Con frecuencia encontramos confusión sobre el proceso de establecer niveles de existencias de seguridad. Este blog espera aclarar el tema.

El stock de seguridad es un componente crítico en cualquier sistema de gestión de inventario. De hecho, algunos software de inventario trata el stock de seguridad como la variable de decisión clave en la búsqueda de equilibrar el costo del inventario con la disponibilidad del artículo. Desafortunadamente, ese enfoque no es la mejor manera de lograr el equilibrio.

Primero, tenga en cuenta que el stock de seguridad es parte de una ecuación general:

Objetivo de inventario = Demanda de tiempo de entrega promedio + Stock de seguridad.

La demanda de tiempo de entrega promedio se define como las unidades promedio demandadas multiplicadas por el tiempo de entrega promedio de reposición. Ejemplo: si la demanda diaria tiene un promedio de 2 unidades y el tiempo de entrega promedio es de 7 días, entonces la demanda del tiempo de entrega promedio es 2 x 7 = 14 unidades. Mantener 14 unidades disponibles es suficiente para manejar la demanda típica.

Pero todos sabemos que la demanda es aleatoria, por lo que mantener suficientes existencias disponibles para cubrir la demanda promedio de tiempo de entrega invita a los desabastecimientos. Como nos gusta decir, “El promedio no es la respuesta”. La respuesta inteligente es agregar algunos stock de seguridad para acomodar cualquier pico aleatorio en la demanda. ¿Pero cuanto?

Ahí está el problema. Si intenta adivinar un número para el stock de seguridad, está sobre hielo delgado. ¿Cómo sabes cuál es el número “correcto”? Puede pensar que no tiene que preocuparse por eso porque ahora tiene una respuesta lo suficientemente buena, pero esa respuesta tiene una fecha de caducidad. Los plazos de entrega cambian. Lo mismo ocurre con los patrones de demanda. También lo hacen las prioridades de la empresa. Eso significa que la buena respuesta de hoy puede convertirse en un error de mañana.

Algunas empresas intentan improvisar usando un crudo enfoque de regla general. Por ejemplo, pueden decir algo como "Establecer stock de seguridad en dos semanas adicionales de demanda promedio". Este enfoque es seductor: solo necesita matemáticas simples y es claro. Pero por las razones enumeradas en el párrafo anterior, es una tontería. Es mejor obtener una buena respuesta que una respuesta conveniente.

Necesita una forma objetiva y basada en principios para responder a la pregunta que tenga en cuenta las matemáticas de la aleatoriedad. Más que eso, necesita una respuesta que esté vinculada a los indicadores clave de rendimiento (KPI) del sistema: costo de inventario y disponibilidad de artículos.

La lógica simple le da una idea de la respuesta, pero no proporciona el número que necesita. Usted sabe que más existencias de seguridad aumentan tanto el costo como la disponibilidad, mientras que menos existencias de seguridad disminuyen ambos. Pero sin saber cuánto cambiarán esas métricas si cambia el inventario de seguridad, no tiene forma de alinear la decisión del inventario de seguridad con la intención de la gerencia de lograr el equilibrio entre costo y disponibilidad.

En lugar de volar a ciegas, puede volver a elegir el stock de seguridad encontrando primero la opción correcta para el objetivo de inventario. Una vez que haya hecho eso, el stock de seguridad aparece con una simple resta:

 Stock de seguridad = Objetivo de inventario - Demanda de tiempo de entrega promedio.

Muchas veces, las empresas declaran que no cuentan con existencias de seguridad porque el campo de existencias de seguridad en su sistema ERP está en blanco. Casi siempre, el stock de seguridad está integrado en el nivel de inventario objetivo que han establecido. Por lo tanto, usar la fórmula anterior para "retroceder" la cantidad de stock de seguridad que está incorporando al plan es muy útil. La clave no es solo saber cuánto stock de seguridad tiene, sino el vínculo entre su objetivo de inventario, los stocks de seguridad y sus KPI correspondientes.

Por ejemplo, suponga que puede tolerar solo una posibilidad de 5% de agotarse mientras espera el reabastecimiento (los textos de inventario llaman a este intervalo el "período de riesgo"). El software puede examinar el historial de demanda de cada artículo y determinar las probabilidades de agotamiento de existencias según el miles de escenarios de demanda diferentes que puede ocurrir durante el tiempo de entrega. Entonces, la respuesta correcta para el objetivo de inventario es la elección que conduce a un riesgo de desabastecimiento de no más de 5%. Dado ese objetivo y conociendo la demanda de tiempo de entrega promedio, el valor de stock de seguridad apropiado se obtiene por sustracción. También puede conocer los costos promedio de mantenimiento, pedido y escasez.

Eso es lo que queremos decir con "retroceder al stock de seguridad". Comience con los objetivos de la empresa, determine el objetivo de inventario apropiado y luego derive el inventario de seguridad como último paso. No comience con una conjetura sobre el inventario de seguridad y espere lo mejor.

Comparta, desarrolle y administre planes de demanda de consenso para garantizar que la política de inventario coincida con la estrategia comercial.

Smart Inventory Optimization (SIO) crea escenarios de planificación. SIO comienza con un escenario "en vivo" que muestra dónde se encuentra ahora. Varios miembros del equipo pueden crear sus propios escenarios, tal vez dividiendo el trabajo por línea de productos o territorio de ventas. Un tomador de decisiones puede luego fusionar estos escenarios en un plan de consenso que se convierte en el escenario de "Objetivo", que impulsa la planificación de reposición del sistema ERP.

Mientras el mundo contiene la respiración para ver cómo se desarrollará el nuevo coronavirus (2019-nCOV), cruzamos los dedos por todos aquellos que actualmente están en cuarentena o bajo tratamiento y rezamos para que las autoridades sanitarias de todo el mundo pronto tomen la delantera. .

Esta breve nota trata sobre una forma en que su empresa puede desarrollar un plan para adaptarse a una de las posibles consecuencias del virus: aumentos repentinos en el tiempo que lleva obtener la reposición de inventario de los proveedores. Las cadenas de suministro en todo el mundo están siendo interrumpidas. Si esto te sucede, ¿cómo puedes reaccionar de manera sistemática?

Reacción a plazos de entrega más largos

Este es un problema que se puede resolver utilizando análisis avanzados de la cadena de suministro. Presumiblemente, es posible que ya haya utilizado esta tecnología para tomar buenas decisiones para los parámetros de control utilizados en la gestión de todos sus artículos de inventario, por ejemplo, valores para Min y Max o Punto de pedido y Cantidad de pedido. La pregunta técnica específica que se aborda aquí es cómo convertir un aumento en el tiempo de reabastecimiento en cambios en esos parámetros de control.

En general, los plazos de entrega más largos requieren inventarios más amplios si desea mantener un alto nivel de servicio al cliente. Esta regla general se traduce en valores mayores de Min y/o Max. Cuánto más grande depende críticamente de qué nuevos valores de tiempo de entrega más largos aparecerán y sus probabilidades de ocurrir.

Si bien muchos sistemas de software de planificación asumen un tiempo de entrega fijo, la realidad es que casi todos los tiempos de entrega tienen cierto grado de aleatoriedad. Por lo general, ignorar que la aleatoriedad aumenta el riesgo de desabastecimiento, por lo que es importante tener una buena estimación de la distribución de probabilidad de los tiempos de entrega. En tiempos normales, sus datos transaccionales se pueden usar para estimar esa relación. Pero las interrupciones repentinas como 2019-nCOV crean situaciones sin precedentes en las que debe hacer conjeturas informadas sobre qué nuevos retrasos verá y qué tan probables son. Supondremos aquí que puede imaginar algunos de estos escenarios y desea descubrir cómo responder mejor a ellos.

Un ejemplo utilizando software avanzado

Para ilustrar este tipo de planificación prospectiva, considere un ejemplo hipotético. Un artículo, una pieza de repuesto, tiene un patrón establecido de plazos de reposición, con retrasos de 5, 10 y 15 días con probabilidades de 15%, 70% y 15%, respectivamente. Dada esta distribución y una demanda aleatoria con un promedio de una unidad cada 5 días, los valores de Min = 5 y Max = 10 hacen un buen trabajo. La Figura 1 muestra una simulación de 10 años de operación diaria bajo este escenario. La tasa de llenado y el nivel de servicio son altos y los desabastecimientos son poco frecuentes.

Ahora suponga que las interrupciones en la cadena de suministro crean una distribución menos favorable del tiempo de entrega, con una combinación 50:50 de 15 y 30 días. La Figura 2 muestra el mal desempeño de los valores actuales de Min y Max en este nuevo escenario. La tasa de llenado y el nivel de servicio se desploman debido a los frecuentes desabastecimientos. Costos operativos más del triple debido a penalizaciones por pedidos atrasados. Solo la inversión en inventario (el valor promedio en dólares de las existencias en el estante) parece mejorar, pero esto sucede solo porque con mucha frecuencia hay pedidos pendientes y no queda nada en el estante. El cambio a plazos de entrega más largos requiere claramente nuevos valores más altos de Min y Max.

La Figura 3 muestra cómo funciona el sistema cuando el Min aumenta de 5 a 10 y el Max de 10 a 15. Este cambio compensa los plazos de entrega más largos, restaurando los altos niveles anteriores de tasa de llenado y nivel de servicio. La inversión en inventario es necesariamente mayor, pero los costos operativos en realidad son más bajos que antes.

Resumen

Los cambios en las condiciones normales de operación requieren ajustes en la forma en que se administran los artículos del inventario. Uno de esos cambios que se avecina en esta fecha es el impacto potencial del virus Corona 2019-nCOV en las cadenas de suministro, con aumentos anticipados en los plazos de reposición.

Los cambios en los plazos de entrega requieren cambios en los parámetros de control de inventario, como Min's y Max's. Estos cambios son difíciles de hacer con confianza utilizando puras conjeturas. Pero con alguna estimación del aumento en los plazos de entrega, puede usar un software avanzado para aprender cómo hacer estos ajustes con cierta confianza.

Esta nota ilustra este punto usando simulaciones de la operación diaria de un sistema de control de inventario.

Figura 1 Simulación de operaciones normales utilizando los plazos de reabastecimiento actuales, mínimo y máximo

Figura 2 Simulación de operaciones anómalas utilizando plazos de entrega más largos y Mín. y Máx. actuales

Figura 3 Simulación de operaciones anormales utilizando plazos de entrega más largos y Min y Max revisados

en un Publicación anterior, analicé uno de los problemas más espinosos que a veces enfrentan los planificadores de demanda: trabajar con datos de demanda de productos caracterizados por lo que los estadísticos llaman sesgo, una situación que puede requerir costosas inversiones en inventario. Este tipo de datos problemáticos se encuentran en varios escenarios diferentes. En al menos uno, la combinación de demanda intermitente y promociones de ventas muy efectivas, el problema se presta a una solución efectiva.

Revisando los términos, recuerde que el “nivel de servicio” es la probabilidad de no agotarse mientras espera que llegue una orden de reposición, mientras que la “tasa de llenado” es el porcentaje de la demanda que se satisface inmediatamente con el stock. En mi publicación anterior, "El flagelo de la asimetría", señalé que cierto tipo de distribución de la demanda, que tiene una "cola larga a la derecha", conducirá a tasas de llenado que pueden ser mucho más bajas que los niveles de servicio. También señalé que, a veces, la única forma de mejorar la tasa de llenado es aumentar el nivel de servicio objetivo a un nivel inusualmente alto, lo que puede resultar costoso.

En esta publicación, analizaré la solución del problema en un caso especial: la asimetría resultante de promociones de ventas efectivas combinadas con "demanda intermitente". La demanda intermitente tiene una gran proporción de valores cero, con valores distintos de cero mezclados al azar. Las promociones de ventas exitosas, obviamente positivas, tienen un inconveniente: pueden confundir la "señal de demanda" con picos en su historial de demanda y pueden socavar los pronósticos y sesgar los cálculos de existencias de seguridad. Cuando la demanda intermitente y las promociones de ventas efectivas son la fuente de la asimetría de sus datos, existen métodos para solucionar el problema y lograr tasas de cumplimiento más altas y pronósticos de demanda más precisos.

Cómo las promociones aumentan la asimetría

Las promociones exitosas aumentan abruptamente la demanda de artículos. Esto crea anomalías, o "valores atípicos", que contribuyen a formar una distribución sesgada. Sabiendo cuándo ocurrieron promociones en el pasado, podemos ajustar el registro de demanda pasada de un artículo. Producimos un historial de demanda alternativo como si no hubiera habido promociones, reemplazando los valores atípicos con valores más representativos del nivel "natural" de demanda. Estos ajustes reducen la asimetría de la demanda. La reducción del sesgo puede conducir a reducciones significativas tanto en los pronósticos esperados como en las existencias de seguridad, que se suman para formar puntos de pedido.

Es probable que se repitan las promociones exitosas. Cuando eso sucede, los efectos de promoción se pueden agregar a los pronósticos de demanda para aumentar su precisión. El efecto de las futuras promociones en la gestión del inventario será aumentar el riesgo de desabastecimiento, por lo que una respuesta sensata es trabajar a nivel operativo para generar un suministro temporal, en una cantidad ajustada al impacto estimado de las promociones anteriores en los artículos afectados.

Uso del modelado de eventos para mejorar la previsión de la demanda

Es posible modelar el impacto de eventos similares y aplicarlo a eventos planificados en el futuro. Si lo hace, puede mejorar su pronóstico de dos maneras importantes: al proyectar la sacudida de la demanda que espera de un evento planificado; y racionalizando los picos en el pasado que fueron causados por eventos, haciendo que su actividad de referencia sea más visible y predecible con mayor precisión. Hacemos mucho de esto en SmartForecasts, así que permítame usar nuestra experiencia allí para mostrarle lo que quiero decir.

El modelado de eventos implica los siguientes pasos:
• Estimación automática del impacto de promociones anteriores (que es un resultado útil en sí mismo).
• Ajuste de la demanda histórica para eliminar estadísticamente el efecto de las promociones.
• Creación de previsiones sin promoción.
• Revisar las previsiones de los períodos de tiempo futuros en los que se prevén promociones.

A este tipo de análisis lo llamamos “pronóstico de promociones”. Usamos la palabra "promociones" para describir lo que hace usted mismo para mejorar sus resultados. Usamos "eventos" para describir lo que el mundo te hace, generalmente en detrimento tuyo; los ejemplos incluyen huelgas, cortes de energía, incendios en almacenes y otros sucesos desafortunados.

Para comprender cómo el modelado de eventos puede ayudarlo a lidiar con la asimetría al hacer pronósticos de demanda para artículos de gran volumen, considere las Figuras 1-3.

La Figura 1 muestra que el patrón de demanda de este artículo es claramente estacional, y el pronóstico es estacional y "ajustado", lo que significa que el intervalo de incertidumbre del pronóstico ("margen de error", que se muestra en líneas cian) es muy estrecho.

La figura 2 muestra una historia alternativa en la que una promoción en junio de 2014 revirtió el mínimo estacional habitual asociado con las ventas de junio. Este patrón de demanda se pronosticó mediante el torneo de pronóstico automático en SmartForecasts, como se muestra en la figura 1. Esta vez, la promoción alteró el patrón estacional lo suficiente como para crear un pronóstico no estacional inapropiado y que tiene un margen de error mucho mayor.

Finalmente, la Figura 3 muestra cómo el pronóstico de promoción maneja el mismo escenario promocionado, conservando un pronóstico estacional e incorporando al pronóstico una estimación del efecto de una promoción repetida planificada en 2015.

El caso de la demanda intermitente

En la Figura 1, el artículo era un bien terminado de gran volumen y la tarea era la previsión de la demanda. El modelado de promociones también es útil cuando se trata de la tarea de establecer existencias de seguridad y puntos de pedido para artículos con demanda intermitente, ya sean productos terminados, componentes o repuestos. La demanda intermitente muy a menudo tiene una distribución sesgada que dificulta lograr una alta disponibilidad de artículos con una pequeña inversión en inventario.

La Figura 4 ilustra el problema que una promoción exitosa puede crear accidentalmente para la gestión de inventario. Si tal aumento surge de la demanda natural no promovida, entonces la única forma de mantener altas tasas de llenado es proporcionar existencias de seguridad lo suficientemente grandes como para hacer frente a estos aumentos repentinos. En este caso, el gran aumento de la demanda de 500 unidades en febrero de 2013 fue el resultado de una promoción única.

Tener en cuenta las promociones para mejorar la gestión de inventario

Sin darse cuenta, tratar el pico en el ejemplo anterior como parte de la variabilidad natural de la demanda da como resultado una tasa de cumplimiento deficiente. Para lograr un nivel de servicio objetivo de, digamos, 95% con un plazo de entrega de un mes, se requeriría un punto de pedido de 38 unidades, calculado como la suma de un pronóstico esperado durante el plazo de entrega de reabastecimiento de un mes de 21 unidades complementado con un inventario de seguridad de 17 unidades. Esta inversión daría como resultado una tasa de llenado decepcionante de solo 36%.

Sin embargo, reconocer que el pico es una promoción única y reemplazar las 500 unidades con 0 obviamente marcaría una gran diferencia. El punto de pedido caería de 38 unidades a 31 (la suma de una demanda esperada de 7 unidades y un stock de seguridad de 24 unidades) y la tasa de llenado aumentaría a 94%.

Por supuesto, no está bien descartar picos de demanda inconvenientes cuando hacen que la vida sea incómoda; tiene que haber una “historia comercial” válida detrás del ajuste de la demanda histórica. Si el pico es el resultado de un error de procesamiento de datos, entonces, por supuesto, arréglelo. Si el pico coincide con una promoción, reemplazar el pico con, digamos, la demanda media (a menudo cero, como en este ejemplo) dará como resultado una inversión en inventario mucho más sostenible que aún cumple con los objetivos de rendimiento agresivos. Las futuras promociones del mismo tipo en el mismo artículo requerirán un esfuerzo adicional para prepararse para el aumento temporal de la demanda, pero el punto de reorden recomendado será correcto a largo plazo.

Thomas Willemain, PhD, cofundó Smart Software y actualmente se desempeña como vicepresidente sénior de investigación. El Dr. Willemain también se desempeña como Profesor Emérito de Ingeniería Industrial y de Sistemas en el Instituto Politécnico Rensselear y como miembro del personal de investigación en el Centro de Ciencias de la Computación, Instituto de Análisis de Defensa.

Mejore la precisión de la prediccion, optimice el inventario y maximice los niveles de servicio

En este video, el Dr. Thomas Willemain, cofundador y vicepresidente senior de investigación, habla sobre la política de gestión de inventario basada en pronósticos, también conocida como lógica MRP. Esta es la cuarta de nuestra serie sobre los principales enfoques para administrar el inventario. Comenzamos observando algunos modelos muy simples y luego más robustos de dinámica de inventario que nos ayudan a determinar cuánto pedir o fabricar y cuándo. Luego consideramos cómo calcular el tiempo de entrega y dar cuenta de la variabilidad del tiempo de entrega. Tom concluye describiendo la importancia del stock de seguridad, su papel en la amortiguación adecuada contra la incertidumbre de la oferta y la demanda, y la mejor manera de calcularlo.