Introducción a la predicción probabilística

El Blog de Smart

 Recomendaciones para la planificación de la demanda,

previsión y optimización de inventario

Si sigues las noticias sobre análisis de la cadena de suministro, se encontrará con más frecuencia con la frase “pronóstico probabilístico”. Si esta frase es desconcertante, sigue leyendo.

Probablemente ya sepa lo que significa "pronóstico". Y probablemente también sepa que parece haber muchas maneras diferentes de hacerlo. Y probablemente haya escuchado pequeñas frases picantes como "todo pronóstico es incorrecto". Así que sabes que algún tipo de matemágica podría calcular que "el pronóstico es que venderá 100 unidades el próximo mes", y luego podría vender 110 unidades, en cuyo caso tiene un error de pronóstico 10%.

Es posible que no sepa que lo que acabo de describir es un tipo particular de pronóstico llamado "pronóstico puntual". Un pronóstico puntual se llama así porque consta de un solo número (es decir, un punto en la recta numérica, si recuerda la recta numérica de su juventud).

Pronósticos puntuales tienen una virtud: Son simples. También tienen un defecto: dan lugar a afirmaciones sarcásticas como “todas las previsiones están equivocadas”. Es decir, en la mayoría de los casos realistas, es poco probable que el valor real sea exactamente igual al pronóstico. (Lo cual no es gran cosa si el pronóstico es lo suficientemente cercano).

Esto nos lleva al "pronóstico probabilístico". Este enfoque es un paso adelante, porque en lugar de producir un pronóstico de un solo número (punto), produce una distribución de probabilidad para el pronóstico. Y a diferencia de los modelos extrapolativos tradicionales que se basan únicamente en los datos históricos, los pronósticos probabilísticos tienen la capacidad de simular valores futuros que no están anclados al pasado.

“Distribución de probabilidad” es una frase prohibitiva, que evoca algunas matemáticas arcanas de las que quizás hayas oído hablar pero que nunca hayas estudiado. Afortunadamente, la mayoría de los adultos tienen suficiente experiencia de vida para tener una comprensión intuitiva del concepto. Cuando se desglosa, es bastante sencillo de entender.

Imagina el simple acto de lanzar dos monedas. Puede llamar a esto diversión inofensiva, pero yo lo llamo un "experimento probabilístico". El número total de caras que salgan en las dos monedas será cero, uno o dos. Lanzar dos monedas es un "experimento aleatorio". El número resultante de cabezas es una "variable aleatoria". Tiene una “distribución de probabilidad”, que no es más que una tabla de la probabilidad de que la variable aleatoria tenga alguno de sus posibles valores. La probabilidad de obtener dos caras cuando las monedas son justas resulta ser ¼, al igual que la probabilidad de que no salga cara. La probabilidad de una cara es ½.

El mismo enfoque puede describir una variable aleatoria más interesante, como la demanda diaria de una pieza de repuesto. La Figura 2 muestra tal distribución de probabilidad. Se calculó mediante la compilación de tres años de datos de demanda diaria de una determinada parte utilizada en un instrumento científico vendido a hospitales.

 

Probabilistic demand forecast 1

Figura 1: La distribución de probabilidad de la demanda diaria de una determinada pieza de repuesto

 

La distribución de la Figura 1 se puede considerar como un pronóstico probabilístico de la demanda en un solo día. Para esta parte en particular, vemos que es muy probable que el pronóstico sea cero (probabilidad 97%), pero a veces será para un puñado de unidades, y una vez cada tres años será para veinte unidades. Aunque el pronóstico más probable es cero, querrás tener algunos a mano si esta parte fuera crítica ("... por falta de un clavo...")

Ahora usemos esta información para hacer un pronóstico probabilístico más complicado. Suponga que tiene tres unidades a mano. ¿Cuántos días tardará en no tener ninguno? Hay muchas respuestas posibles, que van desde un solo día (si obtiene inmediatamente una demanda de tres o más) hasta un número muy grande (ya que 97% de días no ven demanda). El análisis de esta pregunta es un poco complicado debido a todas las formas en que esta situación puede desarrollarse, pero la respuesta final que es más informativa será una distribución de probabilidad. Resulta que el número de días hasta que no quedan unidades en stock tiene la distribución que se muestra en la Figura 2.

Probabilistic demand forecast 2

Figura 2: Distribución del número de días hasta que se acaban las tres unidades

 

El promedio de días es 74, lo que sería un pronóstico puntual, pero hay mucha variación alrededor del promedio. Desde la perspectiva de la gestión de inventario, cabe destacar que existe una posibilidad de 25% de que todas las unidades se hayan ido después de 32 días. Entonces, si decidió pedir más cuando solo tenía tres en el estante, sería bueno que el proveedor se los entregue antes de que haya pasado un mes. Si no pudieran, tendría la posibilidad de agotarse el 75%, lo que no es bueno para una pieza crítica.

El análisis detrás de la Figura 2 implicó hacer algunas suposiciones que eran convenientes pero no necesarias si no eran ciertas. Los resultados provinieron de un método llamado "simulación de Monte Carlo", en el que comenzamos con tres unidades, elegimos una demanda aleatoria de la distribución en la Figura 1, la restamos de las existencias actuales y continuamos hasta que se agoten las existencias, registrando cuántas Pasaron los días antes de que se acabara. Repitiendo este proceso 100.000 veces se produjo la Figura 2.

Las aplicaciones de la simulación de Monte Carlo se extienden a problemas de alcance aún mayor que el ejemplo anterior de "cuándo nos quedamos sin". Especialmente importantes son los pronósticos de Monte Carlo de la demanda futura. Si bien el resultado habitual de los pronósticos es un conjunto de pronósticos puntuales (por ejemplo, la demanda unitaria esperada durante los próximos doce meses), sabemos que la demanda real podría desarrollarse de varias maneras. La simulación podría usarse para producir, digamos, mil conjuntos posibles de 365 demandas diarias.

Este conjunto de escenarios de demanda expondría de manera más completa el rango de posibles situaciones con las que tendría que lidiar un sistema de inventario. Este uso de la simulación se denomina "prueba de estrés", porque expone un sistema a una variedad de escenarios variados pero realistas, incluidos algunos desagradables. Luego, esos escenarios se ingresan en modelos matemáticos del sistema para ver qué tan bien los manejará, como se refleja en los indicadores clave de rendimiento (KPI). Por ejemplo, en esos mil años simulados de operación, ¿cuántos desabastecimientos hay en el peor año? el año promedio? el mejor año? De hecho, ¿cuál es la distribución de probabilidad completa del número de desabastecimientos en un año y cuál es la distribución de su tamaño?

Las Figuras 3 y 4 ilustran el modelado probabilístico de un sistema de control de inventario que convierte los desabastecimientos en pedidos atrasados. El sistema simulado usa una política de control Min/Max con Min = 10 unidades y Max = 20 unidades.

La Figura 3 muestra un año simulado de operaciones diarias en cuatro parcelas. El primer gráfico muestra un patrón particular de demanda diaria aleatoria en el que la demanda promedio aumenta constantemente de lunes a viernes pero desaparece los fines de semana. La segunda gráfica muestra el número de unidades disponibles cada día. Tenga en cuenta que hay una docena de veces durante este año simulado cuando el inventario se vuelve negativo, lo que indica falta de existencias. El tercer gráfico muestra el tamaño y el momento de los pedidos de reabastecimiento. La cuarta gráfica muestra el tamaño y el tiempo de los pedidos pendientes. La información de estos gráficos se puede traducir en estimaciones de inversión en inventario, unidades promedio disponibles, costos de mantenimiento, costos de pedido y costos de escasez.

Probabilistic demand forecast 3

Figura 3: Un año simulado de operación del sistema de inventario

 

La figura 3 muestra uno de mil años simulados. Cada año tendrá diferentes demandas diarias, lo que dará como resultado diferentes valores de métricas como unidades disponibles y los diversos componentes del costo operativo. La figura 4 traza la distribución de 1000 valores simulados de cuatro KPI. La simulación de 1000 años de operación imaginada expone el rango de resultados posibles para que los planificadores puedan tener en cuenta no solo los resultados promedio, sino también ver los valores en el mejor y el peor de los casos.

Probabilistic demand forecast 4

Figura 4: Distribuciones de cuatro KPI basadas en 1000 simulaciones

 

La simulación de Monte Carlo es un enfoque de pronóstico probabilístico de pocas matemáticas y altos resultados: muy práctico y fácil de explicar. Los métodos avanzados de pronóstico probabilístico empleados por Smart Software amplían la simulación estándar de Monte Carlo y producen estimaciones extremadamente precisas de los niveles de inventario requeridos.

 

Deja un comentario

Artículos Relacionados

Undershoot is Sabotaging your Service Level!

¡Undershoot está saboteando su nivel de servicio!

Undershoot significa que el tiempo de entrega no comienza en el punto de pedido sino por debajo de él. El subimpulso ocurre cada vez que la demanda que incumplió el punto de pedido hizo que las existencias cayeran por debajo (no hasta) el punto de pedido. Undershoot te roba el bolsillo incluso antes de que comiences a tirar los dados. Engaña al profesional de inventario haciéndole creer que sus puntos de reorden son suficientes para lograr sus objetivos, mientras que el desempeño real no alcanzará la calificación.

How to Choose a Target Service Level

Cómo elegir un nivel de servicio objetivo

Al establecer un nivel de servicio objetivo, asegúrese de tener en cuenta factores como los niveles de servicio actuales, los plazos de reabastecimiento, las restricciones de costos, el dolor que la escasez le causa a usted y a sus clientes, y su posición competitiva.

Reveal Your Real Inventory Planning and Forecasting Policy by Answering These 10 Questions

Revela tu política real de planificación y pronóstico de inventario respondiendo estas 10 preguntas

En este blog, revisamos 10 preguntas específicas que puede hacer para descubrir qué está sucediendo realmente con la política de planificación de inventario y previsión de demanda en su empresa. Detallamos las respuestas típicas proporcionadas cuando en realidad no existe una política de previsión/planificación de inventario, explicamos cómo interpretar estas respuestas y ofrecemos algunos consejos claros sobre qué hacer al respecto.

Mensajes recientes

  • Managing Spare Parts Inventory: Best PracticesGestión del inventario de repuestos: mejores prácticas
    En este blog, exploraremos varias estrategias efectivas para administrar el inventario de repuestos, haciendo hincapié en la importancia de optimizar los niveles de existencias, mantener los niveles de servicio y usar herramientas inteligentes para ayudar en la toma de decisiones. La gestión del inventario de repuestos es un componente fundamental para las empresas que dependen del tiempo de funcionamiento de los equipos y la fiabilidad del servicio. A diferencia de los artículos de inventario habituales, los repuestos suelen tener patrones de demanda impredecibles, lo que hace que sea más difícil gestionarlos de forma eficaz. Un sistema de gestión de inventario de repuestos eficiente ayuda a evitar la falta de existencias que puede provocar tiempos de inactividad operativa y retrasos costosos, a la vez que evita el exceso de existencias que inmoviliza innecesariamente el capital y aumenta los costes de mantenimiento. […]
  • 5 Ways to Improve Supply Chain Decision Speed5 formas de mejorar la velocidad de toma de decisiones en la cadena de suministro
    La promesa de una cadena de suministro digital ha transformado la forma en que operan las empresas. En esencia, permite tomar decisiones rápidas basadas en datos y, al mismo tiempo, garantizar la calidad y la eficiencia en todas las operaciones. Sin embargo, no se trata solo de tener acceso a más datos. Las organizaciones necesitan las herramientas y plataformas adecuadas para convertir esos datos en información procesable. Aquí es donde la toma de decisiones se vuelve fundamental, especialmente en un panorama en el que las nuevas soluciones de cadena de suministro digital y las plataformas impulsadas por IA pueden ayudarlo a agilizar muchos procesos dentro de la matriz de decisiones. […]
  • Two employees checking inventory in temporary storage in a distribution warehouse.12 causas del exceso de stock y soluciones prácticas
    Gestionar el inventario de manera eficaz es fundamental para mantener un balance saludable y garantizar que los recursos se asignen de manera óptima. A continuación, se analizan en profundidad las principales causas del exceso de existencias, sus implicaciones y posibles soluciones. […]
  • FAQ Mastering Smart IP&O for Better Inventory ManagementPreguntas frecuentes: Cómo dominar la IP&O inteligente para una mejor gestión del inventario.
    Una gestión eficaz de la cadena de suministro y del inventario es esencial para lograr la eficiencia operativa y la satisfacción del cliente. Este blog ofrece respuestas claras y concisas a algunas preguntas básicas y otras preguntas comunes de nuestros clientes de Smart IP&O, ofreciendo información práctica para superar los desafíos típicos y mejorar sus prácticas de gestión de inventario. Centrándonos en estas áreas clave, lo ayudamos a transformar problemas complejos de inventario en acciones estratégicas y manejables que reducen los costos y mejoran el rendimiento general con Smart IP&O. […]
  • 7 Key Demand Planning Trends Shaping the Future7 tendencias clave en planificación de la demanda que están dando forma al futuro
    La planificación de la demanda va más allá de la simple previsión de las necesidades de productos; se trata de garantizar que su empresa satisfaga las demandas de los clientes con precisión, eficiencia y rentabilidad. La última tecnología de planificación de la demanda aborda desafíos clave como la precisión de las previsiones, la gestión de inventarios y la capacidad de respuesta al mercado. En este blog, presentaremos tendencias críticas de planificación de la demanda, que incluyen información basada en datos, previsión probabilística, planificación por consenso, análisis predictivo, modelado de escenarios, visibilidad en tiempo real y previsión multinivel. Estas tendencias le ayudarán a mantenerse a la vanguardia, optimizar su cadena de suministro, reducir costes y mejorar la satisfacción del cliente, posicionando a su empresa para el éxito a largo plazo. […]

    Optimización de inventario para fabricantes, distribuidores y MRO

    • Managing Spare Parts Inventory: Best PracticesGestión del inventario de repuestos: mejores prácticas
      En este blog, exploraremos varias estrategias efectivas para administrar el inventario de repuestos, haciendo hincapié en la importancia de optimizar los niveles de existencias, mantener los niveles de servicio y usar herramientas inteligentes para ayudar en la toma de decisiones. La gestión del inventario de repuestos es un componente fundamental para las empresas que dependen del tiempo de funcionamiento de los equipos y la fiabilidad del servicio. A diferencia de los artículos de inventario habituales, los repuestos suelen tener patrones de demanda impredecibles, lo que hace que sea más difícil gestionarlos de forma eficaz. Un sistema de gestión de inventario de repuestos eficiente ayuda a evitar la falta de existencias que puede provocar tiempos de inactividad operativa y retrasos costosos, a la vez que evita el exceso de existencias que inmoviliza innecesariamente el capital y aumenta los costes de mantenimiento. […]
    • Innovating the OEM Aftermarket with AI-Driven Inventory Optimization XLInnovando en el mercado de repuestos OEM con optimización de inventario impulsada por IA
      El sector de posventa ofrece a los fabricantes de equipos originales una ventaja decisiva al ofrecer un flujo de ingresos constante y fomentar la lealtad del cliente mediante la entrega confiable y oportuna de piezas de repuesto. Sin embargo, la gestión del inventario y la previsión de la demanda en el mercado de posventa está plagada de desafíos, incluidos patrones de demanda impredecibles, amplias gamas de productos y la necesidad de entregas rápidas. Los métodos tradicionales a menudo no son suficientes debido a la complejidad y variabilidad de la demanda en el mercado de posventa. Las últimas tecnologías pueden analizar grandes conjuntos de datos para predecir la demanda futura con mayor precisión y optimizar los niveles de inventario, lo que conduce a un mejor servicio y menores costos. […]
    • Future-Proofing Utilities. Advanced Analytics for Supply Chain OptimizationUtilidades preparadas para el futuro: análisis avanzados para la optimización de la cadena de suministro
      Los servicios públicos en los campos de la electricidad, el gas natural, el agua urbana y las telecomunicaciones requieren muchos activos y dependen de una infraestructura física que debe mantenerse, actualizarse y mejorarse adecuadamente con el tiempo. Maximizar el tiempo de actividad de los activos y la confiabilidad de la infraestructura física exige una gestión eficaz del inventario, la previsión de piezas de repuesto y la gestión de proveedores. Una empresa de servicios públicos que ejecuta estos procesos de manera efectiva superará a sus pares, brindará mejores retornos para sus inversores y mayores niveles de servicio para sus clientes, al mismo tiempo que reducirá su impacto ambiental. […]
    • Centering Act Spare Parts Timing Pricing and ReliabilityLey de centrado: sincronización, precio y confiabilidad de los repuestos
      En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio. […]

      Mantener el rumbo

       

      Me he parado frente a miles de estudiantes. Han sido más o menos jóvenes, más o menos técnicos, más o menos experimentados y más o menos interesados. He hecho esto como miembro de la facultad universitaria desde 1972, primero en el Instituto de Tecnología de Massachusetts, luego en la Universidad de Harvard y finalmente en la Escuela de Ingeniería del Instituto Politécnico Rensselaer. Entre Harvard y RPI abandoné la academia temporalmente para cofundó Smart Software con Charlie Smart y Nelson Hartunian. Entonces, desde entonces, también he estado ocupado capacitando a los usuarios comerciales para que aprovechen el poder de los análisis avanzados para la previsión y la optimización del inventario.

      Mientras escribo esto, acabo de regresar a mi oficina en RPI después de presentarles a los estudiantes de primer año de Ingeniería Industrial los conceptos básicos de la gestión de inventario. Si se apegan al programa, seguirán tomando los cursos requeridos en cadena de suministro, simulación de sistemas, análisis estadístico y optimización. Les conté historias sobre lo útiles que serían para sus empresas si decidieran hacer carrera en el mundo de la cadena de suministro. Si hubiera tenido más tiempo, habría mencionado cuán capaces serán cuando se gradúen en relación con muchos de sus pares corporativos. Estos estudiantes de primer año están listos y dispuestos a seguir el curso, absorbiendo todas las técnicas y teorías que podemos arrojarles, y perfeccionando sus habilidades prácticas en trabajos de verano o asignaciones cooperativas.

      Lo que no les dije es que muchos de ellos tendrán que trabajar para mantener su intensidad cuando estén en el trabajo. Es una triste verdad que, por la razón que sea, muchos profesionales del inventario se asientan en una especie de estancamiento que impide la capacidad de sus empresas para explotar las últimas tecnologías, como la previsión de demanda avanzada basada en la nube y la optimización del inventario. Reúna a suficientes de esas personas en un solo lugar y la agilidad y la eficiencia mejorada desaparecerán.

      Creo que uno de los factores que aburre a las personas es que el proceso de implementación con frecuencia se siente dolorosamente incremental y prolongado. A menudo comienza con un inventario aleccionador de datos relevantes, su corrección y su actualidad. Luego pasa a un descubrimiento, a menudo incómodo, de que realmente no existe un proceso sistemático y la consiguiente necesidad de diseñar uno bueno en el futuro. Lo siguiente es la necesidad de aprender a usar un nuevo paquete de software. Ese paso implica aprender nuevo vocabulario, cierto nivel de pensamiento probabilístico, la capacidad de interpretar nuevos gráficos y tablas, sin mencionar una nueva interfaz de software. Todo esto requiere tiempo y esfuerzo.

       

      Forecast accuracy provides a statistically sound

       

      Descubrimos que algunas cosas ayudan a los nuevos clientes a mantener el rumbo. Uno es tener un campeón entre la gerencia, un patrocinador ejecutivo, que pueda dar fe de la importancia comercial de una implementación exitosa mientras asegura que los usuarios reciban apoyo con educación continua. Un segundo es identificar y capacitar a uno o dos superusuarios que tengan combinaciones inusuales de habilidades técnicas y de comunicación. Un tercero consiste en dividir la capacitación en fragmentos del tamaño de un bocado y evaluar la comprensión después de cada fragmento y repetir este proceso hasta que quede claro que los nuevos conceptos, el vocabulario y el proceso se absorben por completo. Pero todas esas maniobras se desvanecerán sin que la gerencia se involucre y esté lista para mantener el rumbo. Las prácticas de planificación de inventario vigentes durante muchos años no se reemplazarán por completo en un proceso de implementación de tres meses. Tienes que quererlo para conseguirlo.

       

       

      Deja un comentario
      Artículos Relacionados
      Are You Playing the Inventory Guessing Game?

      ¿Estás jugando al juego de adivinar el inventario?

      Algunas empresas invierten en software que les ayude a gestionar su inventario, ya sean repuestos o productos terminados. Pero un número sorprendente de personas juegan el juego de adivinar el inventario todos los días, confiando en un “tripa dorada” imaginario o en la simple suerte para establecer sus parámetros de control de inventario. Pero, ¿qué tipo de resultados espera con ese enfoque?

      Finding Your Spot on the Tradeoff Curve

      Encontrar su lugar en la curva de compensación

      La gestión del inventario, como la gestión de cualquier cosa, implica equilibrar prioridades en competencia. ¿Quieres un inventario ajustado? ¡Sí! ¿Quiere poder decir "Está en stock" cuando un cliente quiere comprar algo? ¡Sí!
      ¿Pero puedes tener ambas cosas? Sólo hasta cierto punto. Si se inclina por inclinar su inventario de manera demasiado agresiva, corre el riesgo de quedarse sin existencias. Si eliminas los desabastecimientos, creas un exceso de inventario. Se ve obligado a encontrar un equilibrio satisfactorio entre los dos objetivos en competencia: un inventario reducido y una alta disponibilidad de artículos.

      Direct to the Brain of the Boss – Inventory Analytics and Reporting

      Directo al cerebro del jefe: análisis e informes de inventario

      En este blog, la atención se centra en el software que crea informes para la gestión, el héroe silencioso que traduce la belleza de los cálculos furiosos en informes procesables. Observe cómo los cálculos, intrincadamente guiados por los planificadores que utilizan nuestro software, convergen sin problemas en informes de Smart Operational Analytics (SOA), dividiendo cinco áreas clave: análisis de inventario, rendimiento del inventario, tendencias del inventario, rendimiento de los proveedores y anomalías de la demanda.

      Planificación de orden probabilística vs. determinista

      El Blog de Smart

      Man with a computer in a warehouse best practices in demand planning, forecasting and inventory optimization

      Considere el problema de reponer el inventario. Para ser específicos, suponga que el artículo de inventario en cuestión es una pieza de repuesto. Tanto usted como su proveedor querrán saber cuánto ordenarán y cuándo. Y su sistema ERP puede estar insistiendo en que también le diga el secreto.

      Modelo determinista de reabastecimiento

      La forma más sencilla de obtener una respuesta decente a esta pregunta es asumir que el mundo es, bueno, simple. En este caso, simple significa "no aleatorio" o, en lenguaje geek, "determinista". En particular, pretende que el tamaño aleatorio y el tiempo de la demanda es realmente un goteo continuo de un tamaño fijo que viene en un intervalo fijo, por ejemplo, 2, 2, 2, 2, 2, 2... Si esto parece poco realista , es. La demanda real podría parecerse más a esto: 0, 1, 10, 0, 1, 0, 0, 0 con muchos ceros, picos ocasionales pero aleatorios.

      Pero la sencillez tiene sus virtudes. Si pretende que la demanda promedio ocurre todos los días como un reloj, es fácil calcular cuándo deberá realizar su próximo pedido y cuántas unidades necesitará. Por ejemplo, suponga que su política de inventario es del tipo (Q,R), donde Q es una cantidad de pedido fija y R es un punto de pedido fijo. Cuando las existencias caen hasta el punto de reorden R o por debajo de este, pide Q unidades más. Para redondear la fantasía, suponga que el tiempo de reabastecimiento también es fijo: después de L días, esas Q nuevas unidades estarán en el estante listas para satisfacer la demanda.

      Todo lo que necesita ahora para responder a sus preguntas es la demanda promedio por día D para el artículo. La lógica es así:

      1. Comienza cada ciclo de reabastecimiento con Q unidades disponibles.
      2. Usted agota ese stock en D unidades por día.
      3. Por lo tanto, alcanza el punto de pedido R después de (QR)/D días.
      4. Entonces, usted ordena cada (QR)/D días.
      5. Cada ciclo de reabastecimiento dura (QR)/D + L días, por lo que realiza un total de 365D/(Q-R+LD) pedidos por año.
      6. Siempre que el tiempo de entrega L < R/D, nunca se agotará y su inventario será lo más pequeño posible.

      La figura 1 muestra el gráfico del inventario disponible frente al tiempo para el modelo determinista. En torno al software inteligente, nos referimos a este gráfico como el "diente de sierra determinista". El stock comienza en el nivel de la última cantidad de pedido Q. Después de disminuir constantemente durante el tiempo de caída (QR)/D, el nivel llega al punto de pedido R y activa un pedido de otras Q unidades. Durante el tiempo de entrega L, las existencias caen exactamente a cero, luego llega mágicamente el nuevo pedido y comienza el siguiente ciclo.

      Figure 1 Deterministic model of on-hand inventory

      Figura 1: Modelo determinista de inventario disponible

       

      Este modelo tiene dos cosas a su favor. No requiere más que álgebra de secundaria y combina (casi) todos los factores relevantes para responder las dos preguntas relacionadas: ¿Cuándo tendremos que hacer el próximo pedido? ¿Cuántos pedidos haremos en un año?

      Modelo Probabilístico de Reposición

      No es sorprendente que si eliminamos parte de la fantasía del modelo determinista, obtengamos información más útil. El modelo probabilístico incorpora toda la desordenada aleatoriedad del problema del mundo real: la incertidumbre tanto en el momento como en el tamaño de la demanda, la variación en el tiempo de reabastecimiento y las consecuencias de esos dos factores: la posibilidad de que las existencias disponibles no alcancen el reabastecimiento. punto, la probabilidad de que haya un desabastecimiento, la variabilidad en el tiempo hasta el próximo pedido y el número variable de pedidos ejecutados en un año.

      El modelo probabilístico funciona simulando las consecuencias de una demanda incierta y un tiempo de entrega variable. Mediante el análisis de los patrones históricos de demanda del artículo (y la exclusión de cualquier observación registrada durante un período en el que la demanda pudo haber sido fundamentalmente diferente), los métodos estadísticos avanzados crean una cantidad ilimitada de escenarios de demanda realistas. Se aplica un análisis similar a los registros de los plazos de entrega de los proveedores. La combinación de estos escenarios de oferta y demanda con las reglas operativas de cualquier política de control de inventario produce escenarios de la cantidad de piezas disponibles. De estos escenarios, podemos extraer resúmenes de los diferentes intervalos entre órdenes.

      La Figura 2 muestra un ejemplo de un escenario probabilístico; la demanda es aleatoria y el artículo se administra utilizando el punto de pedido R = 10 y la cantidad de pedido Q = 20. Atrás quedó el diente de sierra determinista; en su lugar hay algo más complejo y realista (la Escalera Probabilística). Durante los 90 días simulados de operación, se realizaron 9 pedidos y el tiempo entre pedidos varió claramente.

      Usando el modelo probabilístico, las respuestas a las dos preguntas (cuánto tiempo entre pedidos y cuántos en un año) se expresan como distribuciones de probabilidad que reflejan las probabilidades relativas de varios escenarios. La figura 3 muestra la distribución del número de días entre pedidos después de diez años de funcionamiento simulado. Si bien el promedio es de aproximadamente 8 días, el número real varía ampliamente, de 2 a 17.

      En lugar de decirle a su proveedor que realizará X pedidos el próximo año, ahora puede proyectar X ± Y pedidos, y su proveedor conoce mejor sus riesgos al alza y a la baja. Mejor aún, podría proporcionar la distribución completa como la respuesta más rica posible.

      Figure 2 A probabilistic scenario of on-hand inventory

      Figura 2 Un escenario probabilístico de inventario disponible

       

      Figure 3 Distribution of days between orders

      Figura 3: Distribución de días entre pedidos

       

      Subiendo la escalera aleatoria hacia una mayor eficiencia

      Ir más allá del modelo determinista de inventario abre nuevas posibilidades para optimizar las operaciones. En primer lugar, el modelo probabilístico permite una evaluación realista del riesgo de desabastecimiento. El modelo simple en la Figura 1 implica que nunca hay un desabastecimiento, mientras que los escenarios probabilísticos permiten la posibilidad (aunque en la Figura 2 solo hubo una llamada cercana alrededor del día 70). Una vez que se conoce el riesgo, el software puede optimizar buscando en el "espacio de diseño" (es decir, todos los valores posibles de R y Q) para encontrar un diseño que cumpla con un nivel objetivo de riesgo de desabastecimiento a un costo mínimo. El valor del modelo determinista en este análisis más realista es que proporciona un buen punto de partida para la búsqueda a través del espacio de diseño.

      Resumen

      El software moderno proporciona respuestas a preguntas operativas con varios grados de detalle. Utilizando el ejemplo del tiempo entre pedidos de reabastecimiento, hemos demostrado que la respuesta se puede calcular de manera aproximada pero rápida mediante un modelo determinista simple. Pero también se puede proporcionar con mucho más detalle con toda la variabilidad expuesta por un modelo probabilístico. Pensamos en estas alternativas como complementarias. El modelo determinista agrupa todas las variables clave en un formato fácil de entender. El modelo probabilístico proporciona el realismo adicional que los profesionales esperan y respalda la búsqueda efectiva de opciones óptimas de punto de pedido y cantidad de pedido.

       

      Deja un comentario
      Artículos Relacionados
      Are You Playing the Inventory Guessing Game?

      ¿Estás jugando al juego de adivinar el inventario?

      Algunas empresas invierten en software que les ayude a gestionar su inventario, ya sean repuestos o productos terminados. Pero un número sorprendente de personas juegan el juego de adivinar el inventario todos los días, confiando en un “tripa dorada” imaginario o en la simple suerte para establecer sus parámetros de control de inventario. Pero, ¿qué tipo de resultados espera con ese enfoque?

      Finding Your Spot on the Tradeoff Curve

      Encontrar su lugar en la curva de compensación

      La gestión del inventario, como la gestión de cualquier cosa, implica equilibrar prioridades en competencia. ¿Quieres un inventario ajustado? ¡Sí! ¿Quiere poder decir "Está en stock" cuando un cliente quiere comprar algo? ¡Sí!
      ¿Pero puedes tener ambas cosas? Sólo hasta cierto punto. Si se inclina por inclinar su inventario de manera demasiado agresiva, corre el riesgo de quedarse sin existencias. Si eliminas los desabastecimientos, creas un exceso de inventario. Se ve obligado a encontrar un equilibrio satisfactorio entre los dos objetivos en competencia: un inventario reducido y una alta disponibilidad de artículos.

      Direct to the Brain of the Boss – Inventory Analytics and Reporting

      Directo al cerebro del jefe: análisis e informes de inventario

      En este blog, la atención se centra en el software que crea informes para la gestión, el héroe silencioso que traduce la belleza de los cálculos furiosos en informes procesables. Observe cómo los cálculos, intrincadamente guiados por los planificadores que utilizan nuestro software, convergen sin problemas en informes de Smart Operational Analytics (SOA), dividiendo cinco áreas clave: análisis de inventario, rendimiento del inventario, tendencias del inventario, rendimiento de los proveedores y anomalías de la demanda.

      Hacer frente a la creciente demanda durante el rebote económico

      El Blog de Smart

       Recomendaciones para la planificación de la demanda,

      previsión y optimización de inventario

      Muchos de nuestros clientes que vieron cómo la demanda se agotaba durante la pandemia ahora ven que la demanda regresa. Algunos están viendo un aumento significativo de la demanda. Otros clientes en industrias críticas como los plásticos, la biotecnología, los semiconductores y la electrónica vieron aumentos repentinos de la demanda desde abril pasado. Para obtener sugerencias sobre cómo hacer frente a estas situaciones, siga leyendo.

      El aumento de la demanda suele crear dos problemas: la incapacidad para cumplir con los pedidos y la incapacidad para reabastecerse debido a la sobrecarga de proveedores. Esta situación requiere cambios en la forma en que utiliza su software de planificación avanzada. Aquí hay tres consejos para ayudarle a sobrellevar la situación.

       

      Consejo #1: reduzca su enfoque temporal

       

      En tiempos normales (¿los recuerdas?), más datos implicaban mejores resultados. Hoy en día, los datos antiguos envenenan tus cálculos, ya que representan condiciones que ya no se aplican. Debe basar las previsiones y otros cálculos en datos de la situación actual. Dónde cortar los datos anteriores puede ser obvio a partir de un gráfico de los datos, o puede decidir establecer una fecha de corte "razonable" basada en un consenso de colegas. Smart Software ha desarrollado algoritmos de aprendizaje automático que identifican automáticamente la cantidad de datos históricos que se deben alimentar de manera óptima al modelo de pronóstico. Esté atento a estas mejoras en el software que se implementarán pronto. Mientras tanto, realice pruebas de precisión utilizando datos reales retenidos utilizando diferentes fechas de inicio históricas. La función de pronóstico vs. real de Smart admitirá esto automáticamente.

      Smart Demand Planner forecasts vs. actual report

       

      Consejo #2: Aumente el ritmo de su planificación

       

      Cuando las operaciones son estables, puede establecer sus políticas de inventario y confiar en que serán adecuadas durante mucho tiempo. Cuando los tiempos son turbulentos, es importante aumentar la frecuencia de sus ciclos de planificación para evitar que la configuración de políticas anterior se aleje demasiado de la óptima.  Recalibración más frecuente de sus políticas de almacenamiento y los pronósticos significan que será más rápido para captar las tendencias que sorprenderán a su competencia y lo mantendrán siempre un paso por delante. Con un software capaz de seleccionar automáticamente los valores óptimos, el software puede realizar todo ese trabajo de una sola vez. Debe revisar esos cambios y posiblemente modificarlos, pero tiene sentido dejar que el software haga la mayor parte del trabajo.

       

      Sugerencia #3: haga más planificación hipotética

       

      En tiempos turbulentos, es posible que espere aún más turbulencias en el futuro. El uso de su software para la planificación hipotética lo ayuda a prepararse para los cambios que se avecinan. Por ejemplo, suponga que ha estado en contacto con un proveedor clave que insinúa que puede estar subiendo los precios o que puede tener que retrasar los plazos de entrega. Al alimentar el software con diferentes entradas, puede hacer una planificación de contingencia. Si los precios suben, puede ver cómo responder cambiando las cantidades de los pedidos afectaría sus costos operativos de inventario y su inversión en inventario. Si aumentan los plazos de entrega, puede ver cuál sería el impacto en la disponibilidad del artículo. Este conocimiento previo lo ayuda a descubrir cuáles serían sus contraataques antes de que llegue la crisis.

      Si alguna vez hubo un momento en el que pudimos navegar con el piloto automático, es en el espejo retrovisor. Su organización, que se enfrenta a un crecimiento explosivo, tiene muchos desafíos. Las respuestas antiguas están obsoletas; las nuevas respuestas tienen que venir de alguna parte, rápido. Software avanzado que aprovecha de pronóstico probabilístico puede ayudar, junto con cambios en los procesos de planificación.

       

      Deja un comentario

      Artículos Relacionados

      Undershoot is Sabotaging your Service Level!

      ¡Undershoot está saboteando su nivel de servicio!

      Undershoot significa que el tiempo de entrega no comienza en el punto de pedido sino por debajo de él. El subimpulso ocurre cada vez que la demanda que incumplió el punto de pedido hizo que las existencias cayeran por debajo (no hasta) el punto de pedido. Undershoot te roba el bolsillo incluso antes de que comiences a tirar los dados. Engaña al profesional de inventario haciéndole creer que sus puntos de reorden son suficientes para lograr sus objetivos, mientras que el desempeño real no alcanzará la calificación.

      How to Choose a Target Service Level

      Cómo elegir un nivel de servicio objetivo

      Al establecer un nivel de servicio objetivo, asegúrese de tener en cuenta factores como los niveles de servicio actuales, los plazos de reabastecimiento, las restricciones de costos, el dolor que la escasez le causa a usted y a sus clientes, y su posición competitiva.

      Reveal Your Real Inventory Planning and Forecasting Policy by Answering These 10 Questions

      Revela tu política real de planificación y pronóstico de inventario respondiendo estas 10 preguntas

      En este blog, revisamos 10 preguntas específicas que puede hacer para descubrir qué está sucediendo realmente con la política de planificación de inventario y previsión de demanda en su empresa. Detallamos las respuestas típicas proporcionadas cuando en realidad no existe una política de previsión/planificación de inventario, explicamos cómo interpretar estas respuestas y ofrecemos algunos consejos claros sobre qué hacer al respecto.

      Mensajes recientes

      • Managing Spare Parts Inventory: Best PracticesGestión del inventario de repuestos: mejores prácticas
        En este blog, exploraremos varias estrategias efectivas para administrar el inventario de repuestos, haciendo hincapié en la importancia de optimizar los niveles de existencias, mantener los niveles de servicio y usar herramientas inteligentes para ayudar en la toma de decisiones. La gestión del inventario de repuestos es un componente fundamental para las empresas que dependen del tiempo de funcionamiento de los equipos y la fiabilidad del servicio. A diferencia de los artículos de inventario habituales, los repuestos suelen tener patrones de demanda impredecibles, lo que hace que sea más difícil gestionarlos de forma eficaz. Un sistema de gestión de inventario de repuestos eficiente ayuda a evitar la falta de existencias que puede provocar tiempos de inactividad operativa y retrasos costosos, a la vez que evita el exceso de existencias que inmoviliza innecesariamente el capital y aumenta los costes de mantenimiento. […]
      • 5 Ways to Improve Supply Chain Decision Speed5 formas de mejorar la velocidad de toma de decisiones en la cadena de suministro
        La promesa de una cadena de suministro digital ha transformado la forma en que operan las empresas. En esencia, permite tomar decisiones rápidas basadas en datos y, al mismo tiempo, garantizar la calidad y la eficiencia en todas las operaciones. Sin embargo, no se trata solo de tener acceso a más datos. Las organizaciones necesitan las herramientas y plataformas adecuadas para convertir esos datos en información procesable. Aquí es donde la toma de decisiones se vuelve fundamental, especialmente en un panorama en el que las nuevas soluciones de cadena de suministro digital y las plataformas impulsadas por IA pueden ayudarlo a agilizar muchos procesos dentro de la matriz de decisiones. […]
      • Two employees checking inventory in temporary storage in a distribution warehouse.12 causas del exceso de stock y soluciones prácticas
        Gestionar el inventario de manera eficaz es fundamental para mantener un balance saludable y garantizar que los recursos se asignen de manera óptima. A continuación, se analizan en profundidad las principales causas del exceso de existencias, sus implicaciones y posibles soluciones. […]
      • FAQ Mastering Smart IP&O for Better Inventory ManagementPreguntas frecuentes: Cómo dominar la IP&O inteligente para una mejor gestión del inventario.
        Una gestión eficaz de la cadena de suministro y del inventario es esencial para lograr la eficiencia operativa y la satisfacción del cliente. Este blog ofrece respuestas claras y concisas a algunas preguntas básicas y otras preguntas comunes de nuestros clientes de Smart IP&O, ofreciendo información práctica para superar los desafíos típicos y mejorar sus prácticas de gestión de inventario. Centrándonos en estas áreas clave, lo ayudamos a transformar problemas complejos de inventario en acciones estratégicas y manejables que reducen los costos y mejoran el rendimiento general con Smart IP&O. […]
      • 7 Key Demand Planning Trends Shaping the Future7 tendencias clave en planificación de la demanda que están dando forma al futuro
        La planificación de la demanda va más allá de la simple previsión de las necesidades de productos; se trata de garantizar que su empresa satisfaga las demandas de los clientes con precisión, eficiencia y rentabilidad. La última tecnología de planificación de la demanda aborda desafíos clave como la precisión de las previsiones, la gestión de inventarios y la capacidad de respuesta al mercado. En este blog, presentaremos tendencias críticas de planificación de la demanda, que incluyen información basada en datos, previsión probabilística, planificación por consenso, análisis predictivo, modelado de escenarios, visibilidad en tiempo real y previsión multinivel. Estas tendencias le ayudarán a mantenerse a la vanguardia, optimizar su cadena de suministro, reducir costes y mejorar la satisfacción del cliente, posicionando a su empresa para el éxito a largo plazo. […]

        Optimización de inventario para fabricantes, distribuidores y MRO

        • Managing Spare Parts Inventory: Best PracticesGestión del inventario de repuestos: mejores prácticas
          En este blog, exploraremos varias estrategias efectivas para administrar el inventario de repuestos, haciendo hincapié en la importancia de optimizar los niveles de existencias, mantener los niveles de servicio y usar herramientas inteligentes para ayudar en la toma de decisiones. La gestión del inventario de repuestos es un componente fundamental para las empresas que dependen del tiempo de funcionamiento de los equipos y la fiabilidad del servicio. A diferencia de los artículos de inventario habituales, los repuestos suelen tener patrones de demanda impredecibles, lo que hace que sea más difícil gestionarlos de forma eficaz. Un sistema de gestión de inventario de repuestos eficiente ayuda a evitar la falta de existencias que puede provocar tiempos de inactividad operativa y retrasos costosos, a la vez que evita el exceso de existencias que inmoviliza innecesariamente el capital y aumenta los costes de mantenimiento. […]
        • Innovating the OEM Aftermarket with AI-Driven Inventory Optimization XLInnovando en el mercado de repuestos OEM con optimización de inventario impulsada por IA
          El sector de posventa ofrece a los fabricantes de equipos originales una ventaja decisiva al ofrecer un flujo de ingresos constante y fomentar la lealtad del cliente mediante la entrega confiable y oportuna de piezas de repuesto. Sin embargo, la gestión del inventario y la previsión de la demanda en el mercado de posventa está plagada de desafíos, incluidos patrones de demanda impredecibles, amplias gamas de productos y la necesidad de entregas rápidas. Los métodos tradicionales a menudo no son suficientes debido a la complejidad y variabilidad de la demanda en el mercado de posventa. Las últimas tecnologías pueden analizar grandes conjuntos de datos para predecir la demanda futura con mayor precisión y optimizar los niveles de inventario, lo que conduce a un mejor servicio y menores costos. […]
        • Future-Proofing Utilities. Advanced Analytics for Supply Chain OptimizationUtilidades preparadas para el futuro: análisis avanzados para la optimización de la cadena de suministro
          Los servicios públicos en los campos de la electricidad, el gas natural, el agua urbana y las telecomunicaciones requieren muchos activos y dependen de una infraestructura física que debe mantenerse, actualizarse y mejorarse adecuadamente con el tiempo. Maximizar el tiempo de actividad de los activos y la confiabilidad de la infraestructura física exige una gestión eficaz del inventario, la previsión de piezas de repuesto y la gestión de proveedores. Una empresa de servicios públicos que ejecuta estos procesos de manera efectiva superará a sus pares, brindará mejores retornos para sus inversores y mayores niveles de servicio para sus clientes, al mismo tiempo que reducirá su impacto ambiental. […]
        • Centering Act Spare Parts Timing Pricing and ReliabilityLey de centrado: sincronización, precio y confiabilidad de los repuestos
          En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio. […]

          Maximice el tiempo de actividad de la máquina con el modelado probabilístico

          El Blog de Smart

           Recomendaciones para la planificación de la demanda,

          previsión y optimización de inventario

          Dos problemas de inventario

          Si fabricas y vendes cosas, tienes dos problemas de inventario. Las empresas que venden cosas deben concentrarse incansablemente en tener suficiente inventario de productos para satisfacer la demanda de los clientes. Los fabricantes y las industrias intensivas en activos, como la generación de energía, el transporte público, la minería y la refinación, tienen una preocupación de inventario adicional: tener suficientes repuestos para mantener sus máquinas en funcionamiento. Este resumen técnico revisa los conceptos básicos de dos modelos probabilísticos de avería de la máquina. También relaciona el tiempo de actividad de la máquina con la adecuación del inventario de piezas de repuesto.

           

          Modelización del fallo de una máquina tratada como una “caja negra”

          Así como la demanda de productos es inherentemente aleatoria, también lo es el momento de las averías de las máquinas. Del mismo modo, así como el modelado probabilístico es la forma correcta de lidiar con la demanda aleatoria, también es la forma correcta de lidiar con fallas aleatorias.

          Los modelos de avería de máquinas tienen dos componentes. El primero se ocupa de la duración aleatoria del tiempo de actividad. El segundo se ocupa de la duración aleatoria del tiempo de inactividad.

          El campo de teoría de la confiabilidad ofrece varios modelos de probabilidad estándar que describen el tiempo aleatorio hasta la falla de una máquina sin tener en cuenta el motivo de la falla. El modelo más simple de tiempo de actividad es el distribución exponencial. Este modelo dice que el tasa de riesgo, es decir, la posibilidad de fallar en el siguiente instante de tiempo es constante sin importar cuánto tiempo haya estado operando el sistema. El modelo exponencial hace un buen trabajo modelando ciertos tipos de sistemas, especialmente electrónicos, pero no es universalmente aplicable.

           

          Descargar el documento técnico

           

          El siguiente paso en la complejidad del modelo es el Weibull modelo (pronunciado “POR QUÉ-toro”). La distribución de Weibull permite que el riesgo de falla cambie con el tiempo, ya sea disminuyendo después de un período de quemado o, más a menudo, aumentando a medida que se acumula el desgaste. La distribución exponencial es un caso especial de la distribución de Weibull en la que la tasa de riesgo no aumenta ni disminuye.

          Weibull Reliability Plot

          Figura 1: Tres curvas de supervivencia de Weibull diferentes

          La Figura 1 ilustra la probabilidad del modelo de Weibull de que una máquina aún esté funcionando como una función de cuánto tiempo ha estado funcionando. Hay tres curvas correspondientes a tasas de riesgo constantes, decrecientes y crecientes. Por razones obvias, estos se llaman curvas de supervivencia porque grafican la probabilidad de sobrevivir por varias cantidades de tiempo (pero también se les llama curvas de confiabilidad). La curva negra que comienza alta y desciende rápidamente (β=3) representa una máquina que se desgasta con el tiempo. La curva más ligera en el medio rápido (β=1) muestra la distribución exponencial. La curva media-oscura (β=0.5) es aquella que tiene una alta tasa de riesgo temprano pero mejora con la edad.

          Por supuesto, hay otro fenómeno que debe incluirse en el análisis: el tiempo de inactividad. Modelar el tiempo de inactividad es donde la teoría del inventario entra en escena. El tiempo de inactividad se modela mediante una mezcla de dos distribuciones diferentes. Si hay una pieza de repuesto disponible para reemplazar la pieza defectuosa, el tiempo de inactividad puede ser muy breve, digamos un día. Pero si no hay repuestos en stock, el tiempo de inactividad puede ser bastante largo. Incluso si el repuesto se puede obtener rápidamente, pueden pasar varios días o una semana antes de que se pueda reparar la máquina. Si el repuesto debe ser fabricado por un proveedor lejano y enviado por mar, luego por tren y luego por camión a su planta, el tiempo de inactividad podría ser de semanas o meses. Todo esto significa que mantener un inventario adecuado de repuestos es muy importante para mantener la producción en marcha.

          En este tipo de análisis agregado, la máquina se trata como una caja negra que funciona o no. Aunque ignora los detalles de qué parte falló y cuándo, dicho modelo es útil para dimensionar el grupo de máquinas necesarias para mantener un nivel mínimo de capacidad de producción con alta probabilidad.

          Él Distribución binomial es el modelo de probabilidad relevante para este problema. El binomio es el mismo modelo que describe, por ejemplo, la distribución del número de “caras” resultantes de veinte lanzamientos de una moneda. En el problema de confiabilidad de las máquinas, las máquinas corresponden a monedas, y un resultado de caras corresponde a tener una máquina en funcionamiento.

          Como ejemplo, si

          • la posibilidad de que cualquier máquina esté funcionando en un día en particular es 90%
          • las fallas de las máquinas son independientes (p. ej., no hay inundaciones ni tornados que las eliminen todas a la vez)
          • necesita al menos una probabilidad de 95% de que al menos 5 máquinas estén funcionando en un día determinado

          luego, el modelo binomial prescribe siete máquinas para lograr su objetivo.

           

          Modelado de fallas de máquinas basadas en fallas de componentes

          Maximize Machine Uptime with Probabilistic Modeling

          El modelo de Weibull también se puede usar para describir la falla de una sola pieza. Sin embargo, cualquier máquina de producción realistamente compleja tendrá múltiples partes y, por lo tanto, tendrá múltiples modos de falla. Esto significa que calcular el tiempo hasta que la máquina falla requiere el análisis de una “carrera hacia la falla”, con cada parte compitiendo por el “honor” de ser la primera en fallar.

          Si hacemos la suposición razonable de que las piezas fallan de forma independiente, la teoría de la probabilidad estándar señala el camino para combinar los modelos de falla de piezas individuales en un modelo general de falla de la máquina. El tiempo hasta que falla la primera de muchas partes tiene un poli-Weibull distribución. En este punto, sin embargo, el análisis puede volverse bastante complicado, y el mejor movimiento puede ser cambiar de análisis por ecuación a análisis por simulación.

           

          Simulación de fallas de máquinas a partir de los detalles de fallas de piezas

          El análisis de simulación tuvo su comienzo moderno como un derivado del Proyecto Manhattan para construir la primera bomba atómica. El método también se denomina comúnmente simulación del Monte Carlo después del centro de juego más grande del mundo en el pasado (hoy sería "simulación de Macao").

          Un modelo de simulación convierte la lógica de la secuencia de eventos aleatorios en el código informático correspondiente. Luego, utiliza números (pseudo) aleatorios generados por computadora como combustible para impulsar el modelo de simulación. Por ejemplo, el tiempo de falla de cada componente se crea a partir de su distribución particular de tiempo de falla de Weibull. Luego, el más temprano de esos tiempos de falla comienza el siguiente episodio de tiempo de inactividad de la máquina.

          simulation of machine uptime over one year of operation

          Figura 2: una simulación del tiempo de actividad de la máquina durante un año de funcionamiento

          La Figura 2 muestra los resultados de una simulación del tiempo de actividad de una sola máquina. Las máquinas pasan por períodos alternos de tiempo de actividad y tiempo de inactividad. En esta simulación, se supone que el tiempo de actividad tiene una distribución exponencial con una duración promedio (MTBF = Tiempo medio antes de la falla) de 30 días. El tiempo de inactividad tiene una división de 50:50 entre 1 día si hay un repuesto disponible y 30 días si no. En la simulación que se muestra en la Figura 2, la máquina está funcionando durante 85% de los días en un año de operación.

           

          Una fórmula aproximada para el tiempo de actividad de la máquina

          Aunque la simulación de Monte Carlo puede proporcionar resultados más exactos, un modelo algebraico más simple funciona bien como aproximación y facilita ver cómo se relacionan las variables clave.

          Defina las siguientes variables clave:

          • MTBF = Tiempo medio antes de la falla (días)
          • Pa = Probabilidad de que haya un repuesto disponible cuando se necesite
          • MDTshort = Tiempo medio de inactividad si hay un repuesto disponible cuando sea necesario
          • MDTlong = Tiempo medio de inactividad si no hay repuesto disponible cuando se necesita
          • Uptime = Porcentaje de días en los que la máquina está en funcionamiento.

          Entonces hay una aproximación simple para el tiempo de actividad:

          Tiempo de actividad ≈ 100 x MTBF/(MTBF + MDTshort x Pa + MDTlong x (1-Pa)). (Ecuación 1)

          La ecuación 1 nos dice que el tiempo de actividad depende de la disponibilidad de un repuesto. Si siempre hay un repuesto (Pa=1), el tiempo de actividad alcanza un valor máximo de alrededor de 100 x MTBF/(MTBF + MDTshort). Si nunca hay un repuesto disponible (Pa=0), entonces el tiempo de actividad alcanza su valor más bajo de alrededor de 100 x MTBF/(MTBF + MDTlong). Cuando el tiempo de reparación es tan largo como el tiempo típico entre fallas, el tiempo de actividad se reduce a un nivel inaceptable cerca de 50%. Si siempre hay un repuesto disponible, el tiempo de actividad puede acercarse a 100%.

          Relacionar el tiempo de inactividad de la máquina con el inventario de piezas de repuesto

          Minimizar el tiempo de inactividad requiere una iniciativa múltiple que implique una formación intensiva del operador, el uso de materias primas de calidad, un mantenimiento preventivo eficaz y las piezas de repuesto adecuadas. Los tres primeros establecen las condiciones para obtener buenos resultados. El último se ocupa de las contingencias.

          Inventory Planning for Manufacturers MRO SAAS

          Una vez que una máquina está inactiva, el dinero sale volando por la puerta y hay una prima en volver a ponerla en marcha pronto. Esta escena podría desarrollarse de dos maneras. El bueno tiene una pieza de repuesto lista para usar, por lo que el tiempo de inactividad se puede reducir al mínimo. El defectuoso no tiene repuestos disponibles, por lo que hay una lucha para acelerar la entrega de la pieza necesaria. En este caso, el fabricante debe asumir tanto el costo de la pérdida de producción como el costo del envío acelerado, si es que esa es una opción.

          Si el sistema de inventario está diseñado correctamente, la disponibilidad de repuestos no será un impedimento importante para el tiempo de actividad de la máquina. Por el diseño de un sistema de inventario, me refiero a los resultados de varias opciones: si la política de escasez es una política de pedidos pendientes o una política de pérdida, si el ciclo de revisión del inventario es periódico o continuo, y qué puntos de pedido y cantidades de pedido se establecen.

          Cuando se diseñan políticas de inventario para productos, se evalúan utilizando varios criterios. El nivel de servicio es el porcentaje de períodos de reabastecimiento que transcurren sin desabastecimiento. Tasa de llenado es el porcentaje de unidades pedidas que se suministran inmediatamente desde el stock. El nivel de inventario promedio es el número típico de unidades disponibles.

          Ninguno de estos es exactamente la métrica necesaria para el almacenamiento de repuestos, aunque todos están relacionados. La métrica necesaria es Disponibilidad de artículos, que es el porcentaje de días en los que hay al menos un repuesto listo para usar. Los niveles de servicio, las tasas de llenado y los niveles de inventario más altos implican una alta disponibilidad de artículos, y hay formas de convertir de uno a otro. (Cuando se trata de varias máquinas que comparten el mismo stock de repuestos, la disponibilidad de inventario se reemplaza por la distribución de probabilidad del número de repuestos en un día determinado. Dejamos ese problema más complejo para otro día).

          Claramente, mantener un buen suministro de repuestos reduce los costos del tiempo de inactividad de la máquina. Por supuesto, mantener un buen suministro de repuestos genera sus propios costos de inventario y pedidos. Este es el segundo problema de inventario del fabricante. Al igual que con cualquier decisión que involucre inventario, la clave es lograr el equilibrio adecuado entre estos dos centros de costos en competencia. Ver este artículo sobre pronóstico probabilístico para demanda intermitente para obtener orientación sobre cómo lograr ese equilibrio.

           

          Deja un comentario

          Artículos Relacionados

          Undershoot is Sabotaging your Service Level!

          ¡Undershoot está saboteando su nivel de servicio!

          Undershoot significa que el tiempo de entrega no comienza en el punto de pedido sino por debajo de él. El subimpulso ocurre cada vez que la demanda que incumplió el punto de pedido hizo que las existencias cayeran por debajo (no hasta) el punto de pedido. Undershoot te roba el bolsillo incluso antes de que comiences a tirar los dados. Engaña al profesional de inventario haciéndole creer que sus puntos de reorden son suficientes para lograr sus objetivos, mientras que el desempeño real no alcanzará la calificación.

          How to Choose a Target Service Level

          Cómo elegir un nivel de servicio objetivo

          Al establecer un nivel de servicio objetivo, asegúrese de tener en cuenta factores como los niveles de servicio actuales, los plazos de reabastecimiento, las restricciones de costos, el dolor que la escasez le causa a usted y a sus clientes, y su posición competitiva.

          Reveal Your Real Inventory Planning and Forecasting Policy by Answering These 10 Questions

          Revela tu política real de planificación y pronóstico de inventario respondiendo estas 10 preguntas

          En este blog, revisamos 10 preguntas específicas que puede hacer para descubrir qué está sucediendo realmente con la política de planificación de inventario y previsión de demanda en su empresa. Detallamos las respuestas típicas proporcionadas cuando en realidad no existe una política de previsión/planificación de inventario, explicamos cómo interpretar estas respuestas y ofrecemos algunos consejos claros sobre qué hacer al respecto.

          Mensajes recientes

          • Managing Spare Parts Inventory: Best PracticesGestión del inventario de repuestos: mejores prácticas
            En este blog, exploraremos varias estrategias efectivas para administrar el inventario de repuestos, haciendo hincapié en la importancia de optimizar los niveles de existencias, mantener los niveles de servicio y usar herramientas inteligentes para ayudar en la toma de decisiones. La gestión del inventario de repuestos es un componente fundamental para las empresas que dependen del tiempo de funcionamiento de los equipos y la fiabilidad del servicio. A diferencia de los artículos de inventario habituales, los repuestos suelen tener patrones de demanda impredecibles, lo que hace que sea más difícil gestionarlos de forma eficaz. Un sistema de gestión de inventario de repuestos eficiente ayuda a evitar la falta de existencias que puede provocar tiempos de inactividad operativa y retrasos costosos, a la vez que evita el exceso de existencias que inmoviliza innecesariamente el capital y aumenta los costes de mantenimiento. […]
          • 5 Ways to Improve Supply Chain Decision Speed5 formas de mejorar la velocidad de toma de decisiones en la cadena de suministro
            La promesa de una cadena de suministro digital ha transformado la forma en que operan las empresas. En esencia, permite tomar decisiones rápidas basadas en datos y, al mismo tiempo, garantizar la calidad y la eficiencia en todas las operaciones. Sin embargo, no se trata solo de tener acceso a más datos. Las organizaciones necesitan las herramientas y plataformas adecuadas para convertir esos datos en información procesable. Aquí es donde la toma de decisiones se vuelve fundamental, especialmente en un panorama en el que las nuevas soluciones de cadena de suministro digital y las plataformas impulsadas por IA pueden ayudarlo a agilizar muchos procesos dentro de la matriz de decisiones. […]
          • Two employees checking inventory in temporary storage in a distribution warehouse.12 causas del exceso de stock y soluciones prácticas
            Gestionar el inventario de manera eficaz es fundamental para mantener un balance saludable y garantizar que los recursos se asignen de manera óptima. A continuación, se analizan en profundidad las principales causas del exceso de existencias, sus implicaciones y posibles soluciones. […]
          • FAQ Mastering Smart IP&O for Better Inventory ManagementPreguntas frecuentes: Cómo dominar la IP&O inteligente para una mejor gestión del inventario.
            Una gestión eficaz de la cadena de suministro y del inventario es esencial para lograr la eficiencia operativa y la satisfacción del cliente. Este blog ofrece respuestas claras y concisas a algunas preguntas básicas y otras preguntas comunes de nuestros clientes de Smart IP&O, ofreciendo información práctica para superar los desafíos típicos y mejorar sus prácticas de gestión de inventario. Centrándonos en estas áreas clave, lo ayudamos a transformar problemas complejos de inventario en acciones estratégicas y manejables que reducen los costos y mejoran el rendimiento general con Smart IP&O. […]
          • 7 Key Demand Planning Trends Shaping the Future7 tendencias clave en planificación de la demanda que están dando forma al futuro
            La planificación de la demanda va más allá de la simple previsión de las necesidades de productos; se trata de garantizar que su empresa satisfaga las demandas de los clientes con precisión, eficiencia y rentabilidad. La última tecnología de planificación de la demanda aborda desafíos clave como la precisión de las previsiones, la gestión de inventarios y la capacidad de respuesta al mercado. En este blog, presentaremos tendencias críticas de planificación de la demanda, que incluyen información basada en datos, previsión probabilística, planificación por consenso, análisis predictivo, modelado de escenarios, visibilidad en tiempo real y previsión multinivel. Estas tendencias le ayudarán a mantenerse a la vanguardia, optimizar su cadena de suministro, reducir costes y mejorar la satisfacción del cliente, posicionando a su empresa para el éxito a largo plazo. […]

            Optimización de inventario para fabricantes, distribuidores y MRO

            • Managing Spare Parts Inventory: Best PracticesGestión del inventario de repuestos: mejores prácticas
              En este blog, exploraremos varias estrategias efectivas para administrar el inventario de repuestos, haciendo hincapié en la importancia de optimizar los niveles de existencias, mantener los niveles de servicio y usar herramientas inteligentes para ayudar en la toma de decisiones. La gestión del inventario de repuestos es un componente fundamental para las empresas que dependen del tiempo de funcionamiento de los equipos y la fiabilidad del servicio. A diferencia de los artículos de inventario habituales, los repuestos suelen tener patrones de demanda impredecibles, lo que hace que sea más difícil gestionarlos de forma eficaz. Un sistema de gestión de inventario de repuestos eficiente ayuda a evitar la falta de existencias que puede provocar tiempos de inactividad operativa y retrasos costosos, a la vez que evita el exceso de existencias que inmoviliza innecesariamente el capital y aumenta los costes de mantenimiento. […]
            • Innovating the OEM Aftermarket with AI-Driven Inventory Optimization XLInnovando en el mercado de repuestos OEM con optimización de inventario impulsada por IA
              El sector de posventa ofrece a los fabricantes de equipos originales una ventaja decisiva al ofrecer un flujo de ingresos constante y fomentar la lealtad del cliente mediante la entrega confiable y oportuna de piezas de repuesto. Sin embargo, la gestión del inventario y la previsión de la demanda en el mercado de posventa está plagada de desafíos, incluidos patrones de demanda impredecibles, amplias gamas de productos y la necesidad de entregas rápidas. Los métodos tradicionales a menudo no son suficientes debido a la complejidad y variabilidad de la demanda en el mercado de posventa. Las últimas tecnologías pueden analizar grandes conjuntos de datos para predecir la demanda futura con mayor precisión y optimizar los niveles de inventario, lo que conduce a un mejor servicio y menores costos. […]
            • Future-Proofing Utilities. Advanced Analytics for Supply Chain OptimizationUtilidades preparadas para el futuro: análisis avanzados para la optimización de la cadena de suministro
              Los servicios públicos en los campos de la electricidad, el gas natural, el agua urbana y las telecomunicaciones requieren muchos activos y dependen de una infraestructura física que debe mantenerse, actualizarse y mejorarse adecuadamente con el tiempo. Maximizar el tiempo de actividad de los activos y la confiabilidad de la infraestructura física exige una gestión eficaz del inventario, la previsión de piezas de repuesto y la gestión de proveedores. Una empresa de servicios públicos que ejecuta estos procesos de manera efectiva superará a sus pares, brindará mejores retornos para sus inversores y mayores niveles de servicio para sus clientes, al mismo tiempo que reducirá su impacto ambiental. […]
            • Centering Act Spare Parts Timing Pricing and ReliabilityLey de centrado: sincronización, precio y confiabilidad de los repuestos
              En este artículo, lo guiaremos a través del proceso de elaboración de un plan de inventario de repuestos que priorice las métricas de disponibilidad, como los niveles de servicio y las tasas de cumplimiento, al tiempo que garantiza la rentabilidad. Nos centraremos en un enfoque para la planificación de inventario llamado Optimización de inventario basada en el nivel de servicio. A continuación, analizaremos cómo determinar qué piezas debe incluir en su inventario y cuáles podrían no ser necesarias. Por último, exploraremos formas de mejorar consistentemente su plan de inventario basado en el nivel de servicio. […]