PRONÓSTICO DE INVENTARIO PARA LA INDUSTRIA AEROESPACIAL

El alto costo de ciertas piezas, los largos tiempos de entrega, las fallas poco frecuentes y los costos muy altos de faltante de stock solo empeoran todas las debilidades de la optimización de inventario clásica.

En particular, las previsiones de series temporales optimizadas en función de métricas como MAD (desviación absoluta media) o MAPE (porcentaje absoluto medio) no reflejan adecuadamente los costos altamente asimétricos entre la sobreestimación y la subestimación que se encuentran en el sector aeroespacial.

El análisis clásico de stock de seguridad basado en distribuciones normales o distribuciones de Poisson también funciona mal.

El análisis clásico de stock de seguridad basado en distribuciones normales o distribuciones de Poisson también funciona mal, porque nuestras observaciones de datos simplemente indican que los patrones de demanda no siguen ninguno de estos modelos. Del mismo modo, el análisis ABC falla porque cualquier clasificación que ordene todas las piezas en un puñado de categorías de inventario no tiene éxito en capturar las muchas dimensiones diferentes que definen las piezas o consumibles requeridos por las aeronaves modernas.

Además de la falta de coincidencia entre los supuestos detrás de los modelos clásicos y la realidad del negocio aeroespacial, también hemos descubierto que los enfoques clásicos dependen demasiado de una miríada de correcciones manuales. Esto conduce con frecuencia a situaciones en las que el esfuerzo invertido en la optimización de inventario no se capitaliza, sino que simplemente es consumido por los sistemas de TI para mantenerse al día con las operaciones diarias. Algunos patrones de diseño de software, como las “alertas”, también tienden a empeorar la situación al enfocar a los equipos en soluciones superficiales diarias en lugar de enfocarlos en las causas fundamentales para ofrecer soluciones duraderas. Para cualquier consulta, contáctenos en contact@lokad.com

En contraste, el núcleo de nuestra tecnología está diseñado para minimizar los dólares de los errores de pronóstico. Nuestro enfoque es muy diferente de los sistemas estadísticos clásicos que simplemente son “ciegos” a las variables financieras.

Los costos asociados con los sobrepronósticos y los subpronósticos son altamente asimétricos en la industria aeroespacial, y esto tiene un profundo impacto en nuestra tecnología. Las piezas reparables de alto costo no solo, como sugiere el nombre, son caras, sino que también tienen un efecto “trinquete” en cada compra del lado de la aerolínea. De hecho, como la tasa de desecho es muy baja para muchas piezas, significa que cualquier pieza comprada permanecerá en el inventario durante años. Y aunque a veces es posible revender piezas, con frecuencia se hace con un gran descuento en comparación con el precio original. Por lo tanto, nuestros pronósticos están inherentemente y deliberadamente sesgados al alza para reflejar con precisión esas situaciones comerciales asimétricas. El objetivo no es tener las mejores estimaciones de inventario en un sentido estadístico abstracto, sino las estimaciones que realmente ayuden a minimizar los costos comerciales asociados con las imprecisiones de las propias estimaciones.

Además, si bien lograr mejores niveles de servicio ciertamente es algo bueno si no implica tener más inventario, las soluciones clásicas apuntan a niveles de servicio arbitrarios basados ​​en clasificaciones de inventario ingenuas frecuentemente basadas en análisis ABC, u otras variantes similares. En su núcleo, nuestra tecnología estadística asume el desafío de aprovechar al máximo cada dólar invertido en inventario. Por ejemplo, incluso si una pieza solo tiene un nivel de servicio del 90%, mientras que la empresa busca un nivel de servicio general del 98%, podría ser más rentable aumentar el nivel de servicio de otra pieza del 98% al 99% si esta pieza cuesta 100 veces menos y se solicita 100 veces con más frecuencia que la primera. El análisis ABC simplifica en exceso el panorama del inventario aeroespacial donde se deben tener en cuenta muchas dimensiones diferentes: costo unitario, demora en el suministro, esencialidad, sobrecarga de compra AOG, capítulo ATA, obsolescencia potencial, etc.

En lugar de proporcionar números que son “exactamente incorrectos”, Lokad se esfuerza por proporcionar números que son “aproximadamente verdaderos”. Incluir todas las restricciones financieras y operativas directamente en los modelos de pronóstico resultó ser una tarea muy desafiante, sin embargo, hemos observado que confiar en enfoques clásicos que son “ciegos” a estos factores da resultados muy pobres.

Incluso algo aparentemente simple como el estado del inventario requiere un conjunto relativamente diverso de datos. De hecho, el stock incluye no solo el stock disponible y el pedido de compra pendiente, sino también las devoluciones futuras de reparación, las devoluciones de piezas en servicio, los préstamos a otras aerolíneas y las piezas prestadas a otras aerolíneas. Al utilizar más dimensiones en comparación con los modelos clásicos de optimización de inventario, Lokad ofrece resultados que están más estrechamente alineados con la realidad específica del negocio.

También se pueden aprovechar datos de terceros, como los valores MTBUR (tiempo medio entre eliminaciones no programadas) proporcionados por los OEM. Sin embargo, en lugar de confiar al 100% en una sola fuente de datos, nuestra tecnología prefiere aprovechar al máximo todos los datos disponibles.

Si un componente ha sido cambiado más de 100 veces, el MTBUR estimado basado en datos históricos casi con certeza es más preciso que la estimación del OEM. Pero por otro lado, para un componente que se cambia muy raramente, la estimación del OEM es la única información relevante. La tecnología de Lokad aprovecha la mejor combinación de información necesaria para minimizar los costos financieros asociados con la incertidumbre.