Una gestión eficaz de la cadena de suministro y del inventario es esencial para lograr la eficiencia operativa y la satisfacción del cliente. Este blog ofrece respuestas claras y concisas a algunas preguntas básicas y otras preguntas comunes de nuestros clientes de Smart IP&O, ofreciendo información práctica para superar los desafíos típicos y mejorar sus prácticas de gestión de inventario. Centrándonos en estas áreas clave, lo ayudamos a transformar problemas complejos de inventario en acciones estratégicas y manejables que reducen los costos y mejoran el rendimiento general con Smart IP&O.

1. ¿Qué es la demanda de tiempo de entrega?
Se espera que la demanda se produzca durante el plazo de reposición. La demanda del plazo de reposición se determina por Métodos de previsión de Smart. 

2. ¿Qué es el Min y cómo se calcula?
El Min se muestra en la sección de controladores de S.I.O. es el punto de reorden y es la suma de la demanda del tiempo de entrega y el stock de seguridad. Cuando el inventario disponible cae por debajo del mínimo debido a la demanda, deberá pedir más. Smart también tiene un “mínimo” en el campo de “reglas de pedido” de S.I.O., que es la cantidad mínima de pedido que puede realizar a un proveedor. 

3. ¿Qué es el Max y cómo se calcula?
El máximo es la mayor cantidad de inventario que estará en el estante si se adhiere a la política de pedidos. El máximo es la suma del mínimo (punto de reorden) más el OQ definido. 

4. ¿Cómo se determina la cantidad del pedido (OQ)?
La cantidad del pedido se importa inicialmente desde su sistema ERP. Puede modificarse en función de una serie de opciones definidas por el usuario, entre las que se incluyen:

Demanda de múltiples plazos de entrega
Demanda múltiple mensual o semanal
OQ recomendado por Smart

5. ¿Qué es la cantidad económica de pedido?
Es la orden cantidad que minimizará los costos totales, considerando el costo de mantenimiento y los costos de pedido de inventario. 

6. ¿Cuál es el “OQ recomendado” que calcula Smart?
Es la cantidad económica del pedido más un ajuste si es necesario para asegurar que el tamaño del pedido sea mayor o igual a la demanda durante el tiempo de entrega.

7. ¿Por qué el sistema predice que tendremos un clima bajo? nivel de servicio?
Smart predice el nivel de servicio que resultará de la política de inventario especificada (Mín./Máx. o Punto de reorden/Cantidad de pedido), suponiendo que se cumpla esa política. Cuando el nivel de servicio previsto es bajo, puede significar que la demanda esperada durante el tiempo de entrega es mayor que el punto de reorden (Mín.). Cuando la demanda durante el tiempo de entrega de reposición es mayor que el punto de reorden, la probabilidad de que se agote el stock es mayor, lo que da como resultado un nivel de servicio bajo. También puede ser que el tiempo de entrega para la reposición no se haya ingresado con precisión. Si el tiempo de entrega ingresado es mayor que la realidad, el punto de reorden puede no cubrir la demanda durante el tiempo de entrega. Verifique sus entradas de tiempo de entrega.

8. ¿Por qué el nivel de servicio se muestra como cero cuando el punto de reorden (o mínimo) no es cero?
Smart predice el nivel de servicio que resultará de la política de inventario especificada (Mín/Máx o Punto de reorden/Cantidad de pedido), suponiendo que se respete esa política. Cuando el nivel de servicio previsto es bajo, puede significar que la demanda esperada durante el tiempo de entrega es mayor que el punto de reorden (Mín), a veces muchas veces mayor, lo que prácticamente garantizaría un desabastecimiento. Cuando la demanda durante el tiempo de entrega de reposición es mayor que el punto de reorden, la probabilidad de desabastecimiento es mayor, lo que da como resultado un bajo nivel de servicio. También puede ser que su tiempo de entrega para la reposición no se haya ingresado con precisión. Si el tiempo de entrega ingresado es más largo que la realidad, el punto de reorden puede no cubrir la demanda durante el tiempo de entrega. Verifique sus entradas de tiempo de entrega.

9. Pero mis niveles de servicio reales no son tan bajos como los que predice Smart, ¿por qué?
Eso puede ser cierto porque Smart predice su nivel de servicio si usted cumple con la política. Es posible que no esté cumpliendo con la política. la política en la que se basa la predicción del nivel de servicio.  Si su inventario disponible es mayor que la cantidad máxima, no está cumpliendo con la política. Verifique los supuestos ingresados para el tiempo de entrega. Los tiempos de entrega reales pueden ser mucho más cortos que los ingresados, lo que da como resultado un nivel de servicio previsto que es menor al esperado.

10. Smart parece recomendar demasiado inventario, o al menos más de lo que esperaba; ¿por qué?
Debe considerar la posibilidad de evaluar los datos de entrada, como el nivel de servicio y los plazos de entrega. Tal vez sus plazos de entrega reales no sean tan largos como el plazo de entrega que utiliza Smart. Hemos visto situaciones en las que los proveedores inflan artificialmente sus plazos de entrega cotizados para asegurarse de que siempre lleguen a tiempo. Si utiliza ese plazo de entrega al calcular sus existencias de seguridad, inevitablemente acumulará un exceso de existencias. Por lo tanto, revise su historial de plazos de entrega reales (Smart proporciona el informe de rendimiento del proveedor para esto) para tener una idea de los plazos de entrega reales y ajustarlos en consecuencia. O es posible que esté pidiendo un nivel de servicio muy alto que puede verse agravado aún más por un artículo muy volátil que tiene varios picos significativos en la demanda. Cuando la demanda fluctúa significativamente con respecto a la media, el uso de un objetivo de nivel de servicio alto (98%+) dará como resultado políticas de almacenamiento diseñadas para cubrir incluso picos muy grandes. Pruebe con un objetivo de nivel de servicio más bajo o reduzca el plazo de entrega (suponiendo que el plazo de entrega especificado ya no sea realista) y su inventario disminuirá, a veces de manera muy sustancial.

11. Smart está utilizando picos de demanda que no quiero que tenga en cuenta y está inflando el inventario. ¿Cómo puedo corregir esto?
Si está seguro de que el pico no volverá a ocurrir, puede eliminarlo de los datos históricos mediante una anulación con Smart Demand Planner. Deberá abrir el proyecto de pronóstico que contiene ese artículo, ajustar el historial y guardar el historial ajustado. Puede comunicarse con el soporte técnico para que lo ayude a configurarlo. Si los picos son parte de la aleatoriedad normal que a veces puede ocurrir, es mejor dejarlo así. En su lugar, considere un objetivo de nivel de servicio más bajo. El objetivo más bajo significa que los puntos de reorden no necesitan cubrir los valores extremos con tanta frecuencia, lo que da como resultado un inventario más bajo.

12. Cuando cambio la Cantidad de pedido o Máxima, mis niveles de servicio de ciclo no cambian, ¿por qué?
Smart informa sobre el “nivel de servicio del ciclo” y el “nivel de servicio”. Cuando cambia las cantidades de su pedido y las cantidades máximas, esto no afectará el “nivel de servicio del ciclo” porque los niveles de servicio del ciclo informan sobre el rendimiento solo durante el período de reposición. Esto se debe a que todo lo que lo protege de la falta de existencias después de que se realiza el pedido (y debe esperar hasta que llegue el pedido para la reposición) es el punto de reorden o el nivel mínimo. Cambiar el tamaño de la cantidad del pedido o el nivel máximo disponible (hasta niveles) no afectará sus niveles de servicio del ciclo. El nivel de servicio del ciclo solo se ve afectado por el tamaño de los puntos de reorden y la cantidad de stock de seguridad que se agrega, mientras que el “nivel de servicio” de Smart cambiará cuando modifique tanto los puntos de reorden como las cantidades del pedido.

13. Mi pronóstico parece inexacto. No muestra ninguno de los altibajos observados en el historial. ¿Por qué?
Un buen pronóstico es el número que se acerca más al real en comparación con otros números que podrían haberse predicho. Cuando los altibajos históricos no ocurren en intervalos predecibles, el mejor pronóstico es el que promedia o suaviza esos altibajos históricos. Un pronóstico que predice altibajos futuros que no ocurren en patrones obvios históricamente es más probable que sea menos preciso que uno que se pronostica solo en línea recta o de tendencia.

14. ¿Qué es la optimización? ¿Cómo funciona?
La optimización es una opción para establecer políticas de almacenamiento de existencias en las que el software elige la política de almacenamiento de existencias que genere el menor costo operativo total. Por ejemplo, si un artículo es muy costoso de mantener, una política que tenga más faltantes de existencias, pero menos inventario, generará costos totales más bajos que una política que tenga menos faltantes de existencias y más inventario. Por otro lado, si el artículo tiene un alto costo de faltante de existencias, entonces una política que genere menos faltantes de existencias pero requiera más inventario generará más beneficios financieros que una política que tenga menos inventario pero más faltantes de existencias. Al utilizar la función de optimización, el usuario debe especificar el nivel de servicio mínimo. El software decidirá entonces si un nivel de servicio más alto generará un mejor retorno. Si es así, las políticas de reordenamiento apuntarán al nivel de servicio más alto. Si no es así, las políticas de reordenamiento se basarán de manera predeterminada en el nivel de servicio mínimo definido por el usuario. Este seminario web proporciona detalles y explicaciones sobre las matemáticas detrás de la optimización.  https://www.screencast.com/t/3CfKJoMe2Uj

15. ¿Qué es un escenario hipotético?
Los escenarios hipotéticos le permiten probar distintas opciones de políticas de inventario definidas por el usuario y evaluar el impacto previsto en métricas como niveles de servicio, tasas de llenado y valor del inventario. Para explorar estos escenarios, haga clic en la pestaña Impulsores, ya sea en el nivel de resumen o en el nivel de “Artículos”, e ingrese los ajustes deseados. Luego, puede volver a calcular para ver cómo estos cambios afectarían el rendimiento general de su inventario. Esto le permite comparar varias estrategias y seleccionar el enfoque más rentable y eficiente para su cadena de suministro.

Al abordar preguntas y desafíos comunes, brindamos información útil para ayudarlo a mejorar sus prácticas de gestión de inventario. Con Smart IP&O, tiene las herramientas que necesita para tomar decisiones informadas sobre el inventario, reducir costos y mejorar el rendimiento general.

En este Videoblog explicaremos cómo la previsión de series temporales se ha convertido en una herramienta fundamental, especialmente a nivel diario, en la que Smart Software ha sido pionero desde sus inicios hace más de cuarenta años. La evolución de las prácticas comerciales de incrementos temporales anuales a incrementos temporales más refinados, como el análisis de datos mensual y ahora diario, ilustra un cambio significativo en las estrategias operativas.

Inicialmente, durante la década de 1980, la práctica habitual de utilizar datos anuales para realizar pronósticos y la introducción de datos mensuales se consideró innovadora. Este período marcó el comienzo de una tendencia hacia el aumento de la resolución del análisis de datos, lo que permitió a las empresas capturar y reaccionar ante cambios más rápidos en la dinámica del mercado. A medida que avanzamos hacia la década de 2000, la norma del análisis de datos mensual estaba bien establecida, pero los "chicos geniales" (innovadores en el borde de la analítica empresarial) comenzaron a experimentar con datos semanales. Este cambio fue impulsado por la necesidad de sincronizar las operaciones comerciales con condiciones de mercado cada vez más volátiles y comportamientos de los consumidores que exigían respuestas más rápidas que las que podían proporcionar los ciclos mensuales. Hoy, en la década de 2020, si bien el análisis de datos mensuales sigue siendo común, la frontera se ha desplazado nuevamente, esta vez hacia el análisis de datos diario, y algunos pioneros incluso se han aventurado en el análisis por horas.

El verdadero poder del análisis de datos diario radica en su capacidad de proporcionar una vista detallada de las operaciones comerciales, capturando las fluctuaciones diarias que podrían pasar desapercibidas en los datos mensuales o semanales. Sin embargo, las complejidades de los datos diarios requieren enfoques analíticos avanzados para extraer información significativa. En este nivel, comprender la demanda requiere lidiar con conceptos como intermitencia, estacionalidad, tendencia y volatilidad. La intermitencia, o la aparición de días sin demanda, se vuelve más pronunciada en una granularidad diaria y exige técnicas de pronóstico especializadas como el método de Croston para predicciones precisas. La estacionalidad a nivel diario puede revelar múltiples patrones (como mayores ventas los fines de semana o días festivos) que los datos mensuales enmascararían. Las tendencias se pueden observar como aumentos o disminuciones de la demanda a corto plazo, lo que exige estrategias de ajuste ágiles. Finalmente, la volatilidad a nivel diario se acentúa, mostrando oscilaciones de la demanda más significativas que las observadas en los análisis mensuales o semanales, lo que puede afectar las estrategias de gestión de inventarios y la necesidad de existencias de reserva. Este nivel de complejidad subraya la necesidad de herramientas analíticas sofisticadas y experiencia en el análisis de datos diario.

En conclusión, la evolución de pronósticos de series temporales menos frecuentes a pronósticos diarios marca un cambio sustancial en la forma en que las empresas abordan el análisis de datos. Esta transición no solo refleja el ritmo acelerado de los negocios, sino que también resalta la necesidad de herramientas que puedan manejar una mayor granularidad de los datos. La dedicación de Smart Software para perfeccionar sus capacidades analíticas para gestionar los datos diarios destaca el movimiento más amplio de la industria hacia una toma de decisiones más dinámica, receptiva y basada en datos. Este cambio no se trata simplemente de mantener el ritmo del tiempo, sino de aprovechar conocimientos detallados para forjar ventajas competitivas en un entorno empresarial en constante cambio.

​

Aquellos de ustedes que siguen temas candentes estarán familiarizados con el término "gemelo digital". Aquellos que han estado demasiado ocupados con el trabajo tal vez quieran seguir leyendo y ponerse al día.

¿Qué es un gemelo digital?

Si bien existen varias definiciones de gemelo digital, aquí hay una que funciona bien:

Un gemelo digital es una dinámica copia virtual de un activo físico, proceso, sistema o entorno que se parece y se comporta de manera idéntica a su contraparte del mundo real. Un gemelo digital ingiere datos y replica procesos así que puedes predecir posibles resultados de rendimiento y problemas que podría sufrir el producto del mundo real. [Fuente: unidad.com]. Para obtener información adicional, puede visitar Mckinsey.com.

¿Cuál es la diferencia entre un gemelo digital (en adelante DT) y un modelo? Principalmente, un DT se conecta a datos en tiempo real para mantener el modelo como una representación actualizada del sistema con el que está trabajando.

Nuestros productos actuales podrían denominarse “DT en cámara lenta” porque generalmente se usan con datos que no están en tiempo real (aunque no con datos obsoletos, ya que se actualizan durante la noche) y se aplican a problemas como planificar las compras de materias primas del próximo trimestre o establecer parámetros de inventario durante un mes o más.

¿La gente utiliza gemelos digitales en mi industria?

Mi impresión es que la penetración de los DT puede ser mayor en las industrias aeroespacial y nuclear. La mayoría de nuestros clientes están en otros lugares: en la fabricación, la distribución y los servicios públicos como el transporte y la energía. Pronto ofreceremos nuevos productos que se acercarán más a la definición estricta de un DT que está íntimamente conectado con el sistema que representa.

Vista previa de DT

La mayoría de los usuarios de Smart Inventory Optimization™ (SIO) ejecuta la aplicación periódicamente, normalmente mensualmente. SIO analiza la demanda actual de artículos de inventario y los plazos de entrega recientes de los proveedores, convirtiéndolos en escenarios de oferta y demanda, respectivamente. Luego, los usuarios, ya sea de forma interactiva (para artículos individuales) o automáticamente (a escala), establecen parámetros de control de inventario que proporcionarán el rendimiento promedio a largo plazo que desean, equilibrando los objetivos competitivos de minimizar el inventario y al mismo tiempo garantizar un nivel suficiente de disponibilidad de artículos.

Smart Supply Planner (SSP) opera de forma más inmediata para reaccionar ante contingencias. Cualquier día podría generar un pedido anómalo que aumente la demanda, como cuando un nuevo cliente realiza un pedido de almacenamiento inicial sorprendente. O un proveedor clave podría experimentar un problema en su fábrica y verse obligado a retrasar el envío de sus pedidos de reabastecimiento planificados. A largo plazo, estas contingencias se promedian y justifican las recomendaciones que surgen de SIO. Sin embargo, SSP le brindará una forma de reaccionar a corto plazo para aprovechar oportunidades o esquivar balas.

En esencia, SSP opera como SIO en el sentido de que está impulsado por escenarios. Las diferencias son que utiliza horizontes de planificación cortos y condiciones iniciales en tiempo real como base para sus simulaciones del desempeño del sistema de inventario. Luego brindará recomendaciones en tiempo real para intervenciones que compensen las perturbaciones causadas por las contingencias. Estos incluirían cancelar o acelerar las órdenes de reabastecimiento.

Resumen

Los gemelos digitales le permiten probar planes "in silico" antes de implementarlos en la fábrica o el almacén. En esencia, se encuentran los modelos matemáticos de su operación, pero conectados a datos en tiempo real. Proporcionan una “zona de pruebas digital” en la que puedes probar ideas y obtener predicciones inmediatas sobre qué tan bien funcionarán. Mucho más que una hoja de cálculo, las DT pronto serán la herramienta clave en su caja de herramientas de planificación de inventario.

Algunas empresas invierten en software que les ayude a gestionar su inventario, ya sean repuestos o productos terminados. Pero un número sorprendente de personas juegan el juego de adivinar el inventario todos los días, confiando en un “tripa dorada” imaginario o en la simple suerte para establecer sus parámetros de control de inventario. Pero, ¿qué tipo de resultados espera con ese enfoque?

¿Qué tan bueno eres para intuir los valores correctos? Esta publicación de blog lo desafía a adivinar los mejores valores mínimos y máximos para un artículo de inventario hipotético. Le mostraremos su historial de demanda, le brindaremos algunos datos relevantes, luego podrá elegir los valores mínimos y máximos y ver qué tan bien funcionarían. ¿Listo?

El reto

La Figura 1 muestra el historial de demanda diaria del artículo. La demanda promedio es de 2 unidades por día. El plazo de reposición es de 10 días constantes (lo cual no es realista pero juega a su favor). Los pedidos que no se pueden completar inmediatamente desde el stock no se pueden retrasar y se pierden. Desea lograr al menos una tasa de cumplimiento de 80%, pero no a cualquier costo. También desea minimizar la cantidad promedio de unidades disponibles y al mismo tiempo lograr al menos una tasa de llenado de 80%. ¿Qué valores mínimos y máximos producirían una tasa de llenado del 80% con el número promedio más bajo de unidades disponibles? [Grabe sus respuestas para comprobarlas más tarde. La solución aparece a continuación, al final del artículo.]

Calcular los mejores valores mínimos y máximos

La forma de determinar los mejores valores es utilizar un gemelo digital, también conocido como simulación de Monte Carlo. El análisis crea una multitud de escenarios de demanda y los pasa a través de la lógica matemática del sistema de control de inventario para ver qué valores tomarán los indicadores clave de desempeño (KPI).

Construimos un gemelo digital para este problema y lo ejercitamos sistemáticamente con 1085 pares de valores mínimos y máximos. Para cada par, simulamos 365 días de funcionamiento un total de 100 veces. Luego promediamos los resultados para evaluar el desempeño del par Mínimo/Máximo en términos de dos KPI: tasa de cumplimiento e inventario disponible promedio.

La Figura 2 muestra los resultados. La compensación inherente entre el tamaño del inventario y la tasa de cumplimiento es clara en la figura: si desea una tasa de cumplimiento más alta, debe aceptar un inventario más grande. Sin embargo, en cada nivel de inventario hay un rango de tasas de llenado, por lo que el juego consiste en encontrar el par mínimo/máximo que produzca la tasa de llenado más alta para cualquier tamaño de inventario determinado.

Una forma diferente de interpretar la Figura 2 es centrarse en la línea verde discontinua que marca la tasa de llenado objetivo del 80%. Hay muchos pares Min/Max que pueden alcanzar cerca del objetivo 80%, pero difieren en el tamaño del inventario de aproximadamente 6 a aproximadamente 8 unidades. La Figura 3 amplía esa región de la Figura 2 para mostrar una gran cantidad de pares Mín/Máx que son competitivos.

Clasificamos los resultados de las 1.085 simulaciones para identificar lo que los economistas llaman la frontera eficiente. La frontera eficiente es el conjunto de pares mínimo/máximo más eficientes para explotar el equilibrio entre la tasa de llenado y las unidades disponibles. Es decir, es una lista de pares mínimo/máximo que proporciona la forma más económica de lograr cualquier tasa de llenado deseada, no solo 80%. La Figura 4 muestra la frontera eficiente para este problema. Moviéndose de izquierda a derecha, puede leer el precio más bajo que tendría que pagar (medido por el tamaño promedio del inventario) para lograr cualquier tasa de cumplimiento objetivo. Por ejemplo, para lograr una tasa de llenado del 90%, tendría que tener un inventario promedio de aproximadamente 10 unidades.

Las figuras 2, 3 y 4 muestran resultados para varios pares Mín/Máx, pero no muestran los valores de Mín y Máx detrás de cada punto. La Tabla 1 muestra todos los datos de la simulación: los valores mínimo, máximo, unidades promedio disponibles y tasa de llenado. La respuesta al juego de adivinanzas está resaltada en la primera línea de la tabla: Mín=7 y Máx=13¹. ¿Obtuviste la respuesta correcta o algo parecido?²? ¿Quizás llegaste a la frontera eficiente?

Conclusiones

Tal vez tuviste suerte, o tal vez tengas un intestino dorado, pero es más probable que no hayas obtenido la respuesta correcta, y es aún más probable que ni siquiera lo hayas intentado. Encontrar la respuesta correcta es extremadamente difícil sin utilizar el gemelo digital. Adivinar no es profesional.

Un paso adelante de las conjeturas es “adivinar y ver”, en el que implementas tu conjetura y luego esperas un tiempo (¿meses?) para ver si te gustan los resultados. Esa táctica es al menos “científica”, pero es ineficiente.

Ahora considere el esfuerzo de encontrar los mejores pares (Min, Max) para miles de artículos. A esa escala, hay aún menos justificación para jugar el Juego de Adivinar el Inventario. La respuesta correcta es jugarlo... Inteligente³.

¹ Esta respuesta tiene una ventaja, ya que logra una tasa de llenado un poco mayor que 80% con un tamaño de inventario promedio más bajo que la combinación Mín./Máx. que alcanzó exactamente 80%. En otras palabras, (7,13) está en la frontera eficiente.

² Debido a que estos resultados provienen de una simulación en lugar de una ecuación matemática exacta, existe un cierto margen de error asociado con cada tasa de llenado y nivel de inventario estimados. Sin embargo, debido a que los resultados promedio se basaron en 100 simulaciones cada 365 días, los márgenes de error son pequeños. En todos los experimentos, los errores estándar promedio en la tasa de llenado y el inventario medio fueron, respectivamente, sólo 0,009% y 0,129 unidades.

³ En caso de que no lo sepas, uno de los fundadores de Smart Software fue... Charlie Smart.