Tecnología de pronóstico cuantílico

Tecnología de pronóstico cuantílico


Tecnología de pronóstico » Aquí

Pronósticos cuantílicos, una mejora significativa con respecto a los pronósticos cuando se trata del inventario
Actualización de mayo de 2016: Los pronósticos probabilísticos superan a los pronósticos cuantílicos (cuarta generación del motor de pronóstico).



El tipo de pronóstico más conocido es el pronóstico de media, en el que los pesos de sobre- y sub- pronosticar se encuentran estrictamente equilibrados. Las temperaturas pronosticadas para el día siguiente son un ejemplo típico de pronósticos de media. Los pronósticos cuantílicos son diferentes: en ellos se introduce, adrede, una desviación para alterar las posibilidades de sobre- y subpronosticar. Los pronósticos cuantílicos representan una mejora radical con respecto a los pronósticos clásicos para sectores como el minorista, el mayorista y el de fabricación. En marzo de 2012, Lokad se convirtió en el vendedor de software que ofrece pronósticos cuantílicos a escala industrial. Esta página explica en detalle por qué los pronósticos cuantílicos son importantes y en qué modo se diferencian de los pronósticos clásicos.

Otros videos

TECNOLOGÍA CUANTÍLICA PARTE I
Mírelo en YouTube.

TECNOLOGÍA CUANTÍLICA PARTE II
Mírelo en YouTube.


Whitepapers

Gestión de inventario de piezas de recambio con cuantiles (PDF)

En un mundo en el que la mayoría de fabricantes y vendedores minoristas de equipos operan en mercados extremadamente competitivos, ofrecer un alto nivel de servicio a la clientela existente es una prioridad estratégica para muchas compañías. Sin embargo, la gestión eficiente del inventario de piezas de recambio plantea un desafío enorme debido a la dimensión y a la naturaleza errática de la demanda. En este artículo se discute acerca de los desafíos y el estado actual de la tecnología de planificación de piezas de recambio e introduce el pronóstico cuantílico como nuevo método alternativo para abordar el problema.






Prólogo

Los términos pronóstico cuantílico podrán sonar complicados y es posible que, a menos que sepa mucho de estadística, nunca los haya escuchado antes. Sin embargo, los pronósticos cuantílicos —sin ser llamados de ese modo— son utilizados a menudo en los sectores minorista y de fabricación. Por ejemplo, definir un punto de reorden para su inventario es estrictamente equivalente a elaborar un pronóstico cuantílico sobre la demanda.

noticias de balanzas desequilibradas para la optimización del inventario



A pesar de las implicaciones radicales de los pronósticos cuantílicos para el sector minorista y para el sector de fabricación, los cuantiles han recibido poca atención en el mercado hasta ahora. La explicación más simple es que el soporte de pronósticos cuantílicos era casi inexistente en la industria del software. Sin embargo, con Lokad, no hay motivo para seguir pasando por alto una pieza de tecnología fundamental.

¿Para qué se necesitan los pronósticos de demanda?

Para entender por qué los pronósticos cuantílicos son útiles para un minorista o un fabricante, debemos volver a la razón por la que los pronósticos son necesarios. Los pronósticos de demanda son críticos para asegurar que los niveles adecuados de recursos —como inventario, personal o efectivo— estén disponibles en el momento adecuado.

Sin embargo, hacer corresponder la demanda con el nivel adecuado de recursos es generalmente un problema muy asimétrico: el coste de la sobreubicación de recursos (también conocida como sobrepronosticación) puede diferir ampliamente del coste de la sububicación de recursos (también conocida como subpronosticación).

Por ejemplo:
  • Los minoristas de comestibles generalmente buscan altos niveles de servicio, alrededor del 95 % o más (es decir, situaciones de falta de existencias muy infrecuentes). En este contexto, se estima que el coste marginal de una situación de falta de existencias excede ampliamente el coste de una unidad adicional de existencias.
  • Los fabricantes de vehículos están bajo constante presión para disminuir sus costes de producción. Como resultado, algunos fabricantes optan por una estrategia cero-existencias —y, como consecuencia, cero disponibilidad inmediata—, donde los vehículos deben ser comprados primero para luego ser fabricados. En esta situación, se estima que el coste marginal de las existencias supera al coste de la no disponibilidad inmediata.

Así, para estas empresas, generalmente no resulta rentable ubicar sus recursos basándose en pronósticos de demanda media pura, debido a que ubicar unos pocos recursos el 50 % del tiempo es una compensación ineficiente que no refleja la realidad de la actividad comercial. Por lo tanto, las empresas están resueltamente introduciendo una desviación en las ubicaciones de sus recursos para reflejar la asimetría propia de la actividad que existe en su sector. Poder manejar mejor esta asimetría es exactamente lo que permiten los pronósticos cuantílicos.


Definición: un pronóstico cuantílico (τ, λ) en el que τ (tau) es la probabilidad objetivo, y donde λ (lambda) es el horizonte expresado en días, representa un pronóstico de demanda sobre los próximos λ días, que vienen con una probabilidad de τ de ser mayores que la demanda futura (consecuentemente, una probabilidad 1-τ de ser menores que la demanda futura).

Pronósticos cuantílicos extrapolados y cuándo no funcionan

Los pronósticos cuantílicos son conocidos desde hace décadas; sin embargo, la implementación de un modelo cuantílico nativo es, con frecuencia, y con razón, considerada mucho más complicada que la implementación de un modelo de pronóstico de media. Como resultado, la gran mayoría de los vendedores de software de pronóstico (*) solo ofrecen pronósticos de media.

(*) Por lo que sabemos, Lokad se ha convertido en marzo de 2012 en el primer vendedor que ofrece una tecnología de pronóstico cuantílico nativa a escala industrial. Sin embargo, en los círculos académicos, los prototipos de investigación para la regresión cuantílica existe desde hace décadas.

Sin embargo, debido a que las empresas necesitan pronósticos cuantílicos, generalmente se valen de un método de extrapolación para elaborar sus pronósticos cuantílicos. En la práctica, el método consiste en suponer que la demanda sigue una distribución normal y agregar un término correctivo de seguridad. El clásico método de existencias de seguridad sigue este patrón, por ejemplo.


Los pronósticos cuantílicos extrapolados son pronósticos (de media) clásicos transformados en pronósticos cuantílicos mediante un método de extrapolación. El término es opuesto a los pronósticos cuantílicos nativos, donde el modelo estadístico elabora directamente el cuantil. La extrapolación se vale de un dato de entrada, pero más bien de una distribución definida a priori. Esta distribución, generalmente la distribución normal, tiende a ser el enlace más débil del proceso de extrapolación, ya que difiere de la realidad.

Lamentablemente, la extrapolación padece serias desventajas en tres contextos frecuentes:

  • Cuantiles elevados (es decir, alto nivel de servicio)
  • Demanda intermitente
  • Demanda muy variable (órdenes mayoristas)

En esas situaciones, hemos visto que los pronósticos cuantílicos nativos tienden a superar en un 20 % o más a los mejores pronósticos cuantílicos extrapolados; la comparación se realiza aprovechando las respectivas tecnologías de pronóstico cuantílico y clásico de Lokad, sabiendo que estos últimos ya tienden a superar a la competencia.

Cuantiles elevados (es decir, niveles de servicio elevados)

cuantiles elevados para el software de optimización del inventario

La suposición de que los errores asociados a los pronósticos se distribuyen normalmente es generalmente buena para los objetivos cuantílicos cercanos a la media o a la mediana. Sin embargo, la calidad de la aproximación se degrada a medida que el porcentaje objetivo aumenta. Para porcentajes objetivo altos, generalmente todos los valores superiores al 90 %, hemos visto que la extrapolación en sí misma a menudo se convierte en el enlace más débil del pronóstico. En esas situaciones, se debería optar por los pronósticos cuantílicos nativos.

Demanda intermitente

La extrapolación intenta introducir una curva suave en la demanda futura para reflejar la incertidumbre. Sin embargo, cuando la demanda es intermitente o escasa, no hay nada suave en la demanda: para cada período (semana, mes), la cantidad de unidades que se vende, —es decir, la demanda observable— es un número entero que va de 0 a 5, por ejemplo.

cuantiles intermitentes para el software de optimización del inventario

Históricamente, muchos modelos de pronóstico de media fueron diseñados para aprehender mejor la demanda escasa; sin embargo, desde el punto de vista cuantílico, resulta claro que la cuestión fundamente es que ningún pronóstico de media puede ser adecuadamente extrapolado en un cuantil preciso en casos de demanda escasa. En contraste, los pronósticos cuantílicos nativos pueden introducir completamente patrones de pequeños números enteros de la demanda.

Demanda muy variable (órdenes al por mayor)

Cuando hay órdenes mayoristas, la curva de demanda histórica tiende a presentar una forma muy variable (en picos). Esta forma refleja que unas pocas órdenes representan un porcentaje significativo de la demanda total. Sin embargo, al contrario del caso de la demanda intermitente, una demanda no-cero existe todo el tiempo. La principal cuestión aquí no es que la demanda pase por valores integrales sino que los pronósticos de media no logran proyectar adecuadamente esos picos en el futuro.

Para simplificarlo en extremo, existen dos métodos para gestionar los picos:

  • Desecharlos, si la empresa decide que no vale la pena pre-ubicar recursos.
  • Ajustar los recursos pre-ubicados para gestionarlos o, al menos gestionar una determinada fracción de los picos.


cuantiles muy variables para el software de optimización del inventario

En ambos casos, los pronósticos de media ofrecen resultados pobres: los pronósticos cuantílicos extrapolados siguen siendo muy bajos para capturar picos, mientras que al mismo tiempo, sobrestiman los recursos para gestionar la demanda sin picos. Los pronósticos cuantílicos nativos abordan los picos en un modo más directo y preciso.





Pronósticos cuantílicos nativos por Lokad

Lokad ofrece un servicio en línea totalmente automatizado que toma las series de tiempo como dato de entrada y entrega pronósticos cuantílicos nativos; cada pronóstico cuantílico con su respectivo horizonte y porcentaje objetivo (respectivamente, tiempo de entrega y nivel de servicio, en el caso de optimización de inventario). No se necesita ninguna extrapolación.

El pronóstico cuantílico no requiere ningún conocimiento estadístico. En la práctica, la mayoría de las empresas pasan por nuestra aplicación web para obtener puntos de reorden; siendo el punto de reorden un pronóstico cuantílico particular de cada inventario.

Para cada serie de tiempo, el pronóstico cuantílico es un solo punto de datos. A diferencia de los pronósticos de media, los pronósticos cuantílicos generalmente no están representados como una curva que evoluciona en el tiempo y extiende la curva histórica en el futuro.

Los pronósticos cuantílicos se comportan de modo diferente, estadísticamente hablando; no obstante, los patrones de demanda fundamentales subyacentes se mantienen iguales: tendencia, estacionalidad, ciclo de vida del producto, promociones, etc. Todos los patrones admitidos por nuestra tecnología de pronóstico clásico también son admitidos por nuestra tecnología de pronóstico cuantílico.

Pronósticos clásicos (de media) vs. cuantílicos

Desde un punto de vista matemático, los pronósticos cuantílicos representan una generalización de la noción clásica de pronóstico. Desde un punto de vista práctico, los pronósticos cuantílicos son generalmente superiores (más precisos) para la mayor parte de las situaciones comerciales en las que los riesgos asociados a sub- y sobrestimas de la demanda no son simétricos.

Sin embargo, los pronósticos cuantílicos también son menos legibles y menos intuitivos- Así, los pronósticos clásicos siguen siendo una herramienta fundamental para que los gerentes tengan una idea más intuitiva de la evolución de sus actividades comerciales.

No está en nuestros planes desechar los pronósticos clásicos. De hecho, la mayor parte de los esfuerzos de I+D que ponemos en nuestra tecnología de pronóstico benefician a ambos tipos de pronóstico. El pronóstico cuantílico es una oportunidad para que refinemos nuestra comprensión del comportamiento estadístico de la demanda. Nuestra prioridad número 1 sigue siendo la de ofrecer pronósticos más precisos.