En este artículo, revisaremos la funcionalidad de pedidos de inventario en Epicor P21, explicaremos sus limitaciones y resumiremos cómo Smart Inventory Planning & Optimization (Smart IP&O) puede ayudar a reducir el inventario, minimizar los desabastecimientos y restaurar la confianza de su organización en su ERP. También veremos como generar un robusto análisis predictivo, pronóstico basado en consenso y planificación de escenarios hipotéticos.

Funciones de planificación de reabastecimiento dentro de Epicor Prophet 21
Epicor P21 puede administrar el reabastecimiento al sugerir qué ordenar y cuándo a través de políticas de inventario basadas en puntos de reorden o basadas en pronósticos. Los usuarios pueden calcular estas políticas externamente o generarlas dinámicamente dentro de P21. Una vez que se hayan especificado las políticas y los pronósticos, el Generador de requisitos de órdenes de compra (PORG) de P21 creará sugerencias de pedidos automatizadas de qué reponer y cuándo reconciliar el suministro entrante, la demanda actual disponible, las políticas de almacenamiento y los pronósticos de demanda.

Epicor P21 tiene 4 métodos de reposición
En la pantalla de mantenimiento de artículos de Epicor P21, los usuarios pueden elegir uno de los cuatro métodos de reabastecimiento para cada artículo en existencia.

1. Mínimo máximo
2. Punto de pedido/Cantidad de pedido
3. EOQ
4. ”Hasta” una cantidad

Hay ajustes y configuraciones adicionales para determinar los plazos de entrega y contabilizar los modificadores de pedidos, como las cantidades mínimas y máximas de pedido impuestas por el proveedor. Mín./Máx. y Punto de pedido/Cantidad de pedido se consideran políticas "estáticas". EOQ y ”Hasta” se consideran políticas "dinámicas" y se calculan dentro de P21.

Mínimo máximo
El punto de reorden es igual al Min. Cada vez que el inventario disponible cae por debajo del mínimo (punto de pedido), el informe PORG creará una sugerencia de pedido hasta el máximo (por ejemplo, si el inventario disponible después de la infracción es de 20 unidades y el máximo es 100, entonces la cantidad del pedido será 80) . Min/Max se considera una política estática y una vez ingresada en P21 permanecerá sin cambios a menos que el usuario la anule. Los usuarios suelen ejecutar hojas de cálculo para calcular los valores mínimos y máximos y actualizarlos de vez en cuando.

Punto de pedido/Cantidad de pedido
Esto es lo mismo que la política Mín./Máx. excepto que en lugar de pedir hasta el Máx., se sugerirá un pedido para una cantidad fija definida por el usuario (por ejemplo, pida siempre 100 unidades cuando se incumpla el punto de pedido). OP/OQ se considera una política estática y permanecerá sin cambios a menos que el usuario la anule. Los usuarios a menudo ejecutan hojas de cálculo para calcular los valores OP/OQ y actualizarlos de vez en cuando.

EOQ
La política de EOQ es un método basado en puntos de reorden. El punto de pedido se genera dinámicamente en función del pronóstico de demanda de P21 durante el tiempo de entrega + la demanda durante el período de revisión + el stock de seguridad. La cantidad de la orden se basa en un cálculo de la Cantidad económica de la orden que considera los costos de mantenimiento y los costos de la orden e intenta recomendar un tamaño de orden que minimice el costo total. Cuando el inventario disponible supera el punto de pedido, el informe PORG generará un pedido igual al EOQ calculado.

”Hasta” una cantidad
El método Up To es otra política dinámica que se basa en un punto de pedido. Se calcula de la misma manera que el método EOQ utilizando la demanda pronosticada de P21 durante el tiempo de entrega + la demanda durante el período de revisión + el inventario de seguridad. La sugerencia de cantidad de pedido se basa en lo que sea necesario para reabastecer el stock "hasta" el punto de pedido. Esto tiende a equivaler a una cantidad de pedido que es consistente con la demanda del tiempo de entrega porque a medida que la demanda impulsa el stock por debajo del punto de reorden, se sugerirán pedidos "hasta" el punto de reorden.

Pantalla de mantenimiento de artículos de P21, donde los usuarios pueden especificar la política de inventario deseada y configurar otros ajustes, como stock de seguridad y modificadores de pedidos.

Limitaciones

Métodos de pronóstico
Hay dos modos de pronóstico en P21: Básico y Avanzado. Cada uno usa una serie de métodos de promedio y requiere configuraciones manuales y reglas de clasificación determinadas por el usuario para generar un pronóstico de demanda. Ninguno de los modos está diseñado con un sistema experto listo para usar que genera automáticamente pronósticos que dan cuenta de los patrones subyacentes, como la tendencia o la estacionalidad. Se requiere mucha configuración que tiende a inhibir la adopción por parte del usuario y la modificación de las reglas de pronóstico asumidas definidas en la implementación inicial que pueden ya no ser relevantes. No existe una manera de comparar fácilmente la precisión del pronóstico de diferentes configuraciones. Por ejemplo, ¿es mejor usar 24 meses de historial o 18 meses? ¿Es más exacto suponer que se debe aplicar una tendencia cuando un artículo crece 2% por mes o debería ser 10%? ¿Es mejor asumir que el artículo es estacional si 80% o más de su demanda ocurre en 6 meses del año o 4 meses del año? Como resultado, es común que las reglas de clasificación sean demasiado amplias o específicas, lo que genera problemas como la aplicación de un modelo de pronóstico incorrecto, el uso de demasiado o muy poco historial, o la sobreestimación o subestimación de la tendencia y la estacionalidad. Para obtener más información sobre cómo funciona esto, consulte esta publicación de blog (próximamente)

Gestión de pronósticos y planificación por consenso
P21 carece de funciones de gestión de pronósticos que permitan a las organizaciones planificar en múltiples niveles de jerarquía, como familia de productos, región o por cliente. Los pronósticos deben crearse en el nivel más bajo de granularidad (producto por ubicación) donde la demanda suele ser demasiado intermitente para obtener un buen pronóstico. No hay forma de compartir pronósticos, colaborar, revisar o crear pronósticos en niveles agregados y acordar el plan de consenso. Es difícil incorporar conocimiento comercial, evaluar pronósticos en niveles más altos de agregación y rastrear si las anulaciones mejoran o perjudican la precisión del pronóstico. Esto hace que la previsión sea demasiado unidimensional y dependa de las configuraciones matemáticas iniciales.  

Demanda intermitente
Muchos clientes de P21 confían en métodos estáticos (mín./máx. y OP/OQ) debido al predominio de la demanda intermitente. También conocida como "érratica", la demanda intermitente se caracteriza por ventas esporádicas, grandes picos en la demanda y muchos períodos sin demanda. Cuando la demanda es intermitente, los métodos tradicionales de previsión y existencias de seguridad simplemente no funcionan. Dado que los distribuidores no pueden darse el lujo de abastecerse únicamente de productos de alta rotación con una demanda constante, necesitan soluciones especializadas que estén diseñadas para planificar de manera eficaz los artículos con demanda intermitente. 80% o más de las piezas de un distribuidor tendrán una demanda intermitente. Las políticas de almacenamiento que se generan utilizando métodos tradicionales, como los disponibles en P21 y otras aplicaciones de planificación, darán como resultado estimaciones incorrectas de qué almacenar para lograr el nivel de servicio objetivo. Como se ilustra en el gráfico a continuación, no es posible pronosticar los picos de manera constante. Está atascado con un pronóstico que es efectivamente un promedio de los períodos anteriores.

Los pronósticos de demanda intermitente no pueden predecir los picos y requieren reservas de existencias de seguridad para protegerse contra los desabastecimientos.

En segundo lugar, los métodos de inventario de seguridad de P21 le permiten establecer un nivel de servicio objetivo, pero la lógica subyacente supone erróneamente que la demanda esta Normalmente distribuida. Con la demanda intermitente, la demanda no es “normal” y por lo tanto la estimación del stock de seguridad será incorrecta. Esto es lo que significa incorrecto: al establecer un nivel de servicio de, por ejemplo, 98%, la expectativa es que 98% del tiempo que el stock disponible llene 100% de lo que el cliente necesita del estante. El uso de una distribución normal para calcular las existencias de seguridad dará como resultado grandes desviaciones entre el nivel de servicio objetivo y el nivel de servicio real logrado. No es raro ver situaciones en las que el nivel de servicio real no alcance el objetivo por 10% o más (es decir, se apuntó a 95% pero solo alcanzó 85%).

En esta figura puede ver el historial de demanda de una pieza demandada intermitentemente y dos distribuciones basadas en este historial de demanda. La primera distribución se generó utilizando la misma “distribución normal: lógica empleada por P21. La segunda es una distribución simulada basada en el pronóstico probabilístico de Smart Software. La distribución P21 "normal" recomienda que se necesitan 46 unidades para alcanzar el nivel de servicio 99%, pero en comparación con los valores reales, se necesitaba mucho más inventario. Smart predijo con precisión que se requerían 63 unidades para alcanzar el nivel de servicio.

Este Blog explica cómo puede probar la precisión del nivel de servicio de su sistema.

Confianza en hojas de cálculo y planificación reactiva
Los clientes de P21 nos dicen que dependen en gran medida del uso de hojas de cálculo para gestionar las políticas de almacenamiento y las previsiones. Las hojas de cálculo no están diseñadas específicamente para la previsión y la optimización del inventario. Los usuarios a menudo seguirán sus propias regla de oro inventadas por el usuario, métodos que a menudo hacen más daño que bien. Una vez calculado, los usuarios deben ingresar la información nuevamente en P21 a través de la importación manual de archivos o incluso la entrada manual. La naturaleza lenta del proceso lleva a las empresas a calcular sus políticas de inventario con poca frecuencia. Pasan muchos meses y, en ocasiones, años entre actualizaciones masivas que conducen a un enfoque reactivo de "configúrelo y olvídese", y el momento del pedidoe se convierte en el único momento en que un comprador/planificador revisa la política de inventario. Cuando las políticas se revisan después de que el punto de pedido ya se ha incumplido, es demasiado tarde. Cuando el punto de pedido se considera demasiado alto, se requiere una modificación manual para revisar el historial, calcular pronósticos, evaluar las posiciones del búfer y recalibrar. El gran volumen de pedidos significa que los compradores simplemente liberarán los pedidos en lugar de tomarse el arduo tiempo de revisar todo, lo que generará un exceso significativo de existencias. Si el punto de pedido es demasiado bajo, ya es demasiado tarde. Ahora se requerirá una aceleración que aumente los costos e incluso entonces, aún perderá ventas si el cliente se va a otro lado.

Planificación limitada de What If
Dado que las funciones para modificar los puntos de pedido y las cantidades de pedido están integradas en P21, no es posible realizar cambios generales en grupos de artículos y evaluar los resultados previstos antes de decidir comprometerse. Esto obliga a los usuarios a adoptar un proceso de "esperar y ver" cuando se trata de modificar parámetros. Los planificadores harán un cambio y luego monitorearán los datos reales hasta que estén seguros de que el cambio mejoró las cosas. Administrar esto a escala (muchos planificadores manejan decenas de miles de artículos) consume mucho tiempo y el resultado final es una recalibración poco frecuente de la política de inventario. Esto también contribuye a la planificación reactiva por lo que los planificadores solo revisarán la configuración después de que haya ocurrido un problema.

Epicor es más inteligente
Epicor se asoció con Smart Software y ofrece Smart IP&O como un complemento multiplataforma para Prophet 21 completo con una integración bidireccional basada en API. Esto permite que los clientes de Epicor aprovechen las mejores aplicaciones de pronóstico y optimización de inventario creadas especialmente. Con Epicor Smart IP&O puede generar pronósticos que capturan la tendencia y la estacionalidad sin tener que aplicar configuraciones manuales primero. Podrá volver a calibrar automáticamente las políticas en cada ciclo de planificación utilizando modelos estadísticos y probabilísticos de vanguardia probados en el campo que fueron diseñados para planificar con precisión de la demanda intermitente. Las existencias de seguridad tendrán en cuenta con precisión la variabilidad de la oferta y la demanda, las condiciones comerciales y las prioridades. Puedes aprovechar la planificación impulsada por el nivel de servicio para que tenga suficiente stock o activar métodos de optimización que prescriben las políticas de almacenamiento más rentables y los niveles de servicio que consideran el costo real de mantener el inventario. Puede crear pronósticos de demanda consensuados que combinen el conocimiento comercial con las estadísticas, evaluar mejor los pronósticos de venta y de los clientes, y cargar con confianza pronósticos y políticas de existencias en Epicor con unos pocos clics del mouse.

Los clientes de Smart IP&O generalmente obtienen ganancias anuales de 7 cifras a partir de rápidas reducciones, mayores ventas y menos exceso de existencias, al mismo tiempo que obtienen una ventaja competitiva al diferenciarse en un mejor servicio al cliente. Regístrese aquí para ver un seminario web grabado y organizado por el Grupo de usuarios de Epicor que perfila la plataforma de optimización de inventario y planificación de la demanda de Smart. https://smartcorp.com/epicor-smart-inventory-planning-optimization/

Ya sea que usted mismo las entienda en detalle o confíe en un buen software, las matemáticas son un hecho de la vida para cualquier persona en la gestión del inventario y previsión de la demanda que pretende seguir siendo competitivo en el mundo moderno.

Recientemente, en una conferencia, el presentador principal de un taller de administración de inventario proclamó con orgullo que no necesitaba "matemáticas de alto nivel", lo que interpretó como algo más allá de las matemáticas de primaria.

Las matemáticas no son el primer amor de todos. Pero si realmente te preocupas por hacer bien tu trabajo, no puedes abordar el trabajo con una mentalidad de escuela primaria. Las tareas de la cadena de suministro, como la previsión de la demanda y la gestión del inventario, son inherentemente matemáticos. Un blog asociado con edX, un sitio reconocido de cursos universitarios en línea, tiene una excelente publicación sobre este tema, en https://www.mooc.org/blog/how-is-math-used-in-supply-chain. Permítanme citar la introducción de dicho curso:

Las matemáticas y la cadena de suministro van de la mano. A medida que crecen las cadenas de suministro, la creciente complejidad impulsará a las empresas a buscar formas de gestionar la toma de decisiones a gran escala. No pueden volver a cómo eran hace 100 años, o incluso hace dos años antes de la pandemia. En cambio, las nuevas tecnologías ayudarán a optimizar y administrar las muchas partes móviles. Las habilidades logísticas, las tecnologías de optimización y las habilidades organizativas utilizadas en la cadena de suministro requieren matemáticas.

Nuestros clientes no necesitan ser expertos en matemáticas de la cadena de suministro, solo necesitan poder manejar el software que contiene las matemáticas. El software combina la experiencia de los usuarios y la experiencia en la materia para producir resultados que marcan la diferencia entre el éxito y el fracaso. Para hacer su trabajo, el software no puede detenerse en matemáticas de sexto grado; necesita probabilidad, estadística y teoría de optimización.

Depende de nosotros, los proveedores de software, empaquetar las matemáticas de tal manera que lo que entra en los cálculos sea todo lo que sea relevante, incluso si es complicado; y que lo que sale sea claro, relevante para la toma de decisiones y defendible cuando deba justificar sus recomendaciones a la alta dirección.

Las matemáticas de sexto grado no pueden advertirle cuándo la forma en que propone administrar una pieza de repuesto crítica significará una probabilidad de 70% de no alcanzar su objetivo de disponibilidad. No puede decirle cuál es la mejor manera de ajustar sus puntos de pedido cuando un proveedor llama y dice: "Tenemos un problema de entrega". No puede salvar su pellejo cuando hay un pedido sorprendentemente grande y tiene que descubrir rápidamente la mejor manera de configurar algunos pedidos especiales acelerados sin romper el presupuesto operativo.

Por lo tanto, respete la sabiduría popular y no traiga un cuchillo a un tiroteo.

Al decidir los parámetros correctos de almacenamiento de repuestos y piezas de servicio, es importante distinguir entre piezas de servicio consumibles y reparables. Estas diferencias a menudo son pasadas por alto por el servicio software de planificación de piezas y puede resultar en errores estimaciones de los requisitos de almacenaje. Se requieren diferentes enfoques al planificar los consumibles frente a las piezas de repuesto reparables.

Primero, definamos estos dos tipos de repuestos.

• Partes consumibles son repuestos contenidos dentro del equipo que se reemplazan en lugar de repararse cuando fallan. Los ejemplos de piezas consumibles incluyen baterías, filtros de aceite, tornillos, pastillas de freno, etc. Las piezas de repuesto consumibles tienden a ser piezas de menor costo para las cuales el reemplazo es más barato que la reparación o la reparación puede no ser posible.
• Partes reparables son piezas que se pueden reparar y volver a poner en servicio después de fallar debido a causas como desgaste, daños o corrosión. Las piezas de servicio reparables tienden a ser más caras que las piezas consumibles, por lo que la reparación suele ser preferible al reemplazo. Los ejemplos de piezas reparables incluyen motores de tracción en vagones de ferrocarril, motores a reacción, fotocopiadoras, etc.

El software tradicional de planificación de piezas de repuesto no cumple con los requisitos

El software tradicional de planificación de piezas no está bien adaptado para lidiar con la aleatoriedad tanto en el lado de la demanda como en el lado de la oferta de las operaciones de MRO.

Aleatoriedad del lado de la demanda
La planificación de repuestos consumibles requiere el cálculo de parámetros de control de inventario (como puntos de pedido y cantidades de pedido, niveles mínimo y máximo y existencias de seguridad). La planificación para administrar las piezas de servicio reparables requiere el cálculo de la cantidad correcta de repuestos. En ambos casos, el análisis debe basarse en modelos de probabilidad del uso aleatorio de consumibles o la avería aleatoria de piezas reparables. Para más de 90% de estas partes, la demanda es “intermitente” (a veces llamado "érratica"). Los métodos tradicionales de previsión de repuestos no se desarrollaron para hacer frente a la demanda intermitente. Confiar en los métodos tradicionales conduce a costosos errores de planificación. Para los consumibles, esto significa desabastecimientos evitables, costos excesivos de mantenimiento y mayor obsolescencia del inventario. Para las piezas reparables, esto significa un tiempo de inactividad excesivo del equipo y los costos correspondientes por un rendimiento poco confiable y la interrupción de las operaciones.

Aleatoriedad del lado de la oferta
La planificación de piezas de repuesto consumibles debe tener en cuenta la aleatoriedad en el reabastecimiento de los plazos de entrega de los proveedores. La planificación de piezas reparables debe tener en cuenta la aleatoriedad en los procesos de reparación y devolución, ya sea que de los que se proporcionen internamente o se contraten. Los planificadores que gestionan estos artículos a menudo ignoran los datos de interés dentro de la empresa. En cambio, pueden cruzar los dedos y esperar que todo salga bien, o pueden invocar su instinto para "selecionar a ojo" y luego esperar que todo salga bien. Esperar y adivinar no puede vencer al modelo de probabilidad adecuado. Desperdicia millones anualmente en inversiones de capital innecesarias y tiempo de inactividad evitable del equipo.

Ya sea que esté utilizando 'Mín./Máx.' o 'punto de pedido' y 'cantidad de pedido' para determinar cuándo y cuánto reabastecer, su enfoque puede generar o negar grandes eficiencias. Errores clave a evitar:

1. No recalibrar regularmente
2. Si se revisa solo el Min/Max, hay un problema
3. El uso de métodos de pronóstico no está a la altura de la tarea
4. Asumir que los datos son demasiado lentos o impredecibles

“Tenemos más de 150.000 combinaciones SKU x Ubicación. Nuestra demanda es intermitente. Dado que se mueve lentamente, no necesitamos volver a calcular nuestros puntos de pedido con frecuencia. Lo hacemos tal vez una vez al año, pero revisamos los puntos de pedido cada vez que hay un problema”. – Gerente de Materiales.

Este enfoque reactivo conducirá a millones en exceso de existencias, roturas de existencias y mucho tiempo perdido revisando datos cuando "algo sale mal". Sin embargo, he escuchado este mismo estribillo a muchos profesionales de inventario a lo largo de los años. Claramente, necesitamos compartir porqué este pensamiento es totalmente erróneo.

Es cierto que para muchas partes, un recálculo de los puntos de pedido con datos históricos actualizados y plazos de entrega podría no cambiar mucho, especialmente si hay patrones como la tendencia o la estacionalidad. Sin embargo, muchas partes se beneficiarán de un recálculo, especialmente si los plazos de entrega o la demanda reciente han cambiado. Además, la probabilidad de un cambio significativo que requiera un nuevo cálculo aumenta cuanto más espere. Finalmente, esos meses con nula demanda también influyen en las probabilidades y no deben ser ignorados. Sin embargo, el punto clave es que es imposible saber qué cambiará o no cambiará en su pronóstico, por lo que es mejor recalibrar regularmente.

Este caso de datos real ilustra un escenario donde brilla la recalibración regular y automatizada: los beneficios de las respuestas rápidas a patrones de demanda cambiantes y como estos se suman rápidamente. En el ejemplo anterior, el eje X representa los días y el eje Y representa la demanda. Si tuviera que esperar varios meses entre recalibrar sus puntos de pedido, sin duda haría el pedido demasiado pronto. Al recalibrar su punto de reorden con mucha más frecuencia, captará el cambio en la demanda y permitirá pedidos mucho más precisos.

En lugar de esperar hasta que tenga un problema, vuelva a recalibrar todas las piezas en cada ciclo de planificación al menos una vez al mes. Al hacerlo, aprovecha los datos más recientes y ajusta proactivamente la política de almacenamiento, evitando así problemas que causarían revisiones manuales y escasez o exceso de inventario.

La naturaleza de sus datos (potencialmente variados) también debe combinarse con las herramientas de pronóstico adecuadas. Si los registros de algunas partes muestran tendencias o patrones estacionales, el uso de métodos de pronóstico de objetivos para adaptarse a estos patrones puede marcar una gran diferencia. De manera similar, si los datos muestran valores cero frecuentes (demanda intermitente), los métodos de pronóstico que no se basan en este caso especial pueden arrojar fácilmente resultados poco confiables.

Automatice, recalibre y revise las excepciones. El software especialmente diseñado lo hará automáticamente. Piénselo de otra manera: ¿es mejor depositar una gran cantidad de dinero en el inversiones una vez al año o en el "costo promedio en euros" depositando cantidades más pequeñas en que sector en el que decida invertir en fracciones mensuales? Recalibrar las políticas con regularidad generará rendimientos máximos con el tiempo, tal como lo hará el promedio del costo en euros para su cartera de inversiones.

¿Con qué frecuencia recalibra sus políticas de almacenamiento? ¿Por qué?

Si escucha la frase "cambio de régimen" en las noticias, inmediatamente piensa en algún evento geopolítico tenso. Los estadísticos usan la frase de manera diferente, de una manera en la que adquiere gran relevancia para la planificación de la demanda y la optimización del inventario. Este blog trata sobre el "cambio de régimen" en el sentido estadístico, lo que significa un cambio importante en el carácter de la demanda de un artículo de inventario.

El historial de demanda de un artículo es el combustible que alimenta las máquinas de previsión de los planificadores de demanda. En general, cuanto más combustible, mejor, lo que nos brinda una mejor solución sobre el nivel promedio, la volatilidad, el tamaño y la frecuencia de los picos, la forma de cualquier patrón de estacionalidad y el tamaño y la dirección de cualquier tendencia.

Pero hay una gran excepción a la regla que predica “a más datos mejores resultados”. Si hay un cambio importante y la nueva demanda no se parece a la antigua, entonces los datos antiguos se vuelven peligrosos.

El software moderno puede hacer pronósticos precisos de la demanda de artículos y sugerir opciones inteligentes para los parámetros de inventario, como los puntos de pedido y las cantidades de los pedidos. Pero la validez de estos cálculos depende de la relevancia de los datos utilizados en su cálculo. Los datos desfasados de un antiguo régimen ya no reflejan la realidad actual, por lo que incluirlos en los cálculos crea un error de pronóstico para los planificadores de demanda y un exceso de existencias o de falta de existencias inaceptables para los planificadores de inventario.

Dicho esto, si tuviera que soportar un cambio de régimen reciente y desechar los datos obsoletos, tendría muchos menos datos con los que trabajar. Esto tiene sus propios costos, porque todas las estimaciones calculadas a partir de los datos tendrían una mayor incertidumbre estadística aunque estarían menos sesgadas. En este caso, sus cálculos tendrían que basarse más en una combinación de análisis estadístico y su propio juicio experto.

En este punto, puede preguntar "¿Cómo puedo saber si ha habido un cambio de régimen y cuándo?" Si ha estado en el trabajo por un tiempo y se siente cómodo mirando diagramas de tiempo de demanda de artículos, generalmente reconocerá el cambio de régimen cuando lo vea, al menos si no es demasiado sutil. La Figura 1 muestra algunos ejemplos reales que son obvios.

Figura 1: Cuatro ejemplos de cambio de régimen en la demanda de artículos del mundo real

Desafortunadamente, los cambios menos obvios aún pueden tener efectos significativos. Además, la mayoría de nuestros clientes están demasiado ocupados para revisar manualmente todos los artículos que administran, incluso una vez por trimestre. Cuando supera, digamos, los 100 elementos, la tarea de observar todas esas series temporales se vuelve onerosa. Afortunadamente, el software puede hacer un buen trabajo al monitorear continuamente la demanda de decenas de miles de artículos y alertarlo sobre cualquier artículo que pueda necesitar su atención. Además, puede hacer arreglos para que el software no solo detecte el cambio de régimen, sino que también excluya automáticamente de sus cálculos todos los datos recopilados antes del cambio de régimen más reciente, si corresponde. En otras palabras, puede obtener tanto una advertencia automática de cambio de régimen como una protección automática contra el cambio.

Para obtener más información sobre los conceptos básicos del cambio de régimen, consulte nuestro blog anterior sobre el tema: https://smartcorp.com/blog/demandplanningregimechange/  

Un ejemplo con números:

Si desea obtener más información, siga leyendo para ver un ejemplo numérico de cuánto cambio de régimen puede alterar el cálculo de un punto de pedido para una pieza de repuesto crítica. Aquí hay un escenario para ilustrar el punto.

Guión

• Objetivo: calcular el punto de pedido necesario para controlar el riesgo de desabastecimiento mientras se espera la reposición. Suponga que el riesgo de desabastecimiento objetivo es de 5%.
• Suponga que el artículo tiene demanda diaria intermitente, con muchos días de demanda cero.
• Suponga que la demanda diaria tiene una distribución de Poisson con un promedio de 1,0 unidades por día.
• Suponga que el plazo de reposición es siempre de 30 días.
• La demanda del tiempo de entrega será aleatoria, por lo que tendrá una distribución de probabilidad y el punto de pedido será el 95^º percentil de la distribución.
• Suponga que el efecto del cambio de régimen es aumentar o disminuir la demanda diaria media.
• Suponga que hay un año de datos diarios disponibles para estimar la demanda unitaria diaria media.

Figura 2 Ejemplo de cambio en la demanda media y muestra de la demanda diaria aleatoria

La Figura 2 muestra una forma de este escenario. El panel superior muestra que la demanda diaria promedio aumenta de 1,0 a 1,5 después de 270 días. El panel inferior muestra una forma en que podría aparecer el valor de la demanda diaria de un año. (En este punto, puede sentir que calcular todo esto es complicado, incluso para lo que resulta ser un escenario simplificado. ¡Es por eso que tenemos software!)

Análisis

El cálculo exitoso del punto de reorden adecuado dependerá de cuándo ocurra el cambio de régimen y cuán grande sea el cambio. Simulamos cambios de régimen de varios tamaños en varios momentos dentro de un período de 365 días. Alrededor de una demanda base de 1,0 unidades por día, estudiamos cambios en la demanda ("cambio") de ±25% y ±50%, así como un caso de referencia sin cambios. Ubicamos el tiempo del cambio ("t.break") en 90, 180 y 270 días. En cada caso, calculamos dos estimaciones del punto de reorden: el valor "ideal" dado un conocimiento perfecto de la demanda promedio en el nuevo régimen ("ROP.true"), y el valor estimado de la demanda media calculado ignorando el cambio de régimen y utilizando todos los datos de demanda del último año (“ROP.all”).

La Tabla 1 muestra las estimaciones del punto de pedido calculado en 100 simulaciones. El bloque central es el caso de referencia, en el que no hay cambio en la demanda diaria, que se mantiene fija en 1 unidad por día. El bloque de color en la parte inferior es el escenario de aumento más extremo, con una demanda que aumenta a 1,5 unidades/día ya sea en un tercio, la mitad o dos tercios del año.

Podemos sacar varias conclusiones de estas simulaciones.

ROP.true: la elección correcta para el punto de pedido aumenta o disminuye según el cambio en la demanda media después del cambio de régimen. La relación no es lineal simple: la tabla abarca un rango del 600% mas del nivel de lademanda (0,25 a 1,50) pero un rango del 467% de lospuntos de pedido (de 12 a 56).

ROP.all: Ignorar el cambio de régimen puede conducir a sobreestimaciones brutas del punto de reorden cuando la demanda cae y subestimaciones brutas cuando la demanda aumenta. Como era de esperar, cuanto más tarde cambia el régimen, peor es el error. Por ejemplo, si la demanda aumenta de 1,0 a 1,5 unidades por día durante dos tercios del año sin que se dé cuenta, el punto de pedido calculado de 43 unidades se quedaría 13 unidades por debajo de lo que debería ser.

Una palabra de precaución: la Tabla 1 muestra que basar los cálculos de los puntos de reorden usando solo datos posteriores a un cambio de régimen generalmente obtendrá la respuesta correcta. Lo que no muestra es que las estimaciones pueden ser inestables si hay muy poco historial de demanda después del cambio. Por lo tanto, en la práctica, debe esperar para reaccionar al cambio de régimen hasta que se haya acumulado una cantidad decente de observaciones en el nuevo régimen. Esto podría significar utilizar todo el historial de demanda, tanto antes como después del cambio, hasta que, por ejemplo, se hayan acumulado 60 o 90 días de historial antes de ignorar los datos anteriores al cambio.

Tabla 1 Puntos de pedido correctos y estimados para diferentes escenarios de cambio de régimen