En este artículo, revisaremos la funcionalidad de “órdenes sugeridas” en Epicor BisTrack, explicaremos sus limitaciones y resumiremos cómo la Planificación y optimización inteligente del inventario (Smart IP&O) puede ayudar a reducir el inventario y minimizar los desabastecimientos al evaluar con precisión las compensaciones entre los riesgos de desabastecimiento. y costos de inventario.

Automatización del reabastecimiento en Epicor BisTrack
Los “Pedidos sugeridos” de Epicor BisTrack pueden gestionar el reabastecimiento sugiriendo qué pedir y cuándo mediante políticas basadas en puntos de reorden, como mínimo-máximo y/o semanas de suministro especificadas manualmente. BisTrack contiene algunas funciones básicas para calcular estos parámetros en función del uso o las ventas promedio, el tiempo de entrega del proveedor y/o los ajustes estacionales definidos por el usuario. Alternativamente, los puntos de reorden se pueden especificar de forma completamente manual. Luego, BisTrack presentará al usuario una lista de pedidos sugeridos conciliando el suministro entrante, el actual disponible, la demanda saliente y las políticas de almacenamiento.

Cómo funciona el “pedido sugerido” de Epicor BisTrack
Para obtener una lista de pedidos sugeridos, los usuarios especifican los métodos detrás de las sugerencias, incluidas las ubicaciones para realizar pedidos y cómo determinar las políticas de inventario que rigen cuándo se hace una sugerencia y en qué cantidad.

Primero, el campo "método" se especifica entre las siguientes opciones para determinar qué tipo de sugerencia se genera y para qué ubicación(es):

Compra – Generar recomendaciones de órdenes de compra.

1. Centralizado para todas las sucursales: genera sugerencias para una única ubicación que compra para todas las demás ubicaciones.
2. Por sucursal individual: genera sugerencias para múltiples ubicaciones (los proveedores enviarían directamente a cada sucursal).
3. Por sucursal de origen: genera sugerencias para una sucursal de origen que transferirá material a las sucursales a las que presta servicio (“hub and Spoke”).
4. Sucursales individuales con transferencias: genera sugerencias para una sucursal individual que transferirá material a las sucursales a las que presta servicios ("centro y radio", donde el "centro" no necesita ser una sucursal de origen).

Fabricar – Generar sugerencias de órdenes de trabajo para productos manufacturados.

1. Por rama de fabricación.
2. Por sucursal individual.

Transferir de la rama fuente – Generar sugerencias de transferencia de una sucursal determinada a otras sucursales.

A continuación se especifica el “pedido sugerido a” entre las siguientes opciones:

1. Mínimo: sugiere pedidos "hasta" la cantidad mínima disponible ("min"). Para cualquier artículo cuyo suministro sea inferior al mínimo, BisTrack sugerirá un pedido para reponer hasta esta cantidad.
2. Máximo cuando es inferior al mínimo: sugiere pedidos “hasta” una cantidad máxima disponible cuando se incumple la cantidad mínima disponible (por ejemplo, una política de inventario mínimo-máximo).

3. Basado en cobertura (uso): sugiere pedidos basados en la cobertura para un número de semanas de suministro definido por el usuario con respecto a un plazo de entrega específico. Dado interno uso Según la demanda, BisTrack recomendará pedidos donde la oferta sea menor que la cobertura deseada para cubrir la diferencia.

4. Basado en exceso (ventas): sugiere pedidos basados en la cobertura para un número de semanas de suministro definido por el usuario con respecto a un plazo de entrega específico. Dado ordenes de venta Según la demanda, BisTrack recomendará pedidos donde la oferta sea menor que la cobertura deseada para cubrir la diferencia.

5. Solo máximo: sugiere pedidos “hasta” una cantidad máxima disponible donde el suministro es menor que este máximo.

Finalmente, si permite que BisTrack determine los umbrales de reorden, los usuarios pueden especificar una cobertura de inventario adicional como stock de reserva, tiempos de entrega, cuántos meses de demanda histórica considerar y también pueden definir manualmente esquemas de ponderación período por período para aproximar la estacionalidad. El usuario recibirá una lista de pedidos sugeridos según los criterios definidos. Luego, un comprador puede generar órdenes de compra para proveedores con solo hacer clic en un botón.

Limitaciones

Métodos de regla general

Si bien BisTrack permite a las organizaciones generar puntos de reorden automáticamente, estos métodos se basan en promedios simples que no capturan la estacionalidad, las tendencias o la volatilidad en la demanda de un artículo. Los promedios siempre estarán por detrás de estos patrones y no pueden captar las tendencias. Considere un producto altamente estacional como una pala quitanieves: si tomamos un promedio de la demanda de verano/otoño a medida que nos acercamos a la temporada de invierno en lugar de mirar hacia adelante, entonces las recomendaciones se basarán en los períodos más lentos en lugar de anticipar la demanda futura. Incluso si consideramos un año entero de historia o más, las recomendaciones compensarán en exceso durante los meses más lentos y subestimarán la temporada alta sin intervención manual.

Los métodos de regla general también fallan cuando se utilizan para amortiguar la variabilidad de la oferta y la demanda. Por ejemplo, la demanda promedio durante el plazo de entrega podría ser de 20 unidades. Sin embargo, un planificador a menudo querrá almacenar más de 20 unidades para evitar desabastecerse si los plazos de entrega son más largos de lo esperado o la demanda es mayor que el promedio. BisTrack permite a los usuarios especificar los puntos de reorden en función de múltiplos de los promedios. Sin embargo, debido a que los múltiplos no tienen en cuenta el nivel de previsibilidad y variabilidad de la demanda, siempre tendrá un exceso de existencias de artículos predecibles y una falta de existencias de los impredecibles. Lee esto artículo para obtener más información sobre por qué múltiplos del promedio fallan cuando se trata de desarrollar el punto de reorden correcto.

Entrada manual
Hablando de la estacionalidad mencionada anteriormente, BisTrack permite al usuario aproximarla mediante el uso de "pesos" ingresados manualmente para cada período. Esto obliga al usuario a decidir cómo será ese patrón estacional para cada artículo. Incluso más allá de eso, el usuario debe dictar cuántas semanas adicionales de suministro debe llevar para protegerse contra desabastecimientos. y debe especificar el plazo de entrega para planificar. ¿Es suficiente un suministro adicional de 2 semanas? ¿Es suficiente con 3? ¿O es demasiado? No hay forma de saberlo sin adivinar, y lo que tiene sentido para un elemento puede no ser el enfoque correcto para todos.

Demanda intermitente
Muchos clientes de BisTrack pueden considerar ciertos elementos "impredecibles" debido a la intermitente o “grumosos” de su demanda. En otras palabras, artículos que se caracterizan por una demanda esporádica, grandes picos de demanda y períodos de poca o ninguna demanda. Los métodos tradicionales, y especialmente los enfoques empíricos, no funcionarán para este tipo de artículos. Por ejemplo, 2 semanas adicionales de suministro para un artículo estable y altamente predecible podría ser demasiado; para un artículo con una demanda muy volátil, esta misma regla podría no ser suficiente. Sin una forma confiable de evaluar objetivamente esta volatilidad para cada artículo, los compradores se quedan sin saber cuándo comprar y cuánto.

Volver a hojas de cálculo
La realidad es que la mayoría de los usuarios de BisTrack tienden a realizar la mayor parte de su planificación fuera de línea, en Excel. Las hojas de cálculo no están diseñadas específicamente para realizar pronósticos y optimizar el inventario. Los usuarios a menudo utilizan métodos definidos por el usuario. regla de oro inventadas por el usuario, métodos que a menudo hacen más daño que bien. Una vez calculado, los usuarios deben ingresar la información nuevamente en BisTrack manualmente. La naturaleza lenta del proceso lleva a las empresas a calcular sus políticas de inventario con poca frecuencia. Pasan muchos meses y, en ocasiones, años entre actualizaciones masivas, lo que lleva a un enfoque reactivo de "configúrelo y olvídese", donde el único momento en que un comprador/planificador revisa la política de inventario es en el momento de realizar el pedido. Cuando las políticas se revisan después de que ya se haya incumplido el punto de orden, ya es demasiado tarde. Cuando el punto de orden se considera demasiado alto, se requiere una interrogación manual para revisar el historial, calcular pronósticos, evaluar las posiciones del buffer y recalibrar. El gran volumen de pedidos significa que los compradores simplemente liberarán los pedidos en lugar de tomarse el minucioso tiempo de revisarlo todo, lo que genera un importante exceso de existencias. Si el punto de reorden es demasiado bajo, ya es demasiado tarde. Ahora puede ser necesaria una aceleración, lo que aumentará los costos, suponiendo que el cliente no se vaya simplemente a otra parte.

Epicor es más inteligente
Epicor se ha asociado con Smart Software y ofrece Smart IP&O como un complemento multiplataforma para sus soluciones ERP, incluido BisTrack, un ERP especializado para la industria de la madera, el hardware y los materiales de construcción. La solución Smart IP&O viene completa con una integración bidireccional con BisTrack. Esto permite a los clientes de Epicor aprovechar las mejores aplicaciones de optimización de inventario diseñadas específicamente para su propósito. Con Epicor Smart IP&O puede generar pronósticos que capturen tendencias y estacionales sin configuraciones manuales. Podrá recalibrar automáticamente las políticas de inventario utilizando modelos estadísticos y probabilísticos de vanguardia probados en el campo que fueron diseñados para planificar con precisión demanda intermitente. Las existencias de seguridad tendrán en cuenta con precisión la variabilidad de la oferta y la demanda, las condiciones comerciales y las prioridades. Puedes aprovechar la planificación impulsada por el nivel de servicio para que tenga suficiente stock o activar métodos de optimización que prescriben las políticas de almacenamiento y niveles de servicio más rentables que consideran el costo real de mantener el inventario. Puede respaldar las compras de materias primas con pronósticos precisos de la demanda en horizontes más largos y ejecutar escenarios hipotéticos para evaluar estrategias alternativas antes de ejecutar el plan.

Los clientes inteligentes de IP&O obtienen habitualmente rendimientos anuales de siete cifras gracias a la reducción de los plazos, el aumento de las ventas y el menor exceso de existencias, al mismo tiempo que obtienen una ventaja competitiva al diferenciarse por un mejor servicio al cliente. Para ver un seminario web grabado organizado por el Grupo de Usuarios de Epicor que describe la plataforma de optimización de inventario y planificación de la demanda de Smart, por favor regístrese aquí.

La planificación de piezas de servicio impulsada por el nivel de servicio para Microsoft Dynamics BC o F&SC es un proceso de cuatro pasos que se extiende más allá de la previsión simplificada y las existencias de seguridad de la regla empírica. Proporciona a los planificadores de piezas de servicio un soporte de decisiones basado en datos y ajustado al riesgo.

Las matemáticas para determinar este nivel de planificación simplemente no existen en la funcionalidad D365. Requiere matemáticas e inteligencia artificial que pasan miles de veces a través de cálculos para cada parte y centro de parte (ubicaciones). Las matemáticas y la IA como esta son exclusivas de Smart. Para entender más, por favor sigue leyendo. 

Paso 1. Asegúrese de que todas las partes interesadas estén de acuerdo con las métricas que importan. 

Todos los participantes en el proceso de planificación del inventario de piezas de servicio deben ponerse de acuerdo sobre las definiciones y qué métricas son más importantes para la organización. Niveles de servicio detalle el porcentaje de tiempo que puede satisfacer completamente el uso requerido sin agotar existencias. Tasas de relleno detallar el porcentaje del uso solicitado que se completa inmediatamente con el stock. (Para obtener más información sobre las diferencias entre los niveles de servicio y la tasa de llenado, vea esta lección de 4 minutos aquí.) Disponibilidad detalla el porcentaje de repuestos activos con un inventario disponible de al menos una unidad. Costos de mantenimiento son los costos anualizados de tenencia de existencias teniendo en cuenta la obsolescencia, los impuestos, los intereses, el almacenamiento y otros gastos. costos de escasez son el costo de quedarse sin existencias, incluido el tiempo de inactividad del vehículo/equipo, expediciones, pérdida de ventas y más. gastos de pedido son los costos asociados con la colocación y recepción de pedidos de reabastecimiento.

Paso 2. Compare el rendimiento del nivel de servicio actual histórico y previsto.

Todos los participantes en el proceso de planificación del inventario de piezas de servicio deben tener una comprensión común de los niveles de servicio futuros previstos, las tasas de llenado y los costos y sus implicaciones para las operaciones de piezas de servicio. Es crítico medir tanto la historia Indicadores clave de rendimiento (KPI) y sus equivalentes predictivos, Predicciones clave de rendimiento (KPP). Al aprovechar el software moderno, puede comparar el rendimiento anterior y aprovechar los métodos de pronóstico probabilístico para simular el rendimiento futuro. Prácticamente todas las soluciones de planificación de la demanda se detienen aquí. Smart va más allá pruebas de estrés sus políticas actuales de almacenamiento de inventario frente a todos los escenarios plausibles de demanda futura. Son estos miles de cálculos los que construyen nuestros KPP. La precisión de esto mejora la capacidad de D365 para equilibrar los costos de tener demasiado con los costos de no tener suficiente. Sabrá de antemano cómo es probable que funcionen las políticas de existencias actuales y propuestas.

Paso 3. Acuerde los niveles de servicio específicos para cada pieza de repuesto y tome medidas correctivas proactivas cuando se prevea que no cumplirán los objetivos. 

Los planificadores de piezas, el liderazgo de la cadena de suministro y los equipos mecánicos/de mantenimiento deben acordar los objetivos de nivel de servicio deseados con una comprensión completa de las compensaciones entre el riesgo de falta de existencias y el costo del inventario. Una llamada aquí es que nuestros clientes de D365 casi siempre están sorprendidos por la diferencia de niveles de existencias entre la disponibilidad de 100% y 99.5%. Con la lógica de casi 10,000 escenarios, ese medio por ciento de interrupción casi nunca se alcanza. Usted logra una política de almacenamiento completo con costos mucho más bajos. Encuentra las piezas que no tienen suficientes existencias y las corrige. El punto de equilibrio suele ser una reducción de 7-12% en los costos de inventario. 

Este aprovechamiento de escenarios hipotéticos en nuestro software de planificación de piezas brinda a la gerencia y a los compradores la capacidad de comparar fácilmente políticas de almacenamiento alternativas e identificar aquellas que mejor cumplen con los objetivos comerciales. Para algunas piezas, un pequeño desabastecimiento está bien. Para otros, necesitamos esa disponibilidad de piezas 99.5%. Una vez que se acuerdan estos límites, usamos el Poder de D365 para optimizar el inventario utilizando el ERP principal de D365 como debe ser. La planificación se carga automáticamente para involucrar a Dynamics con puntos de reorden modificados, niveles de existencias de seguridad y/o parámetros Mín./Máx. Esto admite un único punto central empresarial y las personas no utilizan múltiples sistemas para la gestión y compra diaria de piezas.

Paso 4. Hazlo así y mantenlo así. 

Capacite al equipo de planificación con el conocimiento y las herramientas que necesita para asegurarse de lograr el equilibrio acordado entre los niveles de servicio y los costos. Esto es crítico e importante. También es importante usar Dynamics F&SC o BC para ejecutar sus transacciones de ERP. Estos dos Dynamics ERP tienen el nivel más alto de crecimiento de nuevos ERP en el planeta. Usarlos como están destinados a ser utilizados tiene sentido. También tiene sentido llenar el espacio en blanco para los cálculos matemáticos y de inteligencia artificial para la gestión de mantenimiento y piezas. Esto requiere una solución más compleja y específica para ayudar. Smart Software Inventory Optimization para EAM y Dynamics ERP tiene la respuesta.    

Recuerde: la recalibración de su política de inventario de piezas de servicio es un mantenimiento preventivo tanto contra los desabastecimientos como contra el exceso de existencias. Ayuda con los costos, libera capital para otros usos y respalda las mejores prácticas para su equipo. 

Amplíe Microsoft 365 F&SC y AX con Smart IP&O

Para ver una grabación del seminario web de Microsoft Dynamics Communities que muestra Smart IP&O, regístrese aquí:

https://smartcorp.com/inventory-planning-with-microsoft-365-fsc-and-ax/

“Independientemente de cuánto esfuerzo se invierta en capacitar a los pronosticadores y desarrollar sistemas elaborados de apoyo a los pronósticos, los tomadores de decisiones modificarán o descartarán las predicciones si no confían en ellas”. — Dilek Onkal, International Journal of Forecasting 38:3 (julio-septiembre de 2022), p.802.

Las palabras citadas arriba me llamaron la atención y provocaron esta publicación. Aquellos con una persuasión geek, como su blogger, se inclinan a pensar en los pronósticos como un problema estadístico. Si bien eso es obviamente cierto, aquellos de cierta edad, como tu blogger, entienden que la previsión también es una actividad social y, por lo tanto, tiene un gran componente humano.

¿En quién confías?

La confianza es siempre una calle de doble sentido, pero permanezcamos del lado del pronosticador de la demanda. ¿Qué características y acciones de los pronosticadores y planificadores de la demanda generan confianza en su trabajo? La profesora Onkal citada anteriormente revisó la investigación académica sobre este tema que se remonta a 2006. Resumió los resultados de encuestas a profesionales que identificaron factores clave de confianza relacionados con las características del pronosticador, el proceso de pronóstico y la comunicación del pronóstico.

Características del pronosticador

La clave para generar confianza entre los usuarios de los pronósticos son las percepciones de la competencia y objetividad del pronosticador y del planificador de la demanda. La competencia tiene un componente matemático, pero muchos gerentes confunden las habilidades informáticas con las habilidades analíticas, por lo que los usuarios de software de pronóstico generalmente pueden superar este obstáculo. Sin embargo, dado que los dos no son lo mismo, vale la pena absorber la capacitación de su proveedor y aprender no solo las matemáticas sino también la jerga de su software de pronóstico. En mi observación, la confianza también puede incrementarse mostrando conocimiento del negocio de la empresa.

La objetividad es también una clave para la confiabilidad. Puede ser incómodo para el pronosticador estar en medio de disputas departamentales ocasionales, pero surgirán y deben manejarse con tacto. ¿Peleas? Bueno, los silos existen y se inclinan en diferentes direcciones. Los departamentos de ventas favorecen las previsiones de demanda más altas que impulsan los aumentos de producción, de modo que nunca tengan que decir "Lo siento, acabamos de salir de eso". Los gerentes de inventario desconfían de los pronósticos de alta demanda, porque el "exceso de entusiasmo" puede dejarlos con la bolsa en la mano, sentados sobre un inventario inflado.

A veces el pronosticador se convierte en un de facto árbitro, y en este papel debe mostrar signos evidentes de objetividad. Eso puede significar primero reconocer que cada decisión de gestión implica compensaciones de cosas buenas contra otras cosas buenas, por ejemplo, disponibilidad del producto versus operaciones ajustadas, y luego ayudar a las partes a lograr un equilibrio doloroso pero tolerable al mostrar los vínculos entre las decisiones operativas y las métricas clave de rendimiento. que le importan a personas como los directores financieros.

El proceso de previsión

Se puede pensar que el proceso de pronóstico tiene tres fases: entradas de datos, cálculos y salidas. Se pueden tomar acciones para aumentar la confianza en cada fase.

En cuanto a las entradas:

La confianza se puede aumentar si las entradas obviamente relevantes se reconocen al menos si no se usan directamente en los cálculos. Por lo tanto, factores como el sentimiento de las redes sociales y los instintos de los gerentes de ventas regionales pueden ser partes legítimas de un proceso de consenso de pronóstico. Sin embargo, la objetividad requiere que estos predictores putativos de ganancias sean probados objetivamente. Por ejemplo, un proceso de pronóstico de nivel profesional bien puede incluir un ajuste subjetivo a los pronósticos estadísticos, pero luego también debe evaluar si los ajustes realmente terminan mejorando la precisión, no solo haciendo que algunas personas se sientan escuchadas.

En cuanto a la segunda fase, los cálculos:

Se confiará en el pronosticador en la medida en que pueda implementar más de una forma de calcular los pronósticos y luego articular una buena razón por la que eligió el método finalmente utilizado. Además, el pronosticador debe ser capaz de explicar en un lenguaje accesible cómo funcionan incluso las técnicas más complicadas. Es difícil confiar en un método de “caja negra” tan opaco que resulta inescrutable. La importancia de la explicabilidad se amplifica por el hecho de que el superior del pronosticador debe ser capaz de justificar la elección de la técnica para su supervisor.

Por ejemplo, el suavizado exponencial usa esta ecuación: S(t) = αX(t)+(1-α)S(t-1). Muchos pronosticadores están familiarizados con esta ecuación, pero muchos usuarios de pronósticos no. Hay una historia que explica la ecuación en términos de promediar el "ruido" irrelevante en el historial de demanda de un artículo y la necesidad de lograr un equilibrio entre suavizar el ruido y ser capaz de reaccionar ante cambios repentinos en el nivel de demanda. El pronosticador que pueda contar esa historia será más creíble. (Mi propia versión de esa historia usa frases de los deportes, es decir, "falsificaciones de cabeza" y "jukes". Encontrar análogos campechanos apropiados para su audiencia específica siempre paga dividendos).

Un punto final: las mejores prácticas exigen que cualquier pronóstico vaya acompañado de una evaluación honesta de su incertidumbre. Un pronosticador que trata de generar confianza siendo demasiado específico ("Las ventas del próximo trimestre serán de 12,184 unidades") siempre fallará. Un pronosticador que dice "Las ventas del próximo trimestre tendrán una probabilidad de 90% de caer entre 12,000 y 12,300 unidades" será correcto con más frecuencia y también más útil para los tomadores de decisiones. Después de todo, la previsión es esencialmente un trabajo de gestión de riesgos, por lo que la mejor forma de tomar decisiones es conocer los riesgos.

Comunicación de previsión:

Finalmente, considere la tercera fase, la comunicación de los resultados del pronóstico. La investigación sugiere que la comunicación continua con los usuarios del pronóstico genera confianza. Evita esos horribles y desalentadores momentos en los que un informe con un buen formato es derribado debido a algún defecto fatal que podría haberse previsto: "Esto no es bueno porque no tuvo en cuenta X, Y o Z" o "Realmente queríamos presentar los resultados acumulados en la parte superior de las jerarquías de productos (o por región de ventas o por línea de productos o…)”.

Incluso cuando todos están alineados en cuanto a lo que se espera, la confianza aumenta al presentar los resultados mediante gráficos bien elaborados, con tablas numéricas masivas proporcionadas como respaldo, pero no como la forma principal de comunicar los resultados. Mi experiencia ha sido que, al igual que un dispositivo de control de reuniones, un gráfico suele ser mucho mejor que una gran tabla numérica. Con un gráfico, la atención de todos se centra en lo mismo y muchos aspectos del análisis son inmediatamente (y literalmente) visibles. Con una tabla de resultados, la mesa de participantes a menudo se divide en conversaciones paralelas en las que cada voz se enfoca en diferentes piezas de la mesa.

Onkal resume la investigación de esta manera: "Las conclusiones para quienes hacen pronósticos y quienes los utilizan convergen en torno a la claridad de la comunicación, así como a las percepciones de competencia e integridad".

¿En qué confías?

Hay una dimensión relacionada con la confianza: no en quién confías sino en qué confías. Con esto me refiero tanto a los datos como al software….  Lee la 2da parte de este Blog “En qué Confías” aquí  https://smartcorp.com/forecasting/the-role-of-trust-in-the-demand-forecasting-process-part-2-what/

¿Cuánto tiempo debe tomar para calcular un pronóstico de demanda usando métodos estadísticos? Esta pregunta la hacen a menudo los clientes actuales y potenciales. La respuesta realmente depende. Los resultados del pronóstico para un solo elemento se pueden calcular en un abrir y cerrar de ojos, en tan solo unas pocas centésimas de segundo, pero a veces pueden requerir hasta cinco segundos. Para comprender las diferencias, es importante entender que hay más cosas involucradas que solo repasar la aritmética del pronóstico en sí. Aquí hay seis factores que influyen en la velocidad de su motor de pronóstico.

1) Método de pronóstico.  Las técnicas tradicionales de extrapolación de series de tiempo (como el suavizado exponencial y los métodos de promedio móvil), cuando están codificadas inteligentemente, son muy rápidas. Por ejemplo, el motor de pronóstico automático Smart Forecast que aprovecha estas técnicas y potencia nuestro software de optimización de inventario y planificación de demanda puede generar pronósticos estadísticos sobre 1,000 artículos en 1 segundo. Los métodos de extrapolación producen un pronóstico esperado y una medida resumida de la incertidumbre del pronóstico. Sin embargo, los modelos más complejos en nuestra plataforma que generan escenarios de demanda probabilísticos toman mucho más tiempo con los mismos recursos informáticos. Esto se debe en parte a que crean un volumen de producción mucho mayor, por lo general miles de secuencias de demanda futura plausibles. Más tiempo, sí, pero no tiempo perdido, ya que estos resultados son mucho más completos y forman la base para la optimización posterior de los parámetros de control de inventario.

2) Recursos informáticos.  Cuantos más recursos arroje al cálculo, más rápido será. Sin embargo, los recursos cuestan dinero y puede que no sea económico invertir en estos recursos. Por ejemplo, para hacer que ciertos tipos de pronósticos basados en aprendizaje automático funcionen, el sistema necesitará realizar cálculos de subprocesos múltiples en varios servidores para entregar resultados rápidamente. Por lo tanto, asegúrese de comprender los recursos informáticos asumidos y los costos asociados. Nuestros cálculos se realizan en la nube de Amazon Web Services, por lo que es posible pagar una gran cantidad de cómputo paralelo si se desea.

3) Número de series temporales.  ¿Tiene que pronosticar solo unos pocos cientos de artículos en una sola ubicación o muchos miles de artículos en docenas de ubicaciones? Cuanto mayor sea el número de combinaciones de SKU x Ubicación, mayor será el tiempo requerido. Sin embargo, es posible recortar el tiempo para obtener pronósticos de demanda mediante una mejor clasificación de la demanda. Por ejemplo, no es importante pronosticar cada combinación de SKU x Ubicación. El software moderno de planificación de la demanda primero puede subdividir los datos en función de las clasificaciones de volumen/frecuencia antes de ejecutar el motor de pronóstico. Hemos observado situaciones en las que existían más de un millón de combinaciones SKU x Ubicación, pero solo el diez por ciento tenía demanda en los doce meses anteriores.

4) Clasificación histórica. ¿Está pronosticando utilizando intervalos de tiempo diarios, semanales o mensuales? Cuanto más granular sea la agrupación, más tiempo llevará calcular los pronósticos estadísticos. Muchas empresas se preguntarán: "¿Por qué alguien querría pronosticar diariamente?" Sin embargo, el software de pronóstico de demanda de última generación puede aprovechar los datos diarios para detectar patrones simultáneos de días de la semana y semanas del mes que, de otro modo, quedarían ocultos con los grupos de demanda mensuales tradicionales. Y la velocidad de los negocios continúa acelerándose, amenazando la viabilidad competitiva del ritmo de planificación mensual tradicional.

5) Cantidad de Historia. ¿Está limitando el modelo alimentándolo solo con el historial de demanda más reciente, o está introduciendo todo el historial disponible en el software de previsión de demanda? Cuanto más historial alimente el modelo, más datos se deben analizar y más tiempo llevará.

6) Procesamiento analítico adicional.  Hasta ahora, hemos imaginado ingresar el historial de demanda de los artículos y obtener pronósticos. Pero el proceso también puede implicar pasos analíticos adicionales que pueden mejorar los resultados. Ejemplos incluyen:

a) Detección y eliminación de valores atípicos para minimizar la distorsión causada por eventos únicos como daños por tormentas.

b) Aprendizaje automático que decide cuánto historial se debe usar para cada elemento detectando el cambio de régimen.

C) Modelado causal que identifica cómo los cambios en los impulsores de la demanda (como el precio, la tasa de interés, la opinión del cliente, etc.) afectan la demanda futura.

d) Informe de excepción que utiliza el análisis de datos para identificar situaciones inusuales que ameritan una mayor revisión por parte de la gerencia.

El resto de la historia. También es fundamental comprender que el tiempo para obtener una respuesta implica más que la velocidad de los cálculos de pronóstico. per se. Los datos deben cargarse en la memoria antes de que pueda comenzar la computación. Una vez que se calculan los pronósticos, su navegador debe cargar los resultados para que puedan mostrarse en la pantalla para que usted interactúe con ellos. Si vuelve a pronosticar un producto, puede optar por guardar los resultados. Si está trabajando con jerarquías de productos (agregando pronósticos de artículos hasta familias de productos, familias hasta líneas de productos, etc.), el nuevo pronóstico afectará la jerarquía y todo debe conciliarse. Todo esto lleva tiempo.

¿Lo suficientemente rápido para ti? Cuando está evaluando el software para ver si su necesidad de velocidad será satisfecha, todo esto puede probarse como parte de una prueba de concepto o prueba ofrecida por los proveedores de soluciones de software de planificación de la demanda. Pruébelo y asegúrese de que el calcular, cargar y guardar los tiempos son aceptables dado el volumen de datos y los métodos de pronóstico que desea utilizar para respaldar su proceso.

 ¿Qué es el efecto de oscilación? 

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:

Cliente: “El pronóstico no sigue los patrones que veo en el historial. ¿Por qué no?" 

Inteligente: “Si miras de cerca, los altibajos que ves no son patrones. Es realmente ruido”.  

Cliente: “Pero si no predecimos los máximos, nos agotamos”.

Smart: “Si el pronóstico 'se moviera', sería mucho menos preciso. El sistema pronosticará cualquier patrón que sea evidente, en este caso una tendencia alcista muy leve. Protegeremos el ruido con existencias de seguridad. Los meneos se utilizan para establecer las existencias de seguridad”.

Cliente: “Está bien. Tiene sentido ahora. 

El movimiento parece tranquilizador pero, en este caso, está dando como resultado un pronóstico de demanda incorrecto. Los altibajos en realidad no ocurren a la misma hora cada mes. Un mejor pronóstico estadístico se muestra en verde claro.