Creemos que la vanguardia del análisis de la cadena de suministro es el desarrollo de gemelos digitales de sistemas de inventario. Estos gemelos toman la forma de modelos de eventos discretos que utilizan la simulación Monte Carlo para generar y optimizar toda la gama de riesgos operativos. También afirmamos que nosotros y nuestros colegas de Smart Software hemos desempeñado un papel enorme en la creación de esa vanguardia. Pero no estamos solos: hay un pequeño número de otras empresas de software en todo el mundo que se están poniendo al día.

Entonces, ¿qué sigue para el análisis de la cadena de suministro? ¿Dónde está la próxima frontera? Podría implicar algún tipo de modelo de red neuronal de un sistema de distribución. Pero daríamos mejores probabilidades a una extensión de nuestros modelos de vanguardia de sistemas de inventario de “escalón único” a sistemas de inventario de “escalones múltiples”.

Las Figuras 1 y 2 ilustran la distinción entre sistemas de escalón único y múltiple. La Figura 1 muestra un fabricante que depende de una Fuente para reponer su stock de repuestos o componentes. Cuando se avecina un desabastecimiento, el fabricante solicita reabastecimiento de existencias a la Fuente.

Figura 1: Un sistema de inventario de un solo escalón

Los modelos de escalón único no incluyen explícitamente detalles de la Fuente. Sigue siendo un misterio, un fantasma invisible cuya única característica relevante es el tiempo aleatorio que tarda en responder a una solicitud de reabastecimiento. Es importante destacar que se supone implícitamente que la Fuente nunca se agota. Esa suposición puede ser “suficientemente buena” para muchos propósitos, pero no puede ser literalmente cierta. Se maneja incorporando eventos de desabastecimiento de proveedores en la distribución del tiempo de entrega de reabastecimiento. Rechazar ese supuesto es la razón fundamental para el modelado multiescalón.

La Figura 2 muestra un sistema de inventario simple de dos escalones. Cambia los dominios de la fabricación a la distribución. Hay múltiples almacenes (WH) que dependen de un centro de distribución (DC) para el reabastecimiento. Ahora el DC es una parte explícita del modelo. Tiene una capacidad finita para procesar pedidos y requiere sus propios protocolos de reordenamiento. El DC se reabastece desde arriba en la cadena desde una Fuente. La Fuente podría ser el fabricante del artículo del inventario o quizás un “CD regional” o algo similar, pero ¿adivinen qué? – es otro fantasma. Al igual que en el modelo de un solo escalón, este fantasma tiene una característica visible: la distribución de probabilidad de su tiempo de reabastecimiento. (El chiste de un famoso chiste de física es "Pero señora, hay tortugas hasta abajo". En nuestro caso, "Son fantasmas hasta arriba").

Figura 2: Un sistema de inventario de dos niveles

El problema del diseño y optimización de procesos es mucho más difícil con dos niveles. La dificultad no es sólo la adición de dos parámetros de control más para cada WH (por ejemplo, un mínimo y un máximo para cada uno) más los mismos dos parámetros para el DC. Más bien, la parte más difícil es modelar la interacción entre los WH. En el modelo de un solo nivel, cada WH opera en su propio pequeño mundo y nunca escucha "Lo siento, estamos agotados" de la Fuente fantasmal. Pero en un sistema de dos niveles, hay múltiples WH que compiten por el reabastecimiento desde su DC compartido. Esta competencia crea la principal dificultad analítica: los WH no pueden modelarse de forma aislada sino que deben analizarse simultáneamente. Por ejemplo, si un DC da servicio a diez WH, hay 2+10×2 = 22 parámetros de control de inventario cuyos valores deben calcularse. En lenguaje nerd: no es trivial resolver un problema de optimización discreta restringido de 22 variables que tiene una función objetivo estocástica.

Si elegimos el diseño de sistema incorrecto, descubrimos un nuevo fenómeno inherente a los sistemas de múltiples niveles, que informalmente llamamos "fusión" o "catástrofe". En este fenómeno, el CD no puede satisfacer las demandas de reabastecimiento de los WH, por lo que eventualmente crea desabastecimientos a nivel de almacén. Luego, las solicitudes de reabastecimiento cada vez más frenéticas del WH agotan el inventario en el DC, que inicia sus propias solicitudes de reabastecimiento en pánico desde el DC regional. Si el CD regional tarda demasiado en reponer el CD, entonces todo el sistema se disuelve en una tragedia de desabastecimiento.

Una solución al problema de la fusión es sobrediseñar el CD para que casi nunca se agote, pero eso puede ser muy costoso, razón por la cual existe un CD regional en primer lugar. Por lo tanto, cualquier diseño de sistema asequible tiene un CC que sea lo suficientemente bueno como para durar mucho tiempo entre fusiones. Esta perspectiva implica un nuevo tipo de indicador clave de desempeño (KPI), como “La probabilidad de colapso dentro de X años es inferior al Y por ciento”.

La próxima frontera requerirá nuevos métodos y nuevas métricas, pero ofrecerá una nueva forma de diseñar y optimizar los sistemas de distribución. Nuestra fábrica de zorrillos ya está generando prototipos. Mira este espacio.

En este blog, analizaremos el mercado impredecible y de ritmo rápido de hoy y los constantes desafíos que enfrentan las empresas para administrar su inventario y niveles de servicio de manera eficiente. El tema principal de esta discusión, arraigado en el concepto de “Optimización probabilística del inventario”, se centra en cómo se puede aprovechar la tecnología moderna para lograr objetivos óptimos de servicio e inventario en medio de la incertidumbre. Este enfoque no sólo aborda los problemas tradicionales de gestión de inventarios, sino que también ofrece una ventaja estratégica para afrontar las complejidades de las fluctuaciones de la demanda y las interrupciones de la cadena de suministro.

Comprender e implementar la tecnología de optimización de inventario es importante por varias razones. En primer lugar, afecta directamente la capacidad de una empresa para satisfacer las demandas de los clientes con prontitud, afectando así la satisfacción y la lealtad del cliente. En segundo lugar, una gestión eficaz del inventario controla los costos operativos, reduciendo la retención innecesaria de existencias y minimizando el riesgo de desabastecimiento o exceso de existencias. En una era donde las condiciones del mercado cambian rápidamente, tener un sistema sólido para gestionar estos aspectos puede marcar la diferencia entre prosperar y simplemente sobrevivir.

En el corazón de la gestión de inventarios se encuentra una paradoja: la necesidad de estar preparado para la demanda fluctuante sin sucumbir a los peligros del exceso de existencias, que puede conducir a mayores costos de mantenimiento, obsolescencia y desperdicio de recursos. Por el contrario, la falta de existencias puede provocar desabastecimientos, pérdida de ventas y disminución de la satisfacción del cliente, lo que en última instancia afecta la reputación y los resultados de una empresa. La naturaleza impredecible de las demandas del mercado, agravada por posibles interrupciones en la cadena de suministro y cambios en el comportamiento de los consumidores, añade complejidad a este acto de equilibrio.

La tecnología juega un papel fundamental aquí. El software moderno de optimización de inventario integra modelos probabilísticos, algoritmos de pronóstico sofisticados y capacidades de simulación. Estos sistemas ayudan a las empresas a responder rápidamente a las condiciones cambiantes del mercado. Además, la adopción de dicha tecnología fomenta una cultura de toma de decisiones basada en datos, lo que garantiza que las empresas no simplemente reaccionen a las incertidumbres sino que elaboren estrategias de manera proactiva para mitigar sus impactos.

Aquí hay breves discusiones sobre las tecnologías algorítmicas relevantes.

Optimización probabilística del inventario: Los enfoques tradicionales de gestión de inventarios se basan en modelos deterministas que suponen un mundo estático y predecible. Estos modelos fallan ante la variabilidad y la incertidumbre. Ingrese a la optimización probabilística del inventario, un paradigma que abarca la aleatoriedad inherente a los procesos de la cadena de suministro. Este enfoque emplea modelos estadísticos para representar las incertidumbres en la oferta y la demanda, lo que permite a las empresas dar cuenta de una gama completa de resultados posibles.

Previsión avanzada:  Una piedra angular de la optimización eficaz del inventario es la capacidad de anticipar con precisión la demanda futura. Las técnicas de pronóstico avanzadas, como [no vendemos esto fuera de SmartForecasts o tal vez ya no esté allí, así que no lo menciones], el análisis de series de tiempo y el aprendizaje automático, extraen patrones explotables de datos históricos.

Cálculo del stock de seguridad: un escudo contra la incertidumbre:

Los pronósticos que incluyen estimaciones de su propia incertidumbre permiten calcular las existencias de seguridad. El stock de seguridad actúa como amortiguador contra la imprevisibilidad de la demanda y los plazos de entrega. Determinar el nivel óptimo de existencias de seguridad es un desafío crítico que los modelos probabilísticos abordan hábilmente. Con los niveles de stock de seguridad adecuados, las empresas pueden mantener altos niveles de servicio, asegurando la disponibilidad del producto sin la carga de un inventario excesivo.

Planificación de escenarios: preparación para múltiples futuros:

El futuro es intrínsecamente incierto y un único pronóstico nunca puede abarcar todos los escenarios posibles. Los métodos avanzados que crean una variedad de escenarios de demanda realistas son la forma esencial de optimización probabilística del inventario. Estas técnicas permiten a las empresas explorar las implicaciones de múltiples futuros, desde el mejor hasta el peor de los casos. Al planificar en función de estos escenarios, las empresas pueden mejorar su resiliencia frente a la volatilidad del mercado.

Navegando el futuro con confianza

El panorama incierto del entorno empresarial actual requiere un cambio de las prácticas tradicionales de gestión de inventarios a enfoques probabilísticos más sofisticados. Al adoptar los principios de optimización probabilística del inventario, las empresas pueden lograr un equilibrio duradero entre la excelencia del servicio y la eficiencia de costos. La integración de técnicas de pronóstico avanzadas, cálculos estratégicos de existencias de seguridad y planificación de escenarios, respaldados por Smart Inventory Planning and Optimization (Smart IP&O), equipa a las empresas para transformar la incertidumbre de un desafío a una oportunidad. Las empresas que adoptan este enfoque informan mejoras significativas en los niveles de servicio, reducciones en los costos de inventario y una mayor agilidad de la cadena de suministro.

Por ejemplo, los artículos menos críticos que se prevé alcanzarán los niveles de servicio 99%+ representan oportunidades para reducir el inventario. Al apuntar a niveles de servicio más bajos en artículos menos críticos, el inventario tendrá “el tamaño adecuado” con el tiempo para alcanzar el nuevo equilibrio, lo que disminuirá los costos de mantenimiento y el valor del inventario disponible. Un importante sistema de transporte público redujo el inventario en más de $4,000,000 y mejoró los niveles de servicio.

La optimización de los niveles de inventario también significa que los ahorros obtenidos en un subconjunto de artículos se pueden reasignar para mantener una cartera más amplia de artículos "en stock", lo que permite capturar ingresos que de otro modo se perderían en ventas. Un distribuidor líder pudo almacenar una cartera más amplia de piezas con ahorros gracias a la reducción de inventario y una mayor disponibilidad de piezas en 18%.

En este video blog, exploramos el papel integral que desempeñan los modelos de inventario en la configuración de los procesos de toma de decisiones de los profesionales de diversas industrias. Estos modelos, ya sean simulaciones informáticas tangibles o construcciones mentales intangibles, sirven como herramientas fundamentales para gestionar las complejidades de los entornos empresariales modernos. La discusión comienza con una descripción general de cómo se utilizan estos modelos para predecir resultados y optimizar las operaciones, enfatizando su relevancia en un panorama de mercado en constante evolución.

​La discusión explora más a fondo cómo varios modelos influyen claramente en los procesos de toma de decisiones estratégicas. Por ejemplo, los modelos mentales que los profesionales desarrollan a través de la experiencia a menudo guían las respuestas iniciales a los desafíos operativos. Estos modelos son subjetivos y se construyen a partir de conocimientos personales y encuentros pasados ​​con situaciones similares, lo que permite una toma de decisiones rápida e intuitiva. Por otro lado, los modelos basados ​​en computadora proporcionan un marco más objetivo. Utilizan datos históricos y cálculos algorítmicos para pronosticar escenarios futuros, ofreciendo una base cuantitativa para decisiones que deben considerar múltiples variables y resultados potenciales. Esta sección destaca ejemplos específicos, como el impacto del ajuste de las cantidades de los pedidos en los costos de inventario y la frecuencia de los pedidos o los efectos de los tiempos de entrega fluctuantes en los niveles de servicio y la satisfacción del cliente.

En conclusión, mientras que los modelos mentales proporcionan un marco basado en la experiencia y la intuición, los modelos informáticos ofrecen una perspectiva más detallada y basada en números. La combinación de ambos tipos de modelos permite un proceso de toma de decisiones más sólido, equilibrando el conocimiento teórico con la experiencia práctica. Este enfoque mejora la comprensión de la dinámica del inventario y equipa a los profesionales con las herramientas para adaptarse a los cambios de manera efectiva, garantizando la sostenibilidad y la competitividad en sus respectivos campos.