Punto De Reorden

Definición de punto de reorden

Por Joannès Vermorel. Última actualización: abril de 2012.

Nivel de inventario de un artículo que señala la necesidad de realizar una orden de reabastecimiento. El punto de reorden es la suma de la lead demand (demanda de tiempo de entrega) y las existencias de seguridad. El cálculo de un punto de reorden optimizado generalmente incluye al tiempo de entrega, el pronóstico de la demanda y el nivel de servicio. Valerse de un pronóstico cuantílico nativo aumenta considerablemente la calidad de los puntos de reorden para la mayoría de las actividades comerciales minoristas y de fabricación.

También llamado ROP, nivel de reorden, nivel de disparo, cantidad de reorden o cantidad de orden de reabastecimiento.

El punto de reorden es un concepto importante no solo para la optimización del inventario, sino también para su automatización. De hecho, la mayoría de los ERP y los software de gestión de inventario asocian un ajuste de punto de reorden a cada artículo para ofrecer cierto grado de automatización en la gestión del inventario.

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 del software de pronóstico solo entrega 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 cuantifico. 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 esta comparación, 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

...