Control del inventario concerns the management of physical goods, focusing on an accurate and up-to-the-minute count of every item in inventory and where it is located, as well as efficient retrieval of items. Relevant technologies include computer databases, barcoding, Radio Frequency Identification (RFID), and the use of robots for retrieval.

Inventory Management aims to execute the inventory policy defined by the company. Inventory Management is often accomplished using Enterprise Resource Planning (ERP) systems, which generate purchase orders, production orders, and reporting that details current inventory on hand, incoming, and up for order.

Inventory Planning sets operational policy details, such as item-specific reorder points and order quantities, and predicts future demand and supplier lead times. Important components of an inventory planning process include what-if scenarios for netting out on-hand inventory, analyzing how changes to demand, lead times, and stocking policies will impact ordering, as well as managing exceptions and contingencies.

Optimización del Inventario utilizes an analytical process that computes values for inventory planning parameters (e.g., reorder points and order quantities) that optimize a numerical goal or “objective function” without violating a numerical constraint. For instance, an objective function might be to achieve the lowest possible inventory operating cost (defined as the sum of inventory holding costs, ordering costs, and shortage costs), and the constraint might be to achieve a fill rate of at least 90%. Using a mathematical model of the inventory system and probability forecasts of item demand, inventory optimization can quickly and automatically suggest how to best manage thousands of inventory items.

¿Está confundido acerca de qué es la IA y qué es el aprendizaje automático? ¿No está seguro de por qué saber más le ayudará con su trabajo de planificación de inventario? No te desesperes. Estarás bien y te mostraremos cómo algo de lo que sea puede ser útil.

¿Qué es y qué no es?

¿Qué es la IA y en qué se diferencia del ML? Bueno, ¿qué hace alguien hoy en día cuando quiere saber algo? Lo buscan en Google. Y cuando lo hacen, comienza la confusión.

Una fuente dice que la metodología de la red neuronal llamada aprendizaje profundo es un subconjunto del aprendizaje automático, que es un subconjunto de la IA. Pero otra fuente dice que el aprendizaje profundo ya es parte de la IA porque en cierto modo imita la forma en que funciona la mente humana, mientras que el aprendizaje automático no intenta hacer eso.

Una fuente dice que hay dos tipos de aprendizaje automático: supervisado y no supervisado. Otro dice que hay cuatro: supervisada, no supervisada, semisupervisada y de refuerzo.

Algunos dicen que el aprendizaje por refuerzo es aprendizaje automático; otros lo llaman IA.

Algunos de nosotros, los tradicionalistas, llamamos a muchas de ellas “estadísticas”, aunque no todas lo son.

Al nombrar los métodos, hay mucho espacio tanto para la emoción como para el arte de vender. Si un proveedor de software cree que usted quiere escuchar la frase "IA", es posible que la diga por usted sólo para hacerlo feliz.

Mejor centrarse en lo que sale al final.

Puede evitar algunas exageraciones confusas si se concentra en el resultado final que obtiene de alguna tecnología analítica, independientemente de su etiqueta. Hay varias tareas analíticas que son relevantes para los planificadores de inventario y los planificadores de demanda. Estos incluyen agrupamiento, detección de anomalías, detección de cambios de régimen y análisis de regresión. Los cuatro métodos suelen, aunque no siempre, clasificarse como métodos de aprendizaje automático. Pero sus algoritmos pueden surgir directamente de la estadística clásica.

Agrupación

Agrupar significa agrupar cosas que son similares y distanciarlas de cosas que son diferentes. A veces, agrupar es fácil: para separar geográficamente a sus clientes, simplemente ordénelos por estado o región de ventas. Cuando el problema no es tan obvio, puede utilizar datos y algoritmos de agrupamiento para realizar el trabajo automáticamente, incluso cuando se trata de conjuntos de datos masivos.

Por ejemplo, la Figura 1 ilustra un grupo de “perfiles de demanda”, que en este caso divide todos los artículos de un cliente en nueve grupos según la forma de sus curvas de demanda acumuladas. El grupo 1.1 en la parte superior izquierda contiene artículos cuya demanda se ha ido agotando, mientras que el grupo 3.1 en la parte inferior izquierda contiene artículos cuya demanda se ha acelerado. La agrupación también se puede realizar con proveedores. La elección del número de clústeres normalmente se deja a criterio del usuario, pero ML puede guiar esa elección. Por ejemplo, un usuario puede indicarle al software que "divida mis partes en 4 grupos", pero el uso de ML puede revelar que en realidad hay 6 grupos distintos que el usuario debe analizar. 

Figura 1: Agrupación de artículos según las formas de su demanda acumulada

Detección de anomalías

La previsión de la demanda se realiza tradicionalmente mediante la extrapolación de series temporales. Por ejemplo, el suavizado exponencial simple funciona para encontrar el “medio” de la distribución de la demanda en cualquier momento y proyectar ese nivel hacia adelante. Sin embargo, si ha habido un aumento o disminución repentino y único en la demanda en el pasado reciente, ese valor anómalo puede tener un efecto significativo pero no deseado en el pronóstico a corto plazo. Igual de grave para la planificación de inventarios, la anomalía puede tener un efecto enorme en la estimación de la variabilidad de la demanda, que va directamente al cálculo de los requisitos de existencias de seguridad.

Es posible que los planificadores prefieran encontrar y eliminar dichas anomalías (y tal vez hacer un seguimiento fuera de línea para descubrir el motivo de la rareza). Pero nadie que tenga un gran trabajo que hacer querrá escanear visualmente miles de gráficos de demanda para detectar valores atípicos, eliminarlos del historial de demanda y luego volver a calcular todo. La inteligencia humana podría hacer eso, pero la paciencia humana pronto fallaría. Los algoritmos de detección de anomalías podrían hacer el trabajo automáticamente utilizando métodos estadísticos relativamente sencillos. Podrías llamar a esto “inteligencia artificial” si lo deseas.

Detección de cambio de régimen

La detección de cambios de régimen es como el hermano mayor de la detección de anomalías. El cambio de régimen es un cambio sostenido, más que temporal, en uno o más aspectos del carácter de una serie temporal. Si bien la detección de anomalías suele centrarse en cambios repentinos de la demanda media, el cambio de régimen podría implicar cambios en otras características de la demanda, como su volatilidad o su forma distributiva.  

La Figura 2 ilustra un ejemplo extremo de cambio de régimen. La demanda de este artículo tocó fondo alrededor del día 120. Las políticas de control de inventario y los pronósticos de demanda basados en datos más antiguos estarían tremendamente fuera de lugar al final del historial de demanda.

Figura 2: Un ejemplo de cambio de régimen extremo en un artículo con demanda intermitente

También en este caso se pueden desarrollar algoritmos estadísticos para resolver este problema, y sería justo llamarlos “aprendizaje automático” o “inteligencia artificial” si así estuviera motivado. El uso de ML o AI para identificar cambios de régimen en el historial de la demanda permite que el software de planificación de la demanda utilice automáticamente solo el historial relevante al realizar pronósticos en lugar de tener que seleccionar manualmente la cantidad de historial para introducirlo en el modelo. 

Análisis de regresión

El análisis de regresión relaciona una variable con otra mediante una ecuación. Por ejemplo, las ventas de marcos de ventanas en un mes pueden predecirse a partir de los permisos de construcción expedidos unos meses antes. El análisis de regresión se ha considerado parte de la estadística durante más de un siglo, pero podemos decir que es "aprendizaje automático", ya que un algoritmo encuentra la manera precisa de convertir el conocimiento de una variable en una predicción del valor de otra.

Resumen

Es razonable estar interesado en lo que sucede en las áreas de aprendizaje automático e inteligencia artificial. Si bien la atención prestada a ChatGPT y sus competidores es interesante, no es relevante para el aspecto numérico de la planificación de la demanda o la gestión de inventario. Los aspectos numéricos del ML y la IA son potencialmente relevantes, pero hay que intentar ver a través de la nube de publicidad que rodea a estos métodos y centrarse en lo que pueden hacer. Si puede hacer el trabajo con métodos estadísticos clásicos, puede hacerlo y luego ejercer su opción de pegar la etiqueta ML a cualquier cosa que se mueva.

Así como el renombrado astrónomo Copérnico transformó nuestra comprensión de la astronomía al colocar el sol en el centro de nuestro universo, hoy lo invitamos a volver a centrar su enfoque en la gestión de inventario. Y aunque no es tan esclarecedor, este consejo ayudará a su empresa a evitar quedar atrapada en la atracción gravitacional de los problemas de inventario, orbitando constantemente entre desabastecimientos, exceso de gravedad y los gastos cósmicos inesperados de la aceleración.

En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio.

En las empresas orientadas a los servicios, las consecuencias del desabastecimiento suelen ser muy importantes. Lograr altos niveles de servicio depende de tener las piezas adecuadas en el momento adecuado. Sin embargo, tener las piezas adecuadas no es el único factor. Su equipo de cadena de suministro debe desarrollar un plan de inventario consensuado para cada pieza y luego actualizarlo continuamente para reflejar los cambios en tiempo real en la demanda, el suministro y las prioridades financieras.

Gestión del inventario con planificación basada en el nivel de servicio combina la capacidad de planificar miles de elementos con modelado estratégico de alto nivel. Esto requiere abordar los problemas centrales que enfrentan los ejecutivos de inventario:

• Falta de control sobre el suministro y los plazos de entrega asociados.
• Demanda intermitente impredecible.
• Prioridades conflictivas entre los equipos mecánicos/de mantenimiento y la gestión de materiales.
• Enfoque reactivo de “esperar y ver” para la planificación.
• Inventario mal asignado, lo que provoca desabastecimiento y exceso.
• Falta de confianza en los sistemas y procesos.

La clave para una gestión óptima de repuestos es lograr el equilibrio entre brindar un servicio excelente y controlar los costos. Para hacer esto, debemos comparar los costos del desabastecimiento con el costo de mantener un inventario adicional de repuestos. Los costos de un desabastecimiento serán mayores para repuestos críticos o de emergencia, cuando existe un acuerdo de nivel de servicio con clientes externos, para piezas utilizadas en múltiples activos, para piezas con plazos de entrega de proveedores más largos y para piezas con un solo proveedor. El costo del inventario se puede evaluar considerando los costos unitarios, las tasas de interés, el espacio de almacén que se consumirá y el potencial de obsolescencia (por ejemplo, las piezas utilizadas en una flota que pronto se retirará tienen un mayor riesgo de obsolescencia).

Para arbitrar cuántas existencias se deben almacenar para cada pieza, es fundamental establecer un consenso sobre las métricas clave deseadas que expongan las compensaciones que la empresa debe hacer para lograr los KPI deseados. Estos KPI incluirán niveles de servicio que le indican con qué frecuencia satisface las necesidades de uso sin quedarse corto de existencias, tasas de cumplimiento que le indican qué porcentaje de la demanda se satisface y costos de pedidos que detallan los gastos incurridos cuando realiza y recibe pedidos de reabastecimiento. También tiene costos de retención, que abarcan gastos como obsolescencia, impuestos y almacenamiento, y costos de escasez que pertenecen a los gastos incurridos cuando se produce un desabastecimiento.

An MRO business or Aftermarket Parts Planning team might desire a 99% service level across all parts – i.e., the minimum stockout risk that they are willing to accept is 1%. But what if the amount of inventory needed to support that service level is too expensive? To make an informed decision on whether there is going to be a return on that additional inventory investment, you’ll need to know the stockout costs and compare that to the inventory costs. To get stockout costs, multiply two key elements: the cost per stockout and the projected number of stockouts. To get inventory value, multiply the units required by the unit cost of each part. Then determine the annual holding costs (typically 25-35% of the unit cost). Choose the option that yields a total lower cost. In other words, if the benefit associated with adding more stock (reduced shortage costs) outweighs the cost (higher inventory holding costs), then go for it. A thorough understanding of these metrics and the associated tradeoffs serves as the compass for decision-making.

El software moderno ayuda en este proceso al permitirle simular una multitud de escenarios futuros. Al hacerlo, puede evaluar qué tan bien es probable que funcionen sus estrategias actuales de almacenamiento de inventario frente a diferentes patrones de oferta y demanda. Si algo se queda corto o sale mal, es hora de recalibrar su enfoque, teniendo en cuenta los datos actuales sobre el historial de uso, los plazos de entrega de los proveedores y los costos para evitar situaciones de desabastecimiento y exceso de existencias.

Mejore constantemente su plan de inventario basado en el nivel de servicio.

En conclusión, es crucial evaluar continuamente su plan basado en el nivel de servicio. Al construir y perfeccionar sistemáticamente escenarios de rendimiento, puede definir métricas y objetivos clave, comparar el rendimiento esperado y automatizar el cálculo de las políticas de almacenamiento para todos los artículos. Este proceso iterativo implica monitorear, revisar y repetir cada ciclo de planificación.

La profundidad de su análisis dentro de estas políticas de almacenamiento depende de los datos a su disposición y de las capacidades de configuración de su sistema de planificación. Para lograr resultados óptimos, es imperativo mantener un análisis de datos continuo. Esto implica que un enfoque manual para el examen de datos suele ser insuficiente para las necesidades de la mayoría de las organizaciones.

Para obtener información sobre cómo Smart Software puede ayudarle a alcanzar los objetivos de su cadena de suministro de servicios con una planificación basada en servicios y más, visite los siguientes blogs.

–   "Explicando qué significa nivel de servicio en su software de optimización de inventario"  Las recomendaciones de almacenamiento pueden resultar desconcertantes, especialmente cuando chocan con las necesidades del mundo real. En esta publicación, desglosaremos qué significa el nivel de servicio 99% y por qué es crucial para administrar el inventario de manera efectiva y mantener a los clientes satisfechos en el panorama competitivo actual.

– “Planificación basada en el nivel de servicio para empresas de repuestos” La planificación de piezas de servicio basada en el nivel de servicio es un proceso de cuatro pasos que va más allá de la previsión simplificada y las existencias de seguridad como regla general. Proporciona a los planificadores de repuestos soporte para tomar decisiones ajustadas al riesgo y basadas en datos.

–   “Cómo elegir un nivel de servicio objetivo.“Esta es una decisión estratégica sobre la gestión del riesgo de inventario, considerando los niveles de servicio actuales y las tasas de cumplimiento, los plazos de reabastecimiento y las compensaciones entre capital, existencias y costos de oportunidad. Aprenda enfoques que puedan ayudar.

–   “La métrica de precisión de pronóstico adecuada para la planificación de inventarios”.  Sólo porque establezca un objetivo de nivel de servicio no significa que realmente lo alcanzará. Si está interesado en optimizar los niveles de stock, concéntrese en la precisión de la proyección del nivel de servicio. Aprender cómo.

La previsión de las necesidades de inventario es una variante especializada de la previsión que se centra en el extremo superior del rango de posible demanda futura.

Para simplificar, considere el problema de pronosticar las necesidades de inventario para un solo período de anticipación, digamos un día antes. Por lo general, el trabajo de pronóstico consiste en estimar el nivel más probable o promedio de demanda del producto. Sin embargo, si el inventario disponible es igual a la demanda promedio, existe una probabilidad de aproximadamente 50% de que la demanda exceda el inventario y resulte en pérdida de ventas y/o pérdida de buena voluntad. Fijar el nivel de inventario en, digamos, diez veces la demanda promedio probablemente eliminará el problema de los desabastecimientos, pero con la misma seguridad resultará en costos de inventario inflados.

El truco de la optimización del inventario es encontrar un equilibrio satisfactorio entre tener suficiente inventario para satisfacer la mayor parte de la demanda sin comprometer demasiados recursos en el proceso. Por lo general, la solución es una combinación de criterio empresarial y estadísticas. La parte crítica es definir un nivel de servicio de inventario aceptable, como satisfacer 95% de demanda inmediatamente desde el stock. La parte estadística es estimar el percentil 95 de la demanda.

Cuando no se trata de demanda intermitente, a menudo se puede estimar el nivel de inventario requerido asumiendo una curva de demanda en forma de campana (normal), estimando tanto el centro como el ancho de la curva de campana y luego usando una fórmula estadística estándar para estimar el percentil deseado. La diferencia entre el nivel de inventario deseado y el nivel promedio de demanda se denomina "existencia de seguridad" porque protege contra la posibilidad de desabastecimiento.

Cuando se trata de demanda intermitente, la curva en forma de campana es una aproximación muy pobre a la distribución estadística de la demanda. En este caso especial, Smart aprovecha la tecnología patentada para la demanda intermitente que está diseñada para pronosticar con precisión los rangos y producir una mejor estimación del stock de seguridad necesario para lograr el nivel de servicio de inventario requerido.

Los clientes a menudo nos preguntan por qué una recomendación de almacenamiento es "tan alta". Aquí hay una pregunta que recibimos recientemente:

Durante nuestra última reunión de equipo, encontramos algunos elementos con brechas anormales entre nuestro ROP actual y el ROP sugerido por Smart en un nivel de servicio 99%. La preocupación es que el sistema indica que el punto de reorden tendrá que aumentar sustancialmente para lograr un nivel de servicio 99%. ¿Podría por favor ayudarnos a entender el cálculo?

Cuando revisamos los datos, quedó claro para el cliente que la ROP calculada por Smart era realmente correcta. Llegamos a la conclusión de que (1) lo que realmente querían era un objetivo de nivel de servicio mucho más bajo y (2) no habíamos hecho una buena explicación de lo que realmente significaba "nivel de servicio". 

Entonces, ¿qué significa realmente un "nivel de servicio 99%"? 

Cuando se trata del objetivo que ingresa en su software de optimización de inventario, significa que el nivel de existencias para el artículo en cuestión tendrá un 99% de posibilidades de poder satisfacer las necesidades del cliente. de inmediato.  Por ejemplo, si tiene 50 unidades en stock, existe una probabilidad de 99% de que la próxima demanda caiga en algún lugar en el rango de 0 a 50 unidades.

Lo que nuestro cliente quiso decir fue que el 99% del momento en que un cliente hizo un pedido, fue entregado en su totalidad dentro del plazo de entrega indicado por el cliente. En otras palabras, no necesariamente de inmediato, sino cuando se prometió.  

Obviamente, cuanto más tiempo se dé a sí mismo para entregar a un cliente, mayor será su nivel de servicio. Pero esa distinción a menudo no se entiende explícitamente cuando los nuevos usuarios del software de optimización de inventario realizan escenarios hipotéticos en diferentes niveles de servicio. Y eso puede llevar a una confusión considerable. Calcular los niveles de servicio en función de la disponibilidad inmediata de existencias es un estándar superior: más difícil de cumplir pero mucho más competitivo.

Nuestros clientes de fabricación a menudo cotizan los niveles de servicio en función de los plazos de entrega a sus clientes, por lo que no es esencial que entreguen inmediatamente desde el estante. Por el contrario, nuestros clientes en los espacios de distribución, mantenimiento, reparación y operaciones (MRO) y repuestos, normalmente deben enviar el mismo día o dentro de las 24 horas. Para ellos es una necesidad competitiva enviar de inmediato y hacerlo en su totalidad.

Al ingresar los niveles de servicio objetivo utilizando su software de optimización de inventario, tenga en cuenta esta distinción. Elija el nivel de servicio según el porcentaje de tiempo que desea enviar el inventario completo, de inmediato desde el estante.  

Los retrasos en los plazos de entrega y la variabilidad del suministro son hechos de la vida de la cadena de suministro, sin embargo, las organizaciones que llevan el inventario a menudo se sorprenden cuando un proveedor se retrasa. Un proceso de planificación de inventario efectivo abarca este hecho 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 y causen una escasez. Pero la mayoría de las veces, la escasez es el resultado de:

1. No calcular las políticas de almacenamiento (p. ej., puntos de pedido, existencias de seguridad y niveles mínimos y máximos) con la frecuencia suficiente para detectar cambios en el tiempo de entrega. 
2. Usar estimaciones deficientes del tiempo de entrega real, como usar solo promedios de recibos históricos o confiar en una cotización del proveedor.

En su lugar, vuelva a calibrar las políticas en cada parte durante cada ciclo de planificación para detectar cambios en la demanda y los plazos de entrega. En lugar de asumir solo un tiempo de entrega promedio, simule los tiempos de entrega utilizando escenarios. De esta forma, las políticas de almacenamiento recomendadas tienen en cuenta las probabilidades de que los plazos de entrega sean elevados y se ajustan en consecuencia. Cuando haga esto, identificará los aumentos de inventario necesarios antes de que sea demasiado tarde. Obtendrá más ventas e impulsará mejoras significativas en la satisfacción del cliente.