La mayoría de los pronósticos estadísticos funcionan en un flujo directo desde los datos anteriores hasta el pronóstico. Pronosticar con indicadores adelantados funciona de manera diferente. Un indicador principal es una segunda variable que puede influir en el que se pronostica. La aplicación de conocimiento humano comprobable sobre el poder predictivo en la relación entre estos diferentes conjuntos de datos a veces proporcionará una precisión superior.

La mayoría de las veces, un pronóstico se basa únicamente en la historia pasada del artículo que se está pronosticando. Supongamos que el problema del pronosticador es predecir las ventas unitarias futuras de un producto importante. El proceso comienza con la recopilación de datos sobre las ventas anteriores del producto. (Gregory Hartunian comparte algunos consejos prácticos para elegir los mejores datos disponibles en una publicación anterior al Smart Forecaster.) Estos datos fluyen hacia el software de pronóstico, que analiza el registro de ventas para medir el nivel de variabilidad aleatoria y explotar cualquier aspecto predecible, como tendencias o patrones regulares de variabilidad estacional. El pronóstico se basa completamente en el comportamiento pasado del artículo que se pronostica. No se tiene en cuenta explícitamente nada que pudiera haber causado las oscilaciones y sacudidas en el gráfico de ventas del producto. Este enfoque es rápido, simple, autónomo y escalable, porque el software puede pasar por una gran cantidad de pronósticos automáticamente.

Pero a veces el pronosticador puede hacerlo mejor, a costa de más trabajo. Si el pronosticador puede mirar a través de la niebla de la aleatoriedad e identificar una segunda variable que influya en la que se está pronosticando, un indicador adelantado, serán posibles predicciones más precisas.

Por ejemplo, suponga que el producto es un vidrio de ventana para casas. Es muy posible que los aumentos o disminuciones en el número de permisos de construcción para casas nuevas se reflejen en los correspondientes aumentos o disminuciones en el número de láminas de vidrio ordenadas varios meses después. Si el pronosticador puede destilar esta relación "retrasada" o retrasada en una ecuación, esa ecuación se puede usar para pronosticar las ventas de vidrio dentro de varios meses usando valores conocidos del indicador principal. Esta ecuación se llama "ecuación de regresión" y tiene una forma similar a:

Ventas de vidrio en 3 meses = 210,9 + 26,7 × Número de viviendas iniciadas este mes.

El software de pronóstico puede tomar los datos de inicio de viviendas y ventas de vidrio y convertirlos en una ecuación de regresión de este tipo.

Gráfico que muestra una relación entre cifras de ejemplo para permisos de construcción diferidos y demanda de vidrio
Indicadores adelantados demostrados
Sin embargo, a diferencia de los pronósticos estadísticos automáticos basados en las ventas pasadas de un producto, los pronósticos con un indicador anticipado enfrentan el mismo problema que la receta proverbial del estofado de conejo: “Primero atrapa un conejo”. Aquí, la experiencia del pronosticador en la materia es fundamental para el éxito. El pronosticador debe poder nominar a uno o más candidatos para el puesto de indicador principal. Después de este paso crucial, basado en el conocimiento, la experiencia y la intuición del pronosticador, se puede usar el software para verificar que realmente existe una relación predictiva con retraso en el tiempo entre el indicador principal candidato y la variable que se va a pronosticar.

Este paso de verificación se realiza mediante un análisis de "correlación cruzada". El software esencialmente toma como entrada una secuencia de valores de la variable a pronosticar y otra secuencia de valores del supuesto indicador líder. A continuación, desplaza los datos de la variable de previsión por, sucesivamente, uno, dos, tres, etc. periodos de tiempo. En cada desliz en el tiempo (llamado "retraso", porque el indicador adelantado se está quedando cada vez más atrás de la variable de pronóstico), el software verifica un patrón de asociación entre las dos variables. Si encuentra un patrón que es demasiado fuerte para ser explicado como un accidente estadístico, se confirma la corazonada del pronosticador.

Obviamente, pronosticar con indicadores principales es más trabajo que pronosticar usando solo los valores pasados de un artículo. El pronosticador tiene que identificar un indicador principal, comenzando con una lista sugerida por la experiencia en la materia del pronosticador. Este es un proceso de “elaboración manual” que no es adecuado para la producción masiva de pronósticos. Pero puede ser un enfoque exitoso para una cantidad menor de elementos importantes que valen la pena el esfuerzo adicional. La función del software de pronóstico, como nuestro sistema SmartForecasts, es ayudar al pronosticador a autenticar el indicador principal y luego explotarlo.

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.

Los desafíos únicos de la planificación de inventario para piezas de repuesto, grandes bienes de capital y otros artículos que se mueven con poca frecuencia o de manera irregular impulsan la importancia de encontrar métodos más inteligentes para pronosticar este tipo de demanda intermitente. Robert Bowman, editor de Supply Chain Brain Magazine, y yo discutimos este tema en la edición de octubre APICS conferencia en Denver, y el video de nuestra conversación está disponible en El cerebro de la cadena de suministro sitio web.

Por qué plan para demanda intermitente? Bueno, ¿por qué planificar para cualquier demanda? Si puede comprender cuál será el rango probable de demanda hasta que pueda obtener más, sabrá cuánto stock debe mantener en reserva, de modo que tenga lo suficiente. Este es el corazón de la previsión de la demanda y la optimización del inventario. La demanda intermitente es excepcionalmente difícil de pronosticar, pero este mismo principio es válido.

A diferencia de otros patrones de demanda, donde los datos históricos sugieren tendencias regulares, flujos y reflujos, estacionalidad u otros patrones perceptibles, la demanda intermitente parece ser aleatoria. Hay muchos períodos de demanda cero intercalados con demanda irregular, distinta de cero. Esto ocurre con frecuencia con las piezas de servicio, donde las piezas se reemplazan cuando se rompen, y simplemente no se sabe cuándo ocurrirá eso. La mayoría de los inventarios de repuestos (¡70% o más!) pueden experimentar una demanda intermitente. También es probable que la demanda de productos especializados o configurados sea intermitente.

Supply Chain Brain ha realizado una discusión más profunda sobre este tema Bowman y yo compartimos disponible aquí. Para los nuevos visitantes de Supply Chain Brain, se requiere un rápido registro de cuenta para acceder al video.

Jeff Scott se desempeña como vicepresidente de marketing y alianzas para Smart Software.

Se pueden obtener enormes eficiencias de ahorro de costos al optimizar los niveles de existencias de inventario utilizando las mejores predicciones de la demanda futura. La familiaridad con los conceptos básicos de pronóstico es una parte importante para ser efectivo con las herramientas de software diseñadas para explotar esta eficiencia. Esta introducción concisa (la primera de una breve serie de publicaciones de blog) ofrece al profesional ocupado una introducción a las ideas básicas que debe aplicar en la elaboración de pronósticos. ¿Cómo evalúa sus esfuerzos de pronóstico y qué tan confiables son los resultados?

Un buen pronóstico es "imparcial". Captura correctamente la estructura predecible en el historial de demanda, que incluye: tendencia (un aumento o disminución regular de la demanda); estacionalidad (variación cíclica); eventos especiales (por ejemplo, promociones de ventas) que podrían afectar la demanda o tener un efecto de canibalización en otros artículos; y otros eventos macroeconómicos.

Por “imparcial” queremos decir que el pronóstico estimado no se proyecta demasiado alto o demasiado bajo; es igualmente probable que la demanda real esté por encima o por debajo de la demanda prevista. Piense en el pronóstico como su mejor estimación de lo que podría suceder en el futuro. Si ese pronóstico es "imparcial", el panorama general mostrará que las medidas de la demanda futura real "encuadrarán" los pronósticos, distribuidos en equilibrio por encima y por debajo de las predicciones por las mismas probabilidades.

Puedes pensar en esto como si fueras un oficial de artillería y tu trabajo es destruir un objetivo con tu cañón. Apuntas tu cañón ("el pronóstico") y luego disparas y miras caer los proyectiles. Si apuntó el cañón correctamente (produciendo un pronóstico "imparcial"), esos proyectiles "encerrarán" el objetivo; algunos proyectiles caerán al frente y algunos proyectiles caerán detrás, pero algunos proyectiles darán en el blanco. Las conchas que caen pueden considerarse como la "demanda real" que ocurrirá en el futuro. Si pronosticó bien (apuntó bien su cañón), entonces esos datos reales colocarán entre paréntesis los pronósticos, cayendo igualmente por encima y por debajo del pronóstico.

Una vez que haya obtenido un pronóstico "imparcial" (en otras palabras, apuntó su cañón correctamente), la pregunta es: ¿qué tan preciso fue su pronóstico? Usando el ejemplo de la artillería, ¿qué tan amplio es el rango alrededor del objetivo en el que caen sus proyectiles? Desea tener un rango lo más estrecho posible. Un buen pronóstico será uno con la mínima “difusión” posible alrededor del objetivo.

Sin embargo, el hecho de que los valores reales estén cayendo ampliamente alrededor del pronóstico no significa que tenga un mal pronóstico. Simplemente puede indicar que tiene un historial de demanda muy "volátil". Nuevamente, usando el ejemplo de la artillería, si está comenzando a disparar en un huracán, debe esperar que los proyectiles caigan alrededor del objetivo con un amplio error.

Su objetivo es obtener un pronóstico lo más preciso posible con los datos que tiene. Si esos datos son muy volátiles (estás disparando en un huracán), entonces deberías esperar un gran error. Si sus datos son estables, debe esperar un pequeño error y sus valores reales se acercarán al pronóstico: ¡está disparando en un día despejado!

Para que pueda comprender tanto la utilidad de sus pronósticos como el grado de precaución apropiado al aplicarlos, debe poder revisar y medir qué tan bien está funcionando su pronóstico. ¿Qué tan bien está estimando lo que realmente ocurre? SmartForecasts hace esto automáticamente ejecutando su "simulación deslizante" a través del historial. Simula “pronósticos” que podrían haber ocurrido en el pasado. Una parte más antigua del historial, sin los números más recientes, se aísla y se utiliza para generar pronósticos. Debido a que estos pronósticos luego "predicen" lo que podría suceder en el pasado más reciente, un período para el cual ya tiene datos de demanda reales, los pronósticos se pueden comparar con el historial real reciente.

De esta manera, SmartForecasts puede calcular empíricamente el error de pronóstico real, y esos errores son necesarios para estimar adecuadamente el inventario de seguridad. El inventario de seguridad es la cantidad de inventario adicional que debe tener para compensar el error anticipado en sus pronósticos. En un ensayo posterior, discutiré cómo usamos nuestro error de pronóstico estimado (a través de la simulación deslizante de SmartForecasts) para estimar correctamente las existencias de seguridad.

Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.

El impacto destructivo del huracán Sandy ha sido asombroso e instructivo. Nuestros pensamientos y mejores deseos para una pronta recuperación están con todos los que han sufrido pérdidas o daños personales o económicos. Ahora, después de Sandy, nos encontramos pensando en acelerar la recuperación y planificar para el próximo evento imprevisto.

Nuestro trabajo con clientes en el sector del transporte público, muy afectado, presentó una visión aleccionadora de infraestructura dañada, equipo pesado y pérdidas de inventario esencial. Los más afectados han visto una gran cantidad de trabajo mientras los gerentes de inventario hacen un inventario de lo que tienen, lo que necesitan y obtienen una montaña de repuestos y productos. Este ciclo de reabastecimiento excepcionalmente masivo presenta todo tipo de oportunidades y consideraciones. Para aquellos que todavía están en esta fase, y para ayudar a nuestra preparación colectiva para el Próximo Gran Evento, aquí hay algunos pensamientos:

Oportunidad de inventario de "tamaño correcto" de inmediato

Es posible que esté en condiciones de recibir una gran infusión única de fondos para el inventario de reemplazo. Podría ser dinero del seguro, ayuda federal o fondos para emergencias de su propia tesorería. Utilice los fondos para establecer la mejor combinación de inventario posible. No ordene a niveles Min/Max previamente establecidos. Hacerlo puede simplemente repetir los excesos y las deficiencias del pasado.

Un evento importante como Sandy presenta una rara oportunidad para transformar su inventario. Comience con un pronóstico de demanda preciso durante el período de reabastecimiento y genere existencias de seguridad y puntos de reorden que aborden sus necesidades críticas. Esto se puede lograr en cuestión de horas o días. Por lo general, la implementación de niveles óptimos de inventario puede ocurrir durante varios años, a medida que el exceso de inventario se agota gradualmente. Ahora, sin embargo, tiene una oportunidad única de saltar a la respuesta correcta. Este cambio puede reducir sustancialmente el gasto de reabastecimiento, liberando cientos de miles de dólares para otros usos de recuperación más críticos.

Priorizar las clases a reponer

Sea claro sobre lo que necesita para operaciones cruciales y priorice su reposición. ¿Qué piezas tienen largos plazos de entrega y cuáles están fácilmente disponibles? Obviamente, los artículos con plazos de entrega cortos se pueden adquirir por etapas, obteniendo lo suficiente ahora, haciendo que los fondos estén disponibles para los artículos con plazos de entrega más largos.

Determine cuánto es "lo suficiente"

Aquí es donde entran en juego un pronóstico preciso de la demanda, las existencias de seguridad y los cálculos del punto de pedido. Considere el nivel de servicio que necesita, la probabilidad de que los productos estén en los estantes cuando los necesite, que es realmente su tolerancia al riesgo. Haga esto para cada artículo o clase de artículos. Esto le dirá cuánto stock de seguridad, además de su pronóstico de tiempo de entrega esperado, debe tener disponible. La iteración de los requisitos basados en el nivel de servicio le permitirá maximizar el valor del presupuesto de reabastecimiento disponible.

Pronóstico estadístico para demanda intermitente vs. métodos de 'regla general'

Ahora es el momento de pasar de 'la forma en que lo hemos hecho' al proceso de optimización de inventario y pronóstico de demanda más preciso disponible para usted. Una mayor precisión en los pronósticos requiere menos inventario de seguridad; nuevamente, el dinero del inventario está disponible para otros usuarios. La categoría individual más grande para la mejora es la demanda intermitente. La mayoría de las organizaciones no aplican métodos estadísticos sólidos a esto, sino que recurren a la "regla del martillo pesado": tener lotes a mano porque nadie lo sabe. Esta es un área en la que SmartForecasts es especialmente hábil, con una solución patentada para pronosticar la demanda intermitente. Las recomendaciones de existencias de seguridad resultantes alcanzaron el objetivo de nivel de servicio casi 100% del tiempo. Hacer esto correctamente ahorrará muchos gastos ahora y ayudará a minimizar el potencial de un exceso de inventario obsoleto en el futuro.

Nelson Hartunian, PhD, cofundó Smart Software, anteriormente se desempeñó como presidente y actualmente lo supervisa como presidente de la junta. Ha dirigido, en varias ocasiones, el desarrollo de software, las ventas y el servicio al cliente.

Las fluctuaciones en una cadena de suministro de inventario son inevitables. La aleatoriedad, que puede ser fuente de confusión y frustración, lo garantiza. Un barco que transporta mercancías desde China puede retrasarse debido a una tormenta en el mar. Un aumento repentino en la demanda un día puede acabar con el inventario en un solo día, dejándolo incapaz de satisfacer la demanda del día siguiente. La aleatoriedad crea fricciones que dificultan el trabajo.

A primera vista, a veces parece mejor responder al azar con el enfoque del avestruz: la cabeza enterrada en la arena. Puede establecer una predicción y proceder suponiendo que la predicción siempre será acertada. La falla en ese enfoque es que ignora los métodos estadísticos que nos permiten hacer uso de una gran cantidad de conocimiento sobre nuestro conocimiento en sí mismo: cuán seguros podemos estar en nuestras predicciones y qué amplitud de posibilidades enfrentamos. El enfoque eficiente para abordar los problemas que surgen de la aleatoriedad no es ignorar la incertidumbre, sino aceptarla con los ojos abiertos.

Como principio fundamental del enfoque de Smart Software para pronóstico, siempre le proporcionaremos una evaluación del nivel de incertidumbre en los pronósticos. Si no espera nada más que una cifra absoluta (la demanda de dispositivos en febrero será de 120 unidades), puede descartar el elemento adicional de incertidumbre como algo negativo o perder la fe en un pronóstico que esperaba que fuera definitivo. Pero defendemos lo que consideramos el enfoque adulto; necesita saber lo que está arriesgando cuando se compromete con un pronóstico y basa su toma de decisiones en él.

Sus pronósticos pueden tener grandes consecuencias que van más allá de los niveles de existencias de inventario. Pueden determinar sus necesidades de materias primas o los niveles de personal: los pronósticos impulsan muchas decisiones importantes de asignación de recursos. Si tiene demasiada fe en el resultado más probable, sin considerar específicamente qué tan probable es, realmente no está comprendiendo los riesgos que enfrenta y puede colocarse en una posición precaria.

La necesidad de tomar decisiones plenamente informadas nos obliga a ver, en un pronóstico, el rango positivo/negativo de resultados con cierta probabilidad de ocurrencia. En el caso específico de los pronósticos que van a los sistemas de inventario, esta es una parte importante de la planificación deliberada para las contingencias. Así es como determina no solo el inventario que necesita mantener para satisfacer la demanda típica, sino también el inventario adicional que necesita para hacer frente a la mayoría de los resultados inesperados.

Esta importancia solo aumenta cuando intenta mantener un almacén confiable de repuestos críticos. Entre el costo de almacenar inventario adicional y tener en cuenta el grado de confiabilidad en sus pronósticos, existe un equilibrio que cristaliza cuando un avión que necesita en el aire queda en tierra, porque no tiene el reemplazo de una pieza dañada.

(Si bien el almacenamiento de inventario adicional se basa en el extremo superior del rango de incertidumbre, si el flujo de efectivo es limitado, es el extremo inferior del rango el que se vuelve importante. Los usuarios con mentalidad de tesorería encuentran valor en este otro lado de la incertidumbre en escenarios donde incluso el mínimo exceso de existencias puede ser un problema mayor que una oportunidad de venta perdida, por ejemplo. La información confiable sobre los resultados probables más bajos vale la pena en este momento).

La teoría del inventario dice que debe pensar en los extremos exteriores de las posibilidades probables y prepararse para hacer frente a más escenarios además de lo que es más probable. La aleatoriedad es una realidad que no se puede ignorar. El promedio no es la respuesta.

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.