Cualquiera que haga el trabajo sabe que administrar el inventario puede ser estresante. Los factores estresantes comunes incluyen: clientes con solicitudes "especiales", departamentos de TI con otras prioridades, sistemas ERP inestables que se ejecutan con datos inexactos, escasez de materias primas, proveedores con largos plazos de entrega en países lejanos donde la producción a menudo se detiene por varias razones y más. Esta nota abordará una fuente de estrés particular y siempre presente: la variabilidad de la demanda.
Todo el mundo tiene un problema de previsión
Supongamos que gestiona una gran flota de repuestos. Estos pueden ser equipos quirúrgicos para su hospital o repuestos para su central eléctrica. Tu misión es maximizar el tiempo. Tu enemigo es el tiempo de inactividad. Pero debido a que las averías ocurren al azar, estás constantemente en modo reactivo. Puede esperar ser rescatado de las tecnologías de pronóstico. Pero los pronósticos son inevitablemente imperfectos hasta cierto punto: el elemento sorpresa siempre está presente. Puede esperar a que se implemente la tecnología de Internet de las cosas (IOT) en su equipo para monitorear y detectar fallas inminentes, lo que lo ayudará a programar las reparaciones con mucha anticipación. Pero sabes que no puedes medir las miles de cosas pequeñas que pueden fallar y deshabilitar una cosa grande.
Por lo tanto, decide combinar la previsión con la gestión de inventario y crear reservas o existencias de seguridad para protegerse contra picos inesperados en la demanda. ahora tienes que calcular cuanto stock de seguridad mantener, sabiendo que muy poco significa vulnerabilidad y demasiado significa hinchazón.
Suponga que maneja inventarios de productos terminados para una empresa de fabricación contra stock. Su problema es esencialmente el mismo que en la gestión de piezas de servicio: tiene clientes externos y una demanda incierta. Pero también puede tener problemas adicionales en términos de sincronización de múltiples proveedores de componentes que ensambla en productos terminados. Los proveedores quieren que les digas cuánto de sus cosas hacer para que puedas hacer tus cosas, pero no sabes cuánto de tus propias cosas necesitarás hacer.
Finalmente, suponga que maneja productos terminados en un empresa de fabricación por encargo. Puede pensar que ya no tiene un problema de pronóstico, ya que no construye hasta que le pagan por hacerlo. Pero usted tiene un problema de previsión. Dado que sus productos terminados pueden ensamblarse a partir de una combinación de componentes y subensamblajes, debe traducir algún pronóstico de la demanda de productos terminados para elaborar un pronóstico de esos componentes. De lo contrario, irá a fabricar sus productos terminados y descubrirá que no tiene un componente requerido y tendrá que esperar hasta que pueda ensamblar reactivamente todo lo que necesita. Y es posible que sus clientes no estén dispuestos a esperar.
Entonces, todo el mundo tiene un problema de previsión.
Lo que dificulta la previsión
La previsión puede ser rápida, fácil y absolutamente precisa, siempre que el mundo sea simple. Si la demanda de su producto es de 10 unidades cada semana, mes tras mes, puede hacer pronósticos muy precisos. Pero la vida no es tan así. Si tiene suerte y la vida es casi así, tal vez la demanda semanal sea más como {10, 9, 10, 8, 12, 10, 10...}, aún puede hacer pronósticos muy precisos y solo hacer pequeños ajustes en los bordes. . Pero si la vida es como suele ser, tal vez la demanda semanal parezca {0, 0, 7, 0, 0, 0, 23, 0...}, la previsión de la demanda es realmente difícil. La distinción clave es la variabilidad de la demanda: es el zigzagueo lo que crea el dolor.
El inventario de seguridad toma el control donde termina el pronóstico
Los métodos de pronóstico estadístico son una parte importante de la solución. Le permiten obtener la mayor ventaja posible de los patrones históricos de demanda que su empresa ha registrado para cada artículo. El trabajo de los pronósticos es describir lo que es típico, lo que proporciona la base sobre la cual hacer frente a la aleatoriedad en la demanda. Las técnicas de pronóstico estadístico funcionan encontrando características de "panorama general" en los registros de demanda, como la tendencia y la estacionalidad, y luego proyectándolas hacia el futuro. Todos asumen implícitamente que cualquier patrón que exista ahora persistirá, por lo que el crecimiento de 5% continuará y la demanda de julio siempre será 20% más alta que la demanda de febrero. Para llegar a ese punto, los métodos de pronóstico estadístico usan alguna forma de promediar para sofocar el "ruido" en el historial de demanda.
Pero luego el resto del trabajo recae en la gestión del inventario, porque el componente aleatorio y atípico de la demanda futura seguirá siendo una molestia en el futuro. Este nivel inevitable de incertidumbre tiene que ser manejado por el "amortiguador" llamado stock de seguridad.
Los mismos métodos que producen pronósticos de tendencia y/o estacionalidad pueden usarse para estimar la cantidad de error de pronóstico. Esto debe hacerse con cuidado utilizando un método llamado "análisis de exclusión". Funciona así. Suponga que tiene 365 observaciones de la demanda diaria del artículo X, que tiene un plazo de reposición de 10 días. Quiere saber cuántas unidades se demandarán durante algún período futuro de 10 días. Puede ingresar los primeros 305 días del historial de demanda en la técnica de pronóstico y obtener pronósticos para los próximos 10 días, días 306-315.
La respuesta le da una estimación de la demanda total de 10 días. Es importante destacar que también le brinda una estimación de la variabilidad en torno a ese pronóstico, es decir, el error de pronóstico, la diferencia entre lo que realmente sucedió en los días 306-315 y lo que se pronosticó. Ahora puede repetir el proceso, esta vez usando los primeros 306 días para pronosticar los próximos 10, los primeros 307 días para pronosticar los próximos 10, etc. Termina con 52 estimaciones honestas de la variabilidad de la demanda total durante un período de 10 días. tiempo de espera. Suponga que 95% de esas estimaciones son menos de 28 unidades. Entonces, 28 unidades serían un stock de seguridad bastante seguro para agregar al pronóstico, ya que se encontrará con escasez solo 5% del tiempo.
El software estadístico moderno hace estos cálculos automáticamente. Puede aliviar al menos uno de los dolores de cabeza crónicos de la gestión de inventario al ayudarlo a hacer frente a la variabilidad de la demanda.
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. […]
