A menudo entramos en contacto con clientes potenciales que afirman que no pueden utilizar un sistema de previsión, ya que se trata de una operación de fabricación "construida sobre pedido". Encuentro que esta es una perspectiva desconcertante, porque cualquier cosa que construyan estas organizaciones requiere materias primas o bienes intermedios de nivel inferior. Si esas entradas de nivel inferior no están disponibles cuando se recibe un pedido del producto terminado, el pedido no se puede generar. En consecuencia, el pedido podría cancelarse y perderse los ingresos asociados.
Estoy de acuerdo en que, en un entorno así, pronosticar el bien terminado no siempre es posible o particularmente útil. A veces es útil, pero no suficiente. En cualquier caso, es fundamental asegurarse de que las materias primas subyacentes y los bienes intermedios que forman parte del bien terminado estén disponibles. Ciertamente se puede pronosticar la demanda de estos.
El objetivo de la organización sería mantener inventarios de nivel de servicio para estos bienes intermedios que son altos pero no inasequibles. Los planificadores deberán establecer niveles de almacenamiento óptimos para estos materiales, equilibrando los requisitos de nivel de servicio con el presupuesto disponible. Dado que un bien intermedio dado podría servir como insumo para más de un bien terminado, la volatilidad de la demanda del bien intermedio sería menor que la volatilidad de la demanda de un bien terminado específico. Por lo tanto, las existencias de seguridad necesarias para mantener inventarios de alto nivel de servicio de los bienes intermedios serían relativamente escasas.
Tres empresas, todas usuarias de SmartForecasts, sirven como ejemplos interesantes. La primera es una empresa química, Bedoukian Research, que fabrica productos químicos personalizados para varios clientes. Cada uno de estos "productos terminados" es una combinación única de compuestos químicos intermedios. Bedoukian comienza su planificación de la demanda con un pronóstico de productos terminados, que impulsa el cronograma de producción y la asignación de recursos de producción esenciales. Esto requiere ejercer un juicio considerable, ya que la demanda de productos terminados cambia dinámicamente.
Una vez que se crean estos pronósticos de productos terminados, los requisitos de materia prima se pueden estimar a través de una lista de desglose de materiales. Bedoukian combina estos resultados con estimaciones de existencias de seguridad, en función de las tasas de utilización reales y los objetivos de nivel de servicio que se deben lograr, para generar el pronóstico completo basado en el nivel de servicio para las materias primas. Esto ha permitido a Bedoukian cumplir con sus requisitos de producción con un inventario significativamente menor.
La segunda empresa fabrica los componentes internos de los teléfonos móviles, donde los productos terminados son combinaciones especializadas de estos componentes. Por ejemplo, un pedido puede requerir una determinada cantidad de teléfonos con etiquetas únicas en la carcasa. Este es el bien terminado para este pedido. Todo lo que entra en ese orden, a excepción de la etiqueta, se construye a partir de componentes estándar. Una vez más, SmartForecasts se utilizará para mantener inventarios de los componentes de alto nivel de servicio y esbeltos. Esta empresa pensó que la única forma de administrar los inventarios de componentes era a través de agregaciones de listas de materiales. Ahora están analizando la tasa de utilización real de los componentes y estableciendo inventarios mucho más reducidos mientras mantienen una alta disponibilidad de los componentes.
Una tercera empresa, NKK Switches, que exploró este tema en su seminario web reciente (ver Publicación de blog invitado del director financiero Bud Schultz), consideraba que sus productos eran “impredecibles”. Puede leer más sobre esto a continuación, pero en general, NKK Switches pudo pronosticar componentes y agregaciones significativas de familias de productos. Al hacer un seguimiento de las previsiones frente a los datos reales durante varios meses, NKK pudo demostrar la precisión de sus previsiones a sus proveedores asiáticos y convencerlos de que cambiaran de un modelo de "fabricación bajo pedido" a un modelo de "fabricación según previsión". Este cambio ha resultado en reducciones dramáticas en los plazos de entrega, en muchos casos reduciéndolos a la mitad, aumentando la satisfacción del cliente y la tasa general de cierre de ventas.
La conclusión aquí es que existe un método perfectamente viable, yo diría esencial, de previsión de la demanda para empresas de fabricación bajo pedido, que establece altos niveles de servicio para los recursos de entrada fundamentales. Si desea obtener más información, envíeme una nota a nelsonh at smartcorp punto com.
Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.
Artículos Relacionados
¿Sus pronósticos estadísticos sufren el efecto de oscilación?
¿Qué es el efecto meneo? 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:
Cómo manejar pronósticos estadísticos de cero
Un pronóstico estadístico de cero puede causar mucha confusión a los pronosticadores, especialmente cuando la demanda histórica no es cero. Claro, es obvio que la demanda tiene una tendencia a la baja, pero ¿debería tener una tendencia a cero?
¡El artículo de Smart Software ganó el primer lugar en la categoría de pronóstico de los premios MVP de la cadena de suministro de 2022!
Smart Software se complace en anunciar que nuestro artículo "Gestión del inventario en medio del cambio de régimen" ganó el primer lugar en la categoría Pronóstico de los premios MVP de 2022 Supply Chain Brief.
Mensajes recientes
Quince preguntas que revelan cómo se calculan los pronósticos en su empresaEn una publicación reciente de LinkedIn, detallé cuatro preguntas que, una vez respondidas, revelarán cómo se utilizan los pronósticos en su negocio. En este artículo, hemos enumerado preguntas que puede hacer que revelarán cómo se crean los pronósticos. […]
Las 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuestoA menudo nos encontramos con métodos de planificación de puntos de pedido basados en Excel. En esta publicación, detallamos un enfoque que utilizó un cliente antes de continuar con Smart. Describimos cómo funcionaba su hoja de cálculo, los enfoques estadísticos en los que se basaba, los pasos que los planificadores siguieron en cada ciclo de planificación y sus motivaciones declaradas para usar (y realmente gustarles) esta hoja de cálculo desarrollada internamente. […]
Cómo interpretar y manipular los resultados del pronóstico con diferentes métodos de pronósticoEste blog explica cómo funciona cada modelo de pronóstico utilizando gráficos de tiempo de datos históricos y de pronóstico. Describe cómo elegir qué modelo usar. Los ejemplos a continuación muestran el mismo historial, en rojo, pronosticado con cada método, en verde oscuro, en comparación con el método ganador elegido por Smart, en verde claro. […]
Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezasAl administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
Qué hacer cuando un pronóstico estadístico no tiene sentidoA veces, un pronóstico estadístico simplemente no tiene sentido. Todos los pronosticadores han estado allí. Pueden volver a verificar que los datos se ingresaron correctamente o revisar la configuración del modelo, pero todavía se quedan pensando por qué el pronóstico se ve muy diferente al historial de demanda. Cuando el pronóstico ocasional no tiene sentido, puede erosionar la confianza en todo el proceso de pronóstico estadístico. […]
Optimización de inventario para fabricantes, distribuidores y MRO
- Las 3 razones principales por las que su hoja de cálculo no funcionará para optimizar los puntos de pedido de piezas de repuestoA menudo nos encontramos con métodos de planificación de puntos de pedido basados en Excel. En esta publicación, detallamos un enfoque que utilizó un cliente antes de continuar con Smart. Describimos cómo funcionaba su hoja de cálculo, los enfoques estadísticos en los que se basaba, los pasos que los planificadores siguieron en cada ciclo de planificación y sus motivaciones declaradas para usar (y realmente gustarles) esta hoja de cálculo desarrollada internamente. […]
- Por qué las curvas de compensación de piezas de repuesto son de misión crítica para la planificación de piezasAl administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
La planificación de piezas de repuesto no es tan difícil como creeAl administrar piezas de servicio, no sabe qué fallará y cuándo porque las fallas de las piezas son aleatorias y repentinas. Como resultado, los patrones de demanda suelen ser extremadamente intermitentes y carecen de una tendencia significativa o una estructura estacional. El número de combinaciones de pieza por ubicación suele ser de cientos de miles, por lo que no es factible revisar manualmente la demanda de piezas individuales. No obstante, es mucho más sencillo implementar un sistema de planificación y previsión para respaldar la planificación de repuestos de lo que podría pensar. […]
Planificación basada en el nivel de servicio para empresas de repuestosLa planificación de piezas de servicio impulsada por el nivel de servicio es un proceso de cuatro pasos que se extiende más allá de la previsión simplificada y las existencias de seguridad de regla empírica. Proporciona a los planificadores de piezas de servicio un soporte de decisiones basado en datos y ajustado al riesgo. […]
