Planificación de la demanda, planificación del inventario y previsión de la demanda.
Diccionario
Descubrimos que los profesionales no siempre están seguros de los significados de estas palabras, lo que puede impedir una comunicación comercial efectiva, particularmente cuando se implementa un software de planificación y pronóstico de la demanda. A veces, dos empresas (proveedor y cliente, cadena de suministro, etc.) usan la misma palabra pero le aplican diferentes significados. Este post tiene como objetivo aclarar algunas definiciones básicas.
La
precisión
Qué tan cerca está el pronóstico de la realidad. La precisión del pronóstico debe expresarse como "error de pronóstico" y determinarse de la siguiente manera: Pronóstico - Realidad. Para determinar el uso del porcentaje de error: (Pronóstico – Realidad)/Actual. No se recomienda utilizar el pronóstico como denominador (es decir, (pronóstico - realidad)/pronóstico)) al calcular la precisión, ya que la precisión del pronóstico nunca puede ser peor que 100% y el planificador no comunicará correctamente el verdadero error asociado con el pronóstico de la demanda.
período promedio
El número de puntos de datos históricos utilizados en los cálculos del promedio móvil. Ver además media móvil.
B
arranque
Una técnica de pronóstico estadístico basada en el muestreo al azar (con reemplazo) de valores históricos. Estos valores de datos remuestreados se combinan para formar escenarios de demanda realistas que se asemejan a los patrones de demanda históricos reales sin repetirlos exactamente.
método de Brown
Un método de pronóstico de suavizado exponencial apropiado para datos con tendencia pero sin estacionalidad. También conocido como suavizado exponencial DOBLE
C
coeficiente de variación
Una medida de la variabilidad relativa de los valores de datos almacenados en una variable, calculada como 100 veces la desviación estándar dividida por la media.
correlación
Una medida del grado de relación lineal entre dos variables, que va de -1 a +1, donde 0 indica que no hay relación lineal. Los valores grandes pueden sugerir una relación de indicador principal útil en el análisis de regresión.
correlación cruzada
La correlación entre una serie y otra que se desplaza hacia adelante o hacia atrás en el tiempo. Ver correlación.
datos transversales
Datos organizados por unidades administrativas en lugar de por períodos de tiempo (por ejemplo, las ventas de la empresa medidas en todos los territorios de ventas durante un período de tiempo).
pronóstico acumulativo
El pronóstico del total de todos los valores de datos durante el horizonte de pronóstico. Utilice este número cuando su objetivo sea estimar percentiles de la demanda acumulada. El pronóstico acumulativo difiere de la suma del pronóstico cuando el nivel de servicio no es 50%. Ver suma pronosticada.
D
ciclo de datos
La frecuencia con la que se recopilan los datos. Si los datos se recopilan en "cubos" mensuales, el ciclo de datos es 12. Los datos trimestrales tienen un ciclo de datos de 4. Los meses contables tienen un ciclo de datos de 13. Si tiene un sitio web y desea realizar un seguimiento del uso por hora , es posible que desee utilizar un ciclo de datos de 24.
descomposición
Un procedimiento estadístico que descompone una serie de tiempo en componentes de tendencia, estacionales e irregulares. En descomposición multiplicativa, datos = tendencia x estacional x irregular. En descomposición aditiva, datos = tendencia + estacional + irregular. Ver también ajuste estacional.
d.f.
Grados de libertad. Se utiliza para calcular la significación estadística de una estadística F en un análisis de regresión.
variable dependiente
En el análisis de regresión, la variable que se va a predecir a partir del predictor o la(s) variable(s) independiente(s). También conocida como la variable de pronóstico. En la ecuación Y = 1 + 2 X, la variable dependiente es Y.
.doble suavizado exponencial
Un método de pronóstico apropiado para datos con tendencia pero sin estacionalidad. También conocido como método de Brown.
variable ficticia
Una variable que toma solo los valores de cero o uno. Este tipo de variable suele utilizarse en análisis de regresión para indicar la presencia o ausencia de algún factor, como una promoción de precios o una tormenta de nieve. Estos juegan un papel similar a las variables de eventos en el modelado de promociones/eventos.
Estadística de Durbin-Watson
En análisis de regresión, un indicador del grado de autocorrelación en los residuos. Los valores cercanos a 2 indican que no hay autocorrelación, los valores entre 0 y 2 indican autocorrelación positiva y los valores entre 2 y 4 indican autocorrelación negativa. Si el DW no está cerca de 2, la ecuación de regresión aún puede ser útil para fines de pronóstico, pero no es el mejor resumen que podría hacer de las relaciones históricas entre sus variables; además, las estimaciones de la incertidumbre serán inexactas.
E
modelos EOQ
Modelos económicos de cantidad de pedido. Una clase de modelos diseñados para encontrar procedimientos eficientes de control de inventario. Por ejemplo, un tipo de modelo EOQ calcula los mejores valores para cuándo reordenar y cuánto reordenar, a fin de equilibrar los costos de manejo de inventario contra el costo de perder ventas debido a faltantes.
error
Pronóstico – Real. Para determinar el uso del porcentaje de error: (Pronóstico – Real)/Actual. No se recomienda utilizar el pronóstico como denominador (es decir, (pronóstico - real)/pronóstico)) al calcular la precisión, ya que la precisión del pronóstico nunca puede ser peor que 100% y el planificador no comunicará correctamente el verdadero error asociado con el pronóstico de la demanda.
modelo de evento
Un modelo de previsión utilizado en la previsión de promoción que ajusta los datos para los efectos de eventos inusuales y luego aplica suavizado exponencial. Los eventos incluyen promociones de ventas, mal tiempo, cortes de energía y otras circunstancias inusuales de corta duración.
Suavizado exponencial
Una clase de métodos de pronóstico que promedia la variación aleatoria en una serie de datos. El suavizado exponencial calcula un promedio ponderado de todos los datos históricos de una serie. Recibe su nombre de la forma en que pondera los datos, otorgando a cada punto de datos un porcentaje fijo del peso asignado a su sucesor. SmartForecasts utiliza los siguientes cuatro métodos de suavizado exponencial: simple, doble, aditivo de Winters y multiplicativo de Winters.
F
ajuste o valor ajustado
En el análisis de regresión, la aproximación estadística al valor real del pronóstico o variable dependiente.
pronóstico
Una predicción sobre el valor futuro de una variable.
intervalo de pronóstico
En SmartForecasts, el rango de valores que indica el margen de error en el pronóstico.
estadística F
En el análisis de regresión, un indicador de la capacidad colectiva de todas las variables predictoras (independientes) para predecir la variable pronosticada (dependiente). La estadística F se utiliza para evaluar la posibilidad de que un valor alto de R-cuadrado no sea más que una casualidad estadística. Es posible obtener un valor bastante alto de R-cuadrado solo por accidente, especialmente cuando tiene una pequeña cantidad de casos de datos en relación con la cantidad de variables predictoras. Con más datos, es posible que obtenga un R-cuadrado mucho más bajo. La significancia estadística de un valor dado de la estadística F debe evaluarse manualmente usando una tabla de valores críticos y los grados de libertad informados por SmartForecasts. Si la estadística F no es estadísticamente significativa, entonces ninguno de los predictores es útil. Examine las estadísticas t para los coeficientes de regresión individuales solo si la estadística F es significativa. Ver también dfsignificación estadística, coeficiente y estadístico t.
H
cobertura
Una desaceleración especificada con criterio de una tendencia estadística.
análisis de retención
Un método para hacer evaluaciones realistas de la incertidumbre del pronóstico. Este método utiliza valores de datos más antiguos para pronosticar valores más nuevos y luego compara los valores pronosticados y reales. Esto imita la realidad, ya que los pronósticos se evalúan con datos que no intervinieron en su creación. Hay dos versiones. Un simple análisis de reserva compara los valores de datos reales más recientes con los pronósticos utilizando todos los datos anteriores. Una simulación deslizante usa una parte de los datos históricos para pronosticar los siguientes valores, luego se desliza hacia adelante un período y repite el proceso, y continúa de esta manera hasta usar todos los valores de datos menos el último para predecir un paso adelante.
I
variable independiente
Ver variable predictora.
demanda intermitente
Demanda que en su mayor parte es cero, pero toma valores aleatorios distintos de cero en momentos aleatorios. La demanda intermitente es característica de repuestos y bienes de capital de alto precio. También conocida como “demanda de movimiento lento”, “demanda irregular” y “demanda esporádica”.
predicción del intervalo
Un pronóstico expresado como un rango, por ejemplo, hay una posibilidad de 90% de que las ventas del próximo mes sean entre 100 y 150 unidades. Ver pronóstico puntual.
optimización del inventario
El proceso de calcular el inventario mínimo necesario para proporcionar un nivel de servicio de inventario deseado.
componente irregular
La variación aleatoria en una serie de tiempo que permanece después de que se hayan tenido en cuenta la tendencia y la estacionalidad. El componente irregular mide el efecto de otras influencias en la serie, como tormentas de nieve, huelgas, cortes de energía y otros eventos no recurrentes. Ver descomposición.
L
retraso
El número de períodos de tiempo en los que los valores antiguos se desplazan hacia adelante para emparejarse con los valores actuales al calcular una autocorrelación.
espera
El número de períodos de tiempo en los que los valores futuros se desplazan hacia atrás para emparejarse con los valores actuales al calcular una autocorrelación.
tiempo de espera
En la gestión de inventario, el tiempo entre la colocación y la recepción de una orden de reabastecimiento de inventario. El gerente de inventario puede querer asegurarse de que no haya faltantes durante este período.
demanda en el tiempo de entrega
El total de las demandas en cada período del tiempo de entrega.
indicador adelantado
Un artículo o variable cuyos cambios anticipan cambios en alguna otra variable. Por ejemplo, conocer las ventas actuales de automóviles nuevos puede permitirle predecir mejor las ventas de accesorios automotrices del mercado de repuestos del próximo trimestre. Un indicador adelantado se puede utilizar como variable de predicción en el análisis de regresión.
mínimos cuadrados
Un método para estimar los coeficientes de regresión. Este método selecciona valores para la constante de regresión y los coeficientes para minimizar la suma de los cuadrados de los residuos. Ver también regresión y residual.
nivel
Una característica de una serie de tiempo que indica su valor promedio a largo plazo.
promedio móvil lineal Un método de pronóstico apropiado para datos con tendencia pero sin estacionalidad; también es útil para eliminar la estacionalidad de los datos de tendencias. A veces se denomina media móvil doble.
M
significancia
Una medida del nivel típico de una variable, calculada como el promedio aritmético de los valores de datos almacenados en la variable.
medida
Un valor numérico a pronosticar. Pueden ser unidades de venta, litros, dólares, etc.
mediana
Una medida del nivel típico de una variable, determinada clasificando los valores almacenados en una variable de menor a mayor e identificando el valor medio (si hay un número impar de valores de datos) o el promedio de los dos valores medios (si hay son un número par de valores de datos).
media móvil
Una clase de métodos de pronóstico para promediar la variación aleatoria en una serie de datos. Un promedio móvil usa solo el más reciente para formar el total, pronostica el total y luego prorratea los pronósticos del total hasta los elementos individuales.
N
ruido
Término que describe el efecto neto de cualquier número de factores aleatorios que influyen en el valor de una variable. La función Descomponer separa el ruido de la tendencia y la estacionalidad en una variable.
parte aislada
Un valor de datos que es mucho mayor o menor que los otros valores de la misma variable. Un valor atípico puede deberse a un error en el registro de datos o a una circunstancia inusual.
P
P (2 colas)
En el análisis de regresión, la probabilidad de que un coeficiente de regresión alcance su valor observado o un valor aún mayor únicamente por casualidad, si el valor real del coeficiente fuera cero. Un valor bajo de P(2 colas) sugiere que el coeficiente no es cero. Ver Estadísticamente significante.
percentil
Un número que iguala o excede un porcentaje específico de todos los valores de una variable. Por ejemplo, la mediana es el percentil 50, ya que 50% de los valores de datos son menores o iguales a la mediana.
pronóstico puntual
Un pronóstico expresado como un solo número, por ejemplo, las ventas del próximo mes probablemente serán de 125 unidades. Ver previsión de intervalos.
variable predictora
En el análisis de regresión, variable utilizada para pronosticar la variable dependiente o de pronóstico. También conocida como variable independiente. En la ecuación Y = 1 + 2X, la variable predictora es X.
Pronóstico promocional
Una función especial de SmartForecasts que combina pronósticos automáticos con ajustes para promociones de ventas y otros eventos especiales que influyen en las ventas, como tormentas de nieve y huelgas.
q
cuartilla
Un número que divide la distribución de valores de datos en cuartos. El cuartil inferior es mayor que 25% de los valores de datos, el cuartil medio (es decir, la mediana) es mayor que 50% y el cuartil superior es mayor que 75%.
R
regresión
Un análisis estadístico que crea una ecuación para convertir los valores de predictor o variables independientes en estimaciones de los valores de un pronóstico o variable dependiente
residual
En el análisis de regresión, la diferencia entre el valor real del pronóstico o variable dependiente y su valor ajustado.
R-cuadrado
En el análisis de regresión, una medida de bondad de ajuste entre los valores observados y ajustados del pronóstico o variable dependiente. Los valores de Rsquare varían de 0% a 100%, donde 100% indica un ajuste perfecto. Si el R-cuadrado está cerca de 0%, entonces sus predictores son esencialmente inútiles para fines de pronóstico. Ver R-cuadrado ajustado
S
stock de seguridad
Una reserva de inventario o una inversión que debe agregarse a la estimación más probable de la demanda futura (es decir, el pronóstico esperado) para protegerse contra la variabilidad de la demanda.
gráfico de dispersión
Un gráfico de datos transversales, con la variable independiente en el eje horizontal (X) y la variable dependiente en el eje vertical (Y). También conocido como diagrama XY.
ajuste estacional
Un procedimiento estadístico para cancelar un patrón predecible de variación mensual, trimestral u otra variación periódica en una serie de datos. Si la estacionalidad es multiplicativa, el ajuste estacional divide los datos por multiplicadores estacionales. Si la estacionalidad es aditiva, el ajuste estacional resta los factores adicionales estacionales de los datos. El comando Descomponer realiza un ajuste estacional para dejar solo las influencias de la tendencia y los componentes irregulares. Ver descomposición
componente estacional
La influencia cíclica repetitiva en una serie de tiempo. El comando Descomponer estima los componentes de tendencia, estacionales e irregulares.
estacionalidad
Característica de una serie temporal caracterizada por ciclos repetitivos de valores altos y bajos; a menudo se encuentra en datos trimestrales (ciclos del período 4) y datos mensuales (ciclos del período 12).
serie
Una secuencia de mediciones u observaciones sobre una variable.
nivel de servicio
La probabilidad, expresada como porcentaje, de satisfacer la demanda total del cliente de un artículo de producto en particular durante un período futuro fuera del inventario disponible (por ejemplo, el próximo período de inventario será suficiente para mantener un nivel de servicio al cliente 95% o 99%). También conocido como nivel de servicio de inventario.
previsiones de nivel de servicio
Previsiones de un percentil alto de la distribución de la demanda. Por lo general, los pronósticos tienen como objetivo el valor promedio o esperado. Sin embargo, en las aplicaciones de control de inventario, es importante planificar en torno al extremo superior de la distribución de la demanda; esto ayuda a minimizar la ocurrencia de desabastecimientos o pedidos atrasados.
media móvil simple
Un método de pronóstico apropiado para datos sin tendencia ni estacionalidad; también es útil para eliminar la estacionalidad de los datos sin tendencia.
simulación
Un método para comprender la aleatoriedad en una variable mediante la creación de escenarios o futuros posibles. Se utiliza para estimar la distribución de la demanda de tiempo de entrega al pronosticar datos intermitentes.
Suavizado exponencial
Un método de pronóstico apropiado para datos sin tendencia ni estacionalidad.
SKU
Abreviatura de Stock Keeping Unit, el nivel más desagregado de inventario rastreado en una empresa de fabricación.
valor de datos suavizado
En el método de pronóstico que utiliza suavización exponencial o promedios móviles, la aproximación estadística al valor real de la variable de pronóstico.
suavizar el peso
La ponderación porcentual otorgada al valor de datos más reciente en los cálculos de suavizado exponencial. Un menor peso implica más suavizado.
escasez
El porcentaje de variables que contienen datos históricos. Si se elimina la escasez al conectar una base de datos a SmartForecasts, solo las filas con datos históricos predecibles se importan a la tabla de datos de SmartForecasts.
desviación estándar
Una medida de la variabilidad de los valores de datos almacenados en una variable (calculada usando n-1 en el denominador).
error estándar
En el análisis de regresión, una medida de la incertidumbre de muestreo en el valor de un coeficiente de regresión. Si tuviera que analizar un conjunto diferente de datos sobre el mismo tema, inevitablemente obtendría coeficientes de regresión algo diferentes. Los errores estándar muestran cuán diferentes pueden ser los coeficientes de regresión. Con datos diferentes, podría esperar obtener coeficientes de regresión que sean uno o incluso dos o más errores estándar diferentes de los calculados a partir de su conjunto de datos actual.
error estándar de estimación
En el análisis de regresión, una medida del tamaño típico de las discrepancias entre los valores reales de los datos y los valores pronosticados por la ecuación de regresión, es decir, los residuos. También conocido como el error cuadrático medio de la raíz.
estadísticamente significante
Un resultado que está más allá del rango típico de variabilidad del azar. Por ejemplo, si lanza 100 monedas al aire, obtener 53 caras y 47 cruces no es una desviación estadísticamente significativa del ideal 50:50, ya que esta pequeña discrepancia se explica fácilmente por casualidad. Por el contrario, una división de 90:10 sería estadísticamente significativa, ya que una discrepancia tan grande casi nunca surgiría por casualidad si las monedas fueran justas. En el análisis de regresión, SmartForecasts prueba la importancia estadística de los coeficientes de regresión frente a la hipótesis nula de que son cero. Ver también P (2 colas)
T
línea de tiempo
Un gráfico de valores de datos trazados contra el tiempo. Es una buena idea examinar un gráfico de tiempo antes de realizar un pronóstico para buscar tendencias, estacionalidad y valores inusuales (valores atípicos). También conocido como gráfico de líneas en Excel.
series de tiempo
Una sucesión ordenada de números que representan los valores de una variable particular durante un período de tiempo determinado (por ejemplo, las cifras de ventas mensuales de l999). Sinónimo de serie de datos. Contraste con datos transversales.
horario
Una tabla que contiene atributos textuales
transformación
Aplicación de una función matemática a una variable. Por ejemplo, log(X) es una transformación de X. Las transformaciones se utilizan para hacer más simétrica una distribución sesgada o para hacer más lineal una relación no lineal. El comando Scatterplot puede transformar una o ambas variables X e Y para crear un mejor ajuste de línea recta y luego guardar las variables transformadas en la tabla de datos. El comando Definir también puede crear y guardar variables transformadas nuevas.
tendencia
Una característica de una serie de tiempo marcada por aumentos o disminuciones más o menos constantes en el nivel de la serie.
componente de tendencia
El cambio lento y de largo plazo en el nivel de una serie de tiempo. El comando Descomponer estima los componentes de tendencia, estacionales e irregulares
porcentaje de tendencia
El cambio de unidad promedio por período dividido por unidades promedio multiplicado por período. Está disponible como estadística en la función de filtrado numérico para identificar variables con tendencia positiva, negativa o cero y para comparar tendencias promedio de una serie con otra.
estadística t
En el análisis de regresión, la relación entre el valor de un coeficiente y su error estándar. SmartForecasts utiliza la estadística t para calcular el valor de P (2 colas) al probar la hipótesis de que el valor del coeficiente sería cero excepto por la variación aleatoria. En términos generales, los valores de la estadística t más allá de ± 2 sugieren que la variable de predicción correspondiente es útil para predecir la variable de pronóstico. Ver P (2 colas) y estadísticamente significativo
W
peso
Un parámetro en un método de suavizado exponencial que determina el equilibrio de influencia entre los valores de datos recientes y más antiguos. Los valores más altos para los pesos dan más influencia a los valores de datos más recientes. Esto permite un ajuste más rápido a las condiciones cambiantes a costa de suavizar menos el ruido cuando las condiciones son estables.
Suavizado exponencial de Winters
Un método de pronóstico apropiado para datos con tendencia y estacionalidad; Tanto las formas aditivas como las multiplicativas del método de Winters están disponibles en SmartForecasts.
Archivo Histórico
Smart Software se complace en anunciar que nos unimos a Epicor, un líder mundial de software empresarial específico de la industria. La adquisición reúne a dos empresas estrechamente alineadas para ayudar a las organizaciones a obtener la información adecuada en el momento adecuado y tomar medidas para maximizar el rendimiento empresarial.
Al unirse a Epicor, los clientes de Smart Software se beneficiarán de una importante escala, desarrollo e inversión en nuestras soluciones de optimización y planificación de inventario, lo que con el tiempo les brindará aún más capacidades y opciones de productos. Con la adquisición de Smart Software, Epicor complementa y fortalece su cartera de las mejores soluciones ERP de su clase, ayudando a fabricantes, empresas de mudanzas y vendedores de todo el mundo a optimizar y simplificar sus cadenas de suministro para obtener una ventaja competitiva. Como su socio comercial estratégico, nuestra principal prioridad a medida que integramos las organizaciones en los próximos meses es continuar brindándole el más alto nivel de servicio y soporte que espera.
Para obtener más información sobre las noticias, visite el Sala de prensa de Epicor
Smart Software se complace en anunciar la adjudicación de Patente de EE. UU. 11,656,887. “Sistema y Método para Simular la Demanda y Optimizar los Parámetros de Control de una Plataforma Tecnológica”.
La patente dirige “soluciones técnicas para analizar datos históricos de demanda de recursos en una plataforma tecnológica para facilitar la gestión de un proceso automatizado en la plataforma”. Una aplicación importante es la optimización de los inventarios de piezas.
Smart Software nombrado socio en la venta conjunta con Microsoft como proveedor líder de soluciones de optimización de inventario y planificación de la demanda. Los clientes de Microsoft aprovechan la plataforma web nativa de Smart para la planificación y optimización de inventario (Smart IP&O) para desarrollar pronósticos de consenso, gestionar la demanda y optimizar las políticas de almacenamiento.
Estamos muy agradecidos de anunciar el 40 aniversario de Smart Software. Cuarenta años de innovación para la previsión de la demanda, la planificación del inventario y el análisis de la cadena de suministro. Smart, Hartunian y Willemain se incorporó en junio de 1981 por Charles Smart, Thomas Willemain y Nelson Hartunian, nuestros visionarios fundadores.
La revista en línea Supply and Demand Chain Executive 2020 presenta un artículo sobre la optimización del inventario en BC Transit, titulado “Optimización de la gestión de piezas en BC Transit.” Eric Nelson, director de servicios de suministro de BC Transit, explica cómo Smart IP&O ha ayudado a garantizar que tengan la pieza correcta en el lugar correcto en el momento correcto para equipar toda su red de servicio con 35 ubicaciones de reparación.
No sea víctima de sus modelos de predicción: sección especial en la revista Foresight. En esta sección especial, Tom Willemain provoca una gran reflexión sobre el papel de los modelos estadísticos en la previsión de la cadena de suministro, un campo que, según él, va muy por detrás de las finanzas en la adopción de algoritmos. Descargue la sección especial sobre modelado de pronósticos en la edición de primavera de 2019 de la revista Foresight
Inventario de tamaño correcto con predicción de la demanda”, entrevista con el director de materiales de Metro-North Railroad.
Ejecutivo de Cadena de Suministro y Demanda — 26 de junio
Consulte “Cuatro pasos para la planificación del inventario basada en el nivel de servicio” en Revisión de la gestión de la cadena de suministro.
Revisión de la gestión de la cadena de suministro — 12 de abril de 2015
Metro Transit de Minnesota adopta un método de planificación de inventario basado en el nivel de servicio de Smart Software.
Revista Transporte Masivo — febrero de 2015
Entrevista en video con SupplyChainBrain, "Planificación de la demanda basada en el nivel de servicio"
SupplyChainBrain — 30 de junio de 2014
Conquistando la variabilidad de la cadena de suministro en Rev-A-Shelf”, en Supply & Demand Chain Executive Online
Ejecutivo de Cadena de Suministro y Demanda — 9 de abril de 2014
Now You See It, Now You Don't Inventory”, Nuevas tecnologías para hacer frente a la demanda intermitente, en Aviation Week Online
Semana de la Aviación — 7 de abril de 2014
Reproducción del seminario web: Pronóstico ágil de la demanda, la experiencia Rev-A-Shelf.
Smart Software Inc. - Enero 2014
Artículo principal: La planificación de piezas de MCI sobresale con el software inteligente” en la revista BusRide Maintenance
Revista de mantenimiento BusRide - Septiembre 2013
Repetición del seminario web: Vista del director financiero de la previsión de la demanda, con Bud Schultz, NKK Switches. Emitido originalmente el 26/09/2013.
Smart Software Inc. - Septiembre 2013
Revisión destacada: "Software inteligente para pronósticos basados en el nivel de servicio" por los Centros de evaluación de tecnología.
Centros de Evaluación de Tecnología - Mayo 2013
Artículo destacado: "Pronóstico: es más que gestión de inventario", en Supply & Demand Chain Executive.
Ejecutivo de Cadena de Suministro y Demanda - Febrero de 2013
Artículo destacado: "Pequeños cambios operativos traen grandes resultados de reducción de costos para las agencias de tránsito" en la revista APTA Passenger Transport
Revista Transporte de Pasajeros APTA - Junio 2012
Artículo destacado: "Enfrentando el desafío de planificación de inventario de piezas de servicio" en la revista de mantenimiento BUSride
Revista de mantenimiento BUSride — Abril 2012
Revisión de SmartForecasts: "Gestión de inventario más inteligente: pronóstico de las necesidades de transporte público con el paquete de software completo" en la revista APICS
Revista APICS — Enero/Febrero 2012
Blog Transit Talk: "Cómo descubrir ahorros de costos ocultos en sus operaciones de tránsito"
Revista Transporte Masivo — Septiembre, 2011
Artículo de portada: Un ferrocarril de cercanías del noreste lucha por optimizar su inventario de piezas de repuesto
SupplyChainBrain — Mayo/Junio 2011
“Prestolite carga su gestión de inventario”
Cuando las jubilaciones agotaron su experiencia en planificación y una mala combinación de demasiado inventario ejerció presión sobre el flujo de efectivo, la empresa incorporó una nueva herramienta de pronóstico para potenciar su proceso de planificación. S&DCE agosto/septiembre 2010
“Cómo sobrevivir a la crisis económica”
Las condiciones económicas actuales están desafiando los negocios de todos. Esto es especialmente cierto para las empresas de los sectores de fabricación y distribución que tienen un gran porcentaje de los recursos de su cadena de suministro inmovilizados en el inventario. Con restricciones crediticias, estas empresas están buscando formas de conservar la mayor cantidad de efectivo posible. Debido a que el inventario es dinero en efectivo que se encuentra en los estantes, una forma excelente de reducir los costos y aumentar los flujos de efectivo es mejorar la previsión y la planificación de los requisitos de inventario. SDCExec.com Mayo de 2009
“Smooth Ride: la solución de pronóstico mejora la implementación del producto y reduce los costos de transporte”
Vea cómo Prevost Parts, una división del fabricante canadiense de autobuses Prevost Car, ha utilizado SmartForecasts para mejorar la asignación de inventario y la eficacia de la distribución en el mercado de posventa de América del Norte para sus 25 000 repuestos para autocares y autobuses urbanos. Conozca los criterios de evaluación de Prevost Parts al seleccionar SmartForecasts sobre otras cinco aplicaciones consideradas, y la importancia de la capacidad única de pronóstico de demanda intermitente de Smart para resolver los problemas de estimación de stock de seguridad y pronóstico de Prevost. APICS mayo de 2005
“Prevost Parts aumenta la disponibilidad de piezas de repuesto y reduce el inventario a través de una mejor previsión de la demanda” por Alex Daudelin.
Lea un artículo sobre cómo Prevost Parts, la división de repuestos del fabricante canadiense de autobuses Prevost Car, utiliza SmartForecasts para distribuir repuestos de manera más efectiva para los mercados de autocares y autobuses de tránsito de América del Norte. Descubra por qué la empresa seleccionó SmartForecasts en lugar de la aplicación de planificación de la demanda de SAP y ahora espera un aumento de 25% en la precisión del pronóstico y una reducción cercana a 20% en los niveles de existencias de inventario. Geston Logística Marzo 2004
“Las herramientas adecuadas” por Charles Smart, presidente de Smart Software.
Aprenda cómo las herramientas de pronóstico estadístico adecuadas combinadas con aportes colaborativos de la gerencia, los vendedores y los clientes pueden mejorar en gran medida la precisión del pronóstico y agilizar el proceso de planificación de la demanda de una empresa. APICS mayo de 2003
"Pronóstico: tan importante como siempre" por Charles Smart, presidente de Smart Software.
Lea por qué la previsión de la demanda sigue siendo esencial en esta nueva era de fabricación. APICS noviembre/diciembre de 2001
“Una mejor bola de cristal” por Charles Smart, presidente de Smart Software.
Lea un artículo exclusivo de la web sobre cómo las aplicaciones de pronóstico se están adaptando a ciclos de vida de productos más cortos y tendencias de fabricación bajo pedido. manufacturingsystems.com noviembre de 2001
“Bootstrap Your Way to Better Forecasts” por Charles Smart, presidente de Smart Software.
Conozca el nuevo método de pronóstico de Smart Software para abordar el problema multimillonario de planificar la demanda intermitente y lenta. Empresa de rango medio enero de 2001
Contáctanos hoy para más información
Si solicita una demostración, y uno de nuestros especialistas le mostrará cómo Smart puede ayudarlo ¡utilizando sus propios datos de inventario!