Incluso hoy en día, nos encontramos con empresas que tienen dificultades para adaptar sus estrategias de almacenamiento a los perfiles de demanda. ¿Alguna vez te han pedido que mantengas existencias equivalentes a un mes para garantizar las ventas?
En varios sectores industriales y de distribución, esta política se basa simplemente en garantizar un determinado número de días de cobertura, y no se diferencia según el producto.
Un mes puedes vender 10 000 y al mes siguiente 5 000. ¿Cuánto es el suministro mensual?
“El stock equivalente a un mes”, por supuesto, no significa nada. Solo cobra sentido a posteriori, cuando se analiza el rendimiento de la rotación de existencias, pero no es relevante a la hora de determinar la duración de los ciclos de reposición.
Fórmulas estadísticas y factores de variabilidad
Durante décadas, se han propuesto fórmulas estadísticas para calcular el volumen de las existencias de seguridad basándose en el historial de consumo, con el objetivo de alcanzar un nivel de servicio determinado.
El DDMRP propone, en el caso de los almacenes dinámicos, establecer factores de variabilidad para determinar el tamaño de la zona roja de seguridad.
El enfoque puede parecer básico, pero la experiencia demuestra que, en el caso de los artículos con una buena recurrencia de la demanda —y, por lo tanto, candidatos a una gestión dinámica de las reservas de seguridad—, estos factores de variabilidad ofrecen una respuesta mucho mejor que las fórmulas de stock de seguridad. Las fórmulas de stock de seguridad suelen dar lugar a niveles más elevados y son, por naturaleza, estáticas. El DDMRP ha devuelto el sentido común a la identificación y evaluación de las variabilidades y aporta sentido y visibilidad a esta clasificación.
Una fórmula estadística sigue siendo una opción adecuada para los artículos de consumo esporádico, para los que resulta adecuado un margen estático.
¿Cómo se definen los rangos de variabilidad y los factores de variabilidad que deben aplicarse a la zona roja?
Coeficiente de variabilidad
El método más habitual para clasificar los artículos en función de la variabilidad de la demanda consiste en utilizar el coeficiente de variabilidad:
A partir de tu cartera de artículos, puedes calcular los coeficientes de variabilidad y establecer familias de variabilidad. A cada familia se le asigna un factor de variabilidad adecuado. En Intuiflow, este proceso se lleva a cabo mediante un asistente de perfilado de reservas, que te permite configurar los parámetros de stock pertinentes para miles de artículos en pocos segundos.
Recomendamos que este cálculo del CoV se realice basándose en intervalos de demanda diarios, ya que es sobre una base diaria, teniendo en cuenta la demanda actual, como nuestros planificadores deben tomar decisiones.
También es posible calcular este CoV semanal o mensualmente, lo que da lugar a valores más bajos. Los umbrales de las categorías de variabilidad deben adaptarse, pero en la mayoría de los casos existe una fuerte correlación entre la variabilidad medida semanalmente y la medida diariamente: los elementos con variabilidad baja, media, alta o muy alta seguirán siendo los mismos.
Los artículos con una variabilidad elevada suelen requerir un análisis más detallado: ¿hay clientes que realizan pedidos puntuales de gran volumen? ¿Deberían excluirse los picos de demanda de la evaluación de la variabilidad? ¿Es realmente necesario mantener estos artículos en stock? Si realmente es necesario almacenarlos, ¿no sería mejor optar por un stock de seguridad estático?
Los límites de los coeficientes de variabilidad
El coeficiente de variabilidad es una buena base para diferenciar las categorías de variabilidad de los ítems, pero no caracteriza por completo la señal de demanda.
Por ejemplo, los dos artículos A y B que se indican a continuación tendrán el mismo CoV, aunque sus señales de demanda sean significativamente diferentes. Dependiendo del plazo de reabastecimiento, el artículo B necesitará una zona roja más amplia.
Inteligencia artificial y agrupación en clústeres
Las técnicas de ciencia de datos ofrecen un enfoque más completo para caracterizar las señales de demanda. A modo de ejemplo, el gráfico siguiente muestra siete artículos que presentan señales de demanda similares, algo que no resulta necesariamente evidente a simple vista…
Estos elementos presentan valores de CoV comprendidos entre 50% y 150%, lo que puede haber nos llevado a clasificarlos en diferentes categorías de variabilidad, a pesar de que sus señales son similares.
Mediante el uso de la inteligencia artificial, podemos definir grupos de artículos (perfiles de stock de seguridad) en función de la similitud de los patrones de demanda y ejecutar simulaciones en segundo plano para validar los parámetros de la «zona roja» de nuestros stocks de seguridad dinámicos. Cuantos más datos se introduzcan en el motor de aprendizaje automático, mejor será el resultado.
El enfoque tradicional del CoV suele suponer una mejora significativa con respecto a las prácticas anteriores y tiene la ventaja de ser sencillo y fácil de leer. La inteligencia artificial permite generar agrupaciones de artículos con mayor detalle, pero debe seguir siendo comprensible y legible para garantizar que los planificadores puedan confiar en él.
Si quieres saber cómo integra Intuiflow la inteligencia artificial y el enfoque «Demand Driven», ¡no dudes en ponerte en contacto con nosotros!
Sobre el autor
Bernard Milian
Bernard Milian es un experto líder en DDMRP y ex ejecutivo de Demand Driven Technologies, ahora parte del equipo de Algo. Como Instructor Maestro certificado de DDP con más de 30 años de experiencia, se especializa en ayudar a organizaciones globales a aprovechar estrategias impulsadas por la demanda para optimizar el flujo de la cadena de suministro.