Optimización impulsada por decisiones

La Supply Chain Quantitativa se centra en generar decisiones automatizadas de alto rendimiento en la cadena de suministro. El objetivo no es entregar artefactos numéricos, como pronósticos semanales. Esos artefactos se consideran cálculos internos arbitrarios que simplemente se utilizan para calcular las decisiones finales. Definimos una decisión como una respuesta a un problema de la cadena de suministro que se puede llevar a cabo y tiene una consecuencia tangible, si no física, para la propia cadena de suministro. Desde una perspectiva clásica de planificación de la cadena de suministro, centrarse en las decisiones de suministro puede parecer sorprendente, porque no se definen a lo largo de las líneas habituales de planificación vs. operaciones. Sin embargo, centrarse en las decisiones facilita enormemente la optimización real de la cadena de suministro. En esta sección, aclaramos el concepto de una decisión de la cadena de suministro, revisamos los tipos más frecuentes de decisiones y caracterizamos los aspectos clave de la perspectiva impulsada por decisiones.

Delimitando las decisiones elegibles

La Supply Chain Quantitativa adopta una postura altamente numérica y estadística ante los desafíos de la cadena de suministro. Sin embargo, esta postura no es la perspectiva adecuada para todos los desafíos. Para evaluar si la perspectiva cuantitativa es adecuada para un desafío, deben cumplirse las siguientes condiciones:

Repetibilidad: elaborar una receta numérica para resolver el desafío requiere esfuerzo que se traduce en costos. Para optimizar rentablemente una cadena de suministro, es necesario asegurarse de que el proceso de optimización en sí no cueste más que los beneficios esperados. Como regla general, los problemas rutinarios, por ejemplo, el reabastecimiento, que deben abordarse todos los días o todas las semanas, son mucho mejores candidatos para un enfoque cuantitativo que los problemas excepcionales, por ejemplo, la expansión a un nuevo país.
Decisiones específicas: para mantener bajo control la complejidad de la solución de software, es favorable centrarse en desafíos de la cadena de suministro que puedan abordarse mediante una tipología bien definida de decisiones, idealmente, decisiones altamente numéricas. Por ejemplo, decidir si dejar de almacenar un producto por completo porque la demanda es demasiado baja para justificar esta carga adicional en la cadena de suministro es una pregunta muy específica, que un proceso altamente automatizado puede responder fácilmente. En cambio, decidir modificar las prácticas de trabajo de un equipo de gestión de almacén es un problema muy abierto, que no se adapta bien a la automatización.
Datos históricos: las soluciones de software no pueden operar en el vacío. El conocimiento para abordar el desafío de la cadena de suministro puede estar incorporado en el software como reglas definidas manualmente; sin embargo, crear un gran conjunto de reglas de toma de decisiones consistentes y eficientes es una tarea muy difícil. La mayoría de los enfoques modernos extraen ampliamente todo el conocimiento relevante de los datos históricos (historial de ventas, historial de compras, etc.) y restringen las entradas de reglas a políticas de cadena de suministro bien definidas, por ejemplo, MOQs (cantidades mínimas de pedido), que ciertamente no queremos que el software intente extrapolar de los datos históricos.

A medida que avanza la ingeniería de software y, más específicamente, a medida que avanza el campo del aprendizaje automático, el espectro de decisiones al que pueden acceder los sistemas informáticos se amplía cada año. Por ejemplo, los primeros sistemas de optimización de inventario se limitaban a productos con al menos varios meses de historial de ventas, mientras que los sistemas más nuevos admiten todos los productos, incluidos aquellos que ni siquiera se han vendido todavía.

Además, a veces la ingeniería de software hace posible abordar problemas que se consideraban intratables cuando se hacían manualmente por un experto en supply chain. Por ejemplo, los modernos sistemas de optimización de inventario pueden predecir qué registros de stock son los más propensos a ser inexactos, lo que permite un recuento prioritario del inventario, una característica que supera el enfoque más tradicional de recuento lineal de todos los SKU.

Ejemplos de decisiones de supply chain

Las cadenas de suministro son increíblemente diversas y lo que constituye un desafío de importancia primordial para un sector determinado puede parecer anecdótico en otro. En esta sección, revisamos brevemente las decisiones típicas que son adecuadas desde la perspectiva de la Supply Chain Quantitativa.

Órdenes de compra: decidir las cantidades exactas que se deben comprar a cada proveedor para cada producto. Esta decisión se actualiza diariamente, incluso si no se espera que se realice ningún pedido de compra la mayoría de los días. La orden de compra debe tener en cuenta todas las restricciones de pedido (MOQ) y las restricciones de transporte (por ejemplo, contenedores). Además, la orden de compra también puede incluir la opción de un modo de transporte (marítimo vs. aéreo) con la posibilidad de una combinación de transporte.
Órdenes de producción: decidir las cantidades exactas que se deben producir. La orden de producción debe tener en cuenta todas las restricciones de producción que pueden requerir lotes mínimos de producción. Además, la capacidad máxima de producción puede ser inferior a las necesidades del mercado durante la temporada alta del año, en cuyo caso, la producción debe acumular existencias con anticipación para hacer frente a la temporada alta.
Equilibrio de stock: decidir si las unidades actualmente en stock en una ubicación deben trasladarse a otra ubicación, generalmente porque el equilibrio de stock ya no está alineado con la demanda futura diferenciada por ubicación. Nuevamente, la decisión se actualiza diariamente, incluso si la mayoría de los días, para la mayoría de los productos, no es económicamente rentable moverlos entre ubicaciones.
Liquidación de stock: decidir si las unidades actualmente en stock deben ser destruidas o vendidas a través de un canal secundario, típicamente con un descuento muy alto. De hecho, el stock muerto puede llenar innecesariamente los almacenes y generar costos mayores que el valor económico del propio stock. Dependiendo del sector, el stock puede liquidarse a través de promociones, canales especializados o destrucción pura.
Almacenamiento vs. drop shipping: decidir si un producto tiene suficiente demanda como para justificar su compra, almacenamiento y entrega directa, o si sería mejor que el producto se envíe directamente por un tercero cuando se solicite. El envío directo de productos drop-shipping generalmente genera márgenes más bajos, pero también incurre en menos costos de mantenimiento. La decisión toma la forma de definir la lista exacta de productos que se deben mantener en stock, manteniendo al mismo tiempo una diversidad general de inventario manejable.
Recuento de stock dirigido: decidir si se debe volver a contar un SKU debido a la posible inexactitud del registro electrónico, que puede no coincidir con la cantidad de unidades que realmente están disponibles en el estante. Esta decisión es un compromiso entre el costo laboral asociado con la operación de recuento y el impacto negativo del inventario fantasma en el rendimiento de la cadena de suministro. En la práctica, las inexactitudes del inventario son mucho mayores en las tiendas minoristas de acceso público en comparación con los almacenes o plantas restringidos al personal.

Cabe señalar que sectores específicos tienen sus propios conjuntos de decisiones. Los ejemplos a continuación podrían considerarse más dependientes del contexto que los mencionados anteriormente.

Surtido de tiendas minoristas: decidir la lista exacta de productos que estarán presentes en cada tienda minorista. A veces, el catálogo completo de productos puede exceder ampliamente la capacidad de cualquier tienda en particular; por lo tanto, cada tienda solo puede mostrar un subconjunto del catálogo. La optimización del surtido maximiza el rendimiento de la tienda minorista dada la capacidad de la tienda. Además, el desafío se vuelve aún más complejo en el caso de sectores como los bienes de lujo, ya que la tienda generalmente tendrá no más de una unidad en stock para cada producto del surtido seleccionado.
Reemplazo oportunista: decidir cuándo es aceptable la sustitución de un producto y cuándo es rentable proceder con la sustitución. Por ejemplo, un comercio electrónico de alimentos frescos puede aceptar entregas que se realicen unos días antes, una práctica que crea el problema de enfrentar un desabastecimiento tardío para un producto fresco que ya ha sido pedido, y altera así el pedido original del cliente. En esta situación, podría ser una operación más rentable para el minorista, y un mejor servicio para el cliente, sustituir por un producto alternativo bien elegido.
Desinversión oportunista: decidir revender inventario, típicamente piezas reparables, que originalmente estaban destinadas para consumo interno. El stock de piezas reparables típicamente rota entre los dos estados de aptas para el servicio y no aptas para el servicio, a medida que las piezas se reparan, se recuperan, se reparan nuevamente y finalmente se vuelven a poner en servicio. Bajo circunstancias específicas, como una disminución en la demanda, el stock de piezas aptas para el servicio puede exceder ampliamente las necesidades de la empresa. En este caso, hay un compromiso entre revender la pieza en el mercado secundario, típicamente a un precio reducido, para recuperar una fracción del valor original del inventario o, alternativamente, aumentar el riesgo de no atender una solicitud futura de piezas a tiempo.
Mantener stock no apto para el servicio: decidir si reparar inmediatamente una pieza no apta para el servicio pero reparable, o posponer la reparación y almacenar la pieza como no apta para el servicio. Si bien reparar piezas puede ser menos costoso que comprar piezas nuevas, el stock actual de piezas aptas para el servicio puede ser suficiente para cubrir la demanda durante un largo período de tiempo. Por lo tanto, retrasar la reparación es un compromiso entre posponer los costos de reparación para el futuro, con la posibilidad de no incurrir en este costo si la demanda del mercado ha cambiado a piezas alternativas en ese momento, o aumentar el riesgo de no atender una solicitud futura de piezas a tiempo.
Abastecimiento oportunista: decidir cuándo vale la pena realizar una operación de abastecimiento para establecer un punto de referencia de precios para una determinada pieza. En algunas industrias, el precio de las piezas es relativamente opaco. Descubrir el precio actualizado de una pieza, posiblemente un equipo muy costoso, puede llevar varios días de esfuerzo. Cuando las operaciones requieren miles de piezas, hay un compromiso entre pagar por piezas más caras y incurrir en los costos de mano de obra involucrados en las operaciones de abastecimiento.
Preservar paquetes: decidir cuándo vale la pena vender la última unidad de un determinado producto como una venta independiente o si es mejor preservar esta unidad para una venta posterior como parte de un paquete. De hecho, hay situaciones en las que la disponibilidad de paquetes, es decir, combinaciones de piezas o productos, es de gran importancia, mientras que la disponibilidad de piezas aisladas es de menor importancia. Sin embargo, al servir la última pieza, que se presta como una pieza independiente, se puede crear un problema de faltante de stock para el paquete más grande y más importante. Por lo tanto, hay un compromiso entre el beneficio de atender adecuadamente una pieza aislada ahora y la desventaja de enfrentar un problema de faltante de stock más impactante para un paquete en el futuro.

Hasta que se formalicen como tales, las decisiones de la cadena de suministro generalmente se toman de manera implícita, posiblemente por personas, pero también por sistemas de software. Por ejemplo, una configuración de inventario Min/Max está implícitamente tomando múltiples decisiones y no solo sobre la cantidad reordenada: siempre que el valor Max sea distinto de cero, el producto se mantendrá en el surtido. Además, no se realiza un recuento de inventario antes de activar un reabastecimiento, lo cual es otra decisión implícita, etc. Desafortunadamente, como no se puede optimizar lo que no se mide, esta falta de formalización de las propias decisiones generalmente impide una mejora sistemática del rendimiento de la cadena de suministro obtenido a través de esas decisiones.

Artefactos numéricos vs. decisiones

Al enfrentar problemas complejos de la cadena de suministro, los profesionales corren el riesgo de confundir los fines y los medios. Por ejemplo, al enfrentar la necesidad de reabastecimiento, establecer un pronóstico de demanda semanal asociado a un SKU es solo un ingrediente necesario para algunos, pero no todos, los métodos numéricos disponibles para calcular la cantidad a reordenar. El pronóstico semanal es solo un cálculo intermedio, mientras que la cantidad ordenada es la decisión final. Desde la perspectiva de la Supply Chain Quantitativa, nos referimos a esos cálculos intermedios como artefactos numéricos. La Supply Chain Quantitativa no descarta la importancia de los artefactos numéricos; sin embargo, también enfatiza que esos artefactos son solo eso: expresiones numéricas desechables y transitorias que contribuyen a la salida final: decisiones de la cadena de suministro.

En lo que respecta a la optimización numérica, es una falacia pensar que optimizar los artefactos numéricos en función de métricas matemáticas arbitrarias, por ejemplo, pronósticos de demanda optimizados en función de WMAPE (error porcentual absoluto medio ponderado), de alguna manera produce automáticamente retornos financieros. Si bien esto puede parecer contraintuitivo, en la cadena de suministro, esto generalmente no es el caso. Los problemas de la cadena de suministro suelen ser problemas altamente asimétricos. Por ejemplo, en la industria aeroespacial, una pieza que falta de 200 USD puede mantener un avión de 200 millones de USD en tierra. La cantidad de piezas que se deben mantener en stock no necesariamente está impulsada principalmente por la demanda esperada: el costo de la pieza en comparación con el costo de no tenerla puede dominar por completo el proceso de toma de decisiones de almacenamiento.

En contraste, la Supply Chain Quantitativa enfatiza que, al final, solo las decisiones realmente importan, porque son los únicos elementos tangibles que tienen consecuencias financieras reales y medibles para la empresa. Por lo tanto, si bien es de suma importancia desafiar el rendimiento de las decisiones, la gestión de la cadena de suministro también debe tener una buena dosis de escepticismo hacia los KPI que se aplican a resultados numéricos no vinculantes, no comprometidos y transitorios, como los pronósticos de demanda semanales o mensuales.

Decisiones limitadas, entre la realidad y la ficción

Las decisiones de la cadena de suministro suelen estar limitadas por restricciones: las respuestas solo son válidas si cumplen con un conjunto de restricciones numéricas. Por ejemplo, los pedidos de compra pueden estar sujetos a MOQ (cantidades mínimas de pedido), que representan una restricción no lineal. Además, el almacén tiene una capacidad de almacenamiento finita, otra restricción no lineal.

Con frecuencia, las restricciones se generan a partir de los impulsores económicos básicos asociados a las operaciones de la cadena de suministro: tener en cuenta el precio actual del producto; la distribución de un producto solo puede ser económicamente viable si los productos se venden empaquetados en paletas y, por lo tanto, el producto solo se puede vender con un tamaño de lote de, digamos, 50 unidades, que representan una paleta cargada.

Sin embargo, también sucede que las restricciones pueden resultar de reglas organizativas arbitrarias. Por ejemplo, una empresa podría haber decidido que el presupuesto anual de compras para una división estaría limitado a 1 millón de USD. Esta restricción presupuestaria se establece mucho antes de que las ventas de la división sean conocidas realmente. En tal situación, se espera que las decisiones de compra cumplan con una restricción no lineal que es el resultado de un proceso de presupuestación relativamente arbitrario.

La Supply Chain Quantitativa trata de reflejar en la mayor medida posible las restricciones reales de la cadena de suministro, al tiempo que permite nuevas organizaciones, posiblemente revisadas, que puedan operar sin las limitaciones impuestas por aspectos arbitrarios de los procesos anteriores. De hecho, en la cadena de suministro, la mayoría de las restricciones arbitrarias son el resultado de una falta de automatización: si el presupuesto “óptimo” por división no se puede estimar de manera confiable a diario teniendo en cuenta todas las preocupaciones transversales de la empresa, entonces es natural recurrir a un presupuesto anual o trimestral en su lugar.

Las decisiones requieren priorización y coordinación

Casi todas las decisiones de la cadena de suministro son interdependientes: cada unidad adicional que se compra a un proveedor ocupará espacio adicional en el almacén, hasta que el almacén esté lleno y las operaciones se detengan. Esas dependencias suelen ser indirectas y difíciles de abordar desde una perspectiva numérica, pero eso no las hace menos importantes desde una perspectiva de la cadena de suministro, e incluso estratégica. Si el nivel de servicio general es del 99%, lo cual es muy bueno, pero el cliente más grande sufre un nivel de servicio del 85%, porque todas las faltas de stock se concentran en un grupo de productos comprados por este mismo cliente, la empresa enfrenta un riesgo serio de perder a su cliente más grande.

Priorizar las decisiones es típicamente el método más directo para aprovechar al máximo los recursos compartidos pero limitados dentro de la cadena de suministro. Por ejemplo, dado que la capacidad de almacenamiento del almacén y el capital de trabajo son limitados, el objetivo no es simplemente comprar una unidad adicional de stock que resulte rentable, sino identificar la siguiente unidad de stock que resulte ser la unidad más rentable en todo el catálogo de productos. Tratar las decisiones de compra de stock de forma aislada crearía el riesgo de agotar el espacio del almacén o el presupuesto de compra en productos de baja rentabilidad.

En la práctica, esta priorización requiere cambiar considerablemente el software analítico que respalda la cadena de suministro. En lugar de tratar cada decisión de forma aislada, como ocurre con los métodos primitivos de la cadena de suministro, por ejemplo, el inventario Min/Max, todas las decisiones deben ser reunidas y clasificadas según su rentabilidad estimada respectiva. Este proceso es factible con soluciones de software modernas, pero requiere considerablemente más recursos informáticos en comparación con los métodos de la cadena de suministro tempranos.

Coordinar las decisiones es necesario para manejar todas las restricciones transversales que se aplican a las operaciones de la cadena de suministro. Por ejemplo, al ordenar mercancías a un proveedor en el extranjero, puede haber un fuerte incentivo económico para pedir un contenedor completo. Por lo tanto, el desafío no es tanto elegir cantidades por producto, sino elegir cantidades que, en conjunto, se ajusten exactamente a la capacidad del contenedor. Las restricciones transversales son omnipresentes en la cadena de suministro: ajustar la variedad de una nueva colección de moda, garantizar un alto nivel de servicio para los clientes que buscan una lista de productos dentro de una tienda de bricolaje, no agotar un almacén central a través de pedidos sobredimensionados de una tienda a expensas de las otras tiendas, etc.

La forma tradicional y altamente ineficiente de abordar estas preocupaciones de coordinación consiste en realizar un cálculo de dos etapas que primero ignora la preocupación de coordinación y luego revisa el resultado numérico inicial para que se ajuste a la preocupación. En cuanto al ejemplo del contenedor mencionado anteriormente, primero podemos calcular las cantidades deseables a pedir, sin tener en cuenta el contenedor en absoluto; segundo, podemos revisar esas cantidades para que el total realmente se ajuste a un contenedor. La principal debilidad de este cálculo de dos etapas es que la segunda etapa ignora por completo todos los factores económicos que se tuvieron en cuenta en el cálculo de la primera etapa. En otras palabras, la revisión de los resultados durante la segunda etapa puede “desbaratar” todos los esfuerzos que se hicieron para calcular decisiones rentables en la primera etapa. El software moderno aborda estas situaciones mediante la introducción de solucionadores numéricos, que pueden abordar frontalmente estas restricciones transversales. Una vez más, estos solucionadores son considerablemente más exigentes en términos de recursos informáticos que sus contrapartes de dos etapas ingenuas, pero nuevamente, considerando los recursos informáticos típicamente disponibles en la actualidad, esto no es un problema.