Planificación de Requisitos de Materiales Orientada a la Demanda (DDMRP)

La Planificación de Requisitos de Materiales Orientada a la Demanda (DDMRP) es un método cuantitativo destinado a optimizar el rendimiento de la cadena de suministro de empresas manufactureras de múltiples niveles. El método gira en torno a las nociones de ‘puntos de desacoplamiento’ y ‘buffers de stock’, que tienen como objetivo mitigar las deficiencias de los métodos anteriores implementados por la mayoría de los sistemas MRP (Material Requirement Planning). El método proporciona las cantidades que se deben comprar o fabricar para cualquier SKU (Stock-Keeping Unit) de una BOM (Bill Of Materials) de varios niveles.

El problema de optimización del flujo de la BOM de varios niveles

Una BOM (Bill of Materials) representa los ensamblajes, componentes y partes, y la cantidad de cada uno, necesarios para fabricar un producto final. Una BOM de varios niveles es una perspectiva jerárquica recursiva de la BOM original, donde ciertas partes se descomponen aún más con BOM propias. Desde un punto de vista formal, una BOM de varios niveles es un grafo acíclico dirigido ponderado¹ donde los vértices son SKUs, donde las aristas indican inclusión (es decir, es parte de), y donde los pesos representan la cantidad requerida para el ensamblaje, ya sea el producto final o el producto intermedio.

El problema abordado por DDMRP es la optimización del flujo dentro de una BOM de varios niveles y consiste en determinar, en cualquier momento, (a) si se deben obtener más materias primas y cuántas, (b) si se deben producir más unidades de cualquier SKU y cuántas.

Intuitivamente, este problema es difícil porque no hay una correlación directa entre la calidad del servicio de cualquier SKU intermedio, generalmente medida a través de los niveles de servicio, y la calidad del servicio del producto final. Agregar más stock a un SKU dado solo mejora la calidad del servicio del producto final si este SKU era, de alguna manera, un cuello de botella en el flujo de fabricación.

En la práctica, la resolución de este problema de optimización del flujo requiere una serie de entradas adicionales, comúnmente:

• Historial de pedidos de los clientes
• Tiempos de entrega de los proveedores
• Niveles de stock, en existencia, en tránsito o en pedido
• Tiempos de entrega y/o rendimientos de producción
• etc.

Luego, las cadenas de suministro del mundo real tienden a presentar complicaciones adicionales como tamaños de lote (cualquier tipo de multiplicadores deseables impuestos tanto por el proveedor como por el proceso de fabricación en sí), vida útil (no solo para productos perecederos, sino también para productos químicos y piezas de equipo sensibles), sustitutos imperfectos (por ejemplo, cuando se puede utilizar una pieza más cara como reemplazo si la más barata no está disponible). Estas complicaciones requieren que se reflejen en el modelo datos adicionales.

Límites del MRP clásico

El inicio de DDMRP fue motivado por las limitaciones asociadas con lo que se podría denominar la perspectiva del MRP clásico (simplemente referido como la perspectiva MRP en lo siguiente), que fue desarrollado principalmente en los años 80. La perspectiva MRP se centra en el análisis de los tiempos de entrega e identifica el camino más largo (en términos de tiempo) en el gráfico BOM como el cuello de botella asociado con el proceso de fabricación del producto final.

Para identificar este cuello de botella, el MRP ofrece dos métodos numéricos distintos para asignar un tiempo de entrega estático a cada arista del gráfico BOM, ya sea:

• tiempos de entrega de fabricación, que son máximamente optimistas y asumen que el inventario siempre está disponible en todas partes (es decir, para cada SKU), por lo tanto, los tiempos de entrega solo dependen del rendimiento de los procesos de fabricación.
• tiempos de entrega acumulativos, que son máximamente pesimistas y asumen que el inventario siempre está no disponible, y por lo tanto, los tiempos de entrega solo dependen del tiempo para producir la primera unidad a partir del estado en blanco, es decir, cero materias primas y cero productos intermedios.

Estos dos métodos tienen una única ventaja clave en común: son relativamente sencillos de implementar dentro de la base de datos relacional, que fue el núcleo arquitectónico de casi todos los MRPs desarrollados desde los años 80 hasta los años 2010.

Sin embargo, estos dos métodos también son excesivamente simplistas y generalmente generan tiempos de entrega sin sentido. Los autores de DDMRP señalan que calcular órdenes de compra o producción basadas en estimaciones de tiempo de entrega profundamente defectuosas termina generando una mezcla de exceso de stock y faltantes de stock, dependiendo de si los tiempos de entrega resultan ser excesivamente sobreestimados o subestimados.

La receta numérica de DDMRP

La receta numérica de DDMRP es una combinación de heurísticas numéricas y decisiones basadas en el juicio humano, es decir, expertos en cadenas de suministro. Esta receta tiene como objetivo superar las deficiencias asociadas con el MRP clásico sin recurrir a algoritmos numéricos “avanzados”. La receta consta de cuatro ingredientes principales, a saber:

• desacoplar los tiempos de entrega
• la ecuación de flujo neto
• la explosión desacoplada
• la prioridad relativa

Al combinar estos cuatro ingredientes, un profesional de la cadena de suministro puede calcular la cantidad a comprar y fabricar cuando se enfrenta a una situación de BOM de varios niveles. Los autores de DDMRP argumentan que este método ofrece un rendimiento superior en la cadena de suministro, medido en términos de rotación de inventario o niveles de servicio, en comparación con el rendimiento logrado por los MRP.

Desacoplar los tiempos de entrega

Para remediar el optimismo / pesimismo ingenuamente extremo de la perspectiva del MRP sobre los tiempos de entrega, DDMRP introduce un esquema de coloreado de gráficos binarios² donde ciertos vértices (es decir, SKU) del gráfico (es decir, BOM) se promueven como un punto de desacoplamiento. Se asume que estos vértices siempre tienen inventario disponible y la metodología de DDMRP se asegura de que así sea.

La elección de los puntos de desacoplamiento se delega principalmente a los profesionales de la cadena de suministro. Como se pretende que los puntos de desacoplamiento sean SKU “almacenados”, los profesionales deben favorecer los SKU que tengan sentido a nivel estratégico, por ejemplo, porque son consumidos por múltiples productos finales y se benefician de patrones de consumo más estables que la mayoría de los productos finales.

Una vez que se eligen los puntos de desacoplamiento, los tiempos de entrega DDMRP asociados con cualquier vértice se pueden calcular como el camino más largo (en términos de tiempo), comenzando desde el vértice y descendiendo, pero truncando el camino cada vez que se encuentra un punto de desacoplamiento.

Con una cuidadosa selección de los puntos de desacoplamiento, los autores de DDMRP argumentan que la metodología de DDMRP ofrece tiempos de entrega más cortos. Esta afirmación no es del todo correcta, no porque los tiempos de entrega sean más largos, sino porque DDMRP propone una nueva definición de lo que se entiende por tiempo de entrega en primer lugar.

La ecuación de flujo neto

Para calcular las cantidades asociadas con las órdenes de compra o la fabricación de otros productos, los autores de DDMRP introducen un concepto llamado flujo neto, que se define de la siguiente manera:

En existencia + En orden - Demanda de pedidos de venta calificados = Posición de flujo neto

Esta ecuación se define a nivel de SKU. La cantidad de flujo neto se interpreta como la cantidad de stock disponible para atender la parte incierta de la demanda.

Luego, se compara la posición de flujo neto con un tamaño de buffer; y cuando se vuelve notablemente más bajo que su buffer objetivo, se realiza un pedido. Volveremos a este mecanismo en la sección de priorización de pedidos a continuación.

La metodología de DDMRP ofrece algunas pautas generales sobre cómo dimensionar los buffers, generalmente expresándolos en días de demanda, y aplicando márgenes de seguridad respetando los tiempos de entrega de DDMRP, según se definió anteriormente. En la práctica, el dimensionamiento de los buffers depende del mejor juicio de los profesionales de la cadena de suministro.

A través de los flujos netos, los autores de DDMRP enfatizan que solo la parte incierta de la demanda requiere algún tipo de análisis estadístico. Tratar con la demanda futura que ya se conoce es simplemente una cuestión de adherencia a un plan de ejecución determinista.

La explosión desacoplada

La metodología de DDMRP se basa en la suposición de que el stock siempre es utilizable desde cualquier punto de desacoplamiento. Esta suposición ofrece la posibilidad de particionar los bordes utilizando los puntos de desacoplamiento (es decir, un subconjunto de vértices) como fronteras entre los subconjuntos de partición. Este esquema de particionamiento se conoce como la explosión desacoplada.

Desde la perspectiva de DDMRP, cuando se realiza un pedido de un producto final, la demanda resultante no se desagrega recursivamente en sus componentes más internos, sino solo hasta sus primeros puntos de desacoplamiento encontrados.

El esquema de particionamiento de gráficos de la explosión desacoplada es explotado por la metodología de DDMRP como una estrategia de dividir y conquistar³. En particular, dado que el tamaño del subgrafo se puede mantener pequeño, DDMRP se puede implementar sobre sistemas de bases de datos relacionales, al igual que los MRPs, incluso si esos sistemas no son realmente adecuados para análisis de gráficos.

Priorización de pedidos

El último paso numérico en la receta numérica de DDMRP consiste en calcular los propios pedidos, ya sean pedidos de compra o pedidos de fabricación. La metodología de DDMRP prioriza todos los SKU en función de sus diferencias respectivas Buffer - Flujo Neto, comenzando por los valores más grandes. Luego se generan los pedidos procesando la lista en el orden especificado, seleccionando todos los valores que son positivos y, con frecuencia, al menos tan grandes como la MOQ (cuando corresponda).

La priorización de DDMRP es unidimensional (en términos de puntuación) y está impulsada por la adherencia interna a su propia metodología, es decir, mantener stocks utilizables para todos los puntos de desacoplamiento. Las secciones anteriores ilustraron cómo se aprovechó esta propiedad clave de los puntos de desacoplamiento. La priorización de pedidos aclara cómo se aplica esta propiedad.

La priorización de pedidos propuesta por los autores de DDMRP es más detallada que las recetas típicamente encontradas en MRPs como el análisis ABC. Proporciona un mecanismo para guiar la atención de los profesionales de la cadena de suministro hacia los SKU que necesitan más atención, al menos según el criterio de urgencia de DDMRP.

Críticas a DDMRP

Los autores de DDMRP están promoviendo⁴ los beneficios⁵ de esta metodología como una práctica de vanguardia para maximizar el rendimiento de la cadena de suministro. Sin embargo, se pueden hacer múltiples críticas a esta metodología, siendo las más destacadas, en primer lugar, una línea de base incorrecta para evaluar tanto la novedad como el rendimiento, y en segundo lugar, un formalismo que no captura la complejidad del mundo real.

Joyas ocultas

Aunque pueda parecer un paradoja relativa, los argumentos más sólidos a favor de DDMRP pueden no haber sido identificados correctamente por sus propios autores, al menos no en su publicación de 2019. Esta aparente paradoja probablemente sea una consecuencia no intencionada del formalismo limitado de DDMRP, que se detalla a continuación.

En lo que respecta a las cadenas de suministro de fabricación, los promedios móviles frecuenciales suelen ser superiores a los promedios móviles temporales. De hecho, es incorrecto afirmar que DDMRP funciona sin pronósticos de demanda. Los buffers son pronósticos, excepto que son pronósticos frecuenciales (es decir, días de demanda), en lugar de pronósticos temporales (es decir, demanda por día). Como regla general, los pronósticos frecuenciales son más robustos cuando la demanda es errática y/o intermitente. Este descubrimiento se remonta a J.D. Croston, quien publicó “Forecasting and Stock Control for Intermittent Demands” en 1972. Sin embargo, aunque los métodos de Croston siguen siendo algo oscuros, DDMRP popularizó esta perspectiva en el mundo de la cadena de suministro en general.

La priorización aproximada es un mecanismo sólido de toma de decisiones en la cadena de suministro que evita clases enteras de problemas, especialmente los sesgos sistemáticos. De hecho, a diferencia de los enfoques basados en SKU como las existencias de seguridad, que pueden ser fácilmente distorsionados numéricamente por artefactos locales de la cadena de suministro (por ejemplo, un faltante de stock), incluso una priorización generalizada en toda la cadena de suministro garantiza que los recursos se dirijan primero hacia los cuellos de botella obvios. Si bien los autores de DDMRP son claramente conscientes de que la priorización es beneficiosa como mecanismo de atención, la idea no se lleva a su conclusión lógica: la priorización debería ser económica, es decir, medida en dólares y no en porcentajes.

Línea de base incorrecta

La principal crítica que se puede hacer a DDMRP es su línea de base incorrecta. Los MRPs, tal como se implementaron y vendieron en las cuatro décadas que van desde principios de los años 80 hasta finales de los años 2010, nunca se diseñaron realmente⁶ para planificar, pronosticar u optimizar nada. El propio nombre, MRP (Material Requirements Planning), es un nombre equivocado. Un nombre mejor habría sido MRM (Material Requirement Management). Estos productos de software se construyen con una base de datos relacional en su núcleo (es decir, una base de datos SQL) y están destinados principalmente a realizar un seguimiento de los activos de la empresa y realizar todas las tareas administrativas asociadas con las operaciones más mundanas, como disminuir el nivel de stock cuando se recoge una unidad.

Dado que el núcleo relacional está en gran medida en desacuerdo con cualquier procesamiento numéricamente intensivo, como la mayoría de los algoritmos de gráficos, no es sorprendente que las recetas numéricas entregadas por tales productos sean simplistas y disfuncionales, como se ilustra en las dos variantes de estimaciones de tiempo de espera discutidas anteriormente. Sin embargo, existe un vasto catálogo de literatura en ciencias de la computación sobre la optimización numérica predictiva de las cadenas de suministro. Esta literatura se inició en los años 50 bajo el nombre de Investigación de Operaciones y se ha seguido desarrollando desde entonces bajo diferentes nombres, como métodos cuantitativos en la gestión de la cadena de suministro o simplemente optimización de la cadena de suministro.

Ambas afirmaciones de novedad y superioridad para DDMRP se basan incorrectamente en la falsa premisa de que los MRPs son una línea de base relevante para fines de optimización de la cadena de suministro; es decir, mejorar el MRP es una mejora en la optimización de la cadena de suministro. Sin embargo, los MRPs, al igual que todos los sistemas de software diseñados en torno a bases de datos relacionales, simplemente no son adecuados para los desafíos de optimización numérica.

Los fabricantes atrapados en las limitaciones de su MRP no deben buscar mejoras incrementales en el propio MRP, ya que la optimización numérica es fundamentalmente incompatible con el diseño del MRP, sino aprovechar todas las herramientas y tecnologías de software que realmente se han diseñado para un rendimiento numérico en primer lugar.

Formalismo limitado

La perspectiva de DDMRP es una extraña mezcla de fórmulas simples y decisiones basadas en juicio. Si bien DDMRP opera claramente dentro de un marco matemático específico, es decir, un grafo acíclico dirigido ponderado, y sus mecanismos tienen nombres bien conocidos, es decir, coloreado de gráficos, partición de gráficos, esos términos están ausentes en los materiales de DDMRP. Si bien se puede argumentar que la teoría de grafos es demasiado compleja para el profesional promedio de la cadena de suministro, la falta de formalismo obliga a los autores a realizar explicaciones detalladas sobre comportamientos numéricos que podrían describirse de manera mucho más precisa y concisa.

Luego, lo que es más preocupante, la falta de formalismo aísla a DDMRP del vasto cuerpo de literatura de ciencias de la computación, que proporciona muchas ideas sobre lo que se puede hacer con algoritmos conocidos de múltiples campos de la ciencia de la computación que se han estudiado ampliamente más allá de los requisitos de la gestión de la cadena de suministro, a saber: teoría de grafos, optimización estocástica y aprendizaje estadístico. Como resultado, DDMRP adopta con frecuencia perspectivas simplistas - volveremos a este punto más adelante - que no están justificadas considerando tanto los algoritmos conocidos como las capacidades actuales de hardware informático.

Luego, el formalismo limitado de DDMRP lleva a afirmaciones erróneas como la reducción de los tiempos de espera. De hecho, numéricamente, los tiempos de espera, según se calculan mediante DDMRP, ciertamente son más cortos que la mayoría de las alternativas, porque, por construcción, los caminos de tiempo de espera se truncan cuando se encuentra un punto de desacoplamiento. Sin embargo, se comete un error metodológico al afirmar que con DDMRP, los tiempos de espera son más cortos. La proposición correcta es que con DDMRP, los tiempos de espera se miden de manera diferente. Una evaluación cuantitativa adecuada de los méritos, en términos de tiempo de espera, de DDMRP requiere una noción formal de inercia en todo el sistema para evaluar qué tan rápido una cadena de suministro gobernada por una política formal se pondría al día cuando se enfrenta a cambios en las condiciones del mercado.

Además, DDMRP utiliza ampliamente juicios subjetivos, es decir, delega en expertos humanos decisiones numéricas clave, como la elección de puntos de desacoplamiento. Como resultado, es impráctico, si no imposible, comparar una práctica de DDMRP con una metodología competidora correctamente formalizada, ya que realizar la comparación requeriría una cantidad impracticable de mano de obra para cualquier cadena de suministro de tamaño considerable (es decir, miles de SKU o más).

Por último, confiar en aportes humanos para ajustar un proceso de optimización numérica no es una propuesta razonable considerando el costo de los recursos informáticos modernos. La sintonización de meta-parámetros puede ser aceptable, pero no una intervención detallada en cada vértice del gráfico. En particular, una observación casual de las cadenas de suministro actuales indica que la necesidad de aportes humanos es uno de los mayores factores detrás de la inercia en todo el sistema. Agregar otra capa de ajuste manual, la elección de puntos de desacoplamiento, no es una mejora en este sentido.

Desprecio por la complejidad del mundo real

Modelar una cadena de suministro es, por necesidad, una aproximación del mundo real. Por lo tanto, todos los modelos son un compromiso entre precisión, relevancia y viabilidad computacional. Sin embargo, DDMRP es excesivamente simplista en relación con muchos factores que ya no se pueden razonablemente descartar al considerar el hardware informático actual.

La cadena de suministro existe para servir los intereses económicos de la empresa. Dicho de manera más directa, la empresa maximiza los dólares de retorno que se generan a través de su interacción con la economía en general; sin embargo, DDMRP optimiza porcentajes de error en comparación con objetivos arbitrarios, sus buffers. La priorización definida por DDMRP se centra en sí misma: dirige el sistema de la cadena de suministro hacia un estado que es consistente con las suposiciones subyacentes del propio modelo de DDMRP, es decir, la disponibilidad de stock en los puntos de desacoplamiento. Sin embargo, no hay garantía de que este estado esté alineado con los intereses financieros de la empresa. Incluso este estado podría ir en contra de los intereses financieros de la empresa. Por ejemplo, al considerar una marca que produce muchos productos de bajo margen que son sustitutos cercanos entre sí, mantener altos niveles de servicio para un SKU determinado puede no ser una opción rentable si los SKU competidores (cuasi-sustitutos) ya tienen un exceso de inventario.

Además, el esquema de priorización propuesto por DDMRP es fundamentalmente unidimensional: el cumplimiento de sus propios objetivos de stock (los buffers). Sin embargo, las decisiones reales de la cadena de suministro son casi siempre problemas multidimensionales. Por ejemplo, después de producir un lote de 1000 unidades, un fabricante normalmente colocaría esas 1000 unidades en un contenedor para el transporte marítimo; sin embargo, si se avecina un faltante de stock en la cadena de suministro, podría ser rentable enviar 100 unidades (de las 1000) por avión para mitigar el faltante pendiente de tiempo. Aquí, la elección del modo de transporte es una dimensión adicional para el desafío de priorización de la cadena de suministro. Para abordar este desafío, el método de priorización requiere la capacidad de integrar los impulsores económicos asociados con las diversas opciones disponibles para la empresa.

Otras dimensiones que deben considerarse como parte de la priorización pueden incluir:

• ajustes de precios, para aumentar o reducir la demanda (posiblemente a través de canales de ventas secundarios)
• construir o comprar, cuando se pueden encontrar sustitutos en el mercado (normalmente a un precio más alto)
• fechas de vencimiento del stock (requiriendo una comprensión profunda de la composición del stock)
• riesgos de devolución (cuando los socios de distribución tienen la opción de devolver productos no vendidos).

Por lo tanto, aunque DDMRP tiene razón al afirmar que la priorización es un enfoque más flexible en comparación con los enfoques binarios de todo o nada implementados por los MRPs, el esquema de priorización propuesto por DDMRP en sí mismo es bastante incompleto.

Opinión de Lokad

El lema de DDMRP es construir para las personas, no para la perfección. En Lokad, preferimos la visión clásica de IBM las máquinas deben trabajar; las personas deben pensar a través de la perspectiva de Gestión Cuantitativa de la Cadena de Suministro (QSCM, por sus siglas en inglés).

QSCM parte de la hipótesis de que cada decisión mundana de la cadena de suministro debe ser automatizada. Esta perspectiva enfatiza que los profesionales competentes de la cadena de suministro se consideran demasiado raros y costosos como para gastar su tiempo en generar decisiones rutinarias de almacenamiento, compra o precios. Todas esas decisiones pueden y deben ser automatizadas, para que los profesionales puedan centrarse en mejorar la receta numérica en sí misma. Desde una perspectiva financiera, QSCM convierte esos salarios de OPEX, donde se consumen días de trabajo para mantener el sistema en funcionamiento, en CAPEX, donde se invierten días de trabajo en la mejora continua del sistema.

El enfoque de DDMRP parte de la hipótesis de que los profesionales competentes de la cadena de suministro pueden ser capacitados en masa, lo que reduce tanto el costo para el empleador como el factor de rotación asociado con la salida de cualquier empleado. DDMRP establece un proceso para generar decisiones mundanas de la cadena de suministro, pero lograr la automatización completa es en su mayoría un objetivo no prioritario, aunque DDMRP no se opone a la automatización siempre que surja la oportunidad.

Curiosamente, se puede observar en cierta medida si la industria se está inclinando hacia la perspectiva de QSCM o de DDMRP. Si la perspectiva de QSCM se adopta más ampliamente, los equipos de gestión de la cadena de suministro evolucionarán para convertirse en algo similar a otras industrias de “talento”, como las finanzas con sus operadores cuantitativos, donde unos pocos individuos excepcionalmente talentosos impulsan el rendimiento de grandes empresas. Por el contrario, si la perspectiva de DDMRP se adopta más ampliamente, los equipos de gestión de la cadena de suministro evolucionarán para convertirse en algo similar a franquicias exitosas, como los gerentes de tiendas de Starbucks, donde los equipos son numerosos y están bien capacitados, y los individuos excepcionales tienen poco efecto en el sistema, pero donde una cultura superior marca la diferencia entre las empresas.

Recursos

• Demand Driven Material Requirements Planning (DDMRP), Versión 3, por Ptak y Smith, 2019
• Orlicky’s Material Requirements Planning, 3rd edition, por Carol A. Ptak y Chad J. Smith, 2011

Notas