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/

Contra qué nos enfrentamos

Como fanático de la tercera generación de los Medias Rojas de Boston, no estoy dispuesto a aceptar el consejo de ningún jugador de béisbol de los Yankees de Nueva York, ni siquiera de uno excelente, pero debo admitir que, a veces, solo necesitas tomar una decisión. Sin embargo, ¿no sería mejor si supiéramos las ventajas y desventajas asociadas con cada decisión? Quizás un camino es más pintoresco pero toma más tiempo mientras que el otro es más directo pero aburrido. Entonces no tendría que simplemente "tomarlo", sino que podría tomar una decisión informada basada en las ventajas/desventajas de cada enfoque.

En el mundo de la planificación de la cadena de suministro, la decisión más fundamental es cómo equilibrar la disponibilidad de artículos con el costo de mantener esa disponibilidad (niveles de servicio y tasas de llenado). En un extremo, puede tener un exceso de existencias y nunca quedarse sin hasta que arruine y tenga que cerrar la tienda para no gastar todo su efectivo en un inventario que no se vende. En el otro extremo, puede tener una gran escasez de existencias y ahorrar un montón en costos de mantenimiento de inventario, pero arruinarse y tener que cerrar la tienda porque todos sus clientes llevaron sus negocios a otra parte.

No hay escapatoria a esta tensión fundamental. La forma de sobrevivir y prosperar es encontrar un equilibrio productivo y sostenible. Para hacer eso, se requieren compensaciones basadas en hechos basadas en los números. Para obtener los números se requiere software.

La deriva general de las cosas es obvia. Si decide mantener más inventario, tendrá más costos de mantenimiento, menores costos de escasez y posiblemente menores costos de pedido. Es imposible saber si esto cuesta o ahorra dinero sin un análisis sofisticado, pero generalmente el resultado es que el costo total aumenta. Pero si invierte en más inventario, ganará algo, porque ofrecerá a sus clientes niveles de servicio y tasas de llenado más altos. Cuánto más alto requiere, como puede suponer, un análisis sofisticado.

Muéstrame los números

Este blog expone cómo se ve un análisis de este tipo. No existe una solución universal que le indique la decisión "correcta". Puede pensar que la decisión correcta es la que mejor se ajusta a sus resultados. Pero para obtener esos números, necesitaría algo que rara vez se ve: un modelo preciso del comportamiento del cliente con respecto al nivel de servicio (consulte nuestro artículo “Cómo elegir un nivel de servicio objetivo”) Por ejemplo, ¿en qué momento un cliente se irá y llevará su negocio a otra parte? ¿Será después de que agote 1% del tiempo, 5% del tiempo, 10% del tiempo? ¿Seguirá manteniendo su negocio siempre y cuando complete los pedidos rápidamente? ¿Será después de un pedido pendiente de 1 día, 2 días? ¿3 semanas? ¿Será después de que esto suceda una vez en una parte importante o muchas veces en muchas partes? Si bien modelar el nivel de servicio preciso que le permitirá mantener a su cliente mientras minimiza los costos parece un ideal inalcanzable, otro tipo de análisis sofisticado es más pragmático. 

El software de optimización y pronóstico de inventario puede tener en cuenta todos los costos asociados, como el costo de agotamiento de existencias, el costo de mantener el inventario y el costo de ordenar el inventario para prescribir un objetivo de nivel de servicio óptimo que produzca el costo total más bajo. Sin embargo, incluso ese nivel de servicio "óptimo" es sensible a los cambios en los costos, lo que hace que los resultados sean potencialmente cuestionables. Por ejemplo, si no estima con precisión los costos precisos (los costos de escasez son los más difíciles), será difícil afirmar definitivamente algo como "Si aumento mi inventario disponible en un promedio de una unidad para todos los artículos en un importante familia de productos, mi empresa verá una ganancia neta de $170,500. Esa ganancia aumenta hasta llegar a 4 unidades. A 4 unidades o más, el rendimiento disminuye debido a los excesivos costos de tenencia. Por lo tanto, la mejor decisión al tener en cuenta la retención, el pedido y el agotamiento de existencias proyectados es aumentar el inventario en 3 unidades para ver una ganancia neta de más de $500,000.  

A falta de ese ideal, puede hacer algo que es más simple pero extremadamente valioso: cuantificar la curva de compensación entre el costo del inventario y la disponibilidad del artículo. Si bien no necesariamente sabrá el nivel de servicio al que debe apuntar, conocerá los costos de los diferentes niveles de servicio. Luego, puede ganar mucho dinero encontrando un buen lugar para estar en esa curva de compensación y comunicando dónde está en riesgo, dónde no, y estableciendo expectativas con los clientes y las partes interesadas internas. Sin la curva de compensación para guiarlo, está volando a ciegas sin forma de modificar racionalmente la política de almacenamiento.

Un escenario del que aprender

Esbocemos una curva de compensación realista. Comenzamos con un escenario que requiere una decisión de gestión. El escenario que usaremos y los supuestos asociados sobre la demanda, los plazos de entrega y los costos se detallan a continuación:

Política de inventario

• Revisión periódica: reordenar las decisiones tomadas cada 30 días
• Orden hasta el nivel ("S") - Variado de 30 a 60 unidades
• Política de escasez: permite pedidos pendientes, sin pedidos perdidos

Pedir

• La demanda es intermitente
• Promedio = 0,8 unidades por día
• Desviación estándar = 1,2 unidades por día
• Mayor demanda en un año ≈ 9
• % de días sin demanda = 53%

Tiempo de espera

• Aleatorio a los 7, 14 o 21 días con probabilidades 70%, 20% y 10%, respectivamente

Parámetros de costo

• Costo de mantenimiento = $1 por día
• Costo de pedido = $10 por pedido sin importar el tamaño del pedido
• Costo de escasez = $100 por unidad que no se envía inmediatamente del stock

Imaginamos una política de control de inventario que se conoce en el comercio como una política de "revisión periódica" o (T,S). En este caso, el Período de revisión ("T") es de 30 días, lo que significa que cada 30 días se verifica la posición del inventario y se toma una decisión de pedido. La cantidad del pedido es la diferencia entre el número observado de unidades disponibles y la cantidad del pedido hasta el final ("S"). Entonces, si el inventario de fin de mes es de 12 unidades y S = 20, la cantidad del pedido sería S – 12 = 20 -1 2 = 8. El próximo mes, es probable que la cantidad del pedido sea diferente. Si el inventario alguna vez se vuelve negativo (pedidos atrasados) durante un período de revisión, el próximo pedido intenta restaurar el equilibrio ordenando más para llenar esos pedidos atrasados. Por ejemplo, si el inventario es -5 (es decir, 5 unidades ordenadas por no disponibles para envío, el siguiente pedido sería S – (-5) = S + 5. Detalles del flujo de demanda hipotético, plazos de entrega del proveedor y elementos de costo se muestran a continuación en la Figura 1. La Figura 2 muestra una muestra de la demanda diaria y el inventario diario durante cinco períodos de revisión. intermitente, como ocurre a menudo con las piezas de repuesto y, por lo tanto, es difícil planificarlo.

Figura 1: Diferentes opciones de política de inventario (pedir hasta), costos asociados y niveles de servicio

Figura 2: Detalle de cinco meses de operación del sistema dada una de las políticas

El software de planificación de inventario es nuestro amigo

El software codifica la lógica de la operación del sistema (T,S), genera muchos escenarios de demanda hipotéticos pero realistas, calcula cómo se desarrolla cada uno de esos escenarios y luego mira hacia atrás en la operación simulada (aquí, 10 años o 3650 días consecutivos) para calcular las métricas de costo y rendimiento.

Para revelar la curva de compensación, realizamos varios experimentos computacionales en los que variamos el nivel de pedido hasta el nivel, S. Las gráficas de la Figura 2 muestran el comportamiento del inventario disponible en la alternativa "más rica" con S = 60. En el fragmento que se muestra en la Figura 2, el inventario disponible nunca se acerca a agotarse. Puedes leer eso también. Una, un poco ingenua, es decir “Bien, estamos bien protegidos”. La otra, más agresiva, es decir, “Oh no, estamos hinchados. Me pregunto qué pasaría si redujéramos S.”

La curva de compensación revelada

La Figura 3 muestra los resultados de reducir S de 60 a 30 en pasos de 5 unidades. La tabla muestra que el Costo total es la suma del Costo de mantenimiento, el Costo de pedido y el Costo de escasez. Para la póliza (T,S), el costo de pedido es siempre el mismo, ya que un pedido se realiza como un reloj cada 30 días. Pero los otros componentes del costo responden a los cambios en S.

Figura 3: Los resultados experimentales y la curva de compensación correspondiente que muestra cómo cambiar el nivel de pedido hasta el nivel ("S") afecta tanto el nivel de servicio como el costo anual total

Tenga en cuenta que el nivel de servicio siempre es más bajo que la tasa de llenado en estos escenarios. Como profesor, siempre pienso en esta diferencia en términos de calificación de exámenes. Cada ciclo de reabastecimiento es como una prueba. El nivel de servicio se trata de la probabilidad de un desabastecimiento, por lo que es como la calificación en el examen de aprobación/reprobación con una pregunta que debe responderse a la perfección. Si no hay desabastecimiento en un ciclo, es una A. Si hay desabastecimiento, es una F. No importa si es una unidad que no se suministra o 50, sigue siendo una F. Pero la tasa de llenado es como una pregunta que se califica con crédito parcial. Por lo tanto, si le falta una de diez unidades, obtiene una tasa de llenado de 90% para ese ciclo, no 0%. Es importante comprender la diferencia entre estas dos métricas importantes para la planificación del inventario: consulte este vlog que describe nivel de servicio frente a tasa de llenado a través de un ejercicio interactivo en Excel.

La trama en la Figura 3 es la verdadera noticia. Combina el costo total y el nivel de servicio para varios niveles de S. Si lee el gráfico de derecha a izquierda, nos dice que se pueden obtener ahorros de costos drásticos al reducir S con una penalización muy pequeña en términos de disponibilidad reducida de artículos. Por ejemplo, la reducción de S de 60 a 55 ahorra cerca de $800 por año en este artículo, mientras que reduce un poco el nivel de servicio de (esencialmente) 100% a un aún impresionante 99%. Cortar S un poco más hace lo mismo, aunque no tan dramáticamente. Si lee el gráfico de izquierda a derecha, verá que pasar de S = 30 a S = 35 cuesta alrededor de $1000 por año, pero mejora el nivel de servicio de un grado F (45%) a al menos un grado C (71%). Después de eso, empujar S más alto cuesta progresivamente más mientras se gana progresivamente menos.

La curva de compensación no le da una respuesta sobre cómo establecer el nivel de orden hasta el nivel, pero le permite evaluar los costos y beneficios de cada respuesta posible. Tómese un minuto y finja que este es su problema: ¿Dónde le gustaría estar a lo largo de la curva de compensación?

Puede objetar y decir que odia sus elecciones y quiere cambiar el juego. ¿Hay escape de la curva? No de la curva general, pero es posible que pueda moldear una curva menos dolorosa. ¿Cómo?

Puede que tengas otras cartas para jugar. Una vía es tratar de “moldear” la demanda para que sea menos variable. El diagrama de demanda en la Figura 2 muestra mucha variabilidad. Si pudiera suavizar la demanda, toda la curva de compensación se desplazaría hacia abajo, haciendo que cada elección fuera menos costosa. Una segunda vía es tratar de reducir la media y la variabilidad de los plazos de entrega de los proveedores. Lograr cualquiera de los dos también desplazaría la curva hacia abajo para que la elección fuera menos dolorosa. Consulta nuestro artículo sobre cómo los proveedores influyen en sus costos de inventario

Resumen

La curva de compensación siempre está con nosotros. A veces podemos hacerlo más amigable, pero siempre elegimos nuestro lugar a lo largo de él. Es mejor saber lo que está obteniendo con cualquier elección de política de inventario que tratar de adivinar, y la curva le da eso. Cuando tiene una estimación precisa de esa curva, ya no está volando a ciegas cuando se trata de la planificación del inventario.