Prevenir inventario muerto a través de pronósticos de doble cuantil
El stock asociado a cada SKU es una anticipación del futuro. Desde un punto de vista más técnico, el punto de reorden del SKU se puede ver como un pronóstico de cuantil. El cuantil indica la menor cantidad de inventario que se debe mantener para evitar faltantes de stock con una probabilidad igual al nivel de servicio.
Si bien este punto de vista es muy poderoso, no dice nada sobre el riesgo de tener un exceso de inventario, es decir, el riesgo de crear inventario muerto, ya que solo se aborda estadísticamente el lado de los faltantes de stock. Sin embargo, el riesgo de tener un exceso de inventario es importante si los productos son perecederos o si la demanda del producto puede desaparecer repentinamente, como ocurre en la electrónica de consumo cuando entra al mercado el reemplazo de última generación.
Ejemplo: Consideremos el caso de un minorista occidental que vende, entre otros productos, cadenas para nieve. El tiempo de entrega para importar las cadenas es de 3 meses. La región donde se encuentra el minorista no es muy fría y solo un invierno de cada cinco justifica el uso de cadenas para nieve. Para cada invierno frío, la demanda local de cadenas para nieve es de 1,000 kits. Ahora, en este contexto, cualquier pronóstico de cuantil con un nivel de servicio superior al 80% sugiere tener más de 1,000 kits en stock para mantener la probabilidad de faltante de stock por debajo del 20%. Sin embargo, si el invierno no es frío, entonces el minorista quedará atascado con todo su inventario no vendido de cadenas para nieve, 1,000 kits o más, posiblemente durante años. El punto de reorden calculado de la manera habitual a través de los cuantiles se centra en situaciones ascendentes con picos de demanda, pero no dice nada sobre situaciones descendentes donde la demanda se evapora.
Sin embargo, el riesgo de tener un exceso de inventario también se puede gestionar a través de los cuantiles, pero requiere realizar un segundo cálculo de cuantil aprovechando un conjunto distinto de valores para tau (τ no es el nivel de servicio) y lambda (λ no es el tiempo de entrega).
En la situación habitual, tenemos:
R = Q(τ, λ)
Donde
- R es el punto de reorden (un número de unidades)
- Q es el modelo de pronóstico de cuantil
- τ es el nivel de servicio (un porcentaje)
- λ es el tiempo de entrega (un número de días)
Como se ilustra en el ejemplo anterior, este cálculo del punto de reorden puede dar lugar a valores grandes que no tienen en cuenta el riesgo financiero asociado con una disminución de la demanda donde la empresa termina con inventario muerto.
Para manejar el riesgo de tener un exceso de inventario, la fórmula se puede revisar de la siguiente manera:
R = MIN(Q(τ, λ), Q(τx, λx))
Donde
- τx es el riesgo máximo aceptable de tener un exceso de inventario
- λx es el período de tiempo aplicable para deshacerse del inventario
En este caso, el punto de reorden habitual se limita mediante un cálculo de cuantil alternativo.
El parámetro τx se utiliza para reflejar el riesgo aceptable de tener un exceso de inventario; por lo tanto, en lugar de considerar valores al 90% como se hace para los niveles de servicio habituales, generalmente se debe considerar un porcentaje bajo, digamos 10% o menos.
El parámetro λx se utiliza para representar la duración que pondría en riesgo el valor del inventario debido a que los productos son perecederos u obsoletos.
Ejemplo: Consideremos el caso de una tienda de comestibles que vende tomates con un tiempo de entrega de 2 días. El minorista estima que en 5 días en el estante, los tomates habrán perdido el 20% de su valor de mercado. Por lo tanto, el minorista decide que el stock de tomates debe mantenerse lo suficientemente bajo como para que la probabilidad de no vender todo el stock de tomates en 5 días sea inferior al 10%. Así, el minorista adopta la segunda fórmula, el punto de reorden R con τ=90% y λ=2 días para mantener una alta disponibilidad combinada con τx=10% y λx=5 días para mantener el riesgo de inventario muerto bajo control.
En la actualidad, Salescast no admite nativamente un cálculo de doble cuantil, sin embargo, es posible lograr el mismo efecto realizando dos ejecuciones con distintos parámetros de tiempo de entrega y nivel de servicio.
