Las empresas lanzan iniciativas para actualizar o mejorar sus procesos de planificación de ventas y operaciones y planificación de la demanda todo el tiempo. Muchas de estas iniciativas no logran los resultados que deberían. Tiene su pronóstico función no cumplió con las expectativas? ¿Lucha con las "mejores prácticas" que parecen incapaces de producir resultados precisos?

Durante diez años, el equipo editorial de Foresight: The International Journal of Applied Forecasting ha estado informando a los lectores sobre las luchas y los éxitos de los profesionales de la previsión y haciendo todo lo posible para educarlos sobre métodos y prácticas que realmente funcionan. Lo hacemos con artículos aportados por profesionales de la previsión, así como por académicos respetados y autores de libros de gran prestigio.

Como editor fundador de Foresight, me gustaría invitarlo a unirse a nosotros en la próxima Conferencia de profesionales de Foresight titulada "Las peores prácticas en el pronóstico: los errores de hoy para los avances de mañana".

Este evento de un día y medio tendrá lugar en Raleigh, Carolina del Norte, del 5 al 6 de octubre. Allí analizaremos detenidamente las prácticas comunes que pueden estar inhibiendo los esfuerzos para elaborar mejores pronósticos. Nuestros oradores invitados compartirán cómo ellos y otros han descubierto y eliminado los malos hábitos y las peores prácticas en sus organizaciones para lograr mejoras dramáticas en el desempeño de los pronósticos.

Algunos de los temas a tratar incluyen:

• Uso y abuso de anulaciones de juicio

• Evitar los peligros en la entrada de la fuerza de ventas a los pronósticos

• Prácticas Indebidas en la Optimización de Inventario

• Dificultades en la medición de la precisión de los pronósticos

• Peores Prácticas en S&OP y Planificación de la Demanda

• Peores prácticas en la implementación de software de pronóstico

Foresight es una publicación del International Institute of Forecasters (IIF), una organización sin fines de lucro, no comercial, dedicada a la generación, distribución y uso de conocimientos sobre pronósticos en una amplia gama de campos. (El propio Tom Willemain de Smart Software forma parte del Consejo Asesor de Foresight). Foresight es solo uno de los recursos que el IIF pone a disposición. Publicaciones adicionales, una gran cantidad de recursos en línea, un simposio anual y talleres y conferencias periódicos están disponibles para todos los miembros del IIF. The Smart Forecaster entrevistó previamente al ex presidente del IIF, el Dr. Mohsen Hamoudia. Visite el sitio de IIF para obtener información sobre cómo unirse.

(Len Tashman es el editor de Foresight: The International Journal of Applied Forecasting. La inusual conferencia relacionada con la práctica que describe, que se realizará en octubre de 2016, atraerá a muchos de los lectores de The Smart Forecaster. Por ejemplo, aquellos que han recibido la conferencia de Smart Software Se ha alertado sobre la posibilidad de que anular los pronósticos estadísticos pueda ser contraproducente si se hace con despreocupación. Dos sesiones en la conferencia se centran en el uso del juicio en el proceso de pronóstico. — Tom Willemain)

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

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

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

Educación y aceptación de las partes interesadas

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

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

Utilice el software adecuado

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

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

Afinar procesos

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

Haga que el pronóstico sea accionable

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

Validar resultados

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

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

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

Los planificadores de demanda tienen que hacer frente a múltiples problemas para realizar su trabajo. La primera es la dificultad de la intermitencia. El carácter "ahora lo ves, ahora no" de la demanda intermitente, con su fuerte mezcla de valores cero, obliga al uso de métodos estadísticos avanzados, como el algoritmo Markov Bootstrap patentado de Smart Software. Pero incluso dentro del oscuro reino de la demanda intermitente, existen grados de dificultad: los planificadores deben hacer frente aún más al Azote de la asimetría, potencialmente costoso.

La asimetría es un término estadístico que describe el grado en que la distribución de la demanda no es simétrica. La clásica (y en gran medida mítica) curva "en forma de campana" es simétrica, con las mismas posibilidades de que la demanda en cualquier período de tiempo caiga por debajo o por encima del promedio. Por el contrario, una distribución sesgada está desequilibrada, con la mayoría de los valores por encima o por debajo del promedio. En la mayoría de los casos, los datos de demanda tienen un sesgo positivo, con una cola larga de valores que se extiende hacia el extremo superior de la escala de demanda.

Gráficos de barras de dos series de tiempo
Figura 1: Dos series de demanda intermitente con diferentes niveles de asimetría
La figura 1 muestra dos series temporales de 60 meses de demanda intermitente. Ambos tienen un sesgo positivo, pero los datos del panel inferior están más sesgados. Ambas series tienen casi la misma demanda promedio, pero la de arriba es una mezcla de 0, 1 y 2, mientras que la de abajo es una mezcla de 0, 1 y 4.

Lo que hace que la asimetría positiva sea un problema es que reduce la tasa de llenado de un elemento. La tasa de llenado es importante la gestión del inventario métrica de rendimiento. Mide el porcentaje de la demanda que se satisface inmediatamente con el inventario disponible. Cualquier pedido pendiente o pérdida de ventas reduce la tasa de cumplimiento (además de desperdiciar la buena voluntad del cliente).

La tasa de relleno es un complemento de la otra métrica de rendimiento clave: el nivel de servicio. El nivel de servicio mide la posibilidad de que un artículo se agote durante el tiempo de reposición. El tiempo de entrega se mide desde el momento en que el inventario cae por debajo del punto de pedido de un artículo, lo que genera un pedido de reabastecimiento, hasta la llegada del inventario de reemplazo.

El software de gestión de inventario, como SmartForecasts de Smart Software, puede analizar los patrones de demanda para calcular el punto de pedido necesario para lograr un objetivo de nivel de servicio específico. Para alcanzar un nivel de servicio 95% para el artículo en el panel superior de la Figura 1, suponiendo un tiempo de entrega de 1 mes, el punto de reorden requerido es 3; para el artículo inferior, el punto de reorden es 1. (El primer punto de reorden es 3 para permitir la clara posibilidad de que los valores de la demanda futura excedan los valores más grandes, 2, observados hasta ahora. De hecho, son posibles valores tan grandes como 8 .) Consulte la figura 2.

Histogramas de dos series temporales
Figura 2: Distribuciones de la demanda total durante un plazo de reposición de 1 mes
(La Figura 2 traza la distribución prevista de la demanda durante el tiempo de entrega. Las barras verdes representan la probabilidad de que se materialice cualquier nivel particular de demanda).

Usando el punto de pedido requerido de 3 unidades, la tasa de llenado para el artículo menos sesgado es un 93% saludable. Sin embargo, la tasa de relleno para el artículo más sesgado es un 44% preocupante, aunque este artículo también alcanza un nivel de servicio de 95%. Este es el flagelo de la asimetría.

La explicación de la diferencia en las tasas de llenado es el grado de asimetría. El punto de reorden para el artículo más sesgado es 1 unidad. Tener 1 unidad disponible al comienzo del plazo de entrega será suficiente para manejar 95% de las demandas que lleguen durante un plazo de entrega de 1 mes. Sin embargo, la demanda mensual podría superar las 15 unidades, por lo que cuando se agote la unidad más sesgada, se "agotará a lo grande", perdiendo una cantidad mucho mayor de unidades.

La mayoría de los planificadores de demanda estarían orgullosos de lograr un nivel de servicio 95% y una tasa de llenado de 93%. La mayoría estaría preocupada y desconcertada al lograr el nivel de servicio 95% pero solo una tasa de llenado de 44%. Esta falla parcial no sería su culpa: se puede atribuir directamente a la desagradable asimetría en la distribución de los valores de la demanda mensual.

No existe una solución indolora para este problema. La única forma de aumentar la tasa de llenado en esta situación es elevar el objetivo de nivel de servicio, lo que a su vez impulsará el punto de pedido, lo que finalmente reducirá tanto la frecuencia de los desabastecimientos como su tamaño cada vez que ocurran. En este ejemplo, aumentar el punto de pedido de 1 unidad a 3 unidades logrará un nivel de servicio de 99% y aumentará la tasa de cumplimiento a un respetable, pero no sobresaliente, 84%. Esta mejora tendría el costo de esencialmente triplicar los dólares invertidos en la gestión de este elemento más sesgado.

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.

Una nueva métrica que llamamos "Índice de atención" ayudará a los pronosticadores a identificar situaciones en las que "los datos se comportan mal" pueden distorsionar los pronósticos estadísticos automáticos (ver el poema adyacente). Identifica rápidamente aquellos elementos que probablemente requieran anulaciones de pronósticos, lo que proporciona una forma más eficiente de poner a trabajar la experiencia comercial y otra inteligencia humana para maximizar la precisión de los pronósticos. ¿Como funciona?

Clásico métodos de pronóstico, como los diversos sabores de suavizado exponencial y promedios móviles, insisten en un acto de fe. Requieren que confiemos en que las condiciones presentes persistirán en el futuro. Si las condiciones actuales persisten, entonces es sensato utilizar estos métodos extrapolativos, métodos que cuantifican el nivel actual, la tendencia, la estacionalidad y el “ruido” de una serie temporal y los proyectan hacia el futuro.

Pero si no persisten, los métodos de extrapolación pueden causarnos problemas. Lo que había estado subiendo podría estar bajando de repente. Lo que solía estar centrado en un nivel puede saltar repentinamente a otro. O podría suceder algo realmente extraño que está completamente fuera de patrón. En estas circunstancias sorprendentes, la precisión de los pronósticos se deteriora, los cálculos de inventario fallan y se produce un descontento general.

Una forma de hacer frente a este problema es confiar en modelos de pronóstico más complejos que tengan en cuenta los factores externos que impulsan la variable que se pronostica. Por ejemplo, las promociones de ventas intentan interrumpir los patrones de compra y moverlos en una dirección positiva, por lo que incluir la actividad de promoción en el proceso de pronóstico puede mejorar el pronóstico de ventas. A veces, los indicadores macroeconómicos, como la construcción de viviendas o las tasas de inflación, se pueden utilizar para mejorar la precisión de los pronósticos. Pero los modelos más complejos requieren más datos y más experiencia, y es posible que no sean útiles para algunos problemas, como la gestión de piezas o subsistemas, en lugar de productos terminados.

Si uno está atascado usando métodos extrapolativos simples, es útil tener una forma de marcar elementos que serán difíciles de pronosticar. Este es el índice de atención. Como sugiere el nombre, los elementos que se van a pronosticar con un índice de atención alto requieren un manejo especial, al menos una revisión y, por lo general, algún tipo de ajuste de pronóstico.

El Índice de Atención detecta tres tipos de problemas:

Un valor atípico en el historial de demanda de un artículo.
Un cambio abrupto en el nivel de un elemento.
Un cambio abrupto en la tendencia de un artículo.
Usando software como SmartForecasts™, el pronosticador puede lidiar con un valor atípico reemplazándolo con un valor más típico.

Un cambio abrupto en el nivel o la tendencia se puede abordar omitiendo, de los cálculos de pronóstico, todos los datos anteriores a la "ruptura" en el patrón de demanda, suponiendo que el artículo haya cambiado a un nuevo régimen que hace que los datos anteriores sean irrelevantes.

Si bien ningún índice es perfecto, el Índice de atención hace un buen trabajo al centrar la atención en los historiales de demanda más problemáticos. Esto se demuestra en las dos figuras a continuación, que se produjeron con datos de la competencia M3, muy conocida en el mundo de los pronósticos. La Figura 1 muestra los 20 ítems (de los 3.003 del concurso) con las puntuaciones más altas en el Índice de Atención; todos estos tienen grotescos valores atípicos y rupturas. La Figura 2 muestra los 20 ítems con las puntuaciones más bajas del Índice de Atención; la mayoría (pero no todos) de los ítems con puntajes bajos tienen patrones relativamente benignos.

Si tiene miles de elementos para pronosticar, el nuevo índice de atención será muy útil para centrar su atención en aquellos elementos que probablemente sean problemáticos.

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

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

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

Resolvimos nuestro problema, introducimos el pronóstico estadístico de la demanda con la flexibilidad de extender los plazos de entrega cuando sea necesario, la capacidad de establecer de manera confiable existencias de seguridad que alcancen nuestros niveles de servicio requeridos y un sistema de informes continuos que les permite a todos saber exactamente dónde estamos parados. Sin embargo, el éxito requería mucho más que una nueva pieza de software. Necesitábamos cambiar la forma en que vemos la demanda futura, el riesgo de suministro y el stock de seguridad. Aquí hay algunas cosas clave que hicimos que marcaron la diferencia.

Educación y aceptación de las partes interesadas

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

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

Utilice el software adecuado

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

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

Afinar procesos

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

Haga que el pronóstico sea accionable

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

Validar resultados

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

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

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