The Challenge
A mining services company providing mining consultation and drilling operations, running a fleet of rigs across industrial and mining projects, was managing more than 440 SKUs of consumables and equipment without proper supply chain processes. Purchasing was lumpy and disconnected from inventory positions, the data itself was fragmented, messy and far from reliable, and consumption signals carried strong white noise that made traditional time series forecasting useless. The existing continuous review policy with EOQ carried an annual relevant cost of about 4.1 million SAR, with excess inventory near 1.2 million SAR and stockout exposure of about 635,000 SAR. Staff also needed structured training to run and scale the new processes.
Our Approach
- Conducted a baseline assessment and comprehensive data audit
- Tested time series modeling first, identified strong white noise in consumption data and pivoted to custom machine learning approaches
- Cleaned and reconciled the fragmented, messy records into a reliable dataset, and estimated holding costs at 28% with ordering cost assumptions per order
- Addressed the joint replenishment fragmentation problem with a cluster of algorithms designed for limited data
- Developed a custom ML-based periodic Min-Max policy with practical review periods and optimization
- Delivered a six-class training program covering supply chain management, forecasting, analysis, inventory and procurement
- إجراء تقييم أساسي وتدقيق شامل للبيانات
- اختبار نمذجة السلاسل الزمنية أولًا، واكتشاف أن بيانات الاستهلاك مشتتة بدون أي نمط، والتحول إلى نهجات تعلم آلة مخصصة
- تنظيف السجلات المجزأة والفوضوية ودمجها في مجموعة بيانات موثوقة، وتقدير تكاليف الحمل بنسبة 28% مع افتراضات تكلفة الطلب
- معالجة مشكلة تفتت التجديد المشترك باستخدام مجموعة من الخوارزميات المصممة للبيانات المحدودة
- تطوير سياسة Min-Max دورية مخصصة قائمة على تعلم الآلة مع فترات مراجعة عملية وتحسين
- تقديم برنامج تدريبي من ستة أقسام يغطي إدارة سلاسل الإمداد والتنبؤ والتحليل والمخزون والمشتريات
Analytical Methods Used
ML Classification
Custom ML Periodic Min-Max Policy
Joint Replenishment Optimization
Power-of-Two Review Periods
Data Cleaning & Reconciliation
EOQ Baseline Cost Modeling
تصنيف تعلم الآلة
سياسة Min-Max الدورية المخصصة بتعلم الآلة
تحسين التجديد المشترك
فترات مراجعة قوى العدد اثنين
تنظيف البيانات ودمجها
نمذجة تكلفة خط الأساس EOQ
Key Outcomes & Results
- Reduced annual relevant costs from about 4.13 million SAR to about 1.02 million SAR, a 75% reduction
- Achieved estimated savings of 350,000 SAR with a further 300,000 SAR reduction potential identified
- Quantified inventory investment and linked purchasing decisions to inventory positions
- Provided a monthly purchasing plan the team could put to use immediately
- Built staff capability across SCM, forecasting, analysis, inventory and procurement for sustainable implementation
- تخفيض التكاليف السنوية ذات الصلة من نحو 4.13 مليون ريال إلى نحو 1.02 مليون ريال، بانخفاض 75%
- تحقيق وفورات تقديرية بقيمة 350 ألف ريال مع تحديد فرص إضافية لتخفيض 300 ألف ريال
- قياس الاستثمار في المخزون وربط قرارات الشراء بأوضاع المخزون
- تقديم خطة شراء شهرية يمكن للفريق استخدامها فورًا
- بناء قدرات الفريق في إدارة سلاسل الإمداد والتنبؤ والتحليل والمخزون والمشتريات لتنفيذ مستدام