En este artículo, revisaremos la funcionalidad de “órdenes sugeridas” en Epicor BisTrack, explicaremos sus limitaciones y resumiremos cómo la Planificación y optimización inteligente del inventario (Smart IP&O) puede ayudar a reducir el inventario y minimizar los desabastecimientos al evaluar con precisión las compensaciones entre los riesgos de desabastecimiento. y costos de inventario.

Automatización del reabastecimiento en Epicor BisTrack
Los “Pedidos sugeridos” de Epicor BisTrack pueden gestionar el reabastecimiento sugiriendo qué pedir y cuándo mediante políticas basadas en puntos de reorden, como mínimo-máximo y/o semanas de suministro especificadas manualmente. BisTrack contiene algunas funciones básicas para calcular estos parámetros en función del uso o las ventas promedio, el tiempo de entrega del proveedor y/o los ajustes estacionales definidos por el usuario. Alternativamente, los puntos de reorden se pueden especificar de forma completamente manual. Luego, BisTrack presentará al usuario una lista de pedidos sugeridos conciliando el suministro entrante, el actual disponible, la demanda saliente y las políticas de almacenamiento.

Cómo funciona el “pedido sugerido” de Epicor BisTrack
Para obtener una lista de pedidos sugeridos, los usuarios especifican los métodos detrás de las sugerencias, incluidas las ubicaciones para realizar pedidos y cómo determinar las políticas de inventario que rigen cuándo se hace una sugerencia y en qué cantidad.

Primero, el campo "método" se especifica entre las siguientes opciones para determinar qué tipo de sugerencia se genera y para qué ubicación(es):

Compra – Generar recomendaciones de órdenes de compra.

1. Centralizado para todas las sucursales: genera sugerencias para una única ubicación que compra para todas las demás ubicaciones.
2. Por sucursal individual: genera sugerencias para múltiples ubicaciones (los proveedores enviarían directamente a cada sucursal).
3. Por sucursal de origen: genera sugerencias para una sucursal de origen que transferirá material a las sucursales a las que presta servicio (“hub and Spoke”).
4. Sucursales individuales con transferencias: genera sugerencias para una sucursal individual que transferirá material a las sucursales a las que presta servicios ("centro y radio", donde el "centro" no necesita ser una sucursal de origen).

Fabricar – Generar sugerencias de órdenes de trabajo para productos manufacturados.

1. Por rama de fabricación.
2. Por sucursal individual.

Transferir de la rama fuente – Generar sugerencias de transferencia de una sucursal determinada a otras sucursales.

A continuación se especifica el “pedido sugerido a” entre las siguientes opciones:

1. Mínimo: sugiere pedidos "hasta" la cantidad mínima disponible ("min"). Para cualquier artículo cuyo suministro sea inferior al mínimo, BisTrack sugerirá un pedido para reponer hasta esta cantidad.
2. Máximo cuando es inferior al mínimo: sugiere pedidos “hasta” una cantidad máxima disponible cuando se incumple la cantidad mínima disponible (por ejemplo, una política de inventario mínimo-máximo).

3. Basado en cobertura (uso): sugiere pedidos basados en la cobertura para un número de semanas de suministro definido por el usuario con respecto a un plazo de entrega específico. Dado interno uso Según la demanda, BisTrack recomendará pedidos donde la oferta sea menor que la cobertura deseada para cubrir la diferencia.

4. Basado en exceso (ventas): sugiere pedidos basados en la cobertura para un número de semanas de suministro definido por el usuario con respecto a un plazo de entrega específico. Dado ordenes de venta Según la demanda, BisTrack recomendará pedidos donde la oferta sea menor que la cobertura deseada para cubrir la diferencia.

5. Solo máximo: sugiere pedidos “hasta” una cantidad máxima disponible donde el suministro es menor que este máximo.

Finalmente, si permite que BisTrack determine los umbrales de reorden, los usuarios pueden especificar una cobertura de inventario adicional como stock de reserva, tiempos de entrega, cuántos meses de demanda histórica considerar y también pueden definir manualmente esquemas de ponderación período por período para aproximar la estacionalidad. El usuario recibirá una lista de pedidos sugeridos según los criterios definidos. Luego, un comprador puede generar órdenes de compra para proveedores con solo hacer clic en un botón.

Limitaciones

Métodos de regla general

Si bien BisTrack permite a las organizaciones generar puntos de reorden automáticamente, estos métodos se basan en promedios simples que no capturan la estacionalidad, las tendencias o la volatilidad en la demanda de un artículo. Los promedios siempre estarán por detrás de estos patrones y no pueden captar las tendencias. Considere un producto altamente estacional como una pala quitanieves: si tomamos un promedio de la demanda de verano/otoño a medida que nos acercamos a la temporada de invierno en lugar de mirar hacia adelante, entonces las recomendaciones se basarán en los períodos más lentos en lugar de anticipar la demanda futura. Incluso si consideramos un año entero de historia o más, las recomendaciones compensarán en exceso durante los meses más lentos y subestimarán la temporada alta sin intervención manual.

Los métodos de regla general también fallan cuando se utilizan para amortiguar la variabilidad de la oferta y la demanda. Por ejemplo, la demanda promedio durante el plazo de entrega podría ser de 20 unidades. Sin embargo, un planificador a menudo querrá almacenar más de 20 unidades para evitar desabastecerse si los plazos de entrega son más largos de lo esperado o la demanda es mayor que el promedio. BisTrack permite a los usuarios especificar los puntos de reorden en función de múltiplos de los promedios. Sin embargo, debido a que los múltiplos no tienen en cuenta el nivel de previsibilidad y variabilidad de la demanda, siempre tendrá un exceso de existencias de artículos predecibles y una falta de existencias de los impredecibles. Lee esto artículo para obtener más información sobre por qué múltiplos del promedio fallan cuando se trata de desarrollar el punto de reorden correcto.

Entrada manual
Hablando de la estacionalidad mencionada anteriormente, BisTrack permite al usuario aproximarla mediante el uso de "pesos" ingresados manualmente para cada período. Esto obliga al usuario a decidir cómo será ese patrón estacional para cada artículo. Incluso más allá de eso, el usuario debe dictar cuántas semanas adicionales de suministro debe llevar para protegerse contra desabastecimientos. y debe especificar el plazo de entrega para planificar. ¿Es suficiente un suministro adicional de 2 semanas? ¿Es suficiente con 3? ¿O es demasiado? No hay forma de saberlo sin adivinar, y lo que tiene sentido para un elemento puede no ser el enfoque correcto para todos.

Demanda intermitente
Muchos clientes de BisTrack pueden considerar ciertos elementos "impredecibles" debido a la intermitente o “grumosos” de su demanda. En otras palabras, artículos que se caracterizan por una demanda esporádica, grandes picos de demanda y períodos de poca o ninguna demanda. Los métodos tradicionales, y especialmente los enfoques empíricos, no funcionarán para este tipo de artículos. Por ejemplo, 2 semanas adicionales de suministro para un artículo estable y altamente predecible podría ser demasiado; para un artículo con una demanda muy volátil, esta misma regla podría no ser suficiente. Sin una forma confiable de evaluar objetivamente esta volatilidad para cada artículo, los compradores se quedan sin saber cuándo comprar y cuánto.

Volver a hojas de cálculo
La realidad es que la mayoría de los usuarios de BisTrack tienden a realizar la mayor parte de su planificación fuera de línea, en Excel. Las hojas de cálculo no están diseñadas específicamente para realizar pronósticos y optimizar el inventario. Los usuarios a menudo utilizan métodos definidos por el usuario. 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 BisTrack manualmente. 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, lo que lleva a un enfoque reactivo de "configúrelo y olvídese", donde el único momento en que un comprador/planificador revisa la política de inventario es en el momento de realizar el pedido. Cuando las políticas se revisan después de que ya se haya incumplido el punto de orden, ya es demasiado tarde. Cuando el punto de orden se considera demasiado alto, se requiere una interrogación manual para revisar el historial, calcular pronósticos, evaluar las posiciones del buffer y recalibrar. El gran volumen de pedidos significa que los compradores simplemente liberarán los pedidos en lugar de tomarse el minucioso tiempo de revisarlo todo, lo que genera un importante exceso de existencias. Si el punto de reorden es demasiado bajo, ya es demasiado tarde. Ahora puede ser necesaria una aceleración, lo que aumentará los costos, suponiendo que el cliente no se vaya simplemente a otra parte.

Epicor es más inteligente
Epicor se ha asociado con Smart Software y ofrece Smart IP&O como un complemento multiplataforma para sus soluciones ERP, incluido BisTrack, un ERP especializado para la industria de la madera, el hardware y los materiales de construcción. La solución Smart IP&O viene completa con una integración bidireccional con BisTrack. Esto permite a los clientes de Epicor aprovechar las mejores aplicaciones de optimización de inventario diseñadas específicamente para su propósito. Con Epicor Smart IP&O puede generar pronósticos que capturen tendencias y estacionales sin configuraciones manuales. Podrá recalibrar automáticamente las políticas de inventario utilizando modelos estadísticos y probabilísticos de vanguardia probados en el campo que fueron diseñados para planificar con precisión 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 y niveles de servicio más rentables que consideran el costo real de mantener el inventario. Puede respaldar las compras de materias primas con pronósticos precisos de la demanda en horizontes más largos y ejecutar escenarios hipotéticos para evaluar estrategias alternativas antes de ejecutar el plan.

Los clientes inteligentes de IP&O obtienen habitualmente rendimientos anuales de siete cifras gracias a la reducción de los plazos, el aumento de las ventas y el menor exceso de existencias, al mismo tiempo que obtienen una ventaja competitiva al diferenciarse por un mejor servicio al cliente. Para ver un seminario web grabado organizado por el Grupo de Usuarios de Epicor que describe la plataforma de optimización de inventario y planificación de la demanda de Smart, por favor regístrese aquí.

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/

La verificación y validación de datos son esenciales para el éxito de la implementación de software que realiza análisis estadísticos de datos, como Smart IP&O. Este artículo describe el problema y sirve como una guía práctica para hacer el trabajo correctamente, especialmente para el usuario de la nueva aplicación.

Cuanta menos experiencia tenga su organización en la validación de transacciones históricas o atributos maestros de artículos, más probable es que haya problemas o errores con la entrada de datos en el ERP que hasta ahora han pasado desapercibidos. La regla de basura que entra, basura que sale significa que debe priorizar este paso del proceso de incorporación del software o correr el riesgo de demoras y posibles fallas en la generación de retorno de la inversión.

En última instancia, la mejor persona para confirmar que los datos en su ERP se ingresan correctamente es la persona que conoce el negocio y puede afirmar, por ejemplo, "esta parte no pertenece a ese grupo de productos". Esa suele ser la misma persona que abrirá y usará Smart. Aunque un administrador de base de datos o soporte de TI también puede desempeñar un papel clave al poder decir: "Esta parte fue asignada a ese grupo de productos en diciembre pasado por Jane Smith". Asegurarse de que los datos sean correctos puede no ser una parte habitual de su trabajo diario, pero se puede dividir en pequeñas tareas manejables para las que un buen director de proyectos asignará el tiempo y los recursos para completar.

El proveedor del software de planificación de la demanda que recibe los datos también tiene una función. Confirmarán que los datos sin procesar se ingirieron sin problemas. El proveedor también puede identificar anomalías en los archivos de datos sin procesar que apuntan a la necesidad de validación. Pero confiar en el proveedor de software para asegurarle que los datos se ven bien no es suficiente. No desea descubrir, después de la puesta en marcha, que no puede confiar en la salida porque algunos de los datos "no tienen sentido".

Cada paso en el flujo de datos necesita verificación y validación.  La verificación significa que los datos en un paso siguen siendo los mismos después de pasar al siguiente paso. La validación significa que los datos son correctos y utilizables para el análisis. 

El flujo de datos más común se ve así:

Con menos frecuencia, el primer paso entre los datos maestros de ERP y los archivos de interfaz a veces se puede omitir, donde los archivos no se utilizan como interfaz. En cambio, una API creada por TI o el proveedor de software de optimización de inventario es responsable de que los datos se escriban directamente desde el ERP a la base de datos reflejada en la nube. El proveedor trabajaría con TI para confirmar que la API funciona como se esperaba. Pero el primer paso de validación, incluso en ese caso, todavía se puede realizar. Después de ingerir los datos, el proveedor puede hacer que los datos reflejados estén disponibles en archivos para la verificación de DBA/TI y la validación comercial.

La confirmación de que los datos duplicados en la nube completan el flujo hacia la aplicación es responsabilidad del proveedor del software como servicio. Los proveedores de SaaS prueban continuamente que el software funcione correctamente entre la aplicación de front-end que ven sus suscriptores y los datos de back-end en la base de datos en la nube. Si los suscriptores todavía piensan que los datos no tienen sentido en la aplicación incluso después de validar los archivos de interfaz antes de ponerlos en marcha, ese es un problema que se debe plantear con el servicio de atención al cliente del proveedor.

Independientemente de cómo se obtengan los archivos de interfaz, la mayor parte de la verificación y validación recae en el director del proyecto y su equipo. Deben realizar una prueba de los archivos de interfaz para confirmar:

1. Coinciden con los datos del ERP. Y que se extrajeron todos y solo los datos del ERP que era necesario extraer para su uso en la aplicación.
2. Nada “salta” a la empresa como incorrecto para cada uno de los tipos de información en los datos
3. Están formateados como se esperaba.

Tareas de verificación de DBA/TI

1. Probar el extracto:

El paso de verificación de TI se puede realizar con varias herramientas, comparando archivos o importando archivos a la base de datos como tablas temporales y uniéndolos con los datos originales para confirmar una coincidencia. TI puede depender de una consulta para extraer los datos solicitados en un archivo, pero ese archivo puede no coincidir. La existencia de delimitadores o retornos de línea dentro de los valores de datos puede hacer que un archivo sea diferente de su tabla de base de datos original. Esto se debe a que el archivo se basa en gran medida en delimitadores y retornos de línea para identificar campos y registros, mientras que la tabla no se basa en esos caracteres para definir su estructura.

2. Sin malos personajes:

Los campos de entrada de datos de forma libre en el ERP, como las descripciones de productos, a veces pueden contener retornos de línea, tabuladores, comas y/o comillas dobles que pueden afectar la estructura del archivo de salida. No se deben permitir retornos de línea en valores que se extraerán a un archivo. Los caracteres iguales al delimitador se deben eliminar durante la extracción o, de lo contrario, se debe usar un delimitador diferente.

Consejo: si las comas son el delimitador de archivo, los números superiores a 999 no se pueden extraer con una coma. Use "1000" en lugar de "1,000".

3. Confirmar los filtros:

La otra forma en que los extractos de consulta pueden arrojar resultados inesperados es si las condiciones de la consulta se ingresan incorrectamente. La forma más sencilla de evitar las cláusulas "where" erróneas es no usarlas. Extraiga todos los datos y permita que el proveedor filtre algunos registros de acuerdo con las reglas proporcionadas por la empresa. Si esto produce archivos de extracción tan grandes que se dedica demasiado tiempo informático al intercambio de datos, el equipo de DBA/TI debe reunirse con la empresa para confirmar exactamente qué filtros en los datos se pueden aplicar para evitar el intercambio de registros que no tienen sentido para el solicitud.

Consejo: Tenga en cuenta que la información de activo/inactivo o del ciclo de vida del elemento no debe utilizarse para filtrar registros. Esta información debe enviarse a la aplicación para que sepa cuándo un elemento se vuelve inactivo.

4. Se consistente:

El proceso de extracción debe producir archivos de formato consistente cada vez que se ejecuta. Los nombres de archivo, los nombres de campo y la posición, el delimitador y el nombre de la hoja de Excel si se usa Excel, los formatos numéricos y los formatos de fecha, y el uso de comillas alrededor de los valores nunca deben diferir de una ejecución del extracto de un día a otro. Se debe preparar y utilizar un informe de no intervención o un procedimiento almacenado para cada ejecución del extracto.

Fondo de validación comercial

A continuación se desglosa cada paso de validación en consideraciones, específicamente en el caso en que el proveedor haya proporcionado un formato de plantilla para los archivos de interfaz donde cada tipo de información se proporciona en su propio archivo. Los archivos enviados desde su ERP a Smart están formateados para exportarlos fácilmente desde el ERP. Ese tipo de formato hace que la comparación con el ERP sea un trabajo relativamente simple para TI, pero puede ser más difícil de interpretar para el negocio. La mejor práctica es manipular los datos del ERP, ya sea mediante el uso de tablas dinámicas o similar en una hoja de cálculo. TI puede ayudar proporcionando archivos de datos reformateados para que la empresa los revise.

Para profundizar en los archivos de interfaz, deberá comprenderlos. El proveedor proporcionará una plantilla precisa, pero generalmente los archivos de interfaz consisten en tres tipos: datos de catálogo, atributos de artículos y datos transaccionales.

• Los datos del catálogo contienen identificadores y sus atributos. Los identificadores suelen ser para productos, ubicaciones (que podrían ser plantas o almacenes), sus clientes y sus proveedores.
• Los atributos de artículo contienen información sobre productos en ubicaciones que se necesitan para el análisis de la combinación de producto y ubicación. Tal como:
  • Política de reabastecimiento actual en forma de mínimo y máximo, punto de reorden o período de revisión y orden hasta el valor o stock de seguridad
  • Asignación de proveedor principal y tiempo de entrega nominal y costo por unidad de ese proveedor
  • Requisitos de cantidad de pedido, como cantidad mínima de pedido, tamaño de lote de fabricación o múltiplos de pedido
  • Estado activo/inactivo de la combinación de producto/ubicación o indicadores que identifican su estado en su ciclo de vida, como pre-obsoleto
  • Atributos para agrupar o filtrar, como comprador/planificador asignado o categoría de producto
  • Información de inventario actual, como cantidades disponibles, en pedido y en tránsito.
• Los datos transaccionales contienen referencias a identificadores junto con fechas y cantidades. Como la cantidad vendida en una orden de venta de un producto, en una ubicación, para un cliente, en una fecha. O la cantidad colocada en la orden de compra de un producto, en una ubicación, de un proveedor, en una fecha. O la cantidad utilizada en una orden de trabajo de un producto componente en una ubicación en una fecha.

Validación de datos del catálogo

Teniendo en cuenta primero los datos del catálogo, es posible que tenga archivos de catálogo similares a estos ejemplos:

1: Comprobar un recuento razonable de registros de catálogo

Para cada archivo de datos del catálogo, ábralo en una herramienta de hoja de cálculo como Hojas de cálculo de Google o MS Excel. Responde estas preguntas:

1. ¿Está el récord en el estadio de béisbol? Si tiene alrededor de 50 000 productos, no debería haber solo 10 000 filas en su archivo.
2. Si es un archivo corto, tal vez el archivo de ubicación, puede confirmar exactamente que todos los Iidentificadores esperados están en él.
3. Filtre por cada valor de atributo y confirme nuevamente que el recuento de registros con ese valor de atributo tenga sentido.

2: Comprobar la exactitud de los valores en cada campo de atributo

Alguien que sepa cuáles son los productos y qué significan los grupos necesita tomarse el tiempo para confirmar que realmente es correcto, para todos los atributos de todos los datos del catálogo.

Por lo tanto, si su archivo de producto contiene los atributos como en el ejemplo anterior, filtraría por Estado de activo y verificaría que todos los productos resultantes estén realmente activos. Luego filtre por Estado de Inactivo y verifique que todos los productos resultantes estén realmente inactivos. Luego filtre por el primer valor de Grupo y confirme que todos los productos resultantes estén en ese grupo. Repita para Group2 y Group3, etc. Luego repita para cada atributo en cada archivo.

Puede ayudar hacer esta validación con una comparación con un informe ya existente y confiable. Si tiene otra hoja de cálculo que muestra productos por grupo por cualquier motivo, puede comparar los archivos de interfaz con ella. Es posible que deba familiarizarse con la función BUSCARV que ayuda con la comparación de hojas de cálculo.

Validación de datos de atributos de artículos

1: Comprobar un recuento razonable de registros de artículos

La confirmación de los datos de los atributos del artículo es similar a los datos del catálogo. Confirme que el conteo de combinación de producto/ubicación tenga sentido en total y para cada uno de los atributos únicos del artículo, uno por uno. Este es un archivo de datos de elementos de ejemplo:

2: Encuentra y explica números raros en el archivo del artículo

Suele haber muchos valores numéricos en los atributos del artículo, por lo que los números "raros" merecen una revisión. Para validar los datos de un atributo numérico en cualquier archivo, busque dónde está el número:

• falta por completo
• igual a cero
• Menos que cero
• Más que la mayoría de los demás, o menos que la mayoría de los demás (ordenar por esa columna)
• No es un número en absoluto, cuando debería ser

Una consideración especial de los archivos que no son archivos de catálogo es que es posible que no muestren las descripciones de los productos y ubicaciones, solo sus identificadores, lo que puede no tener sentido para usted. Puede insertar columnas para contener los descriptores de productos y ubicaciones que está acostumbrado a ver y completarlos en la hoja de cálculo para ayudarlo en su trabajo. La función BUSCARV también funciona para esto. Ya sea que tenga o no otro informe para comparar el archivo de artículos, tiene los archivos de catálogo para productos y ubicación que muestran tanto el identificador como la descripción de cada fila.

3: Verificación al azar

Si le frustra descubrir que hay demasiados valores de atributo para verificar manualmente en un período de tiempo razonable, la verificación puntual es una solución. Se puede hacer de una manera que pueda detectar cualquier problema. Para cada atributo, obtenga una lista de los valores únicos en cada columna. Puede copiar una columna en una hoja nueva y luego usar la función Eliminar duplicados para ver la lista de valores posibles. Con eso:

1. Confirme que no hay valores de atributos presentes que no deberían estar presentes.
2. Puede ser más difícil recordar qué valores de atributo faltan que deberían estar allí, por lo que puede ser útil buscar otra fuente para recordarlo. Por ejemplo, si están presentes los grupos 1 a 12, puede consultar otra fuente para recordar si estos son todos los grupos posibles. Incluso si no se requiere para los archivos de interfaz para la aplicación, puede ser fácil para TI extraer una lista de todos los grupos posibles que están en su ERP que puede usar para el ejercicio de validación. Si encuentra valores adicionales o faltantes que no espera, lleve un ejemplo de cada uno a TI para investigar.
3. Ordene alfabéticamente y explore hacia abajo para ver si dos valores son similares pero ligeramente diferentes, tal vez solo en la puntuación, lo que podría significar que un registro tenía los datos del atributo ingresados incorrectamente.

Para cada tipo de artículo, tal vez uno de cada grupo de productos y/o ubicación, verifique que todos sus atributos en cada archivo sean correctos o al menos pase una verificación de cordura. Cuanto más pueda verificar al azar de una amplia gama de elementos, es menos probable que tenga problemas después de la puesta en marcha.

Validación de datos transaccionales

Todos los archivos transaccionales pueden tener un formato similar a este:

1: Encuentra y explica números extraños en cada archivo transaccional

Estos deben verificarse en busca de números "raros" en el campo Cantidad. Luego puede proceder a:

1. Filtre las fechas fuera del rango que espera o las que faltan por completo.
2. Encuentre dónde faltan los identificadores de transacción y los números de línea. No deberían serlo.
3. Si hay más de un registro para una determinada combinación de ID de transacción y número de línea de transacción, ¿es un error? Dicho de otra manera, ¿deberían sumarse las cantidades de los registros duplicados o se trata de una doble contabilización?

2: Cantidades sumadas de verificación de cordura

Realice una verificación de cordura filtrando a un producto en particular con el que esté familiarizado, y filtre a un rango de fechas relacionado, como el mes pasado o el año pasado, y sume las cantidades. ¿Es esa cantidad total lo que esperaba para ese producto en ese período de tiempo? Si tiene información sobre el uso total de una ubicación, puede dividir los datos de esa manera para sumar las cantidades y compararlas con lo que espera. Las tablas dinámicas son útiles para la verificación de datos transaccionales. Con ellos, puede ver los datos como:

El total anual de los productos puede ser fácil de verificar si conoce bien los productos. O puede BUSCARV para agregar atributos, como un grupo de productos, y pivotar sobre eso para ver un nivel superior que le resulte más familiar:

3: Conteo de verificación de cordura de los registros

Puede ser útil mostrar un recuento de transacciones en lugar de una suma de cantidades, especialmente para datos de órdenes de compra. Tal como:

Y/o el mismo resumen en un nivel superior, como:

4: Comprobación puntual

La verificación puntual de la corrección de una sola transacción, para cada tipo de artículo y cada tipo de transacción, completa la diligencia debida. Preste especial atención a qué fecha está vinculada a la transacción y si es adecuada para el análisis. Las fechas pueden ser una fecha de creación, como la fecha en que un cliente le hizo un pedido, o una fecha de promesa, como la fecha en que esperaba entregar el pedido del cliente en el momento de crearlo, o una fecha de cumplimiento, cuando realmente entregó en el orden. A veces, una fecha prometida se modifica días después de crear el pedido si no se puede cumplir. Asegúrese de que la fecha de uso refleje más fielmente la demanda real del producto por parte del cliente.

Qué hacer con los datos incorrectos 

Si las entradas erróneas son pocas o únicas, puede editar los registros de ERP a mano a medida que se encuentran, limpiando los atributos de su catálogo, incluso después de la puesta en marcha de la aplicación. Pero si grandes franjas de atributos o cantidades de transacciones están desactivadas, esto puede impulsar un proyecto interno para volver a ingresar los datos correctamente y posiblemente cambiar o comenzar a documentar el proceso que debe seguirse cuando se ingresan nuevos registros en su ERP.

Se debe tener cuidado para evitar un retraso demasiado prolongado en la implementación de la aplicación SaaS mientras se esperan atributos limpios. Divida el trabajo en partes y use la aplicación para analizar primero los datos limpios, de modo que el proyecto de limpieza de datos ocurra en paralelo con la obtención de valor de la nueva aplicación.

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.