00:00:07 Stock de seguridad y sus desventajas.
00:00:39 Definición y concepto de stock de seguridad.
00:02:05 Orígenes del concepto de stock de seguridad y por qué sigue siendo popular.
00:04:10 Problemas con el stock de seguridad: ignorar la estacionalidad y suposiciones irrealistas de distribución normal.
00:07:15 Situaciones en las que el stock de seguridad no funciona y la necesidad de enfoques alternativos.
00:09:06 Cómo el stock de seguridad subestima el riesgo y lleva a un exceso de stock.
00:12:00 La paradoja del stock de seguridad y su ineficiencia para abordar las incertidumbres.
00:13:20 Decisiones accionables y control en la gestión de la cadena de suministro.
00:15:00 Enfoques alternativos entre el stock de seguridad y los métodos probabilísticos.
00:16:00 Refinando modelos paramétricos en la cadena de suministro.
00:18:54 El problema del desperdicio en el stock de seguridad y sus consecuencias.
00:20:37 El papel de los pronósticos y su impacto en el stock de seguridad.
00:22:29 Abordar los errores en la gestión de la cadena de suministro para mejoras.
00:23:01 Mensaje clave: No confíes en modelos matemáticos desactualizados en la cadena de suministro.
Resumen
En esta entrevista, Kieran Chandler y el fundador de Lokad, Joannes Vermorel, discuten las desventajas del stock de seguridad en la gestión de la cadena de suministro. El stock de seguridad, el inventario adicional para amortiguar la variabilidad de la demanda, puede ser demasiado conservador, lo que resulta en un exceso de stock y desperdicio. Su popularidad se debe a su simplicidad y mejora histórica en comparación con los cálculos manuales, pero no tiene en cuenta las complejas incertidumbres de la cadena de suministro. La dependencia del modelo en una distribución normal para la demanda y los tiempos de entrega es irrealista, y no se ajusta a grandes desviaciones o eventos sorprendentes. En su lugar, Vermorel sugiere un enfoque probabilístico para una mejor optimización y gestión de inventario, abordando las consecuencias de la incertidumbre y mejorando los procesos después del pronóstico.
Resumen Extendido
En esta entrevista, el presentador Kieran Chandler y el fundador de Lokad, Joannes Vermorel, discuten el concepto de stock de seguridad y sus limitaciones en la gestión de la cadena de suministro. El stock de seguridad se refiere al inventario adicional comprado para protegerse contra la variabilidad en la demanda y los tiempos de entrega. A pesar de su simplicidad, este método a menudo es demasiado conservador, lo que lleva a un exceso de stock e inventario desperdiciado. La entrevista explora los orígenes del stock de seguridad, sus limitaciones y enfoques alternativos para los profesionales de la cadena de suministro.
El stock de seguridad surgió de la idea de que, dado un pronóstico de demanda, una empresa debería mantener más inventario que la cantidad pronosticada para reducir el riesgo de faltantes de stock. Este inventario adicional, o “stock de seguridad”, sirve como un amortiguador para posibles fluctuaciones en la demanda. Con el tiempo, la industria ha convergido en un método específico para calcular el stock de seguridad: asumiendo que la demanda futura y los tiempos de entrega se distribuyen de manera normal (gaussiana) y aplicando este modelo para determinar el buffer necesario.
Según Vermorel, la popularidad del stock de seguridad se debe a su nombre tranquilizador y al hecho de que, históricamente, representaba una mejora respecto a los cálculos manuales. A principios de los años 60 y 70, las primeras computadoras tenían dificultades con cálculos más complejos, por lo que los cálculos de stock de seguridad proporcionaban una solución lo suficientemente buena en ese momento. Sin embargo, muchos profesionales continuaron confiando en el stock de seguridad incluso a medida que avanzaban las capacidades computacionales, lo que llevó a su uso generalizado en la actualidad.
El problema fundamental con el stock de seguridad es la suposición de que toda la incertidumbre se puede reducir a una distribución normal tanto para la demanda como para los tiempos de entrega. Esta suposición es particularmente problemática para los tiempos de entrega. Al confiar en los cálculos de stock de seguridad, las empresas tienden a crear una fracción constante de su demanda como buffer, ignorando factores como la estacionalidad. Si bien los pronósticos de demanda a menudo tienen en cuenta las fluctuaciones estacionales, la incertidumbre en estos pronósticos no se ajusta de manera similar.
En resumen, el concepto de stock de seguridad, aunque simple y aparentemente tranquilizador, es defectuoso debido a su dependencia de las suposiciones de distribución normal para la demanda y los tiempos de entrega. Este enfoque a menudo conduce a un exceso de stock e inventario desperdiciado, ya que no tiene en cuenta la naturaleza compleja de la incertidumbre en la cadena de suministro. A medida que avanza la discusión, la entrevista tiene como objetivo explorar métodos alternativos para la optimización de la cadena de suministro que vayan más allá de las limitaciones de los cálculos tradicionales de stock de seguridad.
La conversación comienza con un análisis del modelo clásico de stock de seguridad, que Vermorel argumenta que es una mala aproximación para gestionar las incertidumbres de la cadena de suministro.
Vermorel explica que la suposición del modelo de stock de seguridad de una distribución normal tanto para la demanda como para los tiempos de entrega es irrealista. Por ejemplo, los tiempos de entrega pueden ser consistentemente cortos, excepto en casos de faltantes de stock del proveedor, lo que podría llevar a tiempos de entrega mucho más largos. Esto resulta en una distribución que no es en forma de campana, sino más bien un pico alrededor del tiempo nominal y una cola larga para eventos raros.
El modelo de stock de seguridad también no tiene en cuenta desviaciones grandes o eventos sorprendentes que pueden tener un impacto significativo en las cadenas de suministro. Estos eventos, como la gripe aviar que afecta las ventas de pollo, no se consideran en el modelo de distribución normal. En la práctica, estas desviaciones grandes ocurren con suficiente frecuencia como para causar problemas.
Uno podría suponer que una subestimación del riesgo llevaría a más faltantes de stock, pero en la práctica, los profesionales de la cadena de suministro se adaptan e inflan sus stocks de seguridad para compensar el riesgo subestimado. Lo hacen introduciendo factores de inflación, ya sea de manera explícita o estableciendo objetivos de nivel de servicio más altos. Esto lleva a un exceso de stock, lo cual es contrario a la intuición para un modelo diseñado para garantizar la seguridad.
El problema con este enfoque es que el stock de seguridad inflado se aplica de manera uniforme a todos los productos, lo que resulta en exceso de stock e ineficiencias. Esto se ve agravado por los profesionales que micromanagean sus pronósticos pero luego inflan sus stocks de seguridad, anulando básicamente la precisión de sus cálculos.
Vermorel sugiere que un enfoque probabilístico es más adecuado para gestionar las incertidumbres de la cadena de suministro. Este enfoque reconoce que los stocks de seguridad son tanto inseguros como ineficaces. En realidad, no hay pilas separadas de stock de trabajo y stock de seguridad en los almacenes; solo hay una pila de stock. La pregunta es si este stock es adecuado para atender a los clientes.
Con el fin de comunicar este mensaje a los clientes que insisten en tener un buffer de stock de seguridad, Vermorel enfatiza que los stocks de seguridad son inseguros e ineficaces. En cambio, un enfoque probabilístico que modele con precisión las incertidumbres en la cadena de suministro puede llevar a una mejor optimización y gestión de inventario.
Vermorel explica que los stocks de seguridad pueden distraer a las empresas de centrarse en las decisiones que pueden tomar, como las órdenes de compra y las órdenes de fabricación. Argumenta que los enfoques probabilísticos son más adecuados para la gestión de la cadena de suministro, ya que permiten un mejor control sobre las decisiones que impactan directamente en las cadenas de suministro.
Sin embargo, Chandler señala que los enfoques probabilísticos son complejos, ya que requieren diferentes curvas de demanda para cada artículo en un catálogo. Se pregunta si hay una solución intermedia para los ejecutivos de la cadena de suministro que sea menos compleja que el enfoque de Lokad pero más avanzada que los cálculos de stock de seguridad. Vermorel admite que aunque hay una paradoja en el análisis estadístico moderno, es posible utilizar modelos paramétricos más complejos. Sin embargo, estos modelos rápidamente se vuelven difíciles de trabajar y entender, lo que a menudo lleva a una notación matemática opaca. Como resultado, Vermorel sugiere que puede ser más sencillo utilizar técnicas de aprendizaje automático que puedan ajustarse a cualquier distribución, aunque carezcan de fórmulas explícitas.
La conversación luego se centra en el problema del dinero desperdiciado debido a los stocks de seguridad. Vermorel cree que el enfoque en los stocks de seguridad y la previsión de la demanda es equivocado, ya que no aborda otras fuentes de incertidumbre, como los tiempos de entrega. También señala que la idea de una previsión perfecta es una ilusión, ya que las previsiones siempre serán imperfectas. En cambio, los profesionales de la cadena de suministro deberían centrarse en las consecuencias de la incertidumbre y trabajar para mejorar sus procesos después de la previsión.
En muchas situaciones, es difícil mejorar significativamente un promedio móvil bien ajustado para la previsión de la demanda. Vermorel explica que culpar a las previsiones por las discrepancias a menudo es inútil, ya que los verdaderos problemas a menudo se encuentran en los pasos que siguen. Anima a los profesionales de la cadena de suministro a centrarse en mejorar estas áreas, ya que a menudo representan frutas de bajo alcance para ganancias sustanciales.
Transcripción completa
Kieran Chandler: Hoy en Lokad TV, vamos a explicar por qué este método no funciona y también discutir cuáles son las alternativas que están disponibles para los profesionales de la cadena de suministro. Entonces Joannes, antes de entrar en los problemas con el stock de seguridad, tal vez deberíamos empezar por explicar un poco más sobre él. ¿Cómo definirías el stock de seguridad?
Joannes Vermorel: El stock de seguridad surgió de la idea de que una vez que tienes un pronóstico, si pones una cantidad de stock que sea igual a tu pronóstico y si tu pronóstico está equilibrado, entonces tienes un 50% de probabilidad de quedarte sin stock. Esa es prácticamente la definición de un pronóstico de demanda equilibrado. Por lo tanto, como consecuencia, necesitas tener más stock del que pronosticas. Esta diferencia entre lo que pronosticas y lo que realmente necesitas para cubrir razonablemente la demanda futura es este llamado stock de seguridad. El concepto general es agregar un buffer adicional sobre tu pronóstico promedio.
Sin embargo, en la actualidad, el stock de seguridad tiene una definición mucho más estrecha. La industria se ha puesto de acuerdo en una forma de calcular el stock de seguridad, que básicamente consiste en asumir que la demanda futura y los tiempos de entrega futuros siguen una distribución normal. Y con “normal”, me refiero a gaussiana. Luego, este modelo específico se aplica para calcular cuánto debes poner en este stock de seguridad.
Kieran Chandler: ¿Cuándo surgieron estas ideas y por qué es algo en lo que el mercado se enfoca tanto?
Joannes Vermorel: Creo que “stock de seguridad” es un buen nombre. Suena tranquilizador y nunca debemos subestimar el poder de una buena marca. Los stocks de seguridad se sienten más seguros. Parece una buena idea decir: “Estamos jugando a lo seguro, tenemos esos stocks de seguridad”. Si tienes que elegir entre un método seguro y uno inseguro, por supuesto, elegirías el seguro.
Entonces, creo que tener un nombre llamativo fue parte de lo que hizo que este enfoque específico tuviera éxito. Por otro lado, durante mucho tiempo, las computadoras eran extremadamente débiles. Pasamos de los cálculos hechos a mano, donde una distribución normal era lo mejor que podíamos hacer, lo cual era mejor que no tener ninguna receta numérica en absoluto. Luego, en la era de las primeras computadoras, a fines de los años 60 y principios de los 70, fue suficiente. Creo que muchos profesionales simplemente se durmieron y todo se quedó ahí.
Sin embargo, el concepto clave de tener la idea de este buffer adicional todavía tiene sentido en la actualidad. Lo que no tiene sentido es decir que toda la incertidumbre se puede colapsar en una distribución normal, tanto para la demanda como para los tiempos de entrega. Esto es especialmente absurdo en lo que respecta a los tiempos de entrega.
Kieran Chandler: Esta idea de que es inseguro puede sonar un poco extremo para algunas personas. ¿Por qué creemos que es un poco inseguro? ¿De dónde provienen estas dificultades clave con el stock de seguridad?
Joannes Vermorel: El stock de seguridad, solo para darte una idea de cómo funciona, comienza con tu demanda. Lo que terminas haciendo es crear un stock que es una cierta fracción de la demanda. Entonces, si estás pronosticando 100, podrías agregar 80 unidades, que es el 80% de tu demanda original, y eso es tu stock de seguridad. Eso es una consecuencia directa de elegir un nivel de servicio específico con una suposición de distribución normal sobre la demanda.
El problema es que cuando haces esto, ignoras por completo la estacionalidad. Tu pronóstico de demanda a menudo es estacional, y eso es muy esperado. Pero la realidad es que la incertidumbre también es estacional.
Kieran Chandler: Estás sugiriendo que el modelo clásico de stock desestima por completo todos los patrones que afectan la incertidumbre. También mencionas que aplicar una distribución normal a la demanda es bastante exagerado. ¿Puedes ampliar más sobre eso?
Joannes Vermorel: Por supuesto. Aplicar una distribución normal, especialmente a los tiempos de entrega, puede ser engañoso. Por ejemplo, considera a un proveedor que generalmente te entrega en dos días. En Europa, generalmente se tarda solo un día en enviar los artículos, por lo que tu tiempo de entrega suele ser de dos días. Sin embargo, si tu proveedor se queda sin stock, el retraso podría ser de hasta tres meses.
Kieran Chandler: Entonces, no es una curva en forma de campana, ¿verdad?
Joannes Vermorel: Absolutamente no. Es un patrón completamente diferente. Vemos un pico significativo alrededor de tu tiempo de entrega nominal, seguido de la posibilidad de retrasos extensos. Esto ocurre si te enfrentas a un evento específico como una falta de stock del proveedor. Por lo tanto, es una mala aproximación modelar esto como una distribución normal, es como tratar de encajar un cuadrado en un círculo.
Kieran Chandler: ¿Esto implica que cualquier pequeña cantidad de variabilidad o cualquier desconocido interrumpe la efectividad del stock de seguridad?
Joannes Vermorel: En efecto. Cualquier elemento que pueda perturbar el statu quo, que pueda desencadenar una situación en la que la demanda de un producto pueda evaporarse, hace que el modelo de stock de seguridad sea inadecuado. Por ejemplo, si estás vendiendo pollo y se informa de un brote de gripe aviar, es posible que las personas dejen de comer pollo durante seis meses. Esta es una desviación significativa de la norma y no se tiene en cuenta en una distribución normal.
Kieran Chandler: Entonces, ¿las grandes desviaciones son comunes en las cadenas de suministro reales?
Joannes Vermorel: Sorprendentemente, sí. Si bien no ocurren constantemente para todos los productos, cualquier empresa grande tendrá al menos algunas sorpresas importantes cada trimestre. Sin embargo, los modelos de stock de seguridad sugieren que tales desviaciones grandes no existen. Cuando optimizas tu cadena de suministro bajo esta suposición y luego ocurren tales desviaciones, puede ser realmente costoso.
Kieran Chandler: Dadas estas irregularidades y sorpresas, ¿sería mejor un enfoque probabilístico? ¿Cuáles son los principales beneficios de este enfoque en comparación con los stocks de seguridad?
Joannes Vermorel: Cuando tienes un modelo que subestima significativamente tu riesgo, puede llevar a niveles de stock inadecuados. En teoría, el stock de seguridad debería contrarrestar esto amortiguando la demanda inesperada. Sin embargo, en la práctica, los profesionales de la cadena de suministro se adaptan de una manera que puede agravar el problema. Utilizan modelos de stock de seguridad que subestiman el riesgo, apuntando a un alto nivel de servicio como el 98%. Pero debido a que se subestima el riesgo, el nivel de servicio real es más bajo.
Kieran Chandler: En términos de eventos extremos tanto en el tiempo como en la demanda, es probable que obtengas, digamos, un nivel de servicio del 85 por ciento. Esto está muy lejos de tu objetivo del 98 por ciento para tu nivel de servicio. Entonces, ¿qué haces?
Joannes Vermorel: Utilizas la bala de plata que es un parámetro multiplicativo adicional para tu stock de seguridad. Comienzas con tu modelo con la suposición de distribución normal, luego, porque literalmente todos los que han estado utilizando el stock de seguridad se dieron cuenta de que tenemos estos problemas, necesitamos inflar nuestros stocks de seguridad. Las empresas van a introducir estos factores de inflación de dos maneras. O bien pones explícitamente un factor, o dices en el software que quieres un nivel de servicio del 98 por ciento, pero ingresas 99.9 porque es la forma de obtener empíricamente este 98 por ciento.
Lo que está sucediendo es que debido a que tu modelo subestima tu riesgo, inflas tus stocks de seguridad de manera bastante uniforme. Esto crea un problema significativo al generar exceso de inventario. La paradoja es que tienes un modelo que subestima el riesgo, por lo que inflas tus stocks de seguridad en todas partes y al final, generas mucho exceso de inventario. Es gracioso porque comienzas con algo que se llama stocks de seguridad, pero es inherentemente inseguro debido a este mismo proceso.
Kieran Chandler: Entonces, lo que estás diciendo es que siempre estás ajustando para un escenario de peor caso. Todos se ajustan a ese día en que realmente necesitan el stock, y luego, si el stock o la demanda cambian, aún tienen ese factor de seguridad adicional en su lugar.
Joannes Vermorel: Sí, y vas a tener este stock de seguridad adicional en todas partes. Las personas van a microgestionar sus pronósticos, pasarán mucho tiempo ajustando el pronóstico. Van a calcular todo hasta el último gramo para ser súper precisos y luego, gracias a este stock de seguridad, lo redondearán todo a la siguiente tonelada métrica solo porque tienen este factor de inflación que se aplica de manera uniforme a todos los productos. Estoy generalizando un poco, pero es una aproximación aproximada de lo que realmente está sucediendo o lo que he visto suceder muchas veces.
Kieran Chandler: Entonces, ¿cómo lidias con esos clientes que están decididos a necesitar ese valor de seguridad adicional, ese stock de seguridad, ese buffer? ¿Cuál es el mensaje clave que necesitas transmitirles?
Joannes Vermorel: El mensaje clave es que los stocks de seguridad son inseguros y también son ineficaces. Es una ficción. En tu almacén, no tienes dos tipos de stock; stock de trabajo que sirve a la demanda y stocks de seguridad que sirven a la incertidumbre. Solo tienes una pila de stock. La pregunta es si esta cantidad de stock es adecuada para satisfacer a tus clientes. En realidad, no tienes tanto control sobre el nivel de stocks porque no tienes control sobre la demanda del cliente. Lo que sí tienes control son las órdenes de compra o las órdenes de fabricación que pasas.
El problema con los stocks de seguridad es que te distraen de las decisiones que puedes tomar y que tienen un impacto físico real en tus cadenas de suministro, como esas órdenes de compra, órdenes de suministro o órdenes de fabricación. El mensaje clave sería centrarse en la decisión que estás tomando, no en los parámetros relativamente arbitrarios de tu ERP.
Kieran Chandler: El problema con un enfoque probabilístico es que es relativamente complejo. Tienes una curva de demanda diferente para cada artículo en tu catálogo, mientras que lo bueno del stock de seguridad es que es relativamente simplista. Solo estás agregando un cierto margen para cada artículo. ¿Hay algo intermedio para los ejecutivos de la cadena de suministro que puedan usar? Algo que no sea tan complejo como el enfoque probabilístico de Lokad, pero un poco mejor y más avanzado que un enfoque de stock de seguridad?
Joannes Vermorel: Creo que estamos tocando un pequeño paradigma del análisis estadístico moderno. El stock de seguridad es un enfoque paramétrico en estadística, donde tienes un modelo con parámetros como la media y la varianza, y usas este modelo para ajustar los parámetros. Sin embargo, rápidamente te das cuenta de que este modelo paramétrico es completamente inadecuado para la situación, como un cuadrado es una muy mala aproximación de un círculo. Puedes intentar agregar más complejidad al modelo, pero muy pronto se vuelve críptico y difícil de entender para los profesionales de la cadena de suministro.
Podrías optar por modelos explícitos más complejos, pero estos se vuelven muy difíciles en términos de notación matemática. En realidad, es más simple utilizar técnicas de aprendizaje automático, que son un poco más opacas pero pueden adaptarse a cualquier tipo de distribución. La realidad es que, si quieres combinar adecuadamente la incertidumbre de los tiempos de entrega con la demanda, no puedes esperar una fórmula simple y cerrada. Va a ser complicado sin importar qué, pero también es necesario tener en cuenta las sutiles interacciones entre los tiempos de entrega y la demanda.
Kieran Chandler: Hemos hablado mucho sobre el desperdicio en el stock de seguridad y que es dinero desperdiciado. ¿Por qué es algo en lo que las personas no han intentado mejorar y por qué no se ha enfocado en ello?
Joannes Vermorel: Creo que es porque el stock de seguridad es bien entendido por muchos profesionales de la cadena de suministro. Tienden a subestimar que tener una buena comprensión de la demanda futura es solo el comienzo. La demanda futura no es la única fuente de incertidumbre; los tiempos de entrega futuros son otra fuente, y también hay otros problemas. Los profesionales pueden distraerse con el pronóstico de demanda pura, y también existe la ilusión de que si pueden solucionar el problema de pronóstico de una vez por todas, se resolverán todos los demás problemas.
Kieran Chandler: Parece que hay una creencia de que tener un pronóstico perfecto elimina todos los demás problemas. Sin embargo, estás sugiriendo que esto es una ilusión y que lo que debemos hacer es adoptar el enfoque probabilístico, reconociendo que el pronóstico siempre será imperfecto. ¿Puedes ampliar sobre esto?
Joannes Vermorel: Absolutamente. El enfoque probabilístico consiste en renunciar al sueño de un pronóstico perfecto. Es aceptar que los pronósticos siempre serán imperfectos y lidiar con las consecuencias de esta imperfección. Por ejemplo, una de las consecuencias es la necesidad de comenzar a considerar el impacto de las incertidumbres, como los stocks de seguridad, que son una forma muy rudimentaria de modelar las consecuencias de esta incertidumbre.
Kieran Chandler: Entonces, ¿estás sugiriendo que el pronóstico a menudo se culpa innecesariamente?
Joannes Vermorel: Sí, eso es exactamente lo que estoy diciendo. Con los stocks de seguridad, las personas tienden a culpar al pronóstico cuando, en realidad, el pronóstico fue tan bueno como podría haber sido. Es difícil hacer mucho mejor que un promedio móvil bien ajustado. Claro, se puede mejorar un poco considerando factores como la estacionalidad, pero incluso así, es difícil reducir el error en más de un tercio. Entonces, culpar al pronóstico no tiene sentido. Muy a menudo, los errores reales se cometen después, y esas son las áreas donde podemos hacer mejoras significativas.
Kieran Chandler: A medida que concluimos, ¿cuál es el mensaje clave para los ejecutivos de la cadena de suministro? ¿Deberían comenzar a descartar sus cálculos de stock de seguridad y aceptar las faltas de stock, o entender mejor sus pronósticos?
Joannes Vermorel: El mensaje clave es no confiar en modelos matemáticos que fueron inventados principalmente para el cálculo manual. No es razonable gestionar tu cadena de suministro basándote en un método que no requiere computadoras. Así como no tendría sentido mantener un gran número de mochilas por si acaso los camiones dejan de funcionar. El problema con los stocks de seguridad es que persisten debido a una buena marca y a lo que parece ser una oscura tecnicidad de la optimización de la cadena de suministro. Sugeriría cuestionar tus suposiciones al tratar con la optimización numérica de tu cadena de suministro. No necesitas ser matemático para hacer esto. Solo verifica si estas suposiciones coinciden con la realidad de tu cadena de suministro.
Kieran Chandler: Ya veo, entonces, ¿podríamos ver un cambio de referirse a ‘stocks de seguridad’ a ‘stocks de inseguridad’ en el futuro?
Joannes Vermorel: ¿Quién sabe? Eso bien podría ser el caso.
Kieran Chandler: Gracias, Joannes. Eso es todo por esta semana. Gracias a nuestros oyentes por sintonizar, y nos vemos la próxima vez. Hasta luego por ahora.
