Planificación de consumibles frente a piezas reparables

Al decidir los parámetros correctos de almacenamiento de repuestos y piezas de repuesto, es importante distinguir entre piezas consumibles y reparables. Estas diferencias son a menudo pasadas por alto por software de planificación de inventario y puede resultar en errores estimaciones de lo que hay que almacenar. Se requieren diferentes enfoques al planificar consumibles frente a reparables.

Primero, definamos estos dos tipos de repuestos.

  • Partes consumibles son elementos contenidos dentro del equipo que se reemplazan en lugar de repararse cuando fallan. Los ejemplos de piezas consumibles incluyen baterías, filtros de aceite, tornillos y pastillas de freno. Las piezas consumibles tienden a ser piezas de menor costo para las cuales el reemplazo es más barato que la reparación o la reparación puede no ser posible.
  • Partes reparables son piezas que se pueden reparar y volver a poner en servicio después de fallar debido a causas como desgaste, daños o corrosión. Las piezas reparables tienden a ser más caras que las piezas consumibles, por lo que la reparación suele ser preferible al reemplazo. Los ejemplos de piezas reparables incluyen motores de tracción en vagones de ferrocarril, motores a reacción y fotocopiadoras.

Los métodos tradicionales de planificación no hacen el trabajo

Los métodos de planificación tradicionales no están bien adaptados para lidiar con la aleatoriedad tanto en el lado de la demanda como en el lado de la oferta de las operaciones de MRO.

Aleatoriedad del lado de la demanda
La planificación de piezas consumibles requiere el cálculo de parámetros de control de inventario (como puntos de pedido y cantidades de pedido, niveles mínimo y máximo y existencias de seguridad). La planificación para gestionar las piezas reparables requiere el cálculo del número correcto de piezas de repuesto. En ambos casos, el análisis debe basarse en modelos de probabilidad del uso aleatorio de consumibles o el desglose aleatorio de reparables. Para más de 90% de partes, este aleatorio la demanda es “intermitente” (a veces llamado "grumoso" o "cualquier cosa menos distribuido normalmente"). Los métodos de pronóstico tradicionales no se desarrollaron para hacer frente a la demanda intermitente. Confiar en los métodos tradicionales conduce a costosos errores de planificación. Para los consumibles, esto significa desabastecimientos evitables, costos excesivos de mantenimiento y mayor obsolescencia del inventario. Para los reparables, esto significa un tiempo de inactividad excesivo del equipo y los costos correspondientes por un rendimiento poco confiable y la interrupción de las operaciones.

Aleatoriedad del lado de la oferta
La planificación de los consumibles debe tener en cuenta la aleatoriedad en el reabastecimiento plazos de entrega de los proveedores. La planificación de los reparables debe tener en cuenta la aleatoriedad en los procesos de reparación y devolución, ya sea que se proporcione internamente o se contrate. Los planificadores que gestionan estos artículos a menudo ignoran los datos explotables de la empresa. En cambio, pueden cruzar los dedos y esperar que todo salga bien, o pueden invocar su instinto para "llamar audibles" y luego esperar que todo salga bien. Esperar y adivinar no puede vencer al modelo de probabilidad adecuado. Desperdicia millones anualmente en inversiones de capital innecesarias y tiempo de inactividad evitable del equipo.

 

Soluciones de software

Smart IP&O utiliza un sistema empírico único pronóstico probabilístico Acercarse que está diseñado para la demanda intermitente. Para piezas consumibles, nuestro método patentado y ganador del premio APICS genera rápidamente decenas de miles de escenarios de demanda sin depender de las suposiciones sobre la naturaleza de las distribuciones de demanda implícitas en los métodos de pronóstico tradicionales. El resultado son estimaciones muy precisas del stock de seguridad, los puntos de pedido y los niveles de servicio, lo que conduce a niveles de servicio más altos y costos de inventario más bajos. Para piezas reparables, Smart's Módulo de Reparación y Devolución simula con precisión los procesos de avería y reparación de artículos. Predice el tiempo de inactividad, los niveles de servicio y los costos de inventario asociados con el grupo de repuesto rotativo actual. Los planificadores sabrán cuántos repuestos almacenar para lograr los requisitos de nivel de servicio a corto y largo plazo y, en entornos operativos, si deben esperar a que se completen las reparaciones y vuelvan a estar en servicio o comprar repuestos adicionales de los proveedores, evitando compras y equipos innecesarios. falta del tiempo.

Comuníquese con nosotros para obtener más información sobre cómo esta funcionalidad ha ayudado a nuestros clientes en los sectores de MRO, servicios de campo, servicios públicos, minería y transporte público a optimizar su inventario. También puede descargar nuestro Whitepaper aquí.

 

 

Libro blanco: Lo que necesita saber sobre la previsión y la planificación de piezas de servicio

 

Este documento describe la metodología patentada de Smart Software para pronosticar la demanda, las existencias de seguridad y los puntos de pedido de artículos tales como repuestos y componentes con demanda intermitente, y brinda varios ejemplos de éxito del cliente.

 

     

    Pronóstico basado en escenarios versus ecuaciones

    Por qué la planificación basada en escenarios ayuda a los planificadores a gestionar mejor el riesgo y crear mejores resultados.

    Si está leyendo esto, probablemente sea un profesional de la cadena de suministro con responsabilidades en la previsión de la demanda, la gestión de inventario o ambas. Si vives en el 21S t siglo, usa software de algún tipo para ayudarlo a hacer su trabajo. Pero, fundamentalmente, ¿qué hace su software por usted?

    Tradicionalmente, el software ha servido como vehículo de entrega de ecuaciones. Incluso si decidiste temprano en la vida que tú y las ecuaciones no se llevan bien, aún pueden hacer algo por ti y puedes vivir con ellas, siempre que algún software mantenga todas esas matemáticas a una distancia segura.

    Esto está bien, hasta donde llega. Pero en Smart Software creemos que le iría mejor cambiando sus ecuaciones por escenarios. La mayoría de las veces, el objetivo de una ecuación es dar "la respuesta", normalmente en forma de número, como "la demanda del próximo mes de SKUxxx será de 105 unidades". Resultados como estos son útiles, pero incompletos.

    Se puede pensar en la previsión como un problema informático, pero es más útil pensar en ella como un ejercicio de gestión de riesgos. El pronóstico de la ecuación de 105 unidades no incluye ninguna indicación de la incertidumbre en el pronóstico, aunque siempre hay alguna. No le ayuda a pensar en contingencias plausibles: ¿y si la demanda es de más de 105 unidades? ¿Y si es por menos de 105? ¿Podría llegar tan alto como 130 o tan bajo como 80? ¿Es 80 incluso remotamente probable?

    Aquí es donde el análisis basado en escenarios muestra su ventaja. Una definición de "escenario" es "una secuencia postulada de eventos". Nuestra definición es más extensa: un escenario es “una secuencia postulada de eventos y sus probabilidades asociadas de que ocurran”. Los escenarios son la mejor herramienta de planificación hipotética. El pronóstico por ecuación pronosticará una demanda de 105 unidades. La previsión de escenarios produce un conjunto de posibles cifras de demanda, algunas más probables y otras menos. Si hay pocos o ningún escenario tan bajo como 80, puede dejar pasar esa contingencia.

    Más o menos ¿Cuánto?

    Aquellos que están mejor versados en pronósticos basados en ecuaciones podrían protestar porque el software basado en ecuaciones a veces brinda indicaciones del "más o menos" de un pronóstico, completo con una curva en forma de campana que indica la probabilidad relativa de varias contingencias. Sin embargo, cuando ve una distribución perfecta en forma de campana, sabe que se le pide que confíe en una suposición teórica que solo es válida algunas veces.

    Los pronósticos de escenarios no se basan en esa suposición. De hecho, no necesitan confiar en ningún supuesto matemático preconcebido cuyo principal punto de venta es que simplifica el análisis. No necesita un análisis simplificado, necesita un análisis realista basado en hechos.

    El software de última generación produce pronósticos de escenarios, no solo para la planificación de la demanda sino también para la gestión de inventario. La demanda es una entrada clave para el software de inventario, junto con el comportamiento del proveedor, como se refleja en los plazos de reposición. Tanto la demanda como la oferta deben pronosticarse si desea ver las consecuencias de, por ejemplo, elegir un punto de pedido de 15 y una cantidad de pedido de 25.

    Los sistemas de inventario son lo que se denomina "sensibles a la ruta", lo que significa que cualquier secuencia particular de valores de demanda producirá un rendimiento diferente que los mismos valores de demanda en un orden diferente. Por ejemplo, si todos los períodos de mayor demanda se juntan, uno tras otro, tendrá muchas más dificultades para mantenerse abastecido que si los mismos períodos de alta demanda se espacian con tiempo para reabastecerse entre ellos. Los escenarios reflejan estas diferencias con suficiente detalle para generar métricas de rendimiento promedio que reflejen las diversas contingencias inherentes a la demanda incierta.

    La Figura 1 ilustra la diferencia entre un pronóstico basado en ecuaciones y escenarios de pronóstico. Las celdas verdes contienen 10 meses de demanda de una pieza de repuesto. Las celdas azules contienen un pronóstico basado en ecuaciones que exige una demanda promedio de 1,5 unidades en los meses 11, 12 y 13. Las celdas de color pistacho contienen pronósticos de ocho escenarios, aunque en la práctica nuestro software generaría decenas de miles de escenarios. Ahora, los escenarios también promedian 1,5 unidades por mes, pero van más allá y muestran la amplia variedad de formas en que podrían desarrollarse los próximos tres meses. Por ejemplo, si se lee verticalmente, la demanda mensual podría oscilar entre 0 y 3. Si se lee horizontalmente, los totales de tres meses podrían oscilar entre 0 y 6, en comparación con la estimación basada en ecuaciones de 4,5. Continuando con este ejemplo de juguete, si tiene 5 unidades disponibles y el tiempo de reabastecimiento es mayor a 3 meses, el modelo basado en ecuaciones dice que estará bien durante los próximos 3 meses, pero los resultados basados en escenarios dicen que tiene 1 posibilidad en 8 (12.5%) posibilidad de desabastecimiento. De manera equivalente, tiene un nivel de servicio 87.5%. Si la pieza es crítica y su objetivo es un nivel de servicio 95%, corre el riesgo de perder su objetivo de disponibilidad de artículos.

    Pronóstico basado en escenarios vs Ecuaciones hd2

    Figura 1: Comparación de pronósticos basados en ecuaciones y basados en escenarios

     

    Resumen

    Recuerde, el pronóstico basado en ecuaciones le brinda información, pero información superficial. La previsión basada en escenarios puede decirle no solo qué resultado es más probable, sino también qué tan confiable es cualquiera de una variedad de predicciones, y esto le permite aplicar su criterio para equilibrar el riesgo y los gastos de almacenamiento, todo automatizado para escalar a una gran cantidad. catálogo de artículos.

     

    Los cinco mejores consejos para los planificadores y pronosticadores de la nueva demanda

    En los más de cuarenta años de Smart Software proporcionando software de pronóstico, hemos conocido a muchas personas que se encuentran, quizás sorprendentemente, convirtiéndose en pronosticadores de la demanda. Este blog está dirigido principalmente a aquellas personas afortunadas que están a punto de comenzar esta aventura (aunque los profesionales experimentados pueden disfrutar de la actualización).

    ¡Bienvenido al campo! Una buena previsión puede marcar una gran diferencia en el rendimiento de su empresa, ya sea que esté pronosticando para respaldar las ventas, el marketing, la producción, el inventario o las finanzas.

    Hay muchas matemáticas y estadísticas subyacentes a la demanda. métodos de pronóstico, por lo que su tarea sugiere que usted no es una de esas personas con fobia a las matemáticas que prefieren ser poetas. Afortunadamente, si te sientes un poco inestable y aún no te has curado de la clase de geometría de la escuela secundaria, gran parte de las matemáticas están integradas en el software de pronóstico, por lo que tu primer trabajo es dejar las matemáticas para más tarde mientras obtienes una visión general. imagen. De hecho, es un panorama general, pero aislemos algunas de las ideas que más lo ayudarán a tener éxito.

     

    1. La previsión de la demanda es un deporte de equipo. Incluso en una empresa pequeña, el planificador de la demanda es parte de un equipo, con algunas personas que aportan los datos, otras que aportan la tecnología y otras que aportan el juicio comercial. En una empresa bien administrada, su trabajo nunca será simplemente ingresar algunos datos en un programa y enviar un informe de pronóstico. Muchas empresas han adoptado un proceso llamado Planificación de ventas y operaciones (S&OP, por sus siglas en inglés) en el que su pronóstico se utilizará para iniciar una reunión para hacer ciertos juicios (por ejemplo, ¿debemos asumir que esta tendencia continuará? ¿Será peor pronosticar por debajo o ¿sobrepronóstico?) y combinar información adicional en el pronóstico final (p. ej., información de la fuerza de ventas, inteligencia empresarial sobre los movimientos de los competidores, promociones). La implicación para usted es que sus habilidades para escuchar y comunicarse serán importantes para su éxito.

     

    1. Los motores de pronóstico estadístico necesitan buen combustible. Los datos históricos son el combustible utilizado por los programas de previsión estadística, por lo que los datos incorrectos, faltantes o retrasados pueden degradar el producto de su trabajo. Su trabajo incluirá implícitamente un aspecto de control de calidad, y debe estar atento a los datos que se le proporcionan. En el camino, es una buena idea hacer que la gente de TI sea tu amiga.

     

    1. Su nombre está en sus pronósticos. Nos guste o no, si envío pronósticos a la cadena de mando, se etiquetan como "pronósticos de Tom". Debo estar preparado para poseer esos números. Para ganar mi asiento en la mesa, debo ser capaz de explicar en qué datos se basaron mis pronósticos, cómo se calcularon, por qué usé el Método A en lugar del Método B para hacer los cálculos y, especialmente, qué tan firmes o blandos son. Aquí la honestidad es importante. No se puede esperar razonablemente que ningún pronóstico sea perfectamente preciso, pero no se puede esperar que todos los gerentes sean perfectamente razonables. Si no tiene suerte, su gerencia pensará que sus informes de incertidumbre del pronóstico sugieren ignorancia o incompetencia. En verdad, indican profesionalismo. No tengo consejos útiles sobre la mejor manera de administrar a tales gerentes, pero puedo advertirle sobre ellos. Depende de usted educar a aquellos que usan sus pronósticos. Los mejores gerentes lo apreciarán.

     

    1. Deje sus hojas de cálculo atrás. No es raro que alguien sea ascendido a pronosticador porque era excelente con Excel. A menos que esté en una empresa inusualmente pequeña, la escala de los pronósticos corporativos modernos supera lo que puede manejar con las hojas de cálculo. La creciente velocidad de los negocios agrava el problema: el ritmo somnoliento de las reuniones de planificación anuales y trimestrales está dando paso rápidamente a re-pronósticos semanales o incluso diarios a medida que cambian las condiciones. Por lo tanto, prepárese para apoyarse en un proveedor profesional de software de pronóstico estadístico y planificación de la demanda moderno y escalable basado en la nube para capacitación y soporte.

     

    1. Piensa visualmente. Será muy útil, tanto para decidir cómo generar pronósticos de demanda como para presentarlos a la gerencia, así que aproveche las capacidades de visualización integradas en el software de pronóstico. Como señalé anteriormente, en el mundo empresarial actual de alta frecuencia, los datos con los que trabaja pueden cambiar rápidamente, por lo que lo que hizo el mes pasado puede no ser lo correcto para este mes. Literalmente, vigile sus datos haciendo gráficos simples, como "gráficos de tiempo" que muestran cosas como la tendencia o la estacionalidad o (especialmente) los cambios en la tendencia o la estacionalidad o las anomalías que deben tratarse. Del mismo modo, complementar las tablas de pronósticos con gráficos que comparen los pronósticos actuales con los pronósticos anteriores con los datos reales puede ser muy útil en un proceso de S&OP. Por ejemplo, los gráficos de tiempo que muestran valores pasados, valores pronosticados e "intervalos de pronóstico" que indican la incertidumbre objetiva en los pronósticos brindan una base sólida para que su equipo aprecie completamente el mensaje en sus pronósticos.

     

    Es suficiente por ahora. Como una persona que ha enseñado en universidades durante medio siglo, me inclino a comenzar con el lado estadístico de los pronósticos, pero lo dejaré para otro momento. Los cinco consejos anteriores deberían serle útiles a medida que se convierte en una parte clave de su equipo de planificación corporativa. ¡Bienvenido al juego!

     

     

     

    Gestión del inventario en medio del cambio de régimen

    Si escucha la frase "cambio de régimen" en las noticias, inmediatamente piensa en algún evento geopolítico tenso. Los estadísticos usan la frase de manera diferente, de una manera que tiene gran relevancia para la planificación de la demanda y la optimización del inventario. Este blog trata sobre el "cambio de régimen" en el sentido estadístico, lo que significa un cambio importante en el carácter de la demanda de un artículo de inventario.

    El historial de demanda de un artículo es el combustible que alimenta las máquinas de previsión de los planificadores de demanda. En general, cuanto más combustible, mejor, lo que nos brinda una mejor solución sobre el nivel promedio, la volatilidad, el tamaño y la frecuencia de los picos, la forma de cualquier patrón de estacionalidad y el tamaño y la dirección de cualquier tendencia.

    Pero hay una gran excepción a la regla de que “más datos son mejores datos”. Si hay un cambio importante en su mundo y la nueva demanda no se parece a la antigua, entonces los datos antiguos se vuelven peligrosos.

    El software moderno puede hacer pronósticos precisos de la demanda de artículos y sugerir opciones inteligentes para los parámetros de inventario, como los puntos de pedido y las cantidades de los pedidos. Pero la validez de estos cálculos depende de la relevancia de los datos utilizados en su cálculo. Los datos antiguos de un antiguo régimen ya no reflejan la realidad actual, por lo que incluirlos en los cálculos crea un error de pronóstico para los planificadores de demanda y un exceso de existencias o tasas de falta de existencias inaceptables para los planificadores de inventario.

    Dicho esto, si tuviera que soportar un cambio de régimen reciente y desechar los datos obsoletos, tendría muchos menos datos con los que trabajar. Esto tiene sus propios costos, porque todas las estimaciones calculadas a partir de los datos tendrían una mayor incertidumbre estadística aunque estarían menos sesgadas. En este caso, sus cálculos tendrían que basarse más en una combinación de análisis estadístico y su propio juicio experto.

    En este punto, puede preguntar "¿Cómo puedo saber si ha habido un cambio de régimen y cuándo?" Si ha estado en el trabajo por un tiempo y se siente cómodo mirando diagramas de tiempo de demanda de artículos, generalmente reconocerá el cambio de régimen cuando lo vea, al menos si no es demasiado sutil. La Figura 1 muestra algunos ejemplos del mundo real que son obvios.

    Figura 1 Cuatro ejemplos de cambio de régimen en la demanda de artículos del mundo real

    Figura 1: Cuatro ejemplos de cambio de régimen en la demanda de artículos del mundo real

     

    Desafortunadamente, los cambios menos obvios aún pueden tener efectos significativos. Además, la mayoría de nuestros clientes están demasiado ocupados para revisar manualmente todos los artículos que administran, incluso una vez por trimestre. Cuando supera, digamos, los 100 elementos, la tarea de observar todas esas series temporales se vuelve onerosa. Afortunadamente, el software puede hacer un buen trabajo al monitorear continuamente la demanda de decenas de miles de artículos y alertarlo sobre cualquier artículo que pueda necesitar su atención. Además, puede hacer arreglos para que el software no solo detecte el cambio de régimen, sino que también excluya automáticamente de sus cálculos todos los datos recopilados antes del cambio de régimen más reciente, si corresponde. En otras palabras, puede obtener tanto una advertencia automática de cambio de régimen como una protección automática contra el cambio de régimen.

    For more on the basics of regime change, see our previous blog on the topic: https://smartcorp.com/blog/demandplanningregimechange/  

     

    Un ejemplo con números en él

    Si desea obtener más información, siga leyendo para ver un ejemplo numérico de cuánto cambio de régimen puede alterar el cálculo de un punto de pedido para una pieza de repuesto crítica. Aquí hay un escenario para ilustrar el punto.

    Guión

    • Objetivo: calcular el punto de pedido necesario para controlar el riesgo de desabastecimiento mientras se espera la reposición. Suponga que el riesgo de desabastecimiento objetivo es 5%.
    • Suponga que el artículo tiene demanda diaria intermitente, con muchos días de demanda cero.
    • Suponga que la demanda diaria tiene una distribución de Poisson con un promedio de 1,0 unidades por día.
    • Suponga que el plazo de reposición es siempre de 30 días.
    • La demanda del tiempo de entrega será aleatoria, por lo que tendrá una distribución de probabilidad y el punto de pedido será el 95el percentil de la distribución.
    • Suponga que el efecto del cambio de régimen es aumentar o disminuir la demanda diaria media.
    • Suponga que hay un año de datos diarios disponibles para estimar la demanda unitaria diaria media.

     

    Figura 2 Ejemplo de cambio en la demanda media y muestra de demanda diaria aleatoria

    Figura 2 Ejemplo de cambio en la demanda media y muestra de demanda diaria aleatoria

     

    La Figura 2 muestra una forma de este escenario. El panel superior muestra que la demanda diaria promedio aumenta de 1,0 a 1,5 después de 270 días. El panel inferior muestra una forma en que podría aparecer el valor de la demanda diaria de un año. (En este punto, puede sentir que calcular todo esto es complicado, incluso para lo que resulta ser un escenario simplificado. ¡Es por eso que tenemos software!)

    Análisis

    El cálculo exitoso del punto de reorden adecuado dependerá de cuándo ocurra el cambio de régimen y cuán grande sea el cambio. Simulamos cambios de régimen de varios tamaños en varios momentos dentro de un período de 365 días. Alrededor de una demanda base de 1,0 unidades por día, estudiamos cambios en la demanda ("cambio") de ±25% y ±50%, así como un caso de referencia sin cambios. Ubicamos el tiempo del cambio ("t.break") en 90, 180 y 270 días. En cada caso, calculamos dos estimaciones del punto de reorden: el valor "ideal" dado un conocimiento perfecto de la demanda promedio en el nuevo régimen ("ROP.true"), y el valor estimado de la demanda media calculado ignorando el cambio de régimen y utilizando todos los datos de demanda del último año (“ROP.all”).

    La Tabla 1 muestra las estimaciones del punto de pedido calculado en 100 simulaciones. El bloque central es el caso de referencia, en el que no hay cambio en la demanda diaria, que se mantiene fija en 1 unidad por día. El bloque de color en la parte inferior es el escenario de aumento más extremo, con una demanda que aumenta a 1,5 unidades/día ya sea en un tercio, la mitad o dos tercios del año.

    Podemos sacar varias conclusiones de estas simulaciones.

    ROP.true: la elección correcta para el punto de pedido aumenta o disminuye según el cambio en la demanda media después del cambio de régimen. La relación no es lineal simple: la tabla abarca un rango 600% de niveles de demanda (0,25 a 1,50) pero un rango 467% de puntos de pedido (de 12 a 56).

    ROP.all: Ignorar el cambio de régimen puede conducir a sobreestimaciones brutas del punto de reorden cuando la demanda cae y subestimaciones brutas cuando la demanda aumenta. Como era de esperar, cuanto más tarde cambia el régimen, peor es el error. Por ejemplo, si la demanda aumenta de 1,0 a 1,5 unidades por día durante dos tercios del año sin que se dé cuenta, el punto de pedido calculado de 43 unidades se quedaría 13 unidades por debajo de lo que debería ser.

    Una palabra de precaución: la Tabla 1 muestra que basar los cálculos de los puntos de reorden usando solo datos posteriores a un cambio de régimen generalmente obtendrá la respuesta correcta. Lo que no muestra es que las estimaciones pueden ser inestables si hay muy poco historial de demanda después del cambio. Por lo tanto, en la práctica, debe esperar para reaccionar al cambio de régimen hasta que se haya acumulado una cantidad decente de observaciones en el nuevo régimen. Esto podría significar utilizar todo el historial de demanda, tanto antes como después del cambio, hasta que, por ejemplo, se hayan acumulado 60 o 90 días de historial antes de ignorar los datos anteriores al cambio.

     

    Tabla 1 Puntos de pedido correctos y estimados para diferentes escenarios de cambio de régimen

    Tabla 1 Puntos de pedido correctos y estimados para diferentes escenarios de cambio de régimen

    Órdenes generales

    Cliente como maestro

    Nuestros clientes son grandes maestros que siempre nos han ayudado a cerrar la brecha entre la teoría de los libros de texto y la aplicación práctica. Un excelente ejemplo sucedió hace más de veinte años, cuando nos presentaron el fenómeno de la demanda intermitente, que es común entre las piezas de repuesto pero poco común entre los productos terminados administrados por nuestros clientes originales que trabajan en ventas y marketing. Esta revelación pronto llevó a nuestra posición preeminente como proveedores de software para la gestión de inventarios de piezas de repuesto. Nuestra última parte de la educación se refiere a las "órdenes generales".

    Expansión del libro de texto de teoría del inventario

    La teoría del inventario de libros de texto se centra en las tres políticas de reposición más utilizadas: (1) Política de revisión periódica de pedidos hasta el final, designada (T, S) en los libros (2) Política de revisión continua con cantidad de pedido fija, designada (R, Q) y (3) revisión continua de la política, designada (s, S) pero generalmente denominada "Mín./Máx.". Nuestros clientes han señalado que su proceso de pedido real a menudo incluye el uso frecuente de "pedidos generales". Este blog se centra en cómo ajustar los objetivos de almacenamiento cuando se utilizan pedidos generales.

    Los pedidos generales son diferentes

    Los pedidos generales son contratos con proveedores por cantidades fijas de reposición que llegan a intervalos fijos. Por ejemplo, puede acordar con su proveedor recibir 20 unidades cada 7 días a través de un pedido abierto en lugar de 60 a 90 unidades cada 28 días según la política de revisión periódica. Los pedidos generales contrastan aún más con las políticas de revisión continua, según las cuales tanto los programas de pedidos como las cantidades de los pedidos son aleatorios.

    En general, es eficiente incorporar flexibilidad en el proceso de reabastecimiento para que ordene solo lo que necesita y cuando lo necesite. Según ese estándar, Min/Max debería tener más sentido y las políticas generales deberían tener menos sentido.

    El caso de las políticas generales

    Sin embargo, aunque la eficiencia es importante, nunca es la única consideración. Uno de nuestros clientes, llamémosle Compañía X, explicó el atractivo de las pólizas generales en sus circunstancias. La empresa X fabrica piezas de alto rendimiento para motocicletas y vehículos todo terreno. Convierten el acero en bruto en cosas geniales.

    Pero deben lidiar con el acero. El acero es caro. El acero es voluminoso y pesado. El acero no es algo conjurado de la noche a la mañana sobre la base de un pedido especial. El gerente de inventario de la empresa X no desea realizar pedidos grandes pero de tamaño aleatorio en momentos aleatorios. No quiere cuidar de una montaña de acero. Sus proveedores no quieren recibir pedidos de cantidades aleatorias en momentos aleatorios. Y la empresa X prefiere repartir sus pagos. El resultado: pedidos generales.

    El error fatal en las políticas generales

    Para la Compañía X, los pedidos generales están destinados a igualar las compras de reabastecimiento y evitar acumulaciones difíciles de manejar de pilas de acero antes de que estén listas para usar. Pero la lógica detrás de las políticas de inventario de revisión continua aún se aplica. Se producirán aumentos repentinos en la demanda, que de otro modo serían bienvenidos, y pueden crear desabastecimientos. Asimismo, las pausas en la demanda pueden crear un exceso de demanda. A medida que pasa el tiempo, queda claro que una política general tiene un defecto fatal: solo si los pedidos generales coinciden exactamente con la demanda promedio pueden evitar un inventario descontrolado en cualquier dirección, hacia arriba o hacia abajo. En la práctica, será imposible igualar exactamente la demanda promedio. Además, la demanda promedio es un objetivo móvil y puede subir o bajar.

    Políticas generales híbridas al rescate

    Una política general tiene ventajas, pero la rigidez es su talón de Aquiles. Los planificadores a menudo improvisan ajustando los pedidos futuros para manejar los cambios en la demanda, pero esto no se adapta a miles de artículos. Para que la política de reabastecimiento sea sólida frente a la aleatoriedad de la demanda, sugerimos una política híbrida que comience con pedidos generales pero que conserve la flexibilidad para solicitar automáticamente (no manualmente) suministro adicional según sea necesario. Complementar la política general con una copia de seguridad Mín./Máx. permite realizar ajustes sin intervención manual. Esta combinación capturará algunas de las ventajas de los pedidos abiertos mientras protege el servicio al cliente y evita el inventario descontrolado.

    El diseño de una política híbrida requiere la elección de cuatro parámetros de control. Dos parámetros son el tamaño fijo y el tiempo fijo de la política general. Dos más son los valores de Min y Max. Esto deja al gerente de inventario enfrentando un problema de optimización de cuatro dimensiones. El software de optimización de inventario avanzado permitirá evaluar las opciones para los valores de los cuatro parámetros y respaldar las negociaciones con los proveedores cuando se elaboran pedidos generales.