¿Su cadena de suministro extendida sufre de una extrema variabilidad estacional? ¿Esta situación desafía su capacidad para cumplir con los compromisos de nivel de servicio con sus clientes? He lidiado con esto en Rev-A-Shelf, abordando condiciones inusuales creadas por el Año Nuevo chino y otros eventos globales, y me gustaría compartir la experiencia y algunas cosas que aprendí en el camino.

Primero, déjame explicarte nuestra situación. Importamos 60% de las piezas que usamos para construir nuestros accesorios de cocina y baño de China y Europa. La mayor parte del año pudimos planificar nuestras necesidades de inventario utilizando un enfoque mínimo/máximo basado en una hoja de cálculo. Pero no durante el Año Nuevo chino, que impulsa la mayor migración anual de población del planeta. El Año Nuevo chino paraliza la producción hasta por dos meses, lo que crea un riesgo de suministro significativo a medida que nos esforzamos por cumplir con nuestro compromiso de cumplimiento de pedidos de tres días.

Resolvimos nuestro problema, introduciendo estadística previsión de la demanda con la flexibilidad de extender los plazos de entrega cuando sea necesario, la capacidad de establecer de manera confiable inventarios de seguridad que alcancen nuestros niveles de servicio requeridos y un sistema de informes continuos que permite que todos sepan exactamente cuál es nuestra posición. Sin embargo, el éxito requería mucho más que una nueva pieza de software. Necesitábamos cambiar la forma en que vemos la demanda futura, el riesgo de suministro y el stock de seguridad. Aquí hay algunas cosas clave que hicimos que marcaron la diferencia.

Educación y aceptación de las partes interesadas

Independientemente del proyecto, siempre es mejor contar con la participación de todos los interesados. Sabíamos que teníamos que hacer algo para resolver nuestro problema, pero seguramente encontraríamos resistencia. Los altos directivos, por ejemplo, habían desarrollado una saludable desconfianza hacia el software y se preguntaban si el software de previsión de la demanda podría ayudar. Nuestros compradores habían desarrollado sus propias perspectivas y métodos de adquisición y se sentían personalmente en riesgo cuando considerábamos nuevos enfoques.

Las personas se acercaron a medida que desarrollaron una comprensión común del problema y cómo lo abordaríamos. La educación fue una gran parte de la solución. Explicamos cómo funciona la previsión y los factores clave que todos debemos entender: cómo analizar tendencias, cómo usar escenarios hipotéticos, el impacto de los plazos de entrega cambiantes, cómo relacionar los niveles de servicio con el riesgo de suministro y el stock de seguridad e indicadores clave de rendimiento como el inventario vueltas Pasando por este proceso juntos, todos nos convertimos en partes interesadas en la solución.

Utilice el software adecuado

Cuando tiene muchos números de pieza y cualquier tipo de variabilidad de oferta o demanda, simplemente no puede pronosticar de manera efectiva con una hoja de cálculo. Con nuestro sistema de pronóstico mínimo/máximo, estábamos planeando en un promedio y no estaba funcionando. El uso promedio tiene fallas inherentes para fines de planificación: ¡siempre está mirando hacia atrás!

Necesita un software que mire hacia el futuro, reconozca los patrones estacionales y le permita determinar la cantidad de existencias que necesitará para cumplir con los niveles de servicio requeridos en diferentes plazos de entrega.

Afinar procesos

Cuando las viejas formas no funcionan, debe estar abierto a ajustar sus suposiciones. Piense menos en dónde ha estado y más en dónde quiere estar. Eche un vistazo a sus plazos de entrega y planifique el nivel de servicio deseado. La historia del año pasado puede no ser el mejor predictor de la demanda de este año. El mismo horizonte de pronóstico puede no ser apropiado para todos los productos o para cierta época del año.

Haga que el pronóstico sea accionable

No es suficiente producir un pronóstico preciso y niveles estimados de existencias de inventario. Tienes que desarrollar una forma de hacer que la información sea procesable para aquellos encargados de usarla. Desarrollamos un conjunto de informes que permitieron a los compradores aprovechar una mejor información sobre pronósticos y existencias de seguridad. Ahora, al final de cada mes, generamos un informe de pronóstico que proporciona una imagen clara del inventario actual, el stock de seguridad, el uso anterior, el uso previsto, las entregas entrantes (PO) y las cantidades de pedido recomendadas.

Validar resultados

Puede, y nosotros lo hicimos, probar nuestros nuevos métodos contra nuestro propio historial de demanda. Aún así, un extraño autoritario puede facilitar la aceptación. Encargamos un estudio a un profesor de la Facultad de Negocios de la Universidad de Louisville, quien le encomendó la tarea a uno de sus estudiantes de posgrado. A través de ellos pudimos reforzar lo que vimos que sucedía a partir de nuestros resultados y sentirnos cómodos de que estábamos en un buen camino.

Todos estos factores ayudaron a Rev-A-Shelf a transformar su proceso de planificación de la demanda con gran eficacia. Hoy superamos nuestros objetivos de nivel de servicio y nuestra tasa de cumplimiento, basada en un ciclo de envío de tres días, muestra una mejora constante y una tendencia al alza. En general, las unidades en stock se han mantenido estables mientras soportan un aumento de 13% en las ventas.

John Engelhardt es actualmente director de compras y operaciones asiáticas de Rev-a-Shelf, LLC en Louisville, KY. Ha ocupado diversos cargos gerenciales tanto en empresas privadas como en organizaciones públicas. En Rev-A-Shelf ocupó el cargo de Gerente de Ventas Internacionales y Director de Soporte de Ventas antes de asumir su cargo actual. Se le puede localizar en johne at rev-a-shelf punto com.

La mayoría de los pronósticos estadísticos funcionan en un flujo directo desde los datos anteriores hasta el pronóstico. Pronosticar con indicadores adelantados funciona de manera diferente. Un indicador principal es una segunda variable que puede influir en el que se pronostica. La aplicación de conocimiento humano comprobable sobre el poder predictivo en la relación entre estos diferentes conjuntos de datos a veces proporcionará una precisión superior.

La mayoría de las veces, un pronóstico se basa únicamente en la historia pasada del artículo que se está pronosticando. Supongamos que el problema del pronosticador es predecir las ventas unitarias futuras de un producto importante. El proceso comienza con la recopilación de datos sobre las ventas anteriores del producto. (Gregory Hartunian comparte algunos consejos prácticos para elegir los mejores datos disponibles en una publicación anterior al Smart Forecaster.) Estos datos fluyen hacia el software de pronóstico, que analiza el registro de ventas para medir el nivel de variabilidad aleatoria y explotar cualquier aspecto predecible, como tendencias o patrones regulares de variabilidad estacional. El pronóstico se basa completamente en el comportamiento pasado del artículo que se pronostica. No se tiene en cuenta explícitamente nada que pudiera haber causado las oscilaciones y sacudidas en el gráfico de ventas del producto. Este enfoque es rápido, simple, autónomo y escalable, porque el software puede pasar por una gran cantidad de pronósticos automáticamente.

Pero a veces el pronosticador puede hacerlo mejor, a costa de más trabajo. Si el pronosticador puede mirar a través de la niebla de la aleatoriedad e identificar una segunda variable que influya en la que se está pronosticando, un indicador adelantado, serán posibles predicciones más precisas.

Por ejemplo, suponga que el producto es un vidrio de ventana para casas. Es muy posible que los aumentos o disminuciones en el número de permisos de construcción para casas nuevas se reflejen en los correspondientes aumentos o disminuciones en el número de láminas de vidrio ordenadas varios meses después. Si el pronosticador puede destilar esta relación "retrasada" o retrasada en una ecuación, esa ecuación se puede usar para pronosticar las ventas de vidrio dentro de varios meses usando valores conocidos del indicador principal. Esta ecuación se llama "ecuación de regresión" y tiene una forma similar a:

Ventas de vidrio en 3 meses = 210,9 + 26,7 × Número de viviendas iniciadas este mes.

El software de pronóstico puede tomar los datos de inicio de viviendas y ventas de vidrio y convertirlos en una ecuación de regresión de este tipo.

Gráfico que muestra una relación entre cifras de ejemplo para permisos de construcción diferidos y demanda de vidrio
Indicadores adelantados demostrados
Sin embargo, a diferencia de los pronósticos estadísticos automáticos basados en las ventas pasadas de un producto, los pronósticos con un indicador anticipado enfrentan el mismo problema que la receta proverbial del estofado de conejo: “Primero atrapa un conejo”. Aquí, la experiencia del pronosticador en la materia es fundamental para el éxito. El pronosticador debe poder nominar a uno o más candidatos para el puesto de indicador principal. Después de este paso crucial, basado en el conocimiento, la experiencia y la intuición del pronosticador, se puede usar el software para verificar que realmente existe una relación predictiva con retraso en el tiempo entre el indicador principal candidato y la variable que se va a pronosticar.

Este paso de verificación se realiza mediante un análisis de "correlación cruzada". El software esencialmente toma como entrada una secuencia de valores de la variable a pronosticar y otra secuencia de valores del supuesto indicador líder. A continuación, desplaza los datos de la variable de previsión por, sucesivamente, uno, dos, tres, etc. periodos de tiempo. En cada desliz en el tiempo (llamado "retraso", porque el indicador adelantado se está quedando cada vez más atrás de la variable de pronóstico), el software verifica un patrón de asociación entre las dos variables. Si encuentra un patrón que es demasiado fuerte para ser explicado como un accidente estadístico, se confirma la corazonada del pronosticador.

Obviamente, pronosticar con indicadores principales es más trabajo que pronosticar usando solo los valores pasados de un artículo. El pronosticador tiene que identificar un indicador principal, comenzando con una lista sugerida por la experiencia en la materia del pronosticador. Este es un proceso de “elaboración manual” que no es adecuado para la producción masiva de pronósticos. Pero puede ser un enfoque exitoso para una cantidad menor de elementos importantes que valen la pena el esfuerzo adicional. La función del software de pronóstico, como nuestro sistema SmartForecasts, es ayudar al pronosticador a autenticar el indicador principal y luego explotarlo.

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.