagvoorspellingen met de S-curve minder betrouwbaar. De invloed van de volatiliteit kan echter onderdrukt worden door de regressieberekening uit te voeren met het gecentreerde 3-maands voortschrijdend gemiddelde van de omzetgegevens.
  • In dit artikel wordt uitgegaan van een symmetrische S-curve (buigpunt: 50% van het marktaandeel). Wanneer een meer asymmetrisch karakter van de omzetontwikkeling wordt verwacht, kan een asymmetrische S‑curve‑formule gekozen worden. Bijvoorbeeld: F(t)= S x A.e-A.e ^-B.t (buigpunt: 38% van het marktaandeel).
  • In de gegeven voorbeelden wordt de tijdas in maanden weergegeven. De keuze van de tijdseenheid dient afgestemd te worden op de lengte van de life cycle en de beschikbare omzetgegevens.

Conclusies

De S-curve-formule blijkt een geschikt instrument om een zo realistisch mogelijke prognose van een Product Life Cycle samen te stellen en grafisch weer te geven. Met deze verhoogde “visibility” kan een efficiënte planning worden uitgewerkt, waarbij knelpunten vroegtijdig worden gesignaleerd, verspilling wordt vermeden en leverbetrouwbaarheid wordt gewaarborgd. Ook kan de Product Life Cycle-berekening als simulatie-tool worden ingezet.

S-curve-regressie blijkt een efficiënte methode om de groei- en afbouwfase van een Product Life Cycle te monitoren. Omdat de S-curve omzetversnellingen kan volgen, geeft deze methode op de korte termijn betere vraagvoorspellingen dan de conventionele effeningsmethoden. Tevens geeft de S-curve een langetermijnvraagvoorspelling, inclusief een prognose voor het te verwachten marktaandeel.

De beschreven functionaliteiten zorgen er samen met de continu geactualiseerde indicatoren voor dat tijdens de Product Life Cycle een efficiënt inkoop- en productie-beleid kan worden gevoerd. Tevens wordt het risico incourant drastisch gereduceerd zonder daarbij de leverbetrouwbaarheid in gevaar te brengen. Al deze facetten zorgen voor een significante verhoging van de marge die op het product behaald kan worden.

Reageer op dit artikel