Planificación de inventario desde la perspectiva de un físico
En un mundo perfecto, Just in Time (JIT) sería la solución adecuada para la gestión de inventario. Si puede predecir exactamente lo que necesita y dónde lo necesita y sus proveedores pueden obtener lo que necesita sin demora, entonces no necesita mantener mucho inventario localmente. Pero como dice el dicho del famoso pugilista Mike Tyson, “todos tienen un plan hasta que les dan un puñetazo en la boca”. Y el último golpe en la boca para la cadena de suministro global fue el Bloqueo del Canal de Suez de la semana pasada que retuvo $9.6B en el comercio con un costo estimado de $6.7M por minuto.[1]. Las interrupciones de estos y otros eventos similares deben modelarse y tenerse en cuenta en su planificación.
La suposición de que puedes exactamente Predice el futuro era evidente en las leyes de Isaac Newton. Desde la década de 1920 con la introducción de la física cuántica, la incertidumbre se volvió fundamental para nuestra comprensión de la naturaleza. La incertidumbre está integrada en la realidad fundamental. También debe integrarse en los procesos de planificación de la oferta y la demanda. Sin embargo, con demasiada frecuencia, los eventos del cisne negro, como el bloqueo del Canal de Suez, se consideran anomalías y, como resultado, se descartan al planificar. No es suficiente mirar hacia atrás en retrospectiva y proclamar que debería haberse esperado. Es necesario hacer algo para abordar la ocurrencia de otros eventos similares en el futuro y planificar los niveles de existencias en consecuencia.
Debemos ir más allá del pensamiento de "distribución de cola delgada" donde se descuentan los resultados extremos y planificar para "colas gruesas". Entonces, ¿cómo ejecutamos un plan JIT del mundo real cuando se trata de planificar el inventario? Para hacer esto, el primer paso es estimar el tiempo de entrega realista para obtener un artículo. Sin embargo, la estimación es difícil debido a la incertidumbre del tiempo de entrega. Utilizando los plazos de entrega reales de los proveedores en la base de datos de su empresa y los datos externos, puede desarrollar una distribución de posibles plazos de entrega y demandas futuras dentro de esos plazos de entrega. Pronóstico probabilístico le permitirá tener en cuenta las interrupciones y los eventos inusuales al no limitar sus estimaciones a lo que se ha observado únicamente en su propia demanda a corto plazo y datos de tiempo de entrega. Podrás generar posibles resultados con probabilidades asociadas para cada ocurrencia.
Una vez que tenga una estimación del tiempo de entrega y la distribución de la demanda, puede especificar el nivel de servicio necesitas tener para esa parte. Utilizando soluciones como Optimización de inventario inteligente (SIO), podrá almacenar con confianza en función del riesgo de agotamiento de existencias objetivo con un costo mínimo de mantenimiento de inventario. También puede considerar dejar que la solución prescriba objetivos de nivel de servicio óptimos mediante la evaluación de los costos de inventario adicional frente al costo de falta de existencias.
Finalmente, como ya he señalado, debemos aceptar que nunca podremos eliminar toda la incertidumbre. Como físico, siempre me ha intrigado el hecho de que, incluso en los niveles más básicos de la realidad tal como la entendemos hoy, todavía hay incertidumbre. Albert Einstein creía en la certeza (determinismo) de la ley física. Si fuera gerente de inventario, podría haber abogado por JIT porque creía que las leyes físicas deberían permitir una previsibilidad perfecta. Él dijo célebremente: “Dios no juega con los dados”. ¿O podría ser posible que el universo en el que existimos fuera un evento de "cisne negro" en un "verso múltiple" anterior que produjo un tipo particular de universo que nos permitió existir?
En la planificación de inventarios, como en la ciencia, no podemos escapar de la realidad de la incertidumbre y el impacto de eventos inusuales. Debemos planificar en consecuencia.
[1] https://www.bbc.com/news/business-56559073#:~:text=Looking%20at%20the%20bigger%20picture,0.2%20to%200.4%20percentage%20points.
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. […]
