FORECAST DE INVENTARIO PARA AEROESPACIAL

The high cost of certain parts, long lead times, infrequent failures and very steep costs of stock-outs only exacerbate all the weaknesses of classic inventory optimization.

In particular, time-series forecasts optimized against metrics such as MAD (mean absolute deviation) or MAPE (mean absolute percentage) do not properly reflect the highly asymmetric costs between overforecasting and underforecasting found in aerospace.

El análisis clásico de stock de seguridad basado en distribuciones normales o en distribuciones de Poisson también funciona mal.

El análisis clásico de stock de seguridad basado en distribuciones normales o de Poisson también funciona mal, porque nuestras observaciones de datos indican simplemente que los patrones de demanda en realidad no siguen ninguno de estos modelos. De manera similar, el análisis ABC falla porque cualquier clasificación que agrupe todas las piezas en un puñado de categorías de inventario no logra captar las muchas dimensiones diferentes que definen las piezas o consumibles requeridos por las aeronaves modernas.

Más allá de la discrepancia entre los supuestos de los modelos clásicos y la realidad del negocio aeroespacial, también hemos descubierto que los enfoques clásicos dependen demasiado de una miríada de correcciones manuales. Esto conduce frecuentemente a situaciones en las que la mano de obra invertida en la optimización de inventario no se capitaliza, sino que es simplemente consumida por los sistemas informáticos para mantenerse al día con las operaciones diarias. Algunos patrones de diseño de software, como las “alerts”, también tienden a empeorar la situación al enfocar a los equipos en soluciones superficiales diarias, en lugar de centrarse en las causas raíz para ofrecer soluciones duraderas. Para cualquier consulta, contáctanos en contact@lokad.com

En contraste, el núcleo de nuestra tecnología está diseñado para minimizar los dólares de los errores de forecast. Nuestro enfoque es muy diferente de los sistemas estadísticos clásicos que son simplemente “ciegos” a las variables financieras.

Los costos involucrados en los over-forecasts y under-forecasts son altamente asimétricos en la industria aeroespacial, y esto tiene un profundo impacto en nuestra tecnología. Las piezas reparables de alto costo no son solo, como sugiere el nombre, caras, sino que también vienen con un efecto “ratchet” en cada compra por parte de la aerolínea. De hecho, dado que la tasa de descarte es muy baja para muchas piezas, significa que cualquier pieza adquirida permanecerá en el inventario durante años. Y aunque revender piezas a veces es posible, con frecuencia viene con un descuento pronunciado en comparación con el precio original. Así, nuestros forecasts están intrínsecamente y a propósito sesgados hacia valores altos para reflejar precisamente esas situaciones comerciales asimétricas. El objetivo no es tener las mejores estimaciones de inventario en algún sentido estadístico abstracto, sino las estimaciones que realmente ayuden a minimizar los costos empresariales asociados con las imprecisiones de las propias estimaciones.

Además, aunque alcanzar mejores niveles de servicio es ciertamente algo positivo siempre que no implique mantener más inventario, las soluciones clásicas se orientan a niveles de servicio bastante arbitrarios basados en clasificaciones ingenuas de inventario, frecuentemente fundamentadas en el análisis ABC u otras variantes similares. En esencia, nuestra tecnología estadística asume el desafío de aprovechar al máximo cada dólar invertido en inventario. Por ejemplo, incluso si una pieza solo tiene un nivel de servicio del 90%, mientras que la compañía busca un nivel de servicio global del 98%, podría ser más rentable aumentar el nivel de servicio de otra pieza del 98% al 99% si esta pieza cuesta 100 veces menos y se solicita 100 veces más frecuentemente que la anterior. El análisis ABC simplifica en exceso el panorama del inventario aeroespacial, donde se deben tomar en cuenta muchas dimensiones diferentes: costo unitario, demora en el suministro, esencialidad, sobrecosto en compras AOG, ATA chapter, obsolescencia potencial, etc.

En lugar de entregar números que son “exactamente incorrectos”, Lokad se esfuerza por entregar números que sean “aproximadamente ciertos”. Incluir todas las restricciones financieras y operativas directamente en los modelos de forecast resultó ser una tarea muy desafiante, sin embargo, hemos observado que confiar en enfoques clásicos que son “ciegos” a estos factores arroja resultados muy pobres.

Incluso algo tan aparentemente simple como el estado del inventario requiere un conjunto de datos relativamente diverso. De hecho, el inventario incluye no solo el stock disponible y la orden de compra pendiente, sino también las futuras devoluciones de reparaciones, devoluciones de piezas aprovechables, préstamos a otras aerolíneas y piezas prestadas a otras aerolíneas.

Al aprovechar más dimensiones en comparación con los modelos clásicos de optimización de inventario, Lokad entrega resultados que están más alineados con la realidad específica de cada negocio.

Datos de terceros, como los valores de MTBUR (mean time between unscheduled removal) proporcionados por los OEMs, también se pueden aprovechar. Sin embargo, en lugar de depender al 100% de una única fuente de datos, nuestra tecnología prefiere aprovechar al máximo todos los datos disponibles.

Si un componente ha sido cambiado más de 100 veces, el MTBUR estimado basado en datos históricos es casi con seguridad más preciso que la estimación del OEM. Pero, en cambio, para un componente que se cambia muy raramente, la estimación del OEM es la única información relevante. La tecnología de Lokad aprovecha la mejor combinación de información necesaria para minimizar los costos financieros asociados con la incertidumbre.