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.
Artículos Relacionados
¿Sus pronósticos estadísticos sufren el efecto de oscilación?
¿Qué es el efecto meneo? Es cuando su pronóstico estadístico predice incorrectamente los altibajos observados en su historial de demanda cuando realmente no hay un patrón. Es importante asegurarse de que sus pronósticos no cambien a menos que haya un patrón real. Aquí hay una transcripción de un cliente reciente donde se discutió este problema:
Cómo manejar pronósticos estadísticos de cero
Un pronóstico estadístico de cero puede causar mucha confusión a los pronosticadores, especialmente cuando la demanda histórica no es cero. Claro, es obvio que la demanda tiene una tendencia a la baja, pero ¿debería tener una tendencia a cero?
¡El artículo de Smart Software ganó el primer lugar en la categoría de pronóstico de los premios MVP de la cadena de suministro de 2022!
Smart Software se complace en anunciar que nuestro artículo "Gestión del inventario en medio del cambio de régimen" ganó el primer lugar en la categoría Pronóstico de los premios MVP de 2022 Supply Chain Brief.
Mensajes recientes
Las 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuestoA menudo nos encontramos con métodos de planificación de puntos de pedido basados en Excel. En esta publicación, detallamos un enfoque que utilizó un cliente antes de continuar con Smart. Describimos cómo funcionaba su hoja de cálculo, los enfoques estadísticos en los que se basaba, los pasos que los planificadores siguieron en cada ciclo de planificación y sus motivaciones declaradas para usar (y realmente gustarles) esta hoja de cálculo desarrollada internamente. […]
Cómo interpretar y manipular los resultados del pronóstico con diferentes métodos de pronósticoEste blog explica cómo funciona cada modelo de pronóstico utilizando gráficos de tiempo de datos históricos y de pronóstico. Describe cómo elegir qué modelo usar. Los ejemplos a continuación muestran el mismo historial, en rojo, pronosticado con cada método, en verde oscuro, en comparación con el método ganador elegido por Smart, en verde claro. […]
Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezasAl administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
Qué hacer cuando un pronóstico estadístico no tiene sentidoA veces, un pronóstico estadístico simplemente no tiene sentido. Todos los pronosticadores han estado allí. Pueden volver a verificar que los datos se ingresaron correctamente o revisar la configuración del modelo, pero todavía se quedan pensando por qué el pronóstico se ve muy diferente al historial de demanda. Cuando el pronóstico ocasional no tiene sentido, puede erosionar la confianza en todo el proceso de pronóstico estadístico. […]
La planificación de piezas de repuesto no es tan difícil como creeAl administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
Optimización de inventario para fabricantes, distribuidores y MRO
- Las 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuestoA menudo nos encontramos con métodos de planificación de puntos de pedido basados en Excel. En esta publicación, detallamos un enfoque que utilizó un cliente antes de continuar con Smart. Describimos cómo funcionaba su hoja de cálculo, los enfoques estadísticos en los que se basaba, los pasos que los planificadores siguieron en cada ciclo de planificación y sus motivaciones declaradas para usar (y realmente gustarles) esta hoja de cálculo desarrollada internamente. […]
- Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezasAl administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
- La planificación de piezas de repuesto no es tan difícil como creeAl administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
Planificación basada en el nivel de servicio para empresas de repuestosLa planificación de piezas de servicio impulsada por el nivel de servicio es un proceso de cuatro pasos que se extiende más allá de la previsión simplificada y las existencias de seguridad de regla empírica. Proporciona a los planificadores de piezas de servicio un soporte de decisiones basado en datos y ajustado al riesgo. […]
