El Blog de Smart

 Recomendaciones para la planificación de la demanda,

previsión y optimización de inventario

Los planificadores de demanda tienen que hacer frente a múltiples problemas para realizar su trabajo. La primera es la dificultad de la intermitencia. El carácter "ahora lo ves, ahora no" de la demanda intermitente, con su fuerte mezcla de valores cero, obliga al uso de métodos estadísticos avanzados, como el algoritmo Markov Bootstrap patentado de Smart Software. Pero incluso dentro del oscuro reino de la demanda intermitente, existen grados de dificultad: los planificadores deben hacer frente aún más al Azote de la asimetría, potencialmente costoso.

La asimetría es un término estadístico que describe el grado en que la distribución de la demanda no es simétrica. La clásica (y en gran medida mítica) curva "en forma de campana" es simétrica, con las mismas posibilidades de que la demanda en cualquier período de tiempo caiga por debajo o por encima del promedio. Por el contrario, una distribución sesgada está desequilibrada, con la mayoría de los valores por encima o por debajo del promedio. En la mayoría de los casos, los datos de demanda tienen un sesgo positivo, con una cola larga de valores que se extiende hacia el extremo superior de la escala de demanda.

Gráficos de barras de dos series de tiempo
Figura 1: Dos series de demanda intermitente con diferentes niveles de asimetría
La figura 1 muestra dos series temporales de 60 meses de demanda intermitente. Ambos tienen un sesgo positivo, pero los datos del panel inferior están más sesgados. Ambas series tienen casi la misma demanda promedio, pero la de arriba es una mezcla de 0, 1 y 2, mientras que la de abajo es una mezcla de 0, 1 y 4.

Lo que hace que la asimetría positiva sea un problema es que reduce la tasa de llenado de un elemento. La tasa de llenado es importante la gestión del inventario métrica de rendimiento. Mide el porcentaje de la demanda que se satisface inmediatamente con el inventario disponible. Cualquier pedido pendiente o pérdida de ventas reduce la tasa de cumplimiento (además de desperdiciar la buena voluntad del cliente).

La tasa de relleno es un complemento de la otra métrica de rendimiento clave: el nivel de servicio. El nivel de servicio mide la posibilidad de que un artículo se agote durante el tiempo de reposición. El tiempo de entrega se mide desde el momento en que el inventario cae por debajo del punto de pedido de un artículo, lo que genera un pedido de reabastecimiento, hasta la llegada del inventario de reemplazo.

El software de gestión de inventario, como SmartForecasts de Smart Software, puede analizar los patrones de demanda para calcular el punto de pedido necesario para lograr un objetivo de nivel de servicio específico. Para alcanzar un nivel de servicio 95% para el artículo en el panel superior de la Figura 1, suponiendo un tiempo de entrega de 1 mes, el punto de reorden requerido es 3; para el artículo inferior, el punto de reorden es 1. (El primer punto de reorden es 3 para permitir la clara posibilidad de que los valores de la demanda futura excedan los valores más grandes, 2, observados hasta ahora. De hecho, son posibles valores tan grandes como 8 .) Consulte la figura 2.

Histogramas de dos series temporales
Figura 2: Distribuciones de la demanda total durante un plazo de reposición de 1 mes
(La Figura 2 traza la distribución prevista de la demanda durante el tiempo de entrega. Las barras verdes representan la probabilidad de que se materialice cualquier nivel particular de demanda).

Usando el punto de pedido requerido de 3 unidades, la tasa de llenado para el artículo menos sesgado es un 93% saludable. Sin embargo, la tasa de relleno para el artículo más sesgado es un 44% preocupante, aunque este artículo también alcanza un nivel de servicio de 95%. Este es el flagelo de la asimetría.

La explicación de la diferencia en las tasas de llenado es el grado de asimetría. El punto de reorden para el artículo más sesgado es 1 unidad. Tener 1 unidad disponible al comienzo del plazo de entrega será suficiente para manejar 95% de las demandas que lleguen durante un plazo de entrega de 1 mes. Sin embargo, la demanda mensual podría superar las 15 unidades, por lo que cuando se agote la unidad más sesgada, se "agotará a lo grande", perdiendo una cantidad mucho mayor de unidades.

La mayoría de los planificadores de demanda estarían orgullosos de lograr un nivel de servicio 95% y una tasa de llenado de 93%. La mayoría estaría preocupada y desconcertada al lograr el nivel de servicio 95% pero solo una tasa de llenado de 44%. Esta falla parcial no sería su culpa: se puede atribuir directamente a la desagradable asimetría en la distribución de los valores de la demanda mensual.

No existe una solución indolora para este problema. La única forma de aumentar la tasa de llenado en esta situación es elevar el objetivo de nivel de servicio, lo que a su vez impulsará el punto de pedido, lo que finalmente reducirá tanto la frecuencia de los desabastecimientos como su tamaño cada vez que ocurran. En este ejemplo, aumentar el punto de pedido de 1 unidad a 3 unidades logrará un nivel de servicio de 99% y aumentará la tasa de cumplimiento a un respetable, pero no sobresaliente, 84%. Esta mejora tendría el costo de esencialmente triplicar los dólares invertidos en la gestión de este elemento más sesgado.

Thomas Willemain, PhD, cofundó Smart Software y actualmente se desempeña como vicepresidente sénior de investigación. El Dr. Willemain también se desempeña como Profesor Emérito de Ingeniería Industrial y de Sistemas en el Instituto Politécnico Rensselear y como miembro del personal de investigación en el Centro de Ciencias de la Computación, Instituto de Análisis de Defensa.

Deja un comentario

Artículos Relacionados

Las 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuesto

Las 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.

Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezas

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.

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. […]