00:00:07 Planificación de necesidades de materiales impulsadas por la demanda (DDMRP)
00:00:39 La gran idea detrás de DDMRP y MRP tradicional
00:02:21 Tiempo de desacoplamiento en DDMRP y su impacto en la cadena de suministro
00:05:42 Ecuación de flujo neto en DDMRP y su efectividad
00:07:48 La importancia de distinguir la demanda conocida y desconocida en DDMRP
00:09:00 Explosión desacoplada y sus consecuencias.
00:10:25 Selección manual de puntos de desacoplamiento y preocupaciones sobre la participación humana.
00:12:02 La importancia de la optimización numérica impulsada por máquina.
00:14:00 Prioridad relativa de DDMRP y problemas con el mantenimiento de suposiciones fundamentales.
00:16:01 Crítica de la optimización de porcentajes en lugar de centrarse en los impulsores económicos.
00:17:18 Comparación de la efectividad de DDMRP y Flow Casting.
00:18:37 La falta de conocimientos restantes de DDMRP cuando se eliminan recetas numéricas disfuncionales.
00:19:48 La utilidad del promedio móvil en el dominio de la frecuencia como un conocimiento derivado de DDMRP.
00:22:12 Pensamientos finales.
Resumen
En una entrevista, Kieran Chandler y Joannes Vermorel discuten la Planificación de Necesidades de Materiales Impulsadas por la Demanda (DDMRP), un método para mejorar la eficiencia de la cadena de suministro utilizando puntos de desacoplamiento o buffers de stock. Si bien DDMRP tiene innovaciones como el desacoplamiento estratégico, la ecuación de flujo neto, la explosión desacoplada y la prioridad relativa, Vermorel plantea preocupaciones sobre su dependencia de la intervención manual y el enfoque de optimización. Él enfatiza la necesidad de automatización y priorizar los impulsores económicos sobre los porcentajes. Vermorel sugiere que los algoritmos modernos de optimización numérica harían que DDMRP sea redundante, pero reconoce su valioso conocimiento de utilizar promedios móviles en el dominio de la frecuencia para patrones de demanda erráticos. En general, él cree que las técnicas modernas son mejores para la optimización de la cadena de suministro.
Resumen Extendido
En esta entrevista, Kieran Chandler, el presentador, discute la Planificación de Necesidades de Materiales Impulsadas por la Demanda (DDMRP) con Joannes Vermorel, el fundador de Lokad, una empresa de software especializada en la optimización de la cadena de suministro. Exploran la gran idea detrás de DDMRP, sus aplicaciones prácticas y las cuatro principales innovaciones que afirma ofrecer.
DDMRP es un método de planificación y ejecución multi-echelón que tiene como objetivo mejorar la eficiencia de la cadena de suministro mediante la ubicación estratégica de puntos de desacoplamiento o buffers de stock. Estos puntos de desacoplamiento están diseñados para ayudar a las organizaciones a superar las limitaciones del software clásico de Planificación de Necesidades de Materiales (MRP), que puede tener dificultades para realizar cálculos precisos para cadenas de suministro complejas.
Vermorel explica que el software MRP funciona representando las relaciones entre varios componentes y subcomponentes en un producto, como un automóvil, como un grafo. Este grafo representa las dependencias entre las diferentes partes y ayuda a calcular los requisitos para producir el producto terminado. Sin embargo, el software MRP a menudo carece de precisión y puede producir resultados deficientes.
DDMRP intenta mejorar estas limitaciones introduciendo puntos de desacoplamiento en el grafo. Estos puntos representan componentes o partes que tienen inventario, lo que significa que se puede suponer que siempre están disponibles. Esto permite el cálculo de tiempos de entrega numéricamente mucho más bajos de lo que produciría el software MRP clásico. Vermorel señala que si bien este enfoque puede mejorar la línea de base proporcionada por el MRP tradicional, todavía está lejos de lo que se podría lograr con métodos numéricos modernos.
Una de las críticas que Vermorel plantea sobre DDMRP es que si bien los puntos de desacoplamiento pueden reducir los tiempos de entrega calculados, la cadena de suministro aún retiene una cantidad significativa de inercia. Esto significa que a pesar de la apariencia de mejoras, el rendimiento real de la cadena de suministro puede no estar tan optimizado como parece.
El desacoplamiento estratégico implica la introducción de puntos en la cadena de suministro donde se pueden reducir los tiempos de entrega, acortando así el tiempo de entrega total. Vermorel argumenta que si bien este enfoque puede reducir numéricamente los tiempos de entrega, no reduce significativamente la inercia en la red en general. El desafío radica en el problema semántico de comprender cómo los puntos de desacoplamiento estratégico afectan a la cadena de suministro en su conjunto.
La ecuación de flujo neto, el segundo punto de discusión, es un método simplista para mantener puntos de buffer en la cadena de suministro. Considera el stock disponible, restando la demanda garantizada o las unidades calificadas, para determinar el stock restante para atender la demanda incierta. Vermorel cree que DDMRP (Planificación de Necesidades de Materiales Impulsada por la Demanda) es correcto al distinguir entre la demanda conocida y desconocida. Muchas implementaciones tempranas de ERP (Planificación de Recursos Empresariales) predecirían ingenuamente toda la demanda, incluida la parte que ya está garantizada. Vermorel argumenta que este enfoque es fundamentalmente defectuoso, ya que intenta predecir un futuro que ya se conoce, lo que lleva a dificultades en la previsión.
La tercera innovación clave discutida es la explosión desacoplada, que trata sobre las consecuencias de introducir dos tipos de nodos en el grafo de la cadena de suministro: nodos maestros y puntos de desacoplamiento. Los puntos de desacoplamiento son ubicaciones en la cadena de suministro donde la propagación del tiempo de entrega se detiene en el cálculo (pero no en la realidad), y se mantiene un cierto grado de inventario. La explosión desacoplada implica simplificar la Lista de Materiales (BOM) al omitir nodos secundarios y conectarse directamente a los puntos de desacoplamiento. Esta simplificación del grafo tiene como objetivo agilizar el proceso de la cadena de suministro.
Vermorel expresa preocupación por la dependencia de la intervención manual en la gestión de la cadena de suministro, especialmente cuando se trata de la introducción de un “Yokai” en el grafo para mitigar las consecuencias sin sentido de recetas numéricas simplistas. Explica que los profesionales de la cadena de suministro a menudo son responsables de elegir los puntos de desacoplamiento, que pueden no ser estables o consistentes a lo largo del tiempo. Esto se debe a la naturaleza constantemente cambiante del entorno de la cadena de suministro, así como a la posibilidad de que los proveedores cambien sus estrategias o ubicaciones.
La discusión enfatiza la necesidad de automatización en este proceso, ya que depender de la intervención humana puede llevar a ineficiencias e inexactitudes. Vermorel señala que no es un buen uso del tiempo de los profesionales seleccionar manualmente los puntos de desacoplamiento para productos complejos con miles de piezas. Esto es especialmente cierto dado que las condiciones del mercado están cambiando constantemente, lo que dificulta que los profesionales puedan predecir o tener en cuenta cada variable de manera precisa.
Pasando al concepto de prioridad relativa en la gestión de la cadena de suministro, Vermorel explica que esto implica clasificar los elementos en términos de la cantidad de stock objetivo. Si bien este método tiene mérito, él cree que sería más efectivo clasificar los elementos en función de sus fortalezas económicas. La introducción de nodos de primera clase estilo DDMRP (planificación de requisitos de material impulsada por la demanda), o puntos de desacoplamiento, en el grafo de la cadena de suministro se basa en la suposición de que el stock siempre está disponible. Cuando esta suposición se viola, todo el sistema puede fallar.
Las prioridades relativas tienen como objetivo abordar este problema al priorizar los elementos que se están alejando más de la suposición central de disponibilidad continua. Si bien Vermorel reconoce que esto es una parte sensata de la metodología general, también señala que aún implica un nivel de intervención y priorización humana, que puede no ser el enfoque más eficiente o preciso.
Discuten la efectividad de la Planificación de Requisitos de Material Impulsada por la Demanda (DDMRP) en la optimización de la cadena de suministro. Vermorel critica DDMRP, afirmando que se centra en optimizar porcentajes en lugar de optimizar aspectos financieros como el costo del stock, el desperdicio y la falta de servicio. Argumenta que las decisiones de la cadena de suministro deben priorizarse según los objetivos comerciales generales expresados como impulsores económicos.
Vermorel compara DDMRP con el flowcasting, diciendo que si bien el flowcasting tiene algunas matemáticas fundamentalmente incorrectas, ofrece ideas valiosas que seguirían siendo relevantes incluso después de corregir las matemáticas. Por otro lado, DDMRP se ve como una mejora incremental sobre una línea de base defectuosa. Vermorel sugiere que el uso de algoritmos modernos de optimización numérica haría que DDMRP sea redundante.
A pesar de las críticas, Vermorel reconoce una idea positiva de DDMRP: el uso de promedios móviles en el dominio de la frecuencia, en lugar del dominio del tiempo. Explica que promediar la demanda durante un período fijo (dominio del tiempo) es menos efectivo que promediar la demanda durante las últimas 100 unidades servidas (dominio de la frecuencia). Este enfoque es más numéricamente adecuado cuando se trata de patrones de demanda erráticos y volátiles. En conclusión, Vermorel ve valor en el análisis del dominio de la frecuencia en DDMRP, pero cree que las técnicas modernas de optimización numérica son más adecuadas para la optimización de la cadena de suministro.
Transcripción completa
Kieran Chandler: Hoy en Lokad TV, vamos a entender si este método realmente funciona en la práctica al analizar las cuatro grandes innovaciones. Entonces, Joannes, tocamos el tema en la introducción, pero ¿cuál es la gran idea detrás de DDMRP?
Joannes Vermorel: La gran idea es que se parte de una perspectiva MRP muy clásica, donde todo se reduce al análisis de un grafo de dependencias. Solo para aclarar para las personas que están escuchando, digamos que quieres construir un producto terminado, como un automóvil. Necesitas piezas, pero las piezas que necesitas para un automóvil son ensamblajes que también necesitan piezas propias. Entonces tienes una jerarquía de componentes, como un automóvil que necesita una unidad de aire acondicionado, y la unidad de aire acondicionado necesita una bomba, una válvula, y así sucesivamente. Cuando piensas en un producto y todas las piezas que necesita, básicamente es un grafo matemático, similar a un mapa de metro con aristas.
Este grafo comienza con el producto terminado en la parte superior y se desglosa en los subcomponentes, y luego cada componente tiene sub-subcomponentes y así sucesivamente, de forma recursiva. Si tienes un producto muy complejo, puedes tener un grafo muy complejo que represente todas las piezas hasta los materiales básicos. El MRP, el software de planificación de recursos de fabricación, primero representa esta información, para que puedas tener este grafo de dependencias representado. Luego, realiza una serie de cálculos para ayudarte a producir y ejecutar todos esos requisitos y obtener los productos terminados. Típicamente, no hace un buen trabajo al realizar muchos de esos cálculos, y DDMRP proporciona una serie de recetas para que funcione mejor.
Kieran Chandler: Entonces, ¿cómo funciona eso en la práctica y dirías que es algo simplificado?
Joannes Vermorel: La primera innovación que afirman es el desacoplamiento de los tiempos de espera. Debemos darnos cuenta de que su punto de referencia para la mejora son recetas numéricas absurdas, increíblemente ingenuas desde una perspectiva de optimización numérica. Si eliges los puntos de desacoplamiento correctos, mejorarás en comparación con una línea de base muy pobre. Te vuelves menos disfuncional, pero no significa que estés cerca de lo que podrías lograr con métodos numéricos modernos reales.
La idea clave de los puntos de desacoplamiento es que en lugar de tener cada nodo como cualquier otro nodo, decidimos que tenemos ciudadanos de primera clase, los puntos de desacoplamiento, y ciudadanos de segunda clase donde no se produce el desacoplamiento. En cada punto que se desacopla, esta parte o componente va a tener inventario, y así puedes asumir que esta cosa siempre está disponible. En lugar de tomar el camino más largo para la fabricación, tomas el camino más largo hasta la fabricación hasta que llegas a uno de esos puntos de desacoplamiento.
Pero mi primera crítica para el tiempo de espera de desacoplamiento es que, sí, cuando introduces esos puntos de desacoplamiento, terminas con un tiempo de espera numéricamente mucho más bajo. Sin embargo, tu cadena de suministro todavía tiene mucha más inercia. Has manipulado la forma en que calculas el tiempo de espera al introducir esos puntos de desacoplamiento.
Kieran Chandler: Pero la inercia todavía existe, estamos más allá de lo que dices. Entonces, así es como terminan diciendo que introdujimos puntos de desacoplamiento estratégicos y podemos reducir el tiempo de espera en un 80%. Hablando numéricamente, terminas con un tiempo de espera mucho más corto, pero la realidad es que no has reducido la inercia que tienes en tu red en general en un factor tan grande como lo tienes con esos puntos de desacoplamiento. Aquí hay un problema semántico, y tal vez lo aborde en los conceptos. Pasemos al segundo punto de iteración en DDMRP, la ecuación de flujo neto. Básicamente, es una forma de mantener esos puntos de amortiguación y utilizar cosas como pedidos anticipados, cosas que ya sabemos que van a suceder. ¿Qué tan bien funciona esto en la práctica?
Joannes Vermorel: La ecuación de flujo neto tiene sentido en realidad. Es una ecuación increíblemente simplista: stock en mano menos la demanda ya garantizada, lo que llaman unidades calificadas. Entonces, la demanda que es algo seguro. Lo que tienes con eso es el stock que queda disponible para atender la demanda incierta. La ecuación de flujo neto te da la cantidad de stock que tienes que cubrir las cosas que no son simplemente una cuestión de ejecución porque ya sabes que está por venir con casi ninguna incertidumbre.
Creo que DDMRP es correcto al distinguir las cosas muy separadas que ya se conocen de las desconocidas. Por ejemplo, si tienes un proceso de fabricación complejo y tal vez estás sirviendo a otros clientes industriales y el cliente puede decirte dentro de dos meses, “Quiero que se entreguen mil unidades en esta fecha”, y tienes tiempo para hacerlo, en este punto tienes que ejecutar esta entrega. No hay pronóstico involucrado. Si tus tiempos de espera son inferiores a dos meses en total, entonces básicamente es una cuestión pura de ejecución sin incertidumbre involucrada.
Por supuesto, las personas aún pueden cancelar sus pedidos y demás, pero digamos que es bastante seguro. Es muy diferente a tal vez dentro de dos meses, habrá un cliente que se presente y realmente solicite mil unidades. Creo que DDMRP es completamente correcto al decir que no debes tratar de tener este tipo de enfoque súper ingenuo, que es pronosticar todo, incluido lo que ya sabes.
La pregunta es, ¿por qué incluso lo están diciendo? Bueno, es porque la mayoría de los sistemas ERP, muchas implementaciones tempranas, estaban haciendo cosas increíblemente ingenuas. Decían: “Vamos a tomar el camino fácil, que es un poco tonto”, y pronosticarían la demanda, toda ella, incluida la parte que ya está garantizada. Pero es muy tonto porque luego estás tratando de adivinar un futuro que ya conoces, y adivina qué, es muy difícil pronosticar. Entonces, si sabes algo sobre el futuro, no deberías intentar usar estadísticas para descubrirlo, ya lo sabes.
Kieran Chandler: Si pasamos al tercer punto clave de innovación, esta llamada “explosión desacoplada” suena realmente dramática. ¿Qué está pasando aquí?
Joannes Vermorel: Esta es otra consecuencia de introducir dos tipos de nodos en tu gráfico de requisitos. Recuerda, introdujimos nodos maestros en el gráfico que son esos puntos de desacoplamiento, que son los puntos que detienen la propagación del tiempo de espera en el cálculo, no en realidad, pero en el cálculo, y que son los puntos donde querrás asegurar cierto nivel de inventario. Lo que dicen es que en lugar de hacer que la lista de materiales se propague de nodo a nodo directamente diciendo: “Tomaré la lista de materiales y se propagará a mis nodos padres, los subcomponentes que
Kieran Chandler: Mis padres, los subcomponentes que necesito para construir el producto terminado, estoy diciendo que básicamente cuando desacoplan el presente, dicen que la lista de materiales, vamos a saltarnos por completo todos los nodos de segunda clase para ir directamente a los puntos de desacoplamiento. Entonces, de alguna manera, nuevamente, es una técnica de simplificación del gráfico. Quiero decir, se basa en esta jerarquía en el gráfico que se introdujo con nodos de primera clase y nodos de segunda clase. Y quién realmente elige esos nodos de primera clase, si estás mirando algo como un avión, tiene millones de niveles diferentes. Quiero decir, ¿quién realmente toma esas decisiones?
Joannes Vermorel: Los profesionales de la cadena de suministro, lo cual también es una gran preocupación para mí. Porque básicamente, sí, puedes introducir manualmente una jerarquía en un gráfico para mitigar las consecuencias sin sentido de recetas numéricas muy simplistas. Así que sí, eso funcionará en cierta medida. Pero de hecho, terminas con profesionales de la cadena de suministro que necesitan introducir manualmente esos puntos de desacoplamiento. ¿Y adivina qué? En realidad, no es estable. Lo que es una buena elección para esos puntos de desacoplamiento no es un entorno. ¿Por qué? Porque si hay una parte que decides externalizar, ya sea comprarla a un proveedor o comprarla a un proveedor que está más cerca o, por el contrario, mucho más lejos, puedes cambiar de manera bastante profunda lo que está sucediendo alrededor de todo lo que depende de esta parte en tu red de cadena de suministro.
Entonces, técnicamente, tus puntos de desacoplamiento, aunque funciona introducir esta jerarquía en el gráfico, no hay razón para pensar que sea estacionaria y que puedas elegirlos una vez y que será bueno para siempre. Así que mi perspectiva es que esto debería hacerse completamente automáticamente. Sabes, aquí estamos hablando de recetas numéricas, y decimos que tenemos una receta numérica disfuncional, y decimos que con muchos conocimientos e ajustes humanos, podemos tener una receta numérica que es un poco mejor.
Kieran Chandler: Bueno, básicamente, cuando los humanos se involucran, siempre logramos arruinar las cosas de alguna manera.
Joannes Vermorel: Sí, pero también, no se está haciendo un buen uso del tiempo de esos profesionales. Quiero decir, como describiste, si tienes un producto complejo con miles de partes, ¿por qué quieres invertir potencialmente cientos, si no miles, de horas de trabajo de tus expertos en cadena de suministro para seleccionar manualmente esos puntos de desacoplamiento? Podrías decir, oh, tienen ideas increíbles, ¿verdad? Pero la realidad es que es muy ruidoso. Miles de partes, las condiciones del mercado están cambiando todo el tiempo, no necesariamente de manera radical, pero al menos cambian un poco todo el tiempo. Entonces, necesitamos actualizar eso. Es algo que debería hacer la máquina. Sabes, no hay valor agregado. Es un caso puro de optimización numérica.
Kieran Chandler: Bueno, pasemos a la innovación final aquí, que es la prioridad relativa. Básicamente, se trata de clasificar en términos de la cantidad de stock objetivo, y supongo que hay grandes críticas aquí. Preferiríamos clasificar por fortalezas económicas, ¿estás de acuerdo con eso?
Joannes Vermorel: Sí, pero nuevamente, también varias cosas. Primero, esas prioridades relativas, ¿por qué se introducen? Quiero decir, primero, parten de la idea de que el MRP clásico tiene una perspectiva binaria sobre cosas como “¿Estoy bien o no estoy bien?” Y dicen: “¿Por qué? Es, ya sabes, rudimentario, súper rudimentario”. Y la respuesta es sí, es rudimentario hasta el punto de que
Kieran Chandler: Eso es completamente absurdo y, nuevamente, en la década de 1950, las personas en términos de optimización numérica ya estaban haciendo cosas más inteligentes que eso. Entonces, una línea de base muy, muy mala. Bueno, ahora todo el estilo DDMRP introduce nodos de primera clase llamados puntos de desacoplamiento en su gráfico, y tiene una suposición que viene con eso, que es que el stock siempre está disponible. Entonces, cuando esta suposición se viola, obviamente, todo se desmorona porque su explosión desacoplada se basa en esta suposición, sus horizontes de tiempo descompuestos se basan en esta suposición. Entonces, básicamente, necesita volver a encarrilar su sistema de cadena de suministro con su suposición principal, y básicamente las prioridades relativas de precios dicen que debe actuar rápidamente para las cosas que se están alejando más de su suposición principal, que es la disponibilidad continua para esos puntos de desacoplamiento.
Joannes Vermorel: Es bueno de hecho, eso es algo que tiene sentido, parte de la receta. Pero también, adivina qué, terminas con una priorización que es parcialmente incorrecta. Estoy desafiando la motivación misma, la motivación misma es volver a encarrilar el sistema con respecto a la suposición de que necesita tener DDMRP para que funcione en primer lugar. Es como la serpiente que se come la cola. Introduces una metodología, esta metodología viene con suposiciones, y tus cálculos numéricos no garantizan que esas suposiciones se mantendrán durante el curso del sistema. Entonces, necesitas introducir ajustes para que tengas algún tipo de bucle de retroalimentación para que puedas volver a encarrilarte con respecto a tus propias suposiciones. Pero eso no significa que estemos de vuelta en el camino correcto con algo alineado con el objetivo final del negocio, y ahí es donde está mi crítica. Estás optimizando en función de porcentajes, como porcentaje de precisión, porcentaje de cumplimiento, porcentaje de niveles de servicio, que nuevamente, la optimización en porcentaje es algo malo. Quieres tener porcentajes en euros, y eso se conecta con la perspectiva final, que es el costo del stock, el costo del desperdicio, el costo de no servicio. Y por otro lado, tienes todos los costos y recompensas de servir a los clientes a tiempo.
Entonces, estoy muy de acuerdo con la idea de priorizar las decisiones, pero estoy en desacuerdo con la idea de priorizar las decisiones para que puedas volver a encarrilarte con tu metodología. Necesitas priorizar las decisiones para que vuelvas a encarrilarte con los objetivos generales del negocio expresados como impulsores económicos para todo el negocio. Entonces, lo que su cadena de suministro está entregando en su conjunto.
Kieran Chandler: Bueno, ahora vamos a resumir las cosas. Hemos descrito muchas de las fallas de DDMRP. ¿Deberíamos descartarlo por completo como técnica?
Joannes Vermorel: Es interesante porque, la semana pasada, estábamos discutiendo sobre flow casting. Lo interesante de flow casting es que tenía algunos cálculos matemáticamente incorrectos, lo que empeoraba la situación en comparación con el punto de referencia, lo cual era realmente malo. Pero algunas de las ideas que tenía eran profundamente verdaderas y sobrevivirían si arregláramos las matemáticas para que funcionen. Es muy curioso porque DDMRP es lo contrario. Básicamente, es algo que funciona incrementalmente sobre una base muy, muy mala. Si retrocedes y dices, en lugar de tratar de parchar algo que es muy malo, comencemos directamente con bases sólidas, que es hacer optimización numérica de la manera correcta con algoritmos adecuados como algoritmos probabilísticos basados en gráficos. Entonces, no estoy seguro de que una vez que te hayas movido a un marco numérico moderno adecuado para hacer una optimización, porque eso es lo que pasa, los sistemas MRP clásicos no están optimizando realmente nada en un sentido moderno donde realmente
Kieran Chandler: Haciendo todo eso básicamente para parchar recetas numéricas profundamente disfuncionales, ahora, si eliminamos las recetas numéricas disfuncionales, ¿qué queda?
Joannes Vermorel: La respuesta es muy, muy poca. Ahí es donde, por ejemplo, flow casting era muy diferente porque si eliminas las partes numéricas disfuncionales de flow casting, las otras formas que quedan son profundamente interesantes, y creo que son profundamente correctas. DDMRP, mucho menos.
Kieran Chandler: Si vamos a terminar en una nota más positiva, ¿hay alguna idea de DDMRP que sea realmente buena?
Joannes Vermorel: Sí, creo que una de ellas es que el promedio móvil funciona, e incluso funciona con frecuencia mejor en el dominio de la frecuencia en lugar del dominio del tiempo. Volvamos a eso. Para aquellos de ustedes que tal vez hayan aprendido en la escuela de ingeniería sobre la transformada de Fourier, saben que pueden estudiar series de tiempo en el dominio del tiempo o en el dominio de la frecuencia. Eso es algo que se hace con mucha frecuencia en acústica.
Cuando las personas piensan en pronosticar la demanda con frecuencia, el promedio móvil puede funcionar cuando tienes una demanda estacionaria. Normalmente, cuando las personas piensan en pronósticos de promedio móvil, están pensando en hacer un análisis en el dominio del tiempo. Entonces, ¿qué significa eso? Promediar la demanda durante las últimas semanas es un período fijo; ese es mi dominio del tiempo.
El dominio de la frecuencia es pensar en lugar de promediar durante las últimas semanas, y tres semanas es fijo, digo que voy a promediar mi demanda durante las últimas 100 unidades servidas. La buena noticia es que esta cosa de las últimas 100 unidades se comportará mucho más numéricamente con respecto a una demanda que es bastante errática y volátil.
El promedio móvil en el dominio de la frecuencia es realmente interesante. Por cierto, DDMRP con esos buffers, en realidad son pronósticos, pronósticos de promedio móvil realizados en el dominio de la frecuencia en lugar de realizarse en el dominio del tiempo. De alguna manera, lo redescubrieron, pero es una idea muy buena. Es muy valioso analizar las cosas en el dominio de la frecuencia y tiene implicaciones profundas para la cadena de suministro. Es un ángulo muy interesante para optimizar.
Creo que ese es el enfoque. No estoy seguro si las personas de DDMRP lo ven así, pero creo que es una idea muy interesante y muy buena que proviene de DDMRP.
Kieran Chandler: Espero que hayas avanzado un poco en la reparación de algunas de esas relaciones. De todos modos, eso es todo por esta semana. Muchas gracias por sintonizar. Si estás de acuerdo o en desacuerdo, asegúrate de dejarnos un comentario, y nos vemos la próxima vez. Hasta luego.
