Predicción del rendimiento de la cadena de suministro ante fluctuaciones rápidas e imprevistas de la demanda

El desafío

Resumen

Debido a la COVID19, un fabricante multinacional de bienes de consumo envasados (CPG) está experimentando una alteración significativa de los perfiles de demanda de productos, con un aumento de la demanda de algunos productos y una caída significativa de otros. Se desconocen los niveles de producción e inventario necesarios, lo que genera incertidumbre en los costes. Se desarrolló e implantó rápidamente una capacidad analítica basada en la simulación para estimar los niveles de producción e inventario necesarios para satisfacer esta demanda dinámica, utilizando la estructura existente de la red de la cadena de suministro, las restricciones de producción, el estado actual del inventario y las políticas de reposición de inventario. Este modelo basado en datos genera resultados como volúmenes de producción, niveles de inventario y costes por región y categoría de producto, que se integran en un cuadro de mando analítico para la planificación y el conocimiento a corto plazo. El modelo y el cuadro de mandos permitieron a la empresa identificar semanalmente los productos y las plantas de producción en riesgo de sobreproducción, incluido el impacto estimado en los costes y la previsión de las tasas de producción y los niveles de inventario necesarios para satisfacer la demanda dinámica.

1. Introducción

La empresa cliente estaba experimentando importantes cambios imprevistos en la demanda global de sus más de 32.000 productos debido a los efectos de la pandemia COVID19. La empresa disponía de estimaciones de costes de producción basadas en la planificación previa a la pandemia, así como de previsiones de demanda ajustadas en función de los recientes cambios en la demanda. Sin embargo, carecían de la capacidad para estimar el impacto semanal a corto plazo de los cambios de la demanda en las tasas de producción planificadas y los niveles de inventario. Genpact desarrolló y proporcionó una capacidad analítica con un modelo de simulación de eventos discretos como núcleo durante un compromiso de tres semanas.

El sistema analizado es la cadena de suministro de productos acabados, formada principalmente por plantas de producción y centros de distribución (CD). Los productos se producen y se dirigen a través de la red de la cadena de suministro desde las plantas a los CD (y de CD a CD) para satisfacer la demanda externa. El objetivo principal del modelo de simulación es predecir los volúmenes de producción necesarios y los niveles de inventario en todo el sistema para que los responsables de la toma de decisiones puedan definir con precisión las asignaciones de volumen de producción adecuadas, especialmente ante una demanda que cambia rápidamente.

La solución

2. Enfoque y marco del modelo

La capacidad analítica se desarrolló utilizando Alteryx para el procesamiento de datos, Simio para la simulación y Tableau para la visualización de resultados. Debido a la rapidez del proyecto y al deseo del cliente de actualizar

el cuadro de mando con datos semanales, se necesitaba un flujo de trabajo basado en datos escalable y repetible. Los datos históricos se procesaron para generar listas de productos, listas de centros (centros de distribución y centros de producción), listas de inventario y listas de aprovisionamiento (asignación de un flujo específico de productos de un centro a otro). El cliente facilitó datos semanales de demanda a nivel de SKU y centro. Para un horizonte de simulación típico de cuatro semanas, los datos de entrada procesados por Graunke y Urbina consistían en más de 32.000 productos, más de 1.000 centros, más de 36.000 inventarios, más de 27.000 enlaces de red y más de 27.000 eventos de demanda.

El sistema modelizado recogía varias reglas de negocio, restricciones e hipótesis críticas:

1. La demanda modelada es sólo externa y sólo se realiza en los centros de distribución. Las plantas no pueden satisfacer directamente la demanda externa.
   1. Los datos de la demanda sólo incluyen la demanda externa. La demanda DC-DC es generada por la lógica del modelo según sea necesario, y no se incluye como entrada directa.
2. El producto se fabrica bajo pedido en cada planta y no se almacenan existencias en las plantas. El producto fabricado se envía inmediatamente al centro de distribución solicitante.
3. La capacidad y los volúmenes de las plantas se registran a nivel de planta. Se incluyen los plazos de producción y de transporte, según la disponibilidad de datos.
4. Las existencias de los centros de distribución se reponen en las plantas o en otros centros de distribución sujetos a la red de la cadena de suministro.
   1. Se activa un pedido de reposición cuando una posición de inventario está por debajo del valor mínimo del nivel de inventario.
   2. La cantidad de reposición se define como la cantidad necesaria para que el inventario alcance el nivel mínimo.

El aprovisionamiento busca primero las plantas con capacidad disponible, luego las plantas sin restricciones (por ejemplo, plantas fuera de la región, plantas de proveedores) y, por último, los centros de distribución.

El impacto en el negocio

3. Resultados e impacto

El modelo se utilizó para generar resultados para una ventana móvil de cuatro semanas. Cada semana, el cliente actualiza el modelo con los datos actuales de la demanda y lo ejecuta. Los principales resultados del modelo son los volúmenes de producción a nivel de planta necesarios para satisfacer la demanda y cumplir las políticas de reposición de existencias. Los resultados brutos de la simulación consisten en todas las actividades de producción (incluyendo la semana, la planta, el lugar de destino y el volumen producido), y el rendimiento semanal del inventario (incluyendo el inventario disponible y los pedidos pendientes, así como los totales acumulados de volumen demandado y consumido). Estos resultados se cargan en un panel de Tableau alojado en el cliente que agrega y resume los datos (Figura 1). El cliente pudo utilizar estos datos para ajustar los niveles de producción en toda la cadena de suministro para satisfacer la demanda y pudo estimar el rendimiento de costes correspondiente.

Figura 1: Cuadro de mandos general y cuadro de mandos detallado de la planta de producción.