Optimización guiada por decisiones en la cadena de suministro cuantitativa

Optimización guiada por decisiones











Inicio » Recursos » Aquí

La cadena de suministro cuantitativa se concentra en generar decisiones de cadena de suministro automatizadas de alto rendimiento. El foco no está en entregar artefactos numéricos, como pronósticos semanales, que se consideran cálculos internos arbitrarios que solo se utilizan para calcular las decisiones finales. Definimos a una decisión como una respuesta a un problema de cadena de suministro que puede ejecutarse y que tiene una consecuencia tangible, aunque no física, para la cadena de suministro misma. Desde un punto de vista de planificación de cadena de suministro clásica, concentrarse en las decisiones de suministro podría considerarse inesperado, porque estas no se definen en la dicotomía habitual de planificación vs. operaciones. No obstante, concentrarse en las decisiones facilita enormemente la optimización real de la cadena de suministro. En esta sección, aclararemos el concepto de decisión de cadena de suministro, analizaremos los tipos de decisiones más habituales y caracterizaremos los aspectos clave de la perspectiva guiada por decisiones.

Determinación del alcance de decisiones elegibles

La cadena de suministro cuantitativa toma una posición altamente numérica y estadística con respecto a los desafíos de la cadena de suministro. Sin embargo, esta posición no es la perspectiva adecuada para todos los desafíos. Para evaluar si la perspectiva cuantitativa es adecuada para un desafío, se deben cumplir las siguientes condiciones:

  • Repetibilidad: la creación de una receta numérica para resolver el desafío requiere esfuerzo que se traduce en costos. Para optimizar de modo rentable una cadena de suministro, es preciso asegurarse de que el proceso de optimización en sí mismo no esté costando más que los beneficios que se espera obtener de él. Como regla general, los problemas de rutina —por ejemplo, el reabastecimiento—, que deben abordarse diaria o semanalmente, son mucho mejores candidatos para el abordaje cuantitativo que los problemas excepcionales, como, por ejemplo, la expansión a un nuevo país.
  • Decisiones acotadas: para mantener bajo control la complejidad de la solución de software, es recomendable concentrarse en los desafíos de cadena de suministro que pueden 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 acotada que un proceso altamente automatizado puede responder sin problemas. Al contrario, decidir modificar las prácticas de trabajo de un equipo de gestión de almacén es un problema muy abierto, lo que hace que no sea un buen candidato para la automatización.
  • Datos históricos: las soluciones de software no pueden operar aisladas. El conocimiento para abordar el desafío de cadena de suministro puede integrarse en el software como reglas definidas manualmente; sin embargo, crear un conjunto de reglas de toma de decisiones que sea congruente y presente buen rendimiento es una empresa muy difícil. Los abordajes más modernos extraen gran parte de 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, como por ejemplo, las MOQ (cantidades de orden mínimas), dato que ciertamente no quisiéramos que el software intentara extrapolar de los datos históricos.

A medida que la ingeniería de software progresa y, más específicamente, el campo del machine learning, el espectro de decisiones que se vuelve accesible a 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 modernos admiten todos los productos, incluidos aquellos que aún ni siquiera se han vendido.

Además, a veces la ingeniería de software permite afrontar problemas que se consideraban intratables cuando eran abordados manualmente por un experto en cadena de suministro. Por ejemplo, los sistemas modernos de optimización del inventario pueden pronosticar qué registros de stock tienen mayor probabilidad de ser precisos, lo que permite un recuento priorizado del inventario, una función que supera al abordaje más tradicional del recuento lineal de todas las SKU.

Ejemplos de decisiones de cadena de suministro

Las cadenas de suministro son increíblemente diversas, y lo que constituye un desafío de importancia primaria para un determinado sector podría parecer anecdótico para otro. En esta sección, analizaremos brevemente las decisiones que generalmente se adecuan bien a la perspectiva de la cadena de suministro cuantitativa.

  • Pedidos de compra: decidir las cantidades exactas que comprar a cada proveedor de cada producto. La decisión se actualiza a diario, aún cuando no se espere recibir ningún pedido real la mayoría de los días. El pedido de compra debería tener en cuenta todas las limitaciones de pedido (MOQ), así como las limitaciones de transporte (por ej.: contenedores). Además, el pedido de compra podría incluir la decisión de optar por un modo de transporte (por ej.: por aire o por mar) con la posibilidad de una combinación de transportes.
  • Pedidos de producción: decidir las cantidades exactas que producir. El pedido de producción debería tener en cuenta todas las limitaciones de producción que pueden requerir lotes de producción mínimos. Además, la capacidad máxima de producción podría ser menor que las necesidades del mercado durante la temporada alta del año, en cuyo caso la producción debería acumular stocks con anticipación para afrontarla.
  • Equilibrado de stock: decidir si las unidades que actualmente se encuentran almacenadas en stock en una ubicación deberían trasladarse a otra ubicación, generalmente porque el equilibrio de stock deja de estar alineado con la demanda futuro proyectada diferenciada por ubicación. También en este caso la decisión se actualiza a diario, incluso si en la mayor parte de los días, para la mayoría de los productos, no resulta rentable trasladarlos entre ubicaciones.
  • Liquidación de stock: decidir si las unidades actualmente almacenadas en stock deberían ser destruidas o vendidas a través de un canal secundario, generalmente con importantes descuentos. De hecho, el stock muerto puede abarrotar los almacenes sin necesidad y generar de este modo costos que superen el valor económico del stock mismo. De acuerdo con el sector, el stock puede liquidarse a través de promociones, canales especializados o simplemente la destrucción.
  • Almacenamiento en stock vs. Venta directa: decidir si un producto presenta una demanda suficiente como para justificar su compra, almacenamiento y venta posterior o bien si sería mejor que el producto se vendiera directamente a un tercero cuando se solicita. La venta directa de productos habitualmente genera menores márgenes, pero también hace incurrir en menores costos de almacenamiento. La decisión implica definir la lista exacta de productos que se almacenarán, al tiempo que se mantiene la diversidad del inventario global bajo control.
  • Recuento de stock dirigido: decidir si debería hacerse el recuento de una SKU debido a la imprecisión potencial del registro electrónico, que podría no coincidir con la cantidad de unidades que están realmente disponibles en anaquel. Esta decisión es un compromiso entre el costo de mano de obra 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 imprecisiones de inventario son mucho mayores en tiendas minoristas accesibles al público que en plantas o almacenes restringidos al personal.

Debería señalarse que cada sector tiene su propio conjunto de decisiones. Los ejemplos a continuación deberían considerarse más específicos de cada contexto que aquellos presentados anteriormente.

  • Surtido de tienda minorista: decidir la lista de productos exacta que estará presente en cada tienda minorista. A veces, el catálogo de productos completo puede exceder ampliamente la capacidad de una determina tienda; por lo tanto, cada tienda solo puede poner un subconjunto del catálogo en exhibición. 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 el de los productos de lujo, ya que la tienda generalmente no tendrá más que una unidad en stock de 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 que las entregas se realicen con algunos días de anticipación, una práctica que que crea el problema de enfrentarse a un desabastecimiento tardío de un producto fresco que ya ha sido pedido y que, por lo tanto, altera el pedido original del cliente. En esta situación, para el minorista podría ser una operación más rentable, y un mejor servicio para el cliente, sustituir un producto alternativo bien elegido.
  • Liquidación oportunista: decidir revender inventario, generalmente piezas reparables, que originalmente estaban destinadas al consumo interno. El stock de piezas reparables generalmente alterna entre los estados de utilizable e inutilizable, a medida que las piezas se ponen en servicio, se recuperan, se reparan y finalmente se vuelven a poner en servicio. En determinadas circunstancias, como una venta a pedido, el stock de piezas utilizables puede exceder ampliamente las necesidades de la empresa. En este caso, se opta por un compromiso entre la reventa de la pieza en el mercado de posventa, generalmente a un precio descontado, para recuperar una fracción del valor de inventario original o, como alternativa, el aumento del riesgo de no cumplir a tiempo con una solicitud de pieza futura a tiempo.
  • Mantenimiento de stock inutilizable: decidir si reparar inmediatamente una pieza inutilizable, pero reparable, o postergar la reparación y almacenar la pieza como inutilizable. Si bien reparar las piezas puede ser menos costoso que comprar piezas nuevas, puede que el stock actual de piezas utilizables sea suficiente para cubrir la demanda durante un período de tiempo prolongado. Por lo tanto, retrasar la reparación de la pieza es un compromiso entre aplazar los costos de reparación —con la posibilidad de no incurrir nunca en este costo si la demanda del mercado cambiara a piezas alternativas mientras tanto— o aumentar el riesgo de no cumplir a tiempo con una solicitud de pieza futura.
  • Abastecimiento oportunista: decidir cuándo vale la pena realizar una operación de abastecimiento para establecer un benchmark de precios para una determinada pieza. En algunos sectores, el precio de las piezas no es completamente claro. 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, existe un compromiso entre pagar por piezas más costosas e incurrir en los costos de mano de obra que implican las operaciones de abastecimiento.
  • Preservación de paquetes: decidir si vale la pena vender la última unidad de un determinado producto de manera independiente o si es mejor preservar esa unidad para una venta posterior como parte de un paquete. De hecho, existen situaciones en la 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. Suministrar la última pieza de manera individual, sin embargo, puede crear un problema de desabastecimiento para un paquete más grande e importante. Por lo tanto, existe un compromiso entre la ventaja de suministrar adecuadamente una pieza individual en el momento y la desventaja de enfrentarse posteriormente a una situación de desabastecimiento de un paquete que tendrá un mayor impacto.

Hasta que se formalizan como tales, las decisiones de cadena de suministro generalmente son tomadas de forma implícita, posiblemente por personas, pero también por sistemas de software. Por ejemplo, una configuración de inventario mín/máx está tomando varias decisiones implícitamente y no solo sobre la cantidad reordenada: mientras que el valor máx sea diferente de cero, el producto se mantendrá en el surtido. Además, ningún recuento de inventario tiene lugar antes de que se desencadene un reabastecimiento, que es otra decisión implícita, etc. Lamentablemente, debido a que no es posible optimizar lo que no se mide, es esta falta de formalización de las decisiones mismas la que generalmente no permite una mejora sistemática del rendimiento de la cadena de suministro obtenido a través de esas decisiones.

Artefactos numéricos vs. decisiones

Al enfrentarse a problemas de cadena de suministro complejos, los profesionales corren el riesgo de confundir los fines con los medios. Por ejemplo, ante una necesidad de reabastecimiento, el establecimiento de un pronóstico de demanda semanal asociado a una SKU es un mero ingrediente requerido por algunas, aunque no todas, las recetas numéricas disponibles para calcular la cantidad por reordenar. El pronóstico semanal es solo un cálculo intermedio, mientras que la cantidad ordenada es la decisión final. Desde el punto de vista de la cadena de suministro cuantitativa, nos referimos a esos cálculos intermedios con el nombre de artefactos numéricos. La cadena de suministro cuantitativa no desestima la importancia de los artefactos numéricos; no obstante, destaca también que esos artefactos son solo eso: expresiones numéricas transitorias y desechables que contribuyen al resultado final: las decisiones de cadena de suministro.

En cuanto a la optimización numérica, es una falacia pensar que la optimización de los artefactos numéricos con respecto a métricas matemáticas arbitrarias, por ej., pronósticos de demanda optimizados con respecto al WMAPE (el porcentaje de error absoluto medio ponderado), produce de modo un tanto mecánico rendimientos financieros. Si bien esto puede parecer ilógico, en la cadena de suministro generalmente no es así. Los problemas de la cadena de suministro son generalmente problemas altamente asimétricos. Por ejemplo, en el sector aeronáutico, una pieza faltante de USD 200 puede evitar el despegue de un avión de USD 200 millones. La cantidad de piezas que deben almacenarse en stock no necesariamente está impulsada de modo primario por la demanda esperada: el costo de la pieza comparado con el costo de no tenerla puede dominar completamente el proceso de toma de decisiones de almacenamiento.

Al contrario, la cadena de suministro cuantitativa enfatiza que, a fin de cuentas, solo las decisiones importan realmente, porque son los únicos elementos tangibles que tienen consecuencias financieras reales y medibles sobre la empresa. Por lo tanto, si bien es primordial cuestionar el rendimiento de las decisiones, la dirección de la cadena de suministro también debería tener una dosis saludable de escepticismo con respecto a los KPI que aplica a resultados numéricos no vinculantes y pasajeros, como los pronósticos de demanda semanales o mensuales.

Decisiones limitadas, entre realidad y ficción

Las decisiones de cadena de suministro generalmente están vinculadas a limitaciones: las respuestas solo son válidas si satisfacen un conjunto de limitaciones numéricas. Por ejemplo, los pedidos de compra pueden estar sujetos a MOQ (cantidades de orden mínima), que representan una limitación no lineal. Además, el almacén tiene un capacidad de almacenamiento finita, otra limitación no lineal.

A menudo, las limitaciones son generadas por impulsores económicos básicos asociados con las operaciones de cadena de suministro: teniendo en cuenta el precio de producto actual, la distribución de un producto solo puede ser económicamente viable si los productos se venden empaquetados por palets y, por lo tanto, el producto solo puede venderse con una dimensión de lote de, digamos, 50 unidades, que representan el palet cargado.

Sin embargo, también sucede que las limitaciones pueden ser el resultado de reglas organizativas arbitrarias. Por ejemplo, una empresa podría haber decidido que el presupuesto de compra anual de una división tendría un límite de USD 1 millón. Esta limitación de presupuesto se establece mucho antes de que se conozcan realmente las ventas de la división. En una situación así, se espera que las decisiones de compra cumplan con una limitación no lineal que es el resultado de un proceso de presupuesto relativamente arbitrario.

La cadena de suministro cuantitativa intenta reflejar en la mayor medida posible las limitaciones reales de la cadena de suministro, al tiempo que permite que organizaciones más nuevas y posiblemente revisadas puedan operar sin los grilletes que imponían aspectos arbitrarios de procesos anteriores. De hecho, en la cadena de suministro, la mayoría de las limitaciones arbitrarias son el resultado de una falta de automatización: si no es posible recalcular a diario el presupuesto óptimo por división de modo fiable teniendo en cuenta todas las cuestiones transversales relacionadas con la empresa, es natural valerse, en cambio, de un presupuesto anual o trimestral.

Las decisiones requieren priorización y coordinación

Casi todas las decisiones de cadena de suministro son interdependientes: cada unidad adicional que se compra a un proveedor ocupará espacio adicional en el almacén, hasta que este esté lleno, y las operaciones deban detenerse. Esas dependencias generalmente son indirectas y difícil de afrontar desde un punto de vista numérico, pero esto no las hace menos importantes desde un punto de vista de cadena de suministro e incluso estratégico. Si el nivel de servicio global es del 99 %, algo muy positivo, pero el cliente más importante padece un nivel de servicio del 85 % debido a que los desabastecimientos se concentran en grupos de productos que ese cliente compra, la empresa corre serio peligro de perder a su cliente más importante.

La priorización de las decisiones generalmente es el método más directo para aprovechar al máximo los recursos compartidos, pero limitados, dentro de la cadena de suministro. Por ejemplo, debido a que tanto la capacidad de almacenamiento como el capital circulante son limitados, el objetivo no es solo comprar una unidad adicional de stock que resulta ser rentable, sino identificar la siguiente unidad de stock que resultará ser la más rentable de 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, la priorización requiere cambiar de modo significativo el software analítico que respalda a la cadena de suministro. En lugar de tratar cada decisión de forma aislada, como sucede con los métodos de cadena de suministro primitivos, por ejemplo, el inventario máx/mín, todas las decisiones deben reunirse y clasificarse con respecto a su rentabilidad estimada. Este proceso es posible con las soluciones de software modernas, pero requiere recursos informáticos considerables en comparación con los métodos de cadena de suministro antiguos.

La coordinación de decisiones es necesaria para gestionar todas las limitaciones transversales relativas a las operaciones de cadena de suministro. Por ejemplo, al pedir productos a un proveedor extranjero, podría haber un incentivo económico importante para pedir un contenedor completo. Por lo tanto, el desafío no es tanto la elección de las cantidades por producto, sino la elección de cantidades que, agregadas, aprovechen al máximo la capacidad del contenedor. Las limitaciones transversales se encuentran por todas partes en la cadena de suministro: ajustar el surtido de una nueva colección de moda, asegurar un alto nivel de servicio a aquellos clientes que buscan una lista de productos en una tienda de bricolaje, no agotar un almacén central mediante pedidos sobredimensionados de una tienda en detrimento de otras tiendas, etc.

El modo tradicional y altamente ineficiente de afrontar estas cuestiones de coordinación consiste en realizar un cálculo de dos pasos que, en primer lugar, ignora la cuestión de la coordinación y, en segundo lugar, revisa el resultado numérico inicial para que se adecue a la cuestión. En cuanto al ejemplo del contenedor citado anteriormente, en primer lugar, podemos calcular las cantidades deseables por ordenar, ignorando la cuestión del contenedor por completo; luego, podemos revisar esas cantidades de modo que el agregado se adecue realmente al contenedor. La principal debilidad de un cálculo de dos pasos de este tipo es que el segundo paso ignora completamente los impulsores económicos que se consideraron en el cálculo del primer paso. Dicho de otro modo, la revisión de los resultados durante el segundo paso puede deshacer todos los esfuerzos que se invirtieron en calcular decisiones rentables en el primer paso. Los softwares modernos enfrentan estas situaciones introduciendo solvers numéricos, que pueden abordar directamente estas limitaciones transversales. Una vez más, estos solvers son mucho más demandantes en términos de recursos informáticos que sus ingenuos compañeros de dos pasos, pero, de nuevo, considerando que los recursos informático en general están disponibles actualmente, esto no es un problema.