Demo en viu
Previsió de demanda: quant demanar i quan, article per article
En aquesta demo, amb les vendes reals de dos anys d’un majorista britànic d’articles de regal, fem la previsió setmana a setmana de 1.000 articles i en traiem l’estoc de seguretat i el punt de comanda. Després ho comprovem amb el que es va vendre de debò: amb una bossa d’aigua calenta, la regla de la mitjana de l’últim any es queda sense estoc al novembre, i la previsió no. Tot és càlcul al navegador, sense IA, i cap persona no n’ha revisat els resultats.
Actualitzat el
S’obre en una pestanya nova. Es veu millor en un ordinador, amb el gràfic, les xifres i la llista d’articles a la mateixa pantalla.
Com fer-la servir
Obrir la demo- 1
Mireu si la previsió ho va veure venir
La bossa d’aigua calenta es ven poc a l’estiu i molt a la tardor. Toqueu «Mostreu el que es va vendre de debò»: la previsió del 6 de juny del 2011 deia 3.494 unitats per a les 26 setmanes següents, se’n van vendre 3.969, i cap setmana no surt de la banda de l’80 %.
- 2
Pugeu el nivell de servei al 98 %
L’estoc de seguretat passa de 175 a 219 unitats, i el punt de comanda d’avui, de 238 a 281. Toqueu qualsevol de les xifres i la demo us porta al pas del càlcul d’on surt.
- 3
Compareu-la amb la regla de la mitjana
Obriu la simulació de sis mesos i trieu «Amb la regla de la mitjana». Amb el 98 %, la mitjana es queda sense estoc dues setmanes de novembre i perd 629 unitats de venda; amb la previsió, cap. A canvi, la previsió té més estoc: 1.000 unitats de mitjana, contra 799.
El que encerta i el que no
Les xifres surten de simular les dues regles amb els 974 articles que es poden preveure, amb un 95 % de nivell de servei i 4 setmanes de termini. En total, es perden 47.302 unitats amb la previsió i 98.882 amb la mitjana, d’una venda de 1.711.566. A canvi, la previsió té més estoc: la suma de l’estoc mitjà dels articles és de 712.271 unitats, i de 585.252 amb la mitjana.
- 974
articles amb prou història per preveure’ls, de 1.000
- 199
en què la previsió perd menys venda que la mitjana
- 72
en què la previsió en perd més
- 703
en què les dues regles perden el mateix
La previsió falla on li falta història o on una sola setmana ho canvia tot. Si l’article no es venia ja el gener del 2010, el model no té una temporada sencera per aprendre i no pot saber que ve Nadal: el 22910 es va començar a vendre el setembre del 2010 i perd 1.633 unitats (la mitjana, 1.879). Les vendes molt grans d’una sola setmana, d’un client que compra de cop, l’enganyen: el 84347 perd 1.335 unitats al novembre amb la previsió, i cap amb la mitjana. I Holt-Winters només té una temporada per aprendre, la del primer any: amb més anys de vendes, la previsió seria més segura.
Per això la previsió no s’hauria de fer servir sola. Les vendes no són la demanda: quan no hi havia estoc, la venda que es va perdre no surt a les dades. Amb les vostres dades caldria saber-ho, i també l’estoc real i els terminis de cada proveïdor, que aquí són d’exemple.
Qui ha fet cada pas
No hi ha cap IA als càlculs ni a les dades: tot és estadística clàssica, la mateixa que es pot posar dins d’un ERP, i es calcula al vostre navegador cada vegada que toqueu un control. El programa l’ha escrit una IA.
-
Les vendes
Dades
Les vendes reals de 105 setmanes, del 30/11/2009 al 4/12/2011, dels 1.000 articles que més van vendre l’any abans del 6 de juny del 2011. Les hem netejat i sumat per setmana abans de publicar, amb uns scripts. El model només veu les 79 setmanes d’abans d’«avui»; la resta serveix per comprovar-lo.
-
La matriu ABC/XYZ
Càlcul
Quant pesa cada article en el valor de l’últim any (A, B o C) i com són de regulars les seves vendes de 4 en 4 setmanes (X, Y o Z).
-
La previsió
Càlcul
Per a cada article, Holt-Winters si té una temporada sencera, Holt si no en té i Croston si es ven de tant en tant, amb els pesos que s’haurien equivocat menys. Els articles amb menys de 13 setmanes de vendes no tenen previsió.
-
L’estoc de seguretat i el punt de comanda
Càlcul
Amb l’error típic de la previsió, el nivell de servei i el termini que trieu. Per a la bossa d’aigua calenta, al 95 % i amb 4 setmanes de termini i una més fins a la revisió següent: 1,645 × 47,6 × √5 = 175 unitats d’estoc de seguretat, i 63 + 175 = 238 de punt de comanda.
-
La regla de la mitjana
Càlcul
Un mínim i un màxim fixos, amb la mitjana i la desviació de les 52 setmanes d’abans d’avui, com en tenen molts ERP. L’hem escrita nosaltres per comparar: no és la regla de cap empresa concreta.
-
L’estoc i les comandes de la simulació
Dades
Són dades d’exemple, perquè la font només té les vendes. Les dues regles comencen amb el mateix estoc i veuen la mateixa venda real, i el que no es pot servir es perd.
D’on surten les dades
Són les vendes reals d’un majorista britànic d’articles de regal entre el desembre del 2009 i el desembre del 2011. Les publica l’UCI Machine Learning Repository amb llicència CC BY 4.0, i la cita que demana és Chen, D. (2012), Online Retail II, DOI 10.24432/C5CG6D. Ni l’autor ni el repositori no han revisat aquesta demo. No és una fàbrica ni cap client nostre, però el mètode és el mateix per als recanvis, les matèries primeres o el producte acabat.
-
Online Retail II (Daqing Chen, UCI Machine Learning Repository)
- Llicència
- CC BY 4.0
- Què n’hem fet
- N’hem tret l’identificador de client i el país, les línies que no són articles, les anul·lacions i les línies repetides. Hem sumat les unitats per article i per setmana, i ens hem quedat els 1.000 articles que més van vendre en valor. El preu de cada article és la mediana per unitat venuda, en lliures. Els noms són els de la font, en anglès; el de la bossa d’aigua calenta l’hem traduït nosaltres.
Preguntes sobre la demo
Ho podríem fer amb les vendes del nostre ERP?
La demo no es connecta a cap ERP: fa servir vendes públiques. Amb les vostres, caldria treure’n les vendes per article i per setmana, i saber l’estoc, els terminis de cada proveïdor i les setmanes que us heu quedat sense estoc. Connectar-ho seria part d’un projecte, i es provaria amb el vostre programari.
La previsió sempre surt guanyant?
No. Amb un 95 % de nivell de servei i 4 setmanes de termini, en 199 articles perd menys venda que la regla de la mitjana, en 72 en perd més i en 703 les dues perden el mateix. A la pestanya «El que encerta i el que no», «Vegeu-los a la llista» us ensenya els articles on perd més.
Per què hi ha més estoc amb la previsió?
Perquè s’avança a la temporada: el punt de comanda puja amb la previsió, i es demana abans del pic. Per a la bossa d’aigua calenta, al 95 %, l’estoc mitjà de sis mesos és de 907 unitats amb la previsió i de 694 amb la mitjana, que en canvi perd 749 unitats de venda. Quin equilibri us convé depèn del nivell de servei que trieu.
I els articles nous o que es venen de tant en tant?
Els que es venen de tant en tant fan servir Croston, un mètode pensat per a les vendes intermitents. Els que fa menys de 13 setmanes que es venen no tenen previsió: la demo ho marca com a dubte i només hi aplica la regla de la mitjana.
Podem baixar els números?
Sí. La demo baixa en un CSV la simulació de l’article obert, amb les 26 setmanes de les dues regles i la font de les vendes. És un fitxer d’exemple i no l’hem provat amb cap programa.
Funciona al mòbil?
Sí, però es veu millor en un ordinador, amb el gràfic, les xifres i la llista d’articles a la mateixa pantalla. Al mòbil, tot va un sota l’altre.
Altres demos d’aquest grup
Estoc, vendes i mercat
-
Com va el vostre sector
Cinc indicadors oficials del vostre sector en una pantalla, i les vostres vendes al damunt, comparades amb la facturació i els preus del sector.
Expliqueu-nos el vostre cas en trenta minuts.
Demaneu amb un mínim i un màxim fixos i al pic de la temporada us quedeu curts? Expliqueu a l’enginyer que portaria el projecte com decidiu ara quant demanar i quan, i mirarem junts si té sentit fer-ho amb les vostres vendes i per on començaríem.
O escriviu a me@joansanfeliu.com
Preferiu escriure?
Expliqueu-nos el cas en quatre línies i us responem per correu.
Us contestarà l’enginyer que portaria el projecte, al correu que ens heu deixat. Si voleu, reserveu ja una trucada de trenta minuts.