Dos problemas de inventario

Si fabricas y vendes cosas, tienes dos problemas de inventario. Las empresas que venden cosas deben concentrarse incansablemente en tener suficiente inventario de productos para satisfacer la demanda de los clientes. Los fabricantes y las industrias intensivas en activos, como la generación de energía, el transporte público, la minería y la refinación, tienen una preocupación de inventario adicional: tener suficientes repuestos para mantener sus máquinas en funcionamiento. Este resumen técnico revisa los conceptos básicos de dos modelos probabilísticos de avería de la máquina. También relaciona el tiempo de actividad de la máquina con la adecuación del inventario de piezas de repuesto.

Modelización del fallo de una máquina tratada como una “caja negra”

Así como la demanda de productos es inherentemente aleatoria, también lo es el momento de las averías de las máquinas. Del mismo modo, así como el modelado probabilístico es la forma correcta de lidiar con la demanda aleatoria, también es la forma correcta de lidiar con fallas aleatorias.

Los modelos de avería de máquinas tienen dos componentes. El primero se ocupa de la duración aleatoria del tiempo de actividad. El segundo se ocupa de la duración aleatoria del tiempo de inactividad.

El campo de teoría de la confiabilidad ofrece varios modelos de probabilidad estándar que describen el tiempo aleatorio hasta la falla de una máquina sin tener en cuenta el motivo de la falla. El modelo más simple de tiempo de actividad es el distribución exponencial. Este modelo dice que el tasa de riesgo, es decir, la posibilidad de fallar en el siguiente instante de tiempo es constante sin importar cuánto tiempo haya estado operando el sistema. El modelo exponencial hace un buen trabajo modelando ciertos tipos de sistemas, especialmente electrónicos, pero no es universalmente aplicable.

Descargar el documento técnico

El siguiente paso en la complejidad del modelo es el Weibull modelo (pronunciado “POR QUÉ-toro”). La distribución de Weibull permite que el riesgo de falla cambie con el tiempo, ya sea disminuyendo después de un período de quemado o, más a menudo, aumentando a medida que se acumula el desgaste. La distribución exponencial es un caso especial de la distribución de Weibull en la que la tasa de riesgo no aumenta ni disminuye.

Figura 1: Tres curvas de supervivencia de Weibull diferentes

La Figura 1 ilustra la probabilidad del modelo de Weibull de que una máquina aún esté funcionando como una función de cuánto tiempo ha estado funcionando. Hay tres curvas correspondientes a tasas de riesgo constantes, decrecientes y crecientes. Por razones obvias, estos se llaman curvas de supervivencia porque grafican la probabilidad de sobrevivir por varias cantidades de tiempo (pero también se les llama curvas de confiabilidad). La curva negra que comienza alta y desciende rápidamente (β=3) representa una máquina que se desgasta con el tiempo. La curva más ligera en el medio rápido (β=1) muestra la distribución exponencial. La curva media-oscura (β=0.5) es aquella que tiene una alta tasa de riesgo temprano pero mejora con la edad.

Por supuesto, hay otro fenómeno que debe incluirse en el análisis: el tiempo de inactividad. Modelar el tiempo de inactividad es donde la teoría del inventario entra en escena. El tiempo de inactividad se modela mediante una mezcla de dos distribuciones diferentes. Si hay una pieza de repuesto disponible para reemplazar la pieza defectuosa, el tiempo de inactividad puede ser muy breve, digamos un día. Pero si no hay repuestos en stock, el tiempo de inactividad puede ser bastante largo. Incluso si el repuesto se puede obtener rápidamente, pueden pasar varios días o una semana antes de que se pueda reparar la máquina. Si el repuesto debe ser fabricado por un proveedor lejano y enviado por mar, luego por tren y luego por camión a su planta, el tiempo de inactividad podría ser de semanas o meses. Todo esto significa que mantener un inventario adecuado de repuestos es muy importante para mantener la producción en marcha.

En este tipo de análisis agregado, la máquina se trata como una caja negra que funciona o no. Aunque ignora los detalles de qué parte falló y cuándo, dicho modelo es útil para dimensionar el grupo de máquinas necesarias para mantener un nivel mínimo de capacidad de producción con alta probabilidad.

Él Distribución binomial es el modelo de probabilidad relevante para este problema. El binomio es el mismo modelo que describe, por ejemplo, la distribución del número de “caras” resultantes de veinte lanzamientos de una moneda. En el problema de confiabilidad de las máquinas, las máquinas corresponden a monedas, y un resultado de caras corresponde a tener una máquina en funcionamiento.

Como ejemplo, si

• la posibilidad de que cualquier máquina esté funcionando en un día en particular es 90%
• las fallas de las máquinas son independientes (p. ej., no hay inundaciones ni tornados que las eliminen todas a la vez)
• necesita al menos una probabilidad de 95% de que al menos 5 máquinas estén funcionando en un día determinado

luego, el modelo binomial prescribe siete máquinas para lograr su objetivo.

Modelado de fallas de máquinas basadas en fallas de componentes

El modelo de Weibull también se puede usar para describir la falla de una sola pieza. Sin embargo, cualquier máquina de producción realistamente compleja tendrá múltiples partes y, por lo tanto, tendrá múltiples modos de falla. Esto significa que calcular el tiempo hasta que la máquina falla requiere el análisis de una “carrera hacia la falla”, con cada parte compitiendo por el “honor” de ser la primera en fallar.

Si hacemos la suposición razonable de que las piezas fallan de forma independiente, la teoría de la probabilidad estándar señala el camino para combinar los modelos de falla de piezas individuales en un modelo general de falla de la máquina. El tiempo hasta que falla la primera de muchas partes tiene un poli-Weibull distribución. En este punto, sin embargo, el análisis puede volverse bastante complicado, y el mejor movimiento puede ser cambiar de análisis por ecuación a análisis por simulación.

Simulación de fallas de máquinas a partir de los detalles de fallas de piezas

El análisis de simulación tuvo su comienzo moderno como un derivado del Proyecto Manhattan para construir la primera bomba atómica. El método también se denomina comúnmente simulación del Monte Carlo después del centro de juego más grande del mundo en el pasado (hoy sería "simulación de Macao").

Un modelo de simulación convierte la lógica de la secuencia de eventos aleatorios en el código informático correspondiente. Luego, utiliza números (pseudo) aleatorios generados por computadora como combustible para impulsar el modelo de simulación. Por ejemplo, el tiempo de falla de cada componente se crea a partir de su distribución particular de tiempo de falla de Weibull. Luego, el más temprano de esos tiempos de falla comienza el siguiente episodio de tiempo de inactividad de la máquina.

Figura 2: una simulación del tiempo de actividad de la máquina durante un año de funcionamiento

La Figura 2 muestra los resultados de una simulación del tiempo de actividad de una sola máquina. Las máquinas pasan por períodos alternos de tiempo de actividad y tiempo de inactividad. En esta simulación, se supone que el tiempo de actividad tiene una distribución exponencial con una duración promedio (MTBF = Tiempo medio antes de la falla) de 30 días. El tiempo de inactividad tiene una división de 50:50 entre 1 día si hay un repuesto disponible y 30 días si no. En la simulación que se muestra en la Figura 2, la máquina está funcionando durante 85% de los días en un año de operación.

Una fórmula aproximada para el tiempo de actividad de la máquina

Aunque la simulación de Monte Carlo puede proporcionar resultados más exactos, un modelo algebraico más simple funciona bien como aproximación y facilita ver cómo se relacionan las variables clave.

Defina las siguientes variables clave:

• MTBF = Tiempo medio antes de la falla (días)
• Pa = Probabilidad de que haya un repuesto disponible cuando se necesite
• MDTshort = Tiempo medio de inactividad si hay un repuesto disponible cuando sea necesario
• MDTlong = Tiempo medio de inactividad si no hay repuesto disponible cuando se necesita
• Uptime = Porcentaje de días en los que la máquina está en funcionamiento.

Entonces hay una aproximación simple para el tiempo de actividad:

Tiempo de actividad ≈ 100 x MTBF/(MTBF + MDTshort x Pa + MDTlong x (1-Pa)). (Ecuación 1)

La ecuación 1 nos dice que el tiempo de actividad depende de la disponibilidad de un repuesto. Si siempre hay un repuesto (Pa=1), el tiempo de actividad alcanza un valor máximo de alrededor de 100 x MTBF/(MTBF + MDTshort). Si nunca hay un repuesto disponible (Pa=0), entonces el tiempo de actividad alcanza su valor más bajo de alrededor de 100 x MTBF/(MTBF + MDTlong). Cuando el tiempo de reparación es tan largo como el tiempo típico entre fallas, el tiempo de actividad se reduce a un nivel inaceptable cerca de 50%. Si siempre hay un repuesto disponible, el tiempo de actividad puede acercarse a 100%.

Relacionar el tiempo de inactividad de la máquina con el inventario de piezas de repuesto

Minimizar el tiempo de inactividad requiere una iniciativa múltiple que implique una formación intensiva del operador, el uso de materias primas de calidad, un mantenimiento preventivo eficaz y las piezas de repuesto adecuadas. Los tres primeros establecen las condiciones para obtener buenos resultados. El último se ocupa de las contingencias.

Una vez que una máquina está inactiva, el dinero sale volando por la puerta y hay una prima en volver a ponerla en marcha pronto. Esta escena podría desarrollarse de dos maneras. El bueno tiene una pieza de repuesto lista para usar, por lo que el tiempo de inactividad se puede reducir al mínimo. El defectuoso no tiene repuestos disponibles, por lo que hay una lucha para acelerar la entrega de la pieza necesaria. En este caso, el fabricante debe asumir tanto el costo de la pérdida de producción como el costo del envío acelerado, si es que esa es una opción.

Si el sistema de inventario está diseñado correctamente, la disponibilidad de repuestos no será un impedimento importante para el tiempo de actividad de la máquina. Por el diseño de un sistema de inventario, me refiero a los resultados de varias opciones: si la política de escasez es una política de pedidos pendientes o una política de pérdida, si el ciclo de revisión del inventario es periódico o continuo, y qué puntos de pedido y cantidades de pedido se establecen.

Cuando se diseñan políticas de inventario para productos, se evalúan utilizando varios criterios. El nivel de servicio es el porcentaje de períodos de reabastecimiento que transcurren sin desabastecimiento. Tasa de llenado es el porcentaje de unidades pedidas que se suministran inmediatamente desde el stock. El nivel de inventario promedio es el número típico de unidades disponibles.

Ninguno de estos es exactamente la métrica necesaria para el almacenamiento de repuestos, aunque todos están relacionados. La métrica necesaria es Disponibilidad de artículos, que es el porcentaje de días en los que hay al menos un repuesto listo para usar. Los niveles de servicio, las tasas de llenado y los niveles de inventario más altos implican una alta disponibilidad de artículos, y hay formas de convertir de uno a otro. (Cuando se trata de varias máquinas que comparten el mismo stock de repuestos, la disponibilidad de inventario se reemplaza por la distribución de probabilidad del número de repuestos en un día determinado. Dejamos ese problema más complejo para otro día).

Claramente, mantener un buen suministro de repuestos reduce los costos del tiempo de inactividad de la máquina. Por supuesto, mantener un buen suministro de repuestos genera sus propios costos de inventario y pedidos. Este es el segundo problema de inventario del fabricante. Al igual que con cualquier decisión que involucre inventario, la clave es lograr el equilibrio adecuado entre estos dos centros de costos en competencia. Ver este artículo sobre pronóstico probabilístico para demanda intermitente para obtener orientación sobre cómo lograr ese equilibrio.

La planificación impulsada por el nivel de servicio (SLDP) es un enfoque para la planificación del inventario. Prescribe objetivos de nivel de servicio óptimos, identifica y comunica continuamente las ventajas y desventajas entre el servicio y el costo que son la base de todas las decisiones sabias de inventario. Cuando una organización entiende esta relación, puede comunicar dónde está en riesgo, dónde no, y manejar de manera efectiva sus activos de inventario. SLDP ayuda a exponer los desequilibrios de inventario y permite tomar decisiones informadas sobre la mejor manera de corregirlos. Para implementar SLDP, deberá mirar más allá de los enfoques de planificación tradicionales, como la orientación arbitraria del nivel de servicio (todos mis artículos A deben obtener el nivel de servicio 99%, los artículos B 95%, los artículos C 80%, etc.) y la previsión de demanda que intenta de manera poco realista predecir exactamente lo que sucederá y cuándo. SLDP se desarrolla en 4 pasos: Benchmark, Collaborate, Plan y Track.

Paso 1. Rendimiento de referencia

Todos los participantes en el proceso de inversión y planificación de inventario deben tener un entendimiento común de cómo se está desempeñando la política actual en un conjunto acordado de métricas de inventario. Las métricas deben incluir niveles de servicio alcanzados históricamente y tasas de llenado, tiempo de entrega a los clientes, rendimiento del tiempo de entrega del proveedor, rotación de inventario e inversión en inventario. Una vez que estas métricas se hayan comparado y se puedan informar diariamente, la organización tendrá la información que necesita para comenzar a priorizar los esfuerzos de planificación. Por ejemplo, si el inventario ha aumentado pero los niveles de servicio no, esto indicaría que el inventario no se está asignando correctamente entre los SKU. Los informes deben generarse con clics del mouse, lo que permite a los planificadores concentrarse en el análisis en lugar de la generación de informes que requiere mucho tiempo. El desempeño pasado no es garantía del desempeño futuro ya que la variabilidad de la demanda, los costos, las prioridades y los plazos de entrega siempre están cambiando. Por lo tanto, SLDP permite la evaluación comparativa predictiva que estima cuál es el rendimiento probable en el futuro. Software de optimización de inventario que utiliza pronóstico de probabilidad se puede usar para estimar un rango realista de demandas potenciales y ciclos de reabastecimiento. Poner a prueba sus parámetros de planificación para ayudar a descubrir con qué frecuencia y qué artículos se esperan desabastecimientos y excesos.

Paso 2. Planificación y colaboración “Qué pasaría si”

El modelado de inventario y la colaboración "qué pasaría si" es el corazón de SLDP. Los puntos de referencia históricos y predictivos deben compartirse primero con todas las partes interesadas relevantes, incluidas las de ventas, finanzas y operaciones. Se deben hacer esfuerzos para responder las siguientes preguntas:

– ¿Son aceptables tanto el rendimiento actual como la inversión?
– Si no, ¿cómo deberían mejorarse?
– ¿Qué SKU es probable que se demanden a continuación y en qué cantidades?
– ¿Dónde estamos dispuestos a asumir más riesgo de desabastecimiento?
– ¿Dónde se debe minimizar el riesgo de desabastecimiento?
– ¿Cuáles son los costes específicos de desabastecimiento?
– ¿Qué reglas comerciales y restricciones debemos cumplir (acuerdos de nivel de servicio al cliente, umbrales de inventario, etc.)

Una vez respondidas las preguntas anteriores, se pueden desarrollar nuevas políticas de planificación de inventario. El software de optimización de inventario puede conciliar todos los costos asociados con la gestión del inventario, incluidos los costos de falta de existencias, para generar el conjunto correcto de parámetros de planificación (mín./máx., existencias de seguridad, puntos de pedido, etc.) y niveles de servicio prescritos. La política óptima puede compararse con la política actual y modificarse en función de las restricciones y las reglas comerciales. Por ejemplo, ciertos artículos pueden tener como objetivo un nivel de servicio objetivo para cumplir con un acuerdo de nivel de servicio al cliente. Se pueden desarrollar y compartir varios escenarios de planificación de inventario "qué pasaría si" con las partes interesadas clave. Por ejemplo, puede modelar cómo los plazos de entrega más cortos afectan los costos de inventario. Una vez que se ha logrado el consenso y los riesgos y costos se comunican claramente, las políticas modificadas se pueden cargar en el sistema ERP para impulsar la reposición de inventario.

Paso 3. Planifique y administre continuamente por excepción

SLDP vuelve a pronosticar continuamente los parámetros de planificación optimizados en función de las demandas cambiantes, los plazos de entrega, los costos y otros factores. Esto significa que los niveles de servicio y el valor del inventario tienen el potencial de cambiar. Por ejemplo, el objetivo de nivel de servicio prescrito de 95% podría aumentar a 99% en el próximo período de planificación si los costos de desabastecimiento de ese artículo aumentaran repentinamente. Esto también es cierto si se opta por apuntar arbitrariamente a un nivel de servicio determinado o fijar los parámetros de planificación a una cantidad unitaria específica. Por ejemplo, un nivel de servicio objetivo de 95% podría requerir $1,000 en inventario hoy, pero $2,000 el próximo mes si los plazos de entrega aumentan. De manera similar, un punto de pedido de 10 unidades podría obtener el servicio 95% hoy y solo el servicio 85% el próximo mes en respuesta a una mayor variabilidad de la demanda. El software de optimización de inventario identificará qué artículos se pronostica que tendrán cambios significativos en el nivel de servicio y/o el valor del inventario y qué artículos no se están ordenando de acuerdo con el plan de consenso. Las listas de excepciones se producen automáticamente, lo que facilita la revisión de estos elementos y decide cómo administrarlos en el futuro. El análisis prescriptivo puede ayudar a identificar si la causa principal del cambio es una anomalía de la demanda, un cambio en la variabilidad general de la demanda, un cambio en el tiempo de entrega o un cambio en el costo, lo que lo ayuda a ajustar la política en consecuencia.

Paso 4. Realice un seguimiento del rendimiento continuo

Los procesos SLDP miden periódicamente el rendimiento operativo histórico y actual. Los resultados deben monitorearse para garantizar que los niveles de servicio estén mejorando y los niveles de inventario estén disminuyendo en comparación con los puntos de referencia históricos determinados en el Paso 1. Realice un seguimiento de métricas como giros, niveles de servicio agregados y específicos de artículos, tasas de llenado, falta de existencias y rendimiento del tiempo de entrega del proveedor. Comparta los resultados en toda la organización e identifique las causas raíz de las ineficiencias operativas. Los procesos SLDP facilitan el seguimiento del rendimiento al proporcionar herramientas que generan automáticamente los informes necesarios en lugar de colocar esta carga en los planificadores para que la administren en Excel. Hacerlo le permite a la organización descubrir problemas operativos que afectan el desempeño y brindar retroalimentación sobre lo que funciona y lo que debe mejorarse.

Conclusión

El marco SLDP es una forma de racionalizar el proceso de planificación de inventario y generar un retorno económico significativo. Su principio organizativo es que los niveles de servicio al cliente y los costos de inventario asociados con la política elegida deben entenderse, rastrearse y refinarse continuamente. El uso de software de optimización de inventario ayuda a garantizar que pueda identificar el nivel de servicio de menor costo. Esto crea un esfuerzo coherente en toda la empresa que combina la visibilidad de las operaciones actuales con evaluaciones científicas de los riesgos y condiciones futuras. Se realiza mediante una combinación de visión ejecutiva, experiencia del personal en la materia y el poder del moderno software de optimización y planificación de inventario.

Vea cómo Smart Inventory Optimization admite la planificación basada en el nivel de servicio y descargue la hoja del producto aquí: https://smartcorp.com/inventory-optimization/

Si es un nuevo profesional en el campo de la planificación de la demanda y la gestión de inventario, se enfrenta a una curva de aprendizaje muy pronunciada. Hay muchas partes móviles en el sistema que administra y gran parte del movimiento es aleatorio. Puede que le resulte útil dar un paso atrás en el flujo del día a día para pensar en lo que se necesita para ser un planificador de demanda exitoso. Aquí hay seis consejos para los nuevos planificadores de demanda que pueden resultarle útiles; se destilan de trabajar más de treinta y cinco años con algunos practicantes muy inteligentes.

1. Sepa lo que significa ganar.

La gestión de inventario y la planificación de la demanda no es un área blanda en la que el éxito pueda describirse en un lenguaje vago. El éxito aquí es un juego de números. Hay una serie de indicadores clave de rendimiento (KPI) disponibles para usted, incluidos el nivel de servicio, la tasa de llenado, las rotaciones de inventario, la inversión en inventario y el costo operativo del inventario. Las empresas difieren en la importancia que asignan a cada métrica, pero no puedes ganar sin usar algunas o todas estas para llevar la puntuación.

Pero “ganar” no es tan simple como obtener la mejor puntuación posible en cada métrica. Los valores métricos que son más importantes varían entre empresas. Su empresa puede priorizar el servicio al cliente sobre el control de costos, o viceversa, y el próximo año podría tener motivos para revertir esa preferencia.

Además, existen vínculos entre los KPI que requieren que los considere simultáneamente en lugar de como una colección de puntajes independientes. Por ejemplo, mejorar el nivel de servicio generalmente también mejorará la tasa de llenado, lo cual es bueno, pero también aumentará el costo operativo, lo cual no es bueno.

Estos vínculos se expresan como compensaciones. Y aunque los KPI en sí mismos son números, la gestión del paquete de KPI requiere cierta subjetividad sabia, porque lo que se necesita es un equilibrio razonable entre las fuerzas en competencia. La compensación fundamental es equilibrar el costo de tener inventario contra el valor de tener el inventario disponible para quienes lo necesitan.

Si usted es un planificador de demanda relativamente joven, estos juicios de compensación pueden hacerse más altos en la organización, pero incluso entonces puede desempeñar un papel útil al asegurarse de que las compensaciones sean expuestas y apreciadas. Esto significa expuesto a un nivel cuantitativo, por ejemplo, "Podemos aumentar el nivel de servicio de 85% a 90%, pero requerirá $100K más stock en el almacén". Este tipo de conocimiento cuantitativo específico puede ser proporcionado por el análisis avanzado de la cadena de suministro.

2. Mantenga la puntuación.

Todos somos un poco aprensivos con la idea de que nos midan, pero los profesionales confiados insisten en llevar la cuenta. Los supervisores ilustrados entienden que las fuerzas externas pueden afectar el rendimiento de su sistema (por ejemplo, la desaparición de un proveedor clave), y eso siempre ayuda. Pero ya sea que tenga o no una buena cobertura superior, no puede demostrar el éxito, ni puede reaccionar ante los problemas, sin medir esos KPI.

Mantener la puntuación es importante, pero también lo es comprender qué influye en la puntuación. Suponga que su nivel de servicio ha bajado desde el valor del mes pasado. ¿Es esa la fluctuación habitual de un mes a otro o es algo fuera de lo común? Si es problemático, entonces necesita diagnosticar el problema. A menudo hay varios posibles sospechosos. Por ejemplo, el nivel de servicio puede caer porque la gente de ventas y marketing hizo algo excelente y la demanda se disparó, o porque un proveedor hizo algo no tan bueno y el tiempo de reabastecimiento se derrumbó. El software puede ayudarlo a rastrear estas entradas clave para ayudar a su trabajo de detección, y el análisis de la cadena de suministro puede estimar los impactos de los cambios en estas entradas y señalarle las respuestas compensatorias.

3. Asegúrese de que sus decisiones estén basadas en hechos.

El software puede guiarte a tomar buenas decisiones, pero solo si tú lo permites. Los insumos como los costos de mantenimiento, los costos de pedido y los costos de escasez deben estimarse bien para obtener una evaluación precisa de las compensaciones. Especialmente importante es algo tan aparentemente simple como usar valores correctos para la demanda de artículos, ya que el modelado de la demanda es el punto de partida para simular los resultados de cualquier diseño de sistema de inventario propuesto. De hecho, si estamos dispuestos a estirar un poco el significado de "hecho" para incluir los resultados de las simulaciones del sistema, no debe comprometerse con cambios importantes sin tener predicciones confiables de lo que sucederá cuando se comprometa con esos cambios.

4. Darse cuenta de que la respuesta de ayer puede no ser la respuesta de hoy.

Las cadenas de suministro son colecciones de partes, todas las cuales están sujetas a cambios con el tiempo. La demanda que tiene una tendencia al alza puede comenzar a tener una tendencia a la baja. Los plazos de reposición pueden disminuir. Los pedidos mínimos de proveedores pueden aumentar. Los precios de los componentes pueden aumentar debido a las tarifas. Dichos factores significan que los datos que recopiló ayer pueden estar desactualizados hoy, lo que hace que las decisiones de ayer sean inapropiadas para los problemas de hoy. Vigilancia. Consulta un artículo anterior detallando el impacto financiero adverso de las actualizaciones poco frecuentes de los parámetros de planificación.

5. Dar a cada elemento su debido.

Si usted es responsable de pronosticar cientos o miles de artículos de inventario, se verá tentado a simplificar su vida adoptando un enfoque de "talla única". No. Los SKU no son exactamente como copos de nieve, pero se requiere cierta diferenciación para hacer bien su trabajo. Es una buena idea formar grupos de elementos en función de algunas características destacadas. Algunos artículos son críticos y deben estar (casi) siempre disponibles; otros pueden correr un riesgo razonable de que se atrasen. Algunos elementos son bastante impredecibles porque son "intermitentes" (es decir, tienen muchos valores cero con valores distintos de cero mezclados al azar); otros tienen un gran volumen y son razonablemente predecibles. Algunos artículos se pueden administrar con métodos de inventario relativamente económicos que hacen ajustes todos los meses; algunos artículos necesitan métodos que monitoreen y ajusten continuamente el stock disponible. Algunos elementos, como las compras contractuales, pueden ser tan predecibles que puede tratarlos como "demanda planificada" y separarlos del resto.

Una vez que haya formado grupos de artículos sensatos, todavía tiene que tomar decisiones sobre cada artículo en cada grupo, como decidir sus pronósticos de demanda, puntos de pedido y cantidades de pedido. Aquí, el software avanzado de planificación de la demanda puede hacerse cargo y calcular automáticamente la mejores opciones basadas en lo que significa ganar en el contexto de ese grupo.  

6. Haz que todos estén en la misma página.

Ser organizado no solo es agradable, es eficiente. Si tiene un sistema para la planificación de la demanda y la gestión del inventario, todos los miembros de su equipo comparten los mismos objetivos y siguen los mismos procesos. Si no tiene un sistema, entonces cada planificador de la demanda tiene su propia forma de pensar sobre el problema y tomar decisiones. Algunos de ellos están obligados a ser mejores que otros. Es deseable estandarizar las mejores prácticas y prohibir el resto. Además de ser más eficiente, tener un proceso estandarizado facilita el diagnóstico de problemas cuando las cosas van mal y la implementación de soluciones.

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

En este video tutorial, el Dr. Thomas Willemain, cofundador y vicepresidente sénior de investigación de Smart Software, presenta Pronósticos automáticos para proyecciones de demanda de series temporales, un torneo algorítmico especializado para determinar un modelo de serie temporal apropiado y estimar los parámetros para calcular los mejores métodos de pronóstico. Los pronósticos automáticos de un gran número de series de tiempo se usan con frecuencia en los negocios, algunos tienen una tendencia al alza o a la baja y otros tienen estacionalidad, por lo que son cíclicos, y cada uno de esos patrones específicos requiere un enfoque técnico adecuado y un método de pronóstico estadístico apropiado. Tom explica cómo el torneo calcula los mejores métodos de pronóstico y funciona a través de un ejemplo práctico.

Ahora mas que nunca

La optimización del inventario se ha convertido en una prioridad aún mayor en los últimos meses para muchos de nuestros clientes. Algunos están encontrando sus productos en una demanda mucho mayor; más tienen el problema opuesto. En cualquier caso, eventos como la pandemia de Covid19 están obligando a reexaminar las condiciones operativas estándar, como las opciones de puntos de pedido y cantidades de pedido.

Incluso en tiempos más tranquilos, los parámetros de control de inventario como Mins y Maxes pueden establecerse lejos de sus mejores valores. Podemos preguntar "¿Por qué el punto de pedido para SKU_1234 se establece en 20 unidades y la cantidad de pedido se establece en 35?" Esas elecciones probablemente fueron el resultado anquilosado de años de conjeturas acumuladas. Un poco de investigación puede mostrar que las opciones de 20 y 35 ya no están correctamente alineadas con el nivel de demanda actual, la volatilidad de la demanda, el tiempo de entrega del proveedor y los costos de los artículos.

La persistente sensación de que "Deberíamos repensar todas estas opciones" a menudo es seguida por "Oh, no, ¿tenemos que resolver esto para los 10,000 artículos en el inventario?" El salvador aquí es software avanzado que puede ampliar el proceso y hacerlo no solo deseable sino factible. El software utiliza algoritmos sofisticados para traducir los cambios en los parámetros de inventario, como los puntos de pedido, en indicadores clave de rendimiento, como los niveles de servicio y los costos operativos (definidos como la suma de los costos de mantenimiento, los costos de pedido y los costos de escasez).

Este blog describe cómo obtener la beneficios de la optimización del inventario describiendo 4 enfoques con diversos grados de automatización.

Cuatro enfoques para la optimización del inventario

Caza y picotear

La primera forma es la optimización de "cazar y picotear" específica del artículo. Es decir, usted aísla un artículo de inventario a la vez y hace conjeturas sobre cómo administrar ese artículo. Por ejemplo, puede pedirle al software que evalúe qué sucede si cambia el punto de reorden para SKU123 de 20 a 21 mientras deja la cantidad de pedido fija en 35. Luego, puede intentar dejar 20 solo y reducir 35 a 34. Horas más tarde, porque su las intuiciones son buenas, es posible que haya encontrado un mejor par de opciones, pero no sabe si hay una combinación aún mejor que no probó, y es posible que deba pasar al siguiente SKU y al siguiente y el siguiente… Necesitas algo más automatizado y completo.

Hay tres maneras de hacer el trabajo de manera más productiva. Los dos primeros combinan tu intuición con la eficiencia de tratar grupos de elementos relacionados. La tercera es una búsqueda totalmente automática.

Optimización basada en el nivel de servicio

1. Identifique los elementos que desea que tengan el mismo nivel de servicio. Por ejemplo, puede administrar cientos de elementos "C" y preguntarse si su objetivo de nivel de servicio debe ser 70%, más o menos.
2. Ingrese un objetivo de nivel de servicio potencial y haga que el software prediga las consecuencias en términos de inversión en dólares de inventario y costo operativo de inventario.
3. Si no le gusta lo que ve, pruebe con otro objetivo de nivel de servicio hasta que se sienta cómodo. Aquí el software hace predicciones a nivel de grupo de las consecuencias de sus elecciones, pero aún está explorando sus elecciones.

Optimización por Reasignación a partir de un Benchmark

1. Identifique los artículos que están relacionados de alguna manera, como "todos los repuestos para trenes de rodaje de vehículos ligeros sobre rieles".
2. Utilice el software para evaluar el espectro actual de niveles de servicio y costos en todo el grupo de artículos. Por lo general, descubrirá que algunos artículos tienen un exceso de existencias (como lo indican los niveles de servicio irrazonablemente altos) y otros con una falta de existencias (niveles de servicio vergonzosamente bajos).
3. Utilice el software para calcular los cambios necesarios para reducir los niveles de servicio más altos y aumentar los más bajos. Este ajuste a menudo dará como resultado el logro de dos objetivos a la vez: aumentar el nivel de servicio promedio y, al mismo tiempo, disminuir los costos operativos promedio.

Optimización específica de artículos totalmente automatizada

1. Identifique los elementos que requieren niveles de servicio por encima de un cierto mínimo. Por ejemplo, tal vez desee que todos sus elementos "A" tengan al menos un nivel de servicio 95%.
2. Utilice el software para identificar, para cada artículo, la elección de los parámetros de inventario que minimizarán el costo de cumplir o exceder el nivel de servicio mínimo. El software buscará eficientemente el "espacio de diseño" definido por pares de parámetros de inventario (p. ej., Mín. y Máx.) para diseños (p. ej., Mín. = 10, Máx. = 23) que satisfagan la restricción del nivel de servicio. Entre ellos, identificará el diseño de menor costo.

Este enfoque va más allá para trasladar la carga del planificador al programa. Muchos se beneficiarían de hacer de esta la forma estándar en que administran grandes cantidades de artículos de inventario. Para algunos artículos, puede ser útil dedicar un poco más de tiempo para asegurarse de que también se tengan en cuenta las consideraciones adicionales. Por ejemplo, la capacidad limitada en un departamento de compras puede hacer que la solución se aleje del ideal al requerir una disminución en la frecuencia de los pedidos, a pesar del precio pagado en costos operativos generales más altos.

Avanzando

Optimizar los parámetros de inventario nunca ha sido más importante, pero siempre pareció un sueño imposible: era demasiado trabajo y no había buenos modelos para relacionar las opciones de parámetros con indicadores clave de rendimiento como el nivel de servicio y el costo operativo. El software moderno para el análisis de la cadena de suministro ha cambiado el juego. Ahora la pregunta no es "¿Por qué haríamos eso?" sino "¿Por qué no estamos haciendo eso?" Con el software, puede conectar "Esto es lo que queremos" con "Hacerlo así".