​En este video blog, exploramos las funciones críticas del análisis descriptivo, predictivo y prescriptivo en la gestión de inventario, destacando sus contribuciones esenciales para impulsar la optimización de la cadena de suministro a través de la previsión estratégica y el análisis de datos detallados.

Estos análisis fomentan un ecosistema de gestión de inventario dinámico, receptivo y eficiente al permitir a los administradores de inventario monitorear las operaciones actuales, anticipar desarrollos futuros y formular respuestas óptimas. Le explicaremos cómo Descriptive Analytics lo mantiene informado sobre las operaciones actuales, Predictive Analytics lo ayuda a anticipar demandas futuras y Prescriptive Analytics guía sus decisiones estratégicas para lograr la máxima eficiencia y rentabilidad.

Al final del vídeo, tendrá un conocimiento sólido de cómo aprovechar estos análisis para mejorar sus estrategias de gestión de inventario. No se trata sólo de herramientas, sino de una nueva forma de pensar y abordar la optimización del inventario con el apoyo de un software moderno.

En el competitivo panorama empresarial actual, las empresas buscan constantemente formas de mejorar su eficiencia operativa y generar mayores ingresos. La optimización de la gestión de repuestos es un aspecto que a menudo se pasa por alto y que puede tener un impacto financiero significativo. Las empresas pueden mejorar la eficiencia general y generar importantes rendimientos financieros mediante la gestión eficaz del inventario de piezas de repuesto. Este artículo explorará las implicaciones económicas de la gestión optimizada de repuestos y cómo invertir en software de optimización de inventario y planificación de la demanda puede proporcionar una ventaja competitiva.

La importancia de la planificación optimizada de piezas de servicio:

La gestión optimizada de repuestos juega un papel vital en la mitigación de los riesgos de inventario y asegura la disponibilidad de repuestos críticos. Si bien la planificación subjetiva puede funcionar a pequeña escala, se vuelve insuficiente cuando se gestionan grandes inventarios de piezas de repuesto demandadas intermitentemente. Los enfoques de previsión tradicionales simplemente no logran dar cuenta con precisión de la extrema variabilidad de la demanda y los frecuentes períodos de demanda cero que son tan comunes con las piezas de repuesto. Esto da como resultado grandes asignaciones incorrectas de existencias, costos más altos y niveles de servicio deficientes.

La clave para la gestión optimizada de repuestos radica en comprender el equilibrio entre servicio y costo. El software de optimización de inventario y planificación de la demanda con tecnología de pronóstico probabilístico y algoritmos de aprendizaje automático puede ayudar a las empresas a comprender mejor el costo frente al beneficio de cada decisión de inventario y manejar el inventario como un activo competitivo. Al generar pronósticos de demanda precisos y políticas de almacenamiento óptimas, como Mín./Máx., Niveles de existencias de seguridad y Puntos de pedido en segundos, las empresas pueden saber cuánto es demasiado y cuándo agregar más. Al manejar el inventario como un activo competitivo, las empresas pueden aumentar los niveles de servicio y reducir los costos.

Mejore el resultado financiero de la planificación de piezas de repuesto

1. La previsión precisa es fundamental para optimizar la planificación del inventario y satisfacer la demanda de los clientes de forma eficaz. El software de planificación de demanda de última generación predice con precisión los requisitos de inventario, incluso para patrones de demanda intermitentes. Al automatizar la previsión, las empresas pueden ahorrar tiempo, dinero y recursos al tiempo que mejoran la precisión.
2. Satisfacer la demanda de los clientes es un aspecto crítico de la gestión de repuestos. Las empresas pueden mejorar la satisfacción y la lealtad del cliente y aumentar sus posibilidades de ganar contratos futuros para los equipos que venden con un uso intensivo de activos al garantizar la disponibilidad de repuestos cuando sea necesario. A través de una planificación eficaz de la demanda y la optimización del inventario, las organizaciones pueden reducir los plazos de entrega, minimizar los desabastecimientos y mantener los niveles de servicio, mejorando así el impacto financiero de todas las decisiones.
3. Las ganancias financieras se pueden lograr a través de la planificación optimizada de piezas de servicio, incluida la reducción de costos de inventario y productos. El exceso de almacenamiento y el inventario obsoleto pueden ser cargas de costos significativas para las organizaciones. Al implementar el mejor software de optimización de inventario, las empresas pueden identificar soluciones rentables, aumentar los niveles de servicio y reducir los costos. Esto conduce a una mejor rotación de inventario, reducción de costos de mantenimiento y mayor rentabilidad.
4. La planificación de adquisiciones es otro aspecto esencial de la gestión de repuestos. Las organizaciones pueden optimizar los niveles de inventario, reducir los plazos de entrega y evitar los desabastecimientos alineando las compras y las cantidades de pedido asociadas con pronósticos de demanda precisos. Por ejemplo, se pueden compartir pronósticos precisos con los proveedores para que se puedan realizar compromisos generales de compra. Esto proporciona al proveedor seguridad en los ingresos y, a cambio, puede mantener más inventario, lo que reduce los plazos de entrega.
5. La planificación de la demanda intermitente es un desafío particular en la gestión de repuestos. Los enfoques de la regla empírica convencional se quedan cortos en el manejo efectivo de la variabilidad de la demanda. Esto se debe a que los enfoques tradicionales asumen que la demanda se distribuye normalmente cuando en realidad es cualquier cosa menos normal. Las piezas de repuesto demandan ráfagas aleatorias de gran demanda intercaladas con muchos períodos de demanda cero. La solución de Smart Software incorpora modelos estadísticos avanzados y algoritmos de aprendizaje automático para analizar patrones de demanda históricos, lo que permite una planificación precisa para la demanda intermitente. Las empresas pueden reducir significativamente los costos de falta de existencias y mejorar la eficiencia al abordar este desafío.

Evidencia de los clientes de Smart Software:

Invertir en el software de planificación de demanda y optimización de inventario de Smart Software permite a las empresas desbloquear ahorros de costos, elevar los niveles de servicio al cliente y mejorar la eficiencia operativa. A través de una previsión precisa de la demanda, una gestión de inventario optimizada y procesos de adquisición optimizados, las organizaciones pueden lograr ahorros financieros, satisfacer las demandas de los clientes de forma eficaz y mejorar el rendimiento empresarial general.

• Metro-North Railroad (MNR) experimentó una reducción de 8% en el inventario de piezas, alcanzando un nivel de servicio al cliente récord de 98,7%, y redujo el crecimiento del inventario para nuevos equipos de 10% proyectados a solo 6%. Smart Software desempeñó un papel crucial en la identificación de las necesidades de piezas de servicio de varios años, la reducción de los plazos de entrega administrativos, la formulación de planes de reducción de existencias para las flotas que se retiran y la identificación del inventario inactivo para su eliminación. MNR ahorró costos, maximizó los beneficios de eliminación, mejoró los niveles de servicio y obtuvo información precisa para la toma de decisiones informada, lo que finalmente mejoró sus resultados y la satisfacción del cliente.
• Seneca Companies, líder de la industria en servicios de petróleo automotriz, adoptó Smart Software para modelar la demanda de los clientes, controlar el rendimiento del inventario e impulsar el reabastecimiento. Los técnicos de servicio de campo aceptaron su uso, y la inversión total en inventario disminuyó en más de 25%, de $11 millones a $8 millones, manteniendo tasas de reparación por primera vez de 90%+.
• Una compañía eléctrica líder implementó Smart IP&O en solo 3 meses y luego usó el software para optimizar sus puntos de pedido y las cantidades de pedido de más de 250 000 piezas de repuesto. Durante la primera fase de la implementación, la plataforma ayudó a la empresa de servicios públicos a reducir el inventario en $9,000,000 mientras mantenía los niveles de servicio. La implementación fue parte de la iniciativa de optimización de la cadena de suministro estratégica de la empresa.

Optimización de la planificación de piezas de servicio para una ventaja competitiva

La gestión optimizada de repuestos es crucial para las empresas que buscan mejorar la eficiencia, reducir costos y garantizar la disponibilidad de los repuestos necesarios. Las organizaciones pueden desbloquear un valor significativo en este campo invirtiendo en el software de optimización de inventario y planificación de la demanda de Smart Software. Las empresas pueden lograr un mejor desempeño financiero y obtener una ventaja competitiva en sus respectivos mercados a través de un mejor análisis de datos, automatización y planificación de inventario.

Smart Software está diseñado para el mercado moderno, que es volátil y siempre cambiante. Puede manejar la proliferación de SKU, cadenas de suministro más largas, plazos de entrega menos predecibles y patrones de demanda más intermitentes y menos predecibles. También puede integrarse con prácticamente todas las soluciones ERP del mercado, mediante conexiones transparentes comprobadas en el campo o utilizando un proceso simple de importación/exportación respaldado por el modelo de datos y el motor de procesamiento de datos de Smart Software. Mediante el uso de Smart Software, las empresas pueden aprovechar el inventario como un activo competitivo, mejorar la satisfacción del cliente, aumentar los niveles de servicio, reducir los costos y ahorrar una cantidad considerable de dinero.

Nuestros clientes generalmente se han decidido por una forma de administrar su inventario de repuestos. Al profesor que hay en mí le gustaría pensar que la política de inventario elegida fue una elección razonada entre las alternativas consideradas, pero lo más probable es que simplemente haya sucedido. Tal vez el jefe de inventario de hace mucho tiempo tenía un favorito y esa elección se mantuvo. Quizás alguien utilizó un sistema EAM o ERP que ofrecía sólo una opción. Quizás se hicieron algunas conjeturas, basándose en las condiciones del momento.

Los competidores

Muy rara vez las empresas toman estas decisiones al azar. Pero el software moderno de planificación de repuestos le permite ser más sistemático en sus elecciones. Esta publicación demuestra esa propuesta al hacer comparaciones objetivas entre tres políticas de inventario populares: Pedido hasta, Punto de reorden/Cantidad de pedido y Mín./Máx. Hablé de cada una de estas políticas en este videoblog.

• Ordene hasta. Esta es una política de revisión periódica en la que cada T días se cuenta el inventario disponible y se realiza un pedido de tamaño aleatorio para que el nivel de existencias vuelva a subir a S unidades.
• Q, R o Punto de reorden/Cantidad de pedido. Q, R es una política de revisión continua en la que todos los días se contabiliza el inventario. Si hay Q o menos unidades disponibles, se realiza un pedido de tamaño fijo por R unidades más.
• Mínimo máximo es otra política de revisión continua en la que todos los días se cuenta el inventario. Si hay unidades mínimas o menos disponibles, se realiza un pedido para que el nivel de existencias vuelva a alcanzar las unidades máximas.

La teoría del inventario dice que estas opciones se enumeran en orden creciente de efectividad. La primera opción, Ordenar hasta, es claramente la más sencilla y barata de implementar, pero hace la vista gorda a lo que sucede durante largos períodos de tiempo. Imponer un intervalo de tiempo específico entre órdenes lo hace, en teoría, menos flexible. Por el contrario, las dos opciones de revisión continua vigilan lo que sucede todo el tiempo, para que puedan reaccionar más rápido ante posibles desabastecimientos. La opción Min/Max es, en teoría, más flexible que la opción que utiliza una cantidad fija de reorden porque el tamaño del pedido cambia dinámicamente para adaptarse a la demanda.

Esa es la teoría. Esta publicación examina la evidencia de comparaciones directas para verificar la teoría y establecer cifras concretas sobre el desempeño relativo de las tres políticas.

El significado de "mejor"

¿Cómo debemos llevar la puntuación en este torneo? Si es un lector habitual de este blog de Smart Forecaster, sabrá que el núcleo de la planificación del inventario es un tira y afloja entre dos objetivos opuestos: mantener el inventario reducido versus mantener las métricas de disponibilidad de los artículos, como el nivel de servicio alto.

Para simplificar las cosas, calcularemos “un número para gobernarlos a todos”: el costo operativo promedio. La póliza ganadora será la que tenga el promedio más bajo.

Este promedio es la suma de tres componentes: el costo de mantener el inventario (“costo de mantener”), el costo de ordenar unidades de reabastecimiento (“costo de ordenar”) y el costo de perder una venta (“costo de escasez”). Para concretar las cosas, utilizamos los siguientes supuestos:

• Cada pieza de servicio está valorada en $1.000.
• El costo de tenencia anual es 10% del valor del artículo, o $100 por año por unidad.
• Procesar cada pedido de reabastecimiento cuesta $20 por pedido.
• Cada unidad demandada pero no proporcionada cuesta el valor de la pieza, $1.000.

Para simplificar, nos referiremos al costo operativo promedio simplemente como "el costo".

Por supuesto, el costo promedio más bajo se puede lograr saliendo del negocio. Por lo tanto, la competencia requería una limitación de rendimiento en la disponibilidad de los artículos: cada opción tenía que lograr una tasa de cumplimiento de al menos 99%.

Las alternativas se resisten

Un elemento clave del contexto es si los desabastecimientos provocan pérdidas o pedidos atrasados. Suponiendo que la pieza de servicio en cuestión es crítica, asumimos que los pedidos no ejecutados se pierden, lo que significa que un competidor completa el pedido. En un entorno de MRO, esto significará un tiempo de inactividad adicional debido al desabastecimiento.

Para comparar las alternativas, utilizamos nuestro motor de modelado predictivo para ejecutar una gran cantidad de Simulaciones de Montecarlo. Cada simulación implicó especificar los valores de los parámetros de cada póliza (por ejemplo, valores mínimos y máximos), generar un escenario de demanda, introducirlo en la lógica de la póliza y medir el costo resultante promediado durante 365 días de operación. Repetir este proceso 1.000 veces y promediar los 1.000 costos resultantes dio el resultado final para cada póliza.  

Para que la comparación fuera justa, cada alternativa debía diseñarse para obtener el mejor rendimiento. Entonces buscamos en el “espacio de diseño” de cada póliza para encontrar el diseño con el menor costo. Esto requirió repetir el proceso descrito en el párrafo anterior para muchos pares de valores de parámetros e identificar el par que produce el costo operativo anual promedio perdido.

Usando los algoritmos en Optimización del inventario (SÍO^MT) realizamos comparaciones directas bajo los siguientes supuestos sobre la oferta y la demanda:

• Se supuso que la demanda de artículos era intermitente y muy variable, pero relativamente simple en el sentido de que no había tendencia ni estacionalidad, como suele ocurrir con las piezas de repuesto. La demanda media diaria fue de 5 unidades con una desviación estándar grande de 13 unidades. La Figura 1 muestra una muestra de la demanda de un año. Hemos elegido un patrón de demanda muy desafiante, en el que algunos días tienen de 10 a 20 veces la demanda promedio.

Figura 1: Se supuso que la demanda diaria de piezas era intermitente y muy intensa.

​​

• Los plazos de reabastecimiento de los proveedores fueron de 14 días (75%) en ese momento y de 21 días en el resto. Esto refleja el hecho de que siempre hay incertidumbre en la cadena de suministro.

Y el ganador es…

¿Era correcta la teoría? Un poco sorta'.

La Tabla 1 muestra los resultados de los experimentos de simulación. Para cada una de las tres políticas en competencia, muestra el costo operativo anual promedio, el margen de error (técnicamente, un intervalo de confianza aproximado de 95% para el costo medio) y las mejores opciones aparentes para los valores de los parámetros.

Tabla 1: Resultados de las comparaciones simuladas

Por ejemplo, el costo promedio de la póliza (T,S) cuando T se fija en 30 días fue de $41,680. Pero el Más/Menos implica que los resultados son compatibles con un costo “real” (es decir, la estimación de un número infinito de simulaciones) de entre $39,890 y $43,650. La razón por la que existe tanta incertidumbre estadística es la naturaleza extremadamente elevada de la demanda en este ejemplo.

El Cuadro 1 dice que, en este ejemplo, las tres políticas están en línea con las expectativas. Sin embargo, conclusiones más útiles serían:

1. Las tres políticas son notablemente similares en cuanto a costo promedio. Mediante una elección inteligente de los valores de los parámetros, se pueden obtener buenos resultados con cualquiera de las tres políticas.
2. Lo que no se muestra en el Cuadro 1, pero se desprende claramente de los resultados detallados de la simulación, es que las malas elecciones de valores de parámetros pueden ser desastrosas para cualquier política.
3. Vale la pena señalar que a la política de revisión periódica (T,S) no se le permitió optimizar sobre posibles valores de T. Fijamos T en 30 para imitar lo que es común en la práctica, pero aquellos que usan la política de revisión periódica deberían considerar otras revisiones. períodos. Un experimento adicional fijó el período de revisión en T = 7 días. El costo promedio en este escenario se minimizó en $36,551 ± $1,668 con S = 343. Este resultado es mejor que el de T = 30 días.
4. Debemos tener cuidado de no generalizar demasiado estos resultados. Dependen de los valores supuestos de los tres parámetros de costos (mantenimiento, pedidos y escasez) y del carácter del proceso de demanda.
5. Es posible ejecutar experimentos como los que se muestran aquí automáticamente en Optimización del inventario. Esto significa que usted también podrá explorar opciones de diseño de manera rigurosa.

En casi todos los negocios e industrias, quienes toman decisiones necesitan pronósticos confiables de variables críticas, como ventas, ingresos, demanda de productos, niveles de inventario, participación de mercado, gastos y tendencias de la industria.

Hay muchos tipos de personas que hacen estos pronósticos. Algunos son analistas técnicos sofisticados, como economistas de negocios y estadísticos. Muchos otros consideran que los pronósticos son una parte importante de su trabajo general: gerentes generales, planificadores de producción, especialistas en control de inventarios, analistas financieros, planificadores estratégicos, investigadores de mercado y gerentes de productos y ventas. Aún así, otros rara vez se consideran pronosticadores, sino que a menudo tienen que hacer pronósticos sobre una base intuitiva y crítica.

Debido a la forma en que diseñamos Smart Demand Planner, tiene algo que ofrecer a todo tipo de pronosticadores. Este diseño surge de varias observaciones sobre el proceso de pronóstico. Debido a que diseñamos Smart Demand Planner con estas observaciones en mente, creemos que tiene un estilo y contenido especialmente adecuados para convertir su navegador en una herramienta eficaz de previsión y planificación:

La previsión es un arte que requiere una combinación de juicio profesional y análisis estadístico objetivo.

A menudo resulta eficaz comenzar con un pronóstico estadístico objetivo que tenga en cuenta automáticamente las tendencias, la estacionalidad y otros patrones. Luego, aplique ajustes o anulaciones de pronósticos según su criterio comercial. Smart Demand Planner facilita la ejecución de ajustes gráficos y tabulares a los pronósticos estadísticos.

El proceso de pronóstico suele ser iterativo.

Es probable que decida hacer varios ajustes a su pronóstico inicial antes de estar satisfecho. Es posible que desee excluir datos históricos más antiguos que considere que ya no son relevantes. Se podrían aplicar diferentes ponderaciones al modelo de pronóstico que pongan distinto énfasis en los datos más recientes. Podría aplicar atenuación de tendencias para aumentar o disminuir los pronósticos estadísticos de tendencias agresivas. Puede permitir que los modelos de aprendizaje automático ajusten la selección de pronóstico por usted y seleccionen el modelo ganador automáticamente. La velocidad de procesamiento de Smart Demand Planner le brinda suficiente tiempo para realizar varias pasadas y guarda múltiples versiones de los pronósticos como “instantáneas” para que pueda comparar la precisión del pronóstico más adelante.

La previsión requiere soporte gráfico.

Los patrones evidentes en los datos pueden ser vistos por un ojo perspicaz. La credibilidad de sus pronósticos a menudo dependerá en gran medida de las comparaciones gráficas que hacen otras partes interesadas del negocio cuando evalúan los datos históricos y los pronósticos. Smart Demand Planner proporciona visualizaciones gráficas de pronósticos, historial e informes de pronóstico versus datos reales.

Los pronósticos nunca son exactamente correctos.

Debido a que siempre se introduce algún error incluso en el mejor proceso de pronóstico, uno de los complementos más útiles de un pronóstico es una estimación honesta de su margen de error.

Smart Demand Planner presenta resúmenes gráficos y tabulares de la precisión del pronóstico basados en la prueba de fuego de los datos de predicción retenidos en el desarrollo del modelo de pronóstico. 

También son muy útiles los intervalos de previsión o intervalos de confianza. Detallan el rango probable de demanda posible que se espera que ocurra. Por ejemplo, si la demanda real cae fuera del intervalo de confianza de 90% más de 10% del tiempo, entonces hay motivos para investigar más a fondo.  

La previsión requiere una coincidencia del método con los datos.

Una de las principales tareas técnicas en la elaboración de pronósticos es hacer coincidir la elección de la técnica de pronóstico con la naturaleza de los datos. Las características de una serie de datos como la tendencia, la estacionalidad o los cambios abruptos de nivel sugieren ciertas técnicas en lugar de otras.

La función de previsión automática de Smart Demand Planner hace que esta coincidencia sea rápida, precisa y automática.

La previsión suele ser parte de un proceso más amplio de planificación o control.

Por ejemplo, los pronósticos pueden ser un complemento poderoso para el análisis financiero basado en hojas de cálculo, extendiendo filas de cifras hacia el futuro. Además, los pronósticos precisos de ventas y demanda de productos son aportes fundamentales para los procesos de planificación de producción y control de inventario de un fabricante. Un pronóstico estadístico objetivo de las ventas futuras siempre ayudará a identificar cuándo el presupuesto (o el plan de ventas) puede ser demasiado poco realista. El análisis de brechas permite a la empresa tomar medidas correctivas para su demanda y sus planes de marketing para garantizar que no incumplan el plan presupuestado.

Los pronósticos deben integrarse en los sistemas ERP
Smart Demand Planner puede transferir rápida y fácilmente sus resultados a otras aplicaciones, como hojas de cálculo, bases de datos y sistemas de planificación, incluidas aplicaciones ERP. Los usuarios pueden exportar pronósticos en una variedad de formatos de archivo, ya sea mediante descarga o mediante ubicaciones seguras de archivos FTP. Smart Demand Planner incluye integraciones basadas en API para una variedad de sistemas ERP y EAM, incluidos Epicor Kinetic y Epicor Prophet 21, Sage X3 y Sage 300, Oracle NetSuite y cada uno de los sistemas ERP Dynamics 365 de Microsoft. Las integraciones basadas en API permiten a los clientes enviar los resultados de las previsiones directamente al sistema ERP según demanda.

El resultado es una planificación de ventas, elaboración de presupuestos, programación de producción, pedidos y planificación de inventario más eficientes.