A 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.

Este blog ayudará a un profano a comprender qué son los modelos estadísticos inteligentes y cómo se eligen automáticamente. Abordará cómo esa elección a veces falla, cómo puede saber si lo hizo y qué puede hacer para garantizar que los pronósticos siempre puedan justificarse. Es importante saber esperar y cómo detectar las excepciones para que pueda confiar en su sistema de pronóstico.

Cómo se eligen los métodos automáticamente

El criterio para elegir automáticamente un método estadístico de un conjunto se basa en qué método estuvo más cerca de predecir correctamente el historial retenido. El historial anterior se pasa a cada método y el resultado se compara con los datos reales para encontrar el que más se acercó en general. Ese método elegido automáticamente se alimenta de todo el historial para producir el pronóstico. Consulte este blog para obtener más información sobre la selección de modelos. https://smartcorp.com/uncategorized/statistical-forecasting-how-automatic-method-selection-works/

Para la mayoría de las series temporales, este proceso puede capturar tendencias, estacionalidad y volumen promedio con precisión. Pero a veces, un método elegido se acerca matemáticamente a la predicción del historial retenido, pero no lo proyecta hacia adelante de una manera que tenga sentido. Eso significa que el método seleccionado por el sistema no es el mejor y, para algunos, es "difícil de pronosticar".

Artículos difíciles de pronosticar

Los artículos difíciles de pronosticar pueden tener picos grandes e impredecibles en la demanda, o por lo general no hay demanda pero hay irregularidades aleatorias o actividad reciente inusual. El ruido en los datos a veces se desplaza aleatoriamente hacia arriba o hacia abajo, y el método automatizado de mejor selección podría pronosticar una tendencia desbocada o una reducción a cero. Lo hará peor que el sentido común y en un pequeño porcentaje de cualquier grupo razonablemente variado de elementos. Por lo tanto, deberá identificar estos casos y responder anulando el pronóstico o cambiando las entradas del pronóstico.

Cómo encontrar las excepciones

La mejor práctica es filtrar u ordenar los elementos pronosticados para identificar aquellos en los que la suma del pronóstico durante el próximo año es significativamente diferente al historial correspondiente del año pasado. La suma del pronóstico puede ser mucho más baja que el historial o viceversa. Utilice las métricas proporcionadas para identificar estos elementos; luego puede optar por aplicar anulaciones al pronóstico o modificar la configuración del pronóstico.

Cómo arreglar las excepciones

A menudo, cuando el pronóstico parece extraño, un método de promediación, como el suavizado exponencial único o incluso un promedio simple con estilo libre, producirá un pronóstico más razonable. Si la tendencia es posiblemente válida, puede eliminar solo los métodos estacionales para evitar un resultado falsamente estacional. O haga lo contrario y use solo métodos estacionales si se espera estacionalidad pero no se proyectó en el pronóstico predeterminado. Puede usar las funciones hipotéticas para crear cualquier cantidad de pronósticos, evaluar y comparar, y continuar ajustando la configuración hasta que se sienta cómodo con el pronóstico.

Limpiar el historial, con o sin cambiar la selección automática del método, también es efectivo para producir pronósticos razonables. Puede incrustar parámetros de previsión para reducir la cantidad de historial utilizado para pronosticar esos elementos o la cantidad de períodos pasados en el algoritmo, de modo que ya no se tenga en cuenta el historial anterior y desactualizado. Puede editar picos o caídas en el historial de demanda que son anomalías conocidas para que no influyan en el resultado. También puede trabajar con el equipo de Smart para implementar la detección y eliminación automática de valores atípicos para que los datos antes de ser pronosticados ya estén limpios de estas anomalías.

Si la demanda es realmente intermitente, será casi imposible pronosticar "con precisión" por período. Si un promedio de nivel de carga no es aceptable, el manejo del artículo mediante el establecimiento de una política de inventario con un pronóstico de tiempo de entrega puede ser efectivo. Alternativamente, puede optar por utilizar modelos "igual que el año pasado" que, si bien no son propensos a la precisión, serán generalmente aceptados por la empresa dadas las previsiones alternativas.

Finalmente, si el elemento se introdujo tan recientemente que los algoritmos no tienen suficiente entrada para pronosticar con precisión, lo mejor puede ser un promedio simple o un pronóstico manual. Puede identificar elementos nuevos filtrando por el número de períodos históricos.

Selección manual de métodos.

Una vez que haya identificado las filas en las que el pronóstico no tiene sentido para el ojo humano, puede elegir un subconjunto más pequeño de todos los métodos para permitir la ejecución del pronóstico y compararlo con el historial. Smart le permitirá usar un conjunto restringido de métodos solo para una ejecución de pronóstico o incrustar el conjunto restringido para usarlo en todas las ejecuciones de pronóstico en el futuro. Diferentes métodos proyectarán la historia hacia el futuro de diferentes maneras. Tener una idea de cómo funciona cada uno lo ayudará a elegir cuál permitir.

Confíe en su herramienta de previsión

Cuanto más utilice Smart period over period para incorporar sus decisiones sobre cómo pronosticar y qué datos históricos considerar, menos a menudo se enfrentará a las excepciones que se describen en este blog. Ingresar parámetros de pronóstico es una tarea manejable cuando se comienza con artículos críticos o de alto impacto. Incluso si no integra ninguna decisión manual en los métodos de pronóstico, el pronóstico se vuelve a ejecutar cada período con nuevos datos. Por lo tanto, un artículo con un resultado extraño hoy puede volverse fácilmente predecible en el tiempo.

La planificación de piezas de servicio impulsada por el nivel de servicio para Microsoft Dynamics BC o F&SC es un proceso de cuatro pasos que se extiende más allá de la previsión simplificada y las existencias de seguridad de la regla empírica. Proporciona a los planificadores de piezas de servicio un soporte de decisiones basado en datos y ajustado al riesgo.

Las matemáticas para determinar este nivel de planificación simplemente no existen en la funcionalidad D365. Requiere matemáticas e inteligencia artificial que pasan miles de veces a través de cálculos para cada parte y centro de parte (ubicaciones). Las matemáticas y la IA como esta son exclusivas de Smart. Para entender más, por favor sigue leyendo. 

Paso 1. Asegúrese de que todas las partes interesadas estén de acuerdo con las métricas que importan. 

Todos los participantes en el proceso de planificación del inventario de piezas de servicio deben ponerse de acuerdo sobre las definiciones y qué métricas son más importantes para la organización. Niveles de servicio detalle el porcentaje de tiempo que puede satisfacer completamente el uso requerido sin agotar existencias. Tasas de relleno detallar el porcentaje del uso solicitado que se completa inmediatamente con el stock. (Para obtener más información sobre las diferencias entre los niveles de servicio y la tasa de llenado, vea esta lección de 4 minutos aquí.) Disponibilidad detalla el porcentaje de repuestos activos con un inventario disponible de al menos una unidad. Costos de mantenimiento son los costos anualizados de tenencia de existencias teniendo en cuenta la obsolescencia, los impuestos, los intereses, el almacenamiento y otros gastos. costos de escasez son el costo de quedarse sin existencias, incluido el tiempo de inactividad del vehículo/equipo, expediciones, pérdida de ventas y más. gastos de pedido son los costos asociados con la colocación y recepción de pedidos de reabastecimiento.

Paso 2. Compare el rendimiento del nivel de servicio actual histórico y previsto.

Todos los participantes en el proceso de planificación del inventario de piezas de servicio deben tener una comprensión común de los niveles de servicio futuros previstos, las tasas de llenado y los costos y sus implicaciones para las operaciones de piezas de servicio. Es crítico medir tanto la historia Indicadores clave de rendimiento (KPI) y sus equivalentes predictivos, Predicciones clave de rendimiento (KPP). Al aprovechar el software moderno, puede comparar el rendimiento anterior y aprovechar los métodos de pronóstico probabilístico para simular el rendimiento futuro. Prácticamente todas las soluciones de planificación de la demanda se detienen aquí. Smart va más allá pruebas de estrés sus políticas actuales de almacenamiento de inventario frente a todos los escenarios plausibles de demanda futura. Son estos miles de cálculos los que construyen nuestros KPP. La precisión de esto mejora la capacidad de D365 para equilibrar los costos de tener demasiado con los costos de no tener suficiente. Sabrá de antemano cómo es probable que funcionen las políticas de existencias actuales y propuestas.

Paso 3. Acuerde los niveles de servicio específicos para cada pieza de repuesto y tome medidas correctivas proactivas cuando se prevea que no cumplirán los objetivos. 

Los planificadores de piezas, el liderazgo de la cadena de suministro y los equipos mecánicos/de mantenimiento deben acordar los objetivos de nivel de servicio deseados con una comprensión completa de las compensaciones entre el riesgo de falta de existencias y el costo del inventario. Una llamada aquí es que nuestros clientes de D365 casi siempre están sorprendidos por la diferencia de niveles de existencias entre la disponibilidad de 100% y 99.5%. Con la lógica de casi 10,000 escenarios, ese medio por ciento de interrupción casi nunca se alcanza. Usted logra una política de almacenamiento completo con costos mucho más bajos. Encuentra las piezas que no tienen suficientes existencias y las corrige. El punto de equilibrio suele ser una reducción de 7-12% en los costos de inventario. 

Este aprovechamiento de escenarios hipotéticos en nuestro software de planificación de piezas brinda a la gerencia y a los compradores la capacidad de comparar fácilmente políticas de almacenamiento alternativas e identificar aquellas que mejor cumplen con los objetivos comerciales. Para algunas piezas, un pequeño desabastecimiento está bien. Para otros, necesitamos esa disponibilidad de piezas 99.5%. Una vez que se acuerdan estos límites, usamos el Poder de D365 para optimizar el inventario utilizando el ERP principal de D365 como debe ser. La planificación se carga automáticamente para involucrar a Dynamics con puntos de reorden modificados, niveles de existencias de seguridad y/o parámetros Mín./Máx. Esto admite un único punto central empresarial y las personas no utilizan múltiples sistemas para la gestión y compra diaria de piezas.

Paso 4. Hazlo así y mantenlo así. 

Capacite al equipo de planificación con el conocimiento y las herramientas que necesita para asegurarse de lograr el equilibrio acordado entre los niveles de servicio y los costos. Esto es crítico e importante. También es importante usar Dynamics F&SC o BC para ejecutar sus transacciones de ERP. Estos dos Dynamics ERP tienen el nivel más alto de crecimiento de nuevos ERP en el planeta. Usarlos como están destinados a ser utilizados tiene sentido. También tiene sentido llenar el espacio en blanco para los cálculos matemáticos y de inteligencia artificial para la gestión de mantenimiento y piezas. Esto requiere una solución más compleja y específica para ayudar. Smart Software Inventory Optimization para EAM y Dynamics ERP tiene la respuesta.    

Recuerde: la recalibración de su política de inventario de piezas de servicio es un mantenimiento preventivo tanto contra los desabastecimientos como contra el exceso de existencias. Ayuda con los costos, libera capital para otros usos y respalda las mejores prácticas para su equipo. 

Amplíe Microsoft 365 F&SC y AX con Smart IP&O

Para ver una grabación del seminario web de Microsoft Dynamics Communities que muestra Smart IP&O, regístrese aquí:

https://smartcorp.com/inventory-planning-with-microsoft-365-fsc-and-ax/

Smart IP&O ofrece pronósticos estadísticos automatizados que seleccionan el método de pronóstico correcto que mejor pronostica los datos. Hace esto para cada serie de tiempo en el conjunto de datos. Este blog ayudará a los legos a comprender cómo se eligen automáticamente los métodos de pronóstico.

Smart pone a disposición muchos métodos, incluidos el suavizado exponencial simple y doble, el promedio móvil lineal y simple y los modelos de Winters. Cada modelo está diseñado para capturar un tipo diferente de patrón. El criterio para elegir automáticamente un método estadístico de un conjunto de opciones se basa en qué método estuvo más cerca de predecir correctamente el historial retenido.

El historial de demanda anterior se pasa a cada método y el resultado se compara con los datos reales para encontrar el que más se acerca en general. Ese método "ganador" elegido automáticamente se alimenta de todo el historial de ese artículo para producir el pronóstico.

La naturaleza general del patrón de demanda del artículo se captura manteniendo diferentes partes de la historia para que un valor atípico ocasional no influya indebidamente en la elección del método. Puede visualizarlo usando el siguiente diagrama donde cada fila representa un pronóstico de 3 períodos en el historial retenido, basado en diferentes cantidades del historial anterior en rojo. Las variaciones de cada pase se promedian juntas para determinar la clasificación general del método frente a todos los demás métodos.

Para la mayoría de las series temporales, este proceso puede capturar con precisión las tendencias, la estacionalidad y el volumen promedio. Pero a veces, un método elegido se acerca matemáticamente a la predicción del historial retenido, pero no lo proyecta hacia adelante de una manera que tenga sentido.

Los usuarios pueden corregir esto utilizando los informes de excepción del sistema y las funciones de filtrado para identificar los elementos que merecen revisión. Luego pueden configurar los métodos de pronóstico automático que desean que se consideren para ese artículo.

Microsoft Dynamics 365 F&SC y AX pueden administrar el reabastecimiento al sugerir qué ordenar y cuándo a través de políticas de inventario basadas en puntos de reorden. Un desafío que enfrentan los clientes es que los esfuerzos para mantener estos niveles están muy orientados a los detalles y que el sistema ERP requiere que el usuario especifique manualmente estos puntos de pedido y/o pronósticos. Como alternativa, muchas organizaciones terminan generando políticas de inventario a mano utilizando hojas de cálculo de Excel u otros enfoques ad hoc.

Estos métodos consumen mucho tiempo y es probable que ambos den como resultado cierto nivel de inexactitud. Como resultado, la organización terminará con un exceso de inventario, escasez innecesaria y una desconfianza general en sus sistemas de software. En este artículo, revisaremos la funcionalidad de pedidos de inventario en AX / D365 F&SC, explicaremos sus limitaciones y resumiremos cómo la Planificación y optimización de inventario inteligente puede ayudar a mejorar la posición de efectivo de una empresa. Esto se logra mediante un inventario reducido y desabastecimientos minimizados y controlados. El uso de Smart Software ofrece una funcionalidad predictiva que falta en Dynamics 365.

Políticas de reabastecimiento de Microsoft Dynamics 365 F&SC y AX

En el módulo de gestión de inventario de AX y F&SC, los usuarios pueden ingresar manualmente los parámetros de planificación para cada artículo en existencia. Estos parámetros incluyen puntos de pedido, plazos de entrega de existencias de seguridad, cantidades de existencias de seguridad, ciclos de reorden y modificadores de pedidos, como cantidades de pedido mínimas y máximas impuestas por el proveedor y múltiplos de pedido. Una vez ingresado, el sistema ERP conciliará el suministro entrante, la disponibilidad actual, la demanda saliente y los pronósticos definidos por el usuario y las políticas de almacenamiento para calcular el plan de suministro o el cronograma de pedidos (es decir, qué ordenar y cuándo).

Hay 4 opciones de política de reposición en F&SC y AX: Cantidad fija de reorden, Cantidad máxima, Lote por lote e Impulsada por pedido del cliente.

• Cantidad de reorden fija y Máx. son métodos de reabastecimiento basados en puntos de pedido. Ambos sugieren pedidos cuando el inventario disponible alcanza el punto de reorden. Con ROQ fijo, el tamaño del pedido se especifica y no variará hasta que se cambie. Con Max, los tamaños de los pedidos variarán según la posición del stock en el momento del pedido y los pedidos se realizarán hasta el Max.
• Lote por lote es un método de reabastecimiento basado en pronósticos que agrupa la demanda total pronosticada durante un marco de tiempo definido por el usuario (el "período de acumulación de lotes") y genera una sugerencia de pedido que totaliza la cantidad pronosticada. Entonces, si su demanda total pronosticada es de 100 unidades por mes y el período de acumulación del lote es de 3 meses, entonces su sugerencia de pedido sería igual a 300 unidades.
• Impulsado por pedidos es un método de reabastecimiento basado en pedidos. No utiliza puntos de pedido ni pronósticos. Piense en ello como una lógica de "vender uno, comprar uno" que solo realiza pedidos después de que se ingresa la demanda.

Limitaciones

Cada una de las configuraciones de reabastecimiento de F&SC / AX debe ingresarse manualmente o importarse a través de cargas personalizadas creadas por los clientes. Simplemente no hay forma de que los usuarios generen entradas de forma nativa (especialmente las que no son óptimas). La falta de una funcionalidad creíble para la previsión a nivel de unidad y la optimización del inventario dentro del sistema ERP es la razón por la que tantos usuarios de AX y F&SC se ven obligados a confiar en hojas de cálculo para la planificación y luego establecer manualmente los parámetros que necesita el ERP. En realidad, la mayoría de los planificadores terminan configurando manualmente las previsiones de demanda y reordenando.

Y cuando pueden usar hojas de cálculo, a menudo se basan en métodos generales generales que dan como resultado el uso de modelos estadísticos simplificados. Una vez calculados en la hoja de cálculo, estos deben cargarse en F&SC/AX. A menudo se cargan a través de engorrosas importaciones de archivos o se ingresan manualmente. Debido al tiempo y esfuerzo que se necesita para construirlos, las empresas no actualizan estos números con frecuencia.

Una vez que se establecen, las organizaciones tienden a emplear un enfoque reactivo a los cambios. La única vez que un comprador/planificador revisa la política de inventario es anualmente o en el momento de las compras o la fabricación. Algunas empresas también reaccionarán después de encontrar problemas con niveles de inventario cortos (o demasiado altos). Gestionar esto en AX y F&AS requiere una interrogación manual para revisar el historial, calcular pronósticos, evaluar las posiciones del búfer y recalibrar.

Microsoft reconoce estas limitaciones en sus ERP centrales y comprende los desafíos importantes para los clientes. En respuesta, Microsoft ha posicionado la previsión bajo su pila de AI Azure. Este método está fuera de los principales ERP. Se ofrece como un conjunto de herramientas para que los científicos de datos lo utilicen para definir estadísticas y cálculos complejos personalizados según los deseos de la empresa. Esto se suma a algunos cálculos simples básicos como punto de partida que se encuentran actualmente en sus fases iniciales de desarrollo. Si bien esto puede generar ganancias a largo plazo, actualmente este método significa que los clientes comienzan casi desde cero y definen lo que Microsoft actualmente llama "experimentos" para medir la planificación de la demanda.

La conclusión es que los clientes se enfrentan a grandes desafíos para conseguir que la pila de Dynamics ayude a resolver estos problemas. El resultado es que los CFO tienen menos efectivo disponible para lo que necesitan y que los ejecutivos de ventas tienen oportunidades de ventas sin cubrir y una posible pérdida de ventas porque la empresa no puede enviar los productos que el cliente desea.

Ser más inteligentes

¿No sería mejor simplemente aprovechar el mejor complemento de su clase para la planificación de la demanda? y la mejor solución de optimización de inventario de su clase para administrar y equilibrar los costos y los niveles de cumplimiento? ¿No sería mejor poder hacer esto diariamente o semanalmente para tomar sus decisiones lo más cerca posible de la necesidad, conservando efectivo mientras satisface la demanda de ventas?

Imagine tener una integración bidireccional con AX y F&AS para que todo funcione fácil y rápidamente. Uno donde:

• podría recalibrar automáticamente las políticas en ciclos de planificación frecuentes utilizando modelos estadísticos de vanguardia probados en el campo,
• podría calcular pronósticos de demanda que tengan en cuenta la estacionalidad, la tendencia y los patrones cíclicos,
• Aprovecharía automáticamente los métodos de optimización que prescriben las políticas de almacenamiento y los niveles de servicio más rentables que consideran los costos reales de mantener el inventario y las interrupciones de existencias, brindándole una imagen económica completa,
• Puede liberar efectivo para usar dentro de la empresa y administrar sus niveles de inventario para mejorar el cumplimiento de pedidos al mismo tiempo que libera este efectivo.
• tendría existencias de seguridad y niveles de inventario que darían cuenta de la variabilidad de la oferta y la demanda, las condiciones comerciales y las prioridades,
• podría apuntar a niveles de servicio específicos por grupos de productos, clientes, almacenes o cualquier otra dimensión que haya seleccionado,
• aumenta las ganancias generales de la empresa y la salud del balance general.

Amplíe Microsoft 365 F&SC y AX con Smart IP&O

Para ver una grabación del seminario web de Microsoft Dynamics Communities que muestra Smart IP&O, regístrese aquí:

https://smartcorp.com/inventory-planning-with-microsoft-365-fsc-and-ax/

En este artículo, revisaremos la funcionalidad de pedidos de inventario en Epicor P21, explicaremos sus limitaciones y resumiremos cómo Smart Inventory Planning & Optimization (Smart IP&O) puede ayudar a reducir el inventario, minimizar los desabastecimientos y restaurar la confianza de su organización en su ERP. También veremos como generar un robusto análisis predictivo, pronóstico basado en consenso y planificación de escenarios hipotéticos.

Funciones de planificación de reabastecimiento dentro de Epicor Prophet 21
Epicor P21 puede administrar el reabastecimiento al sugerir qué ordenar y cuándo a través de políticas de inventario basadas en puntos de reorden o basadas en pronósticos. Los usuarios pueden calcular estas políticas externamente o generarlas dinámicamente dentro de P21. Una vez que se hayan especificado las políticas y los pronósticos, el Generador de requisitos de órdenes de compra (PORG) de P21 creará sugerencias de pedidos automatizadas de qué reponer y cuándo reconciliar el suministro entrante, la demanda actual disponible, las políticas de almacenamiento y los pronósticos de demanda.

Epicor P21 tiene 4 métodos de reposición
En la pantalla de mantenimiento de artículos de Epicor P21, los usuarios pueden elegir uno de los cuatro métodos de reabastecimiento para cada artículo en existencia.

1. Mínimo máximo
2. Punto de pedido/Cantidad de pedido
3. EOQ
4. ”Hasta” una cantidad

Hay ajustes y configuraciones adicionales para determinar los plazos de entrega y contabilizar los modificadores de pedidos, como las cantidades mínimas y máximas de pedido impuestas por el proveedor. Mín./Máx. y Punto de pedido/Cantidad de pedido se consideran políticas "estáticas". EOQ y ”Hasta” se consideran políticas "dinámicas" y se calculan dentro de P21.

Mínimo máximo
El punto de reorden es igual al Min. Cada vez que el inventario disponible cae por debajo del mínimo (punto de pedido), el informe PORG creará una sugerencia de pedido hasta el máximo (por ejemplo, si el inventario disponible después de la infracción es de 20 unidades y el máximo es 100, entonces la cantidad del pedido será 80) . Min/Max se considera una política estática y una vez ingresada en P21 permanecerá sin cambios a menos que el usuario la anule. Los usuarios suelen ejecutar hojas de cálculo para calcular los valores mínimos y máximos y actualizarlos de vez en cuando.

Punto de pedido/Cantidad de pedido
Esto es lo mismo que la política Mín./Máx. excepto que en lugar de pedir hasta el Máx., se sugerirá un pedido para una cantidad fija definida por el usuario (por ejemplo, pida siempre 100 unidades cuando se incumpla el punto de pedido). OP/OQ se considera una política estática y permanecerá sin cambios a menos que el usuario la anule. Los usuarios a menudo ejecutan hojas de cálculo para calcular los valores OP/OQ y actualizarlos de vez en cuando.

EOQ
La política de EOQ es un método basado en puntos de reorden. El punto de pedido se genera dinámicamente en función del pronóstico de demanda de P21 durante el tiempo de entrega + la demanda durante el período de revisión + el stock de seguridad. La cantidad de la orden se basa en un cálculo de la Cantidad económica de la orden que considera los costos de mantenimiento y los costos de la orden e intenta recomendar un tamaño de orden que minimice el costo total. Cuando el inventario disponible supera el punto de pedido, el informe PORG generará un pedido igual al EOQ calculado.

”Hasta” una cantidad
El método Up To es otra política dinámica que se basa en un punto de pedido. Se calcula de la misma manera que el método EOQ utilizando la demanda pronosticada de P21 durante el tiempo de entrega + la demanda durante el período de revisión + el inventario de seguridad. La sugerencia de cantidad de pedido se basa en lo que sea necesario para reabastecer el stock "hasta" el punto de pedido. Esto tiende a equivaler a una cantidad de pedido que es consistente con la demanda del tiempo de entrega porque a medida que la demanda impulsa el stock por debajo del punto de reorden, se sugerirán pedidos "hasta" el punto de reorden.

Pantalla de mantenimiento de artículos de P21, donde los usuarios pueden especificar la política de inventario deseada y configurar otros ajustes, como stock de seguridad y modificadores de pedidos.

Limitaciones

Métodos de pronóstico
Hay dos modos de pronóstico en P21: Básico y Avanzado. Cada uno usa una serie de métodos de promedio y requiere configuraciones manuales y reglas de clasificación determinadas por el usuario para generar un pronóstico de demanda. Ninguno de los modos está diseñado con un sistema experto listo para usar que genera automáticamente pronósticos que dan cuenta de los patrones subyacentes, como la tendencia o la estacionalidad. Se requiere mucha configuración que tiende a inhibir la adopción por parte del usuario y la modificación de las reglas de pronóstico asumidas definidas en la implementación inicial que pueden ya no ser relevantes. No existe una manera de comparar fácilmente la precisión del pronóstico de diferentes configuraciones. Por ejemplo, ¿es mejor usar 24 meses de historial o 18 meses? ¿Es más exacto suponer que se debe aplicar una tendencia cuando un artículo crece 2% por mes o debería ser 10%? ¿Es mejor asumir que el artículo es estacional si 80% o más de su demanda ocurre en 6 meses del año o 4 meses del año? Como resultado, es común que las reglas de clasificación sean demasiado amplias o específicas, lo que genera problemas como la aplicación de un modelo de pronóstico incorrecto, el uso de demasiado o muy poco historial, o la sobreestimación o subestimación de la tendencia y la estacionalidad. Para obtener más información sobre cómo funciona esto, consulte esta publicación de blog (próximamente)

Gestión de pronósticos y planificación por consenso
P21 carece de funciones de gestión de pronósticos que permitan a las organizaciones planificar en múltiples niveles de jerarquía, como familia de productos, región o por cliente. Los pronósticos deben crearse en el nivel más bajo de granularidad (producto por ubicación) donde la demanda suele ser demasiado intermitente para obtener un buen pronóstico. No hay forma de compartir pronósticos, colaborar, revisar o crear pronósticos en niveles agregados y acordar el plan de consenso. Es difícil incorporar conocimiento comercial, evaluar pronósticos en niveles más altos de agregación y rastrear si las anulaciones mejoran o perjudican la precisión del pronóstico. Esto hace que la previsión sea demasiado unidimensional y dependa de las configuraciones matemáticas iniciales.  

Demanda intermitente
Muchos clientes de P21 confían en métodos estáticos (mín./máx. y OP/OQ) debido al predominio de la demanda intermitente. También conocida como "érratica", la demanda intermitente se caracteriza por ventas esporádicas, grandes picos en la demanda y muchos períodos sin demanda. Cuando la demanda es intermitente, los métodos tradicionales de previsión y existencias de seguridad simplemente no funcionan. Dado que los distribuidores no pueden darse el lujo de abastecerse únicamente de productos de alta rotación con una demanda constante, necesitan soluciones especializadas que estén diseñadas para planificar de manera eficaz los artículos con demanda intermitente. 80% o más de las piezas de un distribuidor tendrán una demanda intermitente. Las políticas de almacenamiento que se generan utilizando métodos tradicionales, como los disponibles en P21 y otras aplicaciones de planificación, darán como resultado estimaciones incorrectas de qué almacenar para lograr el nivel de servicio objetivo. Como se ilustra en el gráfico a continuación, no es posible pronosticar los picos de manera constante. Está atascado con un pronóstico que es efectivamente un promedio de los períodos anteriores.

Los pronósticos de demanda intermitente no pueden predecir los picos y requieren reservas de existencias de seguridad para protegerse contra los desabastecimientos.

En segundo lugar, los métodos de inventario de seguridad de P21 le permiten establecer un nivel de servicio objetivo, pero la lógica subyacente supone erróneamente que la demanda esta Normalmente distribuida. Con la demanda intermitente, la demanda no es “normal” y por lo tanto la estimación del stock de seguridad será incorrecta. Esto es lo que significa incorrecto: al establecer un nivel de servicio de, por ejemplo, 98%, la expectativa es que 98% del tiempo que el stock disponible llene 100% de lo que el cliente necesita del estante. El uso de una distribución normal para calcular las existencias de seguridad dará como resultado grandes desviaciones entre el nivel de servicio objetivo y el nivel de servicio real logrado. No es raro ver situaciones en las que el nivel de servicio real no alcance el objetivo por 10% o más (es decir, se apuntó a 95% pero solo alcanzó 85%).

En esta figura puede ver el historial de demanda de una pieza demandada intermitentemente y dos distribuciones basadas en este historial de demanda. La primera distribución se generó utilizando la misma “distribución normal: lógica empleada por P21. La segunda es una distribución simulada basada en el pronóstico probabilístico de Smart Software. La distribución P21 "normal" recomienda que se necesitan 46 unidades para alcanzar el nivel de servicio 99%, pero en comparación con los valores reales, se necesitaba mucho más inventario. Smart predijo con precisión que se requerían 63 unidades para alcanzar el nivel de servicio.

Este Blog explica cómo puede probar la precisión del nivel de servicio de su sistema.

Confianza en hojas de cálculo y planificación reactiva
Los clientes de P21 nos dicen que dependen en gran medida del uso de hojas de cálculo para gestionar las políticas de almacenamiento y las previsiones. Las hojas de cálculo no están diseñadas específicamente para la previsión y la optimización del inventario. Los usuarios a menudo seguirán sus propias regla de oro inventadas por el usuario, métodos que a menudo hacen más daño que bien. Una vez calculado, los usuarios deben ingresar la información nuevamente en P21 a través de la importación manual de archivos o incluso la entrada manual. La naturaleza lenta del proceso lleva a las empresas a calcular sus políticas de inventario con poca frecuencia. Pasan muchos meses y, en ocasiones, años entre actualizaciones masivas que conducen a un enfoque reactivo de "configúrelo y olvídese", y el momento del pedidoe se convierte en el único momento en que un comprador/planificador revisa la política de inventario. Cuando las políticas se revisan después de que el punto de pedido ya se ha incumplido, es demasiado tarde. Cuando el punto de pedido se considera demasiado alto, se requiere una modificación manual para revisar el historial, calcular pronósticos, evaluar las posiciones del búfer y recalibrar. El gran volumen de pedidos significa que los compradores simplemente liberarán los pedidos en lugar de tomarse el arduo tiempo de revisar todo, lo que generará un exceso significativo de existencias. Si el punto de pedido es demasiado bajo, ya es demasiado tarde. Ahora se requerirá una aceleración que aumente los costos e incluso entonces, aún perderá ventas si el cliente se va a otro lado.

Planificación limitada de What If
Dado que las funciones para modificar los puntos de pedido y las cantidades de pedido están integradas en P21, no es posible realizar cambios generales en grupos de artículos y evaluar los resultados previstos antes de decidir comprometerse. Esto obliga a los usuarios a adoptar un proceso de "esperar y ver" cuando se trata de modificar parámetros. Los planificadores harán un cambio y luego monitorearán los datos reales hasta que estén seguros de que el cambio mejoró las cosas. Administrar esto a escala (muchos planificadores manejan decenas de miles de artículos) consume mucho tiempo y el resultado final es una recalibración poco frecuente de la política de inventario. Esto también contribuye a la planificación reactiva por lo que los planificadores solo revisarán la configuración después de que haya ocurrido un problema.

Epicor es más inteligente
Epicor se asoció con Smart Software y ofrece Smart IP&O como un complemento multiplataforma para Prophet 21 completo con una integración bidireccional basada en API. Esto permite que los clientes de Epicor aprovechen las mejores aplicaciones de pronóstico y optimización de inventario creadas especialmente. Con Epicor Smart IP&O puede generar pronósticos que capturan la tendencia y la estacionalidad sin tener que aplicar configuraciones manuales primero. Podrá volver a calibrar automáticamente las políticas en cada ciclo de planificación utilizando modelos estadísticos y probabilísticos de vanguardia probados en el campo que fueron diseñados para planificar con precisión de la demanda intermitente. Las existencias de seguridad tendrán en cuenta con precisión la variabilidad de la oferta y la demanda, las condiciones comerciales y las prioridades. Puedes aprovechar la planificación impulsada por el nivel de servicio para que tenga suficiente stock o activar métodos de optimización que prescriben las políticas de almacenamiento más rentables y los niveles de servicio que consideran el costo real de mantener el inventario. Puede crear pronósticos de demanda consensuados que combinen el conocimiento comercial con las estadísticas, evaluar mejor los pronósticos de venta y de los clientes, y cargar con confianza pronósticos y políticas de existencias en Epicor con unos pocos clics del mouse.

Los clientes de Smart IP&O generalmente obtienen ganancias anuales de 7 cifras a partir de rápidas reducciones, mayores ventas y menos exceso de existencias, al mismo tiempo que obtienen una ventaja competitiva al diferenciarse en un mejor servicio al cliente. Regístrese aquí para ver un seminario web grabado y organizado por el Grupo de usuarios de Epicor que perfila la plataforma de optimización de inventario y planificación de la demanda de Smart. https://smartcorp.com/epicor-smart-inventory-planning-optimization/