La demanda intermitente, irregular o desigual, en particular para artículos de baja demanda como servicio y repuestos, es especialmente difícil de predecir con precisión. El pronóstico probabilístico patentado de Smart Software mejora drásticamente precisión del nivel de servicio. Si alguno de estos escenarios se aplica a su empresa, la previsión probabilística le ayudará a mejorar sus resultados.

• ¿Tiene una demanda intermitente o irregular con picos grandes e infrecuentes que superan muchas veces la demanda promedio?
• ¿Es difícil obtener información comercial sobre cuándo es probable que la demanda vuelva a aumentar?
• ¿Pierde oportunidades comerciales porque no puede pronosticar con precisión la demanda y estimar los requisitos de inventario para ciertos productos impredecibles?
• ¿Está obligado a mantener un inventario de muchos artículos, incluso si se demandan con poca frecuencia, para diferenciarse de la competencia al proporcionar altos niveles de servicio?
• ¿Tiene que hacer inversiones innecesariamente grandes en inventario para cubrir pedidos inesperados y requisitos de materiales?
• ¿Tiene que entregar a los clientes de inmediato a pesar de los largos plazos de entrega del proveedor?

Si ha respondido afirmativamente a algunas o todas las preguntas anteriores, no está solo. La demanda intermitente, también conocida como demanda irregular, esporádica, irregular o de movimiento lento, afecta a industrias de todos los tipos y tamaños: sectores de bienes de capital y equipos, automotriz, aviación, transporte público, herramientas industriales, productos químicos especiales, servicios públicos y alta tecnología. por nombrar unos cuantos. Y hace que la previsión y la planificación de la demanda sean extremadamente difíciles. Puede ser mucho más que un dolor de cabeza; puede ser un problema multimillonario, especialmente para las empresas de MRO y otras que administran y distribuyen piezas de repuesto y de servicio.

Identificar datos de demanda intermitente no es difícil. Por lo general, contiene un gran porcentaje de valores cero, con valores distintos de cero mezclados al azar. Pero pocas soluciones de pronóstico han arrojado resultados satisfactorios, incluso en esta era de análisis de Big Data, análisis predictivo, aprendizaje automático e inteligencia artificial.

DESCARGAR EL ARTÍCULO

Enfoques tradicionales y su dependencia de una distribución de demanda asumida

Los métodos tradicionales de pronóstico estadístico, como el suavizado exponencial y los promedios móviles, funcionan bien cuando los datos de demanda del producto son normales o uniformes, pero no brindan resultados precisos con datos intermitentes. Muchas herramientas de previsión automatizadas fallan porque funcionan mediante la identificación de patrones en los datos del historial de demanda, como la tendencia y la estacionalidad. Pero con datos de demanda intermitentes, los patrones son especialmente difíciles de reconocer. Estos métodos también tienden a ignorar el papel especial de los valores cero en el análisis y pronóstico de la demanda. Aun así, algunos métodos de pronóstico estadísticos convencionales pueden producir pronósticos creíbles de la demanda. promedio demanda por período. Sin embargo, cuando la demanda es intermitente, un pronóstico de la demanda promedio no es suficiente para la planificación del inventario. Se necesitan estimaciones precisas de toda la distribución (es decir, el conjunto completo) de todos los posibles valores de demanda en el tiempo de entrega. Sin esto, estos métodos producen entradas engañosas para los modelos de control de inventario, con consecuencias costosas.

Para producir puntos de pedido, niveles de pedido y existencias de seguridad para la planificación del inventario, muchos enfoques de pronóstico se basan en suposiciones sobre la distribución de la demanda y el tiempo de entrega. Algunos suponen que la distribución de probabilidad de la demanda total de un artículo de producto en particular durante un tiempo de entrega (demanda de tiempo de entrega) se parecerá a una curva clásica normal en forma de campana. Otros enfoques pueden basarse en una distribución de Poisson o alguna otra distribución de libro de texto. Con una demanda intermitente, un enfoque único para todos es problemático porque la distribución real a menudo no coincidirá con la distribución supuesta. Cuando esto ocurre, las estimaciones de la reserva de estabilización serán incorrectas. Este es especialmente el caso cuando se gestionan repuestos (Tabla 1).

Para cada artículo con demanda intermitente, no se puede exagerar la importancia de tener un pronóstico preciso de la distribución completa de todos los posibles valores de demanda de tiempo de entrega, no solo un número que represente la demanda promedio o más probable por período. Estos pronósticos son entradas clave para los modelos de control de inventario que recomiendan los procedimientos correctos para el momento y el tamaño de las órdenes de reposición (puntos de reposición y cantidades de órdenes). Son particularmente esenciales en entornos de piezas de repuesto, donde se necesitan para estimar con precisión los requisitos de inventario del nivel de servicio al cliente (por ejemplo, una probabilidad del 95 o 99 por ciento de no agotarse un artículo) para satisfacer la demanda total durante un tiempo de entrega. Los departamentos de planificación de inventario deben estar seguros de que cuando apunten a un nivel de servicio deseado, lo lograrán. Si el modelo de pronóstico produce consistentemente un nivel de servicio diferente al objetivo, el inventario se administrará de manera incorrecta y la confianza en el sistema se erosionará.

Ante este desafío, muchas organizaciones confían en aplicar regla de oro inventadas por el usuario, basados en enfoques para determinar los niveles de existencias o aplicarán ajustes de juicio a sus pronósticos estadísticos, que esperan predecir con mayor precisión la actividad futura en función de la experiencia comercial pasada. Pero también hay varios problemas con estos enfoques.

Los enfoques de regla general ignoran la variabilidad en la demanda y el tiempo de entrega. Tampoco se actualizan por cambios en los patrones de demanda y no brindan información crítica. información de compensación sobre la relación entre los niveles de servicio y los costos de inventario.

La previsión basada en juicios no es factible cuando se trata de grandes cantidades (miles y decenas de miles) de elementos. Además, la mayoría de los pronósticos de juicio proporcionan una estimación de un solo número en lugar de un pronóstico de la distribución completa de los valores de demanda de tiempo de entrega. Finalmente, es fácil predecir inadvertidamente pero incorrectamente una tendencia a la baja (o al alza) en la demanda, según las expectativas, lo que resulta en un inventario insuficiente (o excesivo).

¿Cómo funciona la previsión probabilística de la demanda en la práctica?

Aunque la arquitectura completa de esta tecnología incluye características patentadas adicionales, un ejemplo simple del enfoque demuestra la utilidad de la técnica. Consulte la Tabla 1.

Tabla 1. Valores de demanda mensual para un artículo de pieza de servicio.

Los valores de demanda de 24 meses para un artículo de servicio son típicos de la demanda intermitente. Supongamos que necesita pronósticos de la demanda total de este artículo durante los próximos tres meses porque su proveedor de repuestos necesita tres meses para completar un pedido para reponer el inventario. El enfoque probabilístico es tomar muestras de los 24 valores mensuales, con reemplazo, tres veces, creando un escenario de demanda total durante el tiempo de anticipación de tres meses.

Figura 1. Los resultados de 25.000 escenarios.

Puede seleccionar al azar los meses 6, 12 y 4, lo que le da valores de demanda de 0, 6 y 3, respectivamente, para una demanda de tiempo de entrega total (en unidades) de 0 + 6 + 3 = 9. Luego repite este proceso , quizás seleccionando aleatoriamente los meses 19, 8 y 14, lo que da una demanda de tiempo de entrega de 0 + 32 + 0 = 32 unidades. Continuando con este proceso, puede crear una imagen estadísticamente rigurosa de la distribución completa de los posibles valores de demanda de tiempo de entrega para este artículo. La Figura 1 muestra los resultados de 25 000 escenarios de este tipo, lo que indica (en este ejemplo) que el valor más probable para la demanda en el tiempo de entrega es cero, pero que la demanda en el tiempo de entrega podría llegar a 70 o más unidades. También refleja la posibilidad de la vida real de que los valores de demanda distintos de cero para el artículo de la pieza que ocurran en el futuro puedan diferir de los que ocurrieron en el pasado.

Con el recursos computacionales de alta velocidad disponibles en la nube hoy, los métodos de pronóstico probabilístico pueden proporcionar pronósticos rápidos y realistas de la demanda total de tiempo de entrega para miles o decenas de miles de artículos de productos con demanda intermitente. Estos pronósticos se pueden ingresar directamente en los modelos de control de inventario para garantizar que haya suficiente inventario disponible para satisfacer la demanda del cliente. Esto también garantiza que no se mantenga más inventario del necesario, lo que minimiza los costos.

Un método probado en el campo que funciona

Los clientes que han implementado la tecnología han descubierto que aumenta la precisión del nivel de servicio al cliente y reduce significativamente los costos de inventario.

La operación de almacenamiento de un minorista de hardware a nivel nacional pronosticó los requisitos de inventario para 12,000 SKU con demanda intermitente a niveles de servicio del 95 y 99 por ciento. Los resultados del pronóstico fueron casi 100 por ciento precisos. Con un nivel de servicio del 95 por ciento, el 95,23 por ciento de los artículos no se agotaron (el 95 por ciento hubiera sido perfecto). Con un nivel de servicio del 99 por ciento, el 98,66 por ciento de los artículos no se agotaron (el 99 por ciento hubiera sido perfecto).

La operación de mantenimiento de aeronaves de una empresa global obtuvo resultados de pronóstico de nivel de servicio similares con 6000 SKU. Los posibles ahorros anuales en costos de manejo de inventario se estimaron en $3 millones. La unidad de negocios de posventa de un proveedor de la industria automotriz, dos tercios de cuyos 7000 SKU muestran una demanda altamente intermitente, también proyectó $3 millones en ahorros de costos anuales.

Que el desafío de pronosticar la demanda intermitente de productos se haya cumplido es una buena noticia para los fabricantes, distribuidores y negocios de repuestos/MRO. Con la computación en la nube, el método probabilístico probado en el campo de Smart Software ahora es accesible para quienes no son estadísticos y se puede aplicar a escala a decenas de miles de piezas. Los datos de demanda que alguna vez fueron impredecibles ya no representan un obstáculo para lograr los más altos niveles de servicio al cliente con la menor inversión posible en inventario.

DESCARGAR EL ARTÍCULO

La planificación impulsada por el nivel de servicio (SLDP) es un enfoque para la planificación del inventario. Prescribe objetivos de nivel de servicio óptimos, identifica y comunica continuamente las ventajas y desventajas entre el servicio y el costo que son la base de todas las decisiones sabias de inventario. Cuando una organización entiende esta relación, puede comunicar dónde está en riesgo, dónde no, y manejar de manera efectiva sus activos de inventario. SLDP ayuda a exponer los desequilibrios de inventario y permite tomar decisiones informadas sobre la mejor manera de corregirlos. Para implementar SLDP, deberá mirar más allá de los enfoques de planificación tradicionales, como la orientación arbitraria del nivel de servicio (todos mis artículos A deben obtener el nivel de servicio 99%, los artículos B 95%, los artículos C 80%, etc.) y la previsión de demanda que intenta de manera poco realista predecir exactamente lo que sucederá y cuándo. SLDP se desarrolla en 4 pasos: Benchmark, Collaborate, Plan y Track.

Paso 1. Rendimiento de referencia

Todos los participantes en el proceso de inversión y planificación de inventario deben tener un entendimiento común de cómo se está desempeñando la política actual en un conjunto acordado de métricas de inventario. Las métricas deben incluir niveles de servicio alcanzados históricamente y tasas de llenado, tiempo de entrega a los clientes, rendimiento del tiempo de entrega del proveedor, rotación de inventario e inversión en inventario. Una vez que estas métricas se hayan comparado y se puedan informar diariamente, la organización tendrá la información que necesita para comenzar a priorizar los esfuerzos de planificación. Por ejemplo, si el inventario ha aumentado pero los niveles de servicio no, esto indicaría que el inventario no se está asignando correctamente entre los SKU. Los informes deben generarse con clics del mouse, lo que permite a los planificadores concentrarse en el análisis en lugar de la generación de informes que requiere mucho tiempo. El desempeño pasado no es garantía del desempeño futuro ya que la variabilidad de la demanda, los costos, las prioridades y los plazos de entrega siempre están cambiando. Por lo tanto, SLDP permite la evaluación comparativa predictiva que estima cuál es el rendimiento probable en el futuro. Software de optimización de inventario que utiliza pronóstico de probabilidad se puede usar para estimar un rango realista de demandas potenciales y ciclos de reabastecimiento. Poner a prueba sus parámetros de planificación para ayudar a descubrir con qué frecuencia y qué artículos se esperan desabastecimientos y excesos.

Paso 2. Planificación y colaboración “Qué pasaría si”

El modelado de inventario y la colaboración "qué pasaría si" es el corazón de SLDP. Los puntos de referencia históricos y predictivos deben compartirse primero con todas las partes interesadas relevantes, incluidas las de ventas, finanzas y operaciones. Se deben hacer esfuerzos para responder las siguientes preguntas:

– ¿Son aceptables tanto el rendimiento actual como la inversión?
– Si no, ¿cómo deberían mejorarse?
– ¿Qué SKU es probable que se demanden a continuación y en qué cantidades?
– ¿Dónde estamos dispuestos a asumir más riesgo de desabastecimiento?
– ¿Dónde se debe minimizar el riesgo de desabastecimiento?
– ¿Cuáles son los costes específicos de desabastecimiento?
– ¿Qué reglas comerciales y restricciones debemos cumplir (acuerdos de nivel de servicio al cliente, umbrales de inventario, etc.)

Una vez respondidas las preguntas anteriores, se pueden desarrollar nuevas políticas de planificación de inventario. El software de optimización de inventario puede conciliar todos los costos asociados con la gestión del inventario, incluidos los costos de falta de existencias, para generar el conjunto correcto de parámetros de planificación (mín./máx., existencias de seguridad, puntos de pedido, etc.) y niveles de servicio prescritos. La política óptima puede compararse con la política actual y modificarse en función de las restricciones y las reglas comerciales. Por ejemplo, ciertos artículos pueden tener como objetivo un nivel de servicio objetivo para cumplir con un acuerdo de nivel de servicio al cliente. Se pueden desarrollar y compartir varios escenarios de planificación de inventario "qué pasaría si" con las partes interesadas clave. Por ejemplo, puede modelar cómo los plazos de entrega más cortos afectan los costos de inventario. Una vez que se ha logrado el consenso y los riesgos y costos se comunican claramente, las políticas modificadas se pueden cargar en el sistema ERP para impulsar la reposición de inventario.

Paso 3. Planifique y administre continuamente por excepción

SLDP vuelve a pronosticar continuamente los parámetros de planificación optimizados en función de las demandas cambiantes, los plazos de entrega, los costos y otros factores. Esto significa que los niveles de servicio y el valor del inventario tienen el potencial de cambiar. Por ejemplo, el objetivo de nivel de servicio prescrito de 95% podría aumentar a 99% en el próximo período de planificación si los costos de desabastecimiento de ese artículo aumentaran repentinamente. Esto también es cierto si se opta por apuntar arbitrariamente a un nivel de servicio determinado o fijar los parámetros de planificación a una cantidad unitaria específica. Por ejemplo, un nivel de servicio objetivo de 95% podría requerir $1,000 en inventario hoy, pero $2,000 el próximo mes si los plazos de entrega aumentan. De manera similar, un punto de pedido de 10 unidades podría obtener el servicio 95% hoy y solo el servicio 85% el próximo mes en respuesta a una mayor variabilidad de la demanda. El software de optimización de inventario identificará qué artículos se pronostica que tendrán cambios significativos en el nivel de servicio y/o el valor del inventario y qué artículos no se están ordenando de acuerdo con el plan de consenso. Las listas de excepciones se producen automáticamente, lo que facilita la revisión de estos elementos y decide cómo administrarlos en el futuro. El análisis prescriptivo puede ayudar a identificar si la causa principal del cambio es una anomalía de la demanda, un cambio en la variabilidad general de la demanda, un cambio en el tiempo de entrega o un cambio en el costo, lo que lo ayuda a ajustar la política en consecuencia.

Paso 4. Realice un seguimiento del rendimiento continuo

Los procesos SLDP miden periódicamente el rendimiento operativo histórico y actual. Los resultados deben monitorearse para garantizar que los niveles de servicio estén mejorando y los niveles de inventario estén disminuyendo en comparación con los puntos de referencia históricos determinados en el Paso 1. Realice un seguimiento de métricas como giros, niveles de servicio agregados y específicos de artículos, tasas de llenado, falta de existencias y rendimiento del tiempo de entrega del proveedor. Comparta los resultados en toda la organización e identifique las causas raíz de las ineficiencias operativas. Los procesos SLDP facilitan el seguimiento del rendimiento al proporcionar herramientas que generan automáticamente los informes necesarios en lugar de colocar esta carga en los planificadores para que la administren en Excel. Hacerlo le permite a la organización descubrir problemas operativos que afectan el desempeño y brindar retroalimentación sobre lo que funciona y lo que debe mejorarse.

Conclusión

El marco SLDP es una forma de racionalizar el proceso de planificación de inventario y generar un retorno económico significativo. Su principio organizativo es que los niveles de servicio al cliente y los costos de inventario asociados con la política elegida deben entenderse, rastrearse y refinarse continuamente. El uso de software de optimización de inventario ayuda a garantizar que pueda identificar el nivel de servicio de menor costo. Esto crea un esfuerzo coherente en toda la empresa que combina la visibilidad de las operaciones actuales con evaluaciones científicas de los riesgos y condiciones futuras. Se realiza mediante una combinación de visión ejecutiva, experiencia del personal en la materia y el poder del moderno software de optimización y planificación de inventario.

Vea cómo Smart Inventory Optimization admite la planificación basada en el nivel de servicio y descargue la hoja del producto aquí: https://smartcorp.com/inventory-optimization/

Ahora mas que nunca

La optimización del inventario se ha convertido en una prioridad aún mayor en los últimos meses para muchos de nuestros clientes. Algunos están encontrando sus productos en una demanda mucho mayor; más tienen el problema opuesto. En cualquier caso, eventos como la pandemia de Covid19 están obligando a reexaminar las condiciones operativas estándar, como las opciones de puntos de pedido y cantidades de pedido.

Incluso en tiempos más tranquilos, los parámetros de control de inventario como Mins y Maxes pueden establecerse lejos de sus mejores valores. Podemos preguntar "¿Por qué el punto de pedido para SKU_1234 se establece en 20 unidades y la cantidad de pedido se establece en 35?" Esas elecciones probablemente fueron el resultado anquilosado de años de conjeturas acumuladas. Un poco de investigación puede mostrar que las opciones de 20 y 35 ya no están correctamente alineadas con el nivel de demanda actual, la volatilidad de la demanda, el tiempo de entrega del proveedor y los costos de los artículos.

La persistente sensación de que "Deberíamos repensar todas estas opciones" a menudo es seguida por "Oh, no, ¿tenemos que resolver esto para los 10,000 artículos en el inventario?" El salvador aquí es software avanzado que puede ampliar el proceso y hacerlo no solo deseable sino factible. El software utiliza algoritmos sofisticados para traducir los cambios en los parámetros de inventario, como los puntos de pedido, en indicadores clave de rendimiento, como los niveles de servicio y los costos operativos (definidos como la suma de los costos de mantenimiento, los costos de pedido y los costos de escasez).

Este blog describe cómo obtener la beneficios de la optimización del inventario describiendo 4 enfoques con diversos grados de automatización.

Cuatro enfoques para la optimización del inventario

Caza y picotear

La primera forma es la optimización de "cazar y picotear" específica del artículo. Es decir, usted aísla un artículo de inventario a la vez y hace conjeturas sobre cómo administrar ese artículo. Por ejemplo, puede pedirle al software que evalúe qué sucede si cambia el punto de reorden para SKU123 de 20 a 21 mientras deja la cantidad de pedido fija en 35. Luego, puede intentar dejar 20 solo y reducir 35 a 34. Horas más tarde, porque su las intuiciones son buenas, es posible que haya encontrado un mejor par de opciones, pero no sabe si hay una combinación aún mejor que no probó, y es posible que deba pasar al siguiente SKU y al siguiente y el siguiente… Necesitas algo más automatizado y completo.

Hay tres maneras de hacer el trabajo de manera más productiva. Los dos primeros combinan tu intuición con la eficiencia de tratar grupos de elementos relacionados. La tercera es una búsqueda totalmente automática.

Optimización basada en el nivel de servicio

1. Identifique los elementos que desea que tengan el mismo nivel de servicio. Por ejemplo, puede administrar cientos de elementos "C" y preguntarse si su objetivo de nivel de servicio debe ser 70%, más o menos.
2. Ingrese un objetivo de nivel de servicio potencial y haga que el software prediga las consecuencias en términos de inversión en dólares de inventario y costo operativo de inventario.
3. Si no le gusta lo que ve, pruebe con otro objetivo de nivel de servicio hasta que se sienta cómodo. Aquí el software hace predicciones a nivel de grupo de las consecuencias de sus elecciones, pero aún está explorando sus elecciones.

Optimización por Reasignación a partir de un Benchmark

1. Identifique los artículos que están relacionados de alguna manera, como "todos los repuestos para trenes de rodaje de vehículos ligeros sobre rieles".
2. Utilice el software para evaluar el espectro actual de niveles de servicio y costos en todo el grupo de artículos. Por lo general, descubrirá que algunos artículos tienen un exceso de existencias (como lo indican los niveles de servicio irrazonablemente altos) y otros con una falta de existencias (niveles de servicio vergonzosamente bajos).
3. Utilice el software para calcular los cambios necesarios para reducir los niveles de servicio más altos y aumentar los más bajos. Este ajuste a menudo dará como resultado el logro de dos objetivos a la vez: aumentar el nivel de servicio promedio y, al mismo tiempo, disminuir los costos operativos promedio.

Optimización específica de artículos totalmente automatizada

1. Identifique los elementos que requieren niveles de servicio por encima de un cierto mínimo. Por ejemplo, tal vez desee que todos sus elementos "A" tengan al menos un nivel de servicio 95%.
2. Utilice el software para identificar, para cada artículo, la elección de los parámetros de inventario que minimizarán el costo de cumplir o exceder el nivel de servicio mínimo. El software buscará eficientemente el "espacio de diseño" definido por pares de parámetros de inventario (p. ej., Mín. y Máx.) para diseños (p. ej., Mín. = 10, Máx. = 23) que satisfagan la restricción del nivel de servicio. Entre ellos, identificará el diseño de menor costo.

Este enfoque va más allá para trasladar la carga del planificador al programa. Muchos se beneficiarían de hacer de esta la forma estándar en que administran grandes cantidades de artículos de inventario. Para algunos artículos, puede ser útil dedicar un poco más de tiempo para asegurarse de que también se tengan en cuenta las consideraciones adicionales. Por ejemplo, la capacidad limitada en un departamento de compras puede hacer que la solución se aleje del ideal al requerir una disminución en la frecuencia de los pedidos, a pesar del precio pagado en costos operativos generales más altos.

Avanzando

Optimizar los parámetros de inventario nunca ha sido más importante, pero siempre pareció un sueño imposible: era demasiado trabajo y no había buenos modelos para relacionar las opciones de parámetros con indicadores clave de rendimiento como el nivel de servicio y el costo operativo. El software moderno para el análisis de la cadena de suministro ha cambiado el juego. Ahora la pregunta no es "¿Por qué haríamos eso?" sino "¿Por qué no estamos haciendo eso?" Con el software, puede conectar "Esto es lo que queremos" con "Hacerlo así".