SAP Integrated Business Planning in der Life-Sciences-Branche
Die Life Sciences gelten aufgrund der gesundheitsrelevanten Produkte als eine der anspruchsvollsten Branchen. Gerade für sie sind eine performante Supply Chain und eine präzise und adaptive Planung unerlässlich.
Eine Supply Chain in der Life-Sciences-Industrie besteht aus vielen Akteuren – den Produzenten, Lieferanten, den Händlern und den Apotheken – mit verschiedenen Herausforderungen. Produzenten müssen mit einer begrenzten Anzahl an lizenzierten Lieferanten auskommen, was zu Kapazitätsgrenzen führen kann. Sie haben hohe Kosten durch die durchgängige Rückverfolgung von Produkten und beim Umsetzen von Schutzmechanismen gegen Produktfälschungen. Sie bekommen wenige Marktsignale und müssen durch den Global Trade gleichzeitig diverse länderspezifische Regularien beachten. Händler müssen einen großen Produktbestand verwalten und pünktlich innerhalb von 24 Stunden hochwertige Ware liefern. Das Problem: Apotheken benötigen zwar häufig Ware, aber in kleinen Mengen. Um die Marge sicherzustellen, sind Händler daher gezwungen, Kosten zu sparen – dies geschieht auch im Bereich von Analytics und IT. Also genau dort, wo eigentlich Investitionen nötig sind, um sich weiterzuentwickeln.
Gerade Apotheken sind ein kleines, sehr schnell drehendes Lager. Sie müssen ungeplant individuelle Medikationsbedarfe bedienen, haben aber häufig keinen Mindestbestand pro Produkt vorrätig. Planung gelingt am besten, wenn saisonale und epidemische Effekte prognostiziert werden, wie z. B. Pollenflug oder Grippewellen. Doch, welche Möglichkeiten der Planung gibt es überhaupt?
Planung in der Supply Chain: „Software follows Process“
Entscheidend ist die integrierte Betrachtung der Supply Chain Planung. Eine bewährte technologische Unterstützung ist dabei SAP Integrated Business Planning. Das Thema Integrated Business Planning muss aus zwei Blickwinkeln der Integration betrachtet werden:
1) Die prozessuale Integration der End-to-End-Prozesse: Diese beginnt häufig mit dem Financal Planning. Dabei wird ein Geschäftsplan mit dem jährlichen Budget erstellt, der als Vorlage und Ziel gilt, aber im Laufe der Zeit immer wieder taktisch verfeinert wird. Dabei spielen das Sales and Demand Planning (Absatzplanung) sowie das Supply Planning (Umsetzung) eine Rolle. Die Ergebnisse dieser Planungsschritte übergibt man ans Operative Production Planning in SAP S/4HANA. Die Software legt letztendlich die Prozess- und Fertigungsaufträge an, führt diese durch, wickelt die Produktion selbst ab sowie die gesamte Lagerwirtschaft und die Kundenaufträge. Begleitende Prozesse können Response Planning und Available to Promise Prozesse (ATP) sein.
Rollierender S&OP-Prozess
2) Die Integration des Supply-Chain-Netzwerkes, mit dem Blickwinkel des Produzenten: Dabei werden die Produkte an sich sowie das Produktionswerk mit den entsprechenden Ressourcen betrachtet. Zusätzlich müssen die Distributionszentren beziehungsweise die Händler und deren Kunden – in der Regel die Apotheken – hinsichtlich des Bedarfs sowie die Lieferanten zwecks Kapazitäten geplant werden. Dieser Prozess wird meistens rollierend in einem Sales-and-Operations-Planning-Prozess aufgesetzt. Dieser läuft typischerweise monatlich und in drei Phasen ab: Demand Review, Supply Review und Management Review. Der Prozess sollte stets aktuelle Erkenntnisse einschließen.
IBP Systeminfrastruktur
Leistungssteigerung durch Machine Learning
Um noch bessere Planungsergebnisse zu erzielen, haben Life-Sciences-Unternehmen weitere Möglichkeiten – zum Beispiel im Bereich Machine Learning. Der Einsatz von Algorithmen lässt sich dabei klassifizieren: Künstliche Intelligenz (KI) allgemein hilft bei der Lösungs- und Entscheidungsfindung, bei der Optimierung (von Kosten) und bei Prognosen. Tiefer geht Machine Learning als besondere Gruppe von Verfahren der KI. Einfache Anwendungsfälle für KI in der Absatzplanung sind beispielsweise Level Shift und Change Point Detection, womit wichtige Charakteristika von Historiendaten bestimmt werden können.
Auch externe Faktoren, die die Planung beeinflussen, können durch das Lernen aus historischen Daten besser berücksichtigt werden. Eine verbesserte Prognosequalität kann darüber hinaus durch das Demand Sensing erzielt werden, das ebenfalls auf Machine-Learning-Algorithmen und Pattern Detection (Mustererkennung) zurückgreift.
Zeitreihenanalyse/Demand Pattern Analysis
Optimierende Verfahren sind das „Non plus ultra“ in der Supply Chain Organisation. Diese Verfahren arbeiten mit bestimmten Input-Daten (Planbedarfe, Kundenbedarfe) und verschiedenen Kostenfaktoren (Verspätungskosten, Bestandskosten, Transportkosten etc.). Sie erstellen mithilfe von linearen und diskreten Optimierungsverfahren und unter Berücksichtigung der Restriktionen und Kosten einen Plan über das gesamte Supply-Chain-Netzwerk. Dieser Plan kann durch den Einsatz von Alerts kontrolliert werden – auch hier können KI-Verfahren zum Einsatz kommen.
Wenn Sie mehr über den Einsatz von Machine Learning und Prozessautomatisierung in den Branchen Life Sciences und speziell der Pharmaindustrie erfahren möchten, sehen Sie sich den Vortrag unserer Experten Patrick Henze, und Michael Galla, an.
Jetzt OnDemand Webinar ansehen!
Oder kontaktieren Sie uns direk. Wir freuen uns auf Ihre Fragen!
[email protected]