El Blog de Smart

 Recomendaciones para la planificación de la demanda,

previsión y optimización de inventario

La planificación de la demanda requiere tiempo y esfuerzo. Vale la pena el esfuerzo en la medida en que realmente lo ayuda a hacer lo que necesita cuando lo necesita.

Pero el trabajo se puede hacer bien o mal. Vemos a muchos fabricantes detenerse en el primer nivel cuando fácilmente podrían pasar al segundo nivel. Y con un poco más de esfuerzo, podrían llegar al tercer nivel, utilizando modelos probabilísticos para convertir los resultados de la planificación de la demanda en un proceso de optimización del inventario.

El primer nivel

 

El primer nivel es hacer un pronóstico de la demanda usando métodos estadísticos. La Figura 1 muestra un esfuerzo de primer nivel: el historial de demanda de un artículo (línea roja) y su pronóstico esperado de 12 meses (línea verde).

 

 El primer nivel: Un pronóstico de la demanda esperada para los próximos 12 meses

 

El pronóstico es básico. solo proyecta previsto demanda ignorando que la demanda es volátil e inevitablemente creará un error de pronóstico. (Este es otro ejemplo de una máxima importante: “El promedio no es la respuesta”). Es tan probable que el pronóstico sea demasiado alto como demasiado bajo, y no hay indicios de incertidumbre en el pronóstico que acompañe al pronóstico. Esto significa que el planificador no tiene una estimación del riesgo asociado con el compromiso con el pronóstico. Aun así, este pronóstico proporciona una base racional para la planificación de la producción, la programación personal y la compra de materias primas. Entonces, es mucho mejor que adivinar.

El segundo nivel

 

El segundo nivel tiene en cuenta explícitamente la incertidumbre del pronóstico. La figura 2 muestra un esfuerzo de segundo nivel, conocido como "pronóstico de percentiles".

Ahora vemos una indicación explícita de la incertidumbre del pronóstico. La línea cian sobre la línea de pronóstico verde representa el percentil 90 proyectado de la demanda mensual. Es decir, la demanda en cada mes futuro tiene una probabilidad de 90% de caer en o por debajo de la línea cian. Dicho de otra manera, existe una probabilidad de 10% de que la demanda exceda la línea cian en cada mes.

Este análisis es mucho más útil porque apoya la gestión de riesgos. Si es importante asegurar un suministro suficiente de este artículo, entonces tiene sentido producir hasta el percentil 90 en lugar del pronóstico esperado. Después de todo, es una moneda al aire si el pronóstico esperado resultará en suficiente producción para satisfacer la demanda mensual. Este pronóstico de segundo nivel es, en efecto, un sustituto aproximado de un cuidadoso proceso de gestión de inventario.

 

Un pronóstico de percentiles, donde la línea cian estima los percentiles 90 de la demanda mensual.

 

Figura 2. Pronóstico percentil, donde la línea cian estima los percentiles 90 de la demanda mensual.

Ir todo el camino hasta el tercer nivel

 

La mejor práctica es el tercer nivel, que utiliza la planificación de la demanda como base para completar una segunda tarea: la optimización explícita del inventario. La figura 3 muestra el gráfico fundamental para la gestión eficiente de nuestro producto terminado, suponiendo que tiene un plazo de entrega de producción de 1 mes.

 

Distribución de la demanda de productos terminados durante su tiempo de entrega de 1 mes

 

La figura 3 muestra la utilización del pronóstico probabilístico y la cantidad de reducción en el inventario de bienes terminados que podría tener lugar durante un tiempo de espera de producción de un mes. La incertidumbre en la demanda es evidente en la dispersión de la posible demanda, desde un mínimo de 0 hasta un máximo de 35, siendo 15 unidades el valor más probable. La línea roja vertical en 22 indica el "punto de pedido" (o "mínimo" o "valor de activación") correspondiente a mantener la posibilidad de agotarse mientras se espera el reabastecimiento a un nivel bajo de 5%. Cuando el inventario cae a 22 o menos, es hora de ordenar más. El Tercer Nivel utiliza el pronóstico probabilístico de la demanda con exposición total de la incertidumbre del pronóstico para administrar eficientemente el stock del producto terminado.

Para resumir

 

Pronosticar la demanda más probable de un artículo es un primer paso útil. Te lleva a la mitad del camino hacia donde quieres estar. Pero proporciona una guía incompleta para la planificación porque ignora la volatilidad de la demanda y la incertidumbre de pronóstico que crea. Agregar un colchón al pronóstico de la demanda lo lleva más lejos, porque reduce el riesgo de que un salto en la demanda lo deje sin producto. Este colchón se puede calcular mediante enfoques de pronóstico probabilístico que pronostican un percentil alto de la distribución de la demanda futura. Y si quiere ir un paso más allá, puede alimentar pronósticos de la distribución de la demanda durante un tiempo de espera para calcular los puntos de pedido (min) para asegurarse de tener un nivel aceptablemente bajo de riesgo de agotamiento de existencias.

Teniendo en cuenta lo que la tecnología de pronóstico moderna puede hacer por usted, ¿por qué querría detenerse a la mitad de su objetivo?

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

  • Quince preguntas que revelan cómo se calculan los pronósticos en su empresaQuince preguntas que revelan cómo se calculan los pronósticos en su empresa
    En una publicación reciente de LinkedIn, detallé cuatro preguntas que, una vez respondidas, revelarán cómo se utilizan los pronósticos en su negocio. En este artículo, hemos enumerado preguntas que puede hacer que revelarán cómo se crean los pronósticos. […]
  • 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. […]

    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. […]