El Blog de Smart

  Recomendaciones para la planificación de la demanda,

previsión y optimización de inventario

No, no ese tipo de cambio de régimen: nada aquí sobre misiles de crucero y bombarderos furtivos. Y no, no estamos hablando del otro tipo de cambio de régimen que golpea más cerca de casa: barajar el C-Suite en su empresa.

“Cambio de régimen” tiene un tercer significado que es relevante para su profesión como planificador de demanda o administrador de inventario. Para los investigadores en economía y finanzas, el cambio de régimen significa cambios repentinos en el carácter mismo de una serie temporal de observaciones aleatorias. La serie temporal aleatoria en cuestión aquí es la secuencia de conteos de demanda diarios (o semanales o mensuales) para sus productos y artículos de inventario.

La mayoría del software de pronóstico utiliza algoritmos estadísticos para procesar la demanda histórica. Puede agregar pasos adicionales, como incorporar inteligencia de campo del personal de ventas, pero todo comienza con el historial de demanda de cualquier artículo que deba administrar.

La pregunta que plantea el cambio de régimen es, ¿qué datos utiliza? La respuesta simple es "Todo", porque eso conduce a los pronósticos más precisos, pero solo si su mundo de datos es estable. Si su mundo de datos es turbulento, usar todos los datos significa que está basando los pronósticos en condiciones pasadas. A su vez, ingresar datos obsoletos en su algoritmos de pronóstico conduce inevitablemente a una reducción de la precisión del pronóstico.

Tenga en cuenta que lidiar con un cambio de régimen no es lo mismo que lidiar con valores atípicos. Los valores atípicos suelen ser excepciones únicas causadas por eventos transitorios, como una torcedura en su cadena de suministro causada por una gran tormenta de nieve que obstruye todas las rutas de tránsito. Por el contrario, el cambio de régimen persiste durante un período más largo y, por lo tanto, es capaz de causar más daño a sus pronósticos. He aquí una analogía: los valores atípicos tienen que ver con el clima y el cambio de régimen tiene que ver con el clima.

Las formas más drásticas de cambio de régimen son existenciales. La Figura 1 muestra un ejemplo de un cambio existencial: no hubo demanda durante mucho tiempo, y de repente hubo demanda. Si no tenía demanda de un artículo porque no existía pero retiene valores de demanda cero en su base de datos, y luego el artículo se activa y tiene ventas, la transición de nada a algo es un cambio de régimen extremo. Incluir todos esos valores de demanda cero desde antes del "Día Uno" seguramente sesgará los pronósticos estadísticos por debajo de donde deberían estar. Lo mismo sucede si elimina un producto pero sigue registrando una demanda cero: incluir todos esos ceros recientes degrada sus pronósticos de demanda.

En principio, el mantenimiento cuidadoso de registros debería eliminar estos problemas. Debe registrar solo valores cero significativos. Si tiene un elemento nuevo, comience a grabar cuando se publique. Si ya no tiene demanda de un artículo y no espera ninguna, elimínelo de su base de datos o al menos pronostique una demanda cero.

Desafortunadamente, hay una diferencia entre el principio y la práctica. Vemos muchos casos en los que los registros de datos de elementos nuevos e inactivos no se mantienen correctamente, con "ceros falsos" confundidos con "ceros reales". Este problema no es necesariamente el resultado de la incompetencia: por lo general, es un subproducto de la escala del problema, con muy pocas personas tratando de realizar un seguimiento de demasiados elementos.

Estos cambios de régimen existencial son relativamente fáciles de manejar en comparación con formas más sutiles, que parecen afectar a más elementos. La figura 2 muestra dos ejemplos de cambios de régimen en un patrón de ventas continuas. Hay una serie de factores que pueden cambiar la demanda de un artículo: el rendimiento de la fuerza de ventas, los esfuerzos de marketing y publicidad, las acciones de la competencia y del proveedor, la aparición de nuevos clientes o la desaparición de clientes antiguos, etc. 1 unidad por día pero de repente se duplica (o viceversa), eso es un cambio de régimen. En el nuevo orden mundial, la demanda es de 2 unidades/día y los pronósticos deberían reflejar eso. En cambio, los algoritmos de pronóstico estadístico pronosticarán muy poca demanda si se alimentan todos los datos, incluidos los anteriores al cambio de régimen.

¿Cómo te proteges del cambio de régimen? La respuesta es la misma para el dictador más cruel o el planificador de demanda más inocente: Inteligencia. Y debido a que las amenazas son muchas, la inteligencia se automatiza mejor. Los sistemas de software modernos tienen la capacidad de examinar decenas de miles de elementos en busca de signos de cambio de régimen. Luego, el software puede llamar su atención sobre los elementos problemáticos y pedirle que designe qué datos recientes usar en los cálculos. O el software puede detectar y corregir automáticamente el cambio de régimen, trabajando rápidamente a una escala que derrotaría fácilmente a cualquier persona ocupada que trabaja "a mano".

 

Deja un comentario

Artículos Relacionados

¿Sus pronósticos estadísticos sufren el efecto de oscilación?

¿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

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?

Mensajes recientes

  • Empresario y empresaria leyendo y analizando hojas de cálculoLas 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuesto
    A 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. […]
  • Grupo de negocios de estilo en trajes de negocios clásicos con binoculares y telescopios reproducen diferentes métodos de pronósticoCómo interpretar y manipular los resultados del pronóstico con diferentes métodos de pronóstico
    Este 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. […]
  • Ingeniero trabajador de fábrica que trabaja en la fábrica usando una tableta para verificar la tubería de agua de la caldera de mantenimiento en la fábrica.Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezas
    Al 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 sentidoQué hacer cuando un pronóstico estadístico no tiene sentido
    A 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. […]
  • Retrato de una trabajadora de fábrica con casco azul sostiene una tableta y se para en el área de trabajo de repuestos. Concepto de confianza en trabajar con software de planificación de piezas de repuesto.La planificación de piezas de repuesto no es tan difícil como cree
    Al 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

    • Empresario y empresaria leyendo y analizando hojas de cálculoLas 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuesto
      A 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. […]
    • Ingeniero trabajador de fábrica que trabaja en la fábrica usando una tableta para verificar la tubería de agua de la caldera de mantenimiento en la fábrica.Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezas
      Al 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. […]
    • Retrato de una trabajadora de fábrica con casco azul sostiene una tableta y se para en el área de trabajo de repuestos. Concepto de confianza en trabajar con software de planificación de piezas de repuesto.La planificación de piezas de repuesto no es tan difícil como cree
      Al 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. […]
    • Trabajador en un almacén de piezas de repuesto para automóviles que utiliza un software de planificación de inventarioPlanificación basada en el nivel de servicio para empresas de repuestos
      La 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. […]