Cálculo cuantílico de la demanda

Un aspecto poco comprendido de la gestión del inventario es que el punto de reorden

representa un pronóstico cuantílico de la demanda para un horizonte que equivale al tiempo de
entrega. De hecho, el punto de reorden representa la cantidad de inventario que, con una
probabilidad de τ% (el nivel de servicio deseado), no será superada por al demanda. Si la
demanda sobrepasa este umbral, algo que sucede con una frecuencia de solo 1-&tau, se llega a
la situación de falta de existencias.

Pronósticos cuantílicos nativos vs. extrapolados

Los modelos de pronóstico cuantílico son complicados de expresar por escrito. Como resultado,
la mayoría de los software de pronóstico solo entregan pronósticos de media. No obstante, como
se explicaba anteriormente, los puntos de reorden son, fundamentalmente, pronósticos de
demanda cuantílicos. Por lo tanto, la solución más popular para la falta de modelos cuantílicos
nativos consiste en extrapolar pronósticos de media en pronósticos cuantílicos.

La extrapolación generalmente se basa en la suposición de que el error de pronóstico sigue

una distribución normal. Nuestra guía sobre existencias de seguridad describe en detalle cómo
un simple pronóstico de media puede ser extrapolado en un pronóstico cuantílico. En la práctica,
sin embargo, la suposición de que el error sigue una distribución normal no se sostiene .
De hecho, la distribución normal:

 Converge demasiado rápidamente hacia el cero, mucho más rápidamente que las
distribuciones empíricas observadas en los sectores minorista y de fabricación.

 Es perfectamente suave mientras que la demanda sigue pasos integrales. El impacto

negativo de esta suavidad se ve principalmente en la demanda intermitente.

 No es adecuada para niveles de servicio elevados (básicamente niveles que superen

el 90 %). De hecho, cuanto más se aleja de la mediana (50 %), menos precisa resulta la
aproximación normal.

Regla general: cuándo favorecer los pronósticos cuantílicos nativos

A pesar del overhead de cálculo adicional, los pronósticos cuantílicos nativos aportan beneficios
significativos desde el punto de vista de la optimización del inventario, cuando:

 Los niveles de servicio superan el 90 %.

  La demanda es intermitente, con menos de 3 unidades vendidas por período (día,
semana, mes, según la agregación).

 Las órdenes mayoristas ( un solo cliente compra más de 1 unidad en una sola vez)
representan más del 30 % del volumen de ventas.

En la práctica, el error del punto de reorden (ver la sección a continuación) generalmente se

reduce de más del 20 % si alguna de esas tres condiciones se cumple. La explicación de esta
mejora se encuentra mayormente en el hecho de que la extrapolación utilizada para hacer de un
pronóstico de media un pronóstico cuantílico se convierte en el eslabón más débil del cálculo.

Precisión de los puntos de reorden a través de la función de pérdida pinball

Debido a que el punto de reorden no es otra cosa que un pronóstico cuantílico, es posible
evaluar la precisión del pronóstico a través del uso de la función de pérdida pinball.

La reducción de la pérdida pinball para su inventario solo se puede lograr mediante mejores
pronósticos (cuantílicos o extrapolados). Como regla general, una reducción del 1 % de la
pérdida pinball generará entre un 0,5 % y un 1 % de reducción de las existencias de seguridad,
al tiempo que preserva la misma frecuencia de situaciones de falta de existencias.
Con esto, resulta posible comparar estrategias alternativas de existencias con su práctica
actual. Si una estrategia alternativa reduce el error total, esto significa que esa estrategia
es mejor para su empresa.

El proceso puede parecer un poco confuso, porque aplicamos el término precisión en un

contexto en el que tal vez no existan pronósticos (si la empresa no utiliza ya un proceso de
pronóstico, por ejemplo). El truco es que los niveles de inventario objetivo por sí mismos
representan pronósticos cuantílicos de demanda implícitos. La función de pérdida pinball le
permite evaluar la calidad de esos pronósticos implícitos.

Descargar: reorder-point-accuracy.xlsx

La hoja de cálculo de Microsoft Excel anterior ilustra el modo de evaluar la precisión de su

punto de reorden utilizando la pérdida pinball. La hoja incluye varias columnas de datos de
entrada:

 Nombre del producto: solo por cuestiones de legibilidad.

 Nivel de servicio: la probabilidad deseada de no llegar a una situación de falta de

existencias.

 Tiempo de entrega: el retraso para completar una operación de reabastecimiento.

 Punto de reorden: el umbral (a menudo llamado Mín) que desencadena un

reabastecimiento. Los puntos de reorden son los valores cuya precisión de evalúa
  Día N: la cantidad de unidades vendidas durante ese día. El diseño utilizado para esta
hoja es práctico, porque permite calcular la demanda de tiempo de entrega mediante la
función OFFSET en Excel (ver a continuación).

Luego, la hoja incluye dos columnas de resultados:

 Demanda de tiempo de entrega: representa la demanda total entre el inicio del Día
1 y el final del Día N (donde N es igual al tiempo de entrega expresado en días). Aquí, la
función OFFSET se utiliza para hacer la suma a lo largo de una cantidad variable de
días utilizando el tiempo de entrega como argumento.

 Pérdida pinball : representa la precisión del punto de reorden. Este valor depende de la
demanda de tiempo de entrega, el punto de reorden y el nivel de servicio. En Excel,
utilizamos la función IF para distinguir el caso de sobrepronóstico del caso de
subpronóstico.

Por cuestiones de uniformidad en el análisis, la configuración de los datos de entrada (puntos de

reorden, niveles de servicio y tiempos de entrega) debe ser extraída al mismo tiempo. Según las
convenciones que seguimos en esta hoja, este momento puede ser el final del Día 0 o justo
antes del inicio del Día 1. Luego, esas configuraciones son validadas mediante la comparación
con datos de ventas posteriores.

Consejo: En la mayoría de los ERP, no se guardan los valores históricos para los puntos de
reorden, tiempos de entrega y niveles de servicio. Por lo tanto, si desea evaluar sus puntos de
reorden, debe comenzar a registrar esos valores. Luego, debe esperar un lapso de tiempo que
cubra la mayoría de los tiempos de entrega. En la práctica, no es necesario que espere hasta
que el tiempo de entrega más prolongado haya sido cubierto. Para obtener una evaluación
significativa, puede establecer una duración que cubra, digamos, el 80 % de sus tiempos de
entrega.
Por último, una vez que se calcula el valor de pérdida pinball para cada artículo, calculamos la
suma de las pérdidas pinball en la esquina inferior derecha de la hoja. Al comparar los dos
métodos para calcular los puntos de reorden, el método que logra la menor
pérdida pinball total es el mejor.

Función de pérdida pinball, preguntas y respuestas

La función de pérdida pinball me suena extraña. ¿No es que han sido ustedes los que
han inventado esta función para impulsar el rendimiento relativo de Lokad?

La función de pérdida pinball es conocida desde hace décadas. Si usted está de acuerdo con la
hipótesis de que el punto de reorden debería ser definido como el valor que cubre la demanda
con una cierta probabilidad (el nivel de servicio), entonces las estadísticas de manual indican que
la pérdida pinball es la función que debería ser utilizada para evaluar su estimador cuantílico.
Los primeros trabajos sobre el tema datan de fines de los años setenta, pero si desea consultar
material más actualizado, puede leer Koenker, Roger (2005) Quantile Regression, Cambridge
University Press.

¿Cómo pueden acceder a la calidad del punto de reorden para un artículo en particular
con función la pérdida pinball ?

No es posible evaluar la calidad del punto de reorden para un solo artículo mirando un solo punto
en el tiempo. A menos que su nivel de servicio se encuentre muy cerca del 50 %, la
pérdida pinball presenta una fuerte varianza. Como resultado, necesita calcular un promedio de
los valores de pérdida para varias docenas de fechas distintas para obtener un promedio fiable al
observar un solo artículo. Sin embargo, en la práctica, le sugerimos que, en cambio, calcule el
promedio de pérdidas para varios artículos (en lugar de para varias fechas). Con una base de
datos que contenga más de 200 artículos, la pérdida pinball es generalmente un indicador
bastante estable, incluso si considera solamente un punto en el tiempo para realizar una
evaluación.

La pérdida pinball reacciona marcadamente a niveles de servicio muy elevados. ¿Esto

significa que ante niveles de servicio muy elevados generará niveles de existencias
muy elevados?

La realidad de la gestión del inventario es que lograr un nivel de servicio del 99,9 % requiere una
gran cantidad de inventario. De hecho, 99,9 % significa que usted no desea tener que costear
más de 1 día de falta de existencias cada 3 años. Con la fórmula de existencias de
seguridad clásica, el uso de un nivel de servicio muy elevado no genera niveles elevados de
inventario.. Sin embargo, el uso de un nivel de servicio muy elevado en la fórmula no genera
necesariamente un nivel de servicio equivalente en la práctica. En resumen, usted puede
ingresar 99,9 % en el software, pero, en realidad, el nivel de servicio observado no será superior
al 98 %. Esta situación se debe a la suposición de que la demanda se distribuye normalmente.
Esta suposición, utilizada en la fórmula de cálculo de existencias de seguridad clásica, es
incorrecta y lleva a una falsa sensación de seguridad. Los pronósticos cuantílicos, en cambio,
responden mucho más agresivamente a los niveles de servicio elevados (es decir, con niveles
elevados de existencias). No obstante, estos pronósticos simplemente reflejan la realidad en un
modo más preciso. Niveles de servicio muy elevados implican niveles de existencias elevados.
No se puede obtener el 100 % de nivel de servicio, es necesario transigir.

En su hoja de cálculo de ejemplo, ustedes utilizan datos diarios. ¿Se pueden utilizar
datos semanales?

Si sus tiempos de entrega son prolongados y pueden ser expresados en semanas en lugar de
días, entonces, sí, se pueden utilizar datos históricos agregados en semanas; la aproximación
debería ser buena. Sin embargo, si sus tiempos de entrega son, en promedio, menores de 3
semanas, entonces la discrepancia introducida por un redondeo semanal puede ser muy
significativa. En esas situaciones, debería considerar datos agregados diariamente. Los datos
diarios podrían complicar un poco el manejo de los datos en la hoja de cálculo de Excel, debido a
la abundancia de datos. Sin embargo, en la práctica, la función de pérdida pinball no ha sido
diseñada para ser calculada en una hoja de cálculo Excel, excepto que esto se haga solo como
prueba de concepto. El único aspecto que realmente interesa es el de proporcionar datos diarios
al sistema de optimización de inventario.
Errores de concepto: el punto de reorden lleva a órdenes grandes infrecuentes

Valerse de los puntos de reorden no implica nada sobre la calidad de la gestión del inventario.
De hecho, debido a que los puntos de reorden pueden ser modificados continuamente
(generalmente mediante automatización software), cualquier estrategia de mantenimiento de
existencias puede ser representada mediante valores de puntos de reorden ad-hoc que cambian
con el tiempo.

Las órdenes grandes e infrecuentes se hallan en empresas que no actualizan en forma

dinámica sus puntos de reorden. Sin embargo, la causa del problema no son los puntos de
reorden per se, sino la falta de automatización software que actualizaría regularmente esos
puntos de reorden.

Varios proveedores con diferentes tiempos de entrega

La cantidad del inventario que se compara con el punto de reorden es generalmente la suma
de las existencias disponibles y las existencias pedidas. De hecho, al realizar una orden, es
necesario anticipar las existencias que ya están en camino.

La situación puede ser complicada si la misma orden puede ser enviada a varios proveedores
que entregan los mismos artículos con tiempos de entrega diferentes (y, generalmente,
también con precios diferentes). En una situación de este tipo, una orden pendiente realizada a
un proveedor local puede ser entregada antes que una orden pendiente anterior realizada a un
proveedor lejano.

Para modelizar con más precisión una situación de dos proveedores, es necesario introducir
un segundo punto de reorden para cada artículo. El primer punto de reorden desencadena el
reabastecimiento de un proveedor lejano (suponiendo que este proveedor es más económico; de
otro modo, no habría razón para comprarle a él), mientras que el segundo se abastece del
proveedor local.

Debido a que el proveedor local tiene un tiempo de entrega más breve, el segundo punto de
reorden es menor que el primero. Intuitivamente, las órdenes se realizan al proveedor local solo
cuando es muy probable que se llegue a una situación de falta de existencias y es demasiado
tarde para enviar una orden al proveedor lejano.

La solución de Lokad

Los pronósticos cuantílicos son superiores para calcular los puntos de reorden en la mayoría de
las situaciones encontradas en los sectores minorista y de fabricación. La fortaleza del método
puede ser explicada simplemente por el hecho de que, en estadística, las medidas directas
superan a las medidas indirectas. Sin embargo, no queremos decir con esto que los
pronósticos de media sean inútiles. Los pronósticos de media tienen muchos otros usos además
del estricto cálculo del punto de reorden. Por ejemplo, cuando se trata de visualizar pronósticos,
los pronósticos cuantílicos tienden a ser más difíciles de comprender.
Pronósticos de ventas avanzados con nuestra aplicación web de pronóstico de inventario. Lokad
se especializa en la optimización de inventario a través del pronóstico de la demanda. Los
puntos de reorden optimizados —y mucho más— son funciones nativas de nuestra herramienta
de motor de pronóstico.