Supply Chain ciencia y tecnología
VOLVER A LOKAD TV ›
Blackboxing y Whiteboxing
Cualquier modelo de forecast de demanda no trivial se convierte en una caja negra para los profesionales de supply chain, es decir, un subsistema opaco que produce números difíciles de entender y de cuestionar. Whiteboxing, como parte de la práctica de Supply Chain Management, es la respuesta a este problema. Los profesionales no necesitan entender el 'cómo' pero sí el 'por qué'.
Optimización de precios y Supply Chain Management
La optimización de precios típicamente no se considera parte de la práctica de Supply Chain Management (SCM). Sin embargo, el precio es un factor que influye fuertemente en la demanda del cliente. Por lo tanto, tanto las capacidades de producción como los niveles de inventario dependen en gran medida de los precios y deben optimizarse conjuntamente.
Data Lakes en Supply Chain
Los data lakes son tecnologías de almacenamiento de datos destinadas a lecturas y escrituras masivas. Son particularmente adecuados para abordar desafíos de supply chain, porque muchas situaciones requieren una inspección de todo el historial de pedidos y movimientos de stock de la empresa.
POCs (Proofs Of Concept) No Funcionan Para Supply Chains
Las supply chains son sistemas complejos compuestos por muchas partes móviles: bienes, personas, máquinas. Las pruebas de concepto (POCs) fallan rutinariamente al intentar iniciativas de Supply Chain Quantitativa porque los problemas se desplazan en lugar de resolverse.
Por Qué Deberías Suscribirte a LokadTV
Mantente al tanto de los últimos cambios en la industria de supply chain.
Escalabilidad de Terabytes para Supply Chains
La cantidad relevante de datos históricos al considerar grandes supply chains frecuentemente excede un terabyte. Como resultado, el control de inventario requiere dos sabores distintos de software: software transaccional (e.g. un ERP) para gestionar los recursos, y software predictivo (e.g. Lokad) para optimizar los recursos.
Por qué el Stock de Seguridad No es Seguro
Los stocks de seguridad son un método de optimización de inventario que impone una cantidad extra de stock más allá de la demanda esperada con el fin de mantener un nivel de servicio objetivo. Este método se basa en supuestos estadísticos clave acerca del forecast de la demanda, sobre todo que el error se encuentra normalmente en la distribución.
Generations of Machine Learning
Machine learning es un término general que abarca diversos enfoques algorítmicos. En supply chain, la forma histórica de hacer machine learning fue el forecast de series temporales. Sin embargo, este enfoque ha sido reemplazado por una serie de enfoques de forecast superiores.
Por qué los lead times casi siempre son subestimados
El lead time es la cantidad total de tiempo, típicamente contada en días, asociada con el ciclo de reposición de inventario. La cantidad de stocks que una supply chain necesita para operar tiende a ser aproximadamente proporcional a sus lead times. Estimar con precisión los lead times futuros es crítico para estimar con exactitud la cantidad de inventario necesaria para satisfacer la demanda futura. Sin embargo, es un factor fundamental que a menudo es pasado por alto por las empresas, otorgándose una importancia mucho mayor al forecasting.
Nivel de Servicio vs. Fill Rate
En supply chain, el nivel de servicio define la probabilidad de no enfrentar un faltante de stock durante el próximo ciclo de pedidos. Sin embargo, el fill rate define la fracción de la demanda del cliente que será atendida correctamente. Los niveles de servicio y los fill rates son distintos y no deben confundirse.
El método de inventario Min/Max no funciona
El método de inventario Min/Max define dos niveles de stock: primero, un umbral de reabastecimiento, denominado 'min', y segundo, un objetivo de reabastecimiento, denominado 'max'. Aun así, a pesar de su popularidad, este método no es adecuado para la mayoría de las modernas supply chain.
¿Es posible hacer forecast de alto crecimiento?
El crecimiento, y más generalmente las tendencias, deben tenerse en cuenta para entregar forecast de demanda con precisión. Sin embargo, el crecimiento; como patrón estadístico, resulta ser más difícil y más esquivo de capturar que otros patrones bien conocidos, como la estacionalidad.