A menudo entramos en contacto con clientes potenciales que afirman que no pueden utilizar un sistema de previsión, ya que se trata de una operación de fabricación "construida sobre pedido". Encuentro que esta es una perspectiva desconcertante, porque cualquier cosa que construyan estas organizaciones requiere materias primas o bienes intermedios de nivel inferior. Si esas entradas de nivel inferior no están disponibles cuando se recibe un pedido del producto terminado, el pedido no se puede generar. En consecuencia, el pedido podría cancelarse y perderse los ingresos asociados.

Estoy de acuerdo en que, en un entorno así, pronosticar el bien terminado no siempre es posible o particularmente útil. A veces es útil, pero no suficiente. En cualquier caso, es fundamental asegurarse de que las materias primas subyacentes y los bienes intermedios que forman parte del bien terminado estén disponibles. Ciertamente se puede pronosticar la demanda de estos.

El objetivo de la organización sería mantener inventarios de nivel de servicio para estos bienes intermedios que son altos pero no inasequibles. Los planificadores deberán establecer niveles de almacenamiento óptimos para estos materiales, equilibrando los requisitos de nivel de servicio con el presupuesto disponible. Dado que un bien intermedio dado podría servir como insumo para más de un bien terminado, la volatilidad de la demanda del bien intermedio sería menor que la volatilidad de la demanda de un bien terminado específico. Por lo tanto, las existencias de seguridad necesarias para mantener inventarios de alto nivel de servicio de los bienes intermedios serían relativamente escasas.

Tres empresas, todas usuarias de SmartForecasts, sirven como ejemplos interesantes. La primera es una empresa química, Bedoukian Research, que fabrica productos químicos personalizados para varios clientes. Cada uno de estos "productos terminados" es una combinación única de compuestos químicos intermedios. Bedoukian comienza su planificación de la demanda con un pronóstico de productos terminados, que impulsa el cronograma de producción y la asignación de recursos de producción esenciales. Esto requiere ejercer un juicio considerable, ya que la demanda de productos terminados cambia dinámicamente.

Una vez que se crean estos pronósticos de productos terminados, los requisitos de materia prima se pueden estimar a través de una lista de desglose de materiales. Bedoukian combina estos resultados con estimaciones de existencias de seguridad, en función de las tasas de utilización reales y los objetivos de nivel de servicio que se deben lograr, para generar el pronóstico completo basado en el nivel de servicio para las materias primas. Esto ha permitido a Bedoukian cumplir con sus requisitos de producción con un inventario significativamente menor.

La segunda empresa fabrica los componentes internos de los teléfonos móviles, donde los productos terminados son combinaciones especializadas de estos componentes. Por ejemplo, un pedido puede requerir una determinada cantidad de teléfonos con etiquetas únicas en la carcasa. Este es el bien terminado para este pedido. Todo lo que entra en ese orden, a excepción de la etiqueta, se construye a partir de componentes estándar. Una vez más, SmartForecasts se utilizará para mantener inventarios de los componentes de alto nivel de servicio y esbeltos. Esta empresa pensó que la única forma de administrar los inventarios de componentes era a través de agregaciones de listas de materiales. Ahora están analizando la tasa de utilización real de los componentes y estableciendo inventarios mucho más reducidos mientras mantienen una alta disponibilidad de los componentes.

Una tercera empresa, NKK Switches, que exploró este tema en su seminario web reciente (ver Publicación de blog invitado del director financiero Bud Schultz), consideraba que sus productos eran “impredecibles”. Puede leer más sobre esto a continuación, pero en general, NKK Switches pudo pronosticar componentes y agregaciones significativas de familias de productos. Al hacer un seguimiento de las previsiones frente a los datos reales durante varios meses, NKK pudo demostrar la precisión de sus previsiones a sus proveedores asiáticos y convencerlos de que cambiaran de un modelo de "fabricación bajo pedido" a un modelo de "fabricación según previsión". Este cambio ha resultado en reducciones dramáticas en los plazos de entrega, en muchos casos reduciéndolos a la mitad, aumentando la satisfacción del cliente y la tasa general de cierre de ventas.

La conclusión aquí es que existe un método perfectamente viable, yo diría esencial, de previsión de la demanda para empresas de fabricación bajo pedido, que establece altos niveles de servicio para los recursos de entrada fundamentales. Si desea obtener más información, envíeme una nota a nelsonh at smartcorp punto com.

Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.

En mi publicación anterior de esta serie sobre conceptos esenciales, “¿Qué es 'Un buen pronóstico'”, discutí el esfuerzo básico para descubrir el futuro más probable en un escenario de planificación de la demanda. Definí un buen pronóstico como aquel que es imparcial y lo más preciso posible. Pero también advertí que, dependiendo de la estabilidad o volatilidad de los datos con los que tenemos que trabajar, aún puede haber alguna inexactitud incluso en un buen pronóstico. La clave es tener una comprensión de cuánto.

Este tema, la gestión de la incertidumbre, es el tema de la publicación de mi colega Tom Willemain, “El promedio no es la respuesta”. Su publicación establece la teoría para enfrentar responsablemente los límites de nuestra capacidad predictiva. Es importante entender cómo funciona esto realmente.

Como mencioné brevemente al final de mi publicación anterior, nuestro enfoque comienza con algo llamado "simulación deslizante". Estimamos con qué precisión predecimos el futuro utilizando nuestras técnicas de pronóstico en una parte más antigua de la historia, excluyendo los datos más recientes. Luego podemos comparar lo que hubiéramos predicho para el pasado reciente con nuestra información real del mundo real sobre lo que sucedió. Este es un método confiable para estimar qué tan cerca estamos prediciendo la demanda futura.

El inventario de seguridad, un amortiguador cuidadosamente medido en el nivel de inventario que almacenamos por encima de nuestra predicción de la demanda más probable, se deriva de la estimación del error de pronóstico que surge de la "simulación deslizante". Este enfoque para lidiar con la precisión de nuestros pronósticos se equilibra de manera eficiente entre ignorar la amenaza de la sobrecompensación impredecible y costosa.

En detalles más técnicos: los errores de pronóstico que se estiman mediante este proceso de simulación deslizante indican el nivel de incertidumbre. Usamos estos errores para estimar la desviación estándar de los pronósticos. Ahora, con una demanda regular, podemos suponer que los pronósticos (que son estimaciones del comportamiento futuro) están mejor representados por una distribución de probabilidad en forma de campana, lo que los estadísticos llaman la "distribución normal". El centro de esa distribución es nuestro pronóstico puntual. El ancho de esa distribución es la desviación estándar del pronóstico de "simulación deslizante" de los valores reales conocidos; lo obtenemos directamente de nuestras estimaciones de error de pronóstico.

Una vez que conocemos la curva específica en forma de campana asociada con el pronóstico, podemos estimar fácilmente la reserva de existencias de seguridad que se necesita. La única entrada nuestra es el "nivel de servicio" que se desea, y se puede determinar el stock de seguridad en ese nivel de servicio. (El nivel de servicio es esencialmente una medida de la confianza que debemos tener en nuestros niveles de existencias de inventario, con una confianza cada vez mayor que requiere los gastos correspondientes en inventario adicional). Tenga en cuenta que estamos asumiendo que la distribución correcta a usar es la distribución normal. Esto es correcto para la mayoría de las series de demanda en las que tiene una demanda regular por período. Falla cuando la demanda es esporádica o intermitente.

En el próximo artículo de esta serie, analizaré cómo Smart Forecasts trata la estimación del stock de seguridad en aquellos casos de demanda intermitente, cuando la suposición de normalidad es incorrecta.

Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.

¿Eres un héroe?

Las suites ejecutivas en la mayoría de las empresas están pobladas por líderes que se convirtieron en "héroes" corporativos. Estos trabajadores excepcionales lideraron, y continúan liderando, iniciativas transformadoras que impulsan el crecimiento de los ingresos, reducen los costos y aumentan el valor para los accionistas.

Los logros heroicos requieren un enfoque nuevo y audaz, a menudo impulsado por un producto o servicio innovador. Clayton M. Christensen, profesor de la Escuela de Negocios de Harvard, habla de “innovación disruptiva”, el caso extremo de un producto o práctica que crea un enfoque comercial o de mercado fundamentalmente nuevo. (El canal de YouTube de Harvard Business Review presenta una entrevista con el Prof. Christensen sobre el tema aquí.) El truco es reconocer la posibilidad y tener el coraje de hacer algo al respecto.

Esto presenta desafíos en ambos lados de la valla. El proveedor de tecnología "mejor en su clase" tendrá dificultades para ser escuchado, superando a los proveedores arraigados y las prácticas establecidas. El practicante heroico debe querer escuchar lo que es posible, estar abierto al cambio y tener el impulso para ejecutar. Construir una comunidad de creyentes y lograr que la oportunidad marque la diferencia puede ser difícil, pero es por eso que este trabajo es heroico.

Puede ser un héroe en ciernes o un ejecutivo que puede detectar oportunidades y oportunidades de "creación de héroes" en su equipo. Me he encontrado con muchos de ustedes a lo largo de los años, y sus éxitos han sido nuestros éxitos. Mi consejo es simple: anímate. La vida es corta, las posibilidades son ilimitadas y tu coraje será recompensado.

Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.

Se pueden obtener enormes eficiencias de ahorro de costos al optimizar los niveles de existencias de inventario utilizando las mejores predicciones de la demanda futura. La familiaridad con los conceptos básicos de pronóstico es una parte importante para ser efectivo con las herramientas de software diseñadas para explotar esta eficiencia. Esta introducción concisa (la primera de una breve serie de publicaciones de blog) ofrece al profesional ocupado una introducción a las ideas básicas que debe aplicar en la elaboración de pronósticos. ¿Cómo evalúa sus esfuerzos de pronóstico y qué tan confiables son los resultados?

Un buen pronóstico es "imparcial". Captura correctamente la estructura predecible en el historial de demanda, que incluye: tendencia (un aumento o disminución regular de la demanda); estacionalidad (variación cíclica); eventos especiales (por ejemplo, promociones de ventas) que podrían afectar la demanda o tener un efecto de canibalización en otros artículos; y otros eventos macroeconómicos.

Por “imparcial” queremos decir que el pronóstico estimado no se proyecta demasiado alto o demasiado bajo; es igualmente probable que la demanda real esté por encima o por debajo de la demanda prevista. Piense en el pronóstico como su mejor estimación de lo que podría suceder en el futuro. Si ese pronóstico es "imparcial", el panorama general mostrará que las medidas de la demanda futura real "encuadrarán" los pronósticos, distribuidos en equilibrio por encima y por debajo de las predicciones por las mismas probabilidades.

Puedes pensar en esto como si fueras un oficial de artillería y tu trabajo es destruir un objetivo con tu cañón. Apuntas tu cañón ("el pronóstico") y luego disparas y miras caer los proyectiles. Si apuntó el cañón correctamente (produciendo un pronóstico "imparcial"), esos proyectiles "encerrarán" el objetivo; algunos proyectiles caerán al frente y algunos proyectiles caerán detrás, pero algunos proyectiles darán en el blanco. Las conchas que caen pueden considerarse como la "demanda real" que ocurrirá en el futuro. Si pronosticó bien (apuntó bien su cañón), entonces esos datos reales colocarán entre paréntesis los pronósticos, cayendo igualmente por encima y por debajo del pronóstico.

Una vez que haya obtenido un pronóstico "imparcial" (en otras palabras, apuntó su cañón correctamente), la pregunta es: ¿qué tan preciso fue su pronóstico? Usando el ejemplo de la artillería, ¿qué tan amplio es el rango alrededor del objetivo en el que caen sus proyectiles? Desea tener un rango lo más estrecho posible. Un buen pronóstico será uno con la mínima “difusión” posible alrededor del objetivo.

Sin embargo, el hecho de que los valores reales estén cayendo ampliamente alrededor del pronóstico no significa que tenga un mal pronóstico. Simplemente puede indicar que tiene un historial de demanda muy "volátil". Nuevamente, usando el ejemplo de la artillería, si está comenzando a disparar en un huracán, debe esperar que los proyectiles caigan alrededor del objetivo con un amplio error.

Su objetivo es obtener un pronóstico lo más preciso posible con los datos que tiene. Si esos datos son muy volátiles (estás disparando en un huracán), entonces deberías esperar un gran error. Si sus datos son estables, debe esperar un pequeño error y sus valores reales se acercarán al pronóstico: ¡está disparando en un día despejado!

Para que pueda comprender tanto la utilidad de sus pronósticos como el grado de precaución apropiado al aplicarlos, debe poder revisar y medir qué tan bien está funcionando su pronóstico. ¿Qué tan bien está estimando lo que realmente ocurre? SmartForecasts hace esto automáticamente ejecutando su "simulación deslizante" a través del historial. Simula “pronósticos” que podrían haber ocurrido en el pasado. Una parte más antigua del historial, sin los números más recientes, se aísla y se utiliza para generar pronósticos. Debido a que estos pronósticos luego "predicen" lo que podría suceder en el pasado más reciente, un período para el cual ya tiene datos de demanda reales, los pronósticos se pueden comparar con el historial real reciente.

De esta manera, SmartForecasts puede calcular empíricamente el error de pronóstico real, y esos errores son necesarios para estimar adecuadamente el inventario de seguridad. El inventario de seguridad es la cantidad de inventario adicional que debe tener para compensar el error anticipado en sus pronósticos. En un ensayo posterior, discutiré cómo usamos nuestro error de pronóstico estimado (a través de la simulación deslizante de SmartForecasts) para estimar correctamente las existencias de seguridad.

Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.

El impacto destructivo del huracán Sandy ha sido asombroso e instructivo. Nuestros pensamientos y mejores deseos para una pronta recuperación están con todos los que han sufrido pérdidas o daños personales o económicos. Ahora, después de Sandy, nos encontramos pensando en acelerar la recuperación y planificar para el próximo evento imprevisto.

Nuestro trabajo con clientes en el sector del transporte público, muy afectado, presentó una visión aleccionadora de infraestructura dañada, equipo pesado y pérdidas de inventario esencial. Los más afectados han visto una gran cantidad de trabajo mientras los gerentes de inventario hacen un inventario de lo que tienen, lo que necesitan y obtienen una montaña de repuestos y productos. Este ciclo de reabastecimiento excepcionalmente masivo presenta todo tipo de oportunidades y consideraciones. Para aquellos que todavía están en esta fase, y para ayudar a nuestra preparación colectiva para el Próximo Gran Evento, aquí hay algunos pensamientos:

Oportunidad de inventario de "tamaño correcto" de inmediato

Es posible que esté en condiciones de recibir una gran infusión única de fondos para el inventario de reemplazo. Podría ser dinero del seguro, ayuda federal o fondos para emergencias de su propia tesorería. Utilice los fondos para establecer la mejor combinación de inventario posible. No ordene a niveles Min/Max previamente establecidos. Hacerlo puede simplemente repetir los excesos y las deficiencias del pasado.

Un evento importante como Sandy presenta una rara oportunidad para transformar su inventario. Comience con un pronóstico de demanda preciso durante el período de reabastecimiento y genere existencias de seguridad y puntos de reorden que aborden sus necesidades críticas. Esto se puede lograr en cuestión de horas o días. Por lo general, la implementación de niveles óptimos de inventario puede ocurrir durante varios años, a medida que el exceso de inventario se agota gradualmente. Ahora, sin embargo, tiene una oportunidad única de saltar a la respuesta correcta. Este cambio puede reducir sustancialmente el gasto de reabastecimiento, liberando cientos de miles de dólares para otros usos de recuperación más críticos.

Priorizar las clases a reponer

Sea claro sobre lo que necesita para operaciones cruciales y priorice su reposición. ¿Qué piezas tienen largos plazos de entrega y cuáles están fácilmente disponibles? Obviamente, los artículos con plazos de entrega cortos se pueden adquirir por etapas, obteniendo lo suficiente ahora, haciendo que los fondos estén disponibles para los artículos con plazos de entrega más largos.

Determine cuánto es "lo suficiente"

Aquí es donde entran en juego un pronóstico preciso de la demanda, las existencias de seguridad y los cálculos del punto de pedido. Considere el nivel de servicio que necesita, la probabilidad de que los productos estén en los estantes cuando los necesite, que es realmente su tolerancia al riesgo. Haga esto para cada artículo o clase de artículos. Esto le dirá cuánto stock de seguridad, además de su pronóstico de tiempo de entrega esperado, debe tener disponible. La iteración de los requisitos basados en el nivel de servicio le permitirá maximizar el valor del presupuesto de reabastecimiento disponible.

Pronóstico estadístico para demanda intermitente vs. métodos de 'regla general'

Ahora es el momento de pasar de 'la forma en que lo hemos hecho' al proceso de optimización de inventario y pronóstico de demanda más preciso disponible para usted. Una mayor precisión en los pronósticos requiere menos inventario de seguridad; nuevamente, el dinero del inventario está disponible para otros usuarios. La categoría individual más grande para la mejora es la demanda intermitente. La mayoría de las organizaciones no aplican métodos estadísticos sólidos a esto, sino que recurren a la "regla del martillo pesado": tener lotes a mano porque nadie lo sabe. Esta es un área en la que SmartForecasts es especialmente hábil, con una solución patentada para pronosticar la demanda intermitente. Las recomendaciones de existencias de seguridad resultantes alcanzaron el objetivo de nivel de servicio casi 100% del tiempo. Hacer esto correctamente ahorrará muchos gastos ahora y ayudará a minimizar el potencial de un exceso de inventario obsoleto en el futuro.

Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.