Case Studies

PRODUCTION SCHEDULING

Kekkilä-BVB

Kekkilä-BVB is de Europese marktleider in professionele groeimediaoplossingen en levert hoogwaardige substraten en diensten aan tuinbouwbedrijven en consumenten in meer dan 100 landen wereldwijd.

Kekkilä-BVB gaat er prat op een sterke focus op klantsucces te hebben en streeft ernaar alle producten op tijd te leveren. Geen gemakkelijke taak gezien de duizenden op maat gemaakte producten en de hoge seizoensgebondenheid. Dit, in combinatie met hun kernwaarde om te durven innoveren, bracht hen tot het gebruik van Advanced Planning & Scheduling (APS) systeem. Door de expertise van de planners bij Kekkilä-BVB te combineren met de kracht van APS konden we indrukwekkende resultaten laten zien.

APS kon 3-5% meer orders op tijd leveren (bijna 100%), terwijl 5-10% minder tijd werd gebruikt en de maximale voorraad in de opslag met 15-30% werd verlaagd. Indrukwekkende resultaten, vooral gezien het feit dat ze werden bereikt op basis van gegevens uit 2020, toen Covid 19 zorgde voor een sterk fluctuerende vraag en planning nog nooit zo’n moeilijke taak was geweest.

APS wordt toegepast in 3 van hun Nederlandse fabrieken.

DEMAND FORECASTING

Bromelia Specialist

Bromelia Specialist vroeg ons hen te helpen zoveel mogelijk te weten te komen over de behoeften van de consument om hen te helpen groeien en de wereld op te fleuren met Bromelia’s. Door zowel interne gegevens als zoektrends te analyseren hebben we Bromelia Specialist geholpen om meer inzichten te verzamelen die helpen bij het kwantificeren en voorspellen van de consumentenvraag.

We begonnen met het verzamelen van informatie over productgroepen, concurrerende kamerplanten en trends in interieurkleuren voor Engeland, Duitsland en Frankrijk. Door in de gegevens te duiken en de resultaten te visualiseren vonden we interessante verschillen tussen landen die na verloop van tijd kunnen worden gebruikt om specifieke consumentengroepen aan te spreken.

De volgende uitdaging bestaat erin de enorme hoeveelheden beschikbare informatie te integreren en te gebruiken om jaren vooruit te voorspellen en zo gegevensgestuurde, op maat gemaakte productieplannen op te stellen. Aangezien dit de dure wanverhouding tussen productie en vraag kan verminderen, is dit een gebied waar nog veel te winnen valt.