¿Qué es una política Mín./Máx.? ¿Cómo sabes que te está funcionando bien? ¡Smart IP&O obtiene los mínimos/máximos correctos!

La política de inventario Mín./Máx. es uno de los cuatro métodos de reposición disponibles en SIO. Cuando el nivel de inventario cae por debajo del mínimo, se genera una orden de reabastecimiento. La cantidad de pedido es el número de unidades necesarias para aumentar el stock hasta el Máx. ¿Cómo sabe que su configuración Min/Max funciona bien y activa órdenes de reabastecimiento en el momento adecuado y para las cantidades correctas? Si es como la mayoría de las empresas, la configuración de los niveles Mín./Máx. se basa en Reglas de juego o técnicas simples de promediación que no exponen el curva de compensación entre el nivel de servicio y el costo del inventario. Esto hace que sea imposible predecir qué artículos probablemente tendrán excedentes y escasez en el futuro. En este blog de video, elaboramos esto y describimos cómo puede ayudar la Optimización de inventario inteligente.

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.

¿Están sus datos aislados en Excel Silos? ¿Tiene datos en muchos sistemas dispares? Smart IP&O Solution trae datos limpios, accesibles y procesables bajo un mismo techo.

La dispersión de todos sus datos en varias hojas de cálculo se interpone en su camino. La recopilación de todos los datos en Smart Platform en la nube le permite actualizar automáticamente los datos todos los días y ver siempre la imagen completa. Luego, puede ejecutar análisis en la aplicación Smart Inventory Optimization para ver cómo le está yendo en términos de múltiples métricas de costos y rendimiento y cómo cambiarían esas métricas si cambiara los factores clave, como los plazos de entrega de los proveedores.

Una nueva métrica que llamamos "Índice de atención" ayudará a los pronosticadores a identificar situaciones en las que "los datos se comportan mal" pueden distorsionar los pronósticos estadísticos automáticos (ver el poema adyacente). Identifica rápidamente aquellos elementos que probablemente requieran anulaciones de pronósticos, lo que proporciona una forma más eficiente de poner a trabajar la experiencia comercial y otra inteligencia humana para maximizar la precisión de los pronósticos. ¿Como funciona?

Clásico métodos de pronóstico, como los diversos sabores de suavizado exponencial y promedios móviles, insisten en un acto de fe. Requieren que confiemos en que las condiciones presentes persistirán en el futuro. Si las condiciones actuales persisten, entonces es sensato utilizar estos métodos extrapolativos, métodos que cuantifican el nivel actual, la tendencia, la estacionalidad y el “ruido” de una serie temporal y los proyectan hacia el futuro.

Pero si no persisten, los métodos de extrapolación pueden causarnos problemas. Lo que había estado subiendo podría estar bajando de repente. Lo que solía estar centrado en un nivel puede saltar repentinamente a otro. O podría suceder algo realmente extraño que está completamente fuera de patrón. En estas circunstancias sorprendentes, la precisión de los pronósticos se deteriora, los cálculos de inventario fallan y se produce un descontento general.

Una forma de hacer frente a este problema es confiar en modelos de pronóstico más complejos que tengan en cuenta los factores externos que impulsan la variable que se pronostica. Por ejemplo, las promociones de ventas intentan interrumpir los patrones de compra y moverlos en una dirección positiva, por lo que incluir la actividad de promoción en el proceso de pronóstico puede mejorar el pronóstico de ventas. A veces, los indicadores macroeconómicos, como la construcción de viviendas o las tasas de inflación, se pueden utilizar para mejorar la precisión de los pronósticos. Pero los modelos más complejos requieren más datos y más experiencia, y es posible que no sean útiles para algunos problemas, como la gestión de piezas o subsistemas, en lugar de productos terminados.

Si uno está atascado usando métodos extrapolativos simples, es útil tener una forma de marcar elementos que serán difíciles de pronosticar. Este es el índice de atención. Como sugiere el nombre, los elementos que se van a pronosticar con un índice de atención alto requieren un manejo especial, al menos una revisión y, por lo general, algún tipo de ajuste de pronóstico.

El Índice de Atención detecta tres tipos de problemas:

Un valor atípico en el historial de demanda de un artículo.
Un cambio abrupto en el nivel de un elemento.
Un cambio abrupto en la tendencia de un artículo.
Usando software como SmartForecasts™, el pronosticador puede lidiar con un valor atípico reemplazándolo con un valor más típico.

Un cambio abrupto en el nivel o la tendencia se puede abordar omitiendo, de los cálculos de pronóstico, todos los datos anteriores a la "ruptura" en el patrón de demanda, suponiendo que el artículo haya cambiado a un nuevo régimen que hace que los datos anteriores sean irrelevantes.

Si bien ningún índice es perfecto, el Índice de atención hace un buen trabajo al centrar la atención en los historiales de demanda más problemáticos. Esto se demuestra en las dos figuras a continuación, que se produjeron con datos de la competencia M3, muy conocida en el mundo de los pronósticos. La Figura 1 muestra los 20 ítems (de los 3.003 del concurso) con las puntuaciones más altas en el Índice de Atención; todos estos tienen grotescos valores atípicos y rupturas. La Figura 2 muestra los 20 ítems con las puntuaciones más bajas del Índice de Atención; la mayoría (pero no todos) de los ítems con puntajes bajos tienen patrones relativamente benignos.

Si tiene miles de elementos para pronosticar, el nuevo índice de atención será muy útil para centrar su atención en aquellos elementos que probablemente sean problemáticos.

Thomas Willemain, PhD, cofundó Smart Software y actualmente se desempeña como vicepresidente sénior de investigación. El Dr. Willemain también se desempeña como Profesor Emérito de Ingeniería Industrial y de Sistemas en el Instituto Politécnico Rensselaer y como miembro del personal de investigación en el Centro de Ciencias de la Computación, Instituto de Análisis de Defensa.