Escasez vs. Faltante, la precisión del pronóstico importa

Joannes Vermorel

La previsión de la demanda es fundamental para la optimización del inventario. Sin embargo, la relación exacta entre:

• el nivel de servicio (probabilidad de no tener faltantes),
• el stock de seguridad (cantidad de inventario por encima de la demanda esperada),
• y la precisión del pronóstico

a veces es un poco confusa. Por lo tanto, intentemos aclarar la situación.

La escasez cuesta dinero: los clientes están insatisfechos y es menos probable que regresen, el dinero invertido en la adquisición de clientes se desperdicia, también se pueden perder ventas indirectas, …

Sin embargo, el inventario también cuesta dinero: más existencias significan más capital de trabajo, más obsolescencia de productos, más costos de almacenamiento; el exceso de inventario significa mayores costos de publicidad y menos puntos de venta, …

Por lo tanto, satisfacer a los clientes es un compromiso financiero entre la cantidad de inventario y la cantidad de faltantes.

Estamos considerando implícitamente una situación minorista aquí, pero un razonamiento casi idéntico también se aplica a los fabricantes.

En este punto, aún no está claro cómo la precisión del pronóstico entra en juego. En particular, para algunas empresas, podría parecer como si no se hubieran producido pronósticos en primer lugar. Ejemplo: solo políticas de reorden mínimo-máximo, y sin pronósticos.

De hecho, incluso si nadie en su empresa produce explícitamente pronósticos, su inventario aún obtiene una precisión de pronóstico implícita (ilustración aquí arriba, el triángulo naranja representa la restricción). De hecho, es posible - aunque un poco complicado - calcular la precisión implícita por las empresas en sus niveles de stock de seguridad con sus frecuencias de faltantes.

Ajustar el compromiso ya sea a favor del nivel de servicio, o a favor de la reducción de inventario no mejora la precisión implícita, ya que un costo se intercambia por otro (ilustración a la derecha, la restricción está rotada, no reducida). Los pronósticos pueden estar ocultos por sus procesos, pero eso no evitará que su empresa sufra pérdidas financieras si esos pronósticos resultan ser incorrectos.

A menos que haya una profunda falta de análisis en sus políticas de inventario, se espera que la mejora traída por ajustar el compromiso escasez vs. stock sea marginal (lo que aún podría representar ahorros sustanciales, especialmente si el margen es estrecho).

Para mejorar ambos lados de la ecuación, necesita mejores pronósticos.

El impacto de una precisión mejorada se ilustra en el gráfico de la izquierda. En comparación con las situaciones anteriores, vemos que reducir la precisión le permite reducir tanto la frecuencia de faltantes como la cantidad de stock de seguridad.

La teoría dice aproximadamente que reducir el error de pronóstico en un 1% (relativo) se puede utilizar para reducir la frecuencia de faltantes en un 1% (relativo) o reducir la cantidad de stock de seguridad en un 1% (relativo).

En la práctica, puede haber obstáculos para aprovechar completamente la mejora traída por la precisión adicional, como los niveles de servicio ofrecidos por sus propios proveedores. Sin embargo, con una posición conservadora, aún podemos estimar que un 1% de precisión adicional trae consigo una reducción del 0.5% en faltantes, o una reducción del 0.5% en stock de seguridad.

Una vez más, el compromiso escasez vs. stock puede readaptarse manteniendo la nueva precisión mejorada.

Comentarios de los lectores (6)

Hola Benhard, La mayoría de las fórmulas de stock de seguridad se basan en la varianza de los pronósticos, sin embargo, como este valor es más difícil de calcular, una heurística típica consiste en reemplazar las varianzas de los pronósticos por la varianza de los datos históricos, pero esto es una aproximación. Por lo tanto, si desea integrar el error de pronóstico en su cálculo de stock de seguridad, simplemente reemplace el coeficiente ‘sigma’ de la varianza histórica, por la varianza esperada de los propios pronósticos. Espero que ayude. Joannes Vermorel (hace 7 años)

Hola Joannes, Realmente encuentro este artículo interesante. Estoy en medio de determinar políticas de inventario basadas en pronósticos de demanda en lugar de historial de demanda. La mayoría de los sitios web muestran cómo determinar políticas de inventario basadas en la varianza de los datos históricos. Me pregunto cómo incorporar el error de pronóstico en la ecuación de stock de seguridad. Lamento si mi pregunta está fuera del tema anterior. Cualquier tipo de ayuda sería apreciada. Gracias Jo. ben Benhard Adolf (hace 7 años)

En realidad, no es el triángulo lo que realmente importa, sino sus dos lados (derecho e izquierdo). Intuitivamente, el ángulo primario es una constante que no se puede cambiar, por lo que si mueve un lado, el otro también se mueve. La forma de alguna manera se parece a un triángulo, pero solo dos lados y un ángulo realmente importan. Joannes Vermorel (hace 8 años)

Estimado Joannes, Encuentro tu explicación muy clara, pero no entiendo el triángulo naranja. Representa la restricción. Pero no lo entiendo en el dibujo. ¿Tienes alguna palabra extra de explicación? Gracias Piet Buyck (hace 8 años)

Hola Achyut, en el modelo clásico de stock de seguridad, típicamente asumimos una distribución normal (distribución gaussiana) de la demanda. La distribución normal está definida por dos parámetros: su media y su varianza. La cantidad de stock de seguridad (también conocido como el stock extra por encima del nivel de demanda promedio), para un nivel de servicio dado, es linealmente proporcional a la varianza. Por lo tanto, si reduces la varianza (también conocido como el error de pronóstico) en un 1%, también reduces el stock de seguridad en un 1% en este modelo ideal. Luego, la otra parte sobre reducir la frecuencia de faltantes manteniendo la misma cantidad de stock de seguridad es más complicada, y requeriría una publicación en un blog aparte. Intentaré volver a eso cuando tenga tiempo. Joannes Vermorel (hace 8 años)

Hola Joannes, Es un artículo muy útil. Solo necesito un poco más de claridad sobre una de las cosas que has mencionado en este artículo. Has dicho que “La teoría dice aproximadamente que reducir el error de pronóstico en un 1% (relativo) se puede utilizar para reducir la frecuencia de faltantes en un 1% (relativo) o reducir la cantidad de stock de seguridad en un 1% (relativo).” ¿Puedes elaborar en el concepto en el que se basa? Entiendo que un mejor pronóstico reduciría los niveles de inventario, pero me resulta difícil cuantificarlo. Gracias de antemano Achyut Koushik A (hace 8 años)