Nuestros clientes generalmente se han decidido por una forma de administrar su inventario de repuestos. Al profesor que hay en mí le gustaría pensar que la política de inventario elegida fue una elección razonada entre las alternativas consideradas, pero lo más probable es que simplemente haya sucedido. Tal vez el jefe de inventario de hace mucho tiempo tenía un favorito y esa elección se mantuvo. Quizás alguien utilizó un sistema EAM o ERP que ofrecía sólo una opción. Quizás se hicieron algunas conjeturas, basándose en las condiciones del momento.

Los competidores

Muy rara vez las empresas toman estas decisiones al azar. Pero el software moderno de planificación de repuestos le permite ser más sistemático en sus elecciones. Esta publicación demuestra esa propuesta al hacer comparaciones objetivas entre tres políticas de inventario populares: Pedido hasta, Punto de reorden/Cantidad de pedido y Mín./Máx. Hablé de cada una de estas políticas en este videoblog.

• Ordene hasta. Esta es una política de revisión periódica en la que cada T días se cuenta el inventario disponible y se realiza un pedido de tamaño aleatorio para que el nivel de existencias vuelva a subir a S unidades.
• Q, R o Punto de reorden/Cantidad de pedido. Q, R es una política de revisión continua en la que todos los días se contabiliza el inventario. Si hay Q o menos unidades disponibles, se realiza un pedido de tamaño fijo por R unidades más.
• Mínimo máximo es otra política de revisión continua en la que todos los días se cuenta el inventario. Si hay unidades mínimas o menos disponibles, se realiza un pedido para que el nivel de existencias vuelva a alcanzar las unidades máximas.

La teoría del inventario dice que estas opciones se enumeran en orden creciente de efectividad. La primera opción, Ordenar hasta, es claramente la más sencilla y barata de implementar, pero hace la vista gorda a lo que sucede durante largos períodos de tiempo. Imponer un intervalo de tiempo específico entre órdenes lo hace, en teoría, menos flexible. Por el contrario, las dos opciones de revisión continua vigilan lo que sucede todo el tiempo, para que puedan reaccionar más rápido ante posibles desabastecimientos. La opción Min/Max es, en teoría, más flexible que la opción que utiliza una cantidad fija de reorden porque el tamaño del pedido cambia dinámicamente para adaptarse a la demanda.

Esa es la teoría. Esta publicación examina la evidencia de comparaciones directas para verificar la teoría y establecer cifras concretas sobre el desempeño relativo de las tres políticas.

El significado de "mejor"

¿Cómo debemos llevar la puntuación en este torneo? Si es un lector habitual de este blog de Smart Forecaster, sabrá que el núcleo de la planificación del inventario es un tira y afloja entre dos objetivos opuestos: mantener el inventario reducido versus mantener las métricas de disponibilidad de los artículos, como el nivel de servicio alto.

Para simplificar las cosas, calcularemos “un número para gobernarlos a todos”: el costo operativo promedio. La póliza ganadora será la que tenga el promedio más bajo.

Este promedio es la suma de tres componentes: el costo de mantener el inventario (“costo de mantener”), el costo de ordenar unidades de reabastecimiento (“costo de ordenar”) y el costo de perder una venta (“costo de escasez”). Para concretar las cosas, utilizamos los siguientes supuestos:

• Cada pieza de servicio está valorada en $1.000.
• El costo de tenencia anual es 10% del valor del artículo, o $100 por año por unidad.
• Procesar cada pedido de reabastecimiento cuesta $20 por pedido.
• Cada unidad demandada pero no proporcionada cuesta el valor de la pieza, $1.000.

Para simplificar, nos referiremos al costo operativo promedio simplemente como "el costo".

Por supuesto, el costo promedio más bajo se puede lograr saliendo del negocio. Por lo tanto, la competencia requería una limitación de rendimiento en la disponibilidad de los artículos: cada opción tenía que lograr una tasa de cumplimiento de al menos 99%.

Las alternativas se resisten

Un elemento clave del contexto es si los desabastecimientos provocan pérdidas o pedidos atrasados. Suponiendo que la pieza de servicio en cuestión es crítica, asumimos que los pedidos no ejecutados se pierden, lo que significa que un competidor completa el pedido. En un entorno de MRO, esto significará un tiempo de inactividad adicional debido al desabastecimiento.

Para comparar las alternativas, utilizamos nuestro motor de modelado predictivo para ejecutar una gran cantidad de Simulaciones de Montecarlo. Cada simulación implicó especificar los valores de los parámetros de cada póliza (por ejemplo, valores mínimos y máximos), generar un escenario de demanda, introducirlo en la lógica de la póliza y medir el costo resultante promediado durante 365 días de operación. Repetir este proceso 1.000 veces y promediar los 1.000 costos resultantes dio el resultado final para cada póliza.  

Para que la comparación fuera justa, cada alternativa debía diseñarse para obtener el mejor rendimiento. Entonces buscamos en el “espacio de diseño” de cada póliza para encontrar el diseño con el menor costo. Esto requirió repetir el proceso descrito en el párrafo anterior para muchos pares de valores de parámetros e identificar el par que produce el costo operativo anual promedio perdido.

Usando los algoritmos en Optimización del inventario (SÍO^MT) realizamos comparaciones directas bajo los siguientes supuestos sobre la oferta y la demanda:

• Se supuso que la demanda de artículos era intermitente y muy variable, pero relativamente simple en el sentido de que no había tendencia ni estacionalidad, como suele ocurrir con las piezas de repuesto. La demanda media diaria fue de 5 unidades con una desviación estándar grande de 13 unidades. La Figura 1 muestra una muestra de la demanda de un año. Hemos elegido un patrón de demanda muy desafiante, en el que algunos días tienen de 10 a 20 veces la demanda promedio.

Figura 1: Se supuso que la demanda diaria de piezas era intermitente y muy intensa.

​​

• Los plazos de reabastecimiento de los proveedores fueron de 14 días (75%) en ese momento y de 21 días en el resto. Esto refleja el hecho de que siempre hay incertidumbre en la cadena de suministro.

Y el ganador es…

¿Era correcta la teoría? Un poco sorta'.

La Tabla 1 muestra los resultados de los experimentos de simulación. Para cada una de las tres políticas en competencia, muestra el costo operativo anual promedio, el margen de error (técnicamente, un intervalo de confianza aproximado de 95% para el costo medio) y las mejores opciones aparentes para los valores de los parámetros.

Tabla 1: Resultados de las comparaciones simuladas

Por ejemplo, el costo promedio de la póliza (T,S) cuando T se fija en 30 días fue de $41,680. Pero el Más/Menos implica que los resultados son compatibles con un costo “real” (es decir, la estimación de un número infinito de simulaciones) de entre $39,890 y $43,650. La razón por la que existe tanta incertidumbre estadística es la naturaleza extremadamente elevada de la demanda en este ejemplo.

El Cuadro 1 dice que, en este ejemplo, las tres políticas están en línea con las expectativas. Sin embargo, conclusiones más útiles serían:

1. Las tres políticas son notablemente similares en cuanto a costo promedio. Mediante una elección inteligente de los valores de los parámetros, se pueden obtener buenos resultados con cualquiera de las tres políticas.
2. Lo que no se muestra en el Cuadro 1, pero se desprende claramente de los resultados detallados de la simulación, es que las malas elecciones de valores de parámetros pueden ser desastrosas para cualquier política.
3. Vale la pena señalar que a la política de revisión periódica (T,S) no se le permitió optimizar sobre posibles valores de T. Fijamos T en 30 para imitar lo que es común en la práctica, pero aquellos que usan la política de revisión periódica deberían considerar otras revisiones. períodos. Un experimento adicional fijó el período de revisión en T = 7 días. El costo promedio en este escenario se minimizó en $36,551 ± $1,668 con S = 343. Este resultado es mejor que el de T = 30 días.
4. Debemos tener cuidado de no generalizar demasiado estos resultados. Dependen de los valores supuestos de los tres parámetros de costos (mantenimiento, pedidos y escasez) y del carácter del proceso de demanda.
5. Es posible ejecutar experimentos como los que se muestran aquí automáticamente en Optimización del inventario. Esto significa que usted también podrá explorar opciones de diseño de manera rigurosa.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Un ejemplo con números:

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

Guión

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

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

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

Análisis

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

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

Podemos sacar varias conclusiones de estas simulaciones.

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

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

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

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

1. Culpar de la escasez a la variabilidad del tiempo de entrega
Los proveedores a menudo llegan tarde, a veces por mucho. Los retrasos en el tiempo de entrega y la variabilidad del suministro son hechos de la vida de la cadena de suministro, sin embargo, las organizaciones que llevan inventario a menudo se sorprenden cuando un proveedor llega tarde. Un proceso de planificación de inventario efectivo abarca estos hechos de la vida y desarrolla políticas que dan cuenta de manera efectiva de esta incertidumbre. Claro, habrá momentos en que los retrasos en el tiempo de entrega surjan de la nada. Pero la mayoría de las veces, las políticas de almacenamiento, como los puntos de pedido, las existencias de seguridad y los niveles mínimos y máximos, no se recalibran con la frecuencia suficiente para detectar cambios en el tiempo de entrega a lo largo del tiempo. Muchas empresas solo revisan el punto de pedido después de que se haya incumplido, en lugar de volver a calibrar después de cada nuevo recibo de tiempo de entrega. Hemos observado situaciones en las que los ajustes Mín./Máx. solo se recalibran anualmente o incluso son completamente manuales. Si tiene una montaña de piezas que usan niveles mínimos/máximos antiguos y plazos de entrega asociados que eran relevantes hace un año, no debería sorprender que no tenga suficiente inventario para esperar hasta que llegue el próximo pedido.

2. Culpar del exceso a las malas previsiones de ventas/clientes
Los pronósticos de sus clientes o su equipo de ventas a menudo se sobreestiman intencionalmente para garantizar el suministro, en respuesta a la escasez de inventario en el pasado donde se quedaron de vacio. O bien, los pronósticos de demanda son inexactos simplemente porque el equipo de ventas no sabe realmente cuál será la demanda de sus clientes, pero se ve obligado a dar un número. La variabilidad de la demanda es otro hecho de la vida de la cadena de suministro, por lo tanto, los procesos de planificación deben hacer un mejor trabajo para tenerlo en cuenta. ¿Por qué confiar en los equipos de ventas para pronosticar cuándo sirven mejor a la empresa vendiendo? ¿Por qué molestarse en jugar el juego de fingir aceptación de los pronósticos de los clientes cuando ambas partes saben que a menudo son falsos? Una mejor manera es aceptar la incertidumbre y acordar un grado de riesgo de desabastecimiento que sea aceptable para todos los grupos de artículos. Una vez que se acuerda el riesgo de desabastecimiento, puede generar una estimación precisa del stock de seguridad necesario para contrarrestar la variabilidad de la demanda. El problema es conseguir que se acepte, ya que es posible que no pueda ofrecer niveles de servicio muy altos en todos los artículos. Los clientes deben estar dispuestos a pagar un precio más alto por unidad para que usted brinde niveles de servicio extremadamente altos. El personal de ventas debe 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. 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.

3. Culpar de los problemas a los datos incorrectos
“Basura entra/basura sale” es una excusa común de por qué ahora no es el momento adecuado para invertir en software de planificación. Por supuesto, es cierto que si ingresa datos incorrectos en un modelo, no obtendrá buenos resultados, pero aquí está la cuestión: alguien, en algún lugar de la organización, está planificando el inventario, creando un pronóstico y tomando decisiones sobre qué comprar con los datos que hay. ¿Están haciendo esto a ciegas o están usando datos que han seleccionado en una hoja de cálculo para ayudarlos a tomar decisiones de planificación de inventario? Con suerte, esto último. Combine ese conocimiento interno con el software, la automatización de la importación de datos desde el ERP y la limpieza de datos. Una vez armonizado, su software de planificación proporcionará señales de tiempo de entrega y demanda bien estructuradas y continuamente actualizadas que ahora hacen posible una previsión eficaz de la demanda y la optimización del inventario. El cofundador de Smart Software, Tom Willemain, escribió en un boletín de la IBF que “muchos problemas de datos se derivan de que los datos se descuidaron hasta que un proyecto de pronóstico los hizo importantes”. Entonces, comience ese proyecto de pronóstico, porque el primer paso es asegurarse de que "lo que ingresa" sea una señal de demanda impecable, documentada y precisa.

Cliente como maestro

Nuestros clientes son grandes maestros que siempre nos han ayudado a cerrar la brecha entre la teoría de los libros de texto y la aplicación práctica de la previsión y la planificación de la demanda. Nuestra última parte de la educación se refiere a los "pedidos generales" y cómo contabilizarlos como parte del proceso de planificación de la demanda. 

Expansión del libro de texto de teoría del inventario

La teoría del inventario de libros de texto se centra en las tres políticas de reposición más utilizadas: (1) Política de revisión periódica de pedidos hasta el final, designada (T, S) en los libros (2) Política de revisión continua con cantidad de pedido fija, designada (R, Q) y (3) revisión continua de la política, designada (s, S) pero generalmente denominada "Mín./Máx.". Nuestros clientes han señalado que su proceso de pedido real a menudo incluye el uso frecuente de "pedidos generales". Este blog se centra en cómo incorporar pedidos generales en el proceso de planificación de la demanda y detalla cómo ajustar los objetivos de almacenamiento en consecuencia.

La planificación de la demanda con pedidos abiertos es diferente

Los pedidos generales son contratos con proveedores por cantidades fijas de reposición que llegan a intervalos fijos. Por ejemplo, puede acordar con su proveedor recibir 20 unidades cada 7 días a través de un pedido abierto en lugar de 60 a 90 unidades cada 28 días según la política de revisión periódica. Los pedidos generales contrastan aún más con las políticas de revisión continua, según las cuales tanto los programas de pedidos como las cantidades de los pedidos son aleatorios. En general, es eficiente incorporar flexibilidad en el proceso de reabastecimiento para que ordene solo lo que necesita y cuando lo necesite. Según ese estándar, Min/Max debería tener más sentido y las políticas generales deberían tener menos sentido.

El caso de las políticas generales

Sin embargo, aunque la eficiencia es importante, nunca es la única consideración. Uno de nuestros clientes, llamémosle Compañía X, explicó el atractivo de las pólizas generales en sus circunstancias. La empresa X fabrica piezas de alto rendimiento para motocicletas y vehículos todo terreno. Convierten el acero en bruto en cosas geniales. Pero deben lidiar con el acero. El acero es caro. El acero es voluminoso y pesado. El acero no es algo conjurado de la noche a la mañana sobre la base de un pedido especial. El gerente de inventario de la empresa X no desea realizar pedidos grandes pero de tamaño aleatorio en momentos aleatorios. No quiere cuidar de una montaña de acero. Sus proveedores no quieren recibir pedidos de cantidades aleatorias en momentos aleatorios. Y la empresa X prefiere repartir sus pagos. El resultado: pedidos generales.

El error fatal en las políticas generales

Para la Compañía X, los pedidos generales están destinados a igualar las compras de reabastecimiento y evitar acumulaciones difíciles de manejar de pilas de acero antes de que estén listas para usar. Pero la lógica detrás de las políticas de inventario de revisión continua aún se aplica. Se producirán aumentos repentinos en la demanda, que de otro modo serían bienvenidos, y pueden crear desabastecimientos. Asimismo, las pausas en la demanda pueden crear un exceso de demanda. A medida que pasa el tiempo, queda claro que una política general tiene un defecto fatal: solo si los pedidos generales coinciden exactamente con la demanda promedio pueden evitar un inventario descontrolado en cualquier dirección, hacia arriba o hacia abajo. En la práctica, será imposible igualar exactamente la demanda promedio. Además, la demanda promedio es un objetivo móvil y puede subir o bajar.

Cómo incorporar pedidos abiertos cuando se planifica la demanda 

Una política general tiene ventajas, pero la rigidez es su talón de Aquiles. Los planificadores de la demanda a menudo improvisan ajustando los pedidos futuros para manejar los cambios en la demanda, pero esto no se aplica a miles de artículos. Para que la política de reabastecimiento de inventario sea sólida frente a la aleatoriedad de la demanda, sugerimos una política híbrida que comience con pedidos generales pero que conserve la flexibilidad para solicitar automáticamente (no manualmente) suministro adicional según sea necesario. Complementar la política general con una copia de seguridad Mín./Máx. permite realizar ajustes sin intervención manual. Esta combinación capturará algunas de las ventajas de los pedidos abiertos mientras protege el servicio al cliente y evita el inventario descontrolado.

El diseño de un proceso de planificación de la demanda que tenga en cuenta los pedidos abiertos requiere la elección de cuatro parámetros de control. Dos parámetros son el tamaño fijo y el tiempo fijo de la política general. Dos más son los valores de Min y Max. Esto deja al gerente de inventario enfrentando un problema de optimización de cuatro dimensiones. El software de optimización de inventario avanzado permitirá evaluar las opciones para los valores de los cuatro parámetros y respaldar las negociaciones con los proveedores cuando se elaboran pedidos generales.