El exceso de inventario puede perjudicar tanto la estabilidad financiera como la eficiencia operativa. Cuando una organización tiene exceso de inventario, inmoviliza capital en un exceso de inventario que podría no venderse, lo que aumenta los costos de almacenamiento y el riesgo de obsolescencia del inventario. Además, los fondos utilizados para comprar el exceso de inventario podrían haberse invertido mejor en otras áreas de la empresa, como marketing o investigación y desarrollo. El exceso de inventario también obstaculiza el flujo de efectivo, ya que el dinero queda bloqueado en el inventario en lugar de estar disponible para las necesidades operativas inmediatas. Gestionar el inventario de manera eficaz es fundamental para mantener un balance general saludable y garantizar que los recursos se asignen de manera óptima. A continuación, se analizan en profundidad las principales causas del exceso de inventario, sus implicaciones y posibles soluciones.

1 Pronóstico inexacto de la demanda

Una de las principales causas del exceso de existencias es la previsión incorrecta de la demanda. Cuando las empresas se basan en métodos de previsión obsoletos o en datos insuficientes, pueden sobreestimar fácilmente la demanda, lo que da lugar a un exceso de existencias. Un claro ejemplo es la industria de la confección, donde las tendencias de la moda pueden cambiar rápidamente. Una conocida marca de moda se enfrentó recientemente a problemas tras sobreestimar la demanda de una nueva línea de ropa basándose en un análisis de datos erróneo, lo que dio lugar a un inventario sin vender.

Para abordar este problema, las empresas pueden implementar nuevas tecnologías que seleccionen automáticamente los mejores métodos de pronóstico para los datos, incorporando tendencias y patrones estacionales para garantizar la precisión. Al mejorar la precisión de los pronósticos, las empresas pueden alinear mejor su inventario con la demanda real, lo que conduce a una gestión de inventario más precisa y menos escenarios de exceso de existencias. Por ejemplo, un minorista de hardware que utiliza Smart Demand Planner redujo los errores de pronóstico en 15%, lo que demuestra el potencial para una mejora significativa en la gestión de inventario.

2 Gestión inadecuada del inventario

Una gestión eficaz del inventario es fundamental para evitar el exceso de existencias. Sin sistemas precisos para hacer un seguimiento de los niveles de inventario, las empresas pueden pedir un exceso de existencias e incurrir en mayores gastos. Este problema suele deberse a la dependencia de hojas de cálculo o sistemas ERP ineficientes que carecen de integración de datos en tiempo real.

Las tecnologías de vanguardia brindan visibilidad en tiempo real de los niveles de inventario, lo que permite a las empresas automatizar y optimizar los procesos de reabastecimiento. Una gran empresa de servicios eléctricos enfrentó desafíos para mantener la disponibilidad de piezas de repuesto sin sobreabastecerse, administrando más de 250 000 números de piezas en una red diversa de instalaciones de generación y distribución de energía. La empresa reemplazó su sistema obsoleto con Smart IP&O y lo integró en tiempo real con su sistema de gestión de activos empresariales (EAM). Smart IP&O le permitió a la empresa de servicios públicos utilizar escenarios hipotéticos, creando gemelos digitales de políticas de almacenamiento alternativas y simulando el rendimiento en indicadores clave de rendimiento, como el valor del inventario, los niveles de servicio, las tasas de llenado y los costos de faltante. Esto le permitió a la empresa de servicios públicos realizar ajustes específicos a sus parámetros de almacenamiento, que luego se implementaron en su sistema EAM, lo que impulsó la reposición óptima de repuestos.

El resultado fue significativo: una reducción de $9 millones en inventario, liberando efectivo y valioso espacio de almacenamiento mientras se mantenían los niveles de servicio objetivo de más de 99%.

3 proyecciones de ventas demasiado optimistas

Las empresas, especialmente las que se encuentran en fases de crecimiento, pueden predecir mayores ventas de las que logran, lo que genera un exceso de inventario destinado a satisfacer una demanda anticipada que nunca se materializa. Un ejemplo de esto es el caso reciente de un fabricante de vehículos eléctricos que proyectó altas ventas para su camión, pero enfrentó retrasos en la producción y una demanda menor a la esperada, lo que resultó en un exceso de existencias de componentes y piezas. Este error de cálculo provocó un aumento de los costos de almacenamiento y una tensión en los recursos financieros.

Otra empresa del mercado de repuestos de automoción tuvo dificultades para pronosticar con precisión las piezas que se demandaban de forma intermitente, lo que a menudo daba lugar a un exceso de existencias y a la falta de existencias. El uso de tecnología basada en IA permitió a la empresa reducir significativamente los pedidos pendientes y las ventas perdidas, y las tasas de cumplimiento mejoraron de 93% a 96% en tan solo tres meses. Al aprovechar las tecnologías de previsión de Smart IP&O, la empresa pudo generar estimaciones precisas de la demanda acumulada durante los plazos de entrega, lo que proporcionó una mejor visibilidad de los posibles escenarios de demanda. Esto permitió optimizar los niveles de inventario, reducir los costos de almacenamiento y mejorar la eficiencia financiera al alinear el inventario con la demanda real.

4 Descuentos por compras al por mayor

El atractivo de los ahorros de costos que ofrecen las compras al por mayor puede impulsar a las empresas a comprar más de lo necesario, lo que inmoviliza el capital y el espacio de almacenamiento. Esto suele generar problemas de almacenamiento cuando se piden existencias excedentes para obtener un descuento.

Para abordar este desafío, las empresas deben sopesar los beneficios de los descuentos por volumen frente a los costos de mantener un exceso de inventario. La tecnología de última generación puede ayudar a identificar la estrategia de compra más rentable al equilibrar los ahorros inmediatos con los costos de almacenamiento a largo plazo. Al implementar Smart IP&O, MNR pudo pronosticar con precisión los requisitos de inventario y optimizar sus procesos de gestión de inventario. Esto llevó a una reducción de 8% en el inventario de piezas, alcanzando un alto nivel de servicio al cliente de 98,7% y reduciendo el crecimiento del inventario de nuevos equipos de un estimado de 10% a solo 6%.

5 Fluctuaciones estacionales de la demanda

La dificultad para alinear el inventario con la demanda estacional puede generar un excedente de existencias una vez que finaliza el período pico de ventas. Los fabricantes de juguetes, por ejemplo, pueden producir demasiados juguetes con temas navideños y luego enfrentar una demanda baja después de las fiestas. La industria de la moda a menudo experimenta desafíos similares, ya que ciertos estilos se vuelven obsoletos a medida que cambian las estaciones. Las últimas tecnologías pueden ayudar a las empresas a anticipar los cambios de la demanda estacional y ajustar los niveles de inventario en consecuencia. Al analizar los datos de ventas anteriores y predecir las tendencias futuras, las empresas pueden prepararse mejor para las fluctuaciones estacionales, minimizar el riesgo de exceso de existencias y mejorar la rotación del inventario.

6 Variabilidad del tiempo de entrega del proveedor

Los plazos de entrega poco fiables de los proveedores pueden dar lugar a un exceso de existencias como protección contra los retrasos. Si los plazos de entrega mejoran o la demanda disminuye inesperadamente, las empresas pueden tener un exceso de inventario. Por ejemplo, un distribuidor de piezas de automóviles puede acumular componentes para mitigar los retrasos de los proveedores, pero de repente descubre que los plazos de entrega mejoran.

La tecnología avanzada puede ayudar proporcionando datos en tiempo real y análisis predictivos para gestionar mejor la variabilidad de los plazos de entrega. Estas herramientas permiten a las empresas ajustar dinámicamente sus pedidos, lo que reduce la necesidad de contar con un stock de seguridad excesivo.

7 Políticas de inventario inadecuadas

Las políticas de inventario obsoletas o incorrectas, como configuraciones de mínimos y máximos defectuosas, pueden provocar pedidos excesivos. Sin embargo, el uso de tecnología moderna para revisar y actualizar periódicamente las políticas de inventario garantiza que se ajusten a las necesidades comerciales y las condiciones del mercado actuales. Al mantener las políticas actualizadas, las empresas pueden reducir el riesgo de exceso de existencias debido a errores de procedimiento. Un estudio de caso reciente demostró cómo un importante minorista utilizó Smart IP&O para revisar las políticas de inventario, lo que resultó en una reducción de 15% en el exceso de existencias.

8 Promociones y campañas de marketing

La falta de alineación entre las iniciativas de marketing y la demanda real de los clientes puede hacer que las empresas sobreestimen el impacto de las promociones, lo que da como resultado inventario sin vender. Por ejemplo, una empresa de cosméticos puede producir en exceso un producto de edición limitada, esperando una gran demanda que no se materialice. Aprovechar Smart IP&O puede ayudar a alinear las iniciativas de marketing con las expectativas de demanda realistas, evitando el exceso de existencias. Al integrar los planes de marketing con las previsiones de demanda, las empresas pueden optimizar sus estrategias promocionales para que se adapten mejor a los intereses reales de los clientes.

9. Miedo a los desabastecimientos

Las empresas suelen mantener niveles de inventario más altos para evitar desabastecimientos, lo que puede provocar pérdidas de ventas y clientes insatisfechos. Este temor puede llevar a las empresas a acumular un exceso de existencias como red de seguridad, especialmente en sectores en los que la satisfacción y la retención del cliente son cruciales. Un ejemplo notable es el de una gran cadena minorista que aumentó significativamente su inventario de artículos para el hogar para evitar desabastecimientos. Si bien esta estrategia inicialmente ayudó a satisfacer la demanda de los clientes, más tarde resultó en un exceso de inventario a medida que los patrones de compra de los consumidores se estabilizaron. Este exceso de existencias contribuyó a una caída de las ganancias de casi 90% en el segundo trimestre, en gran parte debido a las rebajas y la liquidación del exceso de existencias.

Para mitigar estas situaciones, las empresas pueden utilizar herramientas avanzadas de planificación y optimización de inventario para proporcionar previsiones precisas de la demanda. Por ejemplo, un importante fabricante de productos electrónicos utilizó la solución Smart IP&O para reducir los niveles de inventario en 20% sin afectar a los niveles de servicio, lo que redujo los costes de forma eficaz y mantuvo la satisfacción del cliente al garantizar que tuvieran la cantidad adecuada de existencias a mano.

10 Compensación excesiva por problemas en la cadena de suministro

Las empresas pueden acumular un exceso de existencias para protegerse contra las interrupciones constantes de la cadena de suministro, pero esto puede generar problemas de almacenamiento. Por ejemplo, una empresa de tecnología puede acumular componentes para evitar posibles contratiempos en la cadena de suministro, lo que da como resultado un exceso de inventario y un aumento de los costos. Los sistemas avanzados pueden ayudar a las empresas a anticipar y responder mejor a los desafíos de la cadena de suministro, equilibrando la necesidad de existencias de seguridad con el riesgo de exceso de existencias. Una empresa de tecnología utilizó Smart IP&O para optimizar su estrategia de inventario, reduciendo el exceso de existencias en 20% y manteniendo la resiliencia de la cadena de suministro.

11 Plazos de entrega largos y proveedores poco fiables

Los plazos de entrega prolongados y los proveedores poco fiables pueden hacer que las empresas pidan más existencias de las necesarias para cubrir posibles déficits de suministro. Sin embargo, los artículos menos críticos que se prevé que alcancen niveles de servicio muy altos representan oportunidades para reducir el inventario. Al apuntar a niveles de servicio más bajos en artículos menos críticos, el inventario tendrá el "tamaño adecuado" con el tiempo para alcanzar el nuevo equilibrio, lo que reducirá los costos de mantenimiento y el valor del inventario disponible. Un importante sistema de transporte público redujo el inventario en más de $4,000,000 mientras mejoraba los niveles de servicio utilizando nuestra tecnología de vanguardia.

12 Falta de visibilidad del inventario en tiempo real

Sin información en tiempo real sobre el inventario, las empresas suelen pedir más existencias de las necesarias, lo que genera ineficiencias y mayores costos. Smart IP&O permitió a las empresas de Seneca modelar la demanda en cada ubicación de almacenamiento y, mediante una planificación basada en el nivel de servicio, determinar cuánto almacenar para lograr el nivel de servicio requerido. Al ejecutar y comparar diferentes escenarios, pueden definir y actualizar fácilmente las políticas de almacenamiento óptimas para cada representante de soporte técnico y cada almacén.

El software ha proporcionado a los técnicos de campo evidencia que no tenían antes, mostrándoles su consumo real, la frecuencia de uso de piezas y la justificación de las políticas de almacenamiento, utilizando 90% como la norma de nivel de servicio objetivo. Los técnicos de campo han adoptado su uso, con resultados significativos: el inventario de "Zero Turns" se ha reducido de $400K a menos de $100K, la "tasa de primera solución" supera los 90% y la inversión total en inventario ha disminuido en más de 25%, de $11 millones a $ 8 millones .

En conclusión, el exceso de existencias amenaza seriamente la rentabilidad y la eficiencia de las empresas, lo que genera mayores costos de almacenamiento, capital inmovilizado y posible obsolescencia de los productos. Estos problemas pueden agotar los recursos y limitar la capacidad de una empresa para responder a los cambios del mercado. Sin embargo, el exceso de existencias se puede gestionar de manera eficaz si se comprenden sus causas, como una previsión de la demanda inexacta, plazos de entrega prolongados y proveedores poco fiables. La implementación de soluciones sólidas impulsadas por IA como Smart IP&O puede ayudar a las empresas a optimizar los niveles de inventario, reducir el exceso de existencias y mejorar la eficiencia operativa. Al aprovechar las herramientas avanzadas de previsión y optimización de inventario, las empresas pueden encontrar el equilibrio adecuado para satisfacer la demanda de los clientes y minimizar los costos relacionados con el inventario.

Sin lugar a dudas, medir la precisión de los pronósticos es una parte importante del proceso de planificación de la demanda. Este cuadro de mando de pronóstico podría construirse basándose en uno de dos puntos de vista contrastantes para calcular métricas. El punto de vista del error pregunta: "¿a qué distancia estaba el pronóstico de lo real?" El punto de vista de la precisión pregunta: "¿Qué tan cerca estuvo el pronóstico de lo real?" Ambas son válidas, pero las métricas de error proporcionan más información.

La precisión se representa como un porcentaje entre cero y 100, mientras que los porcentajes de error comienzan en cero pero no tienen límite superior. Los informes de MAPE (error porcentual absoluto medio) u otras métricas de error pueden denominarse informes de “precisión del pronóstico”, lo que desdibuja la distinción. Por lo tanto, es posible que desee saber cómo pasar del punto de vista del error al punto de vista de la precisión que defiende su empresa. Este blog describe cómo con algunos ejemplos.

Las métricas de precisión se calculan de manera que cuando lo real es igual al pronóstico, la precisión es 100% y cuando el pronóstico es el doble o la mitad de lo real, entonces la precisión es 0%. Los informes que comparan el pronóstico con el real a menudo incluyen lo siguiente:

• El actual
• La previsión
• Error unitario = Pronóstico – Real
• Error absoluto = Valor absoluto del error unitario
• Error absoluto % = Error Abs / Real, como %
• Precisión % = 100% – Error absoluto %

Mire un par de ejemplos que ilustran la diferencia en los enfoques. Digamos que Real = 8 y el pronóstico es 10.

El error de unidad es 10 – 8 = 2

Error absoluto de % = 2/8, como % = 0,25 * 100 = 25%

Precisión = 100% – 25% = 75%.

Ahora digamos que el real es 8 y el pronóstico es 24.

El error de unidad es 24– 8 = 16

Error absoluto de % = 16/8 como % = 2 * 100 = 200%

Precisión = 100% – 200% = negativo se establece en 0%.

En el primer ejemplo, las mediciones de precisión proporcionan la misma información que las mediciones de error, ya que el pronóstico y lo real ya están relativamente cerca. Pero cuando el error es más del doble del real, las mediciones de precisión llegan a cero. Indica correctamente que el pronóstico no era del todo exacto. Pero el segundo ejemplo es más preciso que el tercero, donde el valor real es 8 y el pronóstico es 200. Esa es una distinción que un rango de precisión de 0 a 100% no registra. En este último ejemplo:

El error de unidad es 200 – 8 = 192

Error absoluto de % = 192/8, como % = 24 * 100 = 2,400%

Precisión = 100% – 2,400% = negativo se establece en 0%.

Las métricas de error continúan proporcionando información sobre qué tan lejos está el pronóstico de lo real y posiblemente representan mejor la precisión del pronóstico.

Alentamos a adoptar el punto de vista del error. Simplemente espera que un pequeño porcentaje de error indique que el pronóstico no estuvo lejos de lo real, en lugar de esperar un gran porcentaje de precisión para indicar que el pronóstico estuvo cerca de lo real. Este cambio de mentalidad ofrece los mismos conocimientos y al mismo tiempo elimina las distorsiones.

Los pronósticos de ventas a menudo son inexactos simplemente porque el equipo de ventas se ve obligado a dar un número a pesar de que realmente no saben cuál será la demanda de sus clientes. Deje que los equipos de ventas vendan. No se moleste en jugar el juego de fingir que acepta estos pronósticos cuando ambas partes (cadena de ventas y suministro) saben que a menudo no es más que un WAG. Haz esto en su lugar:

• Aceptar la variabilidad de la demanda como un hecho de la vida. Desarrolle un proceso de planificación que no una mejor cuenta de trabajo para la variabilidad de la demanda.

• Acuerde un nivel de riesgo de desabastecimiento que sea aceptable para todos los grupos de artículos.

• Una vez que se acuerde el riesgo de desabastecimiento, use el software para generar una estimación precisa del stock de seguridad necesario para contrarrestar la variabilidad de la demanda.

• Obtenga aceptación. Los clientes deben estar dispuestos a pagar un precio más alto por unidad para que usted brinde niveles de servicio extremadamente altos. Los vendedores deben aceptar que es más probable que ciertos artículos tengan pedidos pendientes si priorizan la inversión en inventario en otros artículos.

• El uso de un proceso de inventario de seguridad # consensuado garantiza que esté almacenando en búfer adecuadamente y estableciendo las expectativas correctas con las ventas, los clientes, las finanzas y la cadena de suministro.

Cuando haces esto, liberas a todas las partes de tener que jugar el juego de predicción para el que no estaban equipados en primer lugar. Obtendrá mejores resultados, como niveles de servicio más altos con costos de inventario más bajos. Y con mucho menos señalar con el dedo.

Muchas empresas que buscan mejorar su proceso de pronóstico no saben por dónde empezar. Puede ser confuso lidiar con el aprendizaje de nuevos métodos estadísticos, asegurarse de que los datos estén correctamente estructurados y actualizados, acordar quién es el "propietario" del pronóstico, definir qué significa propiedad y medir la precisión. Habiendo visto esto durante más de cuarenta años de práctica, escribimos este blog para delinear el enfoque central y alentarlo a mantenerlo simple desde el principio.

1. Objetividad. Primero, comprenda y comunique que el proceso de Planificación y Pronóstico de la Demanda es un ejercicio de objetividad. El enfoque está en obtener aportes de varias fuentes (partes interesadas, clientes, gerentes funcionales, bases de datos, proveedores, etc.) y decidir si esos aportes agregan valor. Por ejemplo, si anula un pronóstico estadístico y agrega 20% a la proyección, no debe simplemente asumir que lo hizo correctamente automáticamente. En su lugar, sea objetivo y verifique si eso anula el aumento o la disminución de la precisión del pronóstico. Si descubre que sus anulaciones empeoraron las cosas, ha ganado algo: esto informa el proceso y sabe cómo analizar mejor las decisiones de anulación en el futuro.

2. Trabajo en equipo. Reconocer que la previsión y la planificación de la demanda son deportes de equipo. Acuerde quién será el capitán del equipo. El capitán es responsable de crear los pronósticos estadísticos de referencia y de supervisar el proceso de planificación de la demanda. Pero los resultados dependen de que todos los miembros del equipo realicen contribuciones positivas, proporcionen datos, sugieran metodologías alternativas, cuestionen las suposiciones y ejecuten las acciones recomendadas. Los resultados finales son propiedad de la empresa y de cada una de las partes interesadas.

3. Medición. No se obsesione con los puntos de referencia de precisión de los pronósticos de la industria. Cada SKU tiene su propio nivel de "previsibilidad", y es posible que esté gestionando cualquier número de elementos difíciles. En su lugar, cree sus propios puntos de referencia basados en una secuencia de métodos de pronóstico cada vez más avanzados. Los pronósticos estadísticos avanzados pueden parecer abrumadoramente complejos al principio, así que comience de manera simple con un método básico, como pronosticar la demanda promedio histórica. Luego, mida qué tan cerca está ese pronóstico simple de la demanda real observada. A partir de ahí, desarrolle técnicas que se ocupen de complicaciones como la tendencia y la estacionalidad. Mida el progreso utilizando métricas de precisión calculadas por su software, como el error porcentual absoluto medio (MAPE). Esto permitirá que su empresa mejore un poco cada ciclo de pronóstico.

4. Tiempo. Luego concentre sus esfuerzos en hacer que la previsión sea un proceso independiente que no se combine con el complejo proceso de optimización del inventario. La gestión de inventario se basa en una sólida previsión de la demanda, pero se centra en otros temas: qué comprar, cuándo comprar, cantidades mínimas de pedido, existencias de seguridad, niveles de inventario, plazos de entrega de los proveedores, etc. Deje que la gestión de inventario pase a más adelante . Primero construya "músculo de pronóstico" creando, revisando y evolucionando el proceso de pronóstico para tener una cadencia regular. Cuando su proceso haya madurado lo suficiente, póngase al día con la velocidad creciente de los negocios aumentando el ritmo de su proceso de previsión a una cadencia mensual como mínimo.

Observaciones

Revisar el proceso de previsión de una empresa puede ser un paso importante. A veces sucede cuando hay rotación de ejecutivos, a veces cuando hay un nuevo sistema ERP, a veces cuando hay un nuevo software de pronóstico. Cualquiera que sea el evento precipitante, este cambio es una oportunidad para repensar y refinar cualquier proceso que haya tenido antes. Pero tratar de comerse todo el elefante de una sola vez es un error. En este blog, describimos algunos pasos discretos que puede seguir para lograr una evolución exitosa hacia un mejor proceso de pronóstico.

Estos son ejemplos de problemas de pronóstico que SmartForecasts puede resolver, junto con los tipos de datos comerciales representativos de cada uno.

Pronosticar un artículo en función de su patrón

Dadas las siguientes seis cifras de ventas trimestrales, ¿qué ventas puede esperar para el tercer y cuarto trimestre de 2023?

Ventas por Trimestre

SmartForecasts le brinda muchas formas de abordar este problema. Puede hacer sus propios pronósticos estadísticos utilizando cualquiera de los seis Suavizado exponencial y media móvil métodos. O, como la mayoría de los pronosticadores no técnicos, puede usar el comando Automático que ahorra tiempo, que ha sido programado para seleccionar y usar automáticamente el método más preciso para sus datos. Finalmente, para incorporar su juicio comercial en el proceso de pronóstico, puede ajustar gráficamente cualquier resultado de pronóstico estadístico usando SmartForecasts. ajuste de "globo ocular" capacidades.

Pronosticar un artículo en función de su relación con otras variables.

Dada la siguiente relación histórica entre las ventas de unidades y la cantidad de representantes de ventas, ¿qué niveles de ventas puede esperar cuando se produzca el aumento planificado del personal de ventas durante los dos últimos trimestres de 2023?

Ventas y Representantes de Ventas por Trimestre

Puede responder una pregunta como esta usando el poderoso SmartForecasts Regresión comando, diseñado específicamente para facilitar las aplicaciones de pronóstico que requieren soluciones de análisis de regresión. Los modelos de regresión con un número esencialmente ilimitado de variables predictoras/independientes son posibles, aunque la mayoría de los modelos de regresión útiles usan solo un puñado de predictores.

Pronosticar simultáneamente una cantidad de artículos de productos y su total

Dadas las siguientes ventas totales de todas las camisas de vestir y la distribución de las ventas por color, ¿cuáles serán las ventas individuales y totales durante los próximos seis meses?

Ventas mensuales de camisas de vestir por color

Las funciones exclusivas de pronóstico de grupo de SmartForecasts pronostican automática y simultáneamente series de tiempo estrechamente relacionadas, como estos artículos en el mismo grupo de productos. Esto ahorra un tiempo considerable y proporciona resultados de pronóstico no solo para los artículos individuales sino también para su total. Los ajustes de "ojo" tanto a nivel de elemento como de grupo son fáciles de realizar. Puede crear rápidamente pronósticos para grupos de productos con cientos o incluso miles de artículos.

Pronóstico de miles de artículos automáticamente

Dado el siguiente registro de demanda de productos a nivel de SKU, ¿cuál puede esperar que sea la demanda durante los próximos seis meses para cada uno de los 5000 SKU?

Demanda Mensual de Producto por SKU (Unidad de Mantenimiento de Stock)

En solo unos minutos, la poderosa selección automática de SmartForecasts puede realizar un trabajo de pronóstico de este tamaño, leer los datos de demanda del producto, crear automáticamente pronósticos estadísticos para cada SKU y guardar el resultado. Los resultados están listos para exportarlos a su sistema ERP aprovechando cualquiera de nuestros conectores basados en API o mediante la exportación de archivos. Una vez configurados, los pronósticos se producirán automáticamente en cada ciclo de planificación sin la intervención del usuario.

Pronosticar la demanda que en la mayoría de los casos es cero

Un tipo de datos distinto y especialmente desafiante para pronosticar es intermitente demanda, que suele ser cero, pero salta a valores aleatorios distintos de cero en momentos aleatorios. Este patrón es típico de la demanda de lento Moviente artículos, tales como repuestos o grande boleto bienes de equipo.

Por ejemplo, considere la siguiente muestra de demanda de repuestos para aeronaves. Tenga en cuenta la preponderancia de valores cero mezclados con valores distintos de cero, a menudo en ráfagas.

SmartForecasts tiene un método único diseñado especialmente para este tipo de datos: la función de pronóstico de Demanda Intermitente. Dado que la demanda intermitente surge con mayor frecuencia en el contexto del control de inventario, esta función se enfoca en pronosticar el rango de valores probables para la demanda total durante un tiempo de anticipación, por ejemplo, la demanda acumulada durante el período del 23 de junio al 23 de agosto en el ejemplo anterior. .

Pronóstico de requisitos de inventario

La previsión de necesidades de inventario es una variante especializada de la previsión que se centra en el extremo superior del rango de valores futuros posibles.

Para simplificar, considere el problema de pronosticar los requisitos de inventario para solo un período por delante, digamos un día por delante. Por lo general, el trabajo de pronóstico consiste en estimar el nivel promedio o más probable de demanda del producto. Sin embargo, si el inventario disponible es igual a la demanda promedio, existe una probabilidad de 50% de que la demanda supere el inventario, lo que resultará en pérdida de ventas y/o pérdida de buena voluntad. Establecer el nivel de inventario en, digamos, diez veces la demanda promedio probablemente eliminará el problema de los desabastecimientos, pero seguramente resultará en costos de inventario inflados.

El truco de la optimización del inventario es encontrar un equilibrio satisfactorio entre tener suficiente inventario para satisfacer la mayor parte de la demanda sin comprometer demasiados recursos en el proceso. Por lo general, la solución es una combinación de criterio empresarial y estadísticas. La parte crítica es definir un nivel de servicio de inventario aceptable, como satisfacer 95% de demanda inmediatamente desde el stock. La parte estadística es estimar el percentil 95 de la demanda.

Cuando no se trata de demanda intermitente, SmartForecasts estima el nivel de inventario requerido asumiendo una curva de demanda en forma de campana (Normal), estimando tanto el centro como el ancho de la curva de campana y luego usando una fórmula estadística estándar para estimar el percentil deseado. La diferencia entre el nivel de inventario deseado y el nivel promedio de demanda se denomina stock de seguridad porque protege contra la posibilidad de desabastecimiento.

Cuando se trata de demanda intermitente, la curva en forma de campana es una mala aproximación a la distribución estadística de la demanda. En este caso especial, SmartForecasts utiliza tecnología patentada de pronóstico de demanda intermitente para estimar el nivel de servicio de inventario requerido.