En mi publicación anterior de esta serie sobre conceptos esenciales, “¿Qué es 'Un buen pronóstico'”, discutí el esfuerzo básico para descubrir el futuro más probable en un escenario de planificación de la demanda. Definí un buen pronóstico como aquel que es imparcial y lo más preciso posible. Pero también advertí que, dependiendo de la estabilidad o volatilidad de los datos con los que tenemos que trabajar, aún puede haber alguna inexactitud incluso en un buen pronóstico. La clave es tener una comprensión de cuánto.

Este tema, la gestión de la incertidumbre, es el tema de la publicación de mi colega Tom Willemain, “El promedio no es la respuesta”. Su publicación establece la teoría para enfrentar responsablemente los límites de nuestra capacidad predictiva. Es importante entender cómo funciona esto realmente.

Como mencioné brevemente al final de mi publicación anterior, nuestro enfoque comienza con algo llamado "simulación deslizante". Estimamos con qué precisión predecimos el futuro utilizando nuestras técnicas de pronóstico en una parte más antigua de la historia, excluyendo los datos más recientes. Luego podemos comparar lo que hubiéramos predicho para el pasado reciente con nuestra información real del mundo real sobre lo que sucedió. Este es un método confiable para estimar qué tan cerca estamos prediciendo la demanda futura.

El inventario de seguridad, un amortiguador cuidadosamente medido en el nivel de inventario que almacenamos por encima de nuestra predicción de la demanda más probable, se deriva de la estimación del error de pronóstico que surge de la "simulación deslizante". Este enfoque para lidiar con la precisión de nuestros pronósticos se equilibra de manera eficiente entre ignorar la amenaza de la sobrecompensación impredecible y costosa.

En detalles más técnicos: los errores de pronóstico que se estiman mediante este proceso de simulación deslizante indican el nivel de incertidumbre. Usamos estos errores para estimar la desviación estándar de los pronósticos. Ahora, con una demanda regular, podemos suponer que los pronósticos (que son estimaciones del comportamiento futuro) están mejor representados por una distribución de probabilidad en forma de campana, lo que los estadísticos llaman la "distribución normal". El centro de esa distribución es nuestro pronóstico puntual. El ancho de esa distribución es la desviación estándar del pronóstico de "simulación deslizante" de los valores reales conocidos; lo obtenemos directamente de nuestras estimaciones de error de pronóstico.

Una vez que conocemos la curva específica en forma de campana asociada con el pronóstico, podemos estimar fácilmente la reserva de existencias de seguridad que se necesita. La única entrada nuestra es el "nivel de servicio" que se desea, y se puede determinar el stock de seguridad en ese nivel de servicio. (El nivel de servicio es esencialmente una medida de la confianza que debemos tener en nuestros niveles de existencias de inventario, con una confianza cada vez mayor que requiere los gastos correspondientes en inventario adicional). Tenga en cuenta que estamos asumiendo que la distribución correcta a usar es la distribución normal. Esto es correcto para la mayoría de las series de demanda en las que tiene una demanda regular por período. Falla cuando la demanda es esporádica o intermitente.

En el próximo artículo de esta serie, analizaré cómo Smart Forecasts trata la estimación del stock de seguridad en aquellos casos de demanda intermitente, cuando la suposición de normalidad es incorrecta.

Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.

Las fluctuaciones en una cadena de suministro de inventario son inevitables. La aleatoriedad, que puede ser fuente de confusión y frustración, lo garantiza. Un barco que transporta mercancías desde China puede retrasarse debido a una tormenta en el mar. Un aumento repentino en la demanda un día puede acabar con el inventario en un solo día, dejándolo incapaz de satisfacer la demanda del día siguiente. La aleatoriedad crea fricciones que dificultan el trabajo.

A primera vista, a veces parece mejor responder al azar con el enfoque del avestruz: la cabeza enterrada en la arena. Puede establecer una predicción y proceder suponiendo que la predicción siempre será acertada. La falla en ese enfoque es que ignora los métodos estadísticos que nos permiten hacer uso de una gran cantidad de conocimiento sobre nuestro conocimiento en sí mismo: cuán seguros podemos estar en nuestras predicciones y qué amplitud de posibilidades enfrentamos. El enfoque eficiente para abordar los problemas que surgen de la aleatoriedad no es ignorar la incertidumbre, sino aceptarla con los ojos abiertos.

Como principio fundamental del enfoque de Smart Software para pronóstico, siempre le proporcionaremos una evaluación del nivel de incertidumbre en los pronósticos. Si no espera nada más que una cifra absoluta (la demanda de dispositivos en febrero será de 120 unidades), puede descartar el elemento adicional de incertidumbre como algo negativo o perder la fe en un pronóstico que esperaba que fuera definitivo. Pero defendemos lo que consideramos el enfoque adulto; necesita saber lo que está arriesgando cuando se compromete con un pronóstico y basa su toma de decisiones en él.

Sus pronósticos pueden tener grandes consecuencias que van más allá de los niveles de existencias de inventario. Pueden determinar sus necesidades de materias primas o los niveles de personal: los pronósticos impulsan muchas decisiones importantes de asignación de recursos. Si tiene demasiada fe en el resultado más probable, sin considerar específicamente qué tan probable es, realmente no está comprendiendo los riesgos que enfrenta y puede colocarse en una posición precaria.

La necesidad de tomar decisiones plenamente informadas nos obliga a ver, en un pronóstico, el rango positivo/negativo de resultados con cierta probabilidad de ocurrencia. En el caso específico de los pronósticos que van a los sistemas de inventario, esta es una parte importante de la planificación deliberada para las contingencias. Así es como determina no solo el inventario que necesita mantener para satisfacer la demanda típica, sino también el inventario adicional que necesita para hacer frente a la mayoría de los resultados inesperados.

Esta importancia solo aumenta cuando intenta mantener un almacén confiable de repuestos críticos. Entre el costo de almacenar inventario adicional y tener en cuenta el grado de confiabilidad en sus pronósticos, existe un equilibrio que cristaliza cuando un avión que necesita en el aire queda en tierra, porque no tiene el reemplazo de una pieza dañada.

(Si bien el almacenamiento de inventario adicional se basa en el extremo superior del rango de incertidumbre, si el flujo de efectivo es limitado, es el extremo inferior del rango el que se vuelve importante. Los usuarios con mentalidad de tesorería encuentran valor en este otro lado de la incertidumbre en escenarios donde incluso el mínimo exceso de existencias puede ser un problema mayor que una oportunidad de venta perdida, por ejemplo. La información confiable sobre los resultados probables más bajos vale la pena en este momento).

La teoría del inventario dice que debe pensar en los extremos exteriores de las posibilidades probables y prepararse para hacer frente a más escenarios además de lo que es más probable. La aleatoriedad es una realidad que no se puede ignorar. El promedio no es la respuesta.

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.