Las empresas que dependen de hojas de cálculo para la planificación de la demanda, la previsión y la gestión de inventario a menudo se ven limitadas por las limitaciones inherentes de las hojas de cálculo. Esta publicación examina los inconvenientes de los enfoques tradicionales de gestión de inventario causados por las hojas de cálculo y sus costos asociados, comparándolos con los importantes beneficios que se obtienen al adoptar tecnologías de planificación de última generación.

Las hojas de cálculo, si bien son flexibles por su infinita capacidad de personalización, son fundamentalmente de naturaleza manual y requieren una importante gestión de datos, aportación humana y supervisión. Esto aumenta el riesgo de errores, desde simples errores al ingresar datos hasta complejos errores de fórmula, que causan efectos en cascada que impactan negativamente en los pronósticos. Además, a pesar de los avances en las funciones colaborativas que permiten que varios usuarios interactúen con una hoja común, los procesos basados en hojas de cálculo suelen estar aislados. El titular de la hoja de cálculo posee los datos. Cuando esto sucede, comienzan a surgir muchas fuentes de datos veraces. Sin la confianza de una fuente de datos acordada, prístina y actualizada automáticamente, las organizaciones no tienen la base necesaria a partir de la cual se pueden construir modelos predictivos, pronósticos y análisis.

Por el contrario, los sistemas de planificación avanzada como Smart IP&O están diseñados para superar estas limitaciones. Dichos sistemas están diseñados para ingerir datos automáticamente a través de API o archivos de sistemas ERP y EAM, transformar esos datos utilizando herramientas ETL integradas y pueden procesar grandes volúmenes de datos de manera eficiente. Esto permite a las empresas gestionar tareas complejas de inventario y previsión con mayor precisión y menos esfuerzo manual porque la recopilación, agregación y transformación de datos ya están realizadas. La transición a sistemas de planificación avanzados es clave para optimizar los recursos por varias razones.

Las hojas de cálculo también tienen un problema de escala. Cuanto más crece el negocio, mayor es el número de hojas de cálculo, libros de trabajo y fórmulas. El resultado es un conjunto de interdependencias rígidas y estrechamente entrelazadas que se vuelven difíciles de manejar e ineficientes. Los usuarios tendrán dificultades para manejar el aumento de la carga y la complejidad con tiempos de procesamiento lentos y la incapacidad de administrar grandes conjuntos de datos y enfrentar desafíos al colaborar entre equipos y departamentos.

Por otro lado, los sistemas de planificación avanzados para la optimización del inventario, la planificación de la demanda y la gestión de inventario son escalables y están diseñados para crecer con el negocio y adaptarse a sus necesidades cambiantes. Esta escalabilidad garantiza que las empresas puedan seguir gestionando su inventario y sus previsiones de forma eficaz, independientemente del tamaño o la complejidad de sus operaciones. Al hacer la transición a sistemas como Smart IP&O, las empresas no sólo pueden mejorar la precisión de su gestión y pronóstico de inventario, sino también obtener una ventaja competitiva en el mercado al ser más receptivos a los cambios en la demanda y más eficientes en sus operaciones.

Beneficios de saltar: Una empresa de servicios eléctricos luchaba por mantener la disponibilidad de piezas de repuesto sin tener un exceso de existencias para más de 250.000 piezas en una red diversa de instalaciones de generación y distribución de energía. Reemplazó su proceso de planificación heredado de veinte años que hacía un uso intensivo de hojas de cálculo con Smart IP&O y una integración en tiempo real a su sistema EAM. Antes de Smart, solo podían modificar los niveles mínimo/máximo y de stock de seguridad con poca frecuencia. Cuando lo hicieron, casi siempre fue porque ocurrió un problema que desencadenó la revisión. Los métodos utilizados para cambiar los parámetros de almacenamiento dependieron en gran medida de la intuición y de los promedios del uso histórico. La empresa de servicios públicos aprovechó los escenarios hipotéticos de Smart para crear gemelos digitales de políticas de almacenamiento alternativas y simuló cómo se comportaría cada escenario en indicadores clave de rendimiento, como el valor del inventario, los niveles de servicio, las tasas de cumplimiento y los costos de escasez. El software identificó aumentos y disminuciones mínimos y máximos específicos que se implementaron en su sistema EAM, impulsando reabastecimientos óptimos de sus repuestos. El resultado: una importante reducción de inventario de $9 millones que liberó efectivo y valioso espacio de almacén al mismo tiempo que mantuvo los niveles de servicio objetivo de 99%+.

Gestión de la precisión del pronóstico: El error de pronóstico es una parte inevitable de la gestión de inventario, pero la mayoría de las empresas no lo rastrean. Como dijo Peter Drucker: "No se puede mejorar lo que no se mide". Una empresa mundial de fabricación de alta tecnología que utilizaba un proceso de pronóstico basado en hojas de cálculo tuvo que crear manualmente sus pronósticos de referencia y sus informes de precisión de los pronósticos. Dada la carga de trabajo de los planificadores y los procesos aislados, simplemente no actualizaban sus informes con mucha frecuencia y, cuando lo hacían, los resultados tenían que distribuirse manualmente. La empresa no tenía forma de saber cuán preciso era un pronóstico determinado y no podía citar sus errores reales por grupo de piezas con confianza. Tampoco sabían si sus pronósticos estaban superando a un método de control. Después de que Smart IP&O entró en funcionamiento, el módulo de planificación de la demanda lo automatizó. Smart Demand Planner ahora vuelve a pronosticar automáticamente su demanda en cada ciclo de planificación utilizando métodos de aprendizaje automático y guarda informes de precisión para cada pieza x ubicación. Cualquier anulación que se aplique a los pronósticos ahora se puede comparar automáticamente con la línea de base para medir el valor agregado del pronóstico, es decir, si el esfuerzo adicional para realizar esos cambios mejoró la precisión. Ahora que existe la capacidad de automatizar el pronóstico estadístico de referencia y producir informes de precisión, esta empresa tiene una base sólida desde la cual mejorar su proceso de pronóstico y la precisión del pronóstico resultante.

Hágalo bien y manténgalo bien:  Otro cliente del negocio de repuestos ha utilizado las soluciones de previsión de Smart desde 2005: ¡casi 20 años! Se enfrentaron a desafíos al pronosticar piezas con demanda intermitente vendidas para respaldar su negocio de posventa de automóviles. Al reemplazar su enfoque basado en hojas de cálculo y cargas manuales a SAP con pronósticos estadísticos de demanda y stock de seguridad de SmartForecasts, pudieron reducir significativamente los pedidos pendientes y las ventas perdidas, con tasas de cumplimiento que mejoraron de 93% a 96% en solo tres meses. La clave de su éxito fue aprovechar el método patentado de Smart para pronosticar la demanda intermitente: el método de arranque "Smart-Willemain" generó estimaciones precisas de la demanda acumulada durante el tiempo de entrega que ayudó a garantizar una mejor visibilidad de las posibles demandas.

Conexión de pronósticos al plan de inventario: Los sistemas de planificación avanzados respaldan la gestión de inventario basada en pronósticos, que es un enfoque proactivo que se basa en pronósticos y simulaciones de demanda para predecir posibles resultados y sus probabilidades asociadas. Estos datos se utilizan para determinar los niveles óptimos de inventario. La previsión basada en escenarios o probabilística contrasta con la naturaleza más reactiva de los métodos basados en hojas de cálculo. Un cliente desde hace mucho tiempo en el negocio de las telas, anteriormente tuvo que lidiar con excesos y desabastecimientos debido a la demanda intermitente de miles de SKU. No tenían forma de saber cuáles eran sus riesgos de desabastecimiento y, por lo tanto, no podían modificar proactivamente las políticas para mitigar el riesgo más que hacer suposiciones muy generales que tendían a generar un exceso de existencias. Adoptaron el software de planificación de inventario y demanda de Smart Software para generar simulaciones de demanda que identificaron valores mínimos disponibles y cantidades de pedido óptimos, manteniendo la disponibilidad del producto para envío inmediato, destacando las ventajas de un enfoque de gestión de inventario basado en pronósticos.

Mejor colaboración:  Compartir previsiones con proveedores clave ayuda a garantizar el suministro. Kratos Space, parte de Kratos Defense & Security Solutions, Inc., aprovechó los pronósticos inteligentes para brindar a sus fabricantes por contrato mejores conocimientos sobre la demanda futura. Utilizaron los pronósticos para asumir compromisos sobre compras futuras que permitieron al CM reducir los costos de materiales y los plazos de entrega de los sistemas diseñados bajo pedido. Esta colaboración demuestra cómo las técnicas avanzadas de pronóstico pueden conducir a una colaboración significativa en la cadena de suministro que genera eficiencias y ahorros de costos para ambas partes.

​

Para algunos de nuestros clientes, el clima tiene una influencia significativa en la demanda. Los fenómenos meteorológicos extremos de corto plazo, como incendios, sequías, olas de calor, etc., pueden tener una influencia significativa en el corto plazo sobre la demanda.

Hay dos formas de incluir el clima en un pronóstico de demanda: indirecta y directamente. La ruta indirecta es más fácil utilizando el enfoque basado en escenarios de Planificador de la demanda. El enfoque directo requiere un proyecto especial personalizado que requiere datos adicionales y modelos hechos a mano.

Contabilidad indirecta del tiempo

El modelo estándar integrado Planificador de la demanda (SDP) se adapta a los efectos climáticos de cuatro maneras:

1. Si el mundo se está calentando, enfriando, secando o humedeciendo constantemente de maneras que impactan sus ventas, SDP detecta estas tendencias automáticamente y las incorpora a los escenarios de demanda que genera.
2. Si tu negocio tiene un ritmo regular en el que ciertos días de la semana o ciertos meses del año tienen consistentemente una demanda mayor o menor que el promedio, SDP también detecta automáticamente esta estacionalidad y la incorpora a sus escenarios de demanda.
3. A menudo es la aleatoriedad del clima lo que interfiere con la precisión del pronóstico. A menudo nos referimos a este efecto como "ruido". El ruido es un término general que incorpora todo tipo de problemas aleatorios. Además del clima, un estallido geopolítico, la quiebra sorpresa de un banco regional o el atascamiento de un barco en el Canal de Suez pueden agregar sorpresas a la demanda de productos, y lo han hecho. SDP evalúa la volatilidad de la demanda y la reproduce en sus escenarios de demanda.
4. Anulaciones de gestión. La mayoría de las veces, los clientes permiten que SDP genere automáticamente decenas de miles de escenarios de demanda. Pero si los usuarios sienten la necesidad de modificar pronósticos específicos utilizando su conocimiento interno, SDP puede hacerlo mediante anulaciones de la administración.

Contabilidad directa del clima

A veces, un usuario podrá articular su experiencia en la materia vinculando factores externos a su empresa (como tasas de interés, costos de materias primas o tendencias tecnológicas) con sus propias ventas agregadas. En estas situaciones, Smart Software puede organizar proyectos especiales únicos que proporcionen modelos alternativos ("causales") para complementar nuestros modelos de pronóstico estadístico estándar. Póngase en contacto con su representante de Smart Software para analizar un posible proyecto de modelado causal.

Mientras tanto, no olvides tu paraguas.

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.

No puedo imaginarme ser un planificador de inventarios en repuestos, distribución o fabricación y tener que crear niveles de stock de seguridad, puntos de reorden y sugerencias de pedidos sin utilizar predicciones clave de rendimiento de niveles de servicio, tasas de cumplimiento y costos de inventario:

La solución de optimización de inventario de Smart genera predicciones de rendimiento clave listas para usar que simulan dinámicamente cómo se desempeñarán sus políticas de almacenamiento actuales frente a posibles demandas futuras. Informa sobre la frecuencia con la que se agotará el stock, el tamaño de los desabastecimientos, el valor de su inventario, los costos de mantenimiento y más. Le permite identificar problemas de forma proactiva antes de que ocurran para poder tomar medidas correctivas en el corto plazo. Puede crear escenarios hipotéticos estableciendo niveles de servicio específicos y modificando los plazos de entrega para poder ver el impacto previsto de estos cambios antes de comprometerse con ellos.

Por ejemplo,

• Puede ver si una propuesta de cambio del nivel de servicio actual de 90% a un nivel de servicio específico de 97% es financieramente ventajoso.
• Puede identificar automáticamente si un objetivo de nivel de servicio diferente es aún más rentable para su negocio que el objetivo propuesto.
• Puede ver exactamente cuánto necesitará para aumentar sus puntos de reorden para adaptarse a un plazo de entrega más largo.

Si no equipa a los planificadores con las herramientas adecuadas, se verán obligados a establecer políticas de stock, niveles de stock de seguridad y crear pronósticos de demanda en Excel o con una funcionalidad ERP obsoleta. No saber cómo se prevé que funcionarán las políticas dejará a su empresa mal equipada para asignar adecuadamente el inventario. ¡Contáctenos hoy para saber cómo podemos ayudar!

​Cuándo se deben utilizar técnicas tradicionales de pronóstico extrapolativo.

Con tanto entusiasmo en torno al nuevo aprendizaje automático (ML) y los métodos de pronóstico probabilístico, los métodos tradicionales de pronóstico estadístico “extrapolativo” o de “series de tiempo” parecen estar recibiendo la espalda. Sin embargo, vale la pena recordar que estas técnicas tradicionales (como el suavizado exponencial simple y doble, los promedios móviles lineales y simples y los modelos de Winters para artículos estacionales) a menudo funcionan bastante bien para datos de mayor volumen. Cada método es bueno para lo que fue diseñado. Simplemente aplique cada uno de manera apropiada, como por ejemplo, no lleve un cuchillo a un tiroteo y no use un martillo neumático cuando un simple martillo de mano será suficiente. 

Los métodos extrapolativos funcionan bien cuando la demanda tiene un gran volumen y no es demasiado granular (es decir, la demanda se clasifica mensual o trimestralmente). También son muy rápidos y no utilizan tantos recursos informáticos como los métodos probabilísticos y de ML. Esto los hace muy accesibles.

¿Son los métodos tradicionales tan precisos como los métodos de pronóstico más nuevos? Smart ha descubierto que los métodos de extrapolación funcionan muy mal cuando la demanda es intermitente. Sin embargo, cuando la demanda es de mayor volumen, solo funcionan ligeramente peor que nuestros nuevos métodos probabilísticos cuando la demanda se divide mensualmente. Dada su accesibilidad, velocidad y el hecho de que va a aplicar anulaciones de pronóstico basadas en el conocimiento empresarial, la diferencia de precisión de referencia aquí no será material.

La ventaja de los modelos más avanzados, como los métodos probabilísticos GEN2 de Smart, es cuando es necesario predecir patrones utilizando grupos más granulares, como datos diarios (o incluso semanales). Esto se debe a que los modelos probabilísticos pueden simular patrones de día de la semana, semana del mes y mes del año que se perderán con técnicas más simples. ¿Alguna vez ha intentado predecir la estacionalidad diaria con un modelo de Winter? Aquí hay una pista: no funcionará y requiere mucha ingeniería.

Los métodos probabilísticos también brindan valor más allá del pronóstico de referencia porque generan escenarios para usar en las pruebas de estrés de los modelos de control de inventario. Esto los hace más apropiados para evaluar, por ejemplo, cómo un cambio en el punto de reorden afectará las probabilidades de desabastecimiento, las tasas de cumplimiento y otros KPI. Al simular miles de posibles demandas durante muchos plazos de entrega (que a su vez se presentan en forma de escenario), tendrá una idea mucho mejor de cómo funcionarán sus políticas de almacenamiento actuales y propuestas. Puede tomar mejores decisiones sobre dónde realizar aumentos y disminuciones de existencias específicas.

Por lo tanto, no deseche lo viejo por lo nuevo todavía. Solo sepa cuándo necesita un martillo y cuándo necesita un martillo neumático.