Principios Cuantitativos para la Supply Chain (Resumen de la Conferencia 1.6)

Una optimización significativa de la cadena de suministro implica dominar la opción que se encuentra como resultado de la variabilidad inherente al flujo de bienes, y este dominio es compatible con el análisis cuantitativo. Los problemas de la cadena de suministro son igualmente cuantitativos pero complejos y a veces francamente extraños, y van en contra del análisis tradicional. Adoptar principios cuantitativos tanto en la etapa de observación como en la de optimización puede ayudar a los profesionales a evitar muchos obstáculos oscuros pero predecibles en la cadena de suministro.

Ver la Conferencia

Principios de Observación

En general, los tipos de decisiones y restricciones con los que los profesionales de la cadena de suministro luchan son inevitablemente cuantitativos, como los valores de reabastecimiento, los objetivos de nivel de servicio, los MOQs, etc. Sin embargo, las cadenas de suministro en sí mismas no se pueden observar directamente. No se puede tomar una instantánea de toda la cadena de suministro de la misma manera que se puede hacer con una pieza de maquinaria, a pesar de que ambas son CapEx, ambas están compuestas por muchas subpartes físicas observables y ambas (generalmente) resultan en una producción física.

A pesar de esa limitación, las cadenas de suministro no son hostiles al análisis cuantitativo. Al contrario, un análisis cuantitativo de la cadena de suministro revela varias observaciones instructivas aunque discutiblemente contraintuitivas.

Los problemas de la cadena de suministro no siguen una distribución normal

Quizás desesperadamente, los problemas de la cadena de suministro no tienden a seguir distribuciones normales, lo que resulta en muchas dificultades organizativas al intentar optimizarlos. Con una distribución normal, un gran número de factores pequeños e independientes pueden influir en un valor en una de dos direcciones (por ejemplo, más o menos, hacia arriba o hacia abajo). En otras palabras, una distribución normal resulta de muchos cambios aleatorios pequeños que pueden aumentar o disminuir un valor¹.

Sin embargo, los problemas de la cadena de suministro a menudo surgen de un pequeño número de factores sistémicos más grandes en lugar de una multitud de factores pequeños e independientes. Estos factores incluyen:

• Variabilidad de la demanda: La demanda de productos a menudo es altamente variable y puede verse influenciada por una amplia gama de factores como tendencias estacionales, condiciones económicas y campañas de marketing. Esta variabilidad puede llevar a problemas como faltantes de stock o exceso de inventario.

• Confiabilidad del proveedor: El rendimiento del proveedor puede tener un impacto significativo en la cadena de suministro, y la variabilidad en la confiabilidad del proveedor puede generar problemas como entregas retrasadas y problemas de calidad.

• Disrupciones logísticas: Problemas como retrasos en el transporte, demoras en aduanas o desastres naturales pueden causar interrupciones significativas en una cadena de suministro.

Los problemas mencionados anteriormente no son amenazas triviales para la continuidad (y optimización) de la cadena de suministro. Más bien, son problemas desproporcionadamente grandes y complejos que pueden tener impactos dramáticamente desproporcionados.

Además, los problemas de la cadena de suministro a menudo exhiben un cierto nivel de asimetría, lo que significa que generalmente hay algunos problemas principales que causan una gran proporción de los problemas, en lugar de una distribución simétrica de problemas alrededor de un promedio predecible. En muchos casos, estos problemas también exhiben una “cola larga”: es decir, una gran cantidad de problemas diferentes que ocurren con poca frecuencia.

Las interdependencias y los bucles de retroalimentación inherentes en las cadenas de suministro (por ejemplo, cómo los niveles de stock actuales influyen en las decisiones de pedido futuras) también hacen que la ocurrencia de problemas se aleje de la normalidad. Estos sistemas no lineales y complejos se describen de manera más precisa mediante otros modelos estadísticos (detallados en la siguiente sección).

La relación inversa entre frecuencia y rango

Un mejor modelo cuantitativo para analizar los problemas de la cadena de suministro (y los valores en general) es la Ley de Zipf. En pocas palabras, hay dos elementos principales en la Ley de Zipf:

1. Algunos valores en un conjunto de datos ocurren con mucha frecuencia, mientras que la mayoría ocurren raramente.

2. La frecuencia de un valor es inversamente proporcional a su rango.

Consideremos la frecuencia de las palabras en un libro de texto. La palabra más común en cualquier libro dado (si está escrito en un idioma que utiliza un sistema de casos definidos/indefinidos) probablemente será the. La segunda palabra más frecuente puede ser of, y su frecuencia será (aproximadamente) la mitad de la de the. Esta tendencia continuará en los rankings².

Un ejemplo relevante en el ámbito minorista es el descubrimiento común de que un pequeño número de artículos en el catálogo representa una gran parte de las ventas, mientras que una larga cola de otros artículos se vende con poca frecuencia. Este patrón, con pocos “éxitos” y muchos “fracasos”, coincide con la distribución de Zipf. Este es un concepto similar al Principio de Pareto, que establece que aproximadamente el 80% de los efectos provienen del 20% de las causas. La asimetría descrita aquí es, de hecho, el principio impulsor detrás de los sistemas de gestión de inventario como ABC y ABC-XYZ. Sin embargo, hay algunas diferencias clave entre la distribución de Pareto y Zipf que vale la pena analizar.

• Distribución de Pareto: Imagina una empresa minorista en línea con un extenso catálogo. La división de la cadena de suministro podría descubrir que el 80% de los ingresos de la empresa se generan solo con el 20% de su oferta, lo que sugiere que los recursos se deben dirigir a mantener los niveles de stock de estos artículos populares. Aunque esto podría ser una guía general útil, carece del tipo de resolución que la división necesita para analizar adecuadamente los datos de ventas (más allá de una simple identificación de qué SKU generó la mayor cantidad de ingresos).

• Distribución de Zipf: Si la misma división de la cadena de suministro utilizara una distribución de Zipf, se introduciría un interesante nivel adicional de granularidad en el análisis. Al investigar todas las ventas y sus frecuencias, el equipo podría discernir patrones que una distribución de Pareto no captaría. Por ejemplo, podrían descubrir que si bien los productos electrónicos y los electrodomésticos son los mejores, también hay otras categorías de productos, como libros o ropa, que en conjunto agregan una cantidad sustancial a las ventas totales, aunque no son contribuyentes significativos al margen de forma aislada. Una distribución de Zipf también revelaría posibles relaciones interesantes entre el catálogo que podrían valer la pena explorar, como por qué el tercer producto más popular contribuye aproximadamente un tercio de los ingresos del más popular, a pesar de ser intercambiable y recibir niveles comparables de publicidad.

La tiranía de los números pequeños

Una distribución zipfiana es quizás más evidente cuando se trata de cuantificar problemas explícitos de la cadena de suministro, particularmente situaciones en las que un impacto negativo desproporcionado se atribuye solo a algunas causas.

Considera el impacto negativo de una empresa B2B que pierde a su proveedor más grande, especialmente si ese proveedor contribuye el doble que el segundo proveedor más grande de la empresa B2B. De manera similar, perder a los dos clientes más grandes resultaría en una caída extraordinaria en los ingresos, dado que el tercer cliente más grande compra aproximadamente un tercio de lo que compra el más grande.

Es importante destacar que si los problemas de la cadena de suministro tuvieran una distribución normal, serían más predecibles y las estrategias de mitigación estándar serían suficientes. Sin embargo, el hecho de que algunos problemas significativos (como se describe aquí) puedan causar la mayoría de las interrupciones significa que los profesionales deben enfocar sus recursos en identificar y mitigar estos problemas de alto impacto. Esto requiere un enfoque más estratégico, proactivo y holístico de la gestión de la cadena de suministro.

Principios de optimización

Después de haber sorteado el terreno lleno de sesgos de la observación humana, embarcarse en la etapa de optimización de la cadena de suministro también está propenso a obstáculos. Las iniciativas de optimización de la cadena de suministro a menudo están plagadas de errores, no solo en términos de software (piensa en ERPs), sino también en términos de “wetware” (piensa en la “sabiduría heredada”).

Los problemas de software, como los Heisenbugs, se resuelven comúnmente mediante aplicaciones iterativas del programa. Sin embargo, los errores de “wetware” tienen la peculiaridad de estar en gran medida codificados, lo que requiere esfuerzos adicionales de desprogramación.

Sabiduría latente en las “cadenas de suministro envejecidas”

Las cadenas de suministro que han perdurado durante algunas décadas han acumulado, como mínimo, un nivel básico de sabiduría. Es difícil imaginar encontrar una empresa que haya funcionado durante 20 años o más y que no haya tropezado accidentalmente con algunas estrategias útiles o reglas prácticas. Como tal, cualquier práctica existente y normas operativas encarnan una forma de cuasi-optimalidad, en el sentido de que pueden impulsar a la empresa en la dirección correcta (rentabilidad neta general), pero con imperfecciones significativas³.

Al igual que un río que se abre paso a través de una cadena montañosa, esta sabiduría tiende a estar ligada a una única fuerza motriz. De la misma manera que la gravedad arrastra un río a través de los sedimentos, las cadenas de suministro envejecidas a menudo se arrastran en busca de un único KPI, como aumentar el nivel de servicio o reducir el stock muerto. Aunque estos objetivos pueden parecer sensatos, reducen implícitamente la cadena de suministro a un conjunto discreto de elementos desconectados que se pueden ajustar “de forma aislada”.

Esto esencialmente resulta en una mentalidad “booleana” donde la optimización de la cadena de suministro se expresa en términos binarios ingenuos. Considera lo siguiente:

• Si los niveles de servicio mejoran, la cadena de suministro debe haber mejorado. Esto, naturalmente, pasa por alto el hecho de que un aumento en el nivel de servicio generalmente requiere un aumento general en los niveles de stock (suponiendo una optimización de la cadena de suministro no cuantitativa). A su vez, el aumento de los niveles de stock generalmente aumenta el stock muerto, lo que resulta en una reducción de las ganancias netas.

• Si los niveles de stock muerto disminuyen, la cadena de suministro debe haber mejorado. De manera similar, esta visión limitada de la optimización ignora el impacto que la reducción de los niveles de inventario probablemente tendrá en los objetivos de servicio y satisfacción del cliente, lo que influirá negativamente en las compras (y a menudo en la lealtad del cliente).

Las cadenas de suministro envejecidas de este tipo poseen una “cuasi-optimalidad unidireccional” que, al igual que un poco de conocimiento, puede ser algo terriblemente peligroso. El hecho de que las cadenas de suministro se inclinen hacia la “cuasi-exito” es lo que probablemente les ayuda a perdurar y a fosilizar prácticas subóptimas.

Las mejoras grandiosas y unidireccionales en las cadenas de suministro envejecidas tienden a estar íntimamente relacionadas con el fracaso, no debido a la falta de esfuerzo sincero, sino más bien a la falta de consideración por la vasta, compleja e interconectada complejidad inherente en las cadenas de suministro modernas.

La falacia de la optimización local

Fundamental para optimizar un sistema tan extenso e interdependiente como la cadena de suministro es comprender que “la optimización local no resuelve problemas, simplemente los desplaza”. Como se ilustra en la sección anterior, optimizar un problema local (aquí significa “en aislamiento”) de la cadena de suministro generalmente perturba el equilibrio y produce un efecto secundario no deseado en algún otro lugar de la cadena de suministro.

Al igual que instalar una unidad de estado sólido (SSD) en una computadora de 30 años no mejora la memoria (o el rendimiento) general del sistema⁴, optimizar una red de cadena de suministro (o un “sistema de cadena de suministro”) es un proceso integral de extremo a extremo.

Este concepto es evidentemente claro en la industria minorista. En una red minorista que consta de varias tiendas, la intuición podría ser optimizar los niveles de stock en cada tienda (incluso de forma manual). Incluso se podría asignar recursos preferentemente a la ubicación más vendida en la red.

Sin embargo, este enfoque no considera la red más amplia de centros de distribución que sirven a estas tiendas, así como las consecuencias posteriores de una política que asigna stock sin considerar el impacto en otras tiendas. Optar por centrarse estrechamente en una tienda podría mejorar su rendimiento, pero podría ser perjudicial para las demás.

También se pasa por alto la preocupación principal de una misión de asignación de inventario minorista, es decir, la identificación de dónde se necesita más una unidad/SKU determinada para optimizar el rendimiento general del sistema.

Por lo tanto, optimizar la asignación de inventario minorista es un problema que solo tiene sentido a nivel del sistema, lo que subraya la importancia de una perspectiva holística y a nivel del sistema⁵.

Redefinir problemas para obtener resultados superiores

La educación clásica (y las presentaciones de los proveedores) presentan los problemas como si se resolvieran de manera más adecuada a través de una solución superior. A primera vista, esto parece perfectamente razonable, dado que la distancia más corta entre dos puntos es, de hecho, una línea recta. Sin embargo, este enfoque linealmente agradable tiende a simplificar en exceso los problemas y, en esencia, asume que uno debería intentar unir estos dos puntos en primer lugar.

Dado los diversos costos infligidos al intentar optimizar una cadena de suministro, esta no es una observación filosófica trivial. Tanto en teoría como en la práctica, una mejor comprensión de los problemas supera (a largo plazo) a una gran solución a un problema mal entendido (a corto plazo).

Un ejemplo clásico es el problema del pronóstico de la demanda. Tanto los proveedores de cadena de suministro como los académicos pueden presentar una herramienta avanzada de pronóstico de series de tiempo como la solución ideal para cuantificar la demanda (y así establecer los niveles de inventario). A primera vista, esto parece intuitivo: si una empresa no puede predecir con precisión la demanda, entonces es apropiado contar con un mejor software de pronóstico de la demanda, y los dos puntos distantes se unen con una línea recta (más o menos)⁶.

Este enfoque es excesivamente lineal y posiblemente ajeno al problema de la cadena de suministro de interés: la identificación de lo que realmente está causando la dificultad en el pronóstico de la demanda. Es completamente concebible que otros problemas subyacentes, como ineficiencias logísticas, proveedores poco confiables o políticas de asignación de inventario minorista defectuosas, puedan ser las fuerzas del cambio.

Redefinir los problemas en lugar de correr hacia una luz roja en la cadena de suministro puede orientar adecuadamente las optimizaciones de la cadena de suministro y redirigir el ancho de banda (y los recursos) de las soluciones rápidas a corto plazo.

Notas