​FONDO

La mayoría de los blogs, seminarios web y documentos técnicos de Smart Software describen el uso de nuestro software en "operaciones normales". Este trata sobre “operaciones irregulares”. Smart Software está en el proceso de adaptar nuestros productos para ayudarle a afrontar sus propias operaciones irregulares. Esto es una vista previa.

Escuché por primera vez el término “operaciones irregulares” cuando cumplía un período sabático en la Administración Federal de Aviación de Estados Unidos en Washington, DC. La FAA abrevia el término "IROPS" y lo utiliza para describir situaciones en las que el clima, problemas mecánicos u otros problemas interrumpen el flujo normal de la aeronave.

Smart Inventory Optimization® (“SIO”) currently works to provide what are known as “steady state” policies for managing inventory items. That means, for instance, that SIO automatically calculates values for reorder points (ROP’s) and order quantities (OQ’s) that are meant to last for the foreseeable future. It computes these values based on simulations of daily operations that extend years into the future. If and when the unforeseeable happens, our Cambio de regimén detection method reacts by removing obsolete data and allowing recalculation of the ROP’s and OQ’s.

A menudo observamos la creciente velocidad de los negocios, lo que acorta la duración del “futuro previsible”. Algunos de nuestros clientes ahora están adoptando horizontes de planificación más cortos, como pasar de planes trimestrales a mensuales. Un efecto secundario de este cambio es que las IROPS se han vuelto más importantes. Si un plan se basa en tres años simulados de demanda diaria, un evento extraño, como un gran pedido sorpresa, no importa mucho en el gran esquema de las cosas. Pero si el horizonte de planificación es muy corto, una gran demanda sorpresa puede tener un efecto importante en los indicadores clave de desempeño (KPI) calculados en un intervalo más corto: no hay tiempo para “promediar”. El planificador puede verse obligado a realizar una orden de reabastecimiento de emergencia para hacer frente a la interrupción. ¿Cuándo se debe realizar el pedido para hacer el mayor bien? ¿Qué tan grande debería ser?

ESCENARIO: OPS NORMALES

Para concretar esto, considere el siguiente escenario. Tom's Spares, Inc. proporciona piezas de servicio críticas a sus clientes, incluido SKU723, una placa de circuito de repuesto vendida con el nombre comercial WIDGET. La demanda de WIDGET es intermitente, con menos de una unidad por día. Tom's Spares realiza pedidos de WIDGET a Acme Products, quienes tardan entre 7 y 10 días en cumplir con los pedidos de reabastecimiento.

Tom’s Spares operates with a short inventory planning horizon of 28 days. The company operates in a competitive environment with impatient customers who only grudgingly accept backorders. Tom’s policy is to set ROP’s and OQ’s to keep inventory lean while maintaining a fill rate of at least 90%. Management monitors KPI’s on a monthly basis. In the case of WIDGETS, these KPI targets are currently met using an ROP=3 and an OQ=4, resulting in an average on hand of about 4 units and average fill rate of 96%.  Tom’s Spares has a pretty good thing going for WIDGETS.

La Figura 1 muestra dos meses de información WIDGET. El panel superior izquierdo muestra la demanda unitaria diaria. La parte superior derecha muestra las unidades diarias disponibles. El panel inferior izquierdo muestra el momento y el tamaño de los pedidos de reabastecimiento a Acme Products. La parte inferior derecha muestra las unidades pendientes de pedido debido a desabastecimientos. En esta simulación, la demanda diaria era 0 o 1, con una demanda de 2 unidades. Las unidades disponibles comenzaron el mes en 7 y nunca cayeron por debajo de 1, aunque en el mes siguiente hubo un desabastecimiento que resultó en una sola unidad en espera. Durante los dos meses, se enviaron a Acme 4 pedidos de reabastecimiento de 4 unidades cada uno, y todos llegaron durante el período de simulación de dos meses.

UN BUEN PROBLEMA INTERRUMPE LAS OPERACIONES NORMALES

Ahora agregamos algunos “buenos problemas” al escenario: surge un pedido inusualmente grande a mitad del período de planificación. Es “bueno” porque más demanda implica más ingresos. Pero es un “problema” porque los parámetros normales de control de inventario de operaciones (ROP=3, OQ=4) no fueron elegidos para hacer frente a esta situación. El aumento de la demanda podría ser tan grande, y en un momento tan desventajoso, como para abrumar el sistema de inventario, creando desabastecimientos y los consiguientes pedidos pendientes. El informe de KPI a la gerencia para un mes así no sería agradable.

La Figura 2 muestra un escenario en el que se produce un pico de demanda de 10 unidades en el tercer día del período de planificación. En este caso, el pico pone el inventario bajo agua durante el resto del mes y crea una cascada de pedidos pendientes que se extiende hasta el mes siguiente. Con un promedio de más de 1000 simulaciones, los KPI del mes 1 muestran un promedio disponible de 0,6 unidades y una miserable tasa de llenado de 44%.

LUCHA CONTRA CON OPERACIONES IRREGULARES

Tom's Spares puede responder a una situación irregular con un movimiento irregular creando una orden de reabastecimiento de emergencia. Para hacerlo bien, tienen que pensar en (a) cuándo realizar el pedido (b) qué tan grande debe ser el pedido y (c) si deben acelerar el pedido.

La cuestión del momento parece obvia: reaccionar tan pronto como llegue la orden. Sin embargo, si el cliente avisara con antelación, Tom's Spares podría realizar el pedido con antelación y estar en mejor posición para limitar las interrupciones provocadas por el pico. Sin embargo, si la comunicación entre Tom's y el cliente que realiza el pedido grande es irregular, entonces el cliente podría avisar a Tom's más tarde o no avisarle en absoluto.

El tamaño del pedido especial también parece obvio: haga un pedido anticipado del número de unidades requerido. Pero eso funciona mejor si Tom's Spares sabe cuándo se producirá el pico de demanda. De lo contrario, podría ser una buena idea realizar pedidos adicionales para limitar la duración de los pedidos pendientes. En general, cuanto menos alerta temprana se proporcione, mayor será el pedido que Tom's deberá realizar. Por supuesto, esta relación podría explorarse mediante simulación.

La llegada del pedido de reposición podría dejarse a la operación habitual de Acme Products. En las simulaciones anteriores, Acme tenía las mismas probabilidades de responder en 7 o 14 días. Para un horizonte de planificación de 28 días, correr el riesgo de obtener una respuesta de 14 días podría generar problemas, por lo que puede ser especialmente valioso para Tom's pagarle a Acme por el envío acelerado. Quizás de la noche a la mañana, pero posiblemente algo más barato pero relativamente rápido.

Exploramos algunos escenarios más mediante simulación. La tabla 1 muestra los resultados. Los escenarios 1 a 4 suponen que llega una demanda adicional sorpresa de 10 unidades el día 3, lo que desencadena un pedido inmediato de reabastecimiento adicional. El tamaño y el plazo de entrega del pedido de reabastecimiento varían.

El escenario 0 muestra que no hacer nada en respuesta a la demanda sorpresa conduce a una tasa de llenado abismal de 41% para ese mes; Lo que no se muestra es que este resultado establece que el próximo mes continuará con un desempeño deficiente. Las operaciones regulares no funcionarán bien. El planificador debe hacer algo para responder a la demanda anómala.

Hacer algo en respuesta implica realizar un pedido de reabastecimiento de emergencia por única vez. El planificador debe elegir el tamaño y el momento de ese pedido. Los escenarios 1 y 3 representan reposiciones “de tamaño medio”. Los escenarios 1 y 2 representan reabastecimientos al día siguiente, mientras que los escenarios 3 y 4 representan una respuesta garantizada en una semana.

Los resultados dejan claro que la respuesta inmediata es más importante que el tamaño de la orden de reabastecimiento para restaurar la tasa de cumplimiento. El reabastecimiento nocturno produce tasas de llenado en el rango 70%, mientras que el tiempo de reabastecimiento de una semana reduce la tasa de llenado al rango medio de 50% a medio 60%.

CONCLUSIONES

El software de gestión de inventario se está expandiendo desde su enfoque tradicional en operaciones normales a un enfoque adicional en operaciones irregulares (IROPS). Esta evolución ha sido posible gracias al desarrollo de nuevos métodos estadísticos para generar escenarios de demanda a nivel diario.

Consideramos una situación IROPS: la llegada sorpresa de una demanda anormalmente grande. Las simulaciones diarias proporcionaron orientación sobre el momento y el tamaño de una orden de reabastecimiento de emergencia. Los resultados de dicho análisis brindan a los planificadores de inventarios un respaldo crítico al estimar los resultados de intervenciones alternativas que les sugiere su experiencia.

La perspectiva de Feynman ilumina nuestro viaje: “En sus esfuerzos por aprender todo lo posible sobre la naturaleza, la física moderna ha descubierto que ciertas cosas nunca pueden “saberse” con certeza. Gran parte de nuestro conocimiento debe permanecer siempre incierto. Lo máximo que podemos saber es en términos de probabilidades”. - Richard Feynman, Las conferencias Feynman sobre física.

Cuando intentamos comprender el complejo mundo de la logística, la aleatoriedad juega un papel fundamental. Esto introduce una paradoja interesante: en una realidad donde se valoran la precisión y la certeza, ¿podría la naturaleza impredecible de la oferta y la demanda servir realmente como un aliado estratégico?

La búsqueda de pronósticos precisos no es sólo un ejercicio académico; es un componente crítico del éxito operativo en numerosas industrias. Para los planificadores de la demanda que deben anticipar la demanda de un producto, las ramificaciones de hacerlo bien (o mal) son fundamentales. Por lo tanto, reconocer y aprovechar el poder de la aleatoriedad no es simplemente un ejercicio teórico; es una necesidad de resiliencia y adaptabilidad en un entorno en constante cambio.

Aceptando la incertidumbre: métodos dinámicos, estocásticos y de Monte Carlo

Modelado dinámico: la búsqueda de una precisión absoluta en los pronósticos ignora la imprevisibilidad intrínseca del mundo. Los métodos de pronóstico tradicionales, con sus marcos rígidos, no logran adaptarse al dinamismo de los fenómenos del mundo real. Al aceptar la incertidumbre, podemos girar hacia modelos más ágiles y dinámicos que incorporen la aleatoriedad como componente fundamental. A diferencia de sus rígidos predecesores, estos modelos están diseñados para evolucionar en respuesta a nuevos datos, garantizando resiliencia y adaptabilidad. Este cambio de paradigma de un enfoque determinista a uno probabilístico permite a las organizaciones navegar la incertidumbre con mayor confianza, tomando decisiones informadas incluso en entornos volátiles.

Los modelos estocásticos guían a los pronosticadores a través de la niebla de la imprevisibilidad con los principios de probabilidad. Lejos de intentar eliminar la aleatoriedad, los modelos estocásticos la adoptan. Estos modelos evitan la noción de un futuro singular y predeterminado, presentando en cambio una serie de resultados posibles, cada uno con su probabilidad estimada. Este enfoque ofrece una representación más matizada y realista del futuro, reconociendo la variabilidad inherente de los sistemas y procesos. Al trazar un espectro de futuros potenciales, el modelado estocástico proporciona a quienes toman decisiones una comprensión integral de la incertidumbre, lo que permite una planificación estratégica informada y flexible.

Las simulaciones de Monte Carlo, que llevan el nombre del centro histórico del azar y la fortuna, aprovechan el poder de la aleatoriedad para explorar el vasto panorama de posibles resultados. Esta técnica implica la generación de miles, si no millones, de escenarios a través de un muestreo aleatorio, cada escenario pinta una imagen diferente del futuro basada en las incertidumbres inherentes del mundo real. Los tomadores de decisiones, armados con conocimientos de las simulaciones de Monte Carlo, pueden medir el rango de posibles impactos de sus decisiones, lo que la convierte en una herramienta invaluable para la evaluación de riesgos y la planificación estratégica en entornos inciertos.

Éxitos del mundo real: aprovechar la aleatoriedad

La estrategia de integrar la aleatoriedad en los pronósticos ha demostrado ser invaluable en diversos sectores. Por ejemplo, las principales empresas de inversión y bancos dependen constantemente de modelos estocásticos para hacer frente al comportamiento volátil del mercado de valores. Un ejemplo notable es cómo los fondos de cobertura emplean estos modelos para predecir los movimientos de precios y gestionar el riesgo, lo que lleva a opciones de inversión más estratégicas.

De manera similar, en la gestión de la cadena de suministro, muchas empresas confían en las simulaciones de Monte Carlo para abordar la imprevisibilidad de la demanda, especialmente durante las temporadas altas como las vacaciones. Al simular varios escenarios, pueden prepararse para una variedad de resultados, asegurándose de tener niveles de existencias adecuados sin comprometer demasiado los recursos. Este enfoque minimiza el riesgo de desabastecimiento y exceso de inventario.

Estos éxitos del mundo real resaltan el valor de integrar la aleatoriedad en los esfuerzos de pronóstico. Lejos de ser el adversario que a menudo se percibe, la aleatoriedad emerge como un aliado indispensable en el intrincado ballet de la previsión. Al adoptar métodos que respetan la incertidumbre inherente del futuro (reforzados por herramientas avanzadas como Smart IP&O), las organizaciones pueden navegar lo impredecible con confianza y agilidad. Por lo tanto, en el gran esquema de la previsión, puede ser prudente abrazar la noción de que, si bien no podemos controlar la tirada de los dados, ciertamente podemos elaborar estrategias en torno a ella.

Este videoblog contiene información esencial para quienes trabajan con las complejidades de la gestión de inventario. La sesión se centra en lograr el equilibrio adecuado dentro de la curva de compensación de acciones, invitando a los espectadores a comprender la importancia profundamente arraigada de este equilibrio. Si alguna vez ha tenido que administrar acciones, sabrá que se siente como un tira y afloja. Por un lado, está optando por tener menos inventario, lo cual es fantástico para ahorrar dinero, pero puede dejar a sus clientes en la miseria. Por otro lado, está considerando aumentar el inventario, lo que mantiene contentos a sus clientes pero puede resultar complicado para su presupuesto. Para tomar una decisión inteligente en este tira y afloja en curso, debe comprender dónde lo ubican sus decisiones actuales de inventario en esta curva de compensación. ¿Se encuentra en un punto en el que puede soportar la presión o necesita avanzar hasta un lugar más cómodo?

Si no puede responder a esta pregunta, significa que todavía depende de métodos obsoletos, lo que corre el riesgo de tener un excedente de inventario o necesidades insatisfechas de los clientes. Mire el video para que pueda ver exactamente dónde se encuentra en esta curva y comprender mejor si desea quedarse quieto o moverse a una posición más óptima.

Y si decide mudarse, tenemos las herramientas para guiarlo. El análisis avanzado de "qué pasaría si" de Smart IP&O permite a las empresas evaluar con precisión el impacto de diferentes estrategias de inventario, como ajustes a los niveles de existencias de seguridad o cambios en los puntos de reorden, en su equilibrio entre los costos de mantenimiento y los niveles de servicio. Al simular escenarios de demanda y políticas de inventario, Smart IP&O proporciona una visualización clara de los posibles resultados financieros y las implicaciones en el nivel de servicio, lo que permite tomar decisiones estratégicas basadas en datos. Esta poderosa herramienta garantiza que las empresas puedan lograr un equilibrio óptimo, minimizando el exceso de inventario y los costos relacionados, mientras mantienen altos niveles de servicio para satisfacer la demanda de los clientes de manera eficiente.  

Las organizaciones MRO existen en una amplia gama de industrias, incluido el transporte público, los servicios eléctricos, las aguas residuales, la energía hidroeléctrica, la aviación y la minería. Para realizar su trabajo, los profesionales de MRO utilizan sistemas de gestión de activos empresariales (EAM) y planificación de recursos empresariales (ERP). Estos sistemas están diseñados para realizar muchos trabajos. Dadas sus características, costo y amplios requisitos de implementación, se supone que los sistemas EAM y ERP pueden hacerlo todo.

Por ejemplo, en un evento reciente del Grupo de Trabajo de Maximo Utilities, varios prospectos declararon que "Nuestro EAM hará eso" cuando se les preguntó sobre los requisitos para pronosticar el uso, compensar los planes de suministro y optimizar las políticas de inventario. Se sorprendieron al saber que no era así y quisieron saber más.

En esta publicación, resumimos la necesidad de un software complementario que aborde análisis especializados para la optimización del inventario, la previsión y la planificación de piezas de servicio.   

Sistemas EAM

Los sistemas EAM no pueden asimilar pronósticos de uso futuro; estos sistemas simplemente no están diseñados para llevar a cabo la planificación del suministro y muchos ni siquiera tienen un lugar para guardar pronósticos. Entonces, cuando una empresa de MRO necesita compensar los requisitos conocidos para proyectos de capital o producción planificados, una aplicación complementaria como IP&O inteligente es necesario.

El software de optimización de inventario con funciones que respaldan la planificación de la demanda futura conocida tomará datos basados en proyectos que no se mantienen en el sistema EAM (incluidas las fechas de inicio del proyecto, la duración y cuándo se espera que se necesite cada parte) y calculará un pronóstico período por período. en cualquier horizonte de planificación. Ese pronóstico "planificado" se puede proyectar junto con pronósticos estadísticos de la demanda "no planificada" que surge del desgaste normal. En ese punto, el software de planificación de piezas puede determinar la oferta e identificar las brechas entre la oferta y la demanda. Esto garantiza que estas lagunas no pasen desapercibidas y provoquen una escasez que, de otro modo, retrasaría la finalización de los proyectos. También minimiza el exceso de stock que, de otro modo, se pediría demasiado pronto y consume innecesariamente efectivo y espacio de almacén. Una vez más, las empresas de MRO a veces asumen erróneamente que estas capacidades se abordan en su paquete EAM.

Sistemas ERP

Los sistemas ERP, por otro lado, normalmente incluyen un módulo MRP que está diseñado para procesar un pronóstico y calcular los requisitos de materiales. El procesamiento considerará el inventario disponible actual, las órdenes de venta abiertas, los trabajos programados, las órdenes de compra entrantes, cualquier lista de materiales y artículos en tránsito durante la transferencia entre sitios. Comparará esos valores del estado actual con los campos de la política de reabastecimiento más cualquier pronóstico mensual o semanal para determinar cuándo sugerir el reabastecimiento (una fecha) y cuánto reabastecer (una cantidad).

Entonces, ¿por qué no utilizar únicamente el sistema ERP para compensar el plan de suministro y evitar la escasez y el exceso? En primer lugar, si bien los sistemas ERP tienen un espacio reservado para un pronóstico y algunos sistemas pueden calcular el suministro utilizando sus módulos MRP, no facilitan la conciliación de los requisitos de demanda planificados asociados con los proyectos de capital. La mayoría de las veces, los datos sobre cuándo se llevarán a cabo los proyectos planificados se mantienen fuera del ERP, especialmente la lista de materiales del proyecto que detalla qué piezas se necesitarán para respaldar el proyecto. En segundo lugar, muchos sistemas ERP no ofrecen nada efectivo cuando se trata de capacidades predictivas, sino que se basan en matemáticas simples que simplemente no funcionan para piezas de repuesto debido a la alta prevalencia de la demanda intermitente. Finalmente, los sistemas ERP no tienen interfaces flexibles y fáciles de usar que permitan interactuar con las previsiones y el plan de suministro.

Lógica de puntos de reordenamiento

Tanto ERP como EAM tienen marcadores de posición para métodos de reabastecimiento de puntos de reorden, como niveles mínimos y máximos. Puede utilizar software de optimización de inventario para completar estos campos con las políticas de puntos de reorden ajustadas al riesgo. Luego, dentro de los sistemas ERP o EAM, los pedidos se activan cada vez que la demanda real (no prevista) hace que el stock disponible esté por debajo del mínimo. Este tipo de política no utiliza un pronóstico tradicional que proyecta la demanda semana tras semana o mes tras mes y a menudo se lo conoce como “reabastecimiento impulsado por la demanda” (ya que los pedidos solo ocurren cuando la demanda real hace que el stock esté por debajo de un nivel definido por el usuario). límite).

Pero el hecho de que no utilice un pronóstico período tras período no significa que no sea predictivo. Las políticas de puntos de reorden deben basarse en una predicción de la demanda durante un tiempo de reabastecimiento más un margen para proteger contra la variabilidad de la demanda y la oferta. Las empresas de MRO necesitan conocer el riesgo de desabastecimiento en el que incurren con cualquier política de abastecimiento determinada. Después de todo, la gestión de inventario es gestión de riesgos, especialmente en las empresas de MRO, cuando el costo del desabastecimiento es tan alto. Sin embargo, ERP y EAM no ofrecen ninguna capacidad para ajustar las políticas de almacenamiento en función del riesgo. Obligan a los usuarios a generar manualmente estas políticas de forma externa o a utilizar reglas básicas que no detallan los riesgos asociados con la elección de la política.

Resumen

La funcionalidad de planificación de la cadena de suministro, como la optimización del inventario, no es el objetivo principal de EAM y ERP. Debería aprovechar las plataformas de planificación complementarias, como Smart IP&O, que admiten pronósticos estadísticos, gestión de proyectos planificados y optimización de inventario. Smart IP&O desarrollará pronósticos y políticas de almacenamiento que pueden ingresarse en un sistema EAM o ERP para impulsar los pedidos diarios.

​En este video blog, exploramos las funciones críticas del análisis descriptivo, predictivo y prescriptivo en la gestión de inventario, destacando sus contribuciones esenciales para impulsar la optimización de la cadena de suministro a través de la previsión estratégica y el análisis de datos detallados.

Estos análisis fomentan un ecosistema de gestión de inventario dinámico, receptivo y eficiente al permitir a los administradores de inventario monitorear las operaciones actuales, anticipar desarrollos futuros y formular respuestas óptimas. Le explicaremos cómo Descriptive Analytics lo mantiene informado sobre las operaciones actuales, Predictive Analytics lo ayuda a anticipar demandas futuras y Prescriptive Analytics guía sus decisiones estratégicas para lograr la máxima eficiencia y rentabilidad.

By the end of the video, you’ll have a solid understanding of how to leverage these analytics to enhance your inventory management strategies. These are not just tools but a new way of thinking about and approaching inventory optimization with the support of modern software.