Trabajamos con muchos clientes en muchas industrias para conectar nuestro software avanzado de análisis, pronóstico y planificación de inventario a sus sistemas ERP. A pesar de la variedad de situaciones que encontramos, algunos problemas relacionados con los datos tienden a surgir una y otra vez. Este blog enumera diez consejos que pueden ayudarlo a evitar estos problemas comunes.

Una vez que un cliente está listo para implementar el software para la planificación de la demanda y/o la optimización del inventario, debe conectar el software de análisis a su flujo de datos corporativos. En nuestro caso, introducimos los datos de transacciones directamente en el software analítico. Esto proporciona información sobre la demanda de artículos y los plazos de entrega de los proveedores, entre otras cosas. Extraemos el resto de los datos del propio sistema ERP, que proporciona metadatos como la ubicación de cada artículo, el costo unitario y el grupo de productos.

Estos consejos son importantes porque no es raro que los proyectos de implementación comiencen con gran entusiasmo pero luego se atasquen rápidamente debido a problemas con los datos que alimentan el análisis. Estos retrasos pueden reducir el entusiasmo del equipo, avergonzar a los líderes del proyecto y retrasar (y, por lo tanto, reducir) el retorno de la inversión que, en última instancia, justificó la implementación del proyecto en primer lugar.

La importancia de conectar el software de análisis al flujo de datos corporativos

Aquí está la lista de consejos, agrupados por temas generales de manejo seguro de archivos, aseguramiento de la integridad de los datos y manejo de excepciones.

Manejo de archivos de forma segura

1. Tenga un entorno de prueba para usar como un "sandbox". Copie sus datos actuales en un entorno de prueba donde pueda experimentar con seguridad con el software sin arriesgar las operaciones actuales. Además de ayudar a los usuarios a conocer los entresijos del nuevo software, tener los datos más recientes en el software permite a los usuarios finales descubrir cualquier problema con los datos.

2. Proteja sus reglas de extracción de datos. Si no está utilizando un conector preconstruido para su sistema ERP entonces debe asegurarse de que puede crear reglas de extracción guardables para mover datos de su ERP a un archivo. El orden de las columnas, los tipos de datos, los formatos de fecha, etc. no deben variar cada vez que se vuelve a ejecutar el mismo extracto. De lo contrario, el proyecto se atasca con errores manuales o confusión en las extracciones posteriores después de las correcciones de los datos o cuando se ingresan nuevos datos. Todas las reglas de extracción de datos deben guardarse y estar disponibles para TI; hemos encontrado situaciones en las que los archivos extraídos se hicieron así. en forma ad hoc resultando en formatos ligeramente diferentes con cada nuevo extracto. También hemos visto a los clientes trabajar arduamente para desarrollar una rutina de extracción de datos compleja y precisa solo para descubrir que todo su trabajo se perdió cuando no se archivó correctamente. Ambas situaciones generaron confusión y retrasos en los proyectos.

3. No utilice formatos de archivo nativos de Excel para transferencias de datos. Si su solución de planificación no tiene una integración directa con su sistema ERP, exporte los datos de ERP a un formato de archivo plano, como archivos de texto delimitados por comas (.csv) o delimitados por tabulaciones. No utilice formatos de MS Excel como .xls o .xlsx como tipo de archivo de exportación porque Excel reformatea automáticamente los valores de los campos de formas inesperadas. Muchos usuarios asumen que necesitan usar archivos .xlsx si quieren revisarlos manualmente, sin darse cuenta de que los archivos .csv o .txt se pueden abrir con la misma facilidad y no conllevan el riesgo de reformateos automáticos.

Asegurar la integridad de los datos

Problemas de datos y soluciones en la implementación de software. Aquí está la lista de consejos, agrupados por temas generales de manejo seguro de archivos, aseguramiento de la integridad de los datos y manejo de excepciones.

4. Confirme la exactitud de los datos de su catálogo. Exporte los datos de su catálogo (es decir, lista de productos, lista de clientes, lista de proveedores) y todos sus atributos relevantes. Compruebe si hay valores incorrectos o sospechosos en los atributos (especialmente los plazos de entrega y los costes de los artículos). Los valores problemáticos incluyen espacios en blanco, ceros cuando no espera cero como valor de datos y cadenas de texto cuando espera valores numéricos (o viceversa). Puede ser útil abrir cada archivo de extracción en Excel y filtrar en cada campo de atributo, mirando los valores únicos para ver qué salta como diferente a los demás (por ejemplo, "1", "2", "&&", "3" …).

5. Confirme la precisión de sus datos de agrupación. Otra actividad útil que se puede realizar mientras se visualizan los datos del catálogo de productos en Excel es verificar los principales campos de agrupación/filtrado, como la familia, categoría o clase de productos, para asegurarse de que no se haya asignado ningún producto a la categoría, clase o familia incorrecta. Del mismo modo, verifique los campos de estado del producto/ciclo de vida del producto, por ejemplo, asegúrese de haber identificado correctamente todos los productos descontinuados.

6. Compruebe si hay caracteres de control falsos en los campos de texto. Compruebe que no se hayan extraído caracteres inusuales en las descripciones de sus productos, como retornos de carro o tabulaciones dentro del valor de la descripción. Si es así, asegúrese de que puede extraer esos datos usando comillas dobles alrededor de la descripción o corrija los errores de entrada de datos en el sistema ERP directamente.

7. Verifique que los datos tengan un diseño estándar. Verifique que sus extractos de datos transaccionales (p. ej., pedidos de clientes, envíos de clientes, órdenes de compra, recibos de proveedores) no contengan filas duplicadas. Si es así, identifique qué campos deben agregarse para diferenciar las filas o, si realmente son duplicados, elimine las copias adicionales en la base de datos de ERP.

Manejo de excepciones

8. Detectar y reaccionar ante excepciones. Identifique cualquier atributo de los datos transaccionales que significaría que no deben usarse, como pedidos cancelados. Comprenda el proceso relacionado con los pedidos ingresados por error o los pedidos cancelados para asegurarse de que no se cuenten o cuenten dos veces este tipo de transacciones. Esté atento a otros atributos de datos que impliquen que ese atributo no debe usarse, como el envío directo al cliente directamente desde un proveedor en lugar de enviarlo desde su propia empresa. 

9. Codificar el manejo de transferencias internas excepcionales. Defina el registro idealizado de transferencias de existencias internas de emergencia y luego proporcione reglas para editar cualquier transacción realizada en caso de emergencia que varíe del patrón ideal. Por ejemplo, si se supone que el producto P1 debe enviarse fuera de la ubicación A, pero hubo un envío de emergencia fuera de la ubicación B, el historial de demanda de P1 en la ubicación A está secuestrado y es menor de lo que debería haber sido. Si es posible, proporcione una regla sobre la ubicación de envío preferida para cada producto para que el software de optimización de inventario pueda corregir el historial con fines de pronóstico.

10. Diseñe un procedimiento para manejar la sustitución. Las sustituciones surgen, por ejemplo, cuando se adopta un nuevo ERP que reindexa los productos, o cuando se reemplaza un producto antiguo por una versión actualizada, o cuando un producto completamente nuevo se vuelve obsoleto y antiguo. Si los identificadores de productos cambiaron en los últimos años por algún motivo, identifique una asignación del ID de producto anterior al nuevo. Estas reglas deben estar disponibles para el sistema de previsión y planificación de la demanda y pueden editarse dentro de la aplicación.

El hecho de no anticipar los problemas de datos es un impedimento importante para la implementación fluida del nuevo software analítico. Ninguna lista puede enumerar todas las cosas extrañas que pueden salir mal en la selección de datos, pero esta destaca problemas comunes y respuestas sensatas.

Nota: Para obtener más información sobre cómo los problemas de datos pueden obstaculizar la aplicación de software analítico avanzado, consulte el excelente blog de Sean Snapp sobre cómo este problema está obstruyendo la aplicación de la inteligencia artificial y el aprendizaje automático.  https://www.brightworkresearch.com/demandplanning/2019/05/how-many-ai-projects-will-fail-due-to-a-lack-of-data/

En otro Blog planteamos la pregunta: ¿Cómo puede estar seguro de que realmente tiene una política para la planificación del inventario y la previsión de la demanda? Explicamos cómo la falta de comprensión de los conceptos básicos por parte de una organización (cómo se crea un pronóstico, cómo se determinan las reservas de existencias de seguridad y cómo/por qué se ajustan estos valores) contribuye a la precisión deficiente del pronóstico, al inventario mal asignado y a la falta de confianza en el conjunto. proceso.

En este blog, revisamos 10 preguntas específicas que puede hacer para descubrir lo que realmente está sucediendo en su empresa. Detallamos las respuestas típicas proporcionadas cuando en realidad no existe una política de previsión/planificación de inventario, explicamos cómo interpretar estas respuestas y ofrecemos algunos consejos claros sobre qué hacer al respecto.

Empieza siempre con un simple hipotético ejemplo. Centrarse en un problema específico que acaba de experimentar provocará respuestas defensivas que ocultarán la historia completa. El objetivo es descubrir el enfoque real utilizado para planificar el inventario y los pronósticos que se ha integrado en el cálculo mental o en las hojas de cálculo. Aquí hay un ejemplo:

Suponga que tiene 100 unidades disponibles, el tiempo de espera para reponer es de 3 meses y la demanda mensual promedio es de 20 unidades. ¿Cuándo debería pedir más? ¿Cuánto pedirías? ¿Cómo cambiará su respuesta si los recibos esperados de 10 por mes estuvieran programados para llegar? ¿Cómo cambiará su respuesta si el artículo es un artículo A, B o C, el costo del artículo es alto o bajo, el tiempo de entrega del artículo es largo o corto? En pocas palabras, cuando programa un trabajo de producción o realiza un nuevo pedido con un proveedor, ¿por qué lo hizo? ¿Qué desencadenó la decisión de obtener más? ¿Qué insumos de planificación se consideraron?

Al obtener respuestas a la pregunta anterior, concéntrese en descubrir las respuestas a las siguientes preguntas:

1. ¿Cuál es el enfoque de reabastecimiento subyacente? Por lo general, será uno de mínimo/máximo, previsión/stock de seguridad, punto de reorden/cantidad de pedido, revisión periódica/pedido hasta o incluso alguna combinación extraña.

2. ¿Cómo se calculan realmente los parámetros de planificación, como los pronósticos de demanda, los puntos de reorden o Min/Max?? No es suficiente saber que usa Min/Max. Tienes que saber exactamente cómo se calculan estos valores. Respuestas como "Usamos el historial" o "Usamos un promedio" no son lo suficientemente específicas. Necesitará respuestas que describan claramente cómo se usa la historia. Por ejemplo, “Tomamos un promedio de los últimos 6 meses, lo dividimos por 30 para obtener un promedio diario y luego lo multiplicamos por el tiempo de entrega en días. Para los artículos 'A', multiplicamos el tiempo de entrega promedio por 2 y para los artículos 'B' usamos un multiplicador de 1,5". (Si bien ese no es un enfoque técnico especialmente bueno, al menos tiene una lógica clara).

Una vez que tenga una política bien definida, puede identificar sus debilidades para mejorarla. Pero si la respuesta proporcionada no va mucho más allá de "Usamos el historial", entonces no tiene una política para empezar. Las respuestas a menudo revelarán que diferentes planificadores usan la historia de diferentes maneras. Algunos pueden considerar solo la demanda más reciente, otros pueden almacenar de acuerdo con el promedio de los períodos de mayor demanda, etc. En otras palabras, es posible que en realidad tenga múltiples "políticas" mal concebidas.

3. ¿Se utilizan los pronósticos para impulsar la planificación del reabastecimiento y, de ser así, cómo? Muchas empresas dirán que pronostican, pero sus pronósticos se calculan y utilizan de manera diferente. ¿Se usa el pronóstico para predecir qué inventario disponible habrá en el futuro, lo que resultará en la activación de un pedido? ¿O se usa para derivar un punto de reorden pero no para predecir cuándo ordenar (es decir, predigo que venderemos 10 a la semana para ayudar a protegernos contra el desabastecimiento, ordenaré más cuando llegue a 15)? ¿Se utiliza como una guía para que el planificador ayude a determinar subjetivamente cuándo debe pedir más? ¿Se utiliza para establecer pedidos abiertos con proveedores? Algunos lo usan para impulsar MRP. Necesitará saber estos detalles. Una respuesta completa a esta pregunta podría verse así: “Mi pronóstico es 10 por semana y mi tiempo de entrega es de 3 semanas, por lo que hago que mi punto de reorden sea un múltiplo de ese pronóstico, generalmente 2 veces la demanda del tiempo de entrega o 60 unidades para artículos importantes y uso un múltiplo más pequeño para artículos menos importantes. (Nuevamente, no es un gran enfoque técnico, pero claro).

4. ¿Qué técnica se utiliza realmente para generar el pronóstico? ¿Es un promedio, un modelo de tendencia como el suavizado exponencial doble, un modelo estacional? ¿La elección de la técnica cambia según el tipo de datos de demanda o cuando hay nuevos datos de demanda disponibles? (Las piezas de repuesto y los artículos de gran volumen tienen patrones de demanda muy diferentes). ¿Cómo selecciona el modelo de pronóstico? ¿Este proceso está automatizado? ¿Con qué frecuencia se reconsidera la elección del modelo? ¿Con qué frecuencia se recalculan los parámetros del modelo? ¿Cuál es el proceso utilizado para reconsiderar su enfoque? La respuesta aquí documenta cómo se producen los pronósticos de referencia. Una vez determinado, puede realizar un análisis para identificar si otros métodos de pronóstico mejorarían Precisión de pronóstico. Si no está documentando la precisión del pronóstico y realizando un análisis de "valor agregado del pronóstico", entonces no está en condiciones de evaluar adecuadamente si los pronósticos que se producen son los mejores que pueden ser. Perderá oportunidades para mejorar el proceso, aumentar la precisión de los pronósticos y educar a la empresa sobre qué tipo de error de pronóstico es normal y debe esperarse.

5. ¿Cómo utiliza el stock de seguridad? Observe que la pregunta no era "¿Utiliza stock de seguridad?" En este contexto, y para simplificar, el término "stock de seguridad" significa stock utilizado para amortiguar el inventario frente a la variabilidad de la oferta y la demanda. Todas las empresas utilizan enfoques de amortiguamiento de alguna manera. Sin embargo, hay algunas excepciones. Tal vez usted es un fabricante de taller que adquiere todas las piezas a pedido y sus clientes están completamente bien esperando semanas o meses para que usted obtenga material, fabrique, control de calidad y envíe. O tal vez usted es un fabricante de gran volumen con toneladas de poder adquisitivo, por lo que sus proveedores establecieron almacenes locales que están llenos y listos para proporcionarle el inventario casi de inmediato. Si estas descripciones no describen a su empresa, definitivamente tendrá algún tipo de protección para protegerse contra la variabilidad de la oferta y la demanda. Es posible que no utilice el campo "stock de seguridad" en su ERP, pero definitivamente está almacenando en búfer.

Se pueden proporcionar respuestas como "No usamos inventario de seguridad porque pronosticamos". Desafortunadamente, un buen pronostico tendrá una probabilidad del 50/50 de estar por encima o por debajo de la demanda real. Esto significa que incurrirá en una falta de existencias 50% del tiempo sin que se agregue una reserva de existencias de seguridad al pronóstico. Los pronósticos solo son perfectos cuando no hay aleatoriedad. Dado que siempre hay aleatoriedad, deberá almacenar en búfer si no desea tener niveles de servicio abismales.

Si no se revela la respuesta, puede indagar un poco más sobre cómo se utilizan las diferentes palancas de reabastecimiento para agregar posibles amortiguadores, lo que lleva a las preguntas 6 y 7.

6. ¿Alguna vez aumenta el tiempo de entrega o hace el pedido antes de lo que realmente necesita?
En nuestro ejemplo hipotético, su proveedor normalmente tarda 4 semanas en entregar y es bastante consistente. Pero para protegerse contra los desabastecimientos, su comprador ordena rutinariamente 6 semanas en lugar de 4 semanas. El campo de existencias de seguridad en su sistema ERP puede establecerse en cero porque "no usamos existencias de seguridad", pero en realidad, el enfoque de pedido del comprador solo agregó 2 semanas de existencias de reserva.

7. ¿Rellena el pronóstico de demanda?
En nuestro ejemplo, el planificador espera consumir 10 unidades por mes pero “por si acaso” ingresa una previsión de 20 por mes. El campo de stock de seguridad en el sistema MRP se deja en blanco, pero el stock de reserva ahora disfrazado se ha introducido de contrabando en el pronóstico de demanda. Este es un error que introduce un "sesgo de pronóstico". No solo sus pronósticos serán menos precisos, sino que si no se tiene en cuenta el sesgo y otros departamentos agregan existencias de seguridad, tendrá un exceso de existencias.

La naturaleza ad-hoc de los enfoques anteriores complica los problemas al no considerar la oferta o la demanda real. variabilidad del artículo Por ejemplo, el planificador puede simplemente hacer una regla general que duplique el pronóstico de tiempo de entrega para artículos importantes. Una talla única no sirve para todos cuando se trata de gestión de inventario. Este enfoque generará un exceso sustancial de existencias de los artículos predecibles, mientras que la existencia de artículos con demanda intermitente será sustancialmente insuficiente. Puedes leer "Tenga cuidado con las reglas generales simples para administrar el inventario” para obtener más información sobre por qué este tipo de enfoque es tan costoso.

La naturaleza ad-hoc de los enfoques también ignora lo que sucede cuando la empresa se enfrenta a un gran exceso de existencias o agotamiento de existencias. Al tratar de entender lo que sucedió, se examinarán las políticas establecidas. En el caso de un exceso de existencias, el sistema mostrará cero existencias de seguridad. Los líderes empresariales supondrán que no cuentan con ningún inventario de seguridad, se rascarán la cabeza y, finalmente, simplemente culparán al pronóstico, declararán "Nuestro negocio no se puede pronosticar" y seguirán tropezando. Incluso pueden culpar al proveedor por enviar demasiado pronto y hacer que retengan más de lo necesario. En el caso de que se agoten las existencias, pensarán que no tienen suficiente y agregarán arbitrariamente más existencias en muchos artículos sin darse cuenta de que, de hecho, hay muchas existencias de seguridad adicionales incorporadas al proceso. Esto hace que sea más probable que el inventario deba cancelarse en el futuro.

8. ¿Cuál es la terminología de inventario exacta utilizada?? Defina lo que quiere decir con stock de seguridad, mínimo, punto de reorden, EOQ, etc. Si bien hay estándares técnicos definiciones es posible que algo difiera, y la falta de comunicación aquí será problemática. Por ejemplo, algunas empresas se refieren a Min como la cantidad de inventario necesaria para satisfacer la demanda de tiempo de entrega, mientras que otras pueden definir Min como que incluye tanto la demanda de tiempo de entrega como el stock de seguridad para amortiguar la variabilidad de la demanda. Otros pueden significar la cantidad mínima de pedido.

9. ¿El inventario disponible es consistente con la política? Cuando termine su trabajo de detección y todo esté documentado, abra su hoja de cálculo o sistema ERP y mire la cantidad disponible. Debería estar más o menos en línea con sus parámetros de planificación (es decir, si Min/Max es 20/40 y la demanda de tiempo de entrega típica es 10, entonces debería tener aproximadamente de 10 a 40 unidades disponibles en cualquier momento dado). Sorprendentemente, para muchas empresas, a menudo hay una gran inconsistencia. Hemos observado situaciones en las que la configuración Mín./Máx. es 20/40, pero el inventario disponible es de más de 300. Esto indica que cualquier política que se haya prescrito simplemente no se está siguiendo. Eso es un problema mayor

10. ¿Qué vas a hacer a continuación?

La previsión de la demanda y la política de almacenamiento de inventario deben ser procesos bien definidos que todos los involucrados entiendan y acepten.  Debería haber cero misterio..

Para hacer esto correctamente, la variabilidad de la oferta y la demanda debe analizarse y utilizarse para calcular los niveles adecuados de existencias de seguridad. Agregar amortiguadores sin una comprensión implícita de lo que cada unidad adicional de reserva de reserva le está comprando en términos de servicio es como arrojar arbitrariamente un puñado de ingredientes en una receta de pastel. Un pequeño cambio en los ingredientes puede tener un gran impacto en lo que sale del horno: un bocado demasiado dulce pero el siguiente demasiado amargo. Es lo mismo con la gestión de inventario. Un poco más aquí, un poco menos allá, y muy pronto se encontrará con un exceso de inventario costoso en algunas áreas, escasez dolorosa en otras, sin idea de cómo llegó allí y con poca orientación sobre cómo mejorar las cosas.

Moderno optimización del inventario y el software de planificación de la demanda con su análisis avanzado y su sólida base en el análisis de pronósticos puede ayudar mucho con este problema. Pero incluso el mejor software no ayudará si se usa de manera inconsistente.

Probar soluciones de software a través de una serie de competencias empíricas puede ser una opción considerable. Para la previsión/planificación de la demanda, una prueba tradicional de "retención" en la que los datos de 2014-2018 se proporcionan a los proveedores de software y los datos de 2019 se reservan para una comparación posterior con las previsiones proporcionadas por los proveedores de la competencia. Luego, la empresa mide el error de pronóstico y el sesgo. Este enfoque se recomienda casi universalmente para evaluar la precisión de los pronósticos. Es una buena manera de evaluar la precisión del pronóstico mensual o semanal, pero es mínimamente útil si tiene un objetivo diferente: optimizar el inventario.

En nuestro último blog, discutimos cómo elegir un nivel de servicio específico. Indicamos que el hecho de que establezca un objetivo (o un sistema recomiende un objetivo) no significa que realmente lo logrará. La forma correcta de medir la precisión si está interesado en optimizar los niveles de existencias es centrarse en la precisión de la proyección del nivel de servicio. Esto tendrá en cuenta tanto la demanda de tiempo de entrega como el stock de seguridad.

Establecer un nivel de servicio objetivo es una decisión estratégica sobre la gestión de riesgos de inventario. El software de inventario hace el trabajo táctico al calcular los puntos de reorden (también conocidos como minutos) destinados a lograr un objetivo definido por el usuario o que logrará un objetivo óptimo calculado por el sistema. Pero si el software usa el modelo de demanda incorrecto, el nivel de servicio alcanzado perderá el objetivo, a veces significativamente. El resultado de este error será escasez o aumento del inventario, según la dirección del error.

La previsión es un medio para un fin. El fin es optimizar los niveles de inventario. Debido a que la demanda es incierta, las empresas que necesitan proporcionar incluso niveles de servicio moderados deben almacenar más de lo previsto, a menudo mucho más. Pero, ¿un error de pronóstico bajo no significa un inventario de seguridad más bajo? ¿Cuanto mejores sean mis pronósticos, menor será mi inventario? Si verdad. Pero lo que importa al determinar el inventario requerido son los pronósticos precisos de la demanda más probable y las estimaciones precisas de la variabilidad en torno a la demanda más probable.

Especialmente con demanda intermitente de cola larga, las evaluaciones de precisión de pronóstico tradicionales sobre un horizonte de pronóstico convencional de 12 meses pierden el punto de tres maneras.

– En primer lugar, la escala de tiempo relevante para la optimización del inventario es el plazo de reposición, que suele ser mucho más corto que 12 meses. La demanda durante los plazos de entrega medidos en días o semanas tiene una volatilidad que se promedia en horizontes de previsión a largo plazo. Esto es malo porque tener en cuenta el efecto de la volatilidad es esencial para el cálculo de los puntos de pedido óptimos.

– Segundo, la precisión del pronóstico evaluada sobre un horizonte de pronóstico de varios meses se enfoca en el error típico en un mes típico dentro del horizonte. Por el contrario, la optimización del inventario requiere un enfoque en la demanda acumulada, no en la demanda período por período.

– En tercer lugar, y lo más importante, las métricas de error de pronóstico se centran en la mitad de la distribución de la demanda, con el objetivo de estimar la demanda más probable. Pero establecer puntos de reorden implica estimar percentiles altos de la distribución de la demanda acumulada durante un tiempo de entrega. Estimar el medio un poco mejor pero no tener idea de, digamos, el percentil 95, no es útil.

Considere este ejemplo hipotético. Si el proveedor A pronostica 20 unidades con un error de 110% y el proveedor B pronostica 22 unidades con un error de 105%, entonces el proveedor B tiene una ventaja en el juego de pronóstico. Pero si quieres un alto nivel de servicio y la demanda es intermitente, tendrás que almacenar mucho más de 20 o 22 unidades. Supongamos que selecciona la tecnología del proveedor B para planificar los niveles de existencias. Entonces se da cuenta de que cuando planifica los puntos de reorden para lograr un nivel de servicio 95%, a menudo se queda corto, mucho más a menudo que el 5% esperado en ese momento. Se da cuenta de que el enfoque del proveedor B subestima por completo el stock de seguridad necesario para lograr el objetivo de servicio deseado. Centrarse en el error de previsión de los proveedores no va a ayudar. Llegará a desear haber verificado los proveedores A y B. precisión del nivel de servicio. Ahora está atascado ajustando arbitrariamente los objetivos de nivel de servicio del proveedor B para compensar el déficit.

Entonces, lo que se necesita en las competencias de proveedores es la evaluación de las capacidades de sus sistemas para pronosticar con precisión el inventario requerido para cumplir con un nivel de servicio determinado durante el tiempo de reabastecimiento de un artículo. Centrarse estrictamente en medir el error de pronóstico no es apropiado si la misión está administrando el inventario. Esto es especialmente cierto para artículos de cola larga con demanda intermitente o artículos que tienen un volumen medio a alto pero que no tienen una distribución de demanda que parezca la clásica "curva en forma de campana" (distribución normal).

El resto de este blog explica cómo probar la precisión de los cálculos del nivel de servicio del software, para que pueda monitorear el riesgo de perder sus objetivos de nivel de servicio. Recomendamos esta prueba de precisión sobre las pruebas tradicionales de "pronóstico versus datos reales" porque proporciona mucha más información sobre cómo las recomendaciones del punto de pedido influirán en los niveles de inventario y el servicio al cliente.

El personal de la oficina está analizando la métrica de precisión de pronóstico correcta para la planificación de inventario

Nivel de servicio definido

Considere un solo artículo de inventario. Cuando el inventario cae por debajo del punto de pedido, se genera un pedido de reposición. Esto inicia un período de riesgo que dura tanto como el tiempo de reabastecimiento. Durante el período de riesgo, puede haber suficientes demandas entrantes para crear pedidos pendientes o pérdida de ventas. El nivel de servicio es la probabilidad de que no haya pedidos atrasados ni desabastecimientos durante el tiempo de reabastecimiento. Los elementos críticos pueden recibir niveles de servicio objetivo muy altos, por ejemplo, 99%, mientras que otros elementos pueden tener objetivos más relajados, como 75%. Cualquiera que sea el nivel de servicio objetivo, lo mejor es alcanzar ese objetivo.

Cálculo del nivel de servicio

El nivel de servicio para un artículo individual solo se puede estimar mediante la comparación repetida de la demanda observada del tiempo de entrega contra el punto de reorden calculado. Estas estimaciones toman mucho tiempo: al menos decenas de plazos de entrega. Pero el nivel de servicio de la flota se puede estimar utilizando datos recopilados durante un tiempo de entrega único.

Hagamos un ejemplo. Suponga que tiene historiales de demanda de 1000 artículos durante 365 días y que (para simplificar) todos los artículos tienen plazos de entrega de 45 días. Para cada artículo, siga estos pasos para estimar el nivel de servicio logrado por flota:

Paso 1: Deje de lado ("retenga") los últimos 45 días de demanda (o la cantidad de días más cercana a sus plazos de entrega típicos). Calcule su suma, que es el valor más reciente de la demanda de tiempo de entrega real. Esta es la verdad básica que se utilizará para estimar el nivel de servicio alcanzado.

Paso 2: Utilice los 320 días anteriores del historial de demanda para pronosticar el inventario necesario para alcanzar una variedad de objetivos de nivel de servicio, digamos 90%, 95%, 97% y 99%.

Paso 3: Compruebe si la demanda del tiempo de entrega observada es menor o igual que el punto de reorden. Si es así, cuenta esto como una victoria; de lo contrario, cuéntelo como una pérdida. Por ejemplo, si el punto de reorden es de 15 unidades pero la demanda de tiempo de entrega más reciente es de 10 unidades, entonces esto es una victoria, ya que el punto de reorden es lo suficientemente alto para cubrir una demanda de tiempo de entrega de 10 sin escasez. Sin embargo, si la demanda de tiempo de entrega más reciente es de 18 unidades, habría un desabastecimiento y 3 unidades estarían en espera o se contarían como ventas perdidas.

Paso 4: Trabajando en todos los elementos y todos los objetivos de nivel de servicio, cuente el porcentaje de pruebas para cada objetivo de nivel de servicio que resultó en una victoria. Este es el nivel de servicio alcanzado. Si el objetivo era 90% y 853 de las 1000 unidades registran una victoria, entonces el nivel de servicio alcanzado es 85.3%.

Ejemplo

Considere un ejemplo del mundo real. Los datos son historiales de demanda diarios de 590 artículos de suministros médicos utilizados en una clínica de fama internacional. Para simplificar, asumimos que cada artículo tiene un plazo de entrega de 45 días. Evaluamos los niveles de servicio objetivo de 70%, 90%, 95% y 99%.
Comparamos dos modelos de demanda. El modelo "Normal" asume que la demanda diaria tiene una distribución Normal ("en forma de campana"). Esta es la suposición clásica utilizada en la mayoría de los libros de texto introductorios sobre el control de inventario y en muchos productos de software. Por clásico que sea, a menudo es un modelo inapropiado de demanda de repuestos o suministros. El modelo de “Pronóstico de probabilidad” tiene en cuenta explícitamente la naturaleza intermitente de la demanda.

El Anexo 1 muestra los resultados. La columna J muestra la demanda real sobre las últimas 45 observaciones. Los puntos de pedido calculados para el modelo avanzado se muestran en las columnas LO. Los puntos de reorden calculados para el modelo Normal no se muestran. Las columnas QT y VY contienen los resultados de las pruebas para determinar si los puntos de pedido fueron lo suficientemente altos para manejar las demandas de tiempo de entrega en la columna J.

Los resultados finales (celdas amarillas) muestran una clara diferencia entre los modelos de demanda Normal y Probabilidad (Avanzado). Ambos hicieron un buen trabajo al alcanzar el objetivo de nivel de servicio 70%, pero estimar niveles de servicio más altos es un cálculo más delicado y el modelo de probabilidad hace un trabajo mucho mejor. Por ejemplo, el supuesto nivel de servicio 99% del modelo Normal resultó ser solo 94.4%, mientras que el modelo de Probabilidad alcanzó el objetivo con un nivel de servicio alcanzado de 98.5%.

Trascendencia

La utilización del método más preciso logró el nivel de servicio objetivo, mientras que el método menos preciso no lo logró. Si se utiliza el método menos preciso, se tomarán decisiones comerciales reales y costosas bajo la suposición falsa de que se logrará un nivel de servicio más alto. Por ejemplo, si un acuerdo de nivel de servicio (SLA) se basa en estos resultados y se compromete a un nivel de servicio 99%, el proveedor tendría cinco veces más probabilidades de quedarse sin existencias de lo previsto (nivel de servicio prometido = 99% o 1% riesgo de falta de existencias frente a nivel de servicio alcanzado = 94,5% o 5,5% de riesgo de desabastecimiento)! Esto significa que se incurrirá en sanciones financieras cinco veces más a menudo de lo esperado.

Suponga que los planificadores sabían que no se alcanzaría el nivel de servicio objetivo, pero se quedaron atrapados usando un modelo inexacto. Todavía necesitarían una forma de aumentar el inventario y lograr el nivel de servicio deseado. ¿Qué podrían elegir hacer? Hemos observado situaciones en las que el planificador ingresa un objetivo de nivel de servicio más alto que el necesario para "engañar" al sistema para que entregue el nivel de servicio requerido. En el ejemplo anterior, el modelo Normal necesitaba tener un nivel de servicio 99.99% ingresado antes de que pudiera alcanzar un nivel de servicio objetivo de 99%. Este cambio resultó en lograr un servicio 99% pero duplicó con creces la inversión en inventario en comparación con el modelo Avanzado.

Implementación de una prueba de precisión del nivel de servicio

En Smart Software, animamos a muchos de nuestros clientes a realizar la prueba de precisión del nivel de servicio como una forma de evaluar nuestras afirmaciones y las de otros proveedores durante el proceso de selección de software. No cumplir con el objetivo de nivel de servicio tiene implicaciones extremadamente costosas que resultan en un exceso o falta de existencias sustanciales. Por lo tanto, pruebe la precisión del nivel de servicio antes de implementar una solución para identificar situaciones en las que falla el modelado. No asuma que alcanzará el nivel de servicio que decida alcanzar (o que el sistema recomiende). Para solicitar una hoja de cálculo de Excel que sirva como plantilla para una prueba de precisión del nivel de servicio, envíe su información de contacto por correo electrónico a info@smartcorp.com e ingrese "Plantilla de precisión" en la línea de asunto.