El Blog de Smart

 Recomendaciones para la planificación de la demanda,

previsión y optimización de inventario

El nivel de servicio es un indicador clave de rendimiento para las empresas que dan prioridad a la satisfacción de la demanda de los clientes. El nivel de servicio se define como la probabilidad de sobrevivir a un tiempo de espera de reabastecimiento sin desabastecerse.

La mejor práctica de administración de inventario comienza con el establecimiento de objetivos de nivel de servicio, luego calcula los puntos de pedido (también llamados Mins) para lograr esos objetivos. Estos cálculos deben tener en cuenta la variabilidad tanto en la demanda como en el tiempo de espera del reabastecimiento. Hay muchos sistemas de software disponibles para hacer estos cálculos. Si todo sale bien, el nivel de servicio alcanzado termina muy cerca del nivel de servicio objetivo. Desafortunadamente, a menudo hay una brecha dolorosa entre los dos.

Una de las razones de la brecha son los modelos de demanda poco realistas. En muchos casos, el software para calcular los puntos de pedido utiliza fórmulas de libros de texto basadas en suposiciones matemáticas que simplifican el análisis a expensas del realismo. Muchos libros de texto de "Inventario 101" usan fórmulas que asumen que la demanda tiene una distribución Normal (también conocida como la "curva en forma de campana") para productos terminados y la distribución de Poisson para repuestos. Afortunadamente, ahora existen sistemas de pronóstico y optimización de inventario que procesan los historiales de demanda reales de los artículos del inventario utilizando pronósticos probabilísticos. Estas soluciones calculan una estimación precisa de la distribución, no una versión idealizada. Para obtener más información, consulte este blog anterior sobre de pronóstico probabilístico:

Pero hay una segunda fuente de error en los libros de texto que opera de manera invisible en muchos paquetes de software de inventario: "insuficiencia".

Los cálculos de los puntos de reposición casi siempre asumen que los desabastecimientos surgen cuando la demanda total durante un intervalo de reposición excede el punto de reposición. Por ejemplo, suponga que la demanda promedia 1 unidad por día. Si el tiempo de entrega es de 5 días, entonces, en promedio, la demanda de tiempo de entrega es de 5 unidades. Establecer el punto de reorden en 5 unidades produciría un nivel de servicio irrisorio en algún lugar cercano a 50%. Agregar existencias de seguridad al cálculo podría dar como resultado un punto de pedido de, digamos, 11 unidades, lo que podría corresponder a un nivel de servicio de 95%. Otra forma de decir esto es que, a partir de un punto de pedido de 11 unidades, debería haber una posibilidad de que el 95% sobreviva el plazo de entrega de 5 días sin experimentar una demanda acumulada de más de 11 unidades. ¡Teóricamente!

Lo que falta en este análisis es el fenómeno del subimpulso. Undershoot significa que el tiempo de entrega comienza no a el punto de pedido pero abajo eso. El subimpulso ocurre cada vez que la demanda que superó el punto de pedido redujo el stock abajo (no abajo a) el punto de pedido. La siguiente figura muestra los ciclos de reabastecimiento con y sin rebasamiento. Undershoot te roba el bolsillo incluso antes de que comiences a tirar los dados. Engaña al profesional de inventario haciéndole creer que sus puntos de reorden son suficientes para lograr sus objetivos, mientras que el desempeño real no alcanzará la calificación.

Solo hay una situación en la que el rebasamiento no es una preocupación: cuando la demanda siempre es cero o una unidad. En ese caso, undershoot es imposible. Pero en todos los demás casos, es seguro que se producirá una subestimación hasta cierto punto, y puede socavar gravemente el nivel de servicio realmente alcanzado por una determinada elección de punto de pedido. Nuestros análisis muestran que las condiciones más vulnerables a la subestimación implican una demanda altamente intermitente y sesgada con plazos de entrega muy cortos; las mismas condiciones se vuelven más comunes debido a las tendencias del mercado.

¿Qué se puede hacer para protegerse del efecto de la falta de alcance en los cálculos del punto de pedido? Utilice un software de pronóstico y optimización de inventario que no esté vinculado a las suposiciones de los libros de texto antiguos y, en su lugar, tenga en cuenta automáticamente la insuficiencia al calcular el nivel de servicio producido por cualquier elección de punto de pedido.

Para ver la solución de optimización de inventario de Smart Software en acción, regístrese para ver una demostración grabada a continuación:

 

    Su nombre *

    Nombre de empresa *

    Correo electrónico laboral*

    Teléfono del trabajo


     

     

    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. […]