Verdadero o falso: El pronóstico no importa para la gestión del inventario de repuestos.

A primera vista, esta afirmación parece evidentemente falsa. Después de todo, las previsiones son cruciales para planificar los niveles de existencias, ¿verdad?

Depende de lo que entiendas por “previsión”. Si te refieres a un pronóstico de un solo número de la vieja escuela (“la demanda del artículo CX218b será de 3 unidades la próxima semana y de 6 unidades la semana siguiente”), entonces no. Si se amplía el significado de pronóstico para incluir una distribución de probabilidad que tenga en cuenta las incertidumbres tanto de la demanda como de la oferta, entonces sí.

La realidad clave es que muchos artículos, especialmente repuestos y repuestos, tienen una demanda impredecible e intermitente. (Los plazos de entrega de los proveedores también pueden ser erráticos, especialmente cuando las piezas provienen de un OEM atrasado). Hemos observado que, si bien los fabricantes y distribuidores generalmente experimentan una demanda intermitente de solo 20% o más de sus artículos, el porcentaje aumenta a 80%+ para las empresas basadas en MRO. Esto significa que los datos históricos a menudo muestran períodos de demanda cero intercalados con períodos aleatorios de demanda distinta de cero. A veces, estas demandas distintas de cero son tan bajas como 1 o 2 unidades, mientras que en otras ocasiones aumentan inesperadamente a cantidades varias veces mayores que su promedio.

Este no es el tipo de datos que normalmente enfrentan sus pares “planificadores de la demanda” en el comercio minorista, productos de consumo y alimentos y bebidas. Esas personas suelen trabajar con cantidades mayores que tienen proporcionalmente menos aleatoriedad. Y pueden navegar por características que mejoran las predicciones, como tendencias y patrones estacionales estables. En cambio, el uso de repuestos es mucho más aleatorio, lo que supone un obstáculo para el proceso de planificación, incluso en la minoría de casos en los que hay variaciones estacionales detectables.

En el ámbito de la demanda intermitente, el mejor pronóstico disponible se desviará significativamente de la demanda real. A diferencia de los productos de consumo con volumen y frecuencia de medianos a altos, el pronóstico de una pieza de servicio puede fallar por cientos de puntos porcentuales. Un pronóstico de una o dos unidades, en promedio, siempre fallará cuando la demanda real sea cero. Incluso con inteligencia empresarial avanzada o algoritmos de aprendizaje automático, el error al pronosticar las demandas distintas de cero seguirá siendo sustancial.

Quizás debido a la dificultad de hacer pronósticos estadísticos en el ámbito del inventario, la planificación del inventario en la práctica a menudo se basa en la intuición y el conocimiento del planificador. Desafortunadamente, este enfoque no abarca decenas de miles de piezas. La intuición simplemente no puede hacer frente a toda la gama de posibilidades de demanda y plazos de entrega, y mucho menos estimar con precisión la probabilidad de cada escenario posible. Incluso si su empresa tiene uno o dos pronosticadores intuitivos excepcionales, las jubilaciones de personal y las reorganizaciones de la línea de productos significan que no se puede confiar en los pronósticos intuitivos en el futuro.

La solución radica en cambiar el enfoque de los pronósticos tradicionales a predecir probabilidades para cada escenario de demanda potencial y plazo de entrega. Este cambio transforma la conversación de un “plan de un solo número” poco realista a un rango de números con probabilidades asociadas. Al predecir las probabilidades de cada demanda y posibilidad de plazo de entrega, puede alinear mejor los niveles de existencias con la tolerancia al riesgo de cada grupo de piezas.

El software que genera escenarios de demanda y plazos de entrega, repitiendo este proceso decenas de miles de veces, puede simular con precisión cómo se comportarán las políticas de almacenamiento actuales frente a estas políticas. Si el rendimiento en la simulación no es suficiente y se prevé que se agote con más frecuencia de la que se siente cómodo o que le quede un exceso de inventario, la realización de escenarios hipotéticos permite realizar ajustes en las políticas. Luego puede predecir cómo se comportarán estas políticas revisadas frente a demandas aleatorias y plazos de entrega. Puede llevar a cabo este proceso de forma iterativa y perfeccionarlo con cada nuevo escenario hipotético o apoyarse en políticas prescritas por el sistema que logren un equilibrio óptimo entre riesgo y costos.

Por lo tanto, si está planificando inventarios de servicios y repuestos, deje de preocuparse por predecir la demanda como lo hacen los planificadores de demanda tradicionales del comercio minorista y de CPG. En cambio, concéntrese en cómo sus políticas de almacenamiento resistirán la aleatoriedad del futuro, ajustándolas en función de su tolerancia al riesgo. Para hacer esto, necesitará el conjunto adecuado de software de soporte a la toma de decisiones, y así es como Smart Software puede ayudar.

Para demasiadas empresas, una pieza fundamental de la investigación de datos –la medición de la incertidumbre de la demanda– se maneja mediante reglas generales simples pero inexactas. Por ejemplo, los planificadores de la demanda a menudo calculan el stock de seguridad mediante un múltiplo definido por el usuario del pronóstico o promedio histórico. O pueden configurar su ERP para pedir más cuando el inventario disponible llegue a 2 veces la demanda promedio durante el tiempo de entrega para artículos importantes y 1,5 veces para los menos importantes. Este es un gran error con costosas consecuencias.

La elección de varios acaba siendo un juego de adivinanzas. Esto se debe a que ningún ser humano puede calcular exactamente cuánto inventario almacenar considerando todas las incertidumbres. Los múltiplos de la demanda promedio del tiempo de entrega son fáciles de usar, pero nunca se puede saber si el múltiplo utilizado es demasiado grande o demasiado pequeño hasta que es demasiado tarde. Y una vez que lo sabes, toda la información ha cambiado, por lo que debes adivinar nuevamente y luego esperar y ver cómo resulta la última suposición. Con cada nuevo día, tiene una nueva demanda, nuevos detalles sobre los plazos de entrega y es posible que los costos hayan cambiado. La suposición de ayer, por muy educada que sea, ya no es relevante hoy. Una planificación adecuada del inventario debe estar libre de conjeturas sobre el inventario y las previsiones. Las decisiones deben tomarse con información incompleta, pero adivinar no es el camino a seguir.

Saber cuánto amortiguar requiere un análisis estadístico basado en hechos que pueda responder con precisión preguntas como:

• ¿Cuánto stock adicional se necesita para mejorar los niveles de servicio en 5%?
• Cuál será el impacto en la entrega a tiempo si el inventario se reduce en 5%
• Qué nivel de servicio objetivo es más rentable.
• ¿Cómo se verá afectado el riesgo de desabastecimiento por los plazos de entrega aleatorios que enfrentamos?

La intuición no puede responder a estas preguntas, no abarca miles de partes y, a menudo, se equivoca. Los datos, las matemáticas de probabilidad y el software moderno son mucho más eficaces. Impulsarse no es el camino hacia la excelencia sostenida.

¿Las empresas de MRO realmente priorizan la reducción del exceso de inventario de repuestos? Desde un punto de vista organizativo, nuestra experiencia sugiere que no necesariamente. Las discusiones en las salas de juntas generalmente giran en torno a la expansión de flotas, la adquisición de nuevos clientes, el cumplimiento de acuerdos de nivel de servicio (SLA), la modernización de la infraestructura y la maximización del tiempo de actividad. En industrias donde los activos respaldados por repuestos cuestan cientos de millones o generan ingresos significativos (por ejemplo, minería o petróleo y gas), el valor del inventario simplemente no sorprende y las organizaciones tienden a pasar por alto cantidades masivas de inventario excesivo.

Considere una agencia de transporte público. En la mayoría de las ciudades importantes, los presupuestos operativos anuales superarán los $3 mil millones. Los gastos de capital para trenes, vagones de metro e infraestructura pueden alcanzar cientos de millones al año. En consecuencia, un inventario de repuestos valorado en $150 millones podría no captar la atención del director financiero o del director general, ya que representa un pequeño porcentaje del balance. Además, en las industrias basadas en MRO, muchas piezas necesitan soportar flotas de equipos durante una década o más, lo que hace que el stock adicional sea un activo necesario. En algunos sectores, como el de los servicios públicos, incluso se puede incentivar la tenencia de existencias adicionales para garantizar que los equipos se mantengan en buen estado.

Hemos visto surgir preocupaciones sobre el exceso de existencias cuando el espacio del almacén es limitado. Recuerdo que, al principio de mi carrera, fui testigo del patio ferroviario de una agencia de transporte público lleno de ejes oxidados valorados en más de $100.000 cada uno. Me dijeron que los ejes se vieron obligados a quedar expuestos a los elementos debido a la falta de espacio en el almacén. El costo de oportunidad asociado con el espacio consumido por el stock adicional se convierte en una consideración cuando se agota la capacidad del almacén. La consideración principal que prevalece sobre todas las demás decisiones es cómo el stock garantiza altos niveles de servicio para los clientes internos y externos. Los planificadores de inventarios se preocupan mucho más por las consecuencias de los desabastecimientos que por las compras excesivas. Cuando una pieza faltante provoca un incumplimiento del SLA o una línea de producción caída, lo que genera multas millonarias y una producción irrecuperable, es comprensible.

A las empresas con uso intensivo de activos se les escapa un punto importante. Eso es el El stock adicional no protege contra el desabastecimiento; les contribuye. Cuanto más exceso tenga, menor será su nivel general de servicio porque el efectivo necesario para comprar piezas es finito y el efectivo gastado en exceso de existencias significa que no hay efectivo disponible para las piezas que lo necesitan.. Incluso las empresas MRO financiadas con fondos públicos, como las agencias de servicios públicos y de tránsito, reconocen la necesidad de optimizar el gasto, ahora más que nunca. Como compartió un gerente de materiales: “Ya no podemos solucionar los problemas con bolsas de dinero en efectivo de Washington”. Por lo tanto, deben hacer más con menos, asegurando una asignación óptima entre las decenas de miles de piezas que gestionan.

Aquí es donde entra en juego el software de optimización de inventario de última generación, que predice el inventario requerido para niveles de servicio específicos, identifica cuándo los niveles de existencias generan retornos negativos y recomienda reasignaciones para mejorar los niveles de servicio generales. Smart Software ha ayudado a las empresas basadas en MRO con uso intensivo de activos a optimizar los niveles de reorden en cada pieza durante décadas. Llámenos para obtener más información. 

Acto de equilibrio

La gestión del inventario, como la gestión de cualquier cosa, implica equilibrar prioridades en competencia. ¿Quieres un inventario ajustado? ¡Sí! ¿Quiere poder decir "Está en stock" cuando un cliente quiere comprar algo? ¡Sí!

¿Pero puedes tener ambas cosas? Sólo hasta cierto punto. Si se inclina por inclinar su inventario de manera demasiado agresiva, corre el riesgo de quedarse sin existencias. Si eliminas los desabastecimientos, creas un exceso de inventario. Se ve obligado a encontrar un equilibrio satisfactorio entre los dos objetivos en competencia: un inventario reducido y una alta disponibilidad de artículos.

Lograr un equilibrio

¿Cómo se logra ese equilibrio? Demasiados planificadores de inventarios “intuyen” el camino hacia algún tipo de respuesta. O encuentran una respuesta inteligente una vez y esperan que tenga una fecha de caducidad lejana y sigan usándola mientras se concentran en otros problemas. Desafortunadamente, los cambios en la demanda y/o los cambios en el desempeño de los proveedores y/o los cambios en las prioridades de su propia empresa dejarán obsoletos los viejos planes de inventario y lo devolverán al punto de partida.

Es inevitable que todo plan tenga una vida útil y deba actualizarse. Sin embargo, definitivamente no es una buena práctica reemplazar una suposición por otra. En cambio, cada ciclo de planificación debería aprovechar el software moderno de la cadena de suministro para reemplazar las conjeturas con análisis basados en hechos utilizando matemáticas de probabilidad.

Conocete a ti mismo

Lo único que el software no puede hacer es calcular la mejor respuesta sin conocer sus prioridades. ¿Cuánto prioriza el inventario eficiente sobre la disponibilidad de artículos? El software predecirá los niveles de inventario y disponibilidad causados por cualquier decisión que tome sobre cómo administrar cada artículo en su inventario, pero solo usted puede decidir si un conjunto determinado de indicadores clave de desempeño es consistente con lo que desea.

Saber lo que quieres en un sentido general es fácil: lo quieres todo. Pero saber qué prefiere al comparar escenarios específicos es más difícil. Es útil poder ver una variedad de posibilidades realizables y reflexionar sobre cuál parece mejor cuando se presentan una al lado de la otra.

Ver lo que sigue

El software de cadena de suministro puede brindarle una visión de la curva de compensación. En general, usted sabe que el inventario reducido y la alta disponibilidad de artículos se compensan entre sí, pero ver las curvas de compensación de artículos específicos agudiza su atención.

¿Por qué hay una curva? Porque tienes opciones sobre cómo gestionar cada elemento. Por ejemplo, si verifica el estado del inventario continuamente, ¿qué valores asignará a los Mínimo y máximo valores que rigen cuándo pedir reabastecimientos y cuánto pedir. La curva de compensación surge porque elegir diferentes valores mínimos y máximos conduce a diferentes niveles de inventario disponible y diferentes niveles de disponibilidad de artículos, por ejemplo, medidos por tasa de relleno.

Un escenario para el análisis

Para ilustrar estas ideas, utilicé un gemelo digital  para estimar cómo se comportarían varios valores de Min y Max en un escenario particular. El escenario se centró en una pieza de repuesto teórica con una demanda puramente aleatoria que tenía un nivel moderadamente alto de intermitencia (37% de días con demanda cero). Los plazos de reposición fueron de entre 7 y 14 días. Los valores Min y Max fueron variados sistemáticamente: Min de 20 a 40 unidades, Max de Min+1 unidades a 2xMin unidades. Cada par (Min,Max) se simuló durante 365 días de operación un total de 1000 veces, luego los resultados se promediaron para estimar tanto el número promedio de unidades disponibles como la tasa de cumplimiento, es decir, el porcentaje de demandas diarias que se cumplieron inmediatamente desde existencias. Si no había stock disponible, se encontraba pendiente de entrega.

Resultados

El experimento produjo dos tipos de resultados:

• Gráficos que muestran la relación entre los valores mínimos y máximos y dos indicadores clave de rendimiento: tasa de cumplimiento y unidades promedio disponibles.
• Una curva de compensación que muestra cómo la tasa de cumplimiento y las unidades disponibles se compensan entre sí.

La Figura 1 muestra el inventario disponible en función de los valores de Min y Max. El experimento arrojó niveles manuales que oscilaban entre cerca de 0 y aproximadamente 40 unidades. En general, mantener Min constante y aumentar Max da como resultado más unidades disponibles. La relación con Min es más compleja: mantener Max constante y aumentar Min primero aumenta el inventario, pero en algún momento lo reduce.

La Figura 2 muestra la tasa de llenado en función de los valores de Min y Max. El experimento arrojó niveles de tasa de llenado que van desde cerca de 0% hasta 100%. En general, las relaciones funcionales entre la tasa de llenado y los valores de Min y Max reflejaron las de la Figura 1.

La Figura 3 destaca el punto clave, mostrando cómo variar Min y Max produce un emparejamiento perverso de los indicadores clave de desempeño. En términos generales, los valores de Min y Max que maximizan la disponibilidad del artículo (tasa de cumplimiento) son los mismos valores que maximizan el costo del inventario (unidades promedio disponibles). Este patrón general está representado por la curva azul. Los experimentos también produjeron algunas ramificaciones de la curva azul que están asociadas con malas elecciones de Min y Max, en el sentido de que otras opciones las dominan al producir la misma tasa de cumplimiento con un inventario más bajo.

Conclusiones

La Figura 3 deja en claro que su elección de cómo administrar un artículo del inventario lo obliga a equilibrar el costo del inventario y la disponibilidad del artículo. Puede evitar algunas combinaciones ineficientes de valores mínimos y máximos, pero no puede escapar de la compensación.

El lado bueno de esta realidad es que no tienes que adivinar qué sucederá si cambias tus valores actuales de Min y Max por otros. El software le dirá cuánto le permitirá comprar esa mudanza y cuánto le costará. Puedes quitarte el sombrero de Guestimator y hacer lo tuyo con confianza.

Figura 1 Inventario disponible en función de los valores mínimos y máximos

Figura 2 Tasa de llenado en función de los valores mínimo y máximo

Figura 3 Curva de compensación entre tasa de cumplimiento e inventario disponible

Sin lugar a dudas, medir la precisión de los pronósticos es una parte importante del proceso de planificación de la demanda. Este cuadro de mando de pronóstico podría construirse basándose en uno de dos puntos de vista contrastantes para calcular métricas. El punto de vista del error pregunta: "¿a qué distancia estaba el pronóstico de lo real?" El punto de vista de la precisión pregunta: "¿Qué tan cerca estuvo el pronóstico de lo real?" Ambas son válidas, pero las métricas de error proporcionan más información.

La precisión se representa como un porcentaje entre cero y 100, mientras que los porcentajes de error comienzan en cero pero no tienen límite superior. Los informes de MAPE (error porcentual absoluto medio) u otras métricas de error pueden denominarse informes de “precisión del pronóstico”, lo que desdibuja la distinción. Por lo tanto, es posible que desee saber cómo pasar del punto de vista del error al punto de vista de la precisión que defiende su empresa. Este blog describe cómo con algunos ejemplos.

Las métricas de precisión se calculan de manera que cuando lo real es igual al pronóstico, la precisión es 100% y cuando el pronóstico es el doble o la mitad de lo real, entonces la precisión es 0%. Los informes que comparan el pronóstico con el real a menudo incluyen lo siguiente:

• El actual
• La previsión
• Error unitario = Pronóstico – Real
• Error absoluto = Valor absoluto del error unitario
• Error absoluto % = Error Abs / Real, como %
• Precisión % = 100% – Error absoluto %

Mire un par de ejemplos que ilustran la diferencia en los enfoques. Digamos que Real = 8 y el pronóstico es 10.

El error de unidad es 10 – 8 = 2

Error absoluto de % = 2/8, como % = 0,25 * 100 = 25%

Precisión = 100% – 25% = 75%.

Ahora digamos que el real es 8 y el pronóstico es 24.

El error de unidad es 24– 8 = 16

Error absoluto de % = 16/8 como % = 2 * 100 = 200%

Precisión = 100% – 200% = negativo se establece en 0%.

En el primer ejemplo, las mediciones de precisión proporcionan la misma información que las mediciones de error, ya que el pronóstico y lo real ya están relativamente cerca. Pero cuando el error es más del doble del real, las mediciones de precisión llegan a cero. Indica correctamente que el pronóstico no era del todo exacto. Pero el segundo ejemplo es más preciso que el tercero, donde el valor real es 8 y el pronóstico es 200. Esa es una distinción que un rango de precisión de 0 a 100% no registra. En este último ejemplo:

El error de unidad es 200 – 8 = 192

Error absoluto de % = 192/8, como % = 24 * 100 = 2,400%

Precisión = 100% – 2,400% = negativo se establece en 0%.

Las métricas de error continúan proporcionando información sobre qué tan lejos está el pronóstico de lo real y posiblemente representan mejor la precisión del pronóstico.

Alentamos a adoptar el punto de vista del error. Simplemente espera que un pequeño porcentaje de error indique que el pronóstico no estuvo lejos de lo real, en lugar de esperar un gran porcentaje de precisión para indicar que el pronóstico estuvo cerca de lo real. Este cambio de mentalidad ofrece los mismos conocimientos y al mismo tiempo elimina las distorsiones.