Pronóstico de la demanda en productos de gran variabilidad

En la actualidad, las empresas buscan la mejora en los procesos de todas las áreas de su estructura organizacional. En estos procesos de mejora se requiere el correcto manejo de los procesos críticos de estimación de la demanda, la planeación de inventarios, la planeación de los recursos de producción, distribución, la programación de la producción y planeación de materiales. De estos cuatro procesos se considera que se debe iniciar por un buen método de estimación de la demanda, como decisión estratégica fundamental para una organización, que es la base inicial para la toma de decisiones.

Revisión de la literatura

Respecto a la clasificación de inventarios usaremos una metodología ABC. veamos ahora:

Clasificación del Inventario

 

Cuando el control de inventarios abarca cientos o miles de ítems, crea un problema serio para la administración, por lo que llevar registro de cada uno de los ítems y tener la misma capacidad de control en cada uno de ellos es fundamental para el negocio. En general, se puede decir que el exceso y la escasez no afectan a todos los ítems en almacenamiento, entonces es mucho más fácil dividir los ítems en un número de grupos ―agruparlos―y utilizar las mismas técnicas de pronósticos y control de inventarios para todos los ítems de un mismo grupo.

Es común usar la clasificación ABC:

A (más importantes), B (de importancia intermedia) y C (menos importantes). Aplicar la mayoría de los recursos limitados de planeación y control a los A-ítems ―mayor rendimiento económico―, mientras que los gastos en las otras clases ítems B y C tienen mucho menos efecto sobre la inversión total del inventario serán mantenidos en un mínimo.

Técnicas de Pronóstico

 

Pronosticar es la ciencia y arte de predecir eventos futuros (Méndez Giraldo,  2003). Puede implicar tomar datos históricos y proyectarlos hacia el futuro con alguna clase de modelo matemático, también puede ser una predicción subjetiva o intuitiva, o puede implicar una combinación de estas, es decir, un modelo matemático ajustado por el buen juicio de un administrador.

Las técnicas matemáticas, como promedios móviles, suavización exponencial y extrapolación de tendencia, son comunes en las proyecciones de corto plazo (Heizer y Render, 2010).
Adicionalmente, los pronósticos de corto plazo tienden a ser más precisos que los de largo plazo (Méndez Giraldo, 2003). Los factores que influencian la demanda cambian día a día, de esta manera, en la medida en que el horizonte de tiempo se alarga es probable que la precisión del pronóstico disminuya. Por esta razón, los pronósticos de la demanda deben actualizarse regularmente con el fin de mantener su valor e integridad. Después de cada periodo de ventas, deben revisarse los pronósticos (Méndez Giraldo, 2003). Para construir un sistema de pronósticos se necesitan por lo menos ciertos datos iníciales, una técnica de pronósticos y los métodos de revisión y monitoreo necesarios para actualizar el modelo.

En ese sentido se han desarrollado varias técnicas de pronósticos que se pueden clasificar principalmente en dos categorías: métodos cuantitativos y métodos cualitativos (Borisov, Bulanov, Orlova y Kondratov, 2008). Los primeros se usan cuando se tiene disponible información cuantitativa suficiente. Estos a su vez se pueden clasificar en: series de tiempo (extrapolativos) que predicen la continuación de patrones históricos y los explicativos (causales o estructurales) que pretenden ayudar a entender cómo las variables explicativas. Los segundos se utilizan cuando la información no es disponible, es un producto nuevo, entre otras, empleando técnicas como el método Delphi, curvas de aprendizaje, curvas logísticas, investigación de mercados, entre otras (Borisov et al., 2008; Heizer y Render, 2010).

Caso de Aplicación

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.

Resultados

Este proyecto se implementó durante seis meses en la empresa caso de estudio en paralelo junto con la metodología anterior con el fin de comparar los resultados. Para evidenciar las mejoras del proceso de integrar las técnicas de pronósticos y las políticas de inventario, se puede decir que en el primer caso se hicieron pruebas como las que se muestran en la tabla 6.

Como se observa, algunos productos se predicen mejor y otros no, sin embargo cuando se realizó la valorización de las estimaciones se encuentra que, a medida que el proyecto se consolida y dada su característica dinámica, las mejoras medidas en MAD se dan en promedio para el último trimestre de validación en un 10,2 %, como lo muestran los resultados de la tabla 7.

Por otro lado, se muestra la reducción de las existencias de producto terminado y de materiales debido a la mejora en la estimación de la demanda con el método de pronóstico y la clasificación de inventario descritos en el apartado de Clasificación por movimientos. Se tenía un promedio de 5,176 t/ mes y se pasó a un valor de 4,923 t/mes, lo que significa un ahorro de 253 t/mes que es un valor aproximado al 5 % en el primer trimestre de uso de la metodología. De esta manera, se evidencia la mejora en procesos en la disminución de manipulación de inventario, transporte de productos, entre otros aspectos operativos, y también el ahorro en costos que genera a partir de la consolidación del proceso. En la figura 4 se muestra comparativamente la evolución de las ventas, la producción y el inventario, en la cual se observa una tendencia decreciente del inventario a un punto de estabilización al igual que una nivelación de la producción.

Conclusiones

Los criterios para clasificar los ítems deben conciliar las características de rotación con los de valor, por lo tanto, se establecen los criterios de movimiento y los de importancia. Con el primero, se establece las clase y con el segundo el tipo. En el caso particular de la instancia, se encontró que existe un porcentaje significativo de ítems ― con demanda cero en el horizonte de planeación o en el último año de dicho periodo, a los cuales se les debe analizar su baja o al menos establecer un período de vigilancia para, en un próximo futuro, eliminar del maestro de  materiales.

Los movimientos establecen seis categorías de las cuales solo se consideran cuatro con el fin de realizar los pronósticos. La clase 1 representa los ítems estables en el mercado ―demanda en al menos el 87,5 % de los períodos―. La clase 2 representa los elementos que están entrando o saliendo de la etapa de estabilidad ―demanda entre el 50 y 85 % de los períodos―. La clase 3 son los ítems que están en la fase de crecimiento, es decir aquellos que no tienen demanda más allá del 50 % de los períodos pero esta preferencialmente se presenta en los últimos períodos del análisis. La clase 4 son para los ítems que se ubican en la etapa de declive, es decir, demandas en menos del 50 % de los períodos, principalmente en los periodos iníciales del análisis. La clase 5 es para ítems sin movimiento en el último año y deben entrar en cuarentena o en periodo de observación. La clase 6 para elementos sin demanda, para los cuales se sugiere su baja.
El criterio de importancia se basa en múltiples atributos, en este caso son el costo, el peso y el volumen, si estos atributos son altos, el ítem debe estar en una clasificación más rigurosa, es decir, se debe ejercer mayor control sobre ellos. Para este caso se definieron dos tipos A y B. Tipo A son aquellos en donde la contribución marginal ponderada y acumulada es menor al 95 %.Tipo B para aquellos ítems con una contribución marginal ponderada mayor al 95 %.
Los pronósticos son específicos para cada ítem, pero esto conlleva a un manejo complejo del día a día, entonces dependiendo de la clasificación se decide establecer un modelo específico para ellos.
De esto se tienen ocho modelos distintos que corresponde a las cuatro clases y los dos tipos. Las técnicas empleadas son la de suavización exponencial doble, suavización exponencial simple, promedio móvil doble y promedio móvil simple, con diferentes parámetros dependiendo del tipo. Para atender el sistema de estimación de la demanda en la cadena logística se sugiere hacer una sola estimación total y aplicar un factor por cada ítem para cada una de las centrales, esto reduce el margen de error en la estimación y disminuye los niveles de existencias.

Para más detalles accede al artículo de Dr. Méndez G. y suscríbete a nuestro Blog Innovologistica