Éxito de Kajal Forecasting en un challenge de previsión de la demanda a nivel nacional
INTRODUCCIÓN
Obtener una precisión lo más alta posible en las previsiones de demanda es un reto para todas las empresas. Una previsión de la demanda precisa permite tener visibilidad sobre lo que ocurrirá en el futuro y planificar las operaciones de forma alineada con la demanda.
Consciente de esta problemática, la consultora Howdazz, especializada en consultoría de operaciones y supply chain, planteó en enero de 2021 el primer Forecast Challenge abierto realizado en España. El objetivo de esta competición era encontrar el proveedor que ofreciera mejores previsiones de demanda a una de sus empresas cliente para así poder mejorar su aprovisionamiento y gestión de stock.
Con objeto de tener una convocatoria representativa, Howdazz invitó a 31 empresas de software de previsión de la demanda de prestigio internacional:
Tras los primeros contactos, se pusieron en marcha una serie de sesiones para la contextualización del modelo de negocio del cliente. Finalmente, fueron 15 las empresas participantes (ver aquí las empresas) que proporcionaron un resultado de previsión. El conjunto de modelos utilizados por éstas englobaban tanto métodos de series temporales como de inteligencia artificial.
DESARROLLO DEL FORECAST CHALLENGE
Una vez recibidos los resultados de previsión de las empresas, la consultora Howdazz se dispuso a analizar la precisión de cada uno de los conjuntos de datos. Para ello, aplicó una metodología propia, basada en el análisis de la previsión en distintos segmentos de productos, de baja, media y alta rotación, y evaluando la calidad del forecast en distintos horizontes temporales.
Tras la revisión de los resultados, la empresa objeto del análisis procedió a realizar una preselección de los cuatro candidatos que habían obtenido el mejor nivel de precisión según las pruebas realizadas. Tras una evaluación de las ofertas de los candidatos, el nivel de precisión de los resultados obtenidos y el proyecto planteado, la empresa cliente seleccionó finalmente a ITAINNOVA para el desarrollo de su nueva solución de aprovisionamiento con la plataforma Kajal.
KAJAL FORECASTING
Kajal es una plataforma de planificación integrada que consta de distintos módulos orientados a la planificación de los distintos procesos de la cadena de suministro. En el Forecast Challenge planteado por Howdazz, se utilizó Kajal Forecasting, realizando previsiones de demanda de 34.680 combinaciones artículo-tienda con un horizonte de previsión de 8 semanas.
Kajal Forecasting se basa, no sólo en el histórico de ventas, sino también en distintas variables externas que pueden servir de guía a los modelos de previsión. En el challenge se utilizó un histórico de venta de 2 años y otras variables adicionales como los calendarios de las tiendas o las acciones promociones de los productos en cada tienda.
En el análisis se incluyeron tanto modelos de Inteligencia Artificial (deep learning) como modelos estadísticos de series temporales. Gracias al procedimiento de benchmarking automático, el propio sistema selecciona el modelo que ha alcanzado menor error en el histórico reciente en cada una de las referencias, lo que hace que se puedan implementar multitud de modelos diferentes y que cada una de las series elija el que mejor se adapta a su comportamiento.
NO TE PIERDAS NADA SOBRE LA LOGÍSTICA 4.0
Si te ha gustado este artículo, te invitamos a que consultes todos nuestros posts sobre Logística 4.0 y Smart Logistics y te suscribas a nuestro boletín sobre innovación tecnológica:
Marta Sarasa y Lorena Polo
ARTÍCULOS DEL MÍSMO ÁMBITO
-
Vehículos definidos por software (VDS): tecnologías clave y aplicaciones
Jueves, 10 Octubre 2024
- Diseño y desarrollo de vehículos eficientes
-
Materiales ligeros para fabricar vehículos más sostenibles
Jueves, 27 Junio 2024
- Diseño y desarrollo de vehículos eficientes
OTROS ARTÍCULOS
-
Monitorización de la salud estructural (SHM) en generadores de energía eólica
Jueves, 21 Noviembre 2024
- Sistemas de generación eficientes
-
Cómo implantar la IA en la fabricación de maquinaria para la construcción: Guía práctica (II)
Viernes, 15 Noviembre 2024
- Industria 4.0