Cualquiera que haga el trabajo sabe que administrar el inventario puede ser estresante. Los factores estresantes comunes incluyen: clientes con solicitudes "especiales", departamentos de TI con otras prioridades, sistemas ERP inestables que se ejecutan con datos inexactos, escasez de materias primas, proveedores con largos plazos de entrega en países lejanos donde la producción a menudo se detiene por varias razones y más. Esta nota abordará una fuente de estrés particular y siempre presente: la variabilidad de la demanda.

Todo el mundo tiene un problema de previsión

Supongamos que gestiona una gran flota de repuestos. Estos pueden ser equipos quirúrgicos para su hospital o repuestos para su central eléctrica. Tu misión es maximizar el tiempo. Tu enemigo es el tiempo de inactividad. Pero debido a que las averías ocurren al azar, estás constantemente en modo reactivo. Puede esperar ser rescatado de las tecnologías de pronóstico. Pero los pronósticos son inevitablemente imperfectos hasta cierto punto: el elemento sorpresa siempre está presente. Puede esperar a que se implemente la tecnología de Internet de las cosas (IOT) en su equipo para monitorear y detectar fallas inminentes, lo que lo ayudará a programar las reparaciones con mucha anticipación. Pero sabes que no puedes medir las miles de cosas pequeñas que pueden fallar y deshabilitar una cosa grande.

Por lo tanto, decide combinar la previsión con la gestión de inventario y crear reservas o existencias de seguridad para protegerse contra picos inesperados en la demanda. ahora tienes que calcular cuanto stock de seguridad mantener, sabiendo que muy poco significa vulnerabilidad y demasiado significa hinchazón.

Suponga que maneja inventarios de productos terminados para una empresa de fabricación contra stock. Su problema es esencialmente el mismo que en la gestión de piezas de servicio: tiene clientes externos y una demanda incierta. Pero también puede tener problemas adicionales en términos de sincronización de múltiples proveedores de componentes que ensambla en productos terminados. Los proveedores quieren que les digas cuánto de sus cosas hacer para que puedas hacer tus cosas, pero no sabes cuánto de tus propias cosas necesitarás hacer.

Finalmente, suponga que maneja productos terminados en un empresa de fabricación por encargo. Puede pensar que ya no tiene un problema de pronóstico, ya que no construye hasta que le pagan por hacerlo. Pero usted tiene un problema de previsión. Dado que sus productos terminados pueden ensamblarse a partir de una combinación de componentes y subensamblajes, debe traducir algún pronóstico de la demanda de productos terminados para elaborar un pronóstico de esos componentes. De lo contrario, irá a fabricar sus productos terminados y descubrirá que no tiene un componente requerido y tendrá que esperar hasta que pueda ensamblar reactivamente todo lo que necesita. Y es posible que sus clientes no estén dispuestos a esperar.

Entonces, todo el mundo tiene un problema de previsión.

Lo que dificulta la previsión

La previsión puede ser rápida, fácil y absolutamente precisa, siempre que el mundo sea simple. Si la demanda de su producto es de 10 unidades cada semana, mes tras mes, puede hacer pronósticos muy precisos. Pero la vida no es tan así. Si tiene suerte y la vida es casi así, tal vez la demanda semanal sea más como {10, 9, 10, 8, 12, 10, 10...}, aún puede hacer pronósticos muy precisos y solo hacer pequeños ajustes en los bordes. . Pero si la vida es como suele ser, tal vez la demanda semanal parezca {0, 0, 7, 0, 0, 0, 23, 0...}, la previsión de la demanda es realmente difícil. La distinción clave es la variabilidad de la demanda: es el zigzagueo lo que crea el dolor.

El inventario de seguridad toma el control donde termina el pronóstico

Los métodos de pronóstico estadístico son una parte importante de la solución. Le permiten obtener la mayor ventaja posible de los patrones históricos de demanda que su empresa ha registrado para cada artículo. El trabajo de los pronósticos es describir lo que es típico, lo que proporciona la base sobre la cual hacer frente a la aleatoriedad en la demanda. Las técnicas de pronóstico estadístico funcionan encontrando características de "panorama general" en los registros de demanda, como la tendencia y la estacionalidad, y luego proyectándolas hacia el futuro. Todos asumen implícitamente que cualquier patrón que exista ahora persistirá, por lo que el crecimiento de 5% continuará y la demanda de julio siempre será 20% más alta que la demanda de febrero. Para llegar a ese punto, los métodos de pronóstico estadístico usan alguna forma de promediar para sofocar el "ruido" en el historial de demanda.

Pero luego el resto del trabajo recae en la gestión del inventario, porque el componente aleatorio y atípico de la demanda futura seguirá siendo una molestia en el futuro. Este nivel inevitable de incertidumbre tiene que ser manejado por el "amortiguador" llamado stock de seguridad.

Los mismos métodos que producen pronósticos de tendencia y/o estacionalidad pueden usarse para estimar la cantidad de error de pronóstico. Esto debe hacerse con cuidado utilizando un método llamado "análisis de exclusión". Funciona así. Suponga que tiene 365 observaciones de la demanda diaria del artículo X, que tiene un plazo de reposición de 10 días. Quiere saber cuántas unidades se demandarán durante algún período futuro de 10 días. Puede ingresar los primeros 305 días del historial de demanda en la técnica de pronóstico y obtener pronósticos para los próximos 10 días, días 306-315.

La respuesta le da una estimación de la demanda total de 10 días. Es importante destacar que también le brinda una estimación de la variabilidad en torno a ese pronóstico, es decir, el error de pronóstico, la diferencia entre lo que realmente sucedió en los días 306-315 y lo que se pronosticó. Ahora puede repetir el proceso, esta vez usando los primeros 306 días para pronosticar los próximos 10, los primeros 307 días para pronosticar los próximos 10, etc. Termina con 52 estimaciones honestas de la variabilidad de la demanda total durante un período de 10 días. tiempo de espera. Suponga que 95% de esas estimaciones son menos de 28 unidades. Entonces, 28 unidades serían un stock de seguridad bastante seguro para agregar al pronóstico, ya que se encontrará con escasez solo 5% del tiempo.

El software estadístico moderno hace estos cálculos automáticamente. Puede aliviar al menos uno de los dolores de cabeza crónicos de la gestión de inventario al ayudarlo a hacer frente a la variabilidad de la demanda.

La mayoría de los pronósticos de demanda son parciales o incompletos: proporcionan un solo número: el valor más probable de la demanda futura. Esto se llama pronóstico puntual. Por lo general, el pronóstico puntual estima el valor promedio de la demanda futura. Los pronósticos de intervalo brindan una estimación del posible rango futuro de demanda (es decir, la demanda tiene una probabilidad 90% de estar entre 50 y 100 unidades). Los pronósticos probabilísticos van un paso más allá y brindan información adicional. Saber más siempre es mejor que saber menos y el pronóstico probabilístico brinda esa información adicional tan crucial para la gestión de inventario. Este video blog del Dr. Thomas Willemain explica cada tipo de pronóstico y las ventajas del pronóstico probabilístico.

[inbound_button font_size=”20″ color=”#00a429″ text_color=”#ffffff” icon=”” url=”http://www.screencast.com/t/Ut4I5dOY8″ width=”” target=”_blank”]Ver ahora [/boton_de_entrada]
 

El pronóstico puntual (verde) muestra lo que es más probable que suceda. El pronóstico de intervalo muestra el rango (azul) de posibilidades.

Pronóstico de probabilidad muestra la probabilidad de que ocurra cada valor

La mayoría de los pronósticos de demanda son parciales o incompletos: proporcionan un solo número: el valor más probable de la demanda futura. Esto se llama pronóstico puntual. Por lo general, el pronóstico puntual estima el valor promedio de la demanda futura.

Mucho más útil es un pronóstico de la distribución de probabilidad completa de la demanda en cualquier momento futuro. Esto se conoce más comúnmente como pronóstico de probabilidad y es mucho más útil.

El promedio no es la respuesta

La única ventaja de un pronóstico puntual es su simplicidad. Si su sistema ERP también es simple, el pronóstico de puntos completa el número que necesita el sistema ERP para programar la mano de obra o comprar materias primas.

La desventaja de un pronóstico puntual es que es demasiado simple. Ignora información adicional en el historial de demanda de un artículo que puede brindarle una imagen más completa de cómo podría desarrollarse la demanda: un pronóstico de probabilidad.

Más allá del promedio: Pronóstico de probabilidad

Mientras que el pronóstico puntual proporciona información limitada, por ejemplo, "La demanda más probable el próximo mes es de 15 unidades", el pronóstico de probabilidad agrega información crucial, por ejemplo, "Existe una probabilidad de 20% de que la demanda supere las 28 unidades y una probabilidad de 10% de que lo haga". ser inferior a 5 unidades”.

Esta información le permite realizar la evaluación de riesgos y la planificación de contingencias. La planificación de contingencia es necesaria porque el pronóstico puntual generalmente tiene solo una pequeña posibilidad de ser correcto. Un pronóstico de probabilidad también puede decir: "La posibilidad de que la demanda sea de 15 unidades es solo 10%, aunque es el valor más probable". En otras palabras, existe una probabilidad 90% de que el pronóstico de puntos sea incorrecto. Este tipo de error no es un error en los cálculos de pronóstico: es la realidad de lidiar con la volatilidad de la demanda. Sería mejor llamarlo una "incertidumbre" que un "error".

Un gerente de operaciones puede usar la información adicional en un pronóstico de probabilidad tanto de manera informal como formal. Informalmente, incluso si un sistema ERP requiere un pronóstico de un solo número como entrada, un administrador inteligente querrá tener alguna pista sobre los riesgos asociados con ese pronóstico puntual, es decir, su margen de error. Entonces, un pronóstico de 15 ± 1 unidad es mucho más seguro que un pronóstico de 15 ± 10. La parte ± es una compresión de un pronóstico probabilístico. La figura 1 a continuación muestra el historial de demanda de un artículo (línea roja), las previsiones puntuales para los próximos 12 meses (línea verde) y sus márgenes de error (líneas cian). El pronóstico más bajo de alrededor de 3.300 unidades ocurre en junio, pero la demanda real podría ser tanto como 800 unidades más o menos.

Bonus: Aplicación a la Gestión de Inventarios

La gestión de inventario requiere que equilibre la disponibilidad del artículo con el costo del inventario. Resulta que conocer la distribución de probabilidad completa de la demanda durante un tiempo de espera de reabastecimiento es esencial para establecer puntos de reposición (también llamados minutos) sobre una base racional y científica. La Figura 2 muestra un pronóstico de probabilidad de la demanda total durante el plazo de entrega de reabastecimiento de 33 semanas para una determinada pieza de repuesto. Si bien la demanda de tiempo de entrega promedio es de 3 unidades, la demanda más probable es cero, y se necesita un punto de reorden de 14 para asegurar que la probabilidad de agotamiento sea de solo 1%. Una vez más, el promedio no es la respuesta.

Saber más siempre es mejor que saber menos y el pronóstico de probabilidad proporciona esa información crucial adicional. El software ha sido capaz de proporcionar un pronóstico puntual durante más de 40 años, pero el software moderno puede hacerlo mejor y proporcionar una imagen completa.

Figura 1: La línea roja muestra el historial de demanda de un bien terminado. La línea verde muestra las previsiones puntuales para los próximos 12 meses. Las líneas azules indican los márgenes de error en los pronósticos de 12 puntos.

Figura 2: Pronóstico probabilístico de la demanda de una pieza de repuesto durante un plazo de reposición de 33 semanas. La demanda más probable es cero, la demanda promedio es 3, pero se requiere un punto de pedido de 14 unidades para tener solo una probabilidad de 1% de que se agoten las existencias.

La planificación de la demanda requiere tiempo y esfuerzo. Vale la pena el esfuerzo en la medida en que realmente lo ayuda a hacer lo que necesita cuando lo necesita.

Pero el trabajo se puede hacer bien o mal. Vemos a muchos fabricantes detenerse en el primer nivel cuando fácilmente podrían pasar al segundo nivel. Y con un poco más de esfuerzo, podrían llegar al tercer nivel, utilizando modelos probabilísticos para convertir los resultados de la planificación de la demanda en un proceso de optimización del inventario.

El primer nivel

El primer nivel es hacer un pronóstico de la demanda usando métodos estadísticos. La Figura 1 muestra un esfuerzo de primer nivel: el historial de demanda de un artículo (línea roja) y su pronóstico esperado de 12 meses (línea verde).

El pronóstico es básico. solo proyecta previsto demanda ignorando que la demanda es volátil e inevitablemente creará un error de pronóstico. (Este es otro ejemplo de una máxima importante: “El promedio no es la respuesta”). Es tan probable que el pronóstico sea demasiado alto como demasiado bajo, y no hay indicios de incertidumbre en el pronóstico que acompañe al pronóstico. Esto significa que el planificador no tiene una estimación del riesgo asociado con el compromiso con el pronóstico. Aun así, este pronóstico proporciona una base racional para la planificación de la producción, la programación personal y la compra de materias primas. Entonces, es mucho mejor que adivinar.

El segundo nivel

El segundo nivel tiene en cuenta explícitamente la incertidumbre del pronóstico. La figura 2 muestra un esfuerzo de segundo nivel, conocido como "pronóstico de percentiles".

Ahora vemos una indicación explícita de la incertidumbre del pronóstico. La línea cian sobre la línea de pronóstico verde representa el percentil 90 proyectado de la demanda mensual. Es decir, la demanda en cada mes futuro tiene una probabilidad de 90% de caer en o por debajo de la línea cian. Dicho de otra manera, existe una probabilidad de 10% de que la demanda exceda la línea cian en cada mes.

Este análisis es mucho más útil porque apoya la gestión de riesgos. Si es importante asegurar un suministro suficiente de este artículo, entonces tiene sentido producir hasta el percentil 90 en lugar del pronóstico esperado. Después de todo, es una moneda al aire si el pronóstico esperado resultará en suficiente producción para satisfacer la demanda mensual. Este pronóstico de segundo nivel es, en efecto, un sustituto aproximado de un cuidadoso proceso de gestión de inventario.

Figura 2. Pronóstico percentil, donde la línea cian estima los percentiles 90 de la demanda mensual.

Ir todo el camino hasta el tercer nivel

La mejor práctica es el tercer nivel, que utiliza la planificación de la demanda como base para completar una segunda tarea: la optimización explícita del inventario. La figura 3 muestra el gráfico fundamental para la gestión eficiente de nuestro producto terminado, suponiendo que tiene un plazo de entrega de producción de 1 mes.

La figura 3 muestra la utilización del pronóstico probabilístico y la cantidad de reducción en el inventario de bienes terminados que podría tener lugar durante un tiempo de espera de producción de un mes. La incertidumbre en la demanda es evidente en la dispersión de la posible demanda, desde un mínimo de 0 hasta un máximo de 35, siendo 15 unidades el valor más probable. La línea roja vertical en 22 indica el "punto de pedido" (o "mínimo" o "valor de activación") correspondiente a mantener la posibilidad de agotarse mientras se espera el reabastecimiento a un nivel bajo de 5%. Cuando el inventario cae a 22 o menos, es hora de ordenar más. El Tercer Nivel utiliza el pronóstico probabilístico de la demanda con exposición total de la incertidumbre del pronóstico para administrar eficientemente el stock del producto terminado.

Para resumir

Pronosticar la demanda más probable de un artículo es un primer paso útil. Te lleva a la mitad del camino hacia donde quieres estar. Pero proporciona una guía incompleta para la planificación porque ignora la volatilidad de la demanda y la incertidumbre de pronóstico que crea. Agregar un colchón al pronóstico de la demanda lo lleva más lejos, porque reduce el riesgo de que un salto en la demanda lo deje sin producto. Este colchón se puede calcular mediante enfoques de pronóstico probabilístico que pronostican un percentil alto de la distribución de la demanda futura. Y si quiere ir un paso más allá, puede alimentar pronósticos de la distribución de la demanda durante un tiempo de espera para calcular los puntos de pedido (min) para asegurarse de tener un nivel aceptablemente bajo de riesgo de agotamiento de existencias.

Teniendo en cuenta lo que la tecnología de pronóstico moderna puede hacer por usted, ¿por qué querría detenerse a la mitad de su objetivo?