¿Sus pronósticos estadísticos sufren el efecto de oscilación?

 ¿Qué es el efecto de oscilación? 

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:

Cliente: “El pronóstico no sigue los patrones que veo en el historial. ¿Por qué no?" 

Inteligente: “Si miras de cerca, los altibajos que ves no son patrones. Es realmente ruido”.  

Cliente: “Pero si no predecimos los máximos, nos agotamos”.

Smart: “Si el pronóstico 'se moviera', sería mucho menos preciso. El sistema pronosticará cualquier patrón que sea evidente, en este caso una tendencia alcista muy leve. Protegeremos el ruido con existencias de seguridad. Los meneos se utilizan para establecer las existencias de seguridad”.

Cliente: “Está bien. Tiene sentido ahora. 

¿Sus pronósticos estadísticos sufren el gráfico de efecto de oscilación?

El movimiento parece tranquilizador pero, en este caso, está dando como resultado un pronóstico de demanda incorrecto. Los altibajos en realidad no ocurren a la misma hora cada mes. Un mejor pronóstico estadístico se muestra en verde claro.

 

 

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? Cuando la demanda anterior es mucho mayor que la demanda más reciente y la demanda más reciente tiene un volumen muy bajo (es decir, 1,2,3 unidades demandadas), la respuesta es, estadísticamente hablando, sí. Sin embargo, esto podría no coincidir con el conocimiento comercial del planificador y el nivel mínimo esperado de demanda. Entonces, ¿qué debe hacer un pronosticador para corregir esto? Aquí hay tres sugerencias:

 

  1. Limite los datos históricos alimentados al modelo. En una situación de tendencia a la baja, los datos más antiguos a menudo se mucho mayor que los datos recientes. Cuando se ignora la demanda de volumen mucho mayor anterior, la tendencia a la baja no será tan significativa. Todavía pronosticará una tendencia a la baja, pero es más probable que los resultados estén en línea con las expectativas comerciales.
  1. Pruebe la amortiguación de tendencias. Smart Demand Planner tiene una función llamada "cobertura de tendencias" que permite a los usuarios definir cómo una tendencia debe desaparecer con el tiempo. Cuanto mayor sea la cobertura de tendencia porcentual (0-100%), más pronunciada será la amortiguación de tendencia. Esto significa que una tendencia pronosticada no continuará durante todo el horizonte de pronóstico. Esto significa que el pronóstico de demanda comenzará a aplanarse antes de que llegue a cero en una tendencia bajista.
  1. Cambiar el modelo de pronóstico. Cambie de un método de tendencia, como Suavizado exponencial doble o Promedio móvil lineal, a un método sin tendencia, como Suavizado exponencial único o Promedio móvil simple. No pronosticará una tendencia a la baja, pero al menos su pronóstico no será cero y, por lo tanto, es más probable que la empresa lo acepte.

 

 

 

¡El artículo de Smart Software ganó el primer lugar en la categoría de pronóstico de los premios MVP de la cadena de suministro de 2022!

Belmont, Massachusetts, diciembre de 2022 – Smart Software se complace en anunciar que el artículo del cofundador, el Dr. Thomas R. Willemain, "Gestión del inventario en medio del cambio de régimen" ganó el primer lugar en la categoría Pronóstico de los premios MVP de 2022 Supply Chain Brief.

“Cambio de régimen” es un término estadístico que significa un cambio importante en el carácter de la demanda de un artículo de inventario. El historial de demanda de un artículo es el combustible que alimenta las máquinas de previsión de los planificadores de demanda. En general, cuanto más combustible, mejor, lo que nos brinda una mejor solución en el nivel promedio, la forma de cualquier patrón de estacionalidad y el tamaño y la dirección de cualquier tendencia. Pero hay una gran excepción a la regla de que “más datos son mejores datos”. Si hay un cambio importante en su negocio y la nueva demanda no se parece a la anterior, entonces los datos antiguos se vuelven peligrosos.

Lea el artículo del ganador del premio MVP aquí  https://smartcorp.com/inventory-optimization/managing-inventory-amid-regime-change/

Resumen de la cadena de suministro reúne el mejor contenido de cientos de líderes de opinión de la industria. Este premio MVP reconoce la Publicación más valiosa según lo juzgado por la audiencia, el comité de premios y las redes sociales de Supply Chain Brief. Smart Software ha sido reconocido por brindar el mayor valor a los profesionales de la industria e información útil de naturaleza estratégica. https://www.supplychainbrief.com/mvp-awards/2022-SCB-MVP-AWARDS/forecasting

Dr. Thomas R. Willemain es cofundador y vicepresidente sénior de investigación en Smart Software. Ha sido profesor en el MIT y en la Escuela de Gobierno Kennedy de Harvard y ahora es profesor emérito de Ingeniería Industrial y de Sistemas en el Instituto Politécnico Rensselaer. Tom fue un profesor visitante distinguido en la FAA y apoyó a la comunidad de inteligencia como consultor experto en estadística (GS15) en el Grupo de Investigación de Matemáticas de la NSA y más tarde en el Centro de Ciencias de la Computación de la IDA. Tiene títulos de la Universidad de Princeton (BSE, summa cum laude) y el Instituto Tecnológico de Massachusetts (MS y PhD), todos en Ingeniería Eléctrica.

Acerca de Smart Software, Inc.
Fundada en 1981, Smart Software, Inc. es líder en proporcionar a las empresas soluciones de optimización de inventario, planificación y previsión de la demanda en toda la empresa. Las soluciones de optimización de inventario y previsión de la demanda de Smart Software han ayudado a miles de usuarios en todo el mundo, incluidos clientes de empresas medianas y empresas Fortune 500, como Otis Elevator, Hitachi, WeatherTech y Disney. Smart Inventory Planning & Optimization brinda a los planificadores de la demanda las herramientas para manejar la estacionalidad de las ventas, las promociones, los productos nuevos y antiguos, las jerarquías multidimensionales y las piezas de servicio y los bienes de capital demandados de manera intermitente. También proporciona a los gerentes de inventario estimaciones precisas del inventario óptimo y el stock de seguridad requerido para cumplir con los pedidos futuros y lograr los niveles de servicio deseados. Smart Software tiene su sede en Belmont, Massachusetts, y se puede encontrar en línea en www.smartcorp.com.

 

 

Smart Software presenta en Community Summit North America

El director de ventas de canal y el ingeniero de soluciones empresariales de Smart Software presentarán tres sesiones en el evento Community Summit de este año en Orlando, FL.  

Belmont, MA, – Smart Software, Inc., proveedor de soluciones de optimización de inventario, planificación y pronóstico de demanda líderes en la industria, anunció hoy que su director de ventas de canal, Pete Reynolds, y su ingeniero de soluciones empresariales Erik Subatis, han sido seleccionados para presentar tres sesiones en Dynamics Community Summit NA. Explicarán cómo planificar utilizando el pronóstico colaborativo, cómo maximizar los niveles de servicio y cómo hacer pronósticos precisos durante las tres sesiones.

Smart Software también estará presente en la conferencia mostrando la planificación y optimización de inventario inteligente y las integraciones bidireccionales a Microsoft Dynamics NAV, Microsoft Dynamics 365 Business Central y Microsoft Dynamics AX.

Presentaciones de software inteligente en Community Summit North America 2022

  • Maximice los niveles de servicio y minimice los costos de inventario
    • Fecha de la sesión: 12/10/2022 14:00 - 14:45
    • Número de habitación: Tampa 2 – Centro de Convenciones, Nivel 2
  • Predecir y planificar el ciclo de ventas mediante pronósticos colaborativos
    •  Fecha de la sesión: 13/10/2022 9:00 AM -9:45 AM
    • Número de habitación: Sarasota 1 – Centro de Convenciones, Nivel 2
  • 5 consejos de planificación de la demanda para calcular la incertidumbre del pronóstico
    • Fecha de la sesión: 13/10/2022 10:00 AM -11:00 AM
    • Número de habitación: Osceola B – Centro de Convenciones, Nivel 2

 

Community Summit North America es la reunión independiente más grande del ecosistema de aplicaciones comerciales de Microsoft de usuarios, socios e ISV en el planeta. Pase por el stand #1122 para conocer los métodos de optimización y pronóstico probabilístico que pueden marcar una gran diferencia en sus resultados. Tanto si es un usuario experimentado de Microsoft que busca nuevas formas de optimizar su cadena de suministro como si es nuevo en Dynamics Applications y desea comprender cómo una plataforma de planificación puede ayudar a impulsar aumentos de ingresos y reducciones de inventario, visítenos.

 

Acerca de Smart Software, Inc.

Fundada en 1981, Smart Software, Inc. es líder en proporcionar a las empresas soluciones de optimización de inventario, planificación y previsión de la demanda en toda la empresa. Las soluciones de optimización de inventario y previsión de la demanda de Smart Software han ayudado a miles de usuarios en todo el mundo, incluidos clientes de empresas medianas y compañías Fortune 500, como Otis Elevator, Hitachi y Disney. Smart Inventory Planning & Optimization brinda a los planificadores de la demanda las herramientas para manejar la estacionalidad de las ventas, las promociones, los productos nuevos y antiguos, las jerarquías multidimensionales y las piezas de servicio y los bienes de capital demandados de manera intermitente. También proporciona a los gerentes de inventario estimaciones precisas del inventario óptimo y el stock de seguridad requerido para cumplir con los pedidos futuros y lograr los niveles de servicio deseados. Smart Software tiene su sede en Belmont, Massachusetts, y se puede encontrar en la World Wide Web en www.smartcorp.com.

Community Summit 2021 Planificación de inventario de software inteligente


Para obtener más información, comuníquese con Smart Software, Inc., Four Hill Road, Belmont, MA 02478.
Teléfono: 1-800-SMART-99 (800-762-7899); FAX: 1-617-489-2748; Correo electrónico: info@smartcorp.com

 

 

Smart Software para dirigir un seminario web como parte del Programa de socios de soluciones WERC

Belmont, MA, – Smart Software, Inc., proveedor de soluciones de optimización de inventario, planificación y pronóstico de la demanda líderes en la industria, anunció hoy que Greg Hartunian, presidente y director ejecutivo de Smart Software, dirigirá un seminario web de 30 minutos como parte del Programa de socios de soluciones WERC 

La presentación se centrará en cómo una compañía eléctrica líder implementó la planificación y optimización de inventario inteligente (Smart IP&O) como parte de la iniciativa de optimización estratégica de la cadena de suministro (SCO) de la empresa. Smart IP&O se implementó en solo 90 días, lo que permitió a la empresa de servicios públicos optimizar sus puntos de pedido y las cantidades de pedido de más de 250 000 piezas de repuesto. Durante la primera fase de la implementación, la plataforma ayudó a la empresa de servicios eléctricos a reducir el inventario en $9,000,000 mientras mantenía los niveles de servicio.

Finalmente, el seminario web concluirá mostrando Smart IP&O en una demostración en vivo.

 

Consejo de Investigación y Educación sobre Almacenamiento (WERC)

WERC es una organización profesional centrada en la gestión logística y su papel en la cadena de suministro. Desde su fundación en 1977, WERC ha mantenido una visión estratégica para ofrecer continuamente recursos que ayuden a los proveedores y profesionales de la distribución a mantenerse en la cima en nuestro campo dinámico y variable. En un mundo cada vez más complejo, los profesionales de la logística de distribución le dan sentido a las cosas para que las personas obtengan sus productos y servicios, las empresas cumplan con sus compromisos, las economías crezcan y las comunidades prosperen.

WERC impulsa a los profesionales de la logística de distribución a hacer su trabajo, sobresalir en sus carreras y marcar una diferencia en el mundo. WERC ayuda a sus miembros y empresas a tener éxito mediante la creación de experiencias de aprendizaje incomparables, ofreciendo oportunidades de creación de redes de calidad y accediendo a información de la industria impulsada por la investigación.

 

Acerca de Smart Software, Inc.
Fundada en 1981, Smart Software, Inc. es líder en proporcionar a las empresas soluciones de optimización de inventario, planificación y previsión de la demanda en toda la empresa. Las soluciones de optimización de inventario y pronóstico de la demanda de Smart Software han ayudado a miles de usuarios en todo el mundo, incluidos clientes de empresas medianas y compañías Fortune 500, como Otis Elevator, Mitsubishi, Siemens, Disney, FedEx, MARS y The Home Depot. Smart Inventory Planning & Optimization brinda a los planificadores de la demanda las herramientas para manejar la estacionalidad de las ventas, las promociones, los productos nuevos y antiguos, las jerarquías multidimensionales y las piezas de servicio y los bienes de capital demandados de manera intermitente. También proporciona a los gerentes de inventario estimaciones precisas del inventario óptimo y el stock de seguridad requerido para cumplir con los pedidos futuros y lograr los niveles de servicio deseados. Smart Software tiene su sede en Belmont,

 


Para obtener más información, comuníquese con Smart Software, Inc., Four Hill Road, Belmont, MA 02478.
Teléfono: 1-800-SMART-99 (800-762-7899); FAX: 1-617-489-2748; Correo electrónico: info@smartcorp.com

 

 

Gestión del inventario para promociones

El Blog de Smart

 Recomendaciones para la planificación de la demanda,

previsión y optimización de inventario

en un Publicación anterior, analicé uno de los problemas más espinosos que a veces enfrentan los planificadores de demanda: trabajar con datos de demanda de productos caracterizados por lo que los estadísticos llaman sesgo, una situación que puede requerir costosas inversiones en inventario. Este tipo de datos problemáticos se encuentran en varios escenarios diferentes. En al menos uno, la combinación de demanda intermitente y promociones de ventas muy efectivas, el problema se presta a una solución efectiva.

Revisando los términos, recuerde que el “nivel de servicio” es la probabilidad de no agotarse mientras espera que llegue una orden de reposición, mientras que la “tasa de llenado” es el porcentaje de la demanda que se satisface inmediatamente con el stock. En mi publicación anterior, "El flagelo de la asimetría", señalé que cierto tipo de distribución de la demanda, que tiene una "cola larga a la derecha", conducirá a tasas de llenado que pueden ser mucho más bajas que los niveles de servicio. También señalé que, a veces, la única forma de mejorar la tasa de llenado es aumentar el nivel de servicio objetivo a un nivel inusualmente alto, lo que puede resultar costoso.

En esta publicación, analizaré la solución del problema en un caso especial: la asimetría resultante de promociones de ventas efectivas combinadas con "demanda intermitente". La demanda intermitente tiene una gran proporción de valores cero, con valores distintos de cero mezclados al azar. Las promociones de ventas exitosas, obviamente positivas, tienen un inconveniente: pueden confundir la "señal de demanda" con picos en su historial de demanda y pueden socavar los pronósticos y sesgar los cálculos de existencias de seguridad. Cuando la demanda intermitente y las promociones de ventas efectivas son la fuente de la asimetría de sus datos, existen métodos para solucionar el problema y lograr tasas de cumplimiento más altas y pronósticos de demanda más precisos.

Cómo las promociones aumentan la asimetría

Las promociones exitosas aumentan abruptamente la demanda de artículos. Esto crea anomalías, o "valores atípicos", que contribuyen a formar una distribución sesgada. Sabiendo cuándo ocurrieron promociones en el pasado, podemos ajustar el registro de demanda pasada de un artículo. Producimos un historial de demanda alternativo como si no hubiera habido promociones, reemplazando los valores atípicos con valores más representativos del nivel "natural" de demanda. Estos ajustes reducen la asimetría de la demanda. La reducción del sesgo puede conducir a reducciones significativas tanto en los pronósticos esperados como en las existencias de seguridad, que se suman para formar puntos de pedido.

Es probable que se repitan las promociones exitosas. Cuando eso sucede, los efectos de promoción se pueden agregar a los pronósticos de demanda para aumentar su precisión. El efecto de las futuras promociones en la gestión del inventario será aumentar el riesgo de desabastecimiento, por lo que una respuesta sensata es trabajar a nivel operativo para generar un suministro temporal, en una cantidad ajustada al impacto estimado de las promociones anteriores en los artículos afectados.

 

Uso del modelado de eventos para mejorar la previsión de la demanda

Es posible modelar el impacto de eventos similares y aplicarlo a eventos planificados en el futuro. Si lo hace, puede mejorar su pronóstico de dos maneras importantes: al proyectar la sacudida de la demanda que espera de un evento planificado; y racionalizando los picos en el pasado que fueron causados por eventos, haciendo que su actividad de referencia sea más visible y predecible con mayor precisión. Hacemos mucho de esto en SmartForecasts, así que permítame usar nuestra experiencia allí para mostrarle lo que quiero decir.

El modelado de eventos implica los siguientes pasos:
• Estimación automática del impacto de promociones anteriores (que es un resultado útil en sí mismo).
• Ajuste de la demanda histórica para eliminar estadísticamente el efecto de las promociones.
• Creación de previsiones sin promoción.
• Revisar las previsiones de los períodos de tiempo futuros en los que se prevén promociones.

A este tipo de análisis lo llamamos “pronóstico de promociones”. Usamos la palabra "promociones" para describir lo que hace usted mismo para mejorar sus resultados. Usamos "eventos" para describir lo que el mundo te hace, generalmente en detrimento tuyo; los ejemplos incluyen huelgas, cortes de energía, incendios en almacenes y otros sucesos desafortunados.

Para comprender cómo el modelado de eventos puede ayudarlo a lidiar con la asimetría al hacer pronósticos de demanda para artículos de gran volumen, considere las Figuras 1-3.

La Figura 1 muestra que el patrón de demanda de este artículo es claramente estacional, y el pronóstico es estacional y "ajustado", lo que significa que el intervalo de incertidumbre del pronóstico ("margen de error", que se muestra en líneas cian) es muy estrecho.

La figura 2 muestra una historia alternativa en la que una promoción en junio de 2014 revirtió el mínimo estacional habitual asociado con las ventas de junio. Este patrón de demanda se pronosticó mediante el torneo de pronóstico automático en SmartForecasts, como se muestra en la figura 1. Esta vez, la promoción alteró el patrón estacional lo suficiente como para crear un pronóstico no estacional inapropiado y que tiene un margen de error mucho mayor.

Finalmente, la Figura 3 muestra cómo el pronóstico de promoción maneja el mismo escenario promocionado, conservando un pronóstico estacional e incorporando al pronóstico una estimación del efecto de una promoción repetida planificada en 2015.

El caso de la demanda intermitente

En la Figura 1, el artículo era un bien terminado de gran volumen y la tarea era la previsión de la demanda. El modelado de promociones también es útil cuando se trata de la tarea de establecer existencias de seguridad y puntos de pedido para artículos con demanda intermitente, ya sean productos terminados, componentes o repuestos. La demanda intermitente muy a menudo tiene una distribución sesgada que dificulta lograr una alta disponibilidad de artículos con una pequeña inversión en inventario.

La Figura 4 ilustra el problema que una promoción exitosa puede crear accidentalmente para la gestión de inventario. Si tal aumento surge de la demanda natural no promovida, entonces la única forma de mantener altas tasas de llenado es proporcionar existencias de seguridad lo suficientemente grandes como para hacer frente a estos aumentos repentinos. En este caso, el gran aumento de la demanda de 500 unidades en febrero de 2013 fue el resultado de una promoción única.

Tener en cuenta las promociones para mejorar la gestión de inventario

Sin darse cuenta, tratar el pico en el ejemplo anterior como parte de la variabilidad natural de la demanda da como resultado una tasa de cumplimiento deficiente. Para lograr un nivel de servicio objetivo de, digamos, 95% con un plazo de entrega de un mes, se requeriría un punto de pedido de 38 unidades, calculado como la suma de un pronóstico esperado durante el plazo de entrega de reabastecimiento de un mes de 21 unidades complementado con un inventario de seguridad de 17 unidades. Esta inversión daría como resultado una tasa de llenado decepcionante de solo 36%.

Sin embargo, reconocer que el pico es una promoción única y reemplazar las 500 unidades con 0 obviamente marcaría una gran diferencia. El punto de pedido caería de 38 unidades a 31 (la suma de una demanda esperada de 7 unidades y un stock de seguridad de 24 unidades) y la tasa de llenado aumentaría a 94%.

Por supuesto, no está bien descartar picos de demanda inconvenientes cuando hacen que la vida sea incómoda; tiene que haber una “historia comercial” válida detrás del ajuste de la demanda histórica. Si el pico es el resultado de un error de procesamiento de datos, entonces, por supuesto, arréglelo. Si el pico coincide con una promoción, reemplazar el pico con, digamos, la demanda media (a menudo cero, como en este ejemplo) dará como resultado una inversión en inventario mucho más sostenible que aún cumple con los objetivos de rendimiento agresivos. Las futuras promociones del mismo tipo en el mismo artículo requerirán un esfuerzo adicional para prepararse para el aumento temporal de la demanda, pero el punto de reorden recomendado será correcto a largo plazo.

Thomas Willemain, PhD, cofundó Smart Software y actualmente se desempeña como vicepresidente sénior de investigación. El Dr. Willemain también se desempeña como Profesor Emérito de Ingeniería Industrial y de Sistemas en el Instituto Politécnico Rensselear y como miembro del personal de investigación en el Centro de Ciencias de la Computación, Instituto de Análisis de Defensa.

Deja un comentario

Artículos Relacionados

Las 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuesto

Las 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.

Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezas

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.

Mensajes recientes

  • Empresario y empresaria leyendo y analizando hojas de cálculoLas 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuesto
    A menudo nos encontramos con métodos de planificación de puntos de pedido basados en Excel. En esta publicación, detallamos un enfoque que utilizó un cliente antes de continuar con Smart. Describimos cómo funcionaba su hoja de cálculo, los enfoques estadísticos en los que se basaba, los pasos que los planificadores siguieron en cada ciclo de planificación y sus motivaciones declaradas para usar (y realmente gustarles) esta hoja de cálculo desarrollada internamente. […]
  • Grupo de negocios de estilo en trajes de negocios clásicos con binoculares y telescopios reproducen diferentes métodos de pronósticoCómo interpretar y manipular los resultados del pronóstico con diferentes métodos de pronóstico
    Este blog explica cómo funciona cada modelo de pronóstico utilizando gráficos de tiempo de datos históricos y de pronóstico. Describe cómo elegir qué modelo usar. Los ejemplos a continuación muestran el mismo historial, en rojo, pronosticado con cada método, en verde oscuro, en comparación con el método ganador elegido por Smart, en verde claro. […]
  • Ingeniero trabajador de fábrica que trabaja en la fábrica usando una tableta para verificar la tubería de agua de la caldera de mantenimiento en la fábrica.Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezas
    Al administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
  • Qué hacer cuando un pronóstico estadístico no tiene sentidoQué hacer cuando un pronóstico estadístico no tiene sentido
    A veces, un pronóstico estadístico simplemente no tiene sentido. Todos los pronosticadores han estado allí. Pueden volver a verificar que los datos se ingresaron correctamente o revisar la configuración del modelo, pero todavía se quedan pensando por qué el pronóstico se ve muy diferente al historial de demanda. Cuando el pronóstico ocasional no tiene sentido, puede erosionar la confianza en todo el proceso de pronóstico estadístico. […]
  • Retrato de una trabajadora de fábrica con casco azul sostiene una tableta y se para en el área de trabajo de repuestos. Concepto de confianza en trabajar con software de planificación de piezas de repuesto.La planificación de piezas de repuesto no es tan difícil como cree
    Al administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]

    Optimización de inventario para fabricantes, distribuidores y MRO

    • Empresario y empresaria leyendo y analizando hojas de cálculoLas 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuesto
      A menudo nos encontramos con métodos de planificación de puntos de pedido basados en Excel. En esta publicación, detallamos un enfoque que utilizó un cliente antes de continuar con Smart. Describimos cómo funcionaba su hoja de cálculo, los enfoques estadísticos en los que se basaba, los pasos que los planificadores siguieron en cada ciclo de planificación y sus motivaciones declaradas para usar (y realmente gustarles) esta hoja de cálculo desarrollada internamente. […]
    • Ingeniero trabajador de fábrica que trabaja en la fábrica usando una tableta para verificar la tubería de agua de la caldera de mantenimiento en la fábrica.Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezas
      Al administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
    • Retrato de una trabajadora de fábrica con casco azul sostiene una tableta y se para en el área de trabajo de repuestos. Concepto de confianza en trabajar con software de planificación de piezas de repuesto.La planificación de piezas de repuesto no es tan difícil como cree
      Al administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
    • Trabajador en un almacén de piezas de repuesto para automóviles que utiliza un software de planificación de inventarioPlanificación basada en el nivel de servicio para empresas de repuestos
      La planificación de piezas de servicio impulsada por el nivel de servicio es un proceso de cuatro pasos que se extiende más allá de la previsión simplificada y las existencias de seguridad de regla empírica. Proporciona a los planificadores de piezas de servicio un soporte de decisiones basado en datos y ajustado al riesgo. […]