Tiempo de entrega

learn menu
Por Joannes Vermorel, octubre de 2020

Un tiempo de entrega es el retraso entre el inicio y la finalización de un proceso. En las cadenas de suministro, siempre que se compran, transforman o prestan servicios a bienes, se involucran tiempos de entrega generalmente medidos en días. Desde un punto de vista de planificación, los tiempos de entrega importan porque implican que la mayoría de las decisiones rutinarias deben tomarse con anticipación para lograr el efecto deseado, como mantener la calidad del servicio. La necesidad de pronóstico de la demanda también suele surgir de la existencia de tiempos de entrega, ya que la adecuación de una decisión, como un reabastecimiento de inventario, depende de eventos futuros desconocidos que afectarán la cadena de suministro durante la duración del tiempo de entrega.

caracol con una mochila a reacción

Causas y consecuencias de los tiempos de entrega

Los tiempos de entrega dan forma a gran parte de cómo opera la cadena de suministro y a la mayoría de sus elementos financieros, como el capital de trabajo requerido y el retorno del capital empleado (ROCE). De hecho, los tiempos de entrega más largos implican que lleva más tiempo completar un ciclo de inventario en el que se compran materiales o productos, posiblemente se transforman y se venden nuevamente.

Los tiempos de entrega más largos implican mecánicamente mayores compromisos de stock, incluso cuando los niveles de stock en existencia parecen ser bajos. Por ejemplo, si una empresa en Europa ordena bienes de Asia para que se entreguen en contenedores, a partir de la fecha en que se pasa la orden de compra, la empresa está comprometida a vender o consumir los bienes. Sin embargo, en esta situación, generalmente pasarán más de 6 semanas para que los niveles de existencias en Europa reflejen este compromiso.

Además, los tiempos de entrega más largos aumentan la dependencia de los pronósticos. Al revisar el ejemplo anterior, la empresa no puede simplemente pasar una orden de compra basada en sus necesidades actuales; para cuando se entregue el pedido, la situación habrá evolucionado. Los niveles de stock actuales se habrán reducido aún más debido al consumo continuo y la demanda probablemente habrá cambiado, aunque sea debido a la estacionalidad.

Los tiempos de entrega representan un límite inferior de la agilidad máxima que una empresa puede lograr. Como regla general, si las condiciones del mercado cambian bruscamente, la empresa sigue comprometida con sus decisiones pasadas durante aproximadamente la duración de los tiempos de entrega. Hay varias formas de mitigar estos efectos, comenzando con los términos contractuales con los proveedores. Sin embargo, los riesgos subyacentes rara vez se pueden eliminar y simplemente se desplazan dentro de la cadena de suministro.

Teniendo en cuenta todos los impactos negativos de los tiempos de entrega más largos, uno puede preguntarse por qué las empresas optan con frecuencia por lo que parece ser tiempos de entrega (subjetivamente) largos. Resulta que hay múltiples factores económicos que inclinan la balanza a favor de los tiempos de entrega más largos.

La especialización está impulsando tiempos de entrega más largos: algunos países tienen industrias bastante únicas1 que son difíciles o costosas de replicar localmente. Estas industrias concentradas históricamente surgieron principalmente debido a materiales de alto valor, que eran fáciles de transportar. Sin embargo, incluso si los aviones pueden llegar a cualquier punto del mundo en menos de 24 horas, las aduanas y los procesos tienden a aumentar sustancialmente los tiempos de entrega reales al considerar proveedores en el extranjero.

Las economías de escala también se inclinan hacia tiempos de entrega más largos. Al aumentar los tamaños de lote (frecuentemente materializados como MOQs), los fabricantes o transportistas pueden reducir sus costos. Sin embargo, a medida que las cantidades de lotes se vuelven más grandes, el número de lotes también disminuye y, por lo tanto, es menos frecuente, con todas las demás cosas siendo iguales, especialmente la demanda. Sin embargo, las industrias no son igualmente susceptibles a las economías de escala, que tienden a estabilizarse dependiendo de la tecnología aplicable.

Reduciendo los cuantiles altos

Si bien un tiempo de entrega puede mejorarse reduciendo su duración promedio, generalmente son las mejoras en los casos más extremos, es decir, las situaciones más largas, las que importan más. En las cadenas de suministro, los mayores problemas, medidos en dólares de impacto, tienden a concentrarse en la cola: son los tiempos de entrega inesperadamente altos los que causan faltantes de stock o interrupciones en la producción, no los pequeños obstáculos.

Una de las formas más simples de evaluar esos escenarios de peor caso consiste en utilizar medidas de cuantil. Por ejemplo, si se dice que un proveedor tiene un tiempo de entrega de 7 días para el cuantil del 95%, significa que el 95% de los pedidos pasados a este proveedor se entregan en menos de 7 días. Esos cuantiles “altos”, es decir, cercanos al 100%, pueden divergir sustancialmente del tiempo de entrega promedio. El mismo proveedor podría entregar en promedio en 2 días, que es menos de un tercio de su estimación de cuantil alto para el mismo tiempo de entrega.

Para evitar estos problemas de calidad de servicio, todos los buffers de inventario dentro de la cadena de suministro, sin importar la metodología utilizada, tienden a crecer linealmente, no con el promedio del tiempo de entrega, sino con algún cuantil alto del tiempo de entrega. De hecho, los buffers de inventario existen precisamente para acomodar las variaciones de las condiciones de la cadena de suministro. Los dos factores dominantes detrás de las variaciones inesperadas que afectan la cadena de suministro tienden a ser: la demanda variable y el tiempo de entrega variable.

Diversidad de los tiempos de entrega

El tiempo de entrega total desde las órdenes de compra originales de los proveedores hasta las entregas a los clientes generalmente se puede descomponer en muchos, posiblemente docenas, de pasos intermedios. Con el fin de reducir el valor del tiempo de entrega o su variabilidad, generalmente es efectivo descomponer este tiempo de entrega total en sus subcomponentes notables, que son más simples de analizar y mejorar.

Por ejemplo, un mayorista que distribuye productos de proveedores en el extranjero puede enfrentar:

  • Un tiempo de entrega de pedido, causado por el proceso de compra semanal del mayorista en sí.
  • Un tiempo de entrega de oportunidad, causado por las MOQs impuestas por los proveedores.
  • Un tiempo de entrega de fabricación, requerido por los proveedores para cumplir con la orden de compra.
  • Un tiempo de entrega de transporte, requerido por la empresa de transporte.
  • Un tiempo de entrega administrativo, para pasar por la aduana.
  • Un tiempo de entrega de recepción, para inventariar y controlar la calidad por parte del mayorista.
  • Un tiempo de entrega de expedición, requerido por el centro de distribución para cumplir con los pedidos de los clientes.
  • Un tiempo de entrega de última milla, requerido por un transportista para realizar la entrega al cliente.

Para cada operación, generalmente es de interés reducir tanto el retraso promedio como la varianza del retraso.

Hacer un seguimiento de todas estas operaciones implica mucho trabajo administrativo, que puede ser aliviado masivamente a través de sistemas informáticos modernos mediante códigos de barras y/o RFIDs. Los registros electrónicos se suelen almacenar en los sistemas informáticos de la(s) empresa(s) involucrada(s). Los beneficios se extienden mucho más allá de la optimización de los tiempos de entrega, ya que estos sistemas aseguran la trazabilidad de los bienes y, hasta cierto punto, previenen la disminución del inventario.

Hasta finales de la década de 1990, almacenar y procesar todos esos registros solía requerir recursos informáticos costosos, por lo tanto, no siempre era económicamente factible adquirir y mucho menos preservar todos los registros minuciosos generados por el flujo de bienes físicos dentro de una cadena de suministro. Sin embargo, desde principios de la década de 2010, los costos de almacenamiento de datos y computación han caído por debajo del punto en el que los recursos informáticos en bruto apenas importan cuando se trata de flujos físicos. Sin embargo, los costos informáticos, especialmente las integraciones de sistemas, pueden impedir la adquisición de esos registros electrónicos.

Con el fin de mejorar los tiempos de entrega, y así reducir típicamente sus cuantiles altos como se discutió anteriormente, se necesitan mediciones. Las mediciones de tiempo de entrega detalladas son muy útiles cuando se trata de análisis de causa raíz. De hecho, dado que las operaciones varían mucho de un paso a otro, la naturaleza de las mejoras realizadas tiende a variar mucho también.

Tiempo de entrega de pedido

El tiempo de entrega de pedido generalmente se refiere al tiempo que transcurre entre el pedido del cliente y la entrega de los bienes. Esta duración es notable porque es el “sabor” de tiempo de entrega al que el público en general, a diferencia de los especialistas en cadena de suministro, está más acostumbrado. En muchas industrias más allá del comercio electrónico B2C, el tiempo de entrega del pedido está estrechamente relacionado con la calidad del servicio. En particular, la falta de stock tiende a ser el factor dominante que impulsa tiempos de entrega de pedidos anormalmente largos.

Parte del desafío para mejorar los tiempos de entrega de los pedidos no consiste en acortar los propios tiempos de entrega, sino en establecer las expectativas correctas de los clientes con respecto a la fecha de entrega. En particular, varias grandes empresas de comercio electrónico parecen haber adoptado durante más de una década el enfoque de compartir una estimación de pronóstico de cuantil del tiempo de entrega del pedido, que actúa como un límite superior probable del retraso. El sesgo en la estimación del retraso se introduce a propósito para minimizar la frecuencia de las situaciones en las que los bienes no se entregan a tiempo.

Pronóstico de los tiempos de entrega

La adecuada anticipación de los futuros tiempos de entrega es un ingrediente esencial para la optimización de una cadena de suministro. Al igual que la demanda, los tiempos de entrega pueden y deben pronosticarse, utilizando típicamente los datos históricos existentes siempre que sean relevantes.

Si bien el pronóstico de los tiempos de entrega no es (todavía) una práctica generalizada entre los equipos de planificación de “demanda”, debe tenerse en cuenta que la mayoría de las ciclicidades que se aplican a la demanda también se aplican a los tiempos de entrega. Por ejemplo, los tiempos de entrega tienden a exhibir estacionalidad, efectos del día del mes y del día de la semana. Los tiempos de entrega cambian con el tiempo. Por ejemplo, un proveedor puede revisar sus propios procesos para reducir los tiempos de entrega o aumentarlos para reducir sus costos. También importa la cuasi-estacionalidad, con eventos como el Año Nuevo chino, que infla periódicamente los tiempos de entrega, ya que muchas fábricas están cerradas en Asia durante este período.

Se deben favorecer los pronósticos probabilísticos para los tiempos de entrega, porque como se mencionó anteriormente, son los cuantiles altos los que impulsan las implicaciones económicas de los tiempos de entrega. Los costos y problemas se concentran en la cola de la distribución. Sin embargo, debemos señalar de inmediato que las distribuciones normales (Gaussianas) no deben usarse para los tiempos de entrega. Como regla general, los tiempos de entrega nunca siguen una distribución normal y aprovechar dicho modelo conduce a una subestimación vasta de los cuantiles altos, lo que a su vez es la receta para generar un flujo continuo de problemas de servicio.

Los tiempos de entrega se pueden modelar de manera más adecuada como distribuciones multimodales que reflejan el sistema físico subyacente. Por ejemplo, al activar una línea de producción, los tiempos de entrega de producción tienden a ser altamente predecibles, excepto si falta uno de los materiales primarios, en cuyo caso el tiempo de entrega de fabricación puede ser considerablemente más largo. Por lo tanto, la modelización práctica de la distribución de probabilidad involucra típicamente una mezcla de distribuciones discretas y paramétricas.

Se espera que el pronóstico probabilístico del tiempo de entrega produzca una variable aleatoria discreta para cada fase interna. Frecuentemente, es razonable asumir que esas fases internas son estadísticamente independientes (por ejemplo, el retraso impuesto por la aduana es estrictamente independiente del retraso de fabricación). En esos casos, las variables aleatorias se pueden sumar de manera canónica, lo que implica técnicamente una operación de convolución realizada sobre las distribuciones subyacentes.

Modalidades controladas

Si bien el modelo de pronóstico probabilístico adecuado para los tiempos de entrega suele ser multimodal, hay ciertas modalidades que requieren un tratamiento específico si hay un grado de control involucrado, en lugar de observaciones pasivas. Por ejemplo, si es posible solicitar un envío aéreo o un envío marítimo a un proveedor, los dos modos de transporte no deben agruparse desde una perspectiva de pronóstico. Hay un grado de control involucrado. Cada modo de transporte tiene su propia variabilidad y, por lo tanto, se requieren dos pronósticos distintos.

Acoplamiento de la demanda

A medida que las capacidades de producción son limitadas cuando la demanda aumenta, el tiempo de entrega de fabricación tiende a aumentar también. Este acoplamiento entre la demanda y el tiempo de entrega impacta negativamente la calidad del servicio, ya que disminuye la capacidad de la empresa para mitigar un aumento repentino de la demanda a través de órdenes de compra o fabricación adicionales, precisamente debido al tiempo de entrega adicional involucrado. Por lo tanto, puede ser relevante tener un modelo predictivo conjunto tanto de la demanda como del tiempo de entrega, ya que los buffers de inventario requeridos dependen de estos dos factores.

Sin embargo, al considerar unidades de fabricación que tienen suficiente flexibilidad para (re)organizar sus colas de trabajo, los tiempos de entrega observados dependen en gran medida de la priorización dada a cada trabajo específico. Por lo tanto, la modelización adecuada del tiempo de entrega predictivo debe tener en cuenta el aspecto de la cola del problema, ya que los tiempos de entrega pueden variar drásticamente dependiendo de las elecciones arbitrarias de priorización. Este grado adicional de control se puede aprovechar para mitigar el impacto de un aumento repentino de la demanda.

Demanda de tiempo de entrega

La demanda de tiempo de entrega presenta la cantidad de artículos que se deben atender durante la duración del tiempo de entrega. Este valor es de particular interés porque, para evitar faltantes de stock, el stock total (suma del stock disponible más el stock en pedido) debe permanecer por encima de la demanda de tiempo de entrega en todo momento. Cuando el stock total cae por debajo del tiempo de entrega, se garantiza un faltante de stock.

Suponiendo que se pueden producir pronósticos probabilísticos tanto para la demanda futura como para el tiempo de entrega futuro, es posible calcular estimaciones de cuantiles (altos) de la demanda de tiempo de entrega, según se define por:

$$Q{\text{DemandaDeTiempoDeEntrega}}(\tau,y,L)=Q_\tau\left[\sum\limits_{{t=1}}^{{L_ \omega}} y_ \omega(t)\right]_{\omega \in \Omega}$$

Donde:

  • $${0≤τ≤1}$$ es el objetivo de la estimación de cuantil
  • $${y}$$ es la demanda, que varía con el tiempo
  • $${L}$$ es el tiempo de entrega
  • $${Qτ[..]}$$ es el cuantil de la función interna de valores reales
  • $${Ω}$$ es el conjunto de posibles resultados
  • $${t}$$ es el tiempo, siendo 1 el primer período futuro
  • $${y_ω}$$ es la demanda asociada al resultado $${ω}$$
  • $${L_ω}$$ es el tiempo de entrega asociado al resultado $${ω}$$

Esta estimación de cuantil de la demanda de tiempo de entrega es de interés cuando se intenta mantener un nivel de servicio objetivo. Suponiendo un modelo de inventario simple de un solo SKU, un solo proveedor y sin cantidad mínima de pedido, entonces la cantidad a reponer en cualquier momento se puede definir mediante la fórmula:

$${CantidadReorden(τ)=max(0,QDemandaDeTiempoDeEntrega(τ)−EnMano−EnPedido)}$$

Donde:

  • $${EnMano}$$ es el stock disponible
  • $${EnPedido}$$ es el stock en pedido

Esta fórmula asume implícitamente que no se pierde demanda cuando hay faltante de stock. Esta suposición no es razonable en muchas situaciones, por ejemplo, en el comercio minorista de consumo, donde típicamente los clientes renuncian, eligen un sustituto o eligen a un competidor en lugar de simplemente posponer su consumo. Para eliminar esta suposición, es necesario modelar explícitamente el impacto de la demanda perdida. Esto es particularmente importante cuando la demanda es altamente estacional, ya que los productos que se vuelven disponibles después del pico estacional pueden permanecer sin vender o sin usar durante un largo período de tiempo.

Retroalimentación impulsada por el tiempo de entrega

El tiempo de entrega puede verse como un factor de entrada para calcular el reabastecimiento, como se detalla en la sección anterior. Sin embargo, el tiempo de entrega en sí mismo depende del programa de pedidos (o producción). Además, el programa en sí mismo generalmente está destinado a ser adecuado para lograr economías de escala esperadas al alcanzar la cantidad económica de pedido deseada (EOQ, por sus siglas en inglés), la cantidad mínima de pedido (MOQ, por sus siglas en inglés) o el tamaño nominal del lote de producción.

Por lo tanto, los profesionales de la cadena de suministro se enfrentan con frecuencia a un bucle de retroalimentación entre la decisión que debe tomarse hoy (reabastecimiento y pedidos) y el momento en que se espera que esta decisión se repita en el futuro. En palabras más simples, la cantidad a pedir hoy depende de la fecha del próximo reorden: un reorden posterior significa que se requiere una cantidad mayor. Sin embargo, la fecha del próximo reorden también está influenciada por el reorden del día actual: un reorden inmediato mayor significa una fecha posterior para el próximo reorden.

Como la modelización explícita y la optimización numérica de este bucle de retroalimentación son complejas, los profesionales de la cadena de suministro suelen establecer un programa aproximado (por ejemplo, un pedido por semana, por mes), en línea con las cantidades objetivo para lograr el tamaño de pedido deseado (es decir, el EOQ, MOQ o tamaño de lote). Se asume que este programa es rígido, permitiendo que las cantidades de reorden varíen según sea necesario. Sin embargo, el enfoque de programa fijo introduce ineficiencias por diseño, ya que la cadena de suministro no aprovecha todos sus grados de libertad.

Se pueden diseñar mejores soluciones numéricas para abordar nativamente este ángulo del bucle de retroalimentación. Los algoritmos involucrados en esas soluciones generalmente se engloban dentro del aprendizaje por refuerzo. Sin embargo, detallar esos algoritmos está más allá del alcance del presente documento.

Problemas específicos de cada sector

Los tiempos de entrega varían y la perspectiva adecuada típicamente varía junto con el sector considerado. En la siguiente sección, revisaremos algunos sectores que presentan desafíos específicos notables relacionados con los tiempos de entrega.

Vida útil de los alimentos frescos

Los alimentos frescos son altamente perecederos y, como resultado, tienen una vida útil corta. Acortar los tiempos de entrega es típicamente crítico para preservar el valor de mercado de los productos que se exhibirán tanto como sea posible. Por lo tanto, al equilibrar las opciones (empaque, transporte) que impactan los tiempos de entrega, esas opciones influyen no solo en la calidad del servicio, sino también con frecuencia en los ingresos esperados y los desperdicios esperados que generará la cadena de suministro en su conjunto.

Además, las marcas o distribuidores suelen enfrentar múltiples opciones de abastecimiento con distintos compromisos entre los tiempos de entrega y la vida útil. Por ejemplo, una marca puede comprar directamente al productor, lo que implica un largo tiempo de entrega pero, al recibir los productos, una alta vida útil; o la marca puede comprar a un mayorista, lo que implica un tiempo de entrega corto, pero la recepción de productos con una vida útil corta. En estas situaciones, una optimización adecuada de la cadena de suministro equilibra las dos opciones, lo que a su vez requiere un análisis predictivo de los respectivos tiempos de entrega y vida útil.

Tiempo de respuesta (TAT) para MROs

Los MROs (Mantenimiento, Reparación y Revisión) gestionan componentes reparables. Para que se produzca un cambio de componente, debe haber un componente en condiciones de servicio disponible mientras el componente desmontado no sea utilizable hasta que se repare. El retraso total desde la solicitud de cambio de componente hasta la disponibilidad renovada de la unidad en condiciones de servicio se denomina tiempo de respuesta.

El stock de componentes que mantiene el MRO depende directamente del TAT. De hecho, si el MRO tuviera la capacidad (teórica) de reparar instantáneamente un componente no utilizable, no habría necesidad de stock. Como resultado, la previsión y optimización de los tiempos de entrega tienden a ser aún más críticas que la previsión de la demanda, en lo que respecta a los MROs.

El énfasis en el análisis del TAT (en lugar del análisis de la demanda) se ve agravado típicamente por la naturaleza de las “reparaciones no programadas”, que se deben precisamente a fallas que implican cierto grado de incertidumbre irreducible para realizar los procesos físicos subyacentes, es decir, si hubiera una manera de abordar el problema de manera proactiva, entonces los diagnósticos convertirían esas operaciones en “reparaciones programadas”.

Logística inversa para el comercio electrónico

La mayoría de los comercios electrónicos de consumo en la mayoría de los países ofrecen hoy en día la posibilidad de devolver los productos si al consumidor no le gusta lo que ha recibido. Sin embargo, la tasa de devoluciones de los consumidores varía mucho de un país a otro, principalmente por razones culturales. Por ejemplo, en el comercio electrónico de moda rápida, los consumidores alemanes suelen tener tasas de devolución superiores al 50%. Estas altas tasas se deben en parte al hábito de pedir varias tallas y devolver todas menos una.

Cuando las tasas de devolución son altas, el minorista en línea debe anticipar que una parte considerable del stock realmente volverá; de lo contrario, el minorista corre el riesgo de terminar sistemáticamente con exceso de existencias a medida que los artículos vuelven después de que se hayan realizado los pedidos de reposición. Sin embargo, hay tres incertidumbres con respecto a las devoluciones futuras: primero, si los artículos serán devueltos o no; segundo, si los artículos pasarán el control de calidad después de ser recibidos; y tercero, cuánto tiempo habrá transcurrido hasta que los artículos puedan ser revendidos.

Esos problemas de pronóstico son bastante susceptibles a un análisis estructurado altamente específico. De hecho, el número máximo de artículos que se pueden devolver en cualquier momento está limitado por el volumen de envíos recientes. Poner un límite a los eventos extremos es de gran interés desde una perspectiva de la cadena de suministro. Además, cuando se enfrenta a la situación de “3 tallas seleccionadas, 2 tallas devueltas”, es posible anticipar con gran certeza la fracción de los pedidos de los consumidores que serán devueltos.

Negocios de arrendamiento

Los negocios de arrendamiento, como las compañías de arrendamiento de automóviles o las compañías de arrendamiento de mobiliario de oficina, enfrentan situaciones que son parcialmente similares a las situaciones de MRO, pero no del todo. De hecho, el nivel adecuado de inventario depende de la demanda futura, pero también de las tasas de retención futuras, ya que el inventario vuelve al negocio de arrendamiento al final del contrato de arrendamiento. Como la compañía de arrendamiento no tiene control total sobre la duración del contrato de arrendamiento, es necesario pronosticar esas duraciones para optimizar el inventario. La duración de estos períodos de retención y su efecto en el inventario se pueden analizar y pronosticar a través de los plazos de entrega regulares.

Sin embargo, la mayoría de los negocios de arrendamiento tienen cierto grado de control sobre el período de retención a través de su fijación de precios y las ofertas especiales que pueden otorgar a sus clientes. De manera similar a un minorista que puede aumentar la demanda de un producto al ponerlo en promoción, un negocio de arrendamiento puede aumentar su período de retención ofreciendo condiciones más favorables. Por lo tanto, en situaciones de arrendamiento, el análisis de precios está entrelazado en gran medida con el análisis de los plazos de entrega.

Antipatrones de plazos de entrega

El término “antipatrones” se refiere a prácticas, procesos o herramientas que se pretenden como soluciones pero no logran ofrecer los resultados esperados. En las cadenas de suministro, los plazos de entrega son propensos a una serie de antipatrones que revisamos en esta sección.

Falta de apreciación

Los plazos de entrega son una de las principales razones por las que la planificación y el pronóstico importan desde una perspectiva de gestión de la cadena de suministro. Sin embargo, los plazos de entrega, como fenómeno a modelar y dar forma, generalmente solo reciben una pequeña fracción de la atención que otros fenómenos competidores, como la demanda, reciben. Hay múltiples institutos dedicados al pronóstico de la demanda, pero ninguno dedicado al pronóstico de los plazos de entrega. Este desequilibrio considerable en términos de asignación de esfuerzos con frecuencia conduce a situaciones en las que se realizan análisis cuantitativos hasta el gramo, en el lado de la demanda, para luego redondearlos a la tonelada más cercana, en el lado de los plazos de entrega. La mayoría de los sectores requieren que los plazos de entrega sean ciudadanos de primera clase de la optimización de la cadena de suministro, al mismo nivel que la demanda, tanto en términos de proceso como de herramientas.

Sobreutilización

En la mayoría de las cadenas de suministro, la mayor parte del inventario, incluidas las materias primas y los productos semiacabados, pasa la mayor parte de su tiempo inmóvil y esperando la siguiente operación. Las colas de procesamiento tienden a formarse en cada paso de la cadena de suministro, y cada cola viene con un tiempo de espera propio. Sin embargo, a medida que la utilización de cualquier activo se acerca al 100%, el tiempo de espera en la cola se acerca al infinito. Por lo tanto, la tasa de utilización del activo es un compromiso entre la amortización del propio activo y los plazos de entrega involucrados. Este compromiso consiste en equilibrar los rendimientos decrecientes de las tasas de utilización más altas con los tiempos de espera que crecen de manera exponencial.

Volando a ciegas

Mejorar el tiempo de entrega generalmente comienza por asignar correctamente la culpa a la parte específica del proceso que está causando el mayor retraso evitable. Sin embargo, las mediciones del tiempo de entrega en sí mismas pueden ser engañosas. Por ejemplo, al medir el tiempo de entrega de un proveedor, si los palets entregados con frecuencia se quedan sin procesar a la espera de su recepción electrónica en un muelle, la medición puede inflar en gran medida el tiempo de entrega del proveedor, mientras que el proceso defectuoso es la recepción en sí misma. Estos problemas típicamente no se pueden abordar a través del análisis de datos, sino que requieren observaciones en el lugar para comprender si se puede confiar en el proceso de adquisición de datos o no. Además, la propia adquisición de “tops” electrónicos, al representar una carga de trabajo adicional para el personal, puede aumentar el tiempo de entrega general, lo que contradice la intención original.

LIFO emergente

Procesar trabajos o pedidos con un orden FIFO (primero en entrar, primero en salir) es casi siempre un requisito para garantizar una calidad de servicio razonable. De hecho, las violaciones del principio FIFO generan de manera errática tiempos de entrega excesivamente largos. Sin embargo, a nivel físico, el orden LIFO (último en entrar, primero en salir) tiende a surgir naturalmente en muchas situaciones, y se requieren esfuerzos específicos para evitar estas situaciones LIFO emergentes. Por ejemplo:

  • Cada orden de trabajo entrante (picking, producción, reparación, etc.) se imprime automáticamente como una “hoja de trabajo”. Todas las hojas de trabajo entrantes se imprimen y se colocan en una caja. Sin embargo, debido a la naturaleza del proceso de impresión, los trabajos entrantes más recientes se colocan en la parte superior de la pila, lo que lleva a los operadores hacia el LIFO.
  • Si una cinta transportadora resulta ser demasiado corta, los productos tienden a desbordar la cinta y pueden colocarse en el suelo al comienzo de la cinta. Rápidamente, se forma un montón de productos, y los productos que han estado allí durante más tiempo suelen estar en la parte inferior de la pila. Desapilar los productos sigue el orden LIFO.
  • Cuando se descargan cajas o palets en un muelle a través de un flujo de transportadores, a menos que el muelle se vacíe después de cada operación de descarga, los productos recién llegados tienden a colocarse delante o encima de los anteriores, lo que resulta en LIFO más tarde, cuando los productos se procesan.

Notas


  1. A partir de 2020, solo hay tres países que producen RAM (Memoria de Acceso Aleatorio), un componente fundamental del hardware de las computadoras modernas. También hay tres países que representan casi el 90% de la reserva y producción mundial de litio, un elemento esencial de las baterías modernas. ↩︎