El Blog de Smart

Siguiendo las mejores prácticas en la planificación de la demanda,

previsión y optimización de inventario

In my previous post in this series on essential concepts, “What is ‘A Good Forecast’”, I discussed the basic effort to discover the most likely future in a demand planning scenario. I defined a good forecast as one that is unbiased and as accurate as possible. But I also cautioned that, depending on the stability or volatility of the data we have to work with, there may still be some inaccuracy in even a good forecast. The key is to have an understanding of how much.

This topic, managing uncertainty, is the subject of post by my colleague Tom Willemain, “The Average is not the Answer”. His post lays out the theory for responsibly confronting the limits of our predictive ability. It’s important to understand how this actually works.

As I briefly touched on at the end of my previous post, our approach begins with something called a “sliding simulation”. We estimate how accurately we are predicting the future by using our forecasting techniques on an older portion of history, excluding the most recent data. We can then compare what we would have predicted for the recent past with our actual real world information about what happened. This is a reliable method to estimate how closely we are predicting future demand.

Safety stock, a carefully measured buffer in inventory level we stock above our prediction of most likely demand, is derived from the estimate of forecast error coming out of the “sliding simulation”. This approach to dealing with the accuracy of our forecasts efficiently balances between ignoring the threat of the unpredictable and costly overcompensation.

In more technical detail: the forecasts errors that are estimated by this sliding simulation process indicate the level of uncertainty. We use these errors to estimate the standard deviation of the forecasts. Now, with regular demand, we can assume the forecasts (which are estimates of future behavior) are best represented by a bell-shaped probability distribution—what statisticians call the “normal distribution”. The center of that distribution is our point forecast. The width of that distribution is the standard deviation of the “sliding simulation” forecast from the known actual values—we obtain this directly from our forecast error estimates.

Once we know the specific bell shaped curve associated with the forecast, we can easily estimate the safety stock buffer that is needed. The only input from us is the “service level” that is desired, and the safety stock at that service level can be ascertained. (The service level is essentially a measure of how confident we need to be in our inventory stocking levels, with increasing confidence requiring corresponding expenditures on extra inventory.) Notice, we are assuming that the correct distribution to use is the normal distribution. This is correct for most demand series where you have regular demand per period. It fails when demand is sporadic or intermittent.

In the next piece in this series, I’ll discuss how Smart Forecasts deals with estimating safety stock in those cases of intermittent demand, when the assumption of normality is incorrect.

Nelson Hartunian, PhD, co-founded Smart Software, formerly served as President, and currently oversees it as Chairman of the Board. He has, at various times, headed software development, sales and customer service.

Deja un comentario

Artículos Relacionados

Mensajes recientes

  • Mecánico barbudo maduro en uniforme examinando la máquina y reparándola en fábricaPlanificación de consumibles frente a piezas reparables
    Al decidir los parámetros correctos de almacenamiento de repuestos y piezas de repuesto, es importante distinguir entre piezas consumibles y reparables. Estas diferencias a menudo se pasan por alto por el software de planificación de inventario y pueden dar lugar a estimaciones incorrectas de lo que hay que almacenar. Se requieren diferentes enfoques al planificar consumibles frente a reparables. […]
  • Cuatro errores comunes al planificar los objetivos de reposiciónCuatro errores comunes al planificar los objetivos de reposición
    ¿Con qué frecuencia recalibra sus políticas de almacenamiento? ¿Por qué? Aprenda a evitar errores clave al planificar objetivos de reabastecimiento mediante la automatización del proceso, la recalibración de piezas, el uso de métodos de previsión de objetivos y la revisión de excepciones. […]
  • Smart Software se complace en presentar nuestra serie de seminarios web, ofrecidos exclusivamente para usuarios de Epicor.Amplíe el pronóstico y la planificación mínima/máxima de Epicor Kinetic con Smart IP&O
    Epicor Kinetic puede administrar el reabastecimiento al sugerir qué ordenar y cuándo a través de políticas de inventario basadas en puntos de reorden. El problema es que el sistema ERP requiere que el usuario especifique manualmente estos puntos de pedido o use un enfoque rudimentario de "regla general" basado en promedios diarios. En este artículo, revisaremos la funcionalidad de pedido de inventario en Epicor Kinetic, explicaremos sus limitaciones y resumiremos cómo reducir el inventario y minimizar los desabastecimientos al proporcionar la sólida funcionalidad predictiva que falta en Epicor. […]
  • Pronóstico basado en escenarios vs EcuacionesPronóstico basado en escenarios versus ecuaciones
    Tradicionalmente, el software ha servido como vehículo de entrega de ecuaciones. Esto está bien, hasta donde llega. Pero en Smart Software creemos que le iría mejor cambiando sus ecuaciones por escenarios. Descubra por qué la planificación basada en escenarios ayuda a los planificadores a gestionar mejor el riesgo y crear mejores resultados. […]
  • Amplíe Microsoft 365 BC y NAV con Smart IP&OAmplíe Microsoft 365 BC y NAV con Smart IP&O
    Microsoft 365 BC y NAV pueden administrar el reabastecimiento al sugerir qué pedir y cuándo a través de políticas de inventario basadas en puntos de reorden. El problema es que el sistema ERP requiere que el usuario especifique manualmente estos puntos de pedido y/o pronósticos. En este artículo, revisaremos la funcionalidad de pedidos de inventario en Microsoft BC & NAV, explicaremos sus limitaciones y resumiremos cómo reducir el inventario y minimizar los desabastecimientos proporcionando la sólida funcionalidad predictiva que falta en Dynamics 365. […]

    Optimización de inventario para fabricantes, distribuidores y MRO

    • Pedidos generales Software inteligente Demanda y planificación de inventario HDÓrdenes generales
      Nuestros clientes son grandes maestros que siempre nos han ayudado a cerrar la brecha entre la teoría de los libros de texto y la aplicación práctica. Un excelente ejemplo sucedió hace más de veinte años, cuando nos presentaron el fenómeno de la demanda intermitente, que es común entre las piezas de repuesto pero poco común entre los productos terminados administrados por nuestros clientes originales que trabajan en ventas y marketing. Esta revelación pronto llevó a nuestra posición preeminente como proveedores de software para la gestión de inventarios de piezas de repuesto. Nuestra última parte de la educación se refiere a las "órdenes generales". […]
    • Mano colocando piezas para construir una flechaPronóstico Probabilístico para Demanda Intermitente
      La nueva tecnología de pronóstico se deriva del pronóstico probabilístico, un método estadístico que pronostica con precisión tanto la demanda promedio de productos por período como los requisitos de inventario del nivel de servicio al cliente. […]
    • Ingeniería bajo pedido en Kratos Space: hacer que la disponibilidad de piezas sea una ventaja estratégica
      El grupo Kratos Space dentro del innovador en tecnología de seguridad nacional Kratos Defense & Security Solutions, Inc., produce el software COTS y los productos de componentes para las comunicaciones espaciales: hacer de la disponibilidad de piezas una ventaja estratégica […]
    • figuras-de-madera-de-personas-y-un-iman-equipo-gestion-almacen inventarioGestión del inventario de artículos promocionados
      En una publicación anterior, analicé uno de los problemas más espinosos que a veces enfrentan los planificadores de demanda: trabajar con datos de demanda de productos caracterizados por lo que los estadísticos llaman asimetría, una situación que puede requerir costosas inversiones en inventario. Este tipo de datos problemáticos se encuentran en varios escenarios diferentes. En al menos uno, la combinación de demanda intermitente y promociones de ventas muy efectivas, el problema se presta a una solución efectiva. […]