El software para la optimización del inventario se usa con sobre todo para generar los resultados analítico que ayudan a ejecutar a diario el negocio. Los puntos rereabastecimineto (también conocidos como Min ) y las cantidades de pedido. EL software especializado puede ayudar a encontrar el punto óptimo de equilibrio entre los costos de inventario y la disponibilidad de artículos..

El software de optimización de inventario también se puede utilizar para realizar análisis hipotéticos en escenarios que describen cambios en su entorno operativo actual. El análisis hipotético (también llamado "análisis de sensibilidad") le permite elevar su pensamiento de lo táctico a lo estratégico. Le ayuda a imaginar cómo debería cambiar sus operaciones para adaptarse a los posibles cambios en su entorno operativo. Estos cambios pueden ser presiones negativas impuestas desde el exterior o pueden ser el resultado de sus propias acciones positivas. En este blog, proporcionamos un ejemplo de cómo realizar un "análisis de qué" en los plazos de entrega y las cantidades de los pedidos. La empresa puede utilizar los resultados del análisis para evaluar el impacto de estos cambios en los costos de inventario y el rendimiento del nivel de servicio.

Cómo los proveedores limitan su libertad de maniobra

Hablando con nuestros clientes sobre las entradas de datos requeridas por el software de optimización de inventario, notamos que los proveedores tienen una influencia prominente en sus operaciones. Dejamos de lado por ahora temas tan importantes como compartir previsiones de demanda con los proveedores y elaborando respuestas a las interrupciones de la cadena de suministro, como el huracán Matthew el año pasado en el sureste de los EE. UU. En cambio, nos enfocamos en dos formas más comunes en que los proveedores influyen en los costos de inventario de los productores: los plazos de reposición y las restricciones en las cantidades de los pedidos.

El tiempo de espera de reposición es el número de días que transcurren entre que el inventario alcanza o supera un punto de pedido y la aparición de unidades de reposición en stock. Una parte del tiempo de entrega es interno del productor, quizás debido a reacciones lentas en un departamento de compras. El resto del tiempo de entrega depende del proveedor. En esta discusión, asumimos que la contribución de los proveedores a los tiempos de entrega podría cambiar, para bien o para mal. (Pero los mismos resultados podrían aplicarse a los cambios en las contribuciones de los productores a los plazos de entrega).

Las restricciones sobre las cantidades de pedido que consideramos son mínimos de pedido y múltiplos de pedido. Es posible que desee pedir 3 unidades de algún artículo, pero el proveedor podría imponer un pedido mínimo de 6 unidades, por lo que su pedido de 3 unidades tendría que convertirse en un pedido de 6 unidades. O puede pedir 21 unidades, superando fácilmente el tamaño mínimo de pedido de 6 unidades, pero si el proveedor también tiene un pedido múltiplo de 6, lo que significa que cada pedido debe ser un múltiplo de 6 unidades, entonces su pedido de 21 unidades tendría que aumentar a 24 unidades.

Análisis de escenarios

Para ilustrar el uso del software de optimización de inventario para el análisis hipotético, examinamos dos conjuntos de escenarios. En el primer conjunto, los plazos de entrega varían de -20% a +20% de sus valores en un escenario de referencia. En el segundo conjunto, los resultados se calculan primero sin restricciones de proveedores, luego solo con pedidos mínimos y finalmente con una combinación de pedidos mínimos y múltiplos de pedidos. Utilizamos el software Smart Inventory Optimization para los cálculos.

El escenario de referencia utiliza datos del mundo real sobre 2852 repuestos administrados por una agencia de transporte público progresista. Estas partes tienen una mezcla extremadamente heterogénea de atributos. Sus costos por unidad oscilan entre $1 y $23,105, y sus plazos de entrega varían entre 1 día y 300 días. Durante 24 meses, la demanda media osciló entre menos de 1 unidad por mes y 1508 unidades por mes, con coeficientes de variación que van desde un manejable 10% hasta un aterrador 2171%. Además, la imagen de los proveedores también es muy compleja, ya que involucra a 293 proveedores únicos, que suministran un promedio de alrededor de 10 piezas cada uno. Esta heterogeneidad implica que una optimización del mundo real seleccionaría y elegiría entre artículos y proveedores. Sin embargo, para simplificar la exposición y desarrollar conocimientos básicos, nuestros escenarios hipotéticos en este ejemplo tratan a todos los artículos y proveedores por igual. De manera similar, asumimos en la línea de base que los costos de mantenimiento equivalían a 20% del valor en dólares de un artículo y que cada pedido de reabastecimiento tenía un costo fijo de $40.

Realizamos dos experimentos hipotéticos. El primero examinó los efectos de cambiar los plazos de entrega. El segundo examinó los efectos de la introducción de restricciones en las cantidades de pedido. En cada experimento, registramos los efectos de los cambios en dos métricas operativas: promedio de unidades en stock y promedio de pedidos por año. A su vez, estos influyeron en cuatro métricas financieras: valor promedio en dólares del inventario, costo promedio de mantenimiento, costo promedio de pedido y la suma de los dos últimos, que es el costo operativo total del inventario.

En todos los escenarios, los puntos de pedido se calcularon para lograr una probabilidad de 95% de evitar desabastecimientos mientras se espera la reposición. Las cantidades de pedido, en ausencia de restricciones de proveedores, se calcularon como lo que llamamos "EOQ factible". EOQ es la clásica "cantidad económica de pedido" que se enseña en el Inventario 101; se calcula a partir de la demanda media, el coste de mantenimiento y el coste de pedido. La EOQ factible agrega una consideración adicional: la dinámica del inventario. Si el punto de pedido es muy bajo, es posible que EOQ sea demasiado pequeño para mantener un nivel de inventario estable y positivo. En estos casos, la EOQ factible aumenta la cantidad del pedido por encima de la EOQ para asegurar que el inventario promedio no sea negativo.

Efectos de cambiar los plazos de entrega

La Tabla 1 muestra los resultados de cambiar los plazos de entrega. Trabajando alrededor del caso base, cambiamos el tiempo de entrega de cada artículo por -20%, -10%, +10% y +20%.

No sorprende que la reducción de los plazos de entrega redujera el nivel requerido de inventario y su aumento hiciera lo contrario. Tanto el número promedio de unidades como el valor en dólares asociado se comportaron como se esperaba. Lo que puede resultar sorprendente es que los efectos fueron algo silenciados, es decir, un cambio del X por ciento en el tiempo de espera produjo una respuesta de menos del X por ciento. Por ejemplo, una reducción de 20% en el tiempo de entrega produjo solo una reducción de 7.9% en el inventario disponible y solo una reducción de 12.0% en el valor en dólares de esas unidades. Además, los efectos de las reducciones y los aumentos son asimétricos: un aumento de 201 TP3T en el tiempo de entrega generó solo un aumento de 7,31 TP3T en unidades (frente a 7,91 TP3T) y solo un aumento de 9,61 TP3T en el valor del inventario (frente a 12,01 TP3T).

Similares resultados atenuados y asimétricos se mantuvieron para los costos operativos. Una reducción de 20% en el tiempo de entrega redujo los costos operativos totales en 7,0%, pero un aumento de 20% en el tiempo de entrega solo provocó un aumento de 5,1% en los costos operativos.

Ahora considere las implicaciones de estos resultados para la práctica. En un mundo competitivo, las reducciones de costos del orden de 10% o incluso 5% son significativas. Esto significa que los esfuerzos para reducir los plazos de entrega pueden tener beneficios importantes. A su vez, esto significa que puede valer la pena hacer esfuerzos para optimizar los procesos de compra. Del mismo modo, existe un caso para involucrar a los proveedores en la reducción de su parte del tiempo de entrega, posiblemente compartiendo los ahorros para incentivarlos.

Tabla 1: Efectos de cambiar los plazos de entrega

Efecto de las restricciones de cantidad de pedidos

La Tabla 2 muestra el efecto de imponer restricciones a los proveedores sobre las cantidades de los pedidos. En el caso base, no hay restricciones, es decir, el mínimo de pedido es 0 y el múltiplo de pedido es 1, lo que implica que cualquier cantidad de pedido es aceptable para los proveedores. Partiendo del caso base, primero analizamos imponer un pedido mínimo de 5 unidades en todos los artículos y luego agregar un pedido múltiplo de 5 para todos los artículos.

Obligar a los pedidos a ser más grandes de lo que de otro modo tendrían tuvo el impacto esperado en el número promedio de unidades disponibles, incrementándolo en 0.9% con solo un mínimo de pedido y en 3.4% con un mínimo y un múltiplo. Los cambios correspondientes en el valor en dólares del inventario fueron más dramáticos: 22.4% y 23.3%. Esta diferencia en el tamaño de la respuesta porcentual probablemente se deba a la gran cantidad de repuestos de bajo volumen y alto costo administrados por la agencia de transporte público.

Otra sorpresa fue la reducción neta en los costos operativos cuando se impusieron restricciones a los proveedores. Si bien los costos de mantenimiento aumentaron en 22,41 TP3T y 23,31 TP3T en los dos escenarios hipotéticos, las mayores cantidades de pedidos permitieron menos pedidos por año, lo que resultó en reducciones compensatorias en los costos de pedidos de -24,41 TP3T y -32,71 TP3T, respectivamente. Los impactos netos en los costos operativos fueron entonces reducciones de 3.7% y 7.9%.

En general, se esperaría que la imposición de restricciones a las acciones del productor reduzca el desempeño. Entonces, los resultados en estos escenarios fueron contrarios a la intuición. Sin embargo, el mensaje real aquí es que usar EOQ, o incluso EOQ mejorado, para establecer una cantidad de pedido no brinda resultados óptimos. Paradójicamente, las restricciones de cantidad de pedido que investigamos parecen haber forzado las cantidades de pedido más cerca de los niveles óptimos.

Tabla 2: Efecto de las restricciones de cantidad de pedido

Conclusiones

Los análisis hipotéticos que se muestran aquí no conducen a conclusiones universales. Por ejemplo, cambiar el costo asumido por pedido de $40 a un número más pequeño podría mostrar que las restricciones del proveedor aumentaron en lugar de disminuir los costos operativos del inventario del productor.

Al realizar un análisis hipotético en situaciones reales, los usuarios crearían naturalmente escenarios con un nivel de detalle más bajo. Por ejemplo, podrían evaluar el efecto de los cambios en los plazos de entrega de los proveedores proveedor por proveedor para encontrar los que tendrían los beneficios potenciales más altos. O pueden hacer arreglos para que los pedidos mínimos, si ya existen para todos los artículos, cambien en un porcentaje específico en lugar de una cantidad fija, lo que podría ser algo más realista.

La conclusión clave es que el software de optimización de inventario se puede usar en "modo hipotético" para explorar problemas estratégicos, más allá de su uso habitual para calcular puntos de pedido, existencias de seguridad, cantidades de pedidos y transferencias de inventario.

Comencemos reconociendo que el aumento de los ingresos es bueno para usted y que aumentar la disponibilidad de las piezas de repuesto que proporciona es bueno para sus clientes.

Pero también reconozcamos que aumentar la disponibilidad de artículos no necesariamente conducirá a mayores ingresos. Si planifica incorrectamente y termina teniendo un exceso de inventario, el efecto neto puede ser bueno para sus clientes, pero definitivamente será malo para usted. Debe haber alguna forma correcta de hacer que esto sea beneficioso para todos, si tan solo se puede reconocer.

Para tomar la decisión correcta aquí, debe pensar sistemáticamente sobre el problema. Eso requiere que utilice modelos probabilísticos del proceso de control de inventario.

un escenario

Consideremos un escenario específico y realista. Muchos factores influyen en los resultados:

• El artículo: Una pieza de repuesto específica de bajo volumen.
• Demanda media: promedio de 0,1 unidades por día (por lo tanto, altamente "intermitente")
• Desviación estándar de la demanda: 0,35 unidades por día (por lo tanto, muy variable o “sobredispersada”).
• Plazo medio de entrega del proveedor: 5 días.
• Costo unitario: $100.
• Costo de mantenimiento por año como % del costo unitario: 10%.
• Costo de pedido por corte de orden de compra: $25.
• Consecuencias del desabastecimiento: pérdida de ventas (por lo tanto, un mercado competitivo, sin pedidos pendientes).
• Costo de escasez por venta perdida: $100.
• Objetivo de nivel de servicio: 85% (por lo tanto, 15% de probabilidad de desabastecimiento en cualquier ciclo de reabastecimiento).
• Política de control de inventario: revisión periódica/pedido hasta (también llamada política en (T,S))

Política de control de inventario

Una palabra sobre la política de control de inventario. La política (T,S) es una de varias que son comunes en la práctica. Aunque existen otras políticas más eficientes (p. ej., no esperan a que pasen T días para hacer el ajuste de stock), (T,S) es una de las más sencillas y, por lo tanto, bastante popular. Funciona de esta manera: cada T días, verifica cuántas unidades tiene en stock, digamos X unidades. Luego, solicita unidades SX, que aparecen después del tiempo de entrega del proveedor (en este caso, 5 días). La T en (T,S) es el “intervalo de pedido”, el número de días entre pedidos; la S es el "pedido hasta el nivel", la cantidad de unidades que desea tener disponibles al comienzo de cada ciclo de reposición.

Para aprovechar al máximo esta política, debe elegir sabiamente los valores de T y S. Elegir sabiamente significa que no puede ganar adivinando o usando guías simples de reglas generales como "Mantenga un promedio de 3 veces la demanda promedio disponible". Las malas elecciones de T y S perjudican tanto a sus clientes como a sus resultados. Y quedarse demasiado tiempo con opciones que alguna vez fueron buenas puede resultar en un rendimiento deficiente si alguno de los factores anteriores cambia significativamente, por lo que los valores de T y S deben recalcularse de vez en cuando.

La forma inteligente de elegir los valores correctos de T y S es usar modelos probabilísticos codificados en software avanzado. El uso de software es esencial cuando tiene que escalar y elegir valores de T y S que sean correctos no para un artículo sino para cientos o miles.

Análisis de Escenario

Pensemos en cómo ganar dinero en este escenario. ¿Cuál es el lado positivo? Si no hubiera gastos, este rubro podría generar un promedio de $3.650 por año: 0,1 unidades/día x 365 días x $100/unidad. Se restarán de eso los costos operativos, compuestos por costos de mantenimiento, pedidos y faltantes. Cada uno de ellos dependerá de sus elecciones de T y S.

El software proporciona números específicos: la configuración de T = 321 días y S = 40 unidades dará como resultado costos operativos anuales promedio de $604, dando un margen esperado de $3,650 – $604 = $3,046. Ver Tabla 1, columna izquierda. Este uso de software se denomina "análisis predictivo" porque traduce las entradas del diseño del sistema en estimaciones de un indicador clave de rendimiento, el margen.

Ahora piensa si puedes hacerlo mejor. El objetivo de nivel de servicio en este escenario es 85%, que es un estándar algo relajado que no llamará la atención. ¿Qué pasaría si pudiera ofrecer a sus clientes un nivel de servicio 99%? Eso suena como una clara ventaja competitiva, pero ¿reduciría su margen? No si ajusta correctamente los valores de T y S.

Establecer T = 216 días y S = 35 unidades reducirá los costos operativos anuales promedio a $551 y aumentará el margen esperado a $3,650 – $551 = $3,099. Ver Tabla 1, columna derecha. Aquí está el ganar-ganar que queríamos: mayor satisfacción del cliente y aproximadamente 2% más de ingresos. Este uso del software se denomina "análisis de sensibilidad" porque muestra cuán sensible es el margen a la elección del objetivo de nivel de servicio.

El software también puede ayudarlo a visualizar la dinámica compleja y aleatoria de los movimientos de inventario. Un subproducto del análisis que llenó la Tabla 1 son los gráficos que muestran las rutas aleatorias tomadas por las existencias a medida que disminuyen durante un ciclo de reabastecimiento. La figura 1 muestra una selección de 100 escenarios aleatorios para el escenario en el que el nivel de servicio objetivo es 99%. En la figura, solo 1 de los 100 escenarios resultó en un desabastecimiento, lo que confirma la precisión de la elección del pedido hasta el nivel.

Resumen

La gestión de los inventarios de piezas de repuesto a menudo se realiza al azar utilizando el instinto, el hábito o la regla empírica obsoleta. Volarlo de esta manera no es un camino confiable y reproducible hacia un mayor margen o una mayor satisfacción del cliente. La teoría de la probabilidad, destilada en modelos de probabilidad y luego codificada en software avanzado, es la base para una guía coherente y eficiente sobre cómo administrar las piezas de repuesto en función de los hechos: características de la demanda, plazos de entrega, objetivos de nivel de servicio, costos y otros factores. Los escenarios analizados aquí ilustran que es posible lograr niveles de servicio más altos y un margen más alto. Una multitud de escenarios que no se muestran aquí ofrecen formas de lograr niveles de servicio más altos pero pierden margen. Usa el programa.

Mejore la precisión de la prediccion, optimice el inventario y maximice los niveles de servicio

En este video, el Dr. Thomas Willemain, cofundador y vicepresidente senior de investigación, habla sobre cómo mejorar la precisión de los pronósticos midiendo el error de pronóstico. Comenzamos con una descripción general de los distintos tipos de métricas de error: error dependiente de escala, error porcentual, error relativo y métrica de error sin escala. Si bien algunos errores son inevitables, hay formas de reducirlos, y las métricas de pronóstico son ayudas necesarias para monitorear y mejorar la precisión del pronóstico. Luego explicaremos el problema especial de la demanda intermitente y los problemas de división por cero. Tom concluye explicando cómo evaluar los pronósticos de múltiples artículos y cómo a menudo tiene sentido usar promedios ponderados, ponderando los artículos de manera diferente por volumen o ingresos.

Muchos de nuestros clientes que vieron cómo la demanda se agotaba durante la pandemia ahora ven que la demanda regresa. Algunos están viendo un aumento significativo de la demanda. Otros clientes en industrias críticas como los plásticos, la biotecnología, los semiconductores y la electrónica vieron aumentos repentinos de la demanda desde abril pasado. Para obtener sugerencias sobre cómo hacer frente a estas situaciones, siga leyendo.

El aumento de la demanda suele crear dos problemas: la incapacidad para cumplir con los pedidos y la incapacidad para reabastecerse debido a la sobrecarga de proveedores. Esta situación requiere cambios en la forma en que utiliza su software de planificación avanzada. Aquí hay tres consejos para ayudarle a sobrellevar la situación.

Consejo #1: reduzca su enfoque temporal

En tiempos normales (¿los recuerdas?), más datos implicaban mejores resultados. Hoy en día, los datos antiguos envenenan tus cálculos, ya que representan condiciones que ya no se aplican. Debe basar las previsiones y otros cálculos en datos de la situación actual. Dónde cortar los datos anteriores puede ser obvio a partir de un gráfico de los datos, o puede decidir establecer una fecha de corte "razonable" basada en un consenso de colegas. Smart Software ha desarrollado algoritmos de aprendizaje automático que identifican automáticamente la cantidad de datos históricos que se deben alimentar de manera óptima al modelo de pronóstico. Esté atento a estas mejoras en el software que se implementarán pronto. Mientras tanto, realice pruebas de precisión utilizando datos reales retenidos utilizando diferentes fechas de inicio históricas. La función de pronóstico vs. real de Smart admitirá esto automáticamente.

Consejo #2: Aumente el ritmo de su planificación

Cuando las operaciones son estables, puede establecer sus políticas de inventario y confiar en que serán adecuadas durante mucho tiempo. Cuando los tiempos son turbulentos, es importante aumentar la frecuencia de sus ciclos de planificación para evitar que la configuración de políticas anterior se aleje demasiado de la óptima.  Recalibración más frecuente de sus políticas de almacenamiento y los pronósticos significan que será más rápido para captar las tendencias que sorprenderán a su competencia y lo mantendrán siempre un paso por delante. Con un software capaz de seleccionar automáticamente los valores óptimos, el software puede realizar todo ese trabajo de una sola vez. Debe revisar esos cambios y posiblemente modificarlos, pero tiene sentido dejar que el software haga la mayor parte del trabajo.