SCM: Mit ETA-Forecastings Ankunftszeiten vorhersagen

ETA Forecasting

Unplash/m0851

Kunden planmäßig mit Waren zu versorgen und Engpässe zu vermeiden, ist für Unternehmen unerlässlich. Dies gilt insbesondere in der aktuellen Pandemie, die Logistikverantwortliche weltweit vor große Herausforderungen stellt. Was aus dem E-Commerce nicht mehr wegzudenken ist, gewinnt auch in der Logistikbranche signifikant an Bedeutung: das ETA-Forecasting (Estimated Time of Arrival).

Forecasting als integraler Bestandteil der Unternehmenssteuerung

Das Forecasting ist im heutigen Logistikumfeld fest verankert. Mit dem Steuerungsinstrument sind Supply Chain Entscheider in der Lage, die eigene Kapazitätsplanung zu optimieren: Präzise Vorhersagen ermöglichen es, dass effizienter und nachhaltiger geplant und Handlungsbedarf frühzeitig identifiziert werden kann. Nie war das erfolgskritischer als heute, wo sich Lieferketten erst allmählich von Lockdowns, Kurzarbeit und Containerstaus erholen.

Doch was gilt es in puncto Kapazitätsplanung zu beachten? „Für ein präzises Forecasting ist es entscheidend, die richtige und vollständige Datengrundlage zu nutzen“, weiß Ralf Boelicke, Head of Department Solution Design bei Hermes International, einem Geschäftsbereich von Hermes Germany.

Um sicherzustellen, dass der Forecast die gewünschte Aussagekraft hat, müssen sowohl die Gestaltung als auch die verwendeten Instrumente klar definiert werden. Dank spezieller IT-Lösungen ist es heute wesentlich einfacher, die benötigten Daten zusammenzustellen und auszuwerten. So hat Hermes International beispielsweise Big Data als Technologie zur Optimierung der eigenen Forecastings für sich identifiziert.

ETA-Forecasting – Ressourcen optimal planen

Im Handel bereits länger genutzt, gewinnt aktuell das ETA-Forecasting an Relevanz für die Logistikbranche. Hier werden auf Basis sensorisch erfasster Daten nicht nur die voraussichtlichen Ankunftszeiten (ETA-Zeiten) von Transportmitteln wie Schiffen oder Flugzeugen, sondern auch die Verschiebungen von Lenk- und Ruhezeiten berechnet, um möglichst präzise Aussagen zur Ankunft einer Sendung am definierten Zielort machen und diese transparent kommunizieren zu können.

Durch die Erfassung von Bearbeitungszeiten an logistischen Knotenpunkten wie Häfen, Binnenterminals, von Transportzeiten auf Straße und Schiene sowie der zusätzlichen Auswertung von Wettervorhersagen oder Schiffsverweilzeiten ist eine präzise Vorhersage der Ankunftszeiten möglich. Daraus ergeben sich entscheidende Planungsvorteile: Vor- und nachgelagerte Prozesse lassen sich optimal planen und entsprechende Ressourcen in time bereitstellen. In der Folge können Lieferverzögerungen verringert, Wartezeiten vermieden und die gesamte Supply Chain transparenter ausgestaltet werden – mit immensen Kostenvorteilen.

Fazit

Mit welcher Forecastingmethode Unternehmen ihre Supply Chain planen, eine solide und valide Datenbasis bildet das Fundament für präzise Vorhersagen. Die Auswertung bisher vernachlässigter Datenquellen könnte helfen, die Qualität der Forecastings und somit die gesamte Supply Chain Performance zu verbessern.

Neue Technologien wie Big Data oder künstliche Intelligenz (KI) bieten Logistikentscheidern dabei vielseitige Möglichkeiten, um valide Daten zu sammeln, zu nutzen und die Prozesse innerhalb der Supply Chain zu optimieren.

ÄHNLICHE BEITRÄGE

Scroll Up