El vicepresidente de investigación de Smart Software presentará en la conferencia Business Analytics, INFORMS 2022

El Dr. Tom Willemain dirigirá la sesión INFORMSDominando el campo de batalla del inventario: luchando contra la aleatoriedad con la aleatoriedad.”

Belmont, Massachusetts, marzo de 2022 – Smart Software, Inc., proveedor de soluciones de optimización de inventario, planificación y pronóstico de demanda líderes en la industria, anunció hoy que Tom Willemain, vicepresidente de investigación, presentará en la conferencia INFORMS Business Analytics, del 3 al 5 de abril de 2022, en Houston, TX.

El Dr. Willemain presentará una sesión sobre cómo los análisis de próxima generación arman a los líderes de la cadena de suministro en fabricación, distribución y MRO con herramientas para luchar contra la aleatoriedad en la demanda y el suministro. Durante su sesión detallará las siguientes tecnologías:

(1) Filtrado de cambio de régimen para mantener la relevancia de los datos frente a cambios repentinos en el entorno operativo.

(2) Métodos de arranque para generar grandes cantidades de demanda realista y escenarios de tiempo de entrega para alimentar modelos.

(3) Simulaciones de eventos discretos para procesar los escenarios de entrada y exponer los vínculos entre las acciones de gestión y los indicadores clave de rendimiento.

(4) Optimización estocástica basada en experimentos de simulación para ajustar cada elemento para obtener los mejores resultados.

Sin los análisis, los propietarios del inventario tienen dos opciones: apegarse a políticas operativas rígidas, generalmente basadas en reglas generales obsoletas e inválidas, o recurrir a conjeturas subjetivas e intuitivas que pueden no ayudar y no escalan.

Como la principal Conferencia de Business Analytics, INFORMS brinda la oportunidad de interactuar con los mejores investigadores y profesionales de pronósticos del mundo. La asistencia es lo suficientemente grande como para atraer a los mejores en el campo, pero lo suficientemente pequeña como para reunirse y discutir uno a uno. Además, la conferencia presenta contenido de los principales profesionales de análisis que comparten y muestran las principales aplicaciones de análisis que salvan vidas, ahorran dinero y resuelven problemas.

 

Acerca del Dr. Thomas Willemain

El Dr. Thomas Reed Willemain se desempeñó como consultor experto en estadística de la Agencia de Seguridad Nacional (NSA) en Ft. Meade, MD, y como miembro del personal de investigación adjunto en un grupo de expertos afiliado, el Instituto para el Centro de Análisis de Defensa para las Ciencias de la Computación (IDA/CCS). Es profesor emérito de ingeniería industrial y de sistemas en el Instituto Politécnico Rensselaer, y anteriormente ocupó cargos docentes en la Escuela de Gobierno Kennedy de Harvard y el Instituto de Tecnología de Massachusetts. También es cofundador y vicepresidente sénior/investigación de Smart Software, Inc. Es miembro de la Asociación de ex oficiales de inteligencia, la Sociedad de investigación de operaciones militares, la Asociación estadounidense de estadística y varias otras organizaciones profesionales. Willemain recibió el título de BSE (summa cum laude, Phi Beta Kappa) de la Universidad de Princeton y el MS y Ph.D. grados del Instituto de Tecnología de Massachusetts. Sus otros libros incluyen: Métodos estadísticos para planificadores, Análisis de sistemas médicos de emergencia (con RC Larson) y 80 artículos en revistas revisadas por pares sobre estadísticas, investigación operativa, atención médica y otros temas. Para obtener más información, envíe un correo electrónico a: TomW@SmartCorp.com o visite www.TomWillemain.com.

 

Acerca de Smart Software, Inc.

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

 

SmartForecasts y Smart IP&O son marcas comerciales registradas de Smart Software, Inc. Todas las demás marcas comerciales son propiedad de sus respectivos dueños.

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

 

 

 

Introducción a la predicción probabilística

El Blog de Smart

 Recomendaciones para la planificación de la demanda,

previsión y optimización de inventario

Si sigues las noticias sobre análisis de la cadena de suministro, se encontrará con más frecuencia con la frase “pronóstico probabilístico”. Si esta frase es desconcertante, sigue leyendo.

Probablemente ya sepa lo que significa "pronóstico". Y probablemente también sepa que parece haber muchas maneras diferentes de hacerlo. Y probablemente haya escuchado pequeñas frases picantes como "todo pronóstico es incorrecto". Así que sabes que algún tipo de matemágica podría calcular que "el pronóstico es que venderá 100 unidades el próximo mes", y luego podría vender 110 unidades, en cuyo caso tiene un error de pronóstico 10%.

Es posible que no sepa que lo que acabo de describir es un tipo particular de pronóstico llamado "pronóstico puntual". Un pronóstico puntual se llama así porque consta de un solo número (es decir, un punto en la recta numérica, si recuerda la recta numérica de su juventud).

Pronósticos puntuales tienen una virtud: Son simples. También tienen un defecto: dan lugar a afirmaciones sarcásticas como “todas las previsiones están equivocadas”. Es decir, en la mayoría de los casos realistas, es poco probable que el valor real sea exactamente igual al pronóstico. (Lo cual no es gran cosa si el pronóstico es lo suficientemente cercano).

Esto nos lleva al "pronóstico probabilístico". Este enfoque es un paso adelante, porque en lugar de producir un pronóstico de un solo número (punto), produce una distribución de probabilidad para el pronóstico. Y a diferencia de los modelos extrapolativos tradicionales que se basan únicamente en los datos históricos, los pronósticos probabilísticos tienen la capacidad de simular valores futuros que no están anclados al pasado.

“Distribución de probabilidad” es una frase prohibitiva, que evoca algunas matemáticas arcanas de las que quizás hayas oído hablar pero que nunca hayas estudiado. Afortunadamente, la mayoría de los adultos tienen suficiente experiencia de vida para tener una comprensión intuitiva del concepto. Cuando se desglosa, es bastante sencillo de entender.

Imagina el simple acto de lanzar dos monedas. Puede llamar a esto diversión inofensiva, pero yo lo llamo un "experimento probabilístico". El número total de caras que salgan en las dos monedas será cero, uno o dos. Lanzar dos monedas es un "experimento aleatorio". El número resultante de cabezas es una "variable aleatoria". Tiene una “distribución de probabilidad”, que no es más que una tabla de la probabilidad de que la variable aleatoria tenga alguno de sus posibles valores. La probabilidad de obtener dos caras cuando las monedas son justas resulta ser ¼, al igual que la probabilidad de que no salga cara. La probabilidad de una cara es ½.

El mismo enfoque puede describir una variable aleatoria más interesante, como la demanda diaria de una pieza de repuesto. La Figura 2 muestra tal distribución de probabilidad. Se calculó mediante la compilación de tres años de datos de demanda diaria de una determinada parte utilizada en un instrumento científico vendido a hospitales.

 

Pronóstico probabilístico de demanda 1

Figura 1: La distribución de probabilidad de la demanda diaria de una determinada pieza de repuesto

 

La distribución de la Figura 1 se puede considerar como un pronóstico probabilístico de la demanda en un solo día. Para esta parte en particular, vemos que es muy probable que el pronóstico sea cero (probabilidad 97%), pero a veces será para un puñado de unidades, y una vez cada tres años será para veinte unidades. Aunque el pronóstico más probable es cero, querrás tener algunos a mano si esta parte fuera crítica ("... por falta de un clavo...")

Ahora usemos esta información para hacer un pronóstico probabilístico más complicado. Suponga que tiene tres unidades a mano. ¿Cuántos días tardará en no tener ninguno? Hay muchas respuestas posibles, que van desde un solo día (si obtiene inmediatamente una demanda de tres o más) hasta un número muy grande (ya que 97% de días no ven demanda). El análisis de esta pregunta es un poco complicado debido a todas las formas en que esta situación puede desarrollarse, pero la respuesta final que es más informativa será una distribución de probabilidad. Resulta que el número de días hasta que no quedan unidades en stock tiene la distribución que se muestra en la Figura 2.

Pronóstico probabilístico de demanda 2

Figura 2: Distribución del número de días hasta que se acaban las tres unidades

 

El promedio de días es 74, lo que sería un pronóstico puntual, pero hay mucha variación alrededor del promedio. Desde la perspectiva de la gestión de inventario, cabe destacar que existe una posibilidad de 25% de que todas las unidades se hayan ido después de 32 días. Entonces, si decidió pedir más cuando solo tenía tres en el estante, sería bueno que el proveedor se los entregue antes de que haya pasado un mes. Si no pudieran, tendría la posibilidad de agotarse el 75%, lo que no es bueno para una pieza crítica.

El análisis detrás de la Figura 2 implicó hacer algunas suposiciones que eran convenientes pero no necesarias si no eran ciertas. Los resultados provinieron de un método llamado "simulación de Monte Carlo", en el que comenzamos con tres unidades, elegimos una demanda aleatoria de la distribución en la Figura 1, la restamos de las existencias actuales y continuamos hasta que se agoten las existencias, registrando cuántas Pasaron los días antes de que se acabara. Repitiendo este proceso 100.000 veces se produjo la Figura 2.

Las aplicaciones de la simulación de Monte Carlo se extienden a problemas de alcance aún mayor que el ejemplo anterior de "cuándo nos quedamos sin". Especialmente importantes son los pronósticos de Monte Carlo de la demanda futura. Si bien el resultado habitual de los pronósticos es un conjunto de pronósticos puntuales (por ejemplo, la demanda unitaria esperada durante los próximos doce meses), sabemos que la demanda real podría desarrollarse de varias maneras. La simulación podría usarse para producir, digamos, mil conjuntos posibles de 365 demandas diarias.

Este conjunto de escenarios de demanda expondría de manera más completa el rango de posibles situaciones con las que tendría que lidiar un sistema de inventario. Este uso de la simulación se denomina "prueba de estrés", porque expone un sistema a una variedad de escenarios variados pero realistas, incluidos algunos desagradables. Luego, esos escenarios se ingresan en modelos matemáticos del sistema para ver qué tan bien los manejará, como se refleja en los indicadores clave de rendimiento (KPI). Por ejemplo, en esos mil años simulados de operación, ¿cuántos desabastecimientos hay en el peor año? el año promedio? el mejor año? De hecho, ¿cuál es la distribución de probabilidad completa del número de desabastecimientos en un año y cuál es la distribución de su tamaño?

Las Figuras 3 y 4 ilustran el modelado probabilístico de un sistema de control de inventario que convierte los desabastecimientos en pedidos atrasados. El sistema simulado usa una política de control Min/Max con Min = 10 unidades y Max = 20 unidades.

La Figura 3 muestra un año simulado de operaciones diarias en cuatro parcelas. El primer gráfico muestra un patrón particular de demanda diaria aleatoria en el que la demanda promedio aumenta constantemente de lunes a viernes pero desaparece los fines de semana. La segunda gráfica muestra el número de unidades disponibles cada día. Tenga en cuenta que hay una docena de veces durante este año simulado cuando el inventario se vuelve negativo, lo que indica falta de existencias. El tercer gráfico muestra el tamaño y el momento de los pedidos de reabastecimiento. La cuarta gráfica muestra el tamaño y el tiempo de los pedidos pendientes. La información de estos gráficos se puede traducir en estimaciones de inversión en inventario, unidades promedio disponibles, costos de mantenimiento, costos de pedido y costos de escasez.

Pronóstico probabilístico de demanda 3

Figura 3: Un año simulado de operación del sistema de inventario

 

La figura 3 muestra uno de mil años simulados. Cada año tendrá diferentes demandas diarias, lo que dará como resultado diferentes valores de métricas como unidades disponibles y los diversos componentes del costo operativo. La figura 4 traza la distribución de 1000 valores simulados de cuatro KPI. La simulación de 1000 años de operación imaginada expone el rango de resultados posibles para que los planificadores puedan tener en cuenta no solo los resultados promedio, sino también ver los valores en el mejor y el peor de los casos.

Pronóstico probabilístico de demanda 4

Figura 4: Distribuciones de cuatro KPI basadas en 1000 simulaciones

 

La simulación de Monte Carlo es un enfoque de pronóstico probabilístico de pocas matemáticas y altos resultados: muy práctico y fácil de explicar. Los métodos avanzados de pronóstico probabilístico empleados por Smart Software amplían la simulación estándar de Monte Carlo y producen estimaciones extremadamente precisas de los niveles de inventario requeridos.

 

Deja un comentario

Artículos Relacionados

Smart Software anuncia patente de próxima generación

Smart Software anuncia patente de próxima generación

Smart Software se complace en anunciar la concesión de la patente estadounidense 11.656.887. La patente dirige “soluciones técnicas para analizar datos históricos de demanda de recursos en una plataforma tecnológica para facilitar la gestión de un proceso automatizado en la plataforma.

¿Sus pronósticos estadísticos sufren el efecto de oscilación?

¿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

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?

Mensajes recientes

  • What is Inventory Control Planning Management Optimization DictionaryWhat is Inventory Planning? A Brief Dictionary of Inventory-Related Terms
    People involved in the supply chain are likely to have questions about various inventory terms and methods used in their jobs. This note may help by explaining these terms and showing how they relate. […]
  • artificial intelligence ai and machine learning inventory management¿Confundido acerca de la IA y el aprendizaje automático?
    ¿Está confundido acerca de qué es la IA y qué es el aprendizaje automático? ¿No está seguro de por qué saber más le ayudará con su trabajo de planificación de inventario? No te desesperes. Estarás bien y te mostraremos cómo algo de lo que sea puede ser útil. […]
  • Ley de centrado Piezas de repuesto Sincronización Precios y confiabilidadLey de centrado: sincronización, precio y confiabilidad de los repuestos
    En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio. […]
  • Balance,Concept,Con,Chrome,Balls,software de optimización de inventarioCómo pronosticar los requisitos de inventario
    La previsión de las necesidades de inventario es una variante especializada de la previsión que se centra en el extremo superior del rango de posible demanda futura. Los métodos tradicionales suelen basarse en curvas de demanda en forma de campana, pero esto no siempre es exacto. En este artículo profundizamos en las complejidades de esta práctica, especialmente cuando se trata de una demanda intermitente. […]
  • Hermanos gemelos de planificación de la demanda con herramientas de previsiónSeis mejores prácticas de planificación de la demanda en las que debería pensar dos veces
    Cada campo, incluido el pronóstico, acumula sabiduría popular que eventualmente comienza a disfrazarse de “mejores prácticas”. Estas mejores prácticas suelen ser acertadas, al menos en parte, pero a menudo carecen de contexto y pueden no ser apropiadas para determinados clientes, industrias o situaciones comerciales. A menudo hay un problema, un “Sí, pero”. Esta nota trata sobre seis preceptos de pronóstico generalmente verdaderos que, sin embargo, tienen sus salvedades. […]

    Optimización de inventario para fabricantes, distribuidores y MRO

    • Ley de centrado Piezas de repuesto Sincronización Precios y confiabilidadLey de centrado: sincronización, precio y confiabilidad de los repuestos
      En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio. […]
    • 5 pasos para mejorar el impacto financiero de la planificación de repuestos5 pasos para mejorar el impacto financiero de la planificación de repuestos
      En el competitivo panorama empresarial actual, las empresas buscan constantemente formas de mejorar su eficiencia operativa y generar mayores ingresos. La optimización de la gestión de repuestos es un aspecto que a menudo se pasa por alto y que puede tener un impacto financiero significativo. Las empresas pueden mejorar la eficiencia general y generar importantes rendimientos financieros mediante la gestión eficaz del inventario de piezas de repuesto. Este artículo explorará las implicaciones económicas de la gestión optimizada de repuestos y cómo invertir en software de optimización de inventario y planificación de la demanda puede proporcionar una ventaja competitiva. […]
    • Estrategias de resultados para el software de planificación de piezas de repuestoEstrategias de resultados para la planificación de piezas de repuesto
      La gestión de piezas de repuesto presenta numerosos desafíos, como averías inesperadas, horarios cambiantes y patrones de demanda inconsistentes. Los métodos de pronóstico tradicionales y los enfoques manuales son ineficaces para hacer frente a estas complejidades. Para superar estos desafíos, este blog describe estrategias clave que priorizan los niveles de servicio, utilizan métodos probabilísticos para calcular los puntos de pedido, ajustan periódicamente las políticas de almacenamiento e implementan un proceso de planificación dedicado para evitar un inventario excesivo. Explore estas estrategias para optimizar el inventario de repuestos y mejorar la eficiencia operativa. […]
    • ingeniero técnico profesional que planifica piezas de repuesto en la fábrica de fabricación industrial,Prepare su planificación de repuestos para golpes inesperados
      En el clima empresarial impredecible de hoy, tenemos que preocuparnos por las interrupciones en la cadena de suministro, los largos plazos de entrega, el aumento de las tasas de interés y la volatilidad de la demanda. Con todos estos desafíos, nunca ha sido más vital para las organizaciones pronosticar con precisión el uso de piezas, los niveles de existencias y optimizar las políticas de reabastecimiento, como los puntos de pedido, las existencias de seguridad y las cantidades de los pedidos. En este blog, exploraremos cómo las empresas pueden aprovechar soluciones innovadoras como la optimización de inventario y el software de pronóstico de piezas que utilizan algoritmos de aprendizaje automático, pronóstico probabilístico y análisis para mantenerse a la vanguardia y proteger sus cadenas de suministro de impactos inesperados. […]

      La empresa de energía eléctrica selecciona un software inteligente para la optimización del inventario

      Smart IP&O entra en funcionamiento en 90 días y reduce el inventario en $9 millones en los primeros seis meses

      Belmont, MA., 2021Smart Software, Inc., proveedor de soluciones de optimización de inventario, planificación y pronóstico de demanda líderes en la industria, anunció hoy la selección, compra e implementación de su producto insignia, Smart IP&O, por parte de una importante empresa de servicios públicos de EE. UU. La plataforma ahora se utiliza para planificar más de 250 000 piezas de repuesto valoradas en más de $500 000 000 en la red de distribución de varios niveles de la empresa de servicios públicos. Smart IP&O se implementó en solo 90 días y se le atribuye la reducción del inventario en $9 millones mientras mantiene los niveles de servicio dentro de sus primeros seis meses de operación. La implementación de Smart IP&O es parte de la iniciativa de optimización estratégica de la cadena de suministro (SCO) de la empresa de servicios públicos para reemplazar el software heredado de veinte años. Las fases posteriores de la implementación de Smart Software integrarán Smart IP&O a su sistema IBM Maximo Asset Management. La clave para la selección y el éxito del proyecto hasta la fecha es el historial probado de Smart Software en la planificación de la demanda intermitente que prevalece en las piezas de repuesto y de servicio. La demanda intermitente o irregular se caracteriza por períodos frecuentes de demanda cero intercalados con grandes picos de demanda distinta de cero que aparentemente ocurren al azar. La empresa de servicios públicos estima que más del 80% de sus partes tienen una demanda intermitente. Smart Software aprovecha la previsión probabilística que crea miles de posibles resultados futuros de la demanda y los plazos de entrega. La capacidad comprobada de la tecnología para pronosticar con precisión el inventario requerido para lograr los altos niveles de servicio que requiere la empresa de servicios públicos y hacerlo a escala fueron diferenciadores críticos. La implementación se logró dentro de los 90 días posteriores al inicio del proyecto. Durante los siguientes seis meses, Smart IP&O permitió el ajuste de los parámetros de almacenamiento para varios miles de artículos, lo que resultó en reducciones de inventario de $9.0 millones mientras se mantenían los niveles de servicio objetivo. Se anticipan ahorros adicionales significativos, y mejoras en los niveles de servicio para repuestos críticos, para el próximo año a medida que se incorporen al sistema existencias para instalaciones adicionales. “Hemos tenido muchos éxitos muy sólidos al ayudar a los clientes en industrias intensivas en activos a optimizar su inventario de piezas”, dijo Greg Hartunian, director ejecutivo de Smart Software. “Combinado con el apoyo de Utility de arriba hacia abajo, la participación práctica de TI y el entusiasmo de los usuarios por adoptar un nuevo enfoque, teníamos una gran receta para el éxito. Esperamos aprovechar nuestro éxito inicial para ofrecer aún más valor juntos”. Acerca de Smart Software, Inc. Fundada en 1981, Smart Software, Inc. es líder en proporcionar a las empresas soluciones de optimización de inventario, planificación y previsión de la demanda en toda la empresa. Smart Inventory Planning & Optimization es una plataforma web multiinquilino que brinda a los planificadores de demanda las herramientas para manejar la estacionalidad de las ventas, las promociones, los productos nuevos y antiguos, las jerarquías multidimensionales y las piezas de servicio y los bienes de capital con demanda intermitente. La solución brinda a los gerentes de inventario estimaciones precisas del inventario óptimo y el stock de seguridad requerido para cumplir con los pedidos futuros y lograr los niveles de servicio deseados. Smart Software tiene su sede en Belmont, Massachusetts, y se puede encontrar en www.smartcorp.com.
       
      SmartForecasts y Smart IP&O son marcas comerciales registradas de Smart Software, Inc. Todas las demás marcas comerciales son propiedad de sus respectivos dueños.
      Para obtener más información, comuníquese con Smart Software, Inc., Four Hill Road, Belmont, MA 02478. Teléfono: 1-800-SMART-99 (800-762-7899); Correo electrónico: info@smartcorp.com  
      Mejore la precisión del pronóstico mediante la gestión de errores

      El Blog de Smart

       Recomendaciones para la planificación de la demanda,

      previsión y optimización de inventario

      Mejore la precisión de la prediccion, optimice el inventario y maximice los niveles de servicio

      En este video, el Dr. Thomas Willemain, cofundador y vicepresidente sénior de investigación, habla sobre cómo mejorar la precisión de los pronósticos mediante la gestión de errores. Este video es el primero de nuestra serie sobre métodos efectivos para mejorar la precisión de los pronósticos. Comenzamos observando cómo el error de pronóstico causa dolor y el costo consecuente relacionado con él. A continuación te explicaremos los tres errores más comunes a evitar que nos pueden ayudar a aumentar los ingresos y evitar el exceso de inventario. Tom concluye revisando los métodos para mejorar la Precisión del Pronóstico, la importancia de medir el error de pronóstico y las oportunidades tecnológicas para mejorarlo.

       

      El error de pronóstico puede tener consecuencias

      Considere un elemento de muchos

      • Fabricar el producto X cuesta $100 y genera una ganancia neta de $50 por unidad.
      • Las ventas del Producto X resultarán ser de 1000/mes durante los próximos 12 meses.
      • Considere un elemento de muchos

      ¿Cuál es el costo del error de pronóstico?

      • Si el pronóstico es 10% alto, termine el año con $120,000 de exceso de inventario.
      • 100 extra/mes x 12 meses x $100/unidad
      • Si el pronóstico es 10% bajo, pierda $60,000 de ganancias.
      • 100 muy pocos/mes x 12 meses x $50/unidad

       

      Tres errores a evitar

      1. Ignorar el error.

      • Falta de profesionalidad, abandono del deber.
      • Desear no hará que sea así.
      • Trate la evaluación de precisión como ciencia de datos, no como un juego de culpas.

      2. Tolerar más error del necesario.

      • Los métodos de pronóstico estadístico pueden mejorar la precisión a escala.
      • Mejorar las entradas de datos puede ayudar.
      • Recopilar y analizar las métricas de error de pronóstico puede identificar puntos débiles.

      3. Perder tiempo y dinero yendo demasiado lejos tratando de eliminar el error.

      • Algunas combinaciones de producto/mercado son inherentemente más difíciles de pronosticar. Después de un punto, déjelos en paz (pero esté alerta a los nuevos métodos de pronóstico especializados).
      • A veces, los pasos destinados a reducir el error pueden resultar contraproducentes (por ejemplo, el ajuste).
      Deja un comentario

      MENSAJES RECIENTES

      ¿Confundido acerca de la IA y el aprendizaje automático?

      ¿Confundido acerca de la IA y el aprendizaje automático?

      ¿Está confundido acerca de qué es la IA y qué es el aprendizaje automático? ¿No está seguro de por qué saber más le ayudará con su trabajo de planificación de inventario? No te desesperes. Estarás bien y te mostraremos cómo algo de lo que sea puede ser útil.

      Ley de centrado: sincronización, precio y confiabilidad de los repuestos

      Ley de centrado: sincronización, precio y confiabilidad de los repuestos

      En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio.

      Mensajes recientes

      • What is Inventory Control Planning Management Optimization DictionaryWhat is Inventory Planning? A Brief Dictionary of Inventory-Related Terms
        People involved in the supply chain are likely to have questions about various inventory terms and methods used in their jobs. This note may help by explaining these terms and showing how they relate. […]
      • artificial intelligence ai and machine learning inventory management¿Confundido acerca de la IA y el aprendizaje automático?
        ¿Está confundido acerca de qué es la IA y qué es el aprendizaje automático? ¿No está seguro de por qué saber más le ayudará con su trabajo de planificación de inventario? No te desesperes. Estarás bien y te mostraremos cómo algo de lo que sea puede ser útil. […]
      • Ley de centrado Piezas de repuesto Sincronización Precios y confiabilidadLey de centrado: sincronización, precio y confiabilidad de los repuestos
        En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio. […]
      • Balance,Concept,Con,Chrome,Balls,software de optimización de inventarioCómo pronosticar los requisitos de inventario
        La previsión de las necesidades de inventario es una variante especializada de la previsión que se centra en el extremo superior del rango de posible demanda futura. Los métodos tradicionales suelen basarse en curvas de demanda en forma de campana, pero esto no siempre es exacto. En este artículo profundizamos en las complejidades de esta práctica, especialmente cuando se trata de una demanda intermitente. […]
      • Hermanos gemelos de planificación de la demanda con herramientas de previsiónSeis mejores prácticas de planificación de la demanda en las que debería pensar dos veces
        Cada campo, incluido el pronóstico, acumula sabiduría popular que eventualmente comienza a disfrazarse de “mejores prácticas”. Estas mejores prácticas suelen ser acertadas, al menos en parte, pero a menudo carecen de contexto y pueden no ser apropiadas para determinados clientes, industrias o situaciones comerciales. A menudo hay un problema, un “Sí, pero”. Esta nota trata sobre seis preceptos de pronóstico generalmente verdaderos que, sin embargo, tienen sus salvedades. […]

        Optimización de inventario para fabricantes, distribuidores y MRO

        • Ley de centrado Piezas de repuesto Sincronización Precios y confiabilidadLey de centrado: sincronización, precio y confiabilidad de los repuestos
          En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio. […]
        • 5 pasos para mejorar el impacto financiero de la planificación de repuestos5 pasos para mejorar el impacto financiero de la planificación de repuestos
          En el competitivo panorama empresarial actual, las empresas buscan constantemente formas de mejorar su eficiencia operativa y generar mayores ingresos. La optimización de la gestión de repuestos es un aspecto que a menudo se pasa por alto y que puede tener un impacto financiero significativo. Las empresas pueden mejorar la eficiencia general y generar importantes rendimientos financieros mediante la gestión eficaz del inventario de piezas de repuesto. Este artículo explorará las implicaciones económicas de la gestión optimizada de repuestos y cómo invertir en software de optimización de inventario y planificación de la demanda puede proporcionar una ventaja competitiva. […]
        • Estrategias de resultados para el software de planificación de piezas de repuestoEstrategias de resultados para la planificación de piezas de repuesto
          La gestión de piezas de repuesto presenta numerosos desafíos, como averías inesperadas, horarios cambiantes y patrones de demanda inconsistentes. Los métodos de pronóstico tradicionales y los enfoques manuales son ineficaces para hacer frente a estas complejidades. Para superar estos desafíos, este blog describe estrategias clave que priorizan los niveles de servicio, utilizan métodos probabilísticos para calcular los puntos de pedido, ajustan periódicamente las políticas de almacenamiento e implementan un proceso de planificación dedicado para evitar un inventario excesivo. Explore estas estrategias para optimizar el inventario de repuestos y mejorar la eficiencia operativa. […]
        • ingeniero técnico profesional que planifica piezas de repuesto en la fábrica de fabricación industrial,Prepare su planificación de repuestos para golpes inesperados
          En el clima empresarial impredecible de hoy, tenemos que preocuparnos por las interrupciones en la cadena de suministro, los largos plazos de entrega, el aumento de las tasas de interés y la volatilidad de la demanda. Con todos estos desafíos, nunca ha sido más vital para las organizaciones pronosticar con precisión el uso de piezas, los niveles de existencias y optimizar las políticas de reabastecimiento, como los puntos de pedido, las existencias de seguridad y las cantidades de los pedidos. En este blog, exploraremos cómo las empresas pueden aprovechar soluciones innovadoras como la optimización de inventario y el software de pronóstico de piezas que utilizan algoritmos de aprendizaje automático, pronóstico probabilístico y análisis para mantenerse a la vanguardia y proteger sus cadenas de suministro de impactos inesperados. […]

          Planificación de orden probabilística vs. determinista

          El Blog de Smart

          Hombre con una computadora en las mejores prácticas de un almacén en la planificación de la demanda, la previsión y la optimización del inventario

          Considere el problema de reponer el inventario. Para ser específicos, suponga que el artículo de inventario en cuestión es una pieza de repuesto. Tanto usted como su proveedor querrán saber cuánto ordenarán y cuándo. Y su sistema ERP puede estar insistiendo en que también le diga el secreto.

          Modelo determinista de reabastecimiento

          La forma más sencilla de obtener una respuesta decente a esta pregunta es asumir que el mundo es, bueno, simple. En este caso, simple significa "no aleatorio" o, en lenguaje geek, "determinista". En particular, pretende que el tamaño aleatorio y el tiempo de la demanda es realmente un goteo continuo de un tamaño fijo que viene en un intervalo fijo, por ejemplo, 2, 2, 2, 2, 2, 2... Si esto parece poco realista , es. La demanda real podría parecerse más a esto: 0, 1, 10, 0, 1, 0, 0, 0 con muchos ceros, picos ocasionales pero aleatorios.

          Pero la sencillez tiene sus virtudes. Si pretende que la demanda promedio ocurre todos los días como un reloj, es fácil calcular cuándo deberá realizar su próximo pedido y cuántas unidades necesitará. Por ejemplo, suponga que su política de inventario es del tipo (Q,R), donde Q es una cantidad de pedido fija y R es un punto de pedido fijo. Cuando las existencias caen hasta el punto de reorden R o por debajo de este, pide Q unidades más. Para redondear la fantasía, suponga que el tiempo de reabastecimiento también es fijo: después de L días, esas Q nuevas unidades estarán en el estante listas para satisfacer la demanda.

          Todo lo que necesita ahora para responder a sus preguntas es la demanda promedio por día D para el artículo. La lógica es así:

          1. Comienza cada ciclo de reabastecimiento con Q unidades disponibles.
          2. Usted agota ese stock en D unidades por día.
          3. Por lo tanto, alcanza el punto de pedido R después de (QR)/D días.
          4. Entonces, usted ordena cada (QR)/D días.
          5. Cada ciclo de reabastecimiento dura (QR)/D + L días, por lo que realiza un total de 365D/(Q-R+LD) pedidos por año.
          6. Siempre que el tiempo de entrega L < R/D, nunca se agotará y su inventario será lo más pequeño posible.

          La figura 1 muestra el gráfico del inventario disponible frente al tiempo para el modelo determinista. En torno al software inteligente, nos referimos a este gráfico como el "diente de sierra determinista". El stock comienza en el nivel de la última cantidad de pedido Q. Después de disminuir constantemente durante el tiempo de caída (QR)/D, el nivel llega al punto de pedido R y activa un pedido de otras Q unidades. Durante el tiempo de entrega L, las existencias caen exactamente a cero, luego llega mágicamente el nuevo pedido y comienza el siguiente ciclo.

          Figura 1 Modelo determinista de inventario disponible

          Figura 1: Modelo determinista de inventario disponible

           

          Este modelo tiene dos cosas a su favor. No requiere más que álgebra de secundaria y combina (casi) todos los factores relevantes para responder las dos preguntas relacionadas: ¿Cuándo tendremos que hacer el próximo pedido? ¿Cuántos pedidos haremos en un año?

          Modelo Probabilístico de Reposición

          No es sorprendente que si eliminamos parte de la fantasía del modelo determinista, obtengamos información más útil. El modelo probabilístico incorpora toda la desordenada aleatoriedad del problema del mundo real: la incertidumbre tanto en el momento como en el tamaño de la demanda, la variación en el tiempo de reabastecimiento y las consecuencias de esos dos factores: la posibilidad de que las existencias disponibles no alcancen el reabastecimiento. punto, la probabilidad de que haya un desabastecimiento, la variabilidad en el tiempo hasta el próximo pedido y el número variable de pedidos ejecutados en un año.

          El modelo probabilístico funciona simulando las consecuencias de una demanda incierta y un tiempo de entrega variable. Mediante el análisis de los patrones históricos de demanda del artículo (y la exclusión de cualquier observación registrada durante un período en el que la demanda pudo haber sido fundamentalmente diferente), los métodos estadísticos avanzados crean una cantidad ilimitada de escenarios de demanda realistas. Se aplica un análisis similar a los registros de los plazos de entrega de los proveedores. La combinación de estos escenarios de oferta y demanda con las reglas operativas de cualquier política de control de inventario produce escenarios de la cantidad de piezas disponibles. De estos escenarios, podemos extraer resúmenes de los diferentes intervalos entre órdenes.

          La Figura 2 muestra un ejemplo de un escenario probabilístico; la demanda es aleatoria y el artículo se administra utilizando el punto de pedido R = 10 y la cantidad de pedido Q = 20. Atrás quedó el diente de sierra determinista; en su lugar hay algo más complejo y realista (la Escalera Probabilística). Durante los 90 días simulados de operación, se realizaron 9 pedidos y el tiempo entre pedidos varió claramente.

          Usando el modelo probabilístico, las respuestas a las dos preguntas (cuánto tiempo entre pedidos y cuántos en un año) se expresan como distribuciones de probabilidad que reflejan las probabilidades relativas de varios escenarios. La figura 3 muestra la distribución del número de días entre pedidos después de diez años de funcionamiento simulado. Si bien el promedio es de aproximadamente 8 días, el número real varía ampliamente, de 2 a 17.

          En lugar de decirle a su proveedor que realizará X pedidos el próximo año, ahora puede proyectar X ± Y pedidos, y su proveedor conoce mejor sus riesgos al alza y a la baja. Mejor aún, podría proporcionar la distribución completa como la respuesta más rica posible.

          Figura 2 Un escenario probabilístico de inventario disponible

          Figura 2 Un escenario probabilístico de inventario disponible

           

          Figura 3 Distribución de días entre pedidos

          Figura 3: Distribución de días entre pedidos

           

          Subiendo la escalera aleatoria hacia una mayor eficiencia

          Ir más allá del modelo determinista de inventario abre nuevas posibilidades para optimizar las operaciones. En primer lugar, el modelo probabilístico permite una evaluación realista del riesgo de desabastecimiento. El modelo simple en la Figura 1 implica que nunca hay un desabastecimiento, mientras que los escenarios probabilísticos permiten la posibilidad (aunque en la Figura 2 solo hubo una llamada cercana alrededor del día 70). Una vez que se conoce el riesgo, el software puede optimizar buscando en el "espacio de diseño" (es decir, todos los valores posibles de R y Q) para encontrar un diseño que cumpla con un nivel objetivo de riesgo de desabastecimiento a un costo mínimo. El valor del modelo determinista en este análisis más realista es que proporciona un buen punto de partida para la búsqueda a través del espacio de diseño.

          Resumen

          El software moderno proporciona respuestas a preguntas operativas con varios grados de detalle. Utilizando el ejemplo del tiempo entre pedidos de reabastecimiento, hemos demostrado que la respuesta se puede calcular de manera aproximada pero rápida mediante un modelo determinista simple. Pero también se puede proporcionar con mucho más detalle con toda la variabilidad expuesta por un modelo probabilístico. Pensamos en estas alternativas como complementarias. El modelo determinista agrupa todas las variables clave en un formato fácil de entender. El modelo probabilístico proporciona el realismo adicional que los profesionales esperan y respalda la búsqueda efectiva de opciones óptimas de punto de pedido y cantidad de pedido.

           

          Deja un comentario
          Artículos Relacionados
          ¿Confundido acerca de la IA y el aprendizaje automático?

          ¿Confundido acerca de la IA y el aprendizaje automático?

          ¿Está confundido acerca de qué es la IA y qué es el aprendizaje automático? ¿No está seguro de por qué saber más le ayudará con su trabajo de planificación de inventario? No te desesperes. Estarás bien y te mostraremos cómo algo de lo que sea puede ser útil.

          Ley de centrado: sincronización, precio y confiabilidad de los repuestos

          Ley de centrado: sincronización, precio y confiabilidad de los repuestos

          En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio.