Matemáticas en la cadena de suministro: no lleve un cuchillo a un tiroteo

Ya sea que usted mismo las entienda en detalle o confíe en un buen software, las matemáticas son un hecho de la vida para cualquier persona en la gestión del inventario y previsión de la demanda que pretende seguir siendo competitivo en el mundo moderno.

Recientemente, en una conferencia, el presentador principal de un taller de administración de inventario proclamó con orgullo que no necesitaba "matemáticas de alto nivel", lo que interpretó como algo más allá de las matemáticas de primaria.

Las matemáticas no son el primer amor de todos. Pero si realmente te preocupas por hacer bien tu trabajo, no puedes abordar el trabajo con una mentalidad de escuela primaria. Las tareas de la cadena de suministro, como la previsión de la demanda y la gestión del inventario, son inherentemente matemáticos. Un blog asociado con edX, un sitio reconocido de cursos universitarios en línea, tiene una excelente publicación sobre este tema, en https://www.mooc.org/blog/how-is-math-used-in-supply-chain. Permítanme citar la introducción de dicho curso:

Las matemáticas y la cadena de suministro van de la mano. A medida que crecen las cadenas de suministro, la creciente complejidad impulsará a las empresas a buscar formas de gestionar la toma de decisiones a gran escala. No pueden volver a cómo eran hace 100 años, o incluso hace dos años antes de la pandemia. En cambio, las nuevas tecnologías ayudarán a optimizar y administrar las muchas partes móviles. Las habilidades logísticas, las tecnologías de optimización y las habilidades organizativas utilizadas en la cadena de suministro requieren matemáticas.

Nuestros clientes no necesitan ser expertos en matemáticas de la cadena de suministro, solo necesitan poder manejar el software que contiene las matemáticas. El software combina la experiencia de los usuarios y la experiencia en la materia para producir resultados que marcan la diferencia entre el éxito y el fracaso. Para hacer su trabajo, el software no puede detenerse en matemáticas de sexto grado; necesita probabilidad, estadística y teoría de optimización.

Depende de nosotros, los proveedores de software, empaquetar las matemáticas de tal manera que lo que entra en los cálculos sea todo lo que sea relevante, incluso si es complicado; y que lo que sale sea claro, relevante para la toma de decisiones y defendible cuando deba justificar sus recomendaciones a la alta dirección.

Las matemáticas de sexto grado no pueden advertirle cuándo la forma en que propone administrar una pieza de repuesto crítica significará una probabilidad de 70% de no alcanzar su objetivo de disponibilidad. No puede decirle cuál es la mejor manera de ajustar sus puntos de pedido cuando un proveedor llama y dice: "Tenemos un problema de entrega". No puede salvar su pellejo cuando hay un pedido sorprendentemente grande y tiene que descubrir rápidamente la mejor manera de configurar algunos pedidos especiales acelerados sin romper el presupuesto operativo.

Por lo tanto, respete la sabiduría popular y no traiga un cuchillo a un tiroteo.

 

 

El juego de culpar a la cadena de suministro por todo: las 3 principales excusas para la escasez y el exceso de inventario
  1. Culpar de la escasez a la variabilidad del tiempo de entrega
    Los proveedores a menudo llegan tarde, a veces por mucho. Los retrasos en el tiempo de entrega y la variabilidad del suministro son hechos de la vida de la cadena de suministro, sin embargo, las organizaciones que llevan inventario a menudo se sorprenden cuando un proveedor llega tarde. Un proceso de planificación de inventario efectivo abarca estos hechos de la vida y desarrolla políticas que dan cuenta de manera efectiva de esta incertidumbre. Claro, habrá momentos en que los retrasos en el tiempo de entrega surjan de la nada. Pero la mayoría de las veces, las políticas de almacenamiento, como los puntos de pedido, las existencias de seguridad y los niveles mínimos y máximos, no se recalibran con la frecuencia suficiente para detectar cambios en el tiempo de entrega a lo largo del tiempo. Muchas empresas solo revisan el punto de pedido después de que se haya incumplido, en lugar de volver a calibrar después de cada nuevo recibo de tiempo de entrega. Hemos observado situaciones en las que los ajustes Mín./Máx. solo se recalibran anualmente o incluso son completamente manuales. Si tiene una montaña de piezas que usan niveles mínimos/máximos antiguos y plazos de entrega asociados que eran relevantes hace un año, no debería sorprender que no tenga suficiente inventario para esperar hasta que llegue el próximo pedido. 

 

  1. Culpar del exceso a las malas previsiones de ventas/clientes
    Los pronósticos de sus clientes o su equipo de ventas a menudo se sobreestiman intencionalmente para garantizar el suministro, en respuesta a la escasez de inventario en el pasado donde se quedaron de vacio. O bien, los pronósticos de demanda son inexactos simplemente porque el equipo de ventas no sabe realmente cuál será la demanda de sus clientes, pero se ve obligado a dar un número. La variabilidad de la demanda es otro hecho de la vida de la cadena de suministro, por lo tanto, los procesos de planificación deben hacer un mejor trabajo para tenerlo en cuenta. ¿Por qué confiar en los equipos de ventas para pronosticar cuándo sirven mejor a la empresa vendiendo? ¿Por qué molestarse en jugar el juego de fingir aceptación de los pronósticos de los clientes cuando ambas partes saben que a menudo son falsos? Una mejor manera es aceptar la incertidumbre y acordar un grado de riesgo de desabastecimiento que sea aceptable para todos los grupos de artículos. Una vez que se acuerda el riesgo de desabastecimiento, puede generar una estimación precisa del stock de seguridad necesario para contrarrestar la variabilidad de la demanda. El problema es conseguir que se acepte, ya que es posible que no pueda ofrecer niveles de servicio muy altos en todos los artículos. Los clientes deben estar dispuestos a pagar un precio más alto por unidad para que usted brinde niveles de servicio extremadamente altos. El personal de ventas debe aceptar que es más probable que ciertos artículos tengan pedidos pendientes si priorizan la inversión en inventario en otros artículos. El uso de un proceso de inventario de seguridad consensuado garantiza que esté almacenando en búfer adecuadamente y estableciendo las expectativas correctas. Cuando haces esto, liberas a todas las partes de tener que jugar el juego de predicción para el que no estaban equipados en primer lugar. 

 

  1. Culpar de los problemas a los datos incorrectos
    “Basura entra/basura sale” es una excusa común de por qué ahora no es el momento adecuado para invertir en software de planificación. Por supuesto, es cierto que si ingresa datos incorrectos en un modelo, no obtendrá buenos resultados, pero aquí está la cuestión: alguien, en algún lugar de la organización, está planificando el inventario, creando un pronóstico y tomando decisiones sobre qué comprar con los datos que hay. ¿Están haciendo esto a ciegas o están usando datos que han seleccionado en una hoja de cálculo para ayudarlos a tomar decisiones de planificación de inventario? Con suerte, esto último. Combine ese conocimiento interno con el software, la automatización de la importación de datos desde el ERP y la limpieza de datos. Una vez armonizado, su software de planificación proporcionará señales de tiempo de entrega y demanda bien estructuradas y continuamente actualizadas que ahora hacen posible una previsión eficaz de la demanda y la optimización del inventario. El cofundador de Smart Software, Tom Willemain, escribió en un boletín de la IBF que “muchos problemas de datos se derivan de que los datos se descuidaron hasta que un proyecto de pronóstico los hizo importantes”. Entonces, comience ese proyecto de pronóstico, porque el primer paso es asegurarse de que "lo que ingresa" sea una señal de demanda impecable, documentada y precisa.

 

 

Una orden clara y concisa puede ayudar a contrarrestar de forma proactiva el ruido de la cadena de suministro

 

Usted conoce la situación: encuentra la mejor manera de administrar cada artículo del inventario calculando los puntos de pedido adecuados y los objetivos de reposición, luego aumenta o disminuye la demanda promedio, o cambia la volatilidad de la demanda, o cambian los tiempos de entrega de los proveedores, o cambian sus propios costos . Ahora sus antiguas políticas (puntos de pedido, existencias de seguridad, niveles mín./máx., etc.) han quedado obsoletas, justo cuando creía que las había entendido bien. Aprovechar el software avanzado de planificación y optimización de inventario le brinda la capacidad de abordar de manera proactiva las influencias externas en constante cambio en su inventario y demanda. Para hacerlo, deberá recalibrar regularmente los parámetros de almacenamiento en función de la demanda y los plazos de entrega en constante cambio.

Recientemente, algunos clientes potenciales han expresado su preocupación de que, al modificar regularmente los parámetros de control de inventario, están introduciendo "ruido" y agregando complicaciones a sus operaciones. Un visitante de nuestro stand en la Conferencia del grupo de usuarios de Microsoft Dynamics de la semana pasada comentó:

“No queremos alterar las operaciones cambiando las políticas con demasiada frecuencia e introduciendo ruido en el sistema. Ese ruido pone nervioso al sistema y causa confusión entre el equipo de compras”.

Esta visión se basa en los paradigmas de ayer. Si bien, por lo general, no debe cambiar una producción inmediata, ignorar los cambios a corto plazo en las políticas que impulsan la planificación de la producción futura y el reabastecimiento de pedidos causará estragos en sus operaciones. Nos guste o no, el ruido ya está ahí en forma de demanda extrema y variabilidad de la cadena de suministro. Arreglar los parámetros de reabastecimiento, actualizarlos con poca frecuencia o solo revisarlos en el momento del pedido significa que sus operaciones de la cadena de suministro solo podrán reaccionar a los problemas en lugar de identificarlos de manera proactiva y tomar medidas correctivas.

Modificar las políticas con recalibraciones a corto plazo es adaptarse a una situación fluida en lugar de ser cautivo de ella. Podemos mirar a los juegos de la NFL del fin de semana pasado para una analogía simple. Imagínese al mariscal de campo de su equipo favorito que se niega constantemente a llamar a un audible (cambiar la jugada justo antes de que se saque el balón) después de ver la formación defensiva. Esto daría como resultado muchas oportunidades perdidas, ineficiencia y unidades estancadas que podrían costarle la victoria al equipo. ¿Qué te gustaría que hiciera tu mariscal de campo?

La demanda, los plazos de entrega, los costos y las prioridades comerciales a menudo cambian y, como han demostrado estos últimos 18 meses, a menudo cambian considerablemente. Como líder de la cadena de suministro, tiene una opción: mantener los parámetros fijos, lo que resulta en muchas cancelaciones de pedidos y aceleraciones instintivas, o modificar de manera proactiva los parámetros de control de inventario. Llamar a lo audible al recalibrar sus políticas a medida que cambian las señales de oferta y demanda es el movimiento correcto.

Aquí hay un ejemplo. Suponga que está administrando un artículo crítico controlando su punto de pedido (ROP) en 25 unidades y su cantidad de pedido (OQ) en 48. Puede sentirse como una roca de estabilidad al aferrarse a esos dos números, pero al hacerlo puede dejar que otros números fluctúen dramáticamente. Específicamente, sus futuros niveles de servicio, tasas de llenado y costos operativos podrían reiniciarse mientras usted se obsesiona con mantener el ROP y el OQ de ayer. Cuando se determinó originalmente la política, la demanda era estable y los plazos de entrega eran predecibles, lo que generaba niveles de servicio de 99% en un artículo importante. Pero ahora la demanda está aumentando y los plazos de entrega son más largos. ¿Realmente va a esperar el mismo resultado (nivel de servicio 99%) utilizando los mismos conjuntos de entradas ahora que la demanda y los plazos de entrega son tan diferentes? Por supuesto que no. Suponga que sabe que, dados los cambios recientes en la demanda y el tiempo de entrega, para lograr el mismo objetivo de nivel de servicio de 99%, debe aumentar el ROP a 35 unidades. Si mantuviera el ROP en 25 unidades, su nivel de servicio caería a 92%. ¿Es mejor saber esto de antemano o verse obligado a reaccionar cuando se enfrenta a desabastecimientos?

Lo que hace el software de planificación y optimización de inventario es hacer visibles las conexiones entre las métricas de rendimiento como la tasa de servicio y los parámetros de control como ROP y ROQ. Lo invisible se vuelve visible, permitiéndole hacer ajustes razonados que mantienen sus métricas donde las necesita ajustando las palancas de control disponibles para su uso. El uso de métodos de pronóstico probabilístico le permitirá generar Predicciones clave de rendimiento (KPP) de rendimiento y costos al tiempo que identifica acciones correctivas a corto plazo, como movimientos de inventario específicos que ayudan a evitar problemas y aprovechar oportunidades. No hacerlo pone la planificación de su cadena de suministro en una camisa de fuerza, al igual que el mariscal de campo que se niega a escuchar.

Es cierto que un entorno empresarial en constante cambio requiere una vigilancia constante y una reacción ocasional. Pero el software adecuado de optimización de inventario y previsión de la demanda puede volver a calcular sus parámetros de control a escala con unos pocos clics del mouse y dar pistas a su sistema ERP sobre cómo mantener todo en curso a pesar de la constante turbulencia.  El ruido ya está en su sistema en forma de variabilidad de la oferta y la demanda. ¿Será proactivamente audible o se apegará a un plan anterior y cruzará los dedos para que las cosas salgan bien?

 

 

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?

Ejemplos de optimización en Inventarios multi-escalón, basados en simulación

Administrar el inventario en una sola instalación es bastante difícil, pero el problema se vuelve mucho más complejo cuando hay múltiples instalaciones dispuestas en múltiples escalones. La complejidad surge de las interacciones entre los escalones, con demandas en los niveles más bajos que aumentan y cualquier escasez en los niveles más altos se reduce en cascada.

Si cada una de las instalaciones se administrara de forma aislada, se podrían usar métodos estándar, sin tener en cuenta las interacciones, para establecer parámetros de control de inventario, como puntos de pedido y cantidades de pedido. Sin embargo, ignorar las interacciones entre niveles puede conducir a fallas catastróficas. La experiencia y el ensayo y error permiten el diseño de sistemas estables, pero esa estabilidad puede verse afectada por cambios en los patrones de demanda o tiempos de entrega o por la adición de nuevas instalaciones. El análisis avanzado de la cadena de suministro ayuda en gran medida a hacer frente a tales cambios, lo que proporciona un "sandbox" seguro dentro del cual probar los cambios propuestos en el sistema antes de implementarlos. Este blog ilustra ese punto.

 

El escenario

Para tener alguna esperanza de discutir este problema de manera útil, este blog simplificará el problema al considerar la jerarquía de dos niveles que se muestra en la Figura 1. Imagine que las instalaciones en el nivel inferior son almacenes (WH) desde los cuales se pretende satisfacer las demandas de los clientes. , y que los artículos de inventario en cada WH son piezas de servicio que se venden a una amplia gama de clientes externos.

 

Realidad y fantasía en la optimización de Inventarios multi-escalón

Figura 1: Estructura general de un tipo de sistema de inventario de dos niveles

Imagine que el nivel superior consiste en un único centro de distribución (DC) que no atiende a los clientes directamente pero sí reabastece los WH. Para simplificar, suponga que el centro de distribución en sí se reabastece desde una fuente que siempre tiene (o produce) existencias suficientes para enviar inmediatamente las piezas al centro de distribución, aunque con cierto retraso. (Alternativamente, podríamos considerar que el sistema tiene tiendas minoristas abastecidas por un almacén).

Cada nivel se puede describir en términos de niveles de demanda (tratados como aleatorios), plazos de entrega (aleatorios), parámetros de control de inventario (aquí, valores mínimos y máximos) y política de escasez (aquí, se permiten pedidos pendientes).

 

El método de análisis

La literatura académica ha avanzado en este problema, aunque generalmente a costa de simplificaciones necesarias para facilitar una solución puramente matemática. Nuestro enfoque aquí es más accesible y flexible: simulación Monte Carlo. Es decir, construimos un programa informático que incorpora la lógica de funcionamiento del sistema. El programa “crea” una demanda aleatoria en el nivel de WH, procesa la demanda de acuerdo con la lógica de una política de inventario elegida y crea demanda para el CD agrupando las solicitudes aleatorias de reposición realizadas por los WH. Este enfoque nos permite observar muchos días simulados de operación del sistema mientras observamos eventos significativos como desabastecimientos en cualquier nivel.

 

Un ejemplo

Para ilustrar un análisis, simulamos un sistema que consta de cuatro WH y un DC. La demanda promedio varió entre los WH. La reposición del CD a cualquier WH tomó de 4 a 7 días, con un promedio de 5,15 días. La reposición de la CC desde la Fuente tomó 7, 14, 21 o 28 días, pero 90% del tiempo fue 21 o 28 días, lo que hace un promedio de 21 días. Cada instalación tenía valores mínimos y máximos establecidos por el criterio del analista después de algunos cálculos aproximados.

La Figura 2 muestra los resultados de un año de operación diaria simulada de este sistema. La primera fila de la figura muestra la demanda diaria del artículo en cada WH, que se supuso que era "puramente aleatoria", lo que significa que tenía una distribución de Poisson. La segunda fila muestra el inventario disponible al final de cada día, con los valores mínimo y máximo indicados por líneas azules. La tercera fila describe las operaciones en el CD. Contrariamente a la suposición de gran parte de la teoría, la demanda en el DC no estaba cerca de ser Poisson, ni tampoco la demanda fuera del DC a la Fuente. En este escenario, los valores Mín. y Máx. fueron suficientes para mantener alta la disponibilidad de artículos en cada WH y en el CD, y no se observaron desabastecimientos en ninguna de las cinco instalaciones.

 

Click aquí para ampliar la imagen

Figura 2 - Año simulado de operación de un sistema con cuatro WHs y un DC.

Figura 2 – Año de operación simulado de un sistema con cuatro WHs y un DC.

 

Ahora vamos a variar el escenario. Cuando los desabastecimientos son extremadamente raros, como en la Figura 2, a menudo hay un exceso de inventario en el sistema. Supongamos que alguien sugiere que el nivel de inventario en el centro de distribución parece un poco alto y piensa que sería una buena idea ahorrar dinero allí. Su sugerencia para reducir las existencias en el CD es reducir el valor de Min en el CD de 100 a 50. ¿Qué sucede? Podrías adivinar, o podrías simular.

La figura 3 muestra la simulación: el resultado no es agradable. El sistema funciona bien durante gran parte del año, luego el centro de distribución se queda sin existencias y no puede ponerse al día a pesar de enviar órdenes de reposición cada vez mayores a la fuente. Tres de los cuatro WH descienden en espirales de muerte al final del año (y WH1 sigue a partir de entonces). La simulación ha puesto de relieve una sensibilidad que no se puede ignorar y ha marcado una mala decisión.

 

Haga click aquí para ampliar la imágen

Figura 3 - Efectos simulados de reducir el Min en el DC.

Figura 3: efectos simulados de reducir el Min en el DC.

 

Ahora los gerentes de inventario pueden volver a la mesa de diseño y probar otras formas posibles de reducir la inversión en inventario a nivel de CD. Un movimiento que siempre ayuda, si usted y su proveedor pueden lograrlo juntos, es crear un sistema más ágil al reducir el tiempo de reabastecimiento. Trabajar con la fuente para garantizar que el centro de distribución siempre obtenga sus reabastecimientos en 7 o 14 días estabiliza el sistema, como se muestra en la Figura 4.

 

Haga click aquí para ampliar la imágen

Figura 4: efectos simulados de reducir el tiempo de espera para reponer el centro de distribución.

Figura 4: efectos simulados de reducir el tiempo de espera para reponer el centro de distribución.

 

Desafortunadamente, no se ha logrado la intención de reducir el inventario en el DC. El recuento de inventario diario original era de unas 80 unidades y sigue siendo de unas 80 unidades después de reducir el mínimo del centro de distribución y mejorar drásticamente el tiempo de entrega de la fuente al centro de distribución. Pero con el modelo de simulación, el equipo de planificación puede probar otras ideas hasta llegar a un rediseño satisfactorio. O, dado que la Figura 4 muestra que el inventario de CD comienza a coquetear con cero, podrían pensar que es prudente aceptar la necesidad de un promedio de aproximadamente 80 unidades en el CD y buscar formas de recortar la inversión en inventario en los WH.

 

la comida para llevar

  1. La optimización de inventario de varios niveles (MEIO) es compleja. Muchos factores interactúan para producir comportamientos del sistema que pueden resultar sorprendentes incluso en sistemas simples de dos niveles.
  2. La simulación de Monte Carlo es una herramienta útil para los planificadores que necesitan diseñar nuevos sistemas o modificar los existentes.

 

 

 

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?

Realidad y fantasía en la optimización de Inventarios multi-escalón

Para la mayoría de los pequeños y medianos fabricantes y distribuidores, la optimización del inventario de un solo nivel o de un solo escalón está a la vanguardia de la práctica logística. La optimización de inventario de niveles múltiples ("MEIO") implica jugar el juego a un nivel aún más alto y, por lo tanto, es mucho menos común. Este blog es el primero de dos. Su objetivo es explicar qué es MEIO, por qué fallan las teorías estándar de MEIO y cómo el modelado probabilístico a través de la simulación de escenarios puede restaurar la realidad del proceso MEIO. El segundo blog mostrará un ejemplo particular.

 

Definición de optimización de inventario

Un sistema de inventario se basa en un conjunto de opciones de diseño.

La primera opción es la política para responder a los desabastecimientos: ¿simplemente pierde la venta ante un competidor o puede convencer al cliente para que acepte un pedido pendiente? Lo primero es más común con los distribuidores que con los fabricantes, pero esto puede no ser una gran elección ya que los clientes pueden dictar la respuesta.

La segunda opción es la política de inventario. Estas se dividen en políticas de “revisión continua” y “revisión periódica”, con varias opciones dentro de cada tipo. Puede enlazar a un video tutorial que describe varias políticas de inventario comunes aquí. Quizás el más eficiente sea conocido por los profesionales como "Min/Max" y por los académicos como (s, s) o “pequeña S, gran S”. Utilizamos esta política en las siguientes simulaciones de escenarios. Funciona de la siguiente manera: cuando el inventario disponible cae por debajo del mínimo (s), se realiza un pedido de reposición. El tamaño del pedido es la brecha entre el inventario disponible y el Max (S), por lo que si Min es 10, Max es 25 y disponible es 8, es hora de hacer un pedido de 25-8 = 17 unidades.

La tercera opción es decidir sobre los mejores valores de los "parámetros" de la política de inventario, por ejemplo, los valores que se utilizarán para Min y Max. Antes de asignar números a Min y Max, necesita claridad sobre lo que significa "mejor" para usted. Por lo general, lo mejor significa opciones que minimizan los costos operativos de inventario sujetos a un piso en la disponibilidad del artículo, expresado como Nivel de servicio o Tasa de llenado. En términos matemáticos, este es un "problema de optimización de enteros con restricciones bidimensional". "Bidimensional" porque tienes que elegir dos números: Min y Max. "Entero" porque Min y Max tienen que ser números enteros. "Restringido" porque debe elegir valores mínimos y máximos que brinden un nivel lo suficientemente alto de disponibilidad de artículos, como niveles de servicio y tasas de llenado. “Optimización” porque desea llegar allí con el costo operativo más bajo (el costo operativo combina los costos de mantenimiento, pedido y escasez).

 

Sistemas de inventario de varios niveles

El problema de optimización se vuelve más difícil en sistemas de múltiples escalones. En un sistema de un solo escalón, cada elemento del inventario se puede analizar de forma aislada: un par de valores Mín./Máx. por SKU. Debido a que hay más partes en un sistema de varios niveles, existe un problema computacional mayor.

La Figura 1 muestra un sistema simple de dos niveles para administrar un solo SKU. En el nivel inferior, las demandas llegan a varios almacenes. Cuando están en peligro de agotarse, se reabastecen desde un centro de distribución (DC). Cuando el propio DC está en peligro de agotarse, lo suministra una fuente externa, como el fabricante del artículo.

El problema de diseño aquí es multidimensional: necesitamos valores mínimos y máximos para 4 almacenes y para el CD, por lo que la optimización ocurre en 4×2+1×2=10 dimensiones. El análisis debe tener en cuenta una multitud de factores contextuales:

  • El nivel promedio y la volatilidad de la demanda que ingresa a cada almacén.
  • El promedio y la variabilidad de los plazos de reabastecimiento del centro de distribución.
  • El promedio y la variabilidad de los plazos de reabastecimiento desde la fuente.
  • El nivel de servicio mínimo exigido en los almacenes.
  • El nivel de servicio mínimo requerido en el CD.
  • Los costos de mantenimiento, pedido y escasez en cada almacén.
  • Los costos de mantenimiento, pedido y escasez en el centro de distribución.

Como era de esperar, las conjeturas en el asiento de los pantalones no funcionarán bien en esta situación. Tampoco intentar simplificar el problema analizando cada escalón por separado. Por ejemplo, los desabastecimientos en el centro de distribución aumentan el riesgo de desabastecimiento a nivel de almacén y viceversa.

Obviamente, este problema es demasiado complicado para tratar de resolverlo sin la ayuda de algún tipo de modelo informático.

 

Por qué la teoría del inventario estándar es mala matemática

Con un poco de búsqueda, puede encontrar modelos, artículos de revistas y libros sobre MEIO. Estas son fuentes valiosas de información y conocimiento, incluso números. Pero la mayoría de ellos confían en el recurso de simplificar demasiado el problema para que sea posible escribir y resolver ecuaciones. Esta es la “Fantasía” a la que se refiere el título.

Hacerlo es una maniobra clásica de modelado y no es necesariamente una mala idea. Cuando era estudiante de posgrado en el MIT, me enseñaron el valor de tener dos modelos: un modelo pequeño y aproximado para servir como una especie de visor y un modelo más grande y preciso para producir números confiables. El modelo más pequeño está basado en ecuaciones y teorías; el modelo más grande está basado en procedimientos y datos, es decir, una simulación detallada del sistema. Los modelos basados en teorías y ecuaciones simples pueden producir malas estimaciones numéricas e incluso pasar por alto fenómenos completos. Por el contrario, los modelos basados en procedimientos (p. ej., "pedir hasta el máximo cuando supere el mínimo") y hechos (p. ej., los últimos 3 años de demanda diaria de artículos) requerirán mucha más computación pero darán respuestas más realistas. Afortunadamente, gracias a la nube, tenemos mucha potencia informática al alcance de la mano.

Quizás el mayor "pecado" de modelado en la literatura de MEIO es la suposición de que las demandas en todos los escalones se pueden modelar como procesos de Poisson puramente aleatorios. Incluso si fuera cierto a nivel de almacén, estaría lejos de ser cierto a nivel de CD. El proceso de Poisson es la "rata blanca del modelado de demanda" porque es simple y permite una mayor manipulación de ecuaciones con lápiz y papel. Dado que no todas las demandas tienen forma de Poisson, esto da como resultado recomendaciones poco realistas.

 

Optimización de simulación basada en escenarios

Para obtener realismo, debemos profundizar en los detalles de cómo funcionan los sistemas de inventario en cada escalón. Con pocos límites, excepto los impuestos por el hardware, como el tamaño de la memoria, los programas de computadora pueden mantener cualquier nivel de complejidad. Por ejemplo, no hay necesidad de suponer que cada uno de los almacenes enfrenta flujos de demanda idénticos o tiene los mismos costos que todos los demás.

Una simulación por computadora funciona de la siguiente manera.

  1. El historial de demanda del mundo real y el historial de tiempo de entrega se recopilan para cada SKU en cada ubicación.
  2. Los valores de los parámetros de inventario (p. ej., Min y Max) se seleccionan para la prueba.
  3. Los historiales de demanda y reposición se utilizan para crear escenarios que representan las entradas al programa de computadora que codifica las reglas de operación del sistema.
  4. Las entradas se utilizan para impulsar la operación de un modelo informático del sistema con los valores de los parámetros elegidos durante un largo período, digamos un año.
  5. Los indicadores clave de rendimiento (KPI) se calculan para el año simulado.
  6. Los pasos 2 a 5 se repiten muchas veces y los resultados se promedian para vincular las opciones de parámetros con el rendimiento del sistema.
  7.  

La optimización del inventario agrega otro "bucle externo" a los cálculos mediante la búsqueda sistemática de los posibles valores de Min y Max. Entre esos pares de parámetros que satisfacen la restricción de disponibilidad de artículos, la búsqueda adicional identifica los valores Mín. y Máx. que dan como resultado el costo operativo más bajo.

Realidad y fantasía en la optimización de Inventarios multi-escalón

Figura 1: Estructura general de un tipo de sistema de inventario de dos niveles

 

Estén atentos a nuestro próximo blog

PRÓXIMAMENTE, EN BREVE, PRONTO. Para ver un ejemplo de una simulación del sistema en la Figura 1, lea el segundo blog sobre este tema

 

 

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?

Evaluación de cómo los proveedores influyen en los coste del inventario

El Blog de Smart

 Recomendaciones para la planificación de la demanda,

previsión y optimización de inventario

El software para la optimización del inventario se usa con sobre todo para generar los resultados analítico que ayudan a ejecutar a diario el negocio. Los puntos rereabastecimineto (también conocidos como Min ) y las cantidades de pedido. EL software especializado puede ayudar a encontrar el punto óptimo de equilibrio entre los costos de inventario y la disponibilidad de artículos..

El software de optimización de inventario también se puede utilizar para realizar análisis hipotéticos en escenarios que describen cambios en su entorno operativo actual. El análisis hipotético (también llamado "análisis de sensibilidad") le permite elevar su pensamiento de lo táctico a lo estratégico. Le ayuda a imaginar cómo debería cambiar sus operaciones para adaptarse a los posibles cambios en su entorno operativo. Estos cambios pueden ser presiones negativas impuestas desde el exterior o pueden ser el resultado de sus propias acciones positivas. En este blog, proporcionamos un ejemplo de cómo realizar un "análisis de qué" en los plazos de entrega y las cantidades de los pedidos. La empresa puede utilizar los resultados del análisis para evaluar el impacto de estos cambios en los costos de inventario y el rendimiento del nivel de servicio.

Cómo los proveedores limitan su libertad de maniobra

 

Hablando con nuestros clientes sobre las entradas de datos requeridas por el software de optimización de inventario, notamos que los proveedores tienen una influencia prominente en sus operaciones. Dejamos de lado por ahora temas tan importantes como compartir previsiones de demanda con los proveedores y elaborando respuestas a las interrupciones de la cadena de suministro, como el huracán Matthew el año pasado en el sureste de los EE. UU. En cambio, nos enfocamos en dos formas más comunes en que los proveedores influyen en los costos de inventario de los productores: los plazos de reposición y las restricciones en las cantidades de los pedidos.

El tiempo de espera de reposición es el número de días que transcurren entre que el inventario alcanza o supera un punto de pedido y la aparición de unidades de reposición en stock. Una parte del tiempo de entrega es interno del productor, quizás debido a reacciones lentas en un departamento de compras. El resto del tiempo de entrega depende del proveedor. En esta discusión, asumimos que la contribución de los proveedores a los tiempos de entrega podría cambiar, para bien o para mal. (Pero los mismos resultados podrían aplicarse a los cambios en las contribuciones de los productores a los plazos de entrega).

Las restricciones sobre las cantidades de pedido que consideramos son mínimos de pedido y múltiplos de pedido. Es posible que desee pedir 3 unidades de algún artículo, pero el proveedor podría imponer un pedido mínimo de 6 unidades, por lo que su pedido de 3 unidades tendría que convertirse en un pedido de 6 unidades. O puede pedir 21 unidades, superando fácilmente el tamaño mínimo de pedido de 6 unidades, pero si el proveedor también tiene un pedido múltiplo de 6, lo que significa que cada pedido debe ser un múltiplo de 6 unidades, entonces su pedido de 21 unidades tendría que aumentar a 24 unidades.

Análisis de escenarios

 

Para ilustrar el uso del software de optimización de inventario para el análisis hipotético, examinamos dos conjuntos de escenarios. En el primer conjunto, los plazos de entrega varían de -20% a +20% de sus valores en un escenario de referencia. En el segundo conjunto, los resultados se calculan primero sin restricciones de proveedores, luego solo con pedidos mínimos y finalmente con una combinación de pedidos mínimos y múltiplos de pedidos. Utilizamos el software Smart Inventory Optimization para los cálculos.

El escenario de referencia utiliza datos del mundo real sobre 2852 repuestos administrados por una agencia de transporte público progresista. Estas partes tienen una mezcla extremadamente heterogénea de atributos. Sus costos por unidad oscilan entre $1 y $23,105, y sus plazos de entrega varían entre 1 día y 300 días. Durante 24 meses, la demanda media osciló entre menos de 1 unidad por mes y 1508 unidades por mes, con coeficientes de variación que van desde un manejable 10% hasta un aterrador 2171%. Además, la imagen de los proveedores también es muy compleja, ya que involucra a 293 proveedores únicos, que suministran un promedio de alrededor de 10 piezas cada uno. Esta heterogeneidad implica que una optimización del mundo real seleccionaría y elegiría entre artículos y proveedores. Sin embargo, para simplificar la exposición y desarrollar conocimientos básicos, nuestros escenarios hipotéticos en este ejemplo tratan a todos los artículos y proveedores por igual. De manera similar, asumimos en la línea de base que los costos de mantenimiento equivalían a 20% del valor en dólares de un artículo y que cada pedido de reabastecimiento tenía un costo fijo de $40.

Realizamos dos experimentos hipotéticos. El primero examinó los efectos de cambiar los plazos de entrega. El segundo examinó los efectos de la introducción de restricciones en las cantidades de pedido. En cada experimento, registramos los efectos de los cambios en dos métricas operativas: promedio de unidades en stock y promedio de pedidos por año. A su vez, estos influyeron en cuatro métricas financieras: valor promedio en dólares del inventario, costo promedio de mantenimiento, costo promedio de pedido y la suma de los dos últimos, que es el costo operativo total del inventario.

En todos los escenarios, los puntos de pedido se calcularon para lograr una probabilidad de 95% de evitar desabastecimientos mientras se espera la reposición. Las cantidades de pedido, en ausencia de restricciones de proveedores, se calcularon como lo que llamamos "EOQ factible". EOQ es la clásica "cantidad económica de pedido" que se enseña en el Inventario 101; se calcula a partir de la demanda media, el coste de mantenimiento y el coste de pedido. La EOQ factible agrega una consideración adicional: la dinámica del inventario. Si el punto de pedido es muy bajo, es posible que EOQ sea demasiado pequeño para mantener un nivel de inventario estable y positivo. En estos casos, la EOQ factible aumenta la cantidad del pedido por encima de la EOQ para asegurar que el inventario promedio no sea negativo.

Efectos de cambiar los plazos de entrega

La Tabla 1 muestra los resultados de cambiar los plazos de entrega. Trabajando alrededor del caso base, cambiamos el tiempo de entrega de cada artículo por -20%, -10%, +10% y +20%.

No sorprende que la reducción de los plazos de entrega redujera el nivel requerido de inventario y su aumento hiciera lo contrario. Tanto el número promedio de unidades como el valor en dólares asociado se comportaron como se esperaba. Lo que puede resultar sorprendente es que los efectos fueron algo silenciados, es decir, un cambio del X por ciento en el tiempo de espera produjo una respuesta de menos del X por ciento. Por ejemplo, una reducción de 20% en el tiempo de entrega produjo solo una reducción de 7.9% en el inventario disponible y solo una reducción de 12.0% en el valor en dólares de esas unidades. Además, los efectos de las reducciones y los aumentos son asimétricos: un aumento de 201 TP3T en el tiempo de entrega generó solo un aumento de 7,31 TP3T en unidades (frente a 7,91 TP3T) y solo un aumento de 9,61 TP3T en el valor del inventario (frente a 12,01 TP3T).

Similares resultados atenuados y asimétricos se mantuvieron para los costos operativos. Una reducción de 20% en el tiempo de entrega redujo los costos operativos totales en 7,0%, pero un aumento de 20% en el tiempo de entrega solo provocó un aumento de 5,1% en los costos operativos.

Ahora considere las implicaciones de estos resultados para la práctica. En un mundo competitivo, las reducciones de costos del orden de 10% o incluso 5% son significativas. Esto significa que los esfuerzos para reducir los plazos de entrega pueden tener beneficios importantes. A su vez, esto significa que puede valer la pena hacer esfuerzos para optimizar los procesos de compra. Del mismo modo, existe un caso para involucrar a los proveedores en la reducción de su parte del tiempo de entrega, posiblemente compartiendo los ahorros para incentivarlos.

 

Optimización de inventario: efectos de cambios en los plazos de entrega
Tabla 1: Efectos de cambiar los plazos de entrega

Efecto de las restricciones de cantidad de pedidos

 

La Tabla 2 muestra el efecto de imponer restricciones a los proveedores sobre las cantidades de los pedidos. En el caso base, no hay restricciones, es decir, el mínimo de pedido es 0 y el múltiplo de pedido es 1, lo que implica que cualquier cantidad de pedido es aceptable para los proveedores. Partiendo del caso base, primero analizamos imponer un pedido mínimo de 5 unidades en todos los artículos y luego agregar un pedido múltiplo de 5 para todos los artículos.

Obligar a los pedidos a ser más grandes de lo que de otro modo tendrían tuvo el impacto esperado en el número promedio de unidades disponibles, incrementándolo en 0.9% con solo un mínimo de pedido y en 3.4% con un mínimo y un múltiplo. Los cambios correspondientes en el valor en dólares del inventario fueron más dramáticos: 22.4% y 23.3%. Esta diferencia en el tamaño de la respuesta porcentual probablemente se deba a la gran cantidad de repuestos de bajo volumen y alto costo administrados por la agencia de transporte público.

Otra sorpresa fue la reducción neta en los costos operativos cuando se impusieron restricciones a los proveedores. Si bien los costos de mantenimiento aumentaron en 22,41 TP3T y 23,31 TP3T en los dos escenarios hipotéticos, las mayores cantidades de pedidos permitieron menos pedidos por año, lo que resultó en reducciones compensatorias en los costos de pedidos de -24,41 TP3T y -32,71 TP3T, respectivamente. Los impactos netos en los costos operativos fueron entonces reducciones de 3.7% y 7.9%.

En general, se esperaría que la imposición de restricciones a las acciones del productor reduzca el desempeño. Entonces, los resultados en estos escenarios fueron contrarios a la intuición. Sin embargo, el mensaje real aquí es que usar EOQ, o incluso EOQ mejorado, para establecer una cantidad de pedido no brinda resultados óptimos. Paradójicamente, las restricciones de cantidad de pedido que investigamos parecen haber forzado las cantidades de pedido más cerca de los niveles óptimos.

 

Optimización de inventario: efecto de las restricciones de cantidad de pedidos
Tabla 2: Efecto de las restricciones de cantidad de pedido

Conclusiones

 

Los análisis hipotéticos que se muestran aquí no conducen a conclusiones universales. Por ejemplo, cambiar el costo asumido por pedido de $40 a un número más pequeño podría mostrar que las restricciones del proveedor aumentaron en lugar de disminuir los costos operativos del inventario del productor.

Al realizar un análisis hipotético en situaciones reales, los usuarios crearían naturalmente escenarios con un nivel de detalle más bajo. Por ejemplo, podrían evaluar el efecto de los cambios en los plazos de entrega de los proveedores proveedor por proveedor para encontrar los que tendrían los beneficios potenciales más altos. O pueden hacer arreglos para que los pedidos mínimos, si ya existen para todos los artículos, cambien en un porcentaje específico en lugar de una cantidad fija, lo que podría ser algo más realista.

La conclusión clave es que el software de optimización de inventario se puede usar en "modo hipotético" para explorar problemas estratégicos, más allá de su uso habitual para calcular puntos de pedido, existencias de seguridad, cantidades de pedidos y transferencias de inventario.

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. […]