MÉTODO PARA PRONOSTICAR PEDIDOS FUTUROS EN EL MANEJO DE INVENTARIO DE PARTES Campo Técnico Esta invención se refiere a un método para pronosticar pedidos futuros en el manejo del inventario de partes, en particular, a un método para pronosticar el número de pedidos o demanda a futuro de partes con porcentaje de pedido bajo cuyos porcentajes de pedidos han caído por debajo de un nivel predeterminado. Técnica Anterior En la industria de la manufactura, varias clases de partes de productos (refacciones) , como por ejemplo las partes de vehículos que han sido vendidas a usuarios, deben almacenarse durante períodos de tiempo predeterminados y suministrarse en respuesta a pedidos de distribuidores y usuarios. Actualmente, los inventarios de partes son calculados comúnmente por un experto que utiliza técnicas apropiadas para predecir el número de pedidos a futuro. La Solicitud de Patente Abierta Japonesa Número Hei 11 (1999) -7482 presenta un método que utiliza la simulación
Monte Cario para proyectar cuánto inventario debe ser almacenado por proveedores intermediarios en una red de distribución. Por lo general, los pedidos o la demanda de una parte son relativamente activos mientras el producto está en producción y por cierto tiempo después de que se descontinúa la producción, pero posteriormente disminuyen en forma gradual, y a la larga alcanzan un porcentaje de aproximadamente un (una unidad) por mes. Mientras los pedidos están activos, el gran número de transacciones genera bastantes datos de transacción que hacen la proyección del nivel de inventario óptimo relativamente fácil. Sin embargo, a medida que disminuyen los pedidos, el pronóstico se dificulta cada vez más. Con un porcentaje de pedidos bajo, incluso un experto tiene dificultad para predecir el número de pedidos a futuro con precisión. Sin embargo, el hecho es que las partes cuyos porcentajes de pedido disminuyen, constituyen la mayoría. Además, las partes con porcentaje de pedido bajo presentan problemas incidentales que requieren resolución, como por ejemplo, si se deben desechar o no los troqueles utilizados para fabricar las partes. Por lo tanto, es conveniente un pronóstico exacto con respecto a pedidos finales o a la demanda (de usuarios, distribuidores, etc.) de partes, en particular, partes con porcentaje de pedido bajo. El método ofrecido por la técnica previa antes mencionada se limita al uso de la simulación Monte Cario para pronosticar los inventarios óptimos que se deben almacenar en proveedores intermediarios en base a los pedidos finales conocidos con anterioridad.
lntÍHi?UMi.1 iiMÜfi Presentación de la Invención Por lo tanto, un objetivo de esta invención es superar los problemas anteriores proporcionando un método para pronosticar pedidos futuros en el manejo del inventario de partes que sea capaz de pronosticar con precisión pedidos finales futuros, es decir, pedidos o demanda de los usuarios, distribuidores y similares, de partes, en particular de partes con porcentaje de pedido bajo. Con el fin de lograr el objetivo anterior, tal como se estipula en la reivindicación 1, proporcionando un método para pronosticar pedidos futuros de partes con porcentaje de pedido bajo para productos vendidos a clientes, de manera más específica, un método para pronosticar pedidos futuros de partes con porcentaje de pedido bajo para productos vendidos a clientes, cuyos porcentajes de pedido han caído por debajo de un nivel predeterminado y que se almacenan durante períodos y serán vendidos en el momento en que sean pedidos, que incluye los pasos de: determinar un registro de períodos pasados de pedidos con respecto a cada parte y extraer las partes con porcentaje de pedido bajo cuyos registros de pedidos muestren un porcentaje de pedidos que ha caído por debajo del nivel predeterminado; determinar de cada registro de pedidos mencionados por lo menos un parámetro que indique una característica de los pedidos después de que el porcentaje de pedidos cayó por debajo del nivel
_^*_Lá?*?*___,L_* .a??_m_.
predeterminado, clasificar las partes con porcentaje de pedido bajo extraídas eñ categorías múltiples y utilizar el parámetro que indica la característica de los pedidos para calcular para cada una de las categorías múltiples una distribución de la probabilidad de ocurrencia del pedido; llevar a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculada para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado; y pronosticar el número de pedidos a futuro de las partes con porcentaje de pedido bajo en base a las distribuciones de la probabilidad del porcentaje de ocurrencia calculado del número de pedidos durante el período predeterminado. En la configuración de la reivindicación 2, el método incluye además los pasos de: determinar un registro de períodos pasados de pedidos con respecto a cada parte y extraer las segundas partes con porcentaje de pedido bajo cuyos registros de pedidos muestren un porcentaje de pedidos que ha caído por debajo de un segundo nivel predeterminado más alto que el nivel predeterminado mencionado; clasificar las segundas partes con porcentaje de pedido bajo extraídas en categorías múltiples y utilizar el parámetro que indica la característica de los pedidos para calcular para cada una de las categorías múltiples una distribución de la probabilidad
t____Ít?_lí__?_?_t.J>^?_...^»-a^Ml»-tAwt-J1 -a---a-»itfc .fc_j_¿_i, de ocurrencia del pedido; llevar a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculadas para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado; calcular el número de pedidos a futuro de las segundas partes con porcentaje de pedido bajo en base a las distribuciones de la probabilidad de ocurrencia calculado del número de pedidos durante el período predeterminado; y pronosticar el número de pedidos a futuro de las segundas partes con porcentaje de pedido bajo mediante un análisis de regresión en base a los registros de pedidos antes de que el porcentaje de pedidos cayera por debajo del segundo nivel predeterminado y el número de pedidos calculado. En la configuración de la reivindicación 3, el parámetro que indica la característica de los pedidos es por lo menos uno, de preferencia ambos, de un intervalo de ocurrencia de pedidos y una relación del número de pedidos. En la configuración de la reivindicación 4, la relación del número de pedidos es una relación del número de pedidos después de expirado el pedido con el número de pedidos antes de la expiración del pedido. La configuración de la reivindicación 5 presenta, un método para pronosticar pedidos futuros de partes con porcentaje de pedido bajo para pedidos vendidos a clientes,
ÍÉiltiiritf É-M-fr-*-" ^ «*"****- ^-.¿-^..« ». '-»•- r ítl^ j>^lffr.f... -.^» .^..t..-.^.«^ de manera más específica, un método para pronosticar pedidos futuros de partes con porcentaje de pedido bajo para productos vendidos a clientes, cuyos porcentajes de pedido han caído por debajo de un nivel predeterminado y que se almacenan durante períodos y serán vendidos en el momento en que sean pedidos, que incluye los pasos de: determinar un registro de períodos pasados de pedidos con respecto a cada parte y extraer las partes con porcentaje de pedido bajo cuyos registros de pedido muestren un porcentaje de pedido que ha caído por debajo del nivel predeterminado; determinar a partir de cada uno de estos registros de pedidos una distribución de la probabilidad de ocurrencia del pedido como una función de tiempo y una distribución de la probabilidad de ocurrencia del pedido como una función de una relación del número de pedidos; llevar a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculadas para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado; y pronosticar los números de pedidos a futuro de las partes con porcentaje de pedido bajo en base a las distribuciones de la probabilidad del porcentaje de ocurrencia calculadas del número pedidos durante el período predeterminado. En la configuración de la reivindicación 6, la relación del número de pedidos es una relación del número de
.-a --^.i».^» __.__.. ^.|ft.. 1émf¿¡igáÉ._..*A_ __, pedidos después de que expiró el pedido con el número de pedidos antes de expirar el pedido. En la configuración de la reivindicación 7, las partes con porcentaje de pedido bajo extraídas se clasifican en categorías múltiples y la distribución de la probabilidad de ocurrencia del pedido se determina para cada una de las categorías múltiples. En la configuración de la reivindicación 8, el método incluye además los pasos de: revisar la exactitud del número de pedidos pronosticado; y cambiar las categorías en base al resultado de la revisión. Breve Descripción de las Ilustraciones La Figura 1 es un diagrama de bloque que ilustra de manera general un método para pronosticar pedidos futuros en el manejo del inventario de partes de acuerdo con una forma de realización de esta invención en términos del procesamiento realizado por un dispositivo (microcomputadora) utilizado para poner en práctica el método; La Figura 2 es un diagrama explicativo que muestra el procesamiento para extraer las partes con porcentaje de pedido bajo (partes con porcentaje de pedido muy bajo (1) y pedidos con porcentaje de pedido muy bajo (2)) realizado en el método para pronosticar pedidos futuros de la Figura 1; La Figura 3 es un diagrama explicativo que muestra la fluctuación en períodos de tiempo en el número de pedidos
pronosticado por el método para pronosticar pedidos futuros de la Figura 1; La Figura 4 es un diagrama explicativo que muestra la distribución de la probabilidad de ocurrencia del pedido como una función del intervalo de ocurrencia del pedido (un parámetro que indica una característica de los pedidos) , que constituye la entrada de simulación Monte Cario en el método para pronosticar pedidos futuros mostrado en la Figura 1; La Figura 5 es un diagrama explicativo que muestra la distribución de la probabilidad de ocurrencia del pedido como una función de una relación del número de pedidos (un parámetro que indica una característica de los pedidos) , que constituye la entrada de la simulación Monte Cario en el método para pronosticar pedidos futuros mostrado en la Figura 1; La Figura 6 es un diagrama explicativo que muestra un ejemplo de la distribución de la probabilidad de ocurrencia del pedido como la función del intervalo de ocurrencia del pedido mostrado en la Figura 4 calculado para cada categoría de partes ; La Figura 7 es un diagrama explicativo que muestra un ejemplo de la distribución de la probabilidad de ocurrencia del pedido como la función de la relación del número de pedidos mostrado en la Figura 5 calculado para cada categoría de partes;
La Figura 8 es un diagrama explicacivo que muestra la simulación Mon e Cario realizada en el método para pronosticar pedidos futuros de la Figura 1, utilizando las distribuciones de la probabilidad de ocurrencia del pedido de la Figura 6 y 7 ; La Figura 9 es un diagrama explicativo que muestra la distribución de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado (N meses) obtenida a través de la Simulación Monte Cario de la Figura 8 ; La Figura 10 es un diagrama explicativo que muestra un pronóstico del número de pedidos realizado en base a la distribución de la probabilidad del porcentaje de ocurrencia del número de pedidos de la Figura 9; La Figura 11 es una gráfica que muestra el resultado de una revisión de la exactitud del pronóstico realizada con respecto a un pronóstico de pedidos a través de la simulación Monte Cario de la Figura 8; La Figura 12 es un diagrama explicativo que muestra un pronóstico de pedidos mediante el análisis de regresión llevado a cabo en el método para pronosticar pedidos futuros de la Figura 1; y La Figura 13 es un diagrama explicativo que también muestra un pronóstico de pedidos mediante el análisis de
,,.,» ......-«nigfHftum regresión llevado a cabo en el método para pronosticar pedidos futuros de la Figura 1. Mejor Modo Para Llevar A Cabo la Invención A continuación se explicará un método para pronosticar pedidos futuros en el manejo del inventario de partes de acuerdo con una forma de realización de esta invención con referencia a las ilustraciones anexadas. La Figura 1 es un diagrama de bloque para explicar un método para pronosticar pedidos futuros en el manejo del inventario de partes de acuerdo con una forma de realización de esta invención. En la Figura 1, el método para pronosticar pedidos futuros se representa como el procesamiento (indicado como ENG (máquina) en la ilustración) de un dispositivo 10, constituido como una microcomputadora, para poner en práctica el método. Tal como se muestra en la Figura 1, el dispositivo 10 está conectado con una computadora central (o una computadora servidora; no mostrada) 12 que incluye una DB (base de datos) del registro de pedidos del sistema principal 12a y una DB (base de datos) de información de partes del sistema principal 12b. El dispositivo 10 accesa esas bases de datos para adquirir registros de pedidos e información con respecto a partes para productos que han sido vendidos a los clientes. La información de partes se refiere a nombres de parte,
10
números de parte, destinos (domicilios de embarque) , precios y datos similares. En esta forma de realización, los productos vendidos a los clientes se definen como divididos en tres tipos: vehículos de cuatro ruedas, motocicletas (vehículos de dos ruedas) , y productos de propósitos generales, incluyendo motores para propósitos generales. Las partes se definen como componentes de estos productos (refacciones) . Las partes se negocian por separado en unidades de cada una y con números de parte asignados. Una ENG (máquina) de extracción y procesamiento de datos 10a determina un registro de pedidos anterior realizados en el pasado con respecto a las partes individuales de vehículos de cuatro ruedas, etc., en base a los datos adquiridos y extrae las primeras partes con porcentaje de pedido bajo (grupo de partes) cuyos porcentajes de pedido han caído por debajo de un primer nivel y las segundas partes con porcentaje de pedido bajo (grupo de partes) cuyos porcentajes de pedido han caído por debajo de un segundo nivel predeterminado más alto que el primer nivel predeterminado. La Figura 2 es una vista explicativa que ilustra estas tareas. Tal como se muestra, el porcentaje de pedidos de una parte se define como registrado por debajo del primer nivel
11
predeterminado cuando el número de pedidos mensual promedio para la parte es uno o menos y la parte posee un historial de no presentar pedidos durante un período de 24 meses en algún momento en el pasado. Las partes que cumplen con esta condición se definen colectivamente como primeras partes con porcentaje de pedido bajo (en lo sucesivo también referidas como "partes con porcentaje de pedido muy bajo (1)") . Además, el porcentaje de pedidos de una parte se define como el registrado por debajo del segundo nivel predeterminado cuando el número de pedidos mensual promedio para la parte es uno o menos y el número total de meses en los que ocurrieron los pedidos en el pasado es 13 o más. Las partes que cumplen con esta condición se definen colectivamente como segundas partes con porcentaje de pedido bajo (en lo sucesivo también referidas como "partes con porcentaje de pedido muy bajo (2)") . Por "el número de pedidos mensual promedio para la parte es uno o menos y el número total de meses en los que el número de pedidos ocurrió en el pasado es 13 o más" se da a entender que la parte actualmente posee un porcentaje de pedidos mensual promedio no mayor a una unidad, pero el número de meses, consecutivos o no, en los cuales ocurrió uno o más número de pedidos en el pasado totaliza 13 o más. De manera específica, tal como se muestra en el lado izquierdo de la Figura 2, los pedidos o la demanda de una
12
parte (s) son por lo general, relativamente activos, en un orden de 5,000 unidades por mes, por ejemplo, mientras el producto está en producción y durante cierto tiempo después de que se descontinúa la producción pero posteriormente declina de manera gradual, alcanzando a la larga un porcentaje de alrededor uno (una unidad) por mes. Tal como se explica en esta especificación, "pedidos" significa pedidos finales (demanda), de los usuarios, distribuidores, etc., y "número de pedidos" significa el número de partes ordenado (de manera más precisa el número de unidades de parte ordenados) . Por lo tanto, el número de pedidos durante un mes es, por ejemplo, tres tanto cuando se piden tres unidades de una parte al mismo tiempo, como cuando se piden tres unidades de una parte por separado una por una. Tal como se entenderá a partir de las definiciones anteriores, cuando el número de pedidos de una parte disminuye, la parte primero se convierte en una parte con porcentaje de pedido muy bajo (2) y después se convierte en una parte con porcentaje de pedido bajo (1) . La ENG de extracción y procesamiento de datos 10a extrae las partes con porcentaje de pedido muy bajo (1) y las partes con porcentaje de pedido muy bajo (2) . Regresando a la explicación de la Figura 1, la información respecto a las partes con porcentaje de pedido muy bajo (1) y las partes con porcentaje de pedido muy bajo
13
ÚAú?él?jMázl ?lijiíjiggilfp i»^a^^__..U_...r__ílt___i_________, ^MM>?^____?___t.^___?____ _._ (2) extraída a través de la ENG de extracción y procesamiento de datos 10a se almacena una vez en una DB (base de datos) de pronóstico de pedidos de partes con porcentaje de pedido muy bajo 10b. La información de partes con porcentaje de pedido muy bajo almacenada se envía posteriormente a una ENG de generación de datos de análisis característicos del pedido 10c, una ENG de generación de datos de entrada de la MCS (simulación Monte Cario) de partes con porcentaje de pedido muy bajo (1) lOd, y una ENG de generación de datos de entrada de partes con porcentaje de pedido muy bajo (2) lOe. La información de partes con porcentaje de pedido muy bajo enviada a la ENG de generación de datos de análisis característicos del pedido 10c está sujeta al análisis estadístico y al procesamiento de entrada de ecuación características y después se incorpora a un discriminador de ocurrencia de pedidos y una base de datos del discriminador del número de pedidos lOf que incluye un discriminador de ocurrencia de pedidos y un discriminador de número de pedidos para cada categoría de partes. La DB di discriminador de ocurrencia de pedidos y el discriminador del número de pedidos lOf clasifica las partes con porcentaje de pedido bajo (partes con porcentaje de pedido muy bajo) (1) extraídas del registro de partes ordenadas en categorías múltiples basadas en por lo menos un parámetro que indica una
14
característica de los pedidos después de que el porcentaje del pedido cae por debajo del primer nivel. Las categorías múltiples no se limitan a las tres mencionadas anteriormente (vehículos de cuatro ruedas, motocicletas, y productos de propósitos generales) sino también pueden subdividirse en, digamos, 24, 50, 100 o más grupos . La entrada de datos para las DB (bases de datos) del discriminador de ocurrencia de pedidos y el discriminador de números de pedidos lOf se envía a una ENG de MCS (simulación Monte Cario) lOg junto con los datos almacenados en la ENG de generación de datos de entrada de la MCS lOd de partes con porcentaje de pedido muy bajo (1) . El "discriminador de ocurrencia de pedidos" y el "discriminador de números de pedidos") son el "por lo menos un parámetro que indique una característica de los pedidos después de que el porcentaje del pedido cae por debajo del nivel predeterminado" y de manera más específica, los parámetros que indican un intervalo de ocurrencia del pedido y una relación del número de pedidos . En base a los parámetros que indican las características de los pedidos, la ENG de MCS lOg determina dos tipos de distribución de la probabilidad de ocurrencia del pedido para los productos que entran en cada categoría e introduce las distribuciones de la probabilidad de ocurrencia
15
__A_ &__________________J*mM^^ ^ ...* ..***,....^_»_^^^«e^^.^^ ^^..^-iM^,. ??? .t *.' de pedidos determinada a la simulación Monte Cario para determinar la distribución de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado N. 5 El método para pronosticar pedidos utilizado en la simulación Monte Cario se explicará a continuación. La simulación Monte Cario (también llamada "análisis Monte Cario" o "técnica Monte Cario") es una metodología que resuelve problemas regresando lo que ha sido expresado como
10 una fórmula al reino de la probabilidad. Se utiliza comúnmente para obtener una solución aproximada para un problema que no puede resolverse mediante técnicas analíticas . A través de sus estudios extensos con respecto al
15 pronóstico del número de pedidos para partes con partes con porcentaje de pedido bajo, los inventores descubrieron que después de que el porcentaje del pedido para una parte ha caído a un nivel bajo, el número de pedidos de la parte muestra ciertas características (sigue ciertas reglas) . La
20 Figura 3 muestra la fluctuación en el tiempo en el número de pedidos (promedio mensual) para tres partes designadas a, b y c. Tal como se ilustra, durante el período en el que los pedidos eran activos, el número de pedidos difiere entre diferentes partes.
16
».«.. .___..__ ___?_?_». ..«J_M___*"**^*¿ ^?J_M¡^ ~ ^1*~___________!__, mi_?_¡Á_A..U Sin embargo, después de que la demanda disminuye y el número de pedidos cae a un nivel bajo, entonces, cuando el número de pedidos mensual para cada una de las partes baja a uno o menos y cada uno resulta con un historial de no presentar pedidos durante un período de 24 meses en el pasado, la individualidad de los pedidos o la demanda entre las partes desaparece y el número de pedidos de las partes a, b y c se acerca a un patrón común. Los pedidos de las partes pueden visualizarse por lo tanto como poseedores sustancialmente de las mismas características. Por lo tanto, al enfocarse en estos puntos de tiempo (puntos de tiempo cuando los porcentajes de pedidos caen por debajo del primer nivel predeterminado) , es decir, al alinear los puntos de tiempo en los cuales los porcentajes se vuelven bajos, el número de pedidos de partes múltiples puede declararse en términos de una característica común. A través de un estudio adicional de los registros (datos) de pedidos de períodos pasados mostrados en la Figura 3, los inventores descubrieron que el comportamiento de la transacción de una parte con porcentaje de pedido bajo expresa lo que expresa el número de meses desde el último pedido (sin tomar en consideración el número de unidades ordenado) , es decir, por la distribución de la probabilidad de ocurrencia del pedido como una función del tiempo, de
17 manera más específica, la distribución de la probabilidad de la ocurrencia del pedido en el siguiente mes. Además descubrieron que el registro de pedidos (datos) expresa lo que expresa el número de partes que fueron ordenadas después de que el pedido permaneció nulo durante, digamos, 24 meses, como una función del número de pedidos antes del período nulo, es decir, por la distribución de la probabilidad de ocurrencia del pedido como una función de la relación del número de pedidos. Observar que xl , x2 y x3 en la Figura 3 denotan el número de partes ordenadas después del período de pedido nulo como múltiplos del número de partes ordenadas antes del período de pedido nulo. De esta manera, tomando el comportamiento de los pedidos antes y después del período nulo en cuenta en términos del número de partes ordenadas, la distribución de la probabilidad de ocurrencia del pedido puede determinarse con precisión. Por lo tanto, se mejora además la precisión con la cual puede pronosticarse el número de pedidos a futuro de las partes con porcentaje de pedido bajo. La Figura 4 muestra la distribución de la probabilidad de ocurrencia del pedido como una función del tiempo, de manera más específica, la distribución de la probabilidad de ocurrencia del pedido como una función del intervalo de ocurrencia del pedido (mes) , obtenido graficando aproximadamente los datos del registro de pedidos de períodos
18
IllÉÍ líllll ilt"-*- -"* *"& *-* pasados (representados por puntos) en base al conocimiento anterior . La Figura 5 muestra la distribución de la probabilidad de ocurrencia del pedido como una función de la relación del número de pedidos obtenidos analizando el registro de pedidos de períodos pasados. La "relación del número de pedidos" es la relación del número de pedidos después de que expiró el pedido con el número de pedidos antes de expirar el pedido. De manera más específica: la relación del número de pedidos = (número de pedidos en el mes en los que ocurrieron pedidos después de que los pedidos fueron nulos durante 24 meses) / (número de pedidos inmediatamente antes de que los pedidos fueran nulos durante 24 meses) . Dicho de manera sencilla, la relación del número de pedidos es la relación entre el número de pedidos antes y después de que expire el pedido. Las características ilustradas en las Figuras 4 y 5 difieren dependiendo de la clase de parte. Las partes con porcentaje de pedido muy bajo (1) extraídas se clasifican por lo tanto en múltiples categorías. Después, tal como se muestra respectivamente en las Figuras 6 y 7, la distribución de la probabilidad de ocurrencia del pedido como una función del tiempo (mostrada en la Figura 4) y la distribución de la probabilidad de ocurrencia del pedido como una función de la
19
lúA_ ?.??__-.t-¿nt~h~*. -..-a-u- .- ... —i-»|..
relación del número de pedidos (mostrada en la Figura 5) se determinan para cada categoría. La clasificación de las partes en categorías se realiza determinando para cada parte con porcentaje de pedido bajo (1) el intervalo de ocurrencia del pedido y la relación del número de pedidos (parámetros que indican las características de los pedidos después de que el porcentaje del pedido cae por debajo del nivel predeterminado) y colocando las partes con parámetros similares en la misma categoría. A pesar de que se muestran únicamente cuatro categorías, A, B, C y D en las Figuras 6 y 7, esto se hace únicamente para simplificar la ilustración y las partes se dividen en realidad en 24, 50 o más categorías. A continuación, tal como se muestra en la Figura 8, la simulación Monte Cario se repite (por ejemplo, 5,000 veces) en base a los dos tipos de distribución de la probabilidad de ocurrencia del pedido mostrados en las Figuras 6 y 7. Mediante esto, tal como se muestra en la Figura 9, se determina en qué probabilidad cuántas partes se pedirán durante un intervalo de cuántos meses, es decir, el número total probable de pedidos durante un período predeterminado (N meses) . Con respecto a la categoría a la cual pertenecen las partes, las dos distribuciones de la probabilidad de
20
ocurrencia del pedido determinadas mostradas en las Figuras 6 y 7 se seleccionan y la simulación Monte Cario se lleva a cabo por separado para cada distribución de la probabilidad de ocurrencia del pedido seleccionada. En otras palabras, esta invención se llevó a cabo en base al conocimiento de que el número de pedidos a futuro, desconocido, puede pronosticarse asumiendo que la distribución de la probabilidad de ocurrencia del pedido en el futuro será la misma que la distribución de la probabilidad de ocurrencia del pedido en el pasado conocida a partir del registro de pedidos. Por lo tanto, por lo menos una de la distribución de la probabilidad de ocurrencia del pedido como función del tiempo y la relación del número de pedidos se enfoca como un parámetro que indica una característica del pedido, la distribución de la probabilidad de ocurrencia del pedido se calcula y la distribución de la probabilidad de ocurrencia del pedido calculada se utiliza como entrada para la simulación Monte Cario. Como resultado, la distribución de la probabilidad del porcentaje de ocurrencia del pedido puede obtenerse para períodos predeterminados similares como el resultado de la simulación Monte Cario. Como resultado, se mejora además la precisión con la cual puede pronosticarse el número de pedidos a futuro de las partes con porcentaje de pedido bajo.
21
^aáfta fe El número de pedidos a futuro de las partes con porcentaje de pedido muy bajo (1) se pronostica (calcula) entonces en base a la distribución de la probabilidad del porcentaje de ocurrencia calculada del número de pedidos (número total de pedidos) durante N meses. De manera más específica, tal como se muestra en la Figura 10, se pronostica (calcula) que Yz número de partes son necesarias para cumplir el pedido de las partes con porcentaje de pedido muy bajo (1) en la categoría implicada durante N meses con una cobertura (porcentaje de suministro meta en relación con los pedidos) de Z%. Como el período de N meses puede ajustarse a cualquier duración deseada, basta con seleccionar de manera adecuada un valor correspondiente para el período de pronóstico deseado. El hecho de que el número de pedidos de las partes
(de manera más precisa, el número total de los pedidos de las partes) durante un período de duración deseada pueda pronosticarse, es por lo tanto una característica esencial de este método para pronosticar pedidos futuros. El pronóstico preciso de pedidos puede lograrse por lo tanto a través del ajuste adecuado del período en conformidad con el período de pronóstico deseado o número de pronóstico. Además, también es posible, por ejemplo, disminuir el número de pedidos ajustando un período de
22
\____M__??tÁ_Á__í??^_^___s__?__.^_. ..^u. ____»t_ém__._ ' *«s duración más corta o disminuir el número de pedidos revisando si la probabilidad del porcentaje de ocurrencia del pedido representada por el eje vertical no es menor que un valor predeterminado . 5 Lo anterior será explicado ahora con referencia a la configuración mostrada en la Figura 1. Los datos obtenidos a través de la simulación Monte Cario en la ENG de MCS lOg (distribución de la probabilidad del porcentaje de ocurrencia del número total de pedidos durante N meses) se envían a una
10 pantalla de resultados calculados de la ENG lOh. En base a los datos, la pantalla de resultados calculados de la ENG lOh pronostica (calcula) el número de pedidos a futuro de las partes con porcentaje de pedido muy bajo (1) y despliega o imprime el resultado del pronóstico
15 promedio de una CRT o impresora (no se muestra ninguna) . El resultado de la ENG de MCS lOg también se envía a una ENG de generación de datos de revisión de precisión del pronóstico lOi, que revisa si la categoría de la partes con porcentaje de pedido muy bajo (1) es apropiada y, si es
20 necesario, reposiciona la categoría o designa una nueva. De manera específica, en base al registro de pedidos hasta un cierto punto de un período pasado de las partes con porcentaje de pedido muy bajo (1) en la categoría implicada, la ENG de generación de datos de revisión de precisión del
25 pronóstico lOi pronostica pedidos desde ese punto del tiempo
23
a otro punto del tiempo en el pasado. Después revisa la precisión del pronóstico comparando el resultado del pronóstico con los datos del registro y reposiciona la categoría o designa una nueva cuando se determina que la precisión del pronóstico es baja. Al establecer un número menor de categorías se simplifica el trabajo del procesamiento pero se disminuye la precisión del pronóstico. Tal como se mencionó anteriormente, por lo tanto, en esta forma de realización, el número de categorías es, por ejemplo, 24, 50 o más. La Figura 11 muestra los resultados obtenidos cuando el método para pronosticar pedidos futuros de esa forma de realización se aplicó a 239 mil partidas de partes con partes con porcentaje de pedido bajo clasificadas en 24 categorías y la precisión de un pronóstico se revisó y se comparó con el registro de pedidos pasados. Mientras la ENG de generación de datos de revisión de precisión del pronóstico lOi lleva a cabo un procesamiento similar, lo que se muestra en la Figura 11 difiere de ésta en el número de partidas, etc. "Partida" significa el número de parte anexado con el destino de la parte. Por lo tanto, cuando la misma parte se anexa con Japón y los Estados Unidos de Norteamérica como destinos, el número de partidas es 2. La Figura 11 muestra la relación faltante y la relación idónea (eje vertical) en coberturas de 90%, 95%, 98%
24
íé&JM ..{.. ~. -f£+_t____*._._? _*:. .„:t___t___,__. .__*____* .._______. _ _.M-'''-:^-- ^_t___,.______^ ?í___, .f-^-^-- i.iL? y 99.6% con respecto a las 239 mil partidas en el caso de asumir que el pronóstico de inventarios de partes a través del método de pronóstico de pedidos de esta forma de realización están almacenados. "Relación faltante" significa el porcentaje de pedidos no cumplidos y "relación idónea" significa el porcentaje de pedidos cumplidos. A pesar de que la relación faltante es por lo general el valor obtenido restando la relación idónea del 100%, debido a la ocurrencia de pedidos anormales durante el período de revisión, la suma de la relación faltante, la relación idónea y los pedidos anormales (por ejemplo, 0.15% a una cobertura de 99.6%) se definió como el 100%. El hecho de que, tal como puede observarse a partir de la figura, las relaciones idóneas deseadas se lograron substancialmente, verificó la eficacia del método para pronosticar pedidos futuros de esta forma de realización. Regresando a la explicación de la Figura 1, el resultado de la ENG de generación de datos de entrada de partes con porcentaje de pedido muy bajo (2) lOe se envía directamente a una ENG para pronosticar pedidos de partes con porcentaje de pedido muy bajo (2) 10j y también se envía a la ENG para pronosticar pedidos partes con porcentaje de pedido muy bajo (2) 10j a través de la ENG de MCS lOg.
Para resumir, en esta forma de realización, los pedidos con porcentaje de pedido muy bajo (1) se pronostican en la manera antes mencionada utilizando la simulación Monte Cario, mientras que la técnica del análisis de regresión se utiliza con respecto a las partes con porcentaje de pedido muy bajo (2) . Al determinar la línea de regresión directa en el análisis de regresión, además, el valor del pronóstico de pedidos (número de pedidos) obtenido a través de la simulación Monte Cario se añade a los datos conocidos. En otras palabras, en el caso de partes con porcentaje de pedido muy bajo (2) , los méritos del análisis Monte Cario y el análisis de regresión se combinan para llevar a cabo el pronóstico. Esto se explicará con referencia a la Figura 12. Tal como se observa en la parte superior de la figura, cuando los pedidos son pesados, se trata de manera más conveniente con respecto al volumen del pedido (número de pedidos) por unidad de tiempo. Cuando el volumen de pedido disminuye a un nivel bajo, sin embargo, una unidad de tiempo fijada artificialmente provoca que los mismos datos cambien. Por lo tanto, tal como se muestra en el lado inferior izquierdo de la figura, las partes con porcentaje de pedido bajo (de manera más precisa, las partes con porcentaje de pedido muy bajo (2) ) se tratan en términos de número de pedidos acumulados. Específicamente, se utiliza una función
26
íif? ?.? . ?s__?._,___. __^$? sá&___& í^ Jrt^ií _^.^^¿.^ _____^>^^t..
exponencial para linealizar el número de pedidos acumulado (datos del registro) tal como se muestra en el lado inferior derecho y la línea de regresión recta se traza a partir del resultado. Hablando de manera concreta, tal como se muestra en la Figura 13, se utiliza una técnica conocida como por ejemplo el método de menos cuadrados para determinar el coeficiente de regresión y trazar una línea recta, y se utilizan valores arbitrarios entre los datos obtenidos a través de la simulación Monte Cario (denotadas con el símbolo de referencia Md) para determinar la línea de regresión directa. A pesar de que el análisis de regresión y el análisis Monte Cario son técnicas fundamentalmente diferentes, se adoptó el arreglo anterior porque, tal como se declaró anteriormente, cuando disminuyen los pedidos de una parte, la parte por lo general se convierte primero en una parte con porcentaje de pedido muy bajo (2) y después se convierte en una parte con porcentaje de pedido muy bajo (1) y, además, el pronóstico del pedido de partes con porcentaje de pedido muy bajo (1) obtenido a través de la simulación Monte Cario se confirmó como altamente preciso. A pesar de esto, tal como se observó anteriormente, como las partes con porcentaje de pedido muy bajo (2) preceden a las partes con porcentaje de pedido muy bajo (1)
27
Í-J__i i,"--» • *?¡p en tiempo, el pronóstico de pedidos futuros para las partes con porcentaje de pedido muy bajo (2) debe llevarse a cabo sin el pronóstico de pedidos de la simulación Monte Cario con respecto a las partes implicadas. Por lo tanto, en esta forma de realización, el método descrito se constituye para las partes con porcentaje de pedido muy bajo (1) , y cuando la distribución de la probabilidad de ocurrencia del pedido como función del tiempo y la distribución de la probabilidad de ocurrencia del pedido como función de la relación del número de pedidos se determina para cada categoría con respecto a las partes con porcentaje de pedido muy bajo (2), se utiliza un período más corto de, digamos, varios meses, el lugar de 24 meses cuando, por ejemplo, se calcula la relación del número de pedidos. En la Figura 13, Ll es una línea de regresión directa obtenida únicamente a partir de datos conocidos y L2 es una línea de regresión directa obtenida a través de datos conocidos y un valor Md obtenido a través de la simulación Monte Cario modificada. En la figura, la línea de regresión directa Ll se presente únicamente como referencia. La línea de regresión directa L2 se utiliza en el método para pronosticar pedidos futuros de esta forma de realización. Los valores en la línea de regresión directa L2 correspondientes al período del pronóstico indicado en el eje horizontal en la Figura 13, son por lo tanto el número de pedidos del pronóstico indicado en el eje vertical, Al igual que en el caso de las partes con porcentaje de pedido muy bajo (1) , los pedidos futuros para las partes con porcentaje de pedido muy bajo (2) también se pronostican como número de pedidos durante un período de duración deseada. Como el pronóstico de pedidos futuros con respecto a la parte con porcentaje de pedido muy bajo (2) se lleva a cabo combinando los méritos del análisis Monte Cario y el análisis de regresión de esta manera, se mejora además la precisión con la cual puede pronosticarse el número de pedidos a futuro, a pesar de que los comportamientos de la transacción de las partes con porcentaje de pedido muy bajo
(2) no han llegado necesariamente a mostrar la característica de las partes con porcentaje de pedido muy bajo (1) explicada con respecto a la Figura 3. Regresando a la explicación de la Figura 1, la ENG para pronosticar pedidos de partes con porcentaje de pedido muy bajo (2) 10j determina la línea de regresión directa L2 en la manera antes mencionada, en base a los resultados de la ENG de generación de datos de entrada de partes con porcentaje de pedido muy bajo (2) lOe y la ENG de MCS lOg. El resultado de la ENG para el pronóstico de pedidos de partes con porcentaje de pedido muy bajo (2) 10j se envía a la ENG de pantalla de resultados calculados lOh junto con el resultado de la ENG de MCS lOg, que pronostica (calcula)
29
.a.A_S¿-,imts^l,Í.jt-^j-Jtátiéa..__.it_s_.i___ _<_>_,._.. _aAm, j¡________¡_ _t___*í el número de pedidos a futuro de las partes con porcentaje de pedido muy bajo (2) y despliega o imprime el resultado del pronóstico por medio una CRT o impresora (no se muestra ninguna) . Debido a la configuración anterior, esta forma de realización puede pronosticar con precisión el número de pedidos a futuro de las partes con porcentaje de pedido bajo para los cuales el número de pedidos ha disminuido a aproximadamente una unidad al mes o menos y, a través de esto, permite que la cantidad de manejo del inventario sea determinada adecuadamente. Además, como pueden pronosticarse con precisión los pedidos futuros de las partes con porcentaje de pedido bajo, pueden realizarse decisiones apropiadas con respecto a desechar o no los troqueles utilizados para fabricar partes. Adicionalmente, como pueden pronosticarse con precisión los pedidos futuros de las partes con porcentaje de pedido bajo, puede determinarse fácilmente la estrategia de manejo con respecto al manejo del inventario, incluyendo la cobertura. Además, tal como se muestra en la Figura 1, como la ENG de generación de datos de revisión de precisión del pronóstico lOi revisa la precisión del pronóstico y reposiciona (cambia) la categoría en base a los resultados de la revisión cuando es necesario, es decir, como la forma de
30
realización está configurada para que pueda desarrollarse el método para pronosticar pedidos futuros, la precisión de pronóstico puede mejorarse constantemente. Lo que es más, como se lleva a cabo la clasificación en partes con porcentaje de pedido muy bajo (1) y partes con porcentaje de pedido muy bajo (2), el número de pedidos se pronostica con respecto a la primera utilizando el análisis Monte Cario y el número de pedidos se pronostica con respecto a la segunda utilizando el análisis Monte Cario y el análisis de regresión, es decir, como los méritos de los dos análisis se combinan, se mejora además la precisión del pronóstico. En otras palabras, se mejora adicionalmente la precisión con la cual puede pronosticarse el número de pedidos a futuro, incluso en casos en los que los comportamientos de la transacción de las partes con porcentaje de pedido muy bajo (2) no han llegado a mostrar necesariamente la característica, a diferencia con lo explicado con respecto a la Figura 3 con respecto a las partes con porcentaje de pedido muy bajo (1) . Además, como los pedidos a futuro son pronosticados como número de pedidos (número total de pedidos) durante un período de duración deseada, los pedidos pueden pronosticarse de manera óptima en conformidad con el período de pronóstico o número de pronósticos deseado.
31
lltlii iii líi tlÉÜIli í i ?P^-*~~*-J~- -*~. - .-.-&-.--> — -MttaA¿-ijA Tal como se describió anteriormente, esta forma de realización se configura para poseer un método de pronosticar pedidos futuros de partes con porcentaje de pedido bajo para productos (vehículos de cuatro ruedas, motocicletas, productos de propósitos generales) vendidos a clientes, de manera más específica, un método para pronosticar pedidos futuros de partes con porcentaje de pedido bajo para productos vendidos a clientes, cuyos porcentajes de pedido han caído por debajo de un nivel predeterminado y que se almacenan durante períodos y serán vendidos en el momento de su pedido, que incluye los pasos de: determinar un registro de pedidos de períodos pasados con respecto a cada parte, extraer las partes con porcentaje de pedido bajo cuyos registros del pedido muestren un porcentaje de pedidos que ha caído por debajo del nivel predeterminado (partes con porcentaje de pedido muy bajo (1) ; ENG de extracción y procesamiento de datos 10a y DB para pronosticar pedidos de partes con porcentaje de pedido muy bajo 10b) , determinar de cada uno de estos registros de pedidos por lo menos un parámetro que indique una característica de los pedidos después de que el porcentaje del pedido cayó por debajo del nivel predeterminado, clasificar las partes con porcentaje de pedido bajo extraídas en múltiples categorías, utilizar el parámetro que indica la característica de los pedidos para calcular para cada una de las categorías múltiples una
32
distribución de la probabilidad de ocurrencia del pedido (ENG de generación de datos de análisis de características del pedido 10c, ENG de generación de datos de entrada de MCS de partes con porcentaje de pedido muy bajo (1) 10b, DB del discriminador de ocurrencia de pedidos y el discriminador del número de pedidos lOf, ENG de generación de datos de revisión de precisión del pronóstico lOi, y ENG de MCS lOg) , llevar a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculadas para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado (N meses; ENG de MCS lOg) , y pronosticar el número de pedidos a futuro (número total de pedidos) de las partes con porcentaje de pedido bajo en base a las distribuciones de la probabilidad del porcentaje de ocurrencia calculadas del número de pedidos durante el período predeterminado (ENG de pantalla de resultados calculados lOh) . De esta manera, se determina un registro de pedidos de períodos pasados con respecto a cada parte, las partes con porcentaje de pedido bajo, cuyos registros de pedido muestran un porcentaje de pedido que ha caído por debajo del nivel predeterminado se restan, se determina por lo menos un parámetro que indica una característica de los pedidos después de que el porcentaje de pedidos cae por debajo del
33
*ll___^__?___ , ,4. *, at?Sit, _' ' -• ^^~t_l_____*_____tm??¿&A^A*t. ¿. -, __j? ...... ¡?_U. ¿|fci_i nivel predeterminado a partir de cada uno de estos registros de pedidos, se clasifican las partes con porcentaje de pedido bajo extraídas en categorías múltiples, se utiliza el parámetro que indica la característica de los pedidos para calcular para cada una de las categorías múltiples una distribución de la probabilidad de ocurrencia del pedido, se lleva a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculadas para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período prederminado, y se pronostica el número de pedidos a futuro de las partes con porcentaje de pedido bajo en base a las distribuciones de la probabilidad del porcentaje de ocurrencia calculadas del número de pedidos durante el período predeterminado. Por lo tanto, como el número de pedidos a futuro puede pronosticarse con precisión con respecto a las partes cuyos porcentajes de pedido han disminuido a un nivel bajo, pueden determinarse de manera apropiada las cantidades para el manejo del inventario. Además, pueden tomarse decisiones adecuadas con respecto a desechar o no los troqueles utilizados para fabricar partes, y la estrategia del manejo con respecto al manejo del inventario, incluyendo su cobertura, puede determinarse fácilmente .
34 íi ÁÁ.tt r .-!_______.. áj&A -j...
El método incluye además los pasos de : determinar un registro de pedidos de períodos pasados con respecto a cada parte, extraer segundas partes con porcentaje de pedido bajo, cuyos registros de pedidos muestren un porcentaje de pedidos que ha caído por debajo de un segundo nivel predeterminado más alto que el nivel predeterminado mencionado (partes con porcentaje de pedido muy bajo (2) ; ENG de extracción y procesamiento de datos 10a y DB para pronosticar pedidos de partes con porcentaje de pedido muy bajo 10b) , clasificar las partes con porcentaje de pedido bajo extraídas en categorías múltiples, utilizar el parámetro que indica la característica de los pedidos para calcular para cada una de las categorías múltiples una distribución de la probabilidad de ocurrencia del pedido (ENG de generación de datos del análisis de características del pedido 10c, ENG de generación de datos de entrada de MCS de partes con porcentaje de pedido muy bajo (1 lOd, DB del discriminador de ocurrencia de pedidos y el discriminador de números de pedidos lOf, ENG de generación de datos de revisión de precisión del pronóstico lOi y ENG de MCS lOg) , llevar a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculadas para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado (ENG de MCS lOg) , calcular el número de pedidos a futuro de las segundas partes con porcentaje de pedido bajo en base a las distribuciones de la probabilidad del porcentaje de ocurrencia calculadas del número de pedidos durante el período predeterminado, y pronosticar el número de pedidos a futuro de las segundas partes con porcentaje de pedido bajo mediante el análisis de regresión en base a los registros de pedidos antes de que el porcentaje de pedidos caiga por debajo del segundo nivel predeterminado y el número de pedidos calculado (ENG para pronosticar pedidos de partes con porcentaje de pedido muy bajo (2) 10j y ENG de pantalla de resultados calculados lOh) .
De esta manera, se determina un registro de pedidos de períodos pasados con respecto a cada parte, se extraen las segundas partes con porcentaje de pedido bajo cuyos registros de pedido muestren que el porcentaje de pedidos ha caído por debajo de un segundo nivel predeterminado más alto que el nivel predeterminado mencionado, se clasifican las partes con porcentaje de pedido bajo extraídas en categorías múltiples, se utiliza el parámetro que indica la característica de los pedidos para calcular para cada una de las categorías múltiples una distribución de la probabilidad de ocurrencia del pedido, se lleva a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculadas para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado, se- calcula el
36
,......^..a^._ ¿-^^A.,8,^fcJ-_^,^,^¿»_?.
número de pedidos a futuro de las segundas partes con porcentaje de pedido bajo en base a las distribuciones de la probabilidad calculada del número de partes ordenado durante el período predeterminado, y se pronostica el número de segundas partes con porcentaje de pedido bajo ordenadas a futuro mediante el análisis de regresión en base a los registros de pedido antes de que el porcentaje de pedidos caiga por debajo del segundo nivel predeterminado y el número calculado de pedidos. En otras palabras, los méritos del análisis Monte Cario y al análisis de regresión se combinan para llevar a cabo el pronóstico. Además, se mejora por lo tanto la precisión con la cual puede pronosticarse el número de pedidos a futuro, incluso en casos en los que los comportamientos de la transacción de las diferentes partes con porcentaje de pedido bajo no han llegado a mostrar necesariamente la misma característica. En por lo menos un parámetro que indica la característica de los pedidos es por lo menos uno, de manera más preferente, ambos de un intervalo de ocurrencia del pedido (meses; mostrado en la Figura 4) y una relación del número de pedidos (mostrado en la Figura 5) . Cuando de esta manera por lo menos uno del intervalo de ocurrencia del pedido y la relación del número de pedidos se enfoca en un parámetro que indica una característica de los pedidos, entonces, cuando la distribución de la
37
probabilidad de ocurrencia del pedido calculada en base a esto se introduce en la simulación Monte Cario, pueden calcularse las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos para períodos predeterminados similares como el resultado de la simulación
Monte Cario. Como resultado de esto, se mejora adicionalmente
, la precisión con la cual puede pronosticarse el número de pedidos a futuro de las partes con porcentaje de pedido bajo. La relación del número de pedidos es la relación del número de pedidos después de que expira el pedido con el número de pedidos antes de que expire el pedido, de manera más específica, la relación del número de pedidos es (número de pedidos en el mes en el que ocurrieron los pedidos después de que los pedidos fueron nulos durante 24 meses) / (número de pedidos inmediatamente antes de que los pedidos fueran nulos durante 24 meses) . Al tomar en cuenta el comportamiento de los pedidos antes y después de la expiración del pedido a partir del aspecto del número de pedidos, es posible calcular con precisión la distribución de la probabilidad de ocurrencia del pedido. Como resultado, se mejora además la precisión con la cual puede pronosticarse el número de pedidos a futuro de las partes con porcentaje de pedido bajo. Además, esta forma de realización se configura para tener un método para pronosticar pedidos futuros de partes con porcentaje de pedido bajo para productos (vehículos de cuatro ruedas, motocicletas, productos de propósitos generales) vendidos a clientes, de manera más específica, un método para pronosticar pedidos futuros de partes con porcentaje de pedido bajo para productos vendidos a clientes, cuyos porcentajes de pedido han caído por debajo de un nivel predeterminado y que se almacenan durante períodos y serán vendidos en el momento que sean pedidos, que incluyen los pasos de: determinar un registro de pedidos de períodos pasados con respecto a cada parte, extraer las partes con porcentaje de pedido bajo cuyos registros de pedidos muestren que el porcentaje de pedidos ha caído por debajo del nivel predeterminado (partes con porcentaje de pedido muy bajo (1) ; ENG de extracción y procesamiento de datos 10a y DB para pronosticar pedidos de partes con porcentaje de pedido muy bajo 10b) , determinar a partir de cada uno de estos registros de pedidos una distribución de la probabilidad de ocurrencia del pedido como una función del tiempo y una distribución de la probabilidad de ocurrencia del pedido como una función de una relación del número de pedidos (ENG de generación de datos de análisis de características del pedido 10c, ENG de generación de datos de entrada de MCS de partes con porcentaje de pedido muy bajo (1) lOd, DB del discriminador de ocurrencia de pedidos y el discriminador de números de parte ordenados lOf, ENG de generación de datos de revisión
39
de precisión del pronóstico lOi y ENG de MCS lOg) , llevar a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculadas para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado (N meses; ENG de MCS lOg) , y pronosticar el número de pedidos a futuro de las partes con porcentaje de pedido bajo en base a las distribuciones de la probabilidad del porcentaje de ocurrencia calculadas del número de pedidos durante el período predeterminado (ENG de pantalla de resultados calculados lOh) . De esta manera, se determina un registro de pedidos de períodos pasados con respecto a cada parte, se extraen las partes con porcentaje de pedido bajo cuyos registros del pedido muestren que el porcentaje de pedidos ha caído por debajo del nivel predeterminado, se determina una distribución de la probabilidad de ocurrencia del pedido como una función del tiempo y una distribución de la probabilidad de ocurrencia del pedido como una función de una relación del número de pedidos a partir de cada uno de estos registros de pedidos, se lleva a cabo la simulación Monte Cario en base a las distribuciones de la probabilidad de ocurrencia del pedido calculadas para determinar las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos durante un período predeterminado, y se pronostica el número de pedidos a futuro de las partes con porcentaje de pedido bajo, en base a las distribuciones de la probabilidad del porcentaje de ocurrencia calculadas del número de pedidos durante el período predeterminado. En otras palabras, por lo menos una de la distribución de la probabilidad de ocurrencia del pedido como función del tiempo y la distribución de la probabilidad de ocurrencia del pedido como función de una relación del número de pedidos se enfoca en calcular las distribuciones de la probabilidad de ocurrencia del pedido introducidas a la simulación Monte Cario, de tal forma que el número de pedidos pueda pronosticarse calculando las distribuciones de la probabilidad del porcentaje de ocurrencia del número de pedidos para períodos predeterminados similares como el resultado de la simulación Monte Cario. Como resultado, el número de pedidos a futuro de las partes con porcentaje de pedido bajo puede pronosticarse con precisión, a su vez, las cantidades del manejo del inventario pueden determinarse apropiadamente. Además, pueden tomarse las decisiones adecuadas con respecto a desechar o no los troqueles utilizados para fabricar partes, y puede determinarse fácilmente la estrategia del manejo con respecto a la estrategia del manejo del inventario, incluyendo su cobertura . También se proporciona una configuración mediante la cual las partes con porcentaje de pedido bajo extraídas se
41
??.? _t?_.__?__Í__ - _ _-_t.__ii_i.gfe t?-«> _i*?a?_M:e_&Ms_. xt?.? ___^_?i.,._,_ ¡t, _i.
clasifican en categorías múltiples (por ejemplo, 24 ó 50) y la distribución de la probabilidad de ocurrencia del pedido se determina para cada una de las categorías múltiples (ENG de generación de datos de análisis de las características del pedido 10c, ENG de generación de datos de entrada de MCS de partes con porcentaje de pedido muy bajo (1) lOd, DB del discriminador de ocurrencia de pedidos y el discriminador de números de pedidos lOf, ENG de generación de datos de revisión de precisión del pronóstico lOi y ENG de MCS lOg) . De esta manera, las partes con porcentaje de pedido bajo extraídas se clasifican en categorías múltiples y se determina la distribución de la probabilidad de ocurrencia del pedido para cada una de las categorías múltiples. Como el comportamiento peculiar del pedido con las partes puede tomarse en cuenta por ende, se mejora además la precisión con la cual puede pronosticarse el número de pedidos a futuro de las partes con porcentaje de pedido bajo. Además, se proporciona una configuración con los pasos de: revisar la precisión del número de pedidos pronosticados; y cambiar las categorías basadas en un resultado de la revisión (ENG de generación de datos de revisión de precisión del pronóstico lOi) . De esta manera, se revisa la precisión del número de pedidos pronosticado de las partes y las categorías se cambian en base al resultado de la revisión. En otras
42
lá.A.?.?. __¿t«* . i.^..____?t? f.
palabras, se desarrolla el pronóstico de los pedidos. Como resultado de esto, se mejora constantemente la precisión con la cual se pronostica el número de pedidos a futuro de las partes con porcentaje de pedido bajo. A pesar de que los períodos y los intervalos de tiempo han sido definidos en unidades de meses en el texto anterior, en lugar de esto pueden definirse en términos de cualquier otra unidad indicativa de un período o intervalo de tiempo, como por ejemplo, día, semana, quincena, estación o año. Aplicabilidad Industrial Con la invención, se ha posible pronosticar con precisión el número de pedidos a futuro de partes con porcentaje de pedido bajo para las cuales el número de pedidos ha disminuido a aproximadamente una unidad al mes o menos y, a través de ésta, se permite determinar adecuadamente la cantidad del manejo del inventario. Además, como pueden pronosticarse con precisión los pedidos a futuro de las partes con porcentaje de pedido bajo, pueden tomarse decisiones adecuadas con respecto a desechar o no los troqueles utilizados para fabricar partes. Además, como pueden pronosticarse con precisión los pedidos a futuro de partes con porcentaje de pedido bajo, puede determinarse fácilmente la estrategia del manejo con respecto al manejo de inventarios, incluyendo su cobertura.
43
a-LA-t- j-BÉi-t^