Las empresas de servicios públicos tienen requisitos únicos de optimización de la cadena de suministro, principalmente garantizando un alto tiempo de actividad al mantener todas las máquinas críticas en funcionamiento continuo. Lograr esto implica mantener una alta disponibilidad de repuestos para garantizar un suministro consistente, confiable y seguro. Además, como entidades reguladas, las empresas de servicios públicos también deben gestionar y controlar cuidadosamente los costos.

Gestionar las cadenas de suministro de manera eficiente

Para mantener un suministro eléctrico fiable a 99.99%⁺ Para niveles de servicio, por ejemplo, las empresas de servicios públicos deben poder responder rápidamente a los cambios en la demanda en el corto plazo y anticipar con precisión la demanda futura. Para ello, deben tener una cadena de suministro bien organizada que les permita comprar los equipos, materiales y servicios necesarios de los proveedores adecuados en el momento adecuado, en las cantidades adecuadas y al precio adecuado.

Hacerlo se ha vuelto cada vez más desafiante en los últimos 3 años.

• Los requisitos de seguridad, confiabilidad y prestación de servicios son más estrictos.
• Las interrupciones en la cadena de suministro, los plazos de entrega impredecibles de los proveedores y los picos intermitentes en el uso de piezas siempre han sido problemáticos, pero ahora son más la regla que la excepción.
• La desregulación a principios de la década de 2000 eliminó las piezas de repuesto de la lista de artículos reembolsados directamente, lo que obligó a las empresas de servicios públicos a pagar las piezas de repuesto directamente con los ingresos.[1]
• La necesidad constante de capital combinada con tasas de interés que aumentan agresivamente significa que los costos se examinan más que nunca.

Como resultado, la optimización de la cadena de suministro (SCO) se ha convertido en una práctica empresarial cada vez más crítica para las empresas de servicios públicos. Para hacer frente a estos desafíos, las empresas de servicios públicos ya no pueden simplemente gestionar su cadena de suministro: deben optimizarla. Y para ello, serán necesarias inversiones en nuevos procesos y sistemas.

[1] Scala et al. “Inventario de Riesgos y Repuestos en Empresas Eléctricas”. Actas de la Conferencia de Investigación de Ingeniería Industrial.

Planificación y optimización de inventario   

Las inversiones específicas en tecnología de optimización de inventario ofrecen un camino a seguir para cada empresa de servicios públicos. Las soluciones de optimización de inventario deben priorizarse porque:

1. Puede implementarse en una fracción del tiempo requerido para iniciativas en otras áreas, como la gestión de almacenes, el diseño de la cadena de suministro y las consolidaciones de compras. No es raro comenzar a generar beneficios después de 90 días y tener una implementación de software completa en menos de 180 días.
2. Puede generar un ROI masivo, con rendimientos 20x y beneficios financieros de siete cifras al año. Al pronosticar mejor el uso de piezas, las empresas de servicios públicos reducirán los costos al comprar solo el inventario necesario mientras controlan el riesgo de desabastecimiento que conduce a tiempos de inactividad y niveles de servicio deficientes.
3. Proporcionar apoyo fundamental para otras iniciativas. Una cadena de suministro sólida se basa en pronósticos de uso sólidos y planes de compra de inventario.

Utilizando análisis predictivos y algoritmos avanzados, la optimización de inventario ayuda a las empresas de servicios públicos a maximizar los niveles de servicio y reducir los costos operativos mediante la optimización de los niveles de inventario de piezas de repuesto. Por ejemplo, una empresa de servicios eléctricos podría usar pronósticos estadísticos para predecir el uso futuro de piezas, realizar auditorías de inventario para identificar el exceso de inventario y aprovechar los resultados analíticos para identificar dónde deben enfocarse primero los esfuerzos de optimización del inventario. Al hacer esto, la empresa de servicios públicos puede garantizar que las máquinas funcionen a niveles óptimos y reducir el riesgo de demoras costosas debido a la falta de repuestos.

Mediante el uso de análisis y datos, puede identificar qué repuestos y equipos es más probable que se necesiten y pedir solo los artículos necesarios. Esto ayuda a garantizar que el equipo tenga un alto tiempo de actividad. Recompensa el monitoreo y el ajuste regulares de los niveles de inventario para que cuando cambien las condiciones operativas, pueda detectar el cambio y ajustarlo en consecuencia. Esto implica que los ciclos de planificación deben operar a un ritmo lo suficientemente alto como para mantenerse al día con las condiciones cambiantes. apalancamiento de pronóstico probabilístico recalibrar las políticas de almacenamiento de repuestos para cada ciclo de planificación garantiza que las políticas de almacenamiento (como los niveles mínimos/máximos) estén siempre actualizadas y reflejen el uso de piezas y los plazos de entrega de los proveedores más recientes.

Niveles de servicio y la curva de compensación

El nivel de servicio Curva de compensación relaciona la inversión en inventario con la disponibilidad de artículos medida por el nivel de servicio. El nivel de servicio es la probabilidad de que no ocurra escasez entre el momento en que solicita más existencias y cuando llega al estante. Sorprendentemente, pocas empresas tienen datos sobre esta importante métrica en toda su flota de repuestos.

La curva de compensación del nivel de servicio expone el vínculo entre los costos asociados con los diferentes niveles de servicio y los requisitos de inventario necesarios para alcanzarlos. Saber qué componentes son importantes para mantener altos niveles de servicio es clave para el proceso de optimización y está determinado por varios factores, incluida la estandarización de artículos del inventario, la criticidad, el uso histórico y las órdenes de reparación futuras conocidas. Al comprender esta relación, las empresas de servicios públicos pueden asignar mejor los recursos, como cuando se usan las curvas para identificar áreas donde se pueden reducir los costos sin afectar la confiabilidad del sistema.

Con el software de optimización de inventario, establecer políticas de almacenamiento es pura conjetura: es posible saber cómo cualquier aumento o disminución afectará los niveles de servicio, además de las estimaciones aproximadas. Nadie sabe realmente cómo se desarrollarán los cambios en términos de inversión en inventarios, costos operativos y costos de escasez. La mayoría de los servicios públicos dependen de métodos de regla general y ajustar arbitrariamente las políticas de almacenamiento de manera reactiva después de que algo haya salido mal, como una gran falta de existencias o una pérdida de inventario. Cuando los ajustes se realizan de esta manera, no hay un análisis basado en hechos que detalle cómo se espera que este cambio afecte las métricas que importan: niveles de servicio y valores de inventario.

El software de optimización de inventario puede calcular las curvas de compensación cuantitativas y detalladas requeridas para tomar decisiones informadas sobre políticas de inventario o incluso recomendar el nivel de servicio objetivo que resulte en el costo operativo general más bajo (la suma de los costos de mantenimiento, pedido y desabastecimiento). Usando este análisis, los grandes aumentos en los niveles de existencias pueden justificarse matemáticamente cuando la reducción prevista en los costos de escasez supera el aumento en la inversión en inventario y los costos de mantenimiento asociados. Al establecer niveles de servicio apropiados y recalibrar las políticas en todas las partes activas una vez en cada ciclo de planificación (al menos una vez al mes), las empresas de servicios públicos pueden minimizar el riesgo de interrupciones mientras controlan los gastos.

Quizás los aspectos más críticos de la respuesta a la avería del equipo son los relacionados con el logro de una arreglo por primera vez lo más rápido posible. Tener los repuestos adecuados disponibles puede ser la diferencia entre completar un solo viaje y aumentar el tiempo medio de reparación, asumir los costos asociados con varias visitas y hacer que las relaciones con los clientes se deterioren.

Con un software moderno, puede comparar el rendimiento anterior y aprovechar los métodos de pronóstico probabilístico para simular el rendimiento futuro. Al someter a prueba sus políticas actuales de almacenamiento de inventario frente a todos los escenarios plausibles de uso futuro de piezas, sabrá de antemano cómo es probable que funcionen las políticas de almacenamiento actuales y propuestas. Cecha un vistazo a nuestra publicación de blog sobre cómo medir la precisión de su pronóstico de nivel de servicio para ayudarlo a evaluar la precisión de las recomendaciones de inventario que los proveedores de software pretenden proporcionar beneficios.

Aprovechando el análisis avanzado y la IA

Al introducir la automatización, cada empresa de servicios públicos tiene sus propios objetivos que perseguir, pero se debe comenzar evaluando las operaciones actuales para identificar áreas que pueden volverse más efectivas. Algunas empresas pueden priorizar las cuestiones financieras, pero otras pueden priorizar las exigencias regulatorias, como el gasto en energía limpia o cambios en toda la industria, como las redes inteligentes. Las dificultades de cada empresa son únicas, pero el software moderno puede señalar el camino hacia un sistema de gestión de inventario más eficaz que minimice el exceso de inventario y coloque los componentes correctos en los lugares correctos y en el momento adecuado.

En general, las iniciativas de optimización de la cadena de suministro son esenciales para las empresas de servicios públicos que buscan maximizar su eficiencia y reducir sus costos. La tecnología nos permite hacer que el proceso de integración sea perfecto y no es necesario que reemplace su sistema ERP o EAM actual para hacerlo. Solo necesita hacer un mejor uso de los datos que ya tiene.

Por ejemplo, una gran empresa de servicios públicos lanzó una iniciativa estratégica de optimización de la cadena de suministro (SCO) y agregó las mejores capacidades de su clase a través de la selección e integración de aplicaciones comerciales listas para usar. El principal de ellos fue el sistema inteligente de planificación y optimización de inventario (Smart IP&O), que comprende la funcionalidad de previsión de piezas/planificación de demanda y optimización de inventario. En solo 90 días, el sistema de software estaba listo y funcionando, y pronto redujo el inventario en $9,000,000 mientras mantenía la disponibilidad de repuestos a un alto nivel. Puedes leer el caso de estudio aquí La empresa de servicios eléctricos opta por Smart IP&O.

Las empresas de servicios públicos pueden asegurarse de poder gestionar sus suministros de repuestos de una manera eficiente y rentable, preparándolas mejor para el futuro. Con el tiempo, este equilibrio entre oferta y demanda se traduce en una ventaja significativa. Comprender la curva de compensación del nivel de servicio ayuda a comprender los costos asociados con los diferentes niveles de servicio y los requisitos de inventario necesarios para lograrlos. Esto conduce a costos operativos reducidos, inventario optimizado y garantía de que puede satisfacer las necesidades de sus clientes.

La verificación y validación de datos son esenciales para el éxito de la implementación de software que realiza análisis estadísticos de datos, como Smart IP&O. Este artículo describe el problema y sirve como una guía práctica para hacer el trabajo correctamente, especialmente para el usuario de la nueva aplicación.

Cuanta menos experiencia tenga su organización en la validación de transacciones históricas o atributos maestros de artículos, más probable es que haya problemas o errores con la entrada de datos en el ERP que hasta ahora han pasado desapercibidos. La regla de basura que entra, basura que sale significa que debe priorizar este paso del proceso de incorporación del software o correr el riesgo de demoras y posibles fallas en la generación de retorno de la inversión.

En última instancia, la mejor persona para confirmar que los datos en su ERP se ingresan correctamente es la persona que conoce el negocio y puede afirmar, por ejemplo, "esta parte no pertenece a ese grupo de productos". Esa suele ser la misma persona que abrirá y usará Smart. Aunque un administrador de base de datos o soporte de TI también puede desempeñar un papel clave al poder decir: "Esta parte fue asignada a ese grupo de productos en diciembre pasado por Jane Smith". Asegurarse de que los datos sean correctos puede no ser una parte habitual de su trabajo diario, pero se puede dividir en pequeñas tareas manejables para las que un buen director de proyectos asignará el tiempo y los recursos para completar.

El proveedor del software de planificación de la demanda que recibe los datos también tiene una función. Confirmarán que los datos sin procesar se ingirieron sin problemas. El proveedor también puede identificar anomalías en los archivos de datos sin procesar que apuntan a la necesidad de validación. Pero confiar en el proveedor de software para asegurarle que los datos se ven bien no es suficiente. No desea descubrir, después de la puesta en marcha, que no puede confiar en la salida porque algunos de los datos "no tienen sentido".

Cada paso en el flujo de datos necesita verificación y validación.  La verificación significa que los datos en un paso siguen siendo los mismos después de pasar al siguiente paso. La validación significa que los datos son correctos y utilizables para el análisis. 

El flujo de datos más común se ve así:

Con menos frecuencia, el primer paso entre los datos maestros de ERP y los archivos de interfaz a veces se puede omitir, donde los archivos no se utilizan como interfaz. En cambio, una API creada por TI o el proveedor de software de optimización de inventario es responsable de que los datos se escriban directamente desde el ERP a la base de datos reflejada en la nube. El proveedor trabajaría con TI para confirmar que la API funciona como se esperaba. Pero el primer paso de validación, incluso en ese caso, todavía se puede realizar. Después de ingerir los datos, el proveedor puede hacer que los datos reflejados estén disponibles en archivos para la verificación de DBA/TI y la validación comercial.

La confirmación de que los datos duplicados en la nube completan el flujo hacia la aplicación es responsabilidad del proveedor del software como servicio. Los proveedores de SaaS prueban continuamente que el software funcione correctamente entre la aplicación de front-end que ven sus suscriptores y los datos de back-end en la base de datos en la nube. Si los suscriptores todavía piensan que los datos no tienen sentido en la aplicación incluso después de validar los archivos de interfaz antes de ponerlos en marcha, ese es un problema que se debe plantear con el servicio de atención al cliente del proveedor.

Independientemente de cómo se obtengan los archivos de interfaz, la mayor parte de la verificación y validación recae en el director del proyecto y su equipo. Deben realizar una prueba de los archivos de interfaz para confirmar:

1. Coinciden con los datos del ERP. Y que se extrajeron todos y solo los datos del ERP que era necesario extraer para su uso en la aplicación.
2. Nada “salta” a la empresa como incorrecto para cada uno de los tipos de información en los datos
3. Están formateados como se esperaba.

Tareas de verificación de DBA/TI

1. Probar el extracto:

El paso de verificación de TI se puede realizar con varias herramientas, comparando archivos o importando archivos a la base de datos como tablas temporales y uniéndolos con los datos originales para confirmar una coincidencia. TI puede depender de una consulta para extraer los datos solicitados en un archivo, pero ese archivo puede no coincidir. La existencia de delimitadores o retornos de línea dentro de los valores de datos puede hacer que un archivo sea diferente de su tabla de base de datos original. Esto se debe a que el archivo se basa en gran medida en delimitadores y retornos de línea para identificar campos y registros, mientras que la tabla no se basa en esos caracteres para definir su estructura.

2. Sin malos personajes:

Los campos de entrada de datos de forma libre en el ERP, como las descripciones de productos, a veces pueden contener retornos de línea, tabuladores, comas y/o comillas dobles que pueden afectar la estructura del archivo de salida. No se deben permitir retornos de línea en valores que se extraerán a un archivo. Los caracteres iguales al delimitador se deben eliminar durante la extracción o, de lo contrario, se debe usar un delimitador diferente.

Consejo: si las comas son el delimitador de archivo, los números superiores a 999 no se pueden extraer con una coma. Use "1000" en lugar de "1,000".

3. Confirmar los filtros:

La otra forma en que los extractos de consulta pueden arrojar resultados inesperados es si las condiciones de la consulta se ingresan incorrectamente. La forma más sencilla de evitar las cláusulas "where" erróneas es no usarlas. Extraiga todos los datos y permita que el proveedor filtre algunos registros de acuerdo con las reglas proporcionadas por la empresa. Si esto produce archivos de extracción tan grandes que se dedica demasiado tiempo informático al intercambio de datos, el equipo de DBA/TI debe reunirse con la empresa para confirmar exactamente qué filtros en los datos se pueden aplicar para evitar el intercambio de registros que no tienen sentido para el solicitud.

Consejo: Tenga en cuenta que la información de activo/inactivo o del ciclo de vida del elemento no debe utilizarse para filtrar registros. Esta información debe enviarse a la aplicación para que sepa cuándo un elemento se vuelve inactivo.

4. Se consistente:

El proceso de extracción debe producir archivos de formato consistente cada vez que se ejecuta. Los nombres de archivo, los nombres de campo y la posición, el delimitador y el nombre de la hoja de Excel si se usa Excel, los formatos numéricos y los formatos de fecha, y el uso de comillas alrededor de los valores nunca deben diferir de una ejecución del extracto de un día a otro. Se debe preparar y utilizar un informe de no intervención o un procedimiento almacenado para cada ejecución del extracto.

Fondo de validación comercial

A continuación se desglosa cada paso de validación en consideraciones, específicamente en el caso en que el proveedor haya proporcionado un formato de plantilla para los archivos de interfaz donde cada tipo de información se proporciona en su propio archivo. Los archivos enviados desde su ERP a Smart están formateados para exportarlos fácilmente desde el ERP. Ese tipo de formato hace que la comparación con el ERP sea un trabajo relativamente simple para TI, pero puede ser más difícil de interpretar para el negocio. La mejor práctica es manipular los datos del ERP, ya sea mediante el uso de tablas dinámicas o similar en una hoja de cálculo. TI puede ayudar proporcionando archivos de datos reformateados para que la empresa los revise.

Para profundizar en los archivos de interfaz, deberá comprenderlos. El proveedor proporcionará una plantilla precisa, pero generalmente los archivos de interfaz consisten en tres tipos: datos de catálogo, atributos de artículos y datos transaccionales.

• Los datos del catálogo contienen identificadores y sus atributos. Los identificadores suelen ser para productos, ubicaciones (que podrían ser plantas o almacenes), sus clientes y sus proveedores.
• Los atributos de artículo contienen información sobre productos en ubicaciones que se necesitan para el análisis de la combinación de producto y ubicación. Tal como:
  • Política de reabastecimiento actual en forma de mínimo y máximo, punto de reorden o período de revisión y orden hasta el valor o stock de seguridad
  • Asignación de proveedor principal y tiempo de entrega nominal y costo por unidad de ese proveedor
  • Requisitos de cantidad de pedido, como cantidad mínima de pedido, tamaño de lote de fabricación o múltiplos de pedido
  • Estado activo/inactivo de la combinación de producto/ubicación o indicadores que identifican su estado en su ciclo de vida, como pre-obsoleto
  • Atributos para agrupar o filtrar, como comprador/planificador asignado o categoría de producto
  • Información de inventario actual, como cantidades disponibles, en pedido y en tránsito.
• Los datos transaccionales contienen referencias a identificadores junto con fechas y cantidades. Como la cantidad vendida en una orden de venta de un producto, en una ubicación, para un cliente, en una fecha. O la cantidad colocada en la orden de compra de un producto, en una ubicación, de un proveedor, en una fecha. O la cantidad utilizada en una orden de trabajo de un producto componente en una ubicación en una fecha.

Validación de datos del catálogo

Teniendo en cuenta primero los datos del catálogo, es posible que tenga archivos de catálogo similares a estos ejemplos:

1: Comprobar un recuento razonable de registros de catálogo

Para cada archivo de datos del catálogo, ábralo en una herramienta de hoja de cálculo como Hojas de cálculo de Google o MS Excel. Responde estas preguntas:

1. ¿Está el récord en el estadio de béisbol? Si tiene alrededor de 50 000 productos, no debería haber solo 10 000 filas en su archivo.
2. Si es un archivo corto, tal vez el archivo de ubicación, puede confirmar exactamente que todos los Iidentificadores esperados están en él.
3. Filtre por cada valor de atributo y confirme nuevamente que el recuento de registros con ese valor de atributo tenga sentido.

2: Comprobar la exactitud de los valores en cada campo de atributo

Alguien que sepa cuáles son los productos y qué significan los grupos necesita tomarse el tiempo para confirmar que realmente es correcto, para todos los atributos de todos los datos del catálogo.

Por lo tanto, si su archivo de producto contiene los atributos como en el ejemplo anterior, filtraría por Estado de activo y verificaría que todos los productos resultantes estén realmente activos. Luego filtre por Estado de Inactivo y verifique que todos los productos resultantes estén realmente inactivos. Luego filtre por el primer valor de Grupo y confirme que todos los productos resultantes estén en ese grupo. Repita para Group2 y Group3, etc. Luego repita para cada atributo en cada archivo.

Puede ayudar hacer esta validación con una comparación con un informe ya existente y confiable. Si tiene otra hoja de cálculo que muestra productos por grupo por cualquier motivo, puede comparar los archivos de interfaz con ella. Es posible que deba familiarizarse con la función BUSCARV que ayuda con la comparación de hojas de cálculo.

Validación de datos de atributos de artículos

1: Comprobar un recuento razonable de registros de artículos

La confirmación de los datos de los atributos del artículo es similar a los datos del catálogo. Confirme que el conteo de combinación de producto/ubicación tenga sentido en total y para cada uno de los atributos únicos del artículo, uno por uno. Este es un archivo de datos de elementos de ejemplo:

2: Encuentra y explica números raros en el archivo del artículo

Suele haber muchos valores numéricos en los atributos del artículo, por lo que los números "raros" merecen una revisión. Para validar los datos de un atributo numérico en cualquier archivo, busque dónde está el número:

• falta por completo
• igual a cero
• Menos que cero
• Más que la mayoría de los demás, o menos que la mayoría de los demás (ordenar por esa columna)
• No es un número en absoluto, cuando debería ser

Una consideración especial de los archivos que no son archivos de catálogo es que es posible que no muestren las descripciones de los productos y ubicaciones, solo sus identificadores, lo que puede no tener sentido para usted. Puede insertar columnas para contener los descriptores de productos y ubicaciones que está acostumbrado a ver y completarlos en la hoja de cálculo para ayudarlo en su trabajo. La función BUSCARV también funciona para esto. Ya sea que tenga o no otro informe para comparar el archivo de artículos, tiene los archivos de catálogo para productos y ubicación que muestran tanto el identificador como la descripción de cada fila.

3: Verificación al azar

Si le frustra descubrir que hay demasiados valores de atributo para verificar manualmente en un período de tiempo razonable, la verificación puntual es una solución. Se puede hacer de una manera que pueda detectar cualquier problema. Para cada atributo, obtenga una lista de los valores únicos en cada columna. Puede copiar una columna en una hoja nueva y luego usar la función Eliminar duplicados para ver la lista de valores posibles. Con eso:

1. Confirme que no hay valores de atributos presentes que no deberían estar presentes.
2. Puede ser más difícil recordar qué valores de atributo faltan que deberían estar allí, por lo que puede ser útil buscar otra fuente para recordarlo. Por ejemplo, si están presentes los grupos 1 a 12, puede consultar otra fuente para recordar si estos son todos los grupos posibles. Incluso si no se requiere para los archivos de interfaz para la aplicación, puede ser fácil para TI extraer una lista de todos los grupos posibles que están en su ERP que puede usar para el ejercicio de validación. Si encuentra valores adicionales o faltantes que no espera, lleve un ejemplo de cada uno a TI para investigar.
3. Ordene alfabéticamente y explore hacia abajo para ver si dos valores son similares pero ligeramente diferentes, tal vez solo en la puntuación, lo que podría significar que un registro tenía los datos del atributo ingresados incorrectamente.

Para cada tipo de artículo, tal vez uno de cada grupo de productos y/o ubicación, verifique que todos sus atributos en cada archivo sean correctos o al menos pase una verificación de cordura. Cuanto más pueda verificar al azar de una amplia gama de elementos, es menos probable que tenga problemas después de la puesta en marcha.

Validación de datos transaccionales

Todos los archivos transaccionales pueden tener un formato similar a este:

1: Encuentra y explica números extraños en cada archivo transaccional

Estos deben verificarse en busca de números "raros" en el campo Cantidad. Luego puede proceder a:

1. Filtre las fechas fuera del rango que espera o las que faltan por completo.
2. Encuentre dónde faltan los identificadores de transacción y los números de línea. No deberían serlo.
3. Si hay más de un registro para una determinada combinación de ID de transacción y número de línea de transacción, ¿es un error? Dicho de otra manera, ¿deberían sumarse las cantidades de los registros duplicados o se trata de una doble contabilización?

2: Cantidades sumadas de verificación de cordura

Realice una verificación de cordura filtrando a un producto en particular con el que esté familiarizado, y filtre a un rango de fechas relacionado, como el mes pasado o el año pasado, y sume las cantidades. ¿Es esa cantidad total lo que esperaba para ese producto en ese período de tiempo? Si tiene información sobre el uso total de una ubicación, puede dividir los datos de esa manera para sumar las cantidades y compararlas con lo que espera. Las tablas dinámicas son útiles para la verificación de datos transaccionales. Con ellos, puede ver los datos como:

El total anual de los productos puede ser fácil de verificar si conoce bien los productos. O puede BUSCARV para agregar atributos, como un grupo de productos, y pivotar sobre eso para ver un nivel superior que le resulte más familiar:

3: Conteo de verificación de cordura de los registros

Puede ser útil mostrar un recuento de transacciones en lugar de una suma de cantidades, especialmente para datos de órdenes de compra. Tal como:

Y/o el mismo resumen en un nivel superior, como:

4: Comprobación puntual

La verificación puntual de la corrección de una sola transacción, para cada tipo de artículo y cada tipo de transacción, completa la diligencia debida. Preste especial atención a qué fecha está vinculada a la transacción y si es adecuada para el análisis. Las fechas pueden ser una fecha de creación, como la fecha en que un cliente le hizo un pedido, o una fecha de promesa, como la fecha en que esperaba entregar el pedido del cliente en el momento de crearlo, o una fecha de cumplimiento, cuando realmente entregó en el orden. A veces, una fecha prometida se modifica días después de crear el pedido si no se puede cumplir. Asegúrese de que la fecha de uso refleje más fielmente la demanda real del producto por parte del cliente.

Qué hacer con los datos incorrectos 

Si las entradas erróneas son pocas o únicas, puede editar los registros de ERP a mano a medida que se encuentran, limpiando los atributos de su catálogo, incluso después de la puesta en marcha de la aplicación. Pero si grandes franjas de atributos o cantidades de transacciones están desactivadas, esto puede impulsar un proyecto interno para volver a ingresar los datos correctamente y posiblemente cambiar o comenzar a documentar el proceso que debe seguirse cuando se ingresan nuevos registros en su ERP.

Se debe tener cuidado para evitar un retraso demasiado prolongado en la implementación de la aplicación SaaS mientras se esperan atributos limpios. Divida el trabajo en partes y use la aplicación para analizar primero los datos limpios, de modo que el proyecto de limpieza de datos ocurra en paralelo con la obtención de valor de la nueva aplicación.

Los servicios públicos en los campos de la electricidad, el gas natural, el agua y las aguas residuales urbanas y las telecomunicaciones son intensivos en activos. La generación, producción, procesamiento, transmisión y distribución de electricidad, gas natural, petróleo y agua dependen de una infraestructura física que debe mantenerse, actualizarse y mejorarse adecuadamente con el tiempo. Maximizar el tiempo de actividad de los activos y la confiabilidad de la infraestructura física exige una gestión eficaz del inventario, la previsión de piezas de repuesto y la gestión de proveedores.

Una empresa de servicios públicos que ejecuta estos procesos de manera efectiva superará a sus pares, brindará mejores retornos para sus inversores y mayores niveles de servicio para sus clientes, al mismo tiempo que reducirá su impacto ambiental. Estos esfuerzos se ven obstaculizados por los sistemas de TI desactualizados, las amenazas de seguridad en evolución, las frecuentes interrupciones en la cadena de suministro y la extrema variabilidad de la demanda. Sin embargo, la convergencia de estos desafíos con la tecnología de nube madura y los avances recientes en el análisis de datos, el pronóstico probabilístico y las tecnologías para la gestión de datos presentan a las empresas de servicios públicos una oportunidad generacional para transformar digitalmente su empresa.

Aquí hay siete transformaciones digitales que requieren inversiones iniciales relativamente pequeñas pero generarán retornos de siete cifras.

1. Gestión de inventario es el primer paso en la optimización del inventario MRO. Implica analizar los niveles de inventario actuales y los patrones de uso para identificar oportunidades de mejora. Esto debe incluir la búsqueda de artículos obsoletos, con exceso o falta de existencias. La nueva tecnología de pronóstico probabilístico ayudará a simular el uso futuro de piezas y predecir cómo funcionarán las políticas de almacenamiento actuales. Los planificadores de Pats pueden usar los resultados de la simulación para identificar de manera proactiva dónde deben modificarse las políticas.

2. Previsión precisa y planificación de la demanda son muy importantes para optimizar los inventarios de piezas de servicio de MRO. Un pronóstico preciso de la demanda es un impulsor crítico de la cadena de suministro. Al comprender los patrones de demanda que resultan de los proyectos de capital y el mantenimiento planificado y no planificado, los planificadores de piezas pueden anticipar con mayor precisión las necesidades futuras de inventario, presupuestar adecuadamente y comunicar mejor la demanda anticipada a los proveedores. El software de previsión de piezas se puede utilizar para albergar automáticamente un conjunto preciso de uso histórico que detalla la demanda de piezas planificada frente a la no planificada.

3. Gestión de proveedores y plazos de entrega son componentes importantes de la optimización del inventario de MRO. Implica seleccionar a los mejores proveedores para el trabajo, tener proveedores de respaldo que puedan entregar rápidamente si el proveedor preferido falla y negociar términos favorables. Otro componente importante es identificar el tiempo de entrega correcto para basar las políticas de almacenamiento. Las simulaciones probabilísticas disponibles en el software de planificación de piezas se pueden utilizar para pronosticar la probabilidad de cada posible tiempo de entrega que se enfrentará. Esto dará como resultado una recomendación más precisa de qué almacenar en comparación con el uso de un proveedor cotizado o un tiempo de entrega promedio.

4. Racionalización de SKU y gestión de datos maestros elimina los SKU ineficaces o desactualizados del catálogo de productos y la base de datos de ERP. También identifica diferentes números de pieza que se han utilizado para el mismo SKU. El costo operativo y la rentabilidad de cada producto se evalúan durante este procedimiento, lo que da como resultado una lista común de SKU activos. El software de gestión de datos maestros puede evaluar los catálogos de productos y la información almacenada en bases de datos dispares para identificar las racionalizaciones de SKU y garantizar que las políticas de inventario se basen en el número de pieza común.

5. Sistemas de control de inventario son clave para sincronizar la optimización del inventario. Proporcionan una forma rentable para que las empresas de servicios públicos rastreen, controlen y gestionen su inventario. Ayudan a garantizar que la empresa de servicios públicos tenga los suministros y materiales correctos cuando y donde se necesiten, a la vez que minimizan los costos de inventario.

6. La mejora continua es esencial para optimizar los inventarios de MRO. Implica monitorear y ajustar regularmente los niveles de inventario y las políticas de almacenamiento para garantizar el uso más eficiente de los recursos. Cuando las condiciones de operación cambian, la empresa de servicios públicos debe detectar el cambio y ajustar sus operaciones en consecuencia. Esto significa que los ciclos de planificación deben operar a un ritmo lo suficientemente alto como para adaptarse a las condiciones cambiantes. Aprovechar la previsión probabilística para recalibrar las políticas de almacenamiento de piezas de servicio en cada ciclo de planificación garantiza que las políticas de almacenamiento (como los niveles mínimos/máximos) estén siempre actualizadas y reflejen el uso de piezas y los plazos de entrega de los proveedores más recientes.

7. Planificación para la demanda intermitente con el moderno software de planificación de piezas de repuesto. El resultado es una estimación muy precisa de las existencias de seguridad, los puntos de pedido y las cantidades de los pedidos, lo que conduce a mayores niveles de servicio y menores costos de inventario. El software de pronóstico probabilístico de piezas de repuesto patentado de Smart Software simula la probabilidad de cada posible demanda, determinando con precisión cuánto almacenar para lograr los niveles de servicio objetivo de una empresa de servicios públicos. Aprovechar el software para simular con precisión el flujo de entrada y salida de repuestos reparables predecirá mejor el tiempo de inactividad, los niveles de servicio y los costos de inventario asociados con cualquier tamaño de grupo elegido para repuestos reparables.

En este artículo, revisaremos la funcionalidad de pedidos de inventario en Epicor P21, explicaremos sus limitaciones y resumiremos cómo Smart Inventory Planning & Optimization (Smart IP&O) puede ayudar a reducir el inventario, minimizar los desabastecimientos y restaurar la confianza de su organización en su ERP. También veremos como generar un robusto análisis predictivo, pronóstico basado en consenso y planificación de escenarios hipotéticos.

Funciones de planificación de reabastecimiento dentro de Epicor Prophet 21
Epicor P21 puede administrar el reabastecimiento al sugerir qué ordenar y cuándo a través de políticas de inventario basadas en puntos de reorden o basadas en pronósticos. Los usuarios pueden calcular estas políticas externamente o generarlas dinámicamente dentro de P21. Una vez que se hayan especificado las políticas y los pronósticos, el Generador de requisitos de órdenes de compra (PORG) de P21 creará sugerencias de pedidos automatizadas de qué reponer y cuándo reconciliar el suministro entrante, la demanda actual disponible, las políticas de almacenamiento y los pronósticos de demanda.

Epicor P21 tiene 4 métodos de reposición
En la pantalla de mantenimiento de artículos de Epicor P21, los usuarios pueden elegir uno de los cuatro métodos de reabastecimiento para cada artículo en existencia.

1. Mínimo máximo
2. Punto de pedido/Cantidad de pedido
3. EOQ
4. ”Hasta” una cantidad

Hay ajustes y configuraciones adicionales para determinar los plazos de entrega y contabilizar los modificadores de pedidos, como las cantidades mínimas y máximas de pedido impuestas por el proveedor. Mín./Máx. y Punto de pedido/Cantidad de pedido se consideran políticas "estáticas". EOQ y ”Hasta” se consideran políticas "dinámicas" y se calculan dentro de P21.

Mínimo máximo
El punto de reorden es igual al Min. Cada vez que el inventario disponible cae por debajo del mínimo (punto de pedido), el informe PORG creará una sugerencia de pedido hasta el máximo (por ejemplo, si el inventario disponible después de la infracción es de 20 unidades y el máximo es 100, entonces la cantidad del pedido será 80) . Min/Max se considera una política estática y una vez ingresada en P21 permanecerá sin cambios a menos que el usuario la anule. Los usuarios suelen ejecutar hojas de cálculo para calcular los valores mínimos y máximos y actualizarlos de vez en cuando.

Punto de pedido/Cantidad de pedido
Esto es lo mismo que la política Mín./Máx. excepto que en lugar de pedir hasta el Máx., se sugerirá un pedido para una cantidad fija definida por el usuario (por ejemplo, pida siempre 100 unidades cuando se incumpla el punto de pedido). OP/OQ se considera una política estática y permanecerá sin cambios a menos que el usuario la anule. Los usuarios a menudo ejecutan hojas de cálculo para calcular los valores OP/OQ y actualizarlos de vez en cuando.

EOQ
La política de EOQ es un método basado en puntos de reorden. El punto de pedido se genera dinámicamente en función del pronóstico de demanda de P21 durante el tiempo de entrega + la demanda durante el período de revisión + el stock de seguridad. La cantidad de la orden se basa en un cálculo de la Cantidad económica de la orden que considera los costos de mantenimiento y los costos de la orden e intenta recomendar un tamaño de orden que minimice el costo total. Cuando el inventario disponible supera el punto de pedido, el informe PORG generará un pedido igual al EOQ calculado.

”Hasta” una cantidad
El método Up To es otra política dinámica que se basa en un punto de pedido. Se calcula de la misma manera que el método EOQ utilizando la demanda pronosticada de P21 durante el tiempo de entrega + la demanda durante el período de revisión + el inventario de seguridad. La sugerencia de cantidad de pedido se basa en lo que sea necesario para reabastecer el stock "hasta" el punto de pedido. Esto tiende a equivaler a una cantidad de pedido que es consistente con la demanda del tiempo de entrega porque a medida que la demanda impulsa el stock por debajo del punto de reorden, se sugerirán pedidos "hasta" el punto de reorden.

Pantalla de mantenimiento de artículos de P21, donde los usuarios pueden especificar la política de inventario deseada y configurar otros ajustes, como stock de seguridad y modificadores de pedidos.

Limitaciones

Métodos de pronóstico
Hay dos modos de pronóstico en P21: Básico y Avanzado. Cada uno usa una serie de métodos de promedio y requiere configuraciones manuales y reglas de clasificación determinadas por el usuario para generar un pronóstico de demanda. Ninguno de los modos está diseñado con un sistema experto listo para usar que genera automáticamente pronósticos que dan cuenta de los patrones subyacentes, como la tendencia o la estacionalidad. Se requiere mucha configuración que tiende a inhibir la adopción por parte del usuario y la modificación de las reglas de pronóstico asumidas definidas en la implementación inicial que pueden ya no ser relevantes. No existe una manera de comparar fácilmente la precisión del pronóstico de diferentes configuraciones. Por ejemplo, ¿es mejor usar 24 meses de historial o 18 meses? ¿Es más exacto suponer que se debe aplicar una tendencia cuando un artículo crece 2% por mes o debería ser 10%? ¿Es mejor asumir que el artículo es estacional si 80% o más de su demanda ocurre en 6 meses del año o 4 meses del año? Como resultado, es común que las reglas de clasificación sean demasiado amplias o específicas, lo que genera problemas como la aplicación de un modelo de pronóstico incorrecto, el uso de demasiado o muy poco historial, o la sobreestimación o subestimación de la tendencia y la estacionalidad. Para obtener más información sobre cómo funciona esto, consulte esta publicación de blog (próximamente)

Gestión de pronósticos y planificación por consenso
P21 carece de funciones de gestión de pronósticos que permitan a las organizaciones planificar en múltiples niveles de jerarquía, como familia de productos, región o por cliente. Los pronósticos deben crearse en el nivel más bajo de granularidad (producto por ubicación) donde la demanda suele ser demasiado intermitente para obtener un buen pronóstico. No hay forma de compartir pronósticos, colaborar, revisar o crear pronósticos en niveles agregados y acordar el plan de consenso. Es difícil incorporar conocimiento comercial, evaluar pronósticos en niveles más altos de agregación y rastrear si las anulaciones mejoran o perjudican la precisión del pronóstico. Esto hace que la previsión sea demasiado unidimensional y dependa de las configuraciones matemáticas iniciales.  

Demanda intermitente
Muchos clientes de P21 confían en métodos estáticos (mín./máx. y OP/OQ) debido al predominio de la demanda intermitente. También conocida como "érratica", la demanda intermitente se caracteriza por ventas esporádicas, grandes picos en la demanda y muchos períodos sin demanda. Cuando la demanda es intermitente, los métodos tradicionales de previsión y existencias de seguridad simplemente no funcionan. Dado que los distribuidores no pueden darse el lujo de abastecerse únicamente de productos de alta rotación con una demanda constante, necesitan soluciones especializadas que estén diseñadas para planificar de manera eficaz los artículos con demanda intermitente. 80% o más de las piezas de un distribuidor tendrán una demanda intermitente. Las políticas de almacenamiento que se generan utilizando métodos tradicionales, como los disponibles en P21 y otras aplicaciones de planificación, darán como resultado estimaciones incorrectas de qué almacenar para lograr el nivel de servicio objetivo. Como se ilustra en el gráfico a continuación, no es posible pronosticar los picos de manera constante. Está atascado con un pronóstico que es efectivamente un promedio de los períodos anteriores.

Los pronósticos de demanda intermitente no pueden predecir los picos y requieren reservas de existencias de seguridad para protegerse contra los desabastecimientos.

En segundo lugar, los métodos de inventario de seguridad de P21 le permiten establecer un nivel de servicio objetivo, pero la lógica subyacente supone erróneamente que la demanda esta Normalmente distribuida. Con la demanda intermitente, la demanda no es “normal” y por lo tanto la estimación del stock de seguridad será incorrecta. Esto es lo que significa incorrecto: al establecer un nivel de servicio de, por ejemplo, 98%, la expectativa es que 98% del tiempo que el stock disponible llene 100% de lo que el cliente necesita del estante. El uso de una distribución normal para calcular las existencias de seguridad dará como resultado grandes desviaciones entre el nivel de servicio objetivo y el nivel de servicio real logrado. No es raro ver situaciones en las que el nivel de servicio real no alcance el objetivo por 10% o más (es decir, se apuntó a 95% pero solo alcanzó 85%).

En esta figura puede ver el historial de demanda de una pieza demandada intermitentemente y dos distribuciones basadas en este historial de demanda. La primera distribución se generó utilizando la misma “distribución normal: lógica empleada por P21. La segunda es una distribución simulada basada en el pronóstico probabilístico de Smart Software. La distribución P21 "normal" recomienda que se necesitan 46 unidades para alcanzar el nivel de servicio 99%, pero en comparación con los valores reales, se necesitaba mucho más inventario. Smart predijo con precisión que se requerían 63 unidades para alcanzar el nivel de servicio.

Este Blog explica cómo puede probar la precisión del nivel de servicio de su sistema.

Confianza en hojas de cálculo y planificación reactiva
Los clientes de P21 nos dicen que dependen en gran medida del uso de hojas de cálculo para gestionar las políticas de almacenamiento y las previsiones. Las hojas de cálculo no están diseñadas específicamente para la previsión y la optimización del inventario. Los usuarios a menudo seguirán sus propias regla de oro inventadas por el usuario, métodos que a menudo hacen más daño que bien. Una vez calculado, los usuarios deben ingresar la información nuevamente en P21 a través de la importación manual de archivos o incluso la entrada manual. La naturaleza lenta del proceso lleva a las empresas a calcular sus políticas de inventario con poca frecuencia. Pasan muchos meses y, en ocasiones, años entre actualizaciones masivas que conducen a un enfoque reactivo de "configúrelo y olvídese", y el momento del pedidoe se convierte en el único momento en que un comprador/planificador revisa la política de inventario. Cuando las políticas se revisan después de que el punto de pedido ya se ha incumplido, es demasiado tarde. Cuando el punto de pedido se considera demasiado alto, se requiere una modificación manual para revisar el historial, calcular pronósticos, evaluar las posiciones del búfer y recalibrar. El gran volumen de pedidos significa que los compradores simplemente liberarán los pedidos en lugar de tomarse el arduo tiempo de revisar todo, lo que generará un exceso significativo de existencias. Si el punto de pedido es demasiado bajo, ya es demasiado tarde. Ahora se requerirá una aceleración que aumente los costos e incluso entonces, aún perderá ventas si el cliente se va a otro lado.

Planificación limitada de What If
Dado que las funciones para modificar los puntos de pedido y las cantidades de pedido están integradas en P21, no es posible realizar cambios generales en grupos de artículos y evaluar los resultados previstos antes de decidir comprometerse. Esto obliga a los usuarios a adoptar un proceso de "esperar y ver" cuando se trata de modificar parámetros. Los planificadores harán un cambio y luego monitorearán los datos reales hasta que estén seguros de que el cambio mejoró las cosas. Administrar esto a escala (muchos planificadores manejan decenas de miles de artículos) consume mucho tiempo y el resultado final es una recalibración poco frecuente de la política de inventario. Esto también contribuye a la planificación reactiva por lo que los planificadores solo revisarán la configuración después de que haya ocurrido un problema.

Epicor es más inteligente
Epicor se asoció con Smart Software y ofrece Smart IP&O como un complemento multiplataforma para Prophet 21 completo con una integración bidireccional basada en API. Esto permite que los clientes de Epicor aprovechen las mejores aplicaciones de pronóstico y optimización de inventario creadas especialmente. Con Epicor Smart IP&O puede generar pronósticos que capturan la tendencia y la estacionalidad sin tener que aplicar configuraciones manuales primero. Podrá volver a calibrar automáticamente las políticas en cada ciclo de planificación utilizando modelos estadísticos y probabilísticos de vanguardia probados en el campo que fueron diseñados para planificar con precisión de la demanda intermitente. Las existencias de seguridad tendrán en cuenta con precisión la variabilidad de la oferta y la demanda, las condiciones comerciales y las prioridades. Puedes aprovechar la planificación impulsada por el nivel de servicio para que tenga suficiente stock o activar métodos de optimización que prescriben las políticas de almacenamiento más rentables y los niveles de servicio que consideran el costo real de mantener el inventario. Puede crear pronósticos de demanda consensuados que combinen el conocimiento comercial con las estadísticas, evaluar mejor los pronósticos de venta y de los clientes, y cargar con confianza pronósticos y políticas de existencias en Epicor con unos pocos clics del mouse.

Los clientes de Smart IP&O generalmente obtienen ganancias anuales de 7 cifras a partir de rápidas reducciones, mayores ventas y menos exceso de existencias, al mismo tiempo que obtienen una ventaja competitiva al diferenciarse en un mejor servicio al cliente. Regístrese aquí para ver un seminario web grabado y organizado por el Grupo de usuarios de Epicor que perfila la plataforma de optimización de inventario y planificación de la demanda de Smart. https://smartcorp.com/epicor-smart-inventory-planning-optimization/

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.

2. 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.

3. 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.