Un enfoque numérico de DDMRP

Joannes Vermorel

DDMRP significa Demand Driven Material Requirements Planning. En los últimos años, la popularidad de DDMRP ha ido en aumento en ciertas industrias, ocupando el nicho que solían ocupar la “manufactura ajustada” o “six sigma”. Sin embargo, ¿qué se puede esperar realmente de DDMRP y cuánta novedad aporta en cuanto a la optimización de la cadena de suministro?

Para abordar esta pregunta, revisemos DDMRP desde una perspectiva numérica, es decir, considerando DDMRP como un conjunto de recetas numéricas¹ para ofrecer una optimización de rendimiento medible en una cadena de suministro determinada. De hecho, dado que todos los beneficios presentados por los autores de DDMRP son objetivos cuantificados (por ejemplo, lograr un rendimiento de tasa de llenado a tiempo del 97-100%²), parece justo adoptar una postura numérica para evaluar los méritos de este enfoque.

Los autores de DDMRP afirman que este enfoque aporta cuatro innovaciones clave a la optimización de la cadena de suministro, a saber:

• desacoplar los tiempos de entrega³
• la ecuación de flujo neto⁴
• las explosiones desacopladas⁵
• la prioridad relativa⁶

Saltando a conclusiones, la revisión detallada de cada uno de estos puntos, que se realiza con mayor detalle a continuación, indica que hay muy poco fundamento en las audaces afirmaciones de DDMRP. Las recetas numéricas propuestas por DDMRP ni siquiera se considerarían de vanguardia a finales de la década de 1950, ya que el incipiente campo de la investigación de operaciones ya había descubierto estrategias de optimización numérica sin duda más sofisticadas y mejores en ese momento.

Las mejoras que se afirma lograr DDMRP comienzan con una línea de base incorrecta: los MRPs, al igual que los ERP, generalmente no ofrecen capacidades de optimización numérica⁷. Sus sistemas de bases de datos relacionales subyacentes simplemente no son adecuados para realizar cargas de trabajo de procesamiento de datos de gran tamaño, incluso al considerar hardware informático moderno[^computing]. Por lo tanto, a pesar del discurso de muchos proveedores de software empresarial que operan en el lado transaccional del problema, es incorrecto tomar los MRPs como una línea de base en lo que respecta a la optimización de la cadena de suministro.

Desacoplar los tiempos de entrega

Los MRPs, al basarse en bases de datos relacionales (SQL) y estar firmemente arraigados en el ámbito del software de gestión de activos, tienen capacidades de procesamiento de datos muy limitadas o nulas. Como consecuencia, no sorprende que el análisis de los tiempos de entrega no sea el punto fuerte de estas soluciones. Al considerar el gráfico de requisitos generado por las listas de materiales, muchos MRP solo ofrecerían dos análisis de tiempos de entrega extremadamente simplistas, a saber:

• tiempo de fabricación, que es excesivamente optimista y asume que el inventario siempre está disponible en todas partes, subestimando en gran medida los tiempos de entrega.
• tiempos de entrega acumulativos, que son excesivamente pesimistas y asumen que siempre faltará inventario en todas partes, sobreestimando en gran medida los tiempos de entrega.

DDMRP propone remediar esta situación utilizando un esquema de coloreo de gráficos binarios donde ciertos nodos del gráfico, cada uno asociado a un producto o una parte, se promueven como “puntos de desacoplamiento”. Se asume entonces que estos nodos siempre tienen inventario disponible para el servicio, y la metodología de DDMRP se asegura de que así sea.

Una vez que se eligen los puntos de desacoplamiento, elección que realiza manualmente el profesional de la cadena de suministro, los cálculos de los tiempos de entrega se pueden realizar con un método que alterna entre los dos métodos de cálculo mencionados anteriormente, dependiendo del “color” de cada nodo. Con una selección cuidadosa de los puntos de desacoplamiento, los valores de los tiempos de entrega pueden reducirse en gran medida.

Hay tres críticas principales a este enfoque.

• la reducción de los tiempos de entrega es principalmente un artefacto de los cálculos causados por una definición revisada. El sistema de la cadena de suministro, en su conjunto, todavía tiene una inercia similar en el contexto de un mercado en constante cambio. De hecho, en lugar de tener la inercia del sistema reflejada directamente por el tiempo de entrega, ahora la inercia del sistema está oculta a través de los buffers mantenidos en los puntos de desacoplamiento. Los tiempos de entrega pueden haber disminuido, pero la inercia del sistema no lo ha hecho.
• confiar en las entradas humanas para ajustar un proceso de optimización numérica no es una propuesta razonable considerando el costo de los recursos informáticos modernos. Ajustar los meta-parámetros puede ser aceptable, pero no la intervención detallada en cada nodo del gráfico. En particular, mi propia observación casual de las cadenas de suministro modernas es que la necesidad de entradas humanas es uno de los mayores factores detrás de la inercia del sistema en su conjunto. Agregar otra capa de ajuste manual, la elección de los puntos de desacoplamiento, no es una mejora en este sentido.
• aunque se podría argumentar que las estimaciones de los tiempos de entrega de DDMRP podrían ser “mejores” que los números brutos proporcionados por el MRP, la línea de base es increíblemente ingenua. Incluso los métodos básicos de Monte Carlo, introducidos por Nicholas Metropolis en 1947, superan a todos esos métodos en cuanto a la estimación de los tiempos de entrega, incluido DDMRP.

En conclusión, los tiempos de entrega desacoplados apenas califican como innovadores y dan una falsa sensación de compresión de los tiempos de entrega mientras entierran la inercia del sistema de la cadena de suministro bajo un esquema de coloreo de gráficos.

La ecuación del flujo neto

Para abordar el problema de la generación de órdenes de suministro, DDMRP introdujo un concepto fundamental de “flujo neto”. La ecuación del flujo neto se presenta en DDMRP de la siguiente manera:

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

Esta cantidad se puede interpretar como la cantidad de stock disponible para abordar la parte “incierta” de la demanda. A través de los “flujos netos”, DDMRP enfatiza que solo la porción incierta de la demanda requiere algún tipo de análisis estadístico. Lidiar con la demanda futura que ya se conoce es simplemente una cuestión de adherencia a un plan de ejecución determinista.

El cálculo del flujo neto es una combinación simple de tres variables de SKU (unidad de mantenimiento de inventario) no triviales pero ampliamente utilizadas. La mayor parte de la complejidad real está oculta en esas variables, que pueden ser menos inocuas de lo que parecen:

• el stock en existencia está sujeto a inexactitudes del inventario
• el stock en orden está sujeto a tiempos de entrega variables
• muchas tonalidades de gris al precisar los pedidos de venta “calificados” vs los “no calificados”

En cualquier caso, es difícil afirmar que hay mucha novedad al introducir lo que podría considerarse una combinación trivial de variables ampliamente utilizadas en los sistemas de la cadena de suministro. Además, DDMRP no descubre ninguna propiedad oculta / desconocida / no obvia de la expresión “flujo neto”.

Los algoritmos sofisticados para pronosticar bajo dependencias parcialmente conocidas se conocen desde hace varias décadas, con publicaciones que se remontan a principios de la década de 1990⁸; con un grado de refinamiento que va mucho más allá de las recetas numéricas presentadas en DDMRP.

Explosión desacoplada

El término “explosión desacoplada” acuñado por los autores de DDMRP es la consecuencia directa del esquema de coloreado de gráficos binarios introducido en la primera sección anterior: las listas de materiales (BOM) no se enumeran recursivamente más allá de cualquier nodo coloreado como un “punto de desacoplamiento”. Considerando el tratamiento aplicado tanto a los tiempos de entrega como a las listas de materiales, vemos que DDMRP utiliza los “puntos de desacoplamiento” como límites de partición del gráfico de la cadena de suministro más grande.

Este esquema de particionamiento de gráficos es algo similar a lo que comúnmente se conoce como un algoritmo de “divide y vencerás” que se remonta al trabajo de John von Neumann en 1945. Sin embargo, las recetas numéricas de DDMRP carecen de la segunda parte de los enfoques algorítmicos de “divide y vencerás”, que es la recombinación de las sub-soluciones en una solución más eficiente para el problema en su conjunto. DDMRP divide el gráfico de la cadena de suministro, resolviendo cada subgráfico con métodos “clásicos” de MRP, y se detiene allí. No se produce ninguna optimización numérica a nivel del sistema más allá de la optimización local realizada en cada subgráfico.

Por lo tanto, la crítica principal de estas explosiones desacopladas es que, por diseño, completan la partición de los gráficos de la cadena de suministro en subgráficos independientes, y mediante este proceso mismo establecen un límite estricto en la optimización que se puede lograr para el sistema de la cadena de suministro en su conjunto; precisamente porque no puede haber ningún tipo de acoplamiento entre los elementos de la partición.

Este aspecto puede parecer contraintuitivo para un no especialista, pero desde la perspectiva de la optimización numérica, una partición estática de un sistema es simplemente una reducción de los grados de libertad disponibles para el proceso de optimización, y por lo tanto una reducción de la capacidad del proceso de optimización para encontrar una solución mejor.

Prioridad relativa

La suposición clave detrás de los puntos de desacoplamiento en DDMRP es que siempre hay stock disponible para esos SKU. Sin embargo, dado que las fluctuaciones aleatorias de la demanda o el tiempo de entrega ocurren, el sistema de la cadena de suministro bajo DDMRP puede desviarse de esta suposición. Por lo tanto, DDMRP establece que las decisiones de la cadena de suministro (por ejemplo, órdenes de compra o órdenes de fabricación) deben priorizarse según su capacidad relativa para devolver el sistema a un estado en el que se cumplan las suposiciones originales.

Hay dos críticas principales al esquema de priorización propuesto por DDMRP. En primer lugar, la priorización se enfoca hacia adentro dentro del sistema de la cadena de suministro en lugar de mirar hacia afuera. En segundo lugar, la priorización es unidimensional y, por lo tanto, no puede abordar la mayoría de los escenarios no triviales más allá del caso uniforme hacia adelante.

El sistema de la cadena de suministro existe para servir a intereses externos (exógenos). 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 los porcentajes de error en comparación con objetivos arbitrarios. De hecho, la priorización definida por DDMRP se enfoca hacia adentro: dirige el sistema de la cadena de suministro hacia un estado que sea 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.

Entonces, el esquema de priorización propuesto por DDMRP es fundamentalmente unidimensional: el cumplimiento de sus propios objetivos de stock (el buffer). 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 podría colocar 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 inminente faltante de stock. 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 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, si bien DDMRP es correcto al afirmar que la priorización es un enfoque más flexible en comparación con los enfoques binarios de todo o nada implementados por los MRP “clásicos”, el esquema de priorización propuesto por DDMRP en sí es bastante débil. Nuevamente, los MRP no deben usarse como referencia para evaluar el mérito de una receta de optimización numérica de la cadena de suministro.

Conclusiones

Las cuatro innovaciones clave de DDMRP, identificadas como tales por los autores de DDMRP, resultan ser débiles en cuanto a la optimización numérica y están desactualizadas por varias décadas considerando la historia de la optimización numérica y la investigación de operaciones.

Se sacan muchas conclusiones incorrectas sobre la falsa premisa de que los MRP son una referencia relevante para fines de optimización de la cadena de suministro; es decir, mejorar los MRP es una mejora en la optimización de la cadena de suministro. Sin embargo, los MRP, al igual que todos los sistemas de software diseñados centralmente en torno a bases de datos relacionales, simplemente no son adecuados para desafíos de optimización numérica.

Los fabricantes que se enfrentan a las limitaciones de su MRP no deben buscar mejoras incrementales en el propio MRP, ya que la optimización numérica está fundamentalmente en conflicto 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.

Referencias