Mientras el mundo contiene la respiración para ver cómo se desarrollará el nuevo coronavirus (2019-nCOV), cruzamos los dedos por todos aquellos que actualmente están en cuarentena o bajo tratamiento y rezamos para que las autoridades sanitarias de todo el mundo pronto tomen la delantera. .
Esta breve nota trata sobre una forma en que su empresa puede desarrollar un plan para adaptarse a una de las posibles consecuencias del virus: aumentos repentinos en el tiempo que lleva obtener la reposición de inventario de los proveedores. Las cadenas de suministro en todo el mundo están siendo interrumpidas. Si esto te sucede, ¿cómo puedes reaccionar de manera sistemática?
Reacción a plazos de entrega más largos
Este es un problema que se puede resolver utilizando análisis avanzados de la cadena de suministro. Presumiblemente, es posible que ya haya utilizado esta tecnología para tomar buenas decisiones para los parámetros de control utilizados en la gestión de todos sus artículos de inventario, por ejemplo, valores para Min y Max o Punto de pedido y Cantidad de pedido. La pregunta técnica específica que se aborda aquí es cómo convertir un aumento en el tiempo de reabastecimiento en cambios en esos parámetros de control.
En general, los plazos de entrega más largos requieren inventarios más amplios si desea mantener un alto nivel de servicio al cliente. Esta regla general se traduce en valores mayores de Min y/o Max. Cuánto más grande depende críticamente de qué nuevos valores de tiempo de entrega más largos aparecerán y sus probabilidades de ocurrir.
Si bien muchos sistemas de software de planificación asumen un tiempo de entrega fijo, la realidad es que casi todos los tiempos de entrega tienen cierto grado de aleatoriedad. Por lo general, ignorar que la aleatoriedad aumenta el riesgo de desabastecimiento, por lo que es importante tener una buena estimación de la distribución de probabilidad de los tiempos de entrega. En tiempos normales, sus datos transaccionales se pueden usar para estimar esa relación. Pero las interrupciones repentinas como 2019-nCOV crean situaciones sin precedentes en las que debe hacer conjeturas informadas sobre qué nuevos retrasos verá y qué tan probables son. Supondremos aquí que puede imaginar algunos de estos escenarios y desea descubrir cómo responder mejor a ellos.
Un ejemplo utilizando software avanzado
Para ilustrar este tipo de planificación prospectiva, considere un ejemplo hipotético. Un artículo, una pieza de repuesto, tiene un patrón establecido de plazos de reposición, con retrasos de 5, 10 y 15 días con probabilidades de 15%, 70% y 15%, respectivamente. Dada esta distribución y una demanda aleatoria con un promedio de una unidad cada 5 días, los valores de Min = 5 y Max = 10 hacen un buen trabajo. La Figura 1 muestra una simulación de 10 años de operación diaria bajo este escenario. La tasa de llenado y el nivel de servicio son altos y los desabastecimientos son poco frecuentes.
Ahora suponga que las interrupciones en la cadena de suministro crean una distribución menos favorable del tiempo de entrega, con una combinación 50:50 de 15 y 30 días. La Figura 2 muestra el mal desempeño de los valores actuales de Min y Max en este nuevo escenario. La tasa de llenado y el nivel de servicio se desploman debido a los frecuentes desabastecimientos. Costos operativos más del triple debido a penalizaciones por pedidos atrasados. Solo la inversión en inventario (el valor promedio en dólares de las existencias en el estante) parece mejorar, pero esto sucede solo porque con mucha frecuencia hay pedidos pendientes y no queda nada en el estante. El cambio a plazos de entrega más largos requiere claramente nuevos valores más altos de Min y Max.
La Figura 3 muestra cómo funciona el sistema cuando el Min aumenta de 5 a 10 y el Max de 10 a 15. Este cambio compensa los plazos de entrega más largos, restaurando los altos niveles anteriores de tasa de llenado y nivel de servicio. La inversión en inventario es necesariamente mayor, pero los costos operativos en realidad son más bajos que antes.
Resumen
Los cambios en las condiciones normales de operación requieren ajustes en la forma en que se administran los artículos del inventario. Uno de esos cambios que se avecina en esta fecha es el impacto potencial del virus Corona 2019-nCOV en las cadenas de suministro, con aumentos anticipados en los plazos de reposición.
Los cambios en los plazos de entrega requieren cambios en los parámetros de control de inventario, como Min's y Max's. Estos cambios son difíciles de hacer con confianza utilizando puras conjeturas. Pero con alguna estimación del aumento en los plazos de entrega, puede usar un software avanzado para aprender cómo hacer estos ajustes con cierta confianza.
Esta nota ilustra este punto usando simulaciones de la operación diaria de un sistema de control de inventario.
Figura 1 Simulación de operaciones normales utilizando los plazos de reabastecimiento actuales, mínimo y máximo
Figura 2 Simulación de operaciones anómalas utilizando plazos de entrega más largos y Mín. y Máx. actuales
Figura 3 Simulación de operaciones anormales utilizando plazos de entrega más largos y Min y Max revisados
Artículos Relacionados
¿Sus pronósticos estadísticos sufren el efecto de oscilación?
¿Qué es el efecto meneo? Es cuando su pronóstico estadístico predice incorrectamente los altibajos observados en su historial de demanda cuando realmente no hay un patrón. Es importante asegurarse de que sus pronósticos no cambien a menos que haya un patrón real. Aquí hay una transcripción de un cliente reciente donde se discutió este problema:
Cómo manejar pronósticos estadísticos de cero
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?
¡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!
Smart Software se complace en anunciar que nuestro artículo "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.
Mensajes recientes
Las 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuestoA 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. […]
Cómo interpretar y manipular los resultados del pronóstico con diferentes métodos de pronósticoEste 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. […]
Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezasAl 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 sentidoA 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. […]
La planificación de piezas de repuesto no es tan difícil como creeAl 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
- Las 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuestoA 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 piezasAl 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. […]
- La planificación de piezas de repuesto no es tan difícil como creeAl 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. […]
Planificación basada en el nivel de servicio para empresas de repuestosLa 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. […]
