¿Cuánto tiempo debe tomar para calcular un pronóstico de demanda usando métodos estadísticos? Esta pregunta la hacen a menudo los clientes actuales y potenciales. La respuesta realmente depende. Los resultados del pronóstico para un solo elemento se pueden calcular en un abrir y cerrar de ojos, en tan solo unas pocas centésimas de segundo, pero a veces pueden requerir hasta cinco segundos. Para comprender las diferencias, es importante entender que hay más cosas involucradas que solo repasar la aritmética del pronóstico en sí. Aquí hay seis factores que influyen en la velocidad de su motor de pronóstico.

1) Método de pronóstico.  Las técnicas tradicionales de extrapolación de series de tiempo (como el suavizado exponencial y los métodos de promedio móvil), cuando están codificadas inteligentemente, son muy rápidas. Por ejemplo, el motor de pronóstico automático Smart Forecast que aprovecha estas técnicas y potencia nuestro software de optimización de inventario y planificación de demanda puede generar pronósticos estadísticos sobre 1,000 artículos en 1 segundo. Los métodos de extrapolación producen un pronóstico esperado y una medida resumida de la incertidumbre del pronóstico. Sin embargo, los modelos más complejos en nuestra plataforma que generan escenarios de demanda probabilísticos toman mucho más tiempo con los mismos recursos informáticos. Esto se debe en parte a que crean un volumen de producción mucho mayor, por lo general miles de secuencias de demanda futura plausibles. Más tiempo, sí, pero no tiempo perdido, ya que estos resultados son mucho más completos y forman la base para la optimización posterior de los parámetros de control de inventario.

2) Recursos informáticos.  Cuantos más recursos arroje al cálculo, más rápido será. Sin embargo, los recursos cuestan dinero y puede que no sea económico invertir en estos recursos. Por ejemplo, para hacer que ciertos tipos de pronósticos basados en aprendizaje automático funcionen, el sistema necesitará realizar cálculos de subprocesos múltiples en varios servidores para entregar resultados rápidamente. Por lo tanto, asegúrese de comprender los recursos informáticos asumidos y los costos asociados. Nuestros cálculos se realizan en la nube de Amazon Web Services, por lo que es posible pagar una gran cantidad de cómputo paralelo si se desea.

3) Número de series temporales.  ¿Tiene que pronosticar solo unos pocos cientos de artículos en una sola ubicación o muchos miles de artículos en docenas de ubicaciones? Cuanto mayor sea el número de combinaciones de SKU x Ubicación, mayor será el tiempo requerido. Sin embargo, es posible recortar el tiempo para obtener pronósticos de demanda mediante una mejor clasificación de la demanda. Por ejemplo, no es importante pronosticar cada combinación de SKU x Ubicación. El software moderno de planificación de la demanda primero puede subdividir los datos en función de las clasificaciones de volumen/frecuencia antes de ejecutar el motor de pronóstico. Hemos observado situaciones en las que existían más de un millón de combinaciones SKU x Ubicación, pero solo el diez por ciento tenía demanda en los doce meses anteriores.

4) Clasificación histórica. ¿Está pronosticando utilizando intervalos de tiempo diarios, semanales o mensuales? Cuanto más granular sea la agrupación, más tiempo llevará calcular los pronósticos estadísticos. Muchas empresas se preguntarán: "¿Por qué alguien querría pronosticar diariamente?" Sin embargo, el software de pronóstico de demanda de última generación puede aprovechar los datos diarios para detectar patrones simultáneos de días de la semana y semanas del mes que, de otro modo, quedarían ocultos con los grupos de demanda mensuales tradicionales. Y la velocidad de los negocios continúa acelerándose, amenazando la viabilidad competitiva del ritmo de planificación mensual tradicional.

5) Cantidad de Historia. ¿Está limitando el modelo alimentándolo solo con el historial de demanda más reciente, o está introduciendo todo el historial disponible en el software de previsión de demanda? Cuanto más historial alimente el modelo, más datos se deben analizar y más tiempo llevará.

6) Procesamiento analítico adicional.  Hasta ahora, hemos imaginado ingresar el historial de demanda de los artículos y obtener pronósticos. Pero el proceso también puede implicar pasos analíticos adicionales que pueden mejorar los resultados. Ejemplos incluyen:

a) Detección y eliminación de valores atípicos para minimizar la distorsión causada por eventos únicos como daños por tormentas.

b) Aprendizaje automático que decide cuánto historial se debe usar para cada elemento detectando el cambio de régimen.

C) Modelado causal que identifica cómo los cambios en los impulsores de la demanda (como el precio, la tasa de interés, la opinión del cliente, etc.) afectan la demanda futura.

d) Informe de excepción que utiliza el análisis de datos para identificar situaciones inusuales que ameritan una mayor revisión por parte de la gerencia.

El resto de la historia. También es fundamental comprender que el tiempo para obtener una respuesta implica más que la velocidad de los cálculos de pronóstico. per se. Los datos deben cargarse en la memoria antes de que pueda comenzar la computación. Una vez que se calculan los pronósticos, su navegador debe cargar los resultados para que puedan mostrarse en la pantalla para que usted interactúe con ellos. Si vuelve a pronosticar un producto, puede optar por guardar los resultados. Si está trabajando con jerarquías de productos (agregando pronósticos de artículos hasta familias de productos, familias hasta líneas de productos, etc.), el nuevo pronóstico afectará la jerarquía y todo debe conciliarse. Todo esto lleva tiempo.

¿Lo suficientemente rápido para ti? Cuando está evaluando el software para ver si su necesidad de velocidad será satisfecha, todo esto puede probarse como parte de una prueba de concepto o prueba ofrecida por los proveedores de soluciones de software de planificación de la demanda. Pruébelo y asegúrese de que el calcular, cargar y guardar los tiempos son aceptables dado el volumen de datos y los métodos de pronóstico que desea utilizar para respaldar su proceso.

La gestión de inventarios de piezas de repuesto puede parecer imposible. No sabes qué se romperá y cuándo. Los comentarios de los departamentos mecánicos y los equipos de mantenimiento suelen ser inexactos. Los programas de mantenimiento planificados a menudo se modifican, lo que los convierte en cualquier cosa menos "planificados". Los patrones de uso (es decir, la demanda) suelen ser extremadamente intermitentes, es decir, la demanda salta aleatoriamente entre cero y algo más, a menudo un número sorprendentemente grande. La intermitencia, combinada con la falta de tendencias significativas o patrones estacionales, hace que los métodos tradicionales de pronóstico de series de tiempo sean inexactos. La gran cantidad de combinaciones parte por ubicación hace que sea imposible crear manualmente o incluso revisar pronósticos para partes individuales. Dados todos estos desafíos, pensamos que sería útil delinear una serie de cosas que se deben hacer (y sus correspondientes prohibiciones).

1. Utilice métodos probabilísticos para calcular los puntos de pedido y los niveles mínimos y máximos.
   Basar las decisiones de almacenamiento en el uso diario promedio no es la respuesta correcta. Tampoco lo es la confianza en los métodos de pronóstico tradicionales como los modelos de suavizado exponencial. Ninguno de los enfoques funciona cuando la demanda es intermitente porque no tienen debidamente en cuenta la volatilidad de la demanda. métodos probabilísticos que simulan miles de posibles escenarios de demanda funcionan mejor. Proporcionan una estimación realista de la distribución de la demanda y pueden manejar todos los ceros y no ceros aleatorios. Esto garantizará que el nivel de inventario tenga el tamaño adecuado para alcanzar cualquier objetivo de nivel de servicio que elija.
    
2. Use niveles de servicio en lugar de métodos de regla empírica para determinar los niveles de existencias
   Muchas organizaciones de planificación de piezas se basan en múltiplos de la demanda diaria y otros Reglas de juego para determinar las políticas de almacenamiento. Por ejemplo, los puntos de reorden a menudo se basan en la duplicación de la demanda promedio durante el tiempo de entrega o en la aplicación de algún otro múltiplo según la importancia del artículo. Sin embargo, los promedios no tienen en cuenta cuán volátil (o ruidosa) es una pieza y darán lugar a un exceso de existencias de piezas menos ruidosas y una escasez de piezas más ruidosas.
    
3. Vuelva a calcular con frecuencia las políticas de almacenamiento
   El hecho de que la demanda sea intermitente no significa que nada cambie con el tiempo. Sin embargo, después de entrevistar a cientos de empresas que administran el inventario de piezas de repuesto, encontramos que menos de 10% vuelven a calcular las políticas de almacenamiento mensualmente. Muchos nunca vuelven a calcular las políticas de almacenamiento hasta que surge un “problema”. En miles de piezas, se garantiza que el uso aumentará o disminuirá en al menos algunas de las piezas. Los plazos de entrega de los proveedores también pueden cambiar. El uso de un punto de pedido desactualizado hará que los pedidos se activen demasiado pronto o demasiado tarde, lo que creará muchos problemas. Recálculo de políticas en cada ciclo de planificación asegura que el inventario tendrá el tamaño correcto. No sea reactivo y espere a que ocurra un problema antes de considerar si se debe modificar el valor mínimo o máximo. Para entonces ya es demasiado tarde, es como esperar a que los frenos fallen antes de repararlos. No se preocupe por el esfuerzo de volver a calcular los valores Mín./Máx. para una gran cantidad de SKU: el software moderno lo hace automáticamente. Recuerda: ¡La recalibración de sus políticas de almacenamiento es un mantenimiento preventivo contra el agotamiento de existencias!
    
4. Obtenga aceptación en los niveles de servicio específicos
   El inventario es costoso y debe tener el tamaño correcto en función de lograr un equilibrio entre la disposición de la organización a agotarse y su disposición a presupuestar repuestos. Con demasiada frecuencia, los planificadores toman decisiones de forma aislada basándose en la evitación del dolor o en las solicitudes de los técnicos de mantenimiento sin tener en cuenta cómo el gasto en una parte afecta la capacidad de la organización para gastar en otra parte. El exceso de inventario en una parte perjudica los niveles de servicio en otras partes al consumir de manera desproporcionada el presupuesto de inventario. Asegúrese de que los objetivos de nivel de servicio y el inventario asociado costos de alcanzar los niveles de servicio son entendidos y aceptados.
    
5. Ejecute un proceso de planificación separado para piezas reparables
   Algunas piezas son muy costosas de reemplazar, por lo que es preferible enviarlas a las instalaciones de reparación o de vuelta al OEM para su reparación. Tener en cuenta la aleatoriedad del lado del suministro de cuándo se devolverán las piezas reparables y saber si esperar una reparación o comprar un repuesto adicional son fundamentales para garantizar la disponibilidad de los artículos sin un aumento del inventario. Esto requiere informes especializados y el uso de modelos probabilísticos. No trate las piezas reparables como piezas consumibles cuando planifique.
    
6. Cuente lo que se compra contra el presupuesto, no solo lo que se consume
   Muchas organizaciones asignan las compras totales de piezas a un presupuesto corporativo separado y asignan el presupuesto del equipo mecánico o de mantenimiento a las piezas que se utilizan. En la mayoría de las organizaciones de MRO, especialmente en el transporte público y los servicios públicos, los equipos de reparación dictan lo que se compra. Si lo que se compra no cuenta contra su presupuesto, comprarán en exceso para asegurarse de que nunca haya ninguna posibilidad de desabastecimiento. Literalmente no tienen ningún incentivo para hacerlo bien, por lo que se comprarán decenas de millones en exceso de inventario. Si lo que se compra se refleja en el presupuesto, se prestará mucha más atención a comprar solo lo que realmente se necesita. Reconociendo que el exceso de inventario perjudica el servicio Robar a la organización dinero en efectivo que, de lo contrario, podría usarse en repuestos insuficientes es un paso importante para garantizar una compra de inventario responsable.

​

 ¿Qué es el efecto de oscilación? 

Es cuando su pronóstico estadístico predice incorrectamente los altibajos observados en su historial de demanda cuando realmente no hay un patrón. Es importante asegurarse de que sus pronósticos no cambien a menos que haya un patrón real.

Aquí hay una transcripción de un cliente reciente donde se discutió este problema:

Cliente: “El pronóstico no sigue los patrones que veo en el historial. ¿Por qué no?" 

Inteligente: “Si miras de cerca, los altibajos que ves no son patrones. Es realmente ruido”.  

Cliente: “Pero si no predecimos los máximos, nos agotamos”.

Smart: “Si el pronóstico 'se moviera', sería mucho menos preciso. El sistema pronosticará cualquier patrón que sea evidente, en este caso una tendencia alcista muy leve. Protegeremos el ruido con existencias de seguridad. Los meneos se utilizan para establecer las existencias de seguridad”.

Cliente: “Está bien. Tiene sentido ahora. 

El movimiento parece tranquilizador pero, en este caso, está dando como resultado un pronóstico de demanda incorrecto. Los altibajos en realidad no ocurren a la misma hora cada mes. Un mejor pronóstico estadístico se muestra en verde claro.

Un pronóstico estadístico de cero puede causar mucha confusión a los pronosticadores, especialmente cuando la demanda histórica no es cero. Claro, es obvio que la demanda tiene una tendencia a la baja, pero ¿debería tener una tendencia a cero? Cuando la demanda anterior es mucho mayor que la demanda más reciente y la demanda más reciente tiene un volumen muy bajo (es decir, 1,2,3 unidades demandadas), la respuesta es, estadísticamente hablando, sí. Sin embargo, esto podría no coincidir con el conocimiento comercial del planificador y el nivel mínimo esperado de demanda. Entonces, ¿qué debe hacer un pronosticador para corregir esto? Aquí hay tres sugerencias:

1. Limite los datos históricos alimentados al modelo. En una situación de tendencia a la baja, los datos más antiguos a menudo se mucho mayor que los datos recientes. Cuando se ignora la demanda de volumen mucho mayor anterior, la tendencia a la baja no será tan significativa. Todavía pronosticará una tendencia a la baja, pero es más probable que los resultados estén en línea con las expectativas comerciales.

2. Pruebe la amortiguación de tendencias. Smart Demand Planner tiene una función llamada "cobertura de tendencias" que permite a los usuarios definir cómo una tendencia debe desaparecer con el tiempo. Cuanto mayor sea la cobertura de tendencia porcentual (0-100%), más pronunciada será la amortiguación de tendencia. Esto significa que una tendencia pronosticada no continuará durante todo el horizonte de pronóstico. Esto significa que el pronóstico de demanda comenzará a aplanarse antes de que llegue a cero en una tendencia bajista.

3. Cambiar el modelo de pronóstico. Cambie de un método de tendencia, como Suavizado exponencial doble o Promedio móvil lineal, a un método sin tendencia, como Suavizado exponencial único o Promedio móvil simple. No pronosticará una tendencia a la baja, pero al menos su pronóstico no será cero y, por lo tanto, es más probable que la empresa lo acepte.

Los objetivos de suministro diarios no funcionan al calcular las existencias de seguridad

Los CFO nos dicen que necesitan gastar menos en inventario y sin que afecte a las ventas. Una forma de hacerlo es dejar de usar los objetivos diarios de suministro para determinar los puntos de pedido y las reservas de existencias de seguridad. Así es como funciona un modelo de suministro diario:

1. Calcule el promedioa de la demanda diaria y multiplique la demanda diaria por el tiempo de entrega del proveedor por días para obtener la demanda de tiempo de entrega
2. Elija un búfer de suministro por días (es decir, 15, 30, 45 días, etc.). Use búferes más grandes para elementos más importantes y búferes más pequeños para elementos menos importantes.
3. Agregue los días de reserva deseados del suministro a la demanda durante el tiempo de entrega para obtener el punto de reorden. Pida más cuando el inventario disponible esté por debajo del punto de reorden.

Este enfoque es erroneo por las siguientes razones:

1. El promedio no tiene en cuenta la estacionalidad ni la tendencia: no verá patrones obvios a menos que pase mucho tiempo ajustándolos manualmente.
2. El promedio no tiene en cuenta cuán predecible es un artículo: tendrá un exceso de existencias de artículos predecibles y una escasez de artículos menos predecibles. Esto se debe a que los mismos días de suministro para diferentes artículos generan un riesgo de agotamiento de existencias muy diferente.
3. El promedio no le dice a un planificador cómo el nivel de inventario afecta el riesgo de falta de existencias: no tendrá idea de si tiene existencias insuficientes, excesivas o si tiene suficiente.

Hay muchos otros enfoques de "regla general" que son igualmente problemáticos. Puedes aprender más sobre ellos en este blog. 

Una mejor manera de planificar la cantidad correcta del inventario de seguridad es aprovechar los modelos de probabilidad que identifican exactamente cuánto inventario se necesita contando el riesgo de desabastecimiento que está dispuesto a aceptar. A continuación se muestra una captura de pantalla de Smart Inventory Optimization que hace exactamente eso. En primer lugar, detalla los niveles de servicio previstos (probabilidad de no agotarse) asociados con la lógica de suministro de los días actuales. El planificador ahora puede ver las partes en las que el nivel de servicio previsto es demasiado bajo o demasiado costoso. Luego pueden hacer correcciones inmediatas enfocándose en los niveles de servicio deseados y el nivel de inversión en inventario. Sin esta información, un planificador no sabrá si los días previstos de existencias de seguridad son demasiado, demasiado poco o simplemente correctos, lo que resulta en excesos y escasez que cuestan participación de mercado e ingresos.