En este blog, analizaremos el pronóstico automático para proyecciones de demanda de series temporales, centrándonos en técnicas, desafíos y mejores prácticas clave. Existen múltiples métodos para predecir la demanda futura de un artículo, y esto se vuelve complejo cuando se trata de miles de artículos, cada uno de los cuales requiere una técnica de pronóstico diferente debido a sus patrones de demanda únicos. Algunos artículos tienen una demanda estable, otros tienen una tendencia al alza o a la baja y algunos presentan estacionalidad. Seleccionar el método correcto para cada elemento puede resultar abrumador. Aquí exploraremos cómo la previsión automática simplifica este proceso.

La previsión automática se vuelve fundamental en la gestión de proyecciones de demanda a gran escala. Con miles de elementos, no resulta práctico seleccionar manualmente un método de pronóstico para cada uno. La previsión automática utiliza software para tomar estas decisiones, garantizando precisión y eficiencia en el proceso de previsión. Su importancia radica en su capacidad para manejar de manera eficiente necesidades de pronóstico complejas y a gran escala. Elimina la necesidad de selección manual, ahorrando tiempo y reduciendo errores. Este enfoque es particularmente beneficioso en entornos con diversos patrones de demanda, donde cada artículo puede requerir un método de pronóstico diferente.

 

Consideraciones clave para una previsión eficaz

1. Desafíos de la previsión manual:
   • Inviabilidad: Elegir manualmente métodos de pronóstico para miles de artículos es inmanejable.
   • Inconsistencia: el error humano puede generar pronósticos inconsistentes e inexactos.
2. Criterios para la selección del método:
   • Medición de errores: el criterio principal para seleccionar un método de pronóstico es el error de pronóstico típico, definido como la diferencia entre los valores previstos y reales. Este error se promedia a lo largo del horizonte de pronóstico (por ejemplo, pronósticos mensuales durante un año).
   • Análisis de reserva: esta técnica simula el proceso de esperar a que transcurra un año ocultando algunos datos históricos, haciendo pronósticos y luego revelando los datos ocultos para calcular errores. Esto ayuda a elegir el mejor método en tiempo real.
3. Torneo de pronóstico:
   • Comparación de métodos: diferentes métodos compiten para pronosticar cada elemento, ganando el método que produce el error promedio más bajo.
   • Ajuste de parámetros: cada método se prueba con varios parámetros para encontrar la configuración óptima. Por ejemplo, se puede intentar un suavizado exponencial simple con diferentes factores de ponderación.

 

Los algoritmos detrás de la previsión automática eficaz

La previsión automática es altamente computacional pero factible con tecnología moderna. El proceso implica:

• Segmentación de datos: Dividir los datos históricos en segmentos ayuda a gestionar y aprovechar diferentes aspectos de los datos históricos para realizar pronósticos más precisos. Por ejemplo, para un producto con demanda estacional, los datos pueden segmentarse por temporadas para capturar tendencias y patrones específicos de cada temporada. Esta segmentación permite a los pronosticadores hacer y probar pronósticos de manera más efectiva.
• Simulaciones repetidas: El uso de simulaciones deslizantes implica probar y refinar pronósticos repetidamente durante diferentes períodos. Este método valida la precisión de los métodos de pronóstico aplicándolos a diferentes segmentos de datos. Un ejemplo es el método de ventana deslizante, donde una ventana de tamaño fijo se mueve a través de los datos de la serie temporal, generando pronósticos para cada posición para evaluar el desempeño.
• Optimización de parámetros: La optimización de parámetros implica probar múltiples variantes de cada método de pronóstico para encontrar el que tenga mejor rendimiento. Al ajustar parámetros, como el factor de suavizado en los métodos de suavizado exponencial o el número de observaciones pasadas en los modelos ARIMA, los pronosticadores pueden ajustar los modelos para mejorar el rendimiento.

Por ejemplo, en nuestro software permitimos que varios métodos de pronóstico compitan por el mejor desempeño en un elemento determinado. El conocimiento de la previsión automática se traslada inmediatamente a la media móvil simple, la media móvil lineal, el suavizado exponencial único, el suavizado exponencial doble, el suavizado exponencial de Winters y el pronóstico promocional. Esta competencia garantiza que se seleccione el método más adecuado basándose en evidencia empírica, no en juicios subjetivos. El ganador del torneo es el método más cercano a predecir valores de datos nuevos a partir de los antiguos. La precisión se mide mediante el error absoluto promedio (es decir, el error promedio, ignorando los signos menos). El promedio se calcula sobre un conjunto de pronósticos, cada uno usando una porción de los datos, en un proceso conocido como simulación deslizante, que hemos explicado anteriormente en un blog anterior.

 

Métodos utilizados en la previsión automática

Normalmente, hay seis métodos de pronóstico extrapolativo que compiten en el torneo de pronóstico automático:

• media móvil simple
• Media móvil lineal
• Suavizado exponencial simple
• Suavizado exponencial doble
• Versión aditiva del suavizado exponencial de Winters
• Versión multiplicativa del suavizado exponencial de Winters

Los dos últimos métodos son apropiados para series estacionales; sin embargo, quedan automáticamente excluidos del torneo si hay menos de dos ciclos estacionales completos de datos (por ejemplo, menos de 24 períodos de datos mensuales u ocho períodos de datos trimestrales). Estos seis métodos clásicos basados en suavizado han demostrado ser fáciles de entender, fáciles de calcular y precisos. Puedes excluir cualquiera de estos métodos del torneo si tienes preferencia por algunos de los competidores y no por otros.

La previsión automática de datos de series temporales es esencial para gestionar proyecciones de demanda a gran escala de manera eficiente y precisa. Las empresas pueden lograr una mayor precisión de los pronósticos y optimizar sus procesos de planificación automatizando la selección de métodos de pronóstico y utilizando técnicas como el análisis de reservas y los torneos de pronóstico. Adoptar estas técnicas avanzadas de pronóstico garantiza que las empresas se mantengan a la vanguardia en entornos de mercado dinámicos y tomen decisiones informadas basadas en proyecciones de datos confiables.

 

 

 

La gestión de inventario basada en pronósticos, o lógica MRP (planificación de requisitos de materiales), es una metodología de planificación anticipada para gestionar el inventario. Este método garantiza que las empresas puedan satisfacer la demanda sin exceso de existencias, lo que inmoviliza el capital, o falta de existencias, lo que puede provocar pérdidas de ventas y clientes insatisfechos.

Al anticipar la demanda y ajustar los niveles de inventario en consecuencia, este enfoque ayuda a mantener el equilibrio adecuado entre tener suficiente stock para satisfacer las necesidades de los clientes y minimizar los costos de exceso de inventario. Las empresas pueden optimizar las operaciones, reducir el desperdicio y mejorar la satisfacción del cliente al predecir las necesidades futuras. Analicemos cómo funciona esto.

 

Conceptos básicos de la gestión de inventarios basada en pronósticos

Modelos de dinámica de inventario: Los modelos de dinámica de inventario son fundamentales para comprender y gestionar los niveles de inventario. El modelo más simple, conocido como modelo “diente de sierra”, demuestra que los niveles de inventario disminuyen con la demanda y se reponen justo a tiempo. Sin embargo, los escenarios del mundo real suelen requerir modelos más sofisticados. Al incorporar elementos estocásticos y variabilidad, como las simulaciones de Monte Carlo, las empresas pueden tener en cuenta las fluctuaciones aleatorias en la demanda y el tiempo de entrega, proporcionando un pronóstico más realista de los niveles de inventario.

plataforma IP&O mejora el modelado de la dinámica del inventario a través de capacidades avanzadas de simulación y análisis de datos. Al aprovechar la IA y los algoritmos de aprendizaje automático, nuestra plataforma IP&O puede predecir los patrones de demanda con mayor precisión, ajustando los modelos en tiempo real en función de los datos más recientes. Esto conduce a niveles de inventario más precisos, lo que reduce el riesgo de desabastecimiento y exceso de existencias.

Determinación de la cantidad y el momento del pedido: La gestión eficaz del inventario requiere saber cuándo y cuánto pedir. Esto implica pronosticar la demanda futura y calcular el tiempo de reposición de existencias. Al predecir cuándo el inventario alcanzará los niveles de seguridad, las empresas pueden planificar sus pedidos para garantizar un suministro continuo.

Nuestras últimas herramientas destacan por optimizar las cantidades y los plazos de los pedidos mediante el uso de análisis predictivos e inteligencia artificial. Estos sistemas pueden analizar grandes cantidades de datos, incluidas ventas históricas y tendencias del mercado. Al hacerlo, proporcionan pronósticos de demanda más precisos y optimizan los puntos de reorden, asegurando que el inventario se reponga justo a tiempo y sin exceso.

Calcular el tiempo de entrega: El tiempo de entrega es el período desde que se realiza un pedido hasta que se recibe el stock. Varía según la disponibilidad de componentes. Por ejemplo, si un producto se ensambla a partir de varios componentes, el plazo de entrega lo determinará el componente con el plazo de entrega más largo.

Las soluciones inteligentes impulsadas por IA mejoran el cálculo del tiempo de entrega al integrarse con los sistemas de gestión de la cadena de suministro. Estos sistemas rastrean el desempeño de los proveedores y los plazos de entrega históricos para proporcionar estimaciones de plazos de entrega más precisas. Además, las tecnologías inteligentes pueden alertar a las empresas sobre posibles retrasos, lo que permite realizar ajustes proactivos en los planes de inventario.

Cálculo del stock de seguridad: El stock de seguridad actúa como un amortiguador para proteger contra la variabilidad en la oferta y la demanda. Calcular el stock de seguridad implica analizar la variabilidad de la demanda y establecer un nivel de stock que cubra la mayoría de los escenarios potenciales, minimizando así el riesgo de desabastecimiento.

La tecnología IP&O mejora significativamente el cálculo del stock de seguridad mediante análisis avanzados. Al monitorear continuamente los patrones de demanda y las variables de la cadena de suministro, los sistemas inteligentes pueden ajustar dinámicamente los niveles de existencias de seguridad. Los algoritmos de aprendizaje automático pueden predecir picos o caídas de la demanda y ajustar el stock de seguridad en consecuencia, garantizando niveles óptimos de inventario y minimizando los costos de mantenimiento.

La importancia de una previsión precisa en la gestión de inventarios

Una previsión precisa es clave para minimizar los errores de previsión, que pueden provocar un exceso de inventario o desabastecimiento. Técnicas como la utilización de datos históricos, la mejora de la entrada de datos y la aplicación de métodos de pronóstico avanzados ayudan a lograr una mayor precisión. Los errores de pronóstico pueden tener implicaciones financieras importantes: un pronóstico excesivo genera un exceso de inventario, mientras que un pronóstico insuficiente conduce a la pérdida de oportunidades de ventas. Gestionar estos errores mediante el seguimiento sistemático y el ajuste de los métodos de previsión es crucial para mantener niveles óptimos de inventario.

El stock de seguridad garantiza que las empresas satisfagan las necesidades de los clientes incluso si la demanda real se desvía de la previsión. Este colchón protege contra picos imprevistos de demanda o retrasos en el reabastecimiento. Los pronósticos precisos, la gestión eficaz de errores y el uso estratégico del stock de seguridad mejoran la gestión de inventario basada en pronósticos. Las empresas pueden comprender la dinámica del inventario, determinar las cantidades y los plazos correctos para los pedidos, calcular plazos de entrega precisos y establecer niveles de existencias de seguridad adecuados.

El uso de tecnología de vanguardia como IP&O proporciona ventajas significativas al ofrecer información de datos en tiempo real, análisis predictivos y modelos adaptativos. Esto conduce a una gestión de inventario más eficiente, costos reducidos y una mayor satisfacción del cliente. En general, IP&O permite a las empresas planificar mejor y responder rápidamente a los cambios del mercado, garantizando que mantengan el equilibrio de inventario adecuado para satisfacer las necesidades de los clientes sin incurrir en costos innecesarios.

 

 

En este blog, exploraremos cómo las organizaciones pueden lograr una eficiencia y precisión excepcionales con la optimización del inventario impulsada por la IA. Los métodos tradicionales de gestión de inventario a menudo resultan insuficientes debido a su naturaleza reactiva y su dependencia de procesos manuales. Mantener niveles óptimos de inventario es fundamental para satisfacer la demanda de los clientes y minimizar los costos. La introducción de la optimización del inventario impulsada por la IA puede reducir significativamente la carga de los procesos manuales, brindando alivio a los gerentes de la cadena de suministro de tareas tediosas. Con la IA, podemos predecir la demanda con mayor precisión, reducir el exceso de existencias, evitar desabastecimientos y, en última instancia, mejorar los resultados de nuestra organización. Exploremos cómo este enfoque no solo aumenta las ventas y la eficiencia operativa, sino que también eleva la satisfacción del cliente al garantizar que los productos estén siempre disponibles cuando sea necesario.

 

Información para mejorar la toma de decisiones en la gestión de inventarios

1. Precisión de pronóstico mejorada Los algoritmos avanzados de aprendizaje automático analizan datos históricos para identificar patrones que los humanos podrían pasar por alto. Técnicas como la agrupación, la detección de cambios de régimen, la detección de anomalías y el análisis de regresión proporcionan información profunda sobre los datos. Medir el error de pronóstico es esencial para perfeccionar los modelos de pronóstico; por ejemplo, técnicas como el error absoluto medio (MAE) y el error cuadrático medio (RMSE) ayudan a cuantificar la precisión de los pronósticos. Las empresas pueden mejorar la precisión monitoreando y ajustando continuamente los pronósticos en función de estas métricas de error. como el Planificador de demanda en un minorista de hardware declarado, "Con las mejoras en nuestros pronósticos y planificación de inventario que permitió Smart Software, hemos podido reducir el stock de seguridad en 20% y al mismo tiempo reducir los desabastecimientos en 35%".

2. Análisis de datos en tiempo real Los sistemas de última generación pueden procesar grandes cantidades de datos en tiempo real, lo que permite a las empresas ajustar sus niveles de inventario de forma dinámica en función de las tendencias actuales de la demanda y las condiciones del mercado. Los algoritmos de detección de anomalías pueden identificar y corregir automáticamente picos o caídas repentinas en la demanda, garantizando que los pronósticos sigan siendo precisos. Una historia de éxito notable proviene de Smart IP&O, que permitió a una empresa reducir el inventario en 20% mientras mantenía los niveles de servicio mediante el análisis continuo de datos en tiempo real y el ajuste de los pronósticos en consecuencia. Destacado Gerente de Materiales de FedEx Tech, "Cualquiera que sea la solicitud, debemos cumplir con nuestro compromiso de servicio al día siguiente: Smart nos permite ajustar el riesgo de nuestro inventario para asegurarnos de que tenemos los productos y piezas disponibles para lograr los niveles de servicio que nuestros clientes requieren".

3. Mejora de la eficiencia de la cadena de suministro Las plataformas tecnológicas inteligentes pueden optimizar toda la cadena de suministro, desde la adquisición hasta la distribución, prediciendo los plazos de entrega y optimizando las cantidades de los pedidos. Esto reduce el riesgo de exceso y falta de existencias. Por ejemplo, al utilizar la gestión de inventario basada en pronósticos, Smart Software ayudó a un fabricante a optimizar su cadena de suministro, reduciendo los tiempos de entrega en 15% y mejorando la eficiencia general. El vicepresidente de operaciones de Procon Pump declaró: "Una de las cosas que me gusta de esta nueva herramienta... es que puedo evaluar las consecuencias de las decisiones sobre el almacenamiento del inventario antes de implementarlas".

4. Toma de decisiones mejorada La IA proporciona información y recomendaciones prácticas, lo que permite a los gerentes tomar decisiones informadas. Esto incluye identificar artículos de baja rotación, pronosticar la demanda futura y optimizar los niveles de existencias. El análisis de regresión, por ejemplo, puede relacionar las ventas con variables externas como la estacionalidad o indicadores económicos, proporcionando una comprensión más profunda de los impulsores de la demanda. Uno de los clientes de Smart Software informó una mejora significativa en los procesos de toma de decisiones, lo que resultó en un aumento de 30% en los niveles de servicio y al mismo tiempo redujo el exceso de inventario en 15%. "Smart IP&O nos permitió modelar la demanda en cada ubicación de almacenamiento y, utilizando una planificación basada en el nivel de servicio, determinar cuánto almacenar para lograr el nivel de servicio que requerimos", señaló el Responsable de Compras en Empresas Seneca.

5. Reducción de costo Al optimizar los niveles de inventario, las empresas pueden reducir los costos de mantenimiento y minimizar las pérdidas por productos obsoletos o caducados. Los sistemas impulsados por IA también reducen la necesidad de realizar comprobaciones manuales de inventario, lo que ahorra tiempo y costes laborales. Un estudio de caso reciente muestra cómo se logró la implementación de la planificación y optimización del inventario (IP&O) dentro de los 90 días posteriores al inicio del proyecto. Durante los seis meses siguientes, IP&O permitió ajustar los parámetros de almacenamiento de varios miles de artículos, lo que resultó en reducciones de inventario de $9,0 millones y al mismo tiempo mantuvo los niveles de servicio objetivo.

 

Al aprovechar algoritmos avanzados y análisis de datos en tiempo real, las empresas pueden mantener niveles óptimos de inventario y mejorar el rendimiento general de su cadena de suministro. La planificación y optimización del inventario (IP&O) es una herramienta poderosa que puede ayudar a su organización a alcanzar estos objetivos. La incorporación de optimización de inventario de última generación en su organización puede generar mejoras significativas en la eficiencia, la reducción de costos y la satisfacción del cliente.

 

 

 

El software de optimización de inventario que respalda el análisis hipotético expondrá el equilibrio entre los desabastecimientos y los costos excesivos de los distintos objetivos de nivel de servicio. Pero primero es importante identificar cómo se interpretan, miden y reportan los “niveles de servicio”. Esto evitará la falta de comunicación y la falsa sensación de seguridad que puede desarrollarse cuando se utilizan definiciones menos estrictas. Definir claramente cómo se calcula el nivel de servicio pone a todas las partes interesadas en la misma página. Esto facilita una mejor toma de decisiones.

Hay muchas diferencias en lo que quieren decir las empresas cuando mencionan sus "niveles de servicio". Esto puede variar de una empresa a otra e incluso de un departamento a otro dentro de una empresa. Aquí hay dos ejemplos:

 

1. Nivel de servicio medido "desde el estante" versus un plazo de entrega cotizado por el cliente.
   El nivel de servicio medido "desde el estante" significa el porcentaje de unidades solicitadas que están inmediatamente disponibles en stock. Sin embargo, cuando un cliente realiza un pedido, a menudo no se envía de inmediato. El servicio de atención al cliente o ventas cotizarán cuándo se enviará el pedido. Si el cliente está de acuerdo con la fecha de envío prometida y el pedido se envía antes de esa fecha, se considera que se ha cumplido el nivel de servicio. Los niveles de servicio serán claramente más altos cuando se calculen según el tiempo de entrega cotizado por el cliente en comparación con "disponible en el estante".

2. Nivel de servicio medido sobre el tiempo de entrega fijo versus variable cotizado por el cliente.
   Los altos niveles de servicio a menudo están sesgados porque los plazos de entrega cotizados por el cliente se ajustan posteriormente para permitir que casi todos los pedidos se surtan “a tiempo y en su totalidad”. Esto sucede cuando no se puede cumplir con el tiempo de entrega inicial, pero el cliente acepta tomar el pedido más tarde, y el campo de tiempo de entrega cotizado por el cliente que se utiliza para rastrear el nivel de servicio es ajustado por ventas o servicio al cliente.

Aclarar cómo se definen, miden y reportan los “niveles de servicio” es esencial para alinear las organizaciones y mejorar la toma de decisiones, lo que resulta en prácticas de gestión de inventario más efectivas.

 

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.

 

 

 

Las empresas que dependen de hojas de cálculo para la planificación de la demanda, la previsión y la gestión de inventario a menudo se ven limitadas por las limitaciones inherentes de las hojas de cálculo. Esta publicación examina los inconvenientes de los enfoques tradicionales de gestión de inventario causados por las hojas de cálculo y sus costos asociados, comparándolos con los importantes beneficios que se obtienen al adoptar tecnologías de planificación de última generación.

Las hojas de cálculo, si bien son flexibles por su infinita capacidad de personalización, son fundamentalmente de naturaleza manual y requieren una importante gestión de datos, aportación humana y supervisión. Esto aumenta el riesgo de errores, desde simples errores al ingresar datos hasta complejos errores de fórmula, que causan efectos en cascada que impactan negativamente en los pronósticos. Además, a pesar de los avances en las funciones colaborativas que permiten que varios usuarios interactúen con una hoja común, los procesos basados en hojas de cálculo suelen estar aislados. El titular de la hoja de cálculo posee los datos. Cuando esto sucede, comienzan a surgir muchas fuentes de datos veraces. Sin la confianza de una fuente de datos acordada, prístina y actualizada automáticamente, las organizaciones no tienen la base necesaria a partir de la cual se pueden construir modelos predictivos, pronósticos y análisis.

Por el contrario, los sistemas de planificación avanzada como Smart IP&O están diseñados para superar estas limitaciones. Dichos sistemas están diseñados para ingerir datos automáticamente a través de API o archivos de sistemas ERP y EAM, transformar esos datos utilizando herramientas ETL integradas y pueden procesar grandes volúmenes de datos de manera eficiente. Esto permite a las empresas gestionar tareas complejas de inventario y previsión con mayor precisión y menos esfuerzo manual porque la recopilación, agregación y transformación de datos ya están realizadas. La transición a sistemas de planificación avanzados es clave para optimizar los recursos por varias razones.

Las hojas de cálculo también tienen un problema de escala. Cuanto más crece el negocio, mayor es el número de hojas de cálculo, libros de trabajo y fórmulas. El resultado es un conjunto de interdependencias rígidas y estrechamente entrelazadas que se vuelven difíciles de manejar e ineficientes. Los usuarios tendrán dificultades para manejar el aumento de la carga y la complejidad con tiempos de procesamiento lentos y la incapacidad de administrar grandes conjuntos de datos y enfrentar desafíos al colaborar entre equipos y departamentos.

Por otro lado, los sistemas de planificación avanzados para la optimización del inventario, la planificación de la demanda y la gestión de inventario son escalables y están diseñados para crecer con el negocio y adaptarse a sus necesidades cambiantes. Esta escalabilidad garantiza que las empresas puedan seguir gestionando su inventario y sus previsiones de forma eficaz, independientemente del tamaño o la complejidad de sus operaciones. Al hacer la transición a sistemas como Smart IP&O, las empresas no sólo pueden mejorar la precisión de su gestión y pronóstico de inventario, sino también obtener una ventaja competitiva en el mercado al ser más receptivos a los cambios en la demanda y más eficientes en sus operaciones.

Beneficios de saltar: Una empresa de servicios eléctricos luchaba por mantener la disponibilidad de piezas de repuesto sin tener un exceso de existencias para más de 250.000 piezas en una red diversa de instalaciones de generación y distribución de energía. Reemplazó su proceso de planificación heredado de veinte años que hacía un uso intensivo de hojas de cálculo con Smart IP&O y una integración en tiempo real a su sistema EAM. Antes de Smart, solo podían modificar los niveles mínimo/máximo y de stock de seguridad con poca frecuencia. Cuando lo hicieron, casi siempre fue porque ocurrió un problema que desencadenó la revisión. Los métodos utilizados para cambiar los parámetros de almacenamiento dependieron en gran medida de la intuición y de los promedios del uso histórico. La empresa de servicios públicos aprovechó los escenarios hipotéticos de Smart para crear gemelos digitales de políticas de almacenamiento alternativas y simuló cómo se comportaría cada escenario en indicadores clave de rendimiento, como el valor del inventario, los niveles de servicio, las tasas de cumplimiento y los costos de escasez. El software identificó aumentos y disminuciones mínimos y máximos específicos que se implementaron en su sistema EAM, impulsando reabastecimientos óptimos de sus repuestos. El resultado: una importante reducción de inventario de $9 millones que liberó efectivo y valioso espacio de almacén al mismo tiempo que mantuvo los niveles de servicio objetivo de 99%+.

Gestión de la precisión del pronóstico: El error de pronóstico es una parte inevitable de la gestión de inventario, pero la mayoría de las empresas no lo rastrean. Como dijo Peter Drucker: "No se puede mejorar lo que no se mide". Una empresa mundial de fabricación de alta tecnología que utilizaba un proceso de pronóstico basado en hojas de cálculo tuvo que crear manualmente sus pronósticos de referencia y sus informes de precisión de los pronósticos. Dada la carga de trabajo de los planificadores y los procesos aislados, simplemente no actualizaban sus informes con mucha frecuencia y, cuando lo hacían, los resultados tenían que distribuirse manualmente. La empresa no tenía forma de saber cuán preciso era un pronóstico determinado y no podía citar sus errores reales por grupo de piezas con confianza. Tampoco sabían si sus pronósticos estaban superando a un método de control. Después de que Smart IP&O entró en funcionamiento, el módulo de planificación de la demanda lo automatizó. Smart Demand Planner ahora vuelve a pronosticar automáticamente su demanda en cada ciclo de planificación utilizando métodos de aprendizaje automático y guarda informes de precisión para cada pieza x ubicación. Cualquier anulación que se aplique a los pronósticos ahora se puede comparar automáticamente con la línea de base para medir el valor agregado del pronóstico, es decir, si el esfuerzo adicional para realizar esos cambios mejoró la precisión. Ahora que existe la capacidad de automatizar el pronóstico estadístico de referencia y producir informes de precisión, esta empresa tiene una base sólida desde la cual mejorar su proceso de pronóstico y la precisión del pronóstico resultante.

Hágalo bien y manténgalo bien:  Otro cliente del negocio de repuestos ha utilizado las soluciones de previsión de Smart desde 2005: ¡casi 20 años! Se enfrentaron a desafíos al pronosticar piezas con demanda intermitente vendidas para respaldar su negocio de posventa de automóviles. Al reemplazar su enfoque basado en hojas de cálculo y cargas manuales a SAP con pronósticos estadísticos de demanda y stock de seguridad de SmartForecasts, pudieron reducir significativamente los pedidos pendientes y las ventas perdidas, con tasas de cumplimiento que mejoraron de 93% a 96% en solo tres meses. La clave de su éxito fue aprovechar el método patentado de Smart para pronosticar la demanda intermitente: el método de arranque "Smart-Willemain" generó estimaciones precisas de la demanda acumulada durante el tiempo de entrega que ayudó a garantizar una mejor visibilidad de las posibles demandas.

Conexión de pronósticos al plan de inventario: Los sistemas de planificación avanzados respaldan la gestión de inventario basada en pronósticos, que es un enfoque proactivo que se basa en pronósticos y simulaciones de demanda para predecir posibles resultados y sus probabilidades asociadas. Estos datos se utilizan para determinar los niveles óptimos de inventario. La previsión basada en escenarios o probabilística contrasta con la naturaleza más reactiva de los métodos basados en hojas de cálculo. Un cliente desde hace mucho tiempo en el negocio de las telas, anteriormente tuvo que lidiar con excesos y desabastecimientos debido a la demanda intermitente de miles de SKU. No tenían forma de saber cuáles eran sus riesgos de desabastecimiento y, por lo tanto, no podían modificar proactivamente las políticas para mitigar el riesgo más que hacer suposiciones muy generales que tendían a generar un exceso de existencias. Adoptaron el software de planificación de inventario y demanda de Smart Software para generar simulaciones de demanda que identificaron valores mínimos disponibles y cantidades de pedido óptimos, manteniendo la disponibilidad del producto para envío inmediato, destacando las ventajas de un enfoque de gestión de inventario basado en pronósticos.

Mejor colaboración:  Compartir previsiones con proveedores clave ayuda a garantizar el suministro. Kratos Space, parte de Kratos Defense & Security Solutions, Inc., aprovechó los pronósticos inteligentes para brindar a sus fabricantes por contrato mejores conocimientos sobre la demanda futura. Utilizaron los pronósticos para asumir compromisos sobre compras futuras que permitieron al CM reducir los costos de materiales y los plazos de entrega de los sistemas diseñados bajo pedido. Esta colaboración demuestra cómo las técnicas avanzadas de pronóstico pueden conducir a una colaboración significativa en la cadena de suministro que genera eficiencias y ahorros de costos para ambas partes.

​