Gestión del inventario dentro de un cambio de régimen

Si escucha la frase "cambio de régimen" en las noticias, inmediatamente piensa en algún evento geopolítico tenso. Los estadísticos usan la frase de manera diferente, de una manera en la que adquiere gran relevancia para la planificación de la demanda y la optimización del inventario. Este blog trata sobre el "cambio de régimen" en el sentido estadístico, lo que significa un cambio importante en el carácter de la demanda de un artículo de inventario.

El historial de demanda de un artículo es el combustible que alimenta las máquinas de previsión de los planificadores de demanda. En general, cuanto más combustible, mejor, lo que nos brinda una mejor solución sobre el nivel promedio, la volatilidad, el tamaño y la frecuencia de los picos, la forma de cualquier patrón de estacionalidad y el tamaño y la dirección de cualquier tendencia.

Pero hay una gran excepción a la regla que predica “a más datos mejores resultados”. Si hay un cambio importante y la nueva demanda no se parece a la antigua, entonces los datos antiguos se vuelven peligrosos.

El software moderno puede hacer pronósticos precisos de la demanda de artículos y sugerir opciones inteligentes para los parámetros de inventario, como los puntos de pedido y las cantidades de los pedidos. Pero la validez de estos cálculos depende de la relevancia de los datos utilizados en su cálculo. Los datos desfasados de un antiguo régimen ya no reflejan la realidad actual, por lo que incluirlos en los cálculos crea un error de pronóstico para los planificadores de demanda y un exceso de existencias o de falta de existencias inaceptables para los planificadores de inventario.

Dicho esto, si tuviera que soportar un cambio de régimen reciente y desechar los datos obsoletos, tendría muchos menos datos con los que trabajar. Esto tiene sus propios costos, porque todas las estimaciones calculadas a partir de los datos tendrían una mayor incertidumbre estadística aunque estarían menos sesgadas. En este caso, sus cálculos tendrían que basarse más en una combinación de análisis estadístico y su propio juicio experto.

En este punto, puede preguntar "¿Cómo puedo saber si ha habido un cambio de régimen y cuándo?" Si ha estado en el trabajo por un tiempo y se siente cómodo mirando diagramas de tiempo de demanda de artículos, generalmente reconocerá el cambio de régimen cuando lo vea, al menos si no es demasiado sutil. La Figura 1 muestra algunos ejemplos reales que son obvios.

Figura 1 Cuatro ejemplos de cambio de régimen en la demanda de artículos del mundo real

Figura 1: Cuatro ejemplos de cambio de régimen en la demanda de artículos del mundo real

 

Desafortunadamente, los cambios menos obvios aún pueden tener efectos significativos. Además, la mayoría de nuestros clientes están demasiado ocupados para revisar manualmente todos los artículos que administran, incluso una vez por trimestre. Cuando supera, digamos, los 100 elementos, la tarea de observar todas esas series temporales se vuelve onerosa. Afortunadamente, el software puede hacer un buen trabajo al monitorear continuamente la demanda de decenas de miles de artículos y alertarlo sobre cualquier artículo que pueda necesitar su atención. Además, puede hacer arreglos para que el software no solo detecte el cambio de régimen, sino que también excluya automáticamente de sus cálculos todos los datos recopilados antes del cambio de régimen más reciente, si corresponde. En otras palabras, puede obtener tanto una advertencia automática de cambio de régimen como una protección automática contra el cambio.

Para obtener más información sobre los conceptos básicos del cambio de régimen, consulte nuestro blog anterior sobre el tema: https://smartcorp.com/blog/demandplanningregimechange/  

 

Un ejemplo con números:

Si desea obtener más información, siga leyendo para ver un ejemplo numérico de cuánto cambio de régimen puede alterar el cálculo de un punto de pedido para una pieza de repuesto crítica. Aquí hay un escenario para ilustrar el punto.

Guión

  • Objetivo: calcular el punto de pedido necesario para controlar el riesgo de desabastecimiento mientras se espera la reposición. Suponga que el riesgo de desabastecimiento objetivo es de 5%.
  • Suponga que el artículo tiene demanda diaria intermitente, con muchos días de demanda cero.
  • Suponga que la demanda diaria tiene una distribución de Poisson con un promedio de 1,0 unidades por día.
  • Suponga que el plazo de reposición es siempre de 30 días.
  • La demanda del tiempo de entrega será aleatoria, por lo que tendrá una distribución de probabilidad y el punto de pedido será el 95º percentil de la distribución.
  • Suponga que el efecto del cambio de régimen es aumentar o disminuir la demanda diaria media.
  • Suponga que hay un año de datos diarios disponibles para estimar la demanda unitaria diaria media.

 

Figura 2 Ejemplo de cambio en la demanda media y muestra de la demanda diaria aleatoria

Figura 2 Ejemplo de cambio en la demanda media y muestra de la demanda diaria aleatoria

 

La Figura 2 muestra una forma de este escenario. El panel superior muestra que la demanda diaria promedio aumenta de 1,0 a 1,5 después de 270 días. El panel inferior muestra una forma en que podría aparecer el valor de la demanda diaria de un año. (En este punto, puede sentir que calcular todo esto es complicado, incluso para lo que resulta ser un escenario simplificado. ¡Es por eso que tenemos software!)

Análisis

El cálculo exitoso del punto de reorden adecuado dependerá de cuándo ocurra el cambio de régimen y cuán grande sea el cambio. Simulamos cambios de régimen de varios tamaños en varios momentos dentro de un período de 365 días. Alrededor de una demanda base de 1,0 unidades por día, estudiamos cambios en la demanda ("cambio") de ±25% y ±50%, así como un caso de referencia sin cambios. Ubicamos el tiempo del cambio ("t.break") en 90, 180 y 270 días. En cada caso, calculamos dos estimaciones del punto de reorden: el valor "ideal" dado un conocimiento perfecto de la demanda promedio en el nuevo régimen ("ROP.true"), y el valor estimado de la demanda media calculado ignorando el cambio de régimen y utilizando todos los datos de demanda del último año (“ROP.all”).

La Tabla 1 muestra las estimaciones del punto de pedido calculado en 100 simulaciones. El bloque central es el caso de referencia, en el que no hay cambio en la demanda diaria, que se mantiene fija en 1 unidad por día. El bloque de color en la parte inferior es el escenario de aumento más extremo, con una demanda que aumenta a 1,5 unidades/día ya sea en un tercio, la mitad o dos tercios del año.

Podemos sacar varias conclusiones de estas simulaciones.

ROP.true: la elección correcta para el punto de pedido aumenta o disminuye según el cambio en la demanda media después del cambio de régimen. La relación no es lineal simple: la tabla abarca un rango del 600% mas del nivel de lademanda (0,25 a 1,50) pero un rango del 467% de lospuntos de pedido (de 12 a 56).

ROP.all: Ignorar el cambio de régimen puede conducir a sobreestimaciones brutas del punto de reorden cuando la demanda cae y subestimaciones brutas cuando la demanda aumenta. Como era de esperar, cuanto más tarde cambia el régimen, peor es el error. Por ejemplo, si la demanda aumenta de 1,0 a 1,5 unidades por día durante dos tercios del año sin que se dé cuenta, el punto de pedido calculado de 43 unidades se quedaría 13 unidades por debajo de lo que debería ser.

Una palabra de precaución: la Tabla 1 muestra que basar los cálculos de los puntos de reorden usando solo datos posteriores a un cambio de régimen generalmente obtendrá la respuesta correcta. Lo que no muestra es que las estimaciones pueden ser inestables si hay muy poco historial de demanda después del cambio. Por lo tanto, en la práctica, debe esperar para reaccionar al cambio de régimen hasta que se haya acumulado una cantidad decente de observaciones en el nuevo régimen. Esto podría significar utilizar todo el historial de demanda, tanto antes como después del cambio, hasta que, por ejemplo, se hayan acumulado 60 o 90 días de historial antes de ignorar los datos anteriores al cambio.

 

Tabla 1 Puntos de pedido correctos y estimados para diferentes escenarios de cambio de régimen

Tabla 1 Puntos de pedido correctos y estimados para diferentes escenarios de cambio de régimen

Planificación de la demanda con órdenes abiertas

Cliente como maestro

Nuestros clientes son grandes maestros que siempre nos han ayudado a cerrar la brecha entre la teoría de los libros de texto y la aplicación práctica de la previsión y la planificación de la demanda. Nuestra última parte de la educación se refiere a los "pedidos generales" y cómo contabilizarlos como parte del proceso de planificación de la demanda. 

Expansión del libro de texto de teoría del inventario

La teoría del inventario de libros de texto se centra en las tres políticas de reposición más utilizadas: (1) Política de revisión periódica de pedidos hasta el final, designada (T, S) en los libros (2) Política de revisión continua con cantidad de pedido fija, designada (R, Q) y (3) revisión continua de la política, designada (s, S) pero generalmente denominada "Mín./Máx.". Nuestros clientes han señalado que su proceso de pedido real a menudo incluye el uso frecuente de "pedidos generales". Este blog se centra en cómo incorporar pedidos generales en el proceso de planificación de la demanda y detalla cómo ajustar los objetivos de almacenamiento en consecuencia.

La planificación de la demanda con pedidos abiertos es diferente

Los pedidos generales son contratos con proveedores por cantidades fijas de reposición que llegan a intervalos fijos. Por ejemplo, puede acordar con su proveedor recibir 20 unidades cada 7 días a través de un pedido abierto en lugar de 60 a 90 unidades cada 28 días según la política de revisión periódica. Los pedidos generales contrastan aún más con las políticas de revisión continua, según las cuales tanto los programas de pedidos como las cantidades de los pedidos son aleatorios. En general, es eficiente incorporar flexibilidad en el proceso de reabastecimiento para que ordene solo lo que necesita y cuando lo necesite. Según ese estándar, Min/Max debería tener más sentido y las políticas generales deberían tener menos sentido.

El caso de las políticas generales

Sin embargo, aunque la eficiencia es importante, nunca es la única consideración. Uno de nuestros clientes, llamémosle Compañía X, explicó el atractivo de las pólizas generales en sus circunstancias. La empresa X fabrica piezas de alto rendimiento para motocicletas y vehículos todo terreno. Convierten el acero en bruto en cosas geniales. Pero deben lidiar con el acero. El acero es caro. El acero es voluminoso y pesado. El acero no es algo conjurado de la noche a la mañana sobre la base de un pedido especial. El gerente de inventario de la empresa X no desea realizar pedidos grandes pero de tamaño aleatorio en momentos aleatorios. No quiere cuidar de una montaña de acero. Sus proveedores no quieren recibir pedidos de cantidades aleatorias en momentos aleatorios. Y la empresa X prefiere repartir sus pagos. El resultado: pedidos generales.

El error fatal en las políticas generales

Para la Compañía X, los pedidos generales están destinados a igualar las compras de reabastecimiento y evitar acumulaciones difíciles de manejar de pilas de acero antes de que estén listas para usar. Pero la lógica detrás de las políticas de inventario de revisión continua aún se aplica. Se producirán aumentos repentinos en la demanda, que de otro modo serían bienvenidos, y pueden crear desabastecimientos. Asimismo, las pausas en la demanda pueden crear un exceso de demanda. A medida que pasa el tiempo, queda claro que una política general tiene un defecto fatal: solo si los pedidos generales coinciden exactamente con la demanda promedio pueden evitar un inventario descontrolado en cualquier dirección, hacia arriba o hacia abajo. En la práctica, será imposible igualar exactamente la demanda promedio. Además, la demanda promedio es un objetivo móvil y puede subir o bajar.

Cómo incorporar pedidos abiertos cuando se planifica la demanda 

Una política general tiene ventajas, pero la rigidez es su talón de Aquiles. Los planificadores de la demanda a menudo improvisan ajustando los pedidos futuros para manejar los cambios en la demanda, pero esto no se aplica a miles de artículos. Para que la política de reabastecimiento de inventario sea sólida frente a la aleatoriedad de la demanda, sugerimos una política híbrida que comience con pedidos generales pero que conserve la flexibilidad para solicitar automáticamente (no manualmente) suministro adicional según sea necesario. Complementar la política general con una copia de seguridad Mín./Máx. permite realizar ajustes sin intervención manual. Esta combinación capturará algunas de las ventajas de los pedidos abiertos mientras protege el servicio al cliente y evita el inventario descontrolado.

El diseño de un proceso de planificación de la demanda que tenga en cuenta los pedidos abiertos requiere la elección de cuatro parámetros de control. Dos parámetros son el tamaño fijo y el tiempo fijo de la política general. Dos más son los valores de Min y Max. Esto deja al gerente de inventario enfrentando un problema de optimización de cuatro dimensiones. El software de optimización de inventario avanzado permitirá evaluar las opciones para los valores de los cuatro parámetros y respaldar las negociaciones con los proveedores cuando se elaboran pedidos generales.

 

 

Optimización del inventario basada en cantidades mínimas de pedido

Recientemente, tuve una conversación interesante con un gerente de inventario y el vicepresidente de finanzas. Estábamos discutiendo los beneficios de poder optimizar automáticamente tanto los puntos de pedido como las cantidades de los pedidos. Al vicepresidente de finanzas le preocupaba que, dado que su gran proveedor requería cantidades mínimas de pedido, no podría beneficiarse. Dijo que sus proveedores tenían todo el poder, obligándolo a aceptar cantidades mínimas masivas de pedidos y atando sus manos. Si bien se sintió mal por esto, vio un lado positivo: no tenía que hacer ninguna planificación. Aceptaría una gran inversión en inventario, pero sus niveles de servicio al cliente serían excepcionales. Quizás se asumió que la gran inversión en inventario era el costo de hacer negocios.

Empujé hacia atrás y señalé que él no era tan impotente como se sentía. Todavía tenía el control de la otra mitad del proceso de adquisición: aunque no podía controlar cuánto ordenar, podía controlar cuándo ordenar ajustando el punto de reorden. En otras palabras, siempre hay espacio para un análisis cuantitativo cuidadoso en la gestión de inventario, incluso cuando tiene una mano atada a la espalda.

Un ejemplo

Para poner algunos números detrás de mi argumento, creé un escenario y luego lo analicé usando nuestra metodología para mostrar cuán importante puede ser usar software de optimización de inventario incluso en situaciones limitadas. En este escenario, la demanda de artículos tiene un promedio de 2,2 unidades por día, pero varía significativamente según el día de la semana. Digamos que el proveedor imaginario insiste en una cantidad mínima de pedido de 500 unidades (muy desproporcionado con respecto a la demanda) y completa los pedidos de reabastecimiento en tres o diez días en proporciones iguales (bastante inconsistente). Para repartir la culpa, supongamos también que el cliente imaginario del proveedor imaginario usa la regla tonta de que el punto de pedido debe ser 10% de la cantidad mínima de pedido. (¿Por qué esta regla? Demasiadas empresas usan reglas generales simples/simplistas en lugar de un análisis adecuado).

Entonces, tenemos un caso base en el que la cantidad de pedido es de 500 unidades y el punto de reorden es de 50 unidades. En este caso, la tasa de llenado es de 1001 TP2T, pero la cantidad promedio de unidades disponibles es de 330. Si el cliente simplemente redujera el punto de pedido de 50 a 15, la tasa de llenado seguiría siendo 99,51 TP2T, pero el stock promedio disponible caería por 11% a 295 unidades. Usando la mano que no está atada a su espalda, el gerente de inventario podría reducir su inversión en inventario en más de 10%, lo que sería una ganancia notable.

Por cierto, si se suprimiera la cantidad mínima de pedido, el cliente sería libre de llegar a una solución nueva y mucho mejor. Establecer la cantidad de pedido en 45 y el punto de reorden en 25 lograría una tasa de llenado de 99% a costa de un nivel disponible diario de solo 35 unidades: casi una reducción de 90% en la inversión de inventario: una mejora importante sobre el statu quo.

Posdata

Estos cálculos son posibles utilizando nuestro software, que puede hacer visibles las relaciones desconocidas entre las opciones de diseño del sistema de inventario (p. ej., cantidad de pedido y punto de reorden) y los indicadores clave de rendimiento (p. ej., unidades promedio disponibles y tasa de llenado). Armado con esta capacidad para realizar estos cálculos, ahora se pueden considerar arreglos alternativos con el proveedor. Por ejemplo, ¿qué pasa si, a cambio de pagar un precio más alto por unidad, el proveedor acepta un MOQ más bajo? El uso del software para realizar un análisis de los indicadores clave de rendimiento utilizando los costos y MOQ "qué pasaría si" revelaría el costo por unidad y MOQ que se necesitaría para desarrollar un trato más rentable. Una vez identificadas, todas las partes se benefician. El proveedor ahora genera un mejor margen sobre las ventas de sus productos, y el comprador tiene un inventario considerablemente menor, lo que produce una reducción del costo de mantenimiento que empequeñece el costo adicional por unidad. todos ganan

 

 

Reflexiones sobre la planificación de piezas de repuesto para el transporte público

La pandemia de Covid19 ha puesto un estrés inusual en las agencias de transporte público. Este estrés obliga a las agencias a revisar nuevamente sus procesos de planificación de piezas de repuesto, que es un factor clave para garantizar el tiempo de actividad y equilibrar los costos de inventario de piezas de servicio.

Este blog se centra en los sistemas de autobuses y sus prácticas para la gestión y planificación de piezas de repuesto. Sin embargo, aquí hay lecciones para otros tipos de transporte público, incluidos el tren y el tren ligero.

En 1995, la Junta de Investigación del Transporte (TRB) del Consejo Nacional de Investigación publicó un informe que aún tiene relevancia. Proporciones de autobuses de repuesto específicas del sistema: una síntesis de la práctica de tránsito fijado

El propósito de este estudio fue documentar y examinar las variables críticas específicas del sitio que afectan la cantidad de vehículos de repuesto que los sistemas de autobuses necesitan para mantener los requisitos máximos de servicio. … Si bien los gerentes de tránsito generalmente reconocieron que dimensionar correctamente la flota en realidad mejora las operaciones y reduce los costos, muchos informaron dificultades para lograr y mantener de manera constante una proporción de repuesto del 20 por ciento, como recomienda la FTA… Quienes respondieron a la encuesta abogaron por que se ponga más énfasis en el desarrollo de técnicas de mantenimiento de autobuses mejoradas e innovadoras, que los ayudarían a minimizar el tiempo de inactividad y mejorar la disponibilidad de los vehículos, lo que finalmente conduciría a vehículos de repuesto reducidos y costos de mano de obra y materiales.

Las pautas sumamente simplificadas como "mantener los autobuses de repuesto 20%" son fáciles de entender y medir, pero enmascaran tácticas más detalladas que pueden proporcionar políticas más personalizadas que administren mejor el dinero de los contribuyentes gastado en repuestos al tiempo que garantizan los más altos niveles de disponibilidad. Si se puede mejorar la confiabilidad operativa para cada bus, se necesitarán menos repuestos.

Una forma de mantener cada autobús en funcionamiento con más frecuencia es mejorar la gestión de los inventarios de piezas de repuesto, específicamente pronosticando el uso de piezas de servicio y las políticas de reabastecimiento requeridas con mayor precisión. Aquí es donde la gestión moderna de la cadena de suministro puede hacer una contribución significativa. El TRB señaló esto en su informe:

Muchas agencias han logrado limitar la dependencia del exceso de vehículos de repuesto. Esos funcionarios de tránsito están de acuerdo en que varios factores e iniciativas han llevado a su éxito y son fundamentales para el éxito de cualquier programa [incluido] … Uso eficaz de tecnología avanzada para gestionar funciones críticas de mantenimiento, incluido el reemplazo ordenado y oportuno de piezas… La falta de disponibilidad de piezas de repuesto y otros componentes cuando se necesitan afectará negativamente cualquier programa de mantenimiento.

Siempre que los gerentes sean conscientes de los problemas y estén atentos a las herramientas disponibles para ellos, la probabilidad de que los autobuses se queden sin existencias disminuirá considerablemente”.

La gestión eficaz del inventario de piezas de repuesto requiere un equilibrio entre "tener suficiente" y "tener demasiado". Lo que puede hacer el software moderno de planificación de piezas de servicio es hacer visible la compensación entre estos dos objetivos para que los gerentes de tránsito puedan tomar decisiones basadas en hechos sobre los inventarios de piezas de repuesto.

Hay suficientes complicaciones para encontrar el equilibrio adecuado como para requerir ir más allá de las reglas generales simples como "mantener a mano la demanda de diez días" o "volver a pedir cuando tenga menos de cinco unidades en stock". Los factores que impulsan estas decisiones incluyen tanto la demanda promedio de una pieza, la volatilidad de esa demanda, el tiempo promedio de reabastecimiento (que puede ser un problema cuando la pieza llega en un barco lento desde Alemania), la variabilidad en el tiempo de entrega y varios factores de costo: costos de mantenimiento, costos de pedidos y costos de escasez (p. ej., tarifas perdidas, pérdida de buena voluntad pública).

El innovador software de planificación de piezas de repuesto y análisis de la cadena de suministro utiliza métodos avanzados de predicción probabilística y optimización estocástica para gestionar estas complejidades y proporcionar una mayor disponibilidad de piezas a un costo menor. Por ejemplo, Metro Transit de Minnesota documentó un aumento de 4 veces en el retorno de la inversión en los primeros seis meses de implementación de un nuevo sistema. Para obtener más información sobre cómo las agencias de transporte público están explotando los análisis innovadores de la cadena de suministro, consulte:

 

 

Deja un comentario
Artículos Relacionados
¿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?

Mantener el rumbo

 

Me he parado frente a miles de estudiantes. Han sido más o menos jóvenes, más o menos técnicos, más o menos experimentados y más o menos interesados. He hecho esto como miembro de la facultad universitaria desde 1972, primero en el Instituto de Tecnología de Massachusetts, luego en la Universidad de Harvard y finalmente en la Escuela de Ingeniería del Instituto Politécnico Rensselaer. Entre Harvard y RPI abandoné la academia temporalmente para cofundó Smart Software con Charlie Smart y Nelson Hartunian. Entonces, desde entonces, también he estado ocupado capacitando a los usuarios comerciales para que aprovechen el poder de los análisis avanzados para la previsión y la optimización del inventario.

Mientras escribo esto, acabo de regresar a mi oficina en RPI después de presentarles a los estudiantes de primer año de Ingeniería Industrial los conceptos básicos de la gestión de inventario. Si se apegan al programa, seguirán tomando los cursos requeridos en cadena de suministro, simulación de sistemas, análisis estadístico y optimización. Les conté historias sobre lo útiles que serían para sus empresas si decidieran hacer carrera en el mundo de la cadena de suministro. Si hubiera tenido más tiempo, habría mencionado cuán capaces serán cuando se gradúen en relación con muchos de sus pares corporativos. Estos estudiantes de primer año están listos y dispuestos a seguir el curso, absorbiendo todas las técnicas y teorías que podemos arrojarles, y perfeccionando sus habilidades prácticas en trabajos de verano o asignaciones cooperativas.

Lo que no les dije es que muchos de ellos tendrán que trabajar para mantener su intensidad cuando estén en el trabajo. Es una triste verdad que, por la razón que sea, muchos profesionales del inventario se asientan en una especie de estancamiento que impide la capacidad de sus empresas para explotar las últimas tecnologías, como la previsión de demanda avanzada basada en la nube y la optimización del inventario. Reúna a suficientes de esas personas en un solo lugar y la agilidad y la eficiencia mejorada desaparecerán.

Creo que uno de los factores que aburre a las personas es que el proceso de implementación con frecuencia se siente dolorosamente incremental y prolongado. A menudo comienza con un inventario aleccionador de datos relevantes, su corrección y su actualidad. Luego pasa a un descubrimiento, a menudo incómodo, de que realmente no existe un proceso sistemático y la consiguiente necesidad de diseñar uno bueno en el futuro. Lo siguiente es la necesidad de aprender a usar un nuevo paquete de software. Ese paso implica aprender nuevo vocabulario, cierto nivel de pensamiento probabilístico, la capacidad de interpretar nuevos gráficos y tablas, sin mencionar una nueva interfaz de software. Todo esto requiere tiempo y esfuerzo.

 

La precisión del pronóstico proporciona una base estadísticamente sólida

 

Descubrimos que algunas cosas ayudan a los nuevos clientes a mantener el rumbo. Uno es tener un campeón entre la gerencia, un patrocinador ejecutivo, que pueda dar fe de la importancia comercial de una implementación exitosa mientras asegura que los usuarios reciban apoyo con educación continua. Un segundo es identificar y capacitar a uno o dos superusuarios que tengan combinaciones inusuales de habilidades técnicas y de comunicación. Un tercero consiste en dividir la capacitación en fragmentos del tamaño de un bocado y evaluar la comprensión después de cada fragmento y repetir este proceso hasta que quede claro que los nuevos conceptos, el vocabulario y el proceso se absorben por completo. Pero todas esas maniobras se desvanecerán sin que la gerencia se involucre y esté lista para mantener el rumbo. Las prácticas de planificación de inventario vigentes durante muchos años no se reemplazarán por completo en un proceso de implementación de tres meses. Tienes que quererlo para conseguirlo.

 

 

Deja un comentario
Artículos Relacionados
¿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?