בענף המזון, שבו המרווחים קטנים והתחרות גבוהה, חיזוי לא מדויק של הביקושים עלול להפוך לאחד הגורמים הכי יקרים בארגון.
אצל אחת מחברות המזון הוותיקות והמוכרות בישראל התברר שהחיזוי היומי אינו מדויק מספיק – מה שהוביל לעודפי ייצור, בזבוז חומרי גלם וניצולת נמוכה של ציוד ומשאיות.

ב-MOORE בחנו את שרשרת התכנון מקצה לקצה ומצאנו שהפתרון טמון בחיבור נכון בין דאטה לתפעול.

תהליך העבודה כלל:
• תצפיות וראיונות בשטח כדי להבין בפועל איך מתקבלות ההזמנות וכיצד מתורגם המידע לתוכנית ייצור
• מיפוי מפורט של תהליך העבודה, כולל פערים בין התכנון לתפוקות האמיתיות
• בניית מודל חיזוי מבוסס Machine Learning, תוך שימוש בהיסטוריית נתונים רחבה
• הגדרת "מודל מינימום יומי" שמספק בסיס ייצור קבוע ומונע תנודתיות
• שילוב התחזית החדשה בתכנון היומי, כחלק מתהליך אוטומטי ומתואם עם הייצור
• הטמעה תפעולית מלאה, כך שהשינוי יוטמע בשגרה הארגונית ולא רק ברובד האנליטי

התוצאות היו ברורות: דיוק החיזוי עלה בצורה משמעותית, עודפי הייצור והחומרים ירדו, וניצולת המשאיות והציוד השתפרה.