Se tomó una empresa líder del sector industrial en la fabricación de tuberías y productos polivinilos, con una cobertura del mercado nacional e internacional, comparando el desempeño y confiabilidad de la información durante un período de 6 meses, utilizando en paralelo esta metodología con el uso de las facilidades brindadas en una aplicación del tipo ERP.
La empresa cuenta con un portafolio de 3,700 S. K. U, con tres plantas de producción, 14 centros de distribución en el ámbito nacional y una clientela que se aproxima a los 3500 clientes entre públicos y privados. El sistema en la actualidad tiene capacidad disponible para la producción, sin embargo tiene una ocupación total dejando demanda insatisfecha, esto quiere decir que el cuello de botella es la capacidad de las plantas y no el mercado, entonces, los pronósticos deben servir para regular la utilización de las capacidades de las distintas plantas y mejorar la respuesta al cliente interno y externo. La efectividad del pronóstico es cercana al 66 % de forma agregada.

Modulo de Clasificación de Productos

Para realizar el proceso de clasificación se tomaron varios criterios globales: el primero, por la cantidad de movimiento que ha presentado el ítem, garantizando de esta manera suavizar los efectos de la alta variabilidad de la demanda, este es denominado por movimiento. El segundo es un criterio de importancia, el cual se considera como un criterio compuesto.

Clasificación por Movimiento

El criterio por movimiento se basa en las estadísticas de los últimos dos años. Se compone de seis clases de la siguiente manera (ver tabla 1):
● Clase 1: ítems con el total de observaciones, esto es con 24 datos.
● Clase 2: ítems con hasta 21 datos de movimiento.
● Clase 3: ítems que tienen menos de 12 datos pero con movimiento en último semestre.
● Clase 4: ítems que no han tenido movimiento en el último semestre.
● Clase 5: ítems que no han tenido movimiento en el último año.
● Clase 6: ítems que no han tenido movimiento en los últimos dos años.

De las seis clases de movimiento se eliminan las clase 5 y 6 dado que, por un lado, no se pueden analizar para la estimación de la demanda y, por el otro, se debe establecer un procedimiento para dar de baja a este tipo de productos ―, es decir vender o dar salida de inventario físico―.

Clasificación por Importancia

Para la construcción del criterio de importancia se tomaron tres variables, la primera de carácter económico y las otras dos de carácter físico, con esto se protege a la organización de racionalizar sus espacios de bodegaje. La primera toma el costo, para las variables físicas se toma el peso y el volumen. Estas tres variables fueron modificadas por el valor de ventas (demanda total) de los datos históricos suministrados. Creando cuatro categorías A, B, C y D, y afectadas por un porcentaje de composición en el cual el costo lleva un peso de 70 % de la calificación y los otros dos criterios, peso y volumen, un 30 % del peso relativo. En la tabla 2 se dan los porcentajes de calificación.

Se clasifica teniendo en cuenta los criterios de movimiento y de importancia, en principio se tienen 18 categorías tal y como se muestra en la figura 1, como se mencionó en el caso de ejemplificación, se tuvieron que eliminar las clases 5 y 6 por no contar con demanda en los últimos meses. Para esta nueva reclasificación también se debe observar la cantidad de valores que compone cada clase y, como se puede observar, los valores de E2-C, E3-A, E3-B, E3-C, E4-A, E4-B y E4-C son pequeñas muestras es decir con menos de 30 observaciones con lo cual se puede dificultar su análisis.

Por ello se decide trabajar con dos reclasificaciones en importancia Clase A y Clase B, con valores de participación en la importancia hasta el 95 % acumulado para la clase A y del 100 % acumulado para la clase B, respectivamente. En general, se puede decir que la nueva clase A es la integración de la Clase A, B y C, mientras que la nueva clase B es la clase D. En la figura 2 se muestra el flujograma de la metodología de clasificación de ítems propuesta.

Módulo de estimación de la demanda

Para realizar el proceso de pronosticar los productos, se toma una muestra de datos para las clases 1 a 4, los valores se muestran en la tabla 3.

Estos valores representan el 10 % de la clase para el tipo A y el 3 % de la clase para el tipo B. Para el método de pronóstico se utilizó la mejor opción, un aplicativo comercial y especializado. Para determinar qué ítems se seleccionaban de cada tipo y de cada clase, se utilizó el ranking del sistema de clasificación de la sección anterior, es decir, se tomaron los elementos más importantes de cada categoría según el criterio unificado de movimiento y de importancia, se le dio un código especial y requerido por el aplicativo. En la tabla 4 se relacionan las diferentes
técnicas por cada clase de elementos.

De esta tabla se puede decir que las muestras marcan una tendencia a unificar la Suavización Exponencial (SE) con las Suavizaciones Exponenciales Aditivas (EA) y Multiplicativas (EM), y Lineal Aditiva (LA) y Lineal Multiplicativa (LM); por otro lado, técnicas de poca participación como los Modelos Lineales (ML) o los de datos discretos (DD) se pierden en el momento de hacer la proyección. Estas técnicas de suavización exponencial: aditivas y multiplicativas, son las que se enmarcan en el contexto de la suavización triple y de grado superior basadas en el mismo principio de volver a suavizar la componente base. Los modelos de suavización exponencial simple y doble pueden tratar con casi cualquier tipo de datos, siempre y cuando estos datos sean no estacionarios. Este método está basado en tres ecuaciones principales: una para el promedio, otra para la tendencia y otra para la estacionalidad. Dependiendo si la estacionalidad se modela de forma aditiva o multiplicativa.

Estos modelos son diferenciados para cada tipo de componente y reflejan cambios en las estructuras de las componentes de datos para cada elemento, razón por la cual no deberían simplificarse a otros modelos, como podrían ser los de  suavización simple o los de promedios móviles. Se debe escoger una técnica de pronósticos, para ello se presentan las siguientes opciones:

1. Seleccionar una técnica para cada elemento del análisis, es decir, se debe construir 2637 modelos distintos con sus correspondientes parámetros de ejecución.
2. Seleccionar una técnica para cada clase y tipo con la selección de parámetros lo más generales posibles.

En general, se puede decir que con la primera opción se reducen los errores de los pronósticos pero se complica su cálculo, no solo por lo que representa su ejecución computacional, sino también por las implicaciones en las revisiones de los parámetros que se requieren en ciertas técnicas de pronósticos como los de suavización exponencial aditiva y multiplicativa.
Con la segunda opción se aumentan los errores del pronóstico pero desde luego se simplifica considerablemente el cálculo de las estimaciones en términos de esfuerzo humano y computacional.  Para este caso se escoge la opción dos, los pronósticos sugeridos se presentan en la tabla 5 de acuerdo con el análisis realizado a los datos del caso de aplicación, en la tabla 5 es la constante de suavización exponencial, CV es el coeficiente de variación como medida de variabilidad (Hopp y Spearman, 2001) cociente de la desviación sobre la media. d.l.c, = de lo contrario y k es el número de datos para promedio móvil simple y doble.

Esta metodología se debe realizar para los productos en cada uno de los eslabones de la cadena, en este sentido, se considera oportuno descargar a las regionales del proceso de estimación de la demanda; en una muestra de SKU se determinó que los errores medidos en la desviación absoluta promedio o MAD (Mean Absolute Desviation) se aumentan cuando se decide realizar pronósticos independientes por ítem en cada central o regional, en este sentido, como el sistema de clasificación depende del número de ceros, cambia la política en cada una de estas regionales y varía su estimación. En la figura 3 se muestra el flujograma de proceso para  aplicar esta metodología, integrándose con los resultados de la metodología de clasificación.

Por otro lado, se mitigan los efectos de permanencia, tendencia y estacionalidad al considerar por separado los valores de la demanda, razón muy importante a la hora de hacer las estimaciones. Sin embargo se considera importante que las regionales clasifiquen los pedidos de la siguiente manera:
● Pedidos ordinarios: son aquellos que se enmarcan dentro del pronóstico suministrado por logística o el encargado de hacerlos. En este sentido, las regionales pueden hacer observaciones de las estimaciones a futuro, o
bien porque consideran que no se pueden ejecutar o bien porque se consideran menores a la información que disponen.
● Pedidos especiales: son aquellos que trascienden las expectativas del pronóstico, pueden incluir ítems sin estimaciones o en realidad nuevos productos. También pueden obedecer a demandas coyunturales que no ameritan ser consideradas en las demandas ya que salen como punto extremo.
En síntesis, se puede decir que para establecer el proceso de estimación de la demanda se hará una estimación por SKU y luego se “reparte” por regional y por ítem según los valores históricos en los que se ha basado su estimación.