00:00:08 Introducción y bienvenida a Nicolas Vandeput.
00:00:34 Trabajo actual y docencia de Nicolas en la universidad.
00:01:00 Discusión sobre el libro de Nicolas “Modelos y Simulaciones de Optimización de Inventario.”
00:03:51 El público objetivo del libro y el enfoque de simplificación.
00:05:15 El cambio de los departamentos de TI a los profesionales y la madurez de la supply chain.
00:08:02 La expresividad de Python y sus ventajas sobre otros lenguajes de programación.
00:10:19 Énfasis en Python en el libro y los beneficios del aprendizaje práctico.
00:11:47 La popularidad de Python y sus competidores, como Java y JavaScript.
00:13:51 La transición de Python 2 a Python 3 y su impacto en el mundo académico.
00:15:10 Cómo lidiar con la incertidumbre en Python y el potencial de mejoras en el lenguaje.
00:16:03 Precio de ganga para probar nuevo software de optimización de inventario.
00:16:18 Confusiones comunes en la optimización de inventario y la fórmula de stock de seguridad.
00:17:32 La importancia del período de revisión en los cálculos de stock de seguridad.
00:18:34 La necesidad de mejores ingenieros en la gestión de la supply chain.
00:19:57 Comparando problemas de la supply chain con campos más complicados, como la microelectrónica.
00:21:02 La importancia de la formulación del problema y de atraer mentes brillantes.
00:22:32 Limitaciones de los modelos académicos y su aplicación en el mundo real.
00:23:01 Pasar de modelos matemáticos a simulaciones para una mayor precisión.
00:24:01 Limitaciones de la fórmula de stock de seguridad y la necesidad de simulación.
00:25:07 Conclusión y mención del libro de Nicolas sobre optimización de inventario.
Resumen
En la entrevista, Kieran Chandler modera una conversación con Joannes Vermorel, fundador de Lokad, y Nicolas Vandeput, autor de “Modelos y Simulaciones de Optimización de Inventario”. Abordan la simplificación y accesibilidad de la programación en la optimización de la supply chain utilizando Python. El libro de Vandeput ofrece modelos simplificados de optimización de inventario, mientras que Vermorel enfatiza la facilidad de implementar estos modelos. Discuten la evolución de la optimización de la supply chain, la importancia de la expresividad en la programación y las ventajas de Python. Ambos expertos reconocen las limitaciones de los modelos matemáticos tradicionales y destacan la necesidad de métodos alternativos, como las simulaciones, para abordar los desafíos del mundo real en supply chain management.
Resumen Ampliado
En la entrevista, Kieran Chandler, el presentador, presenta a Joannes Vermorel, el fundador de Lokad, y Nicolas Vandeput, el autor de “Modelos y Simulaciones de Optimización de Inventario”. La discusión gira en torno a la simplificación y accesibilidad de la programación en la optimización de la supply chain, mediante el uso de herramientas como Python.
Vandeput comenta que su libro tiene como objetivo simplificar los modelos de optimización de inventario y hacerlos accesibles para los profesionales de la supply chain. El libro se centra en ofrecer recetas numéricas simples en Python para abordar situaciones del mundo real, en lugar de profundizar en supply chains idealizadas. Vermorel destaca que estas recetas pueden implementarse en tan solo unas pocas líneas de código, desmitificando lo que ofrecen los grandes proveedores de software y cuestionando el valor que aportan.
El libro está diseñado para los profesionales de la supply chain que tienen dificultades con la gestión de inventario, con el objetivo de ayudarles a comprender y optimizar sus niveles de stock. Vandeput subraya la importancia de hacer supuestos y entender las limitaciones de los modelos utilizados, en lugar de buscar la perfección.
Vermorel explica que la madurez de la supply chain ha evolucionado a lo largo de las décadas, ya que las compañías inicialmente luchaban por establecer una contraparte digital de sus supply chains. Tras décadas de progreso, las empresas ahora pueden gestionar sus niveles de stock digitalmente sin ninguna inteligencia, lo que les permite centrarse en la optimización.
El cambio de mentalidad, con los profesionales de la supply chain involucrándose más en la programación, se atribuye a la creciente accesibilidad de herramientas como Python y a la simplificación de procesos. Este cambio ha permitido que los profesionales tengan mayor control sobre la optimización de la supply chain, en lugar de depender únicamente de los departamentos de TI.
Discuten la evolución de la optimización de la supply chain, la importancia de la expresividad en la programación y las ventajas de utilizar Python.
Vermorel destaca que han pasado cuatro décadas para que los sistemas ERP alcancen la madurez, lo que ha permitido que la optimización de la supply chain se convierta en una opción viable. La conversación se orienta hacia la importancia de la expresividad programática, ya que permite a las organizaciones adaptarse a los cambios del mundo real y a eventos impredecibles. Vermorel explica que Excel ofrece cierto nivel de expresividad, pero sus limitaciones se deben a la forma en que se organiza la lógica en hojas de cálculo. Python, por otro lado, ofrece una solución más abstracta y expresiva, lo que lo hace ideal para la optimización de la supply chain.
Vandeput luego explica por qué Python es su lenguaje de elección para el libro. Señala que Python es uno de los lenguajes de programación más populares a nivel mundial, con una abundancia de recursos disponibles en línea. Esto significa que los usuarios pueden encontrar respuestas a sus preguntas fácilmente, lo que reduce la probabilidad de que se queden atascados. Además, la simplicidad de Python lo hace más accesible, y los usuarios pueden entender el código simplemente leyéndolo.
El libro enfatiza Python por dos razones. Primero, Vandeput cree que la práctica es crucial para el aprendizaje, por lo que incluye muchas secciones de hazlo tú mismo en Excel y Python, permitiendo a los lectores adquirir experiencia práctica. Segundo, Python permite a los usuarios escalar soluciones para la optimización de la supply chain, yendo más allá de resolver problemas para artículos individuales y abordando problemas de supply chain más amplios.
Vermorel está de acuerdo con los puntos de Vandeput sobre la popularidad y simplicidad de Python, pero también reconoce algunas de las limitaciones del lenguaje. Sugiere que otros lenguajes de programación, como JavaScript y Java, no son tan adecuados para la optimización de la supply chain debido a las amplias habilidades de ingeniería de software requeridas para trabajar con ellos.
La conversación gira en torno a los méritos de Python como lenguaje de programación y los conceptos erróneos comunes en la optimización de inventario.
Vermorel argumenta que Python es adecuado para la optimización de la supply chain debido a su naturaleza concisa y facilidad de uso, especialmente para los recién llegados. Señala que la evolución de Python desde su creación en los años 90 hasta la actualidad lo ha hecho cada vez más popular y efectivo para cubrir las necesidades académicas e industriales. A pesar de sus ventajas, Vermorel menciona que aún hay margen de mejora, específicamente en el manejo de la incertidumbre. Sin embargo, afirma que Python es una solución rentable en comparación con otras opciones costosas en el mercado.
Vandeput, por otro lado, profundiza en los conceptos erróneos comunes en la industria respecto a la optimización de inventario. Señala que muchos profesionales a menudo confunden el lead time con el tiempo de transporte y pasan por alto la importancia del período de revisión al calcular el stock de seguridad. Vandeput enfatiza que el período de revisión debe considerarse además del lead time, y sugiere que reducir este período puede llevar a una reducción del stock de seguridad.
Tanto Vermorel como Vandeput reconocen la confusión prevalente en la industria y la necesidad de profesionales mejor formados en el campo de la gestión de la supply chain. Subrayan la importancia de entender las particularidades de la optimización de inventario y utilizar herramientas y técnicas apropiadas para lograr mejores resultados.
La discusión abordó los desafíos que enfrenta la industria de la supply chain y la necesidad de atraer a más individuos talentosos al campo.
Vermorel señaló que la complejidad de los problemas en la industria de la supply chain es a menudo menor que en otros ámbitos, como la microelectrónica. Sin embargo, enfatizó la importancia de atraer a mentes más brillantes al campo para ayudar a resolver los desafíos que se presentan. Elogió el libro de Vandeput por hacer que el campo de la supply chain resulte más atractivo para individuos inteligentes y entusiastas que puedan interesarse genuinamente en abordar tales problemas.
Vandeput habló de las limitaciones de los modelos matemáticos tradicionales en la gestión de la supply chain, los cuales a menudo se fundamentan en simplificaciones de la realidad. Explicó que algunos modelos pueden funcionar lo suficientemente bien para ciertos escenarios, pero cuando no logran desempeñarse adecuadamente, pueden ser necesarias otras aproximaciones, como las simulaciones.
Vandeput citó el ejemplo de las fórmulas de stock de seguridad, que asumen tiempos de entrega (lead times) distribuidos normalmente. En la realidad, los proveedores pueden ser puntuales la mayor parte del tiempo, pero cuando se retrasan, pueden hacerlo de manera considerable. Los modelos matemáticos tradicionales tienen dificultades con este tipo de situaciones, lo que resalta la necesidad de métodos alternativos, como las simulaciones.
La conversación se centra en las limitaciones de los modelos matemáticos tradicionales, como las fórmulas de stock de seguridad que asumen tiempos de entrega distribuidos normalmente. Ambos expertos enfatizan que los escenarios del mundo real a menudo se desvían de estas suposiciones, lo que genera desafíos que requieren métodos alternativos, como las simulaciones, para una gestión de la supply chain más precisa.
En conclusión, la entrevista destacó la importancia de atraer mentes brillantes a la industria de la supply chain, las limitaciones de los modelos matemáticos tradicionales y los posibles beneficios de utilizar simulaciones como alternativa para superar estas limitaciones.
Transcripción Completa
Kieran Chandler: Hoy en lokad tv, estamos encantados de dar la bienvenida de nuevo a Nicolas Vandeput, quien va a discutir con nosotros lo sencillo que puede ser y lo que podemos aprender de su nuevo libro. Así que, Nicolas, muchas gracias por acompañarnos nuevamente. Hoy, como siempre, nos gusta conocer un poco sobre nuestros invitados y qué han estado haciendo. Entonces, ¿qué has estado haciendo desde la última vez que te vimos en el programa?
Nicolas Vandeput: Hola de nuevo, Kieran. Bueno, en realidad, como siempre, estoy ocupado trabajando en la creación de algunos buenos modelos para empresas sobre optimización de inventario y forecast. Y, bueno, también puedo decir que he estado escribiendo algunos libros y enseñando en la universidad, ya que, como sabes, ese es mi gran pasatiempo ahora.
Kieran Chandler: Bien, encantador. Y hoy vamos a discutir uno de esos libros, Joannes. Se llama “Modelos y Simulaciones de Optimización de Inventario.” Entonces, ¿qué es lo que hace diferente el libro de Nicolas?
Joannes Vermorel: Creo que, ya sabes, Nicolas en este libro está adoptando, diría, de forma frontal una cosa que creo que es una piedra angular de las modern supply chains. Y cuando digo supply chain, me refiero en el sentido de optimización de la supply chain, no solo en la gestión en el sentido de simplemente contabilizar cosas. Necesitas tener una expresividad programática si quieres tener algo que tenga alguna posibilidad de lidiar con supply chains del mundo real. Y en este libro, creo que una de las cosas que es muy interesante es que, en lugar de profundizar excesivamente en supply chains idealizadas, donde dices, “Oh, tengamos una demostración matemática de optimality para esto, aquello o lo otro de una supply chain idealizada que simplemente nunca existirá,” y donde, si añades un poco de ingrediente del mundo real en la supply chain, todos los marcos matemáticos se desmoronan. Nicolas está haciendo algo que creo que es mucho más acorde con una mentalidad ágil, que es mucho más apropiada: simplemente mostrar cómo puedes proporcionar recetas numéricas muy simples y directas con Python.
The beauty of the recipes is that it’s very hands-on and literally shows that most of the classic supply chain recipes can be implemented in like five lines of Python or so most of the time. And I believe that’s very interesting because it conveys the idea that if you want to do something very simple, it can be done in very simple ways. It doesn’t take a half a dozen software engineers to come up with those things. And I believe that as a side effect, it profoundly demystifies what large software vendors are actually pushing to the market. Because when you show that basically, you can do what they are saying they are doing, but just in a few lines of code, the question is: Is there any value to what is being proposed by those vendors? And I believe, to a large extent, no. But even beyond that, it shows that if you can have very small building blocks, you can suddenly combine them to inject your bits of real-world challenges into those recipes so that you have something that has at least a decent chance to be suitable.
Kieran Chandler: Solución para tu supply chain. Bien, suena ciertamente muy interesante. Nicolas, esta idea de solo unas pocas líneas de código y ya estás obteniendo resultados, y es mucho más satisfactorio que pasar horas y horas mirando el código. Entonces, ¿a quién va dirigido este libro?
Nicolas Vandeput: Una de mis grandes obsesiones es la simplificación. Así que, cuando escribo un libro así, intento pensar: “Ok, si gestiono el supply chain y quiero optimizar el inventario, ¿cómo puedo simplificar todo para dar una imagen global y, al mismo tiempo, permitir que los profesionales lo hagan por sí mismos?” Escribí este libro para cualquier persona en un supply chain hoy en día que esté pensando, “Dios mío, tenemos demasiado stock,” o “Tenemos tanto stock y, al mismo tiempo, no tenemos el nivel de servicio,” o simplemente, “Bueno, estoy a cargo del stock, pero no tengo ni idea de cuánto necesito.” Realmente escribí este libro para ayudar a esas personas, básicamente a hacerlo por sí mismas. Hay tantas secciones de “hazlo tú mismo” en este libro que muestran, de la manera más sencilla, cómo puedes hacerlo. Y, al mismo tiempo, realmente trato de decirles: “Bueno, tenemos que hacer algunas suposiciones, y al seguir algunas suposiciones, no estamos buscando una perfección que no existe. Así que vamos a hacer algunas simulaciones y vamos a ver los límites de los modelos que utilizamos.” En resumen, este libro es realmente para cualquiera en el supply chain hoy que piense: “Ok, necesito tener el inventario correcto.”
Kieran Chandler: Genial, y es un cambio de mentalidad, ¿no es así, Johannes? Porque históricamente, la programación era algo que se dejaba a los departamentos de TI. Ahora parece que hay cada vez más profesionales que están añadiendo esas habilidades a su repertorio. Entonces, ¿por qué dirías que existe este cambio de mentalidad?
Joannes Vermorel: Creo que esas cosas han existido desde hace mucho tiempo. Pero, en términos de madurez del supply chain, durante décadas las empresas lucharon simplemente por tener las contrapartes digitales de su supply chain, por tener un ERP o una configuración de WMS donde se gestionasen los niveles de stock de manera directa – sin ninguna inteligencia, sino solo una contraparte digital precisa de tu supply chain. Nos tomó mucho tiempo llegar allí. Si consideramos que los primeros ERPs fueron implementados –aunque no se les llamaba así– a finales de los años 70, hoy en día tenemos bajo nuestro cinturón cuatro décadas de historia del ERP. Así que tomó mucho tiempo contar con un mapeo digital suficiente como para que se convirtiera en una opción razonable para realizar todo tipo de optimización. Y, por cierto, ha sido una transición lenta de Excel a Python. Excel ya te ofrece muchas capacidades de programación, las cuales también se ilustran, en cierta medida, en el libro. Para mí, es un continuo, no una disrupción completa en la que pasas de algo a otra cosa. Necesitas esa expresividad programática para enfrentar todas las situaciones que el mundo real te presenta.
Kieran Chandler: Entonces, Joannes, acababas de hablar sobre la necesidad de que el software sea expresivo para manejar la naturaleza impredecible de los supply chains. ¿Podrías elaborar un poco más sobre eso?
Joannes Vermorel: Sí, creo que siempre habrá cosas que sean completamente aleatorias e impredecibles. Puede ser un Brexit, un arancel de Trump, una pandemia o, de repente, el hecho de que la empresa deba encargarse de la distribución de una vacuna, lo cual va a poner el supply chain patas arriba. Sucede muchísimas cosas, y si solo cuentas con un software rígido, simplemente no va a poder hacer frente a todo lo que ocurre en el mundo real. Por eso, necesitas tener algo más expresivo, y así surge la necesidad de esa expresividad programática. Excel te ofrece eso, pero viene con ciertas limitaciones que están, diría yo, profundamente relacionadas con la forma en que organizas tu lógica en una hoja de cálculo. Python te ofrece el siguiente nivel; es un poco más abstracto, pero obtienes, diría yo, un siguiente nivel de expresividad donde puedes tener cosas como funciones definidas por el usuario. Puedes lograrlo en Excel mediante Visual Basic, pero a todos los efectos, Python es simplemente una versión superior de VBA.
Kieran Chandler: Nicolas, hablemos, quizás, de la transición de Excel a Python, y existen muchos otros lenguajes de programación, como SQL, C-sharp, etc. ¿Por qué Python fue tu lenguaje de elección para este libro? ¿Qué ofrece que quizás algunos de esos otros lenguajes no proporcionan?
Nicolas Vandeput: Bueno, en general, vemos que Python tiene algunas ventajas. La primera es que, en realidad, es bastante conocido. No sé si se puede decir que es el lenguaje número uno del mundo, pero al menos está cerca. Esto significa que, hoy en día, si te surge alguna pregunta sobre Python, simplemente lo buscas en Google y encuentras una respuesta, lo cual es muy conveniente. Si encuentras un lenguaje de programación que es mucho más rápido que Python, podrías decir, “Ok, voy a usar ese, es más rápido,” pero si surgen algunas preguntas y las buscas en internet y no encuentras respuesta, te vas a quedar atascado. Con Python, es extremadamente difícil quedarse atascado, porque realmente puedo asegurarte que alguien, en algún lugar, ya tuvo la misma pregunta y ya se respondió. Por otro lado, y creo que esto es sumamente importante, me gusta mucho la simplificación. Python es realmente simple. Siempre recuerdo de mis días como analista cuantitativo a esos colegas que usaban VBA. Muchos tenemos presente ese enorme archivo de macros en VBA de Excel al que todos temen un poco, y no se atreven a tocar nada en el archivo de Excel, porque si se rompe, es imposible arreglarlo. Python no es nada de eso. Bueno, Python es mucho más sencillo, y básicamente puedes leerlo y entender lo que hace simplemente siguiendo la lectura del archivo. Uno o dos lectores me escribieron un correo después de leer el libro, diciéndome: “Nicolas, no sé nada de Python, pero leí tu código y, básicamente, entiendo lo que haces en él porque todo está súper claro.” Así que, gracias a esas dos cosas, creo que Python es realmente el lenguaje a usar si quieres aprender algo nuevo. Ahora, en lo que respecta al libro, ¿por qué le doy tanto énfasis a Python? Bueno, veo dos razones por las cuales hago esto. Primero, creo que si quieres aprender algo, tú
Kieran Chandler: Entonces, tengo curiosidad, en tu libro, ¿por qué elegiste enfocarte en Python para la optimización del supply chain?
Nicolas Vandeput: Creo que es mucho mejor si puedes experimentarlo por ti mismo y probarlo por ti mismo. Estoy impulsando muchas secciones de hazlo tú mismo en el libro, ya sea en Excel o Python, porque quiero que el lector adquiera nuevos conocimientos y saber-hacer. También quiero desmitificar la optimización del supply chain diciéndoles que no es tan complicada. Solo escribes unas pocas líneas de código y va a funcionar en tu propio ordenador. La principal razón por la que impulso Python es que es fácil escalar la solución a un supply chain. Con Python, puedes ejecutar fácilmente un supply chain utilizando suposiciones y modelos simples.
Kieran Chandler: ¿Estarías de acuerdo con eso, Joannes? Obviamente, hemos hablado un poco en el pasado sobre algunas de las limitaciones de Python.
Joannes Vermorel: En términos de popularidad, no cabe la duda de que Python está entre los 10 lenguajes de programación más utilizados. Los competidores serían JavaScript, Java y algunos otros, pero no son buenas opciones para los supply chains. Se requieren habilidades significativas de ingeniería de software para hacer algo con esos lenguajes. Algunas de las buenas cualidades de Java, por ejemplo, el extenso soporte para la programación orientada a objetos, pueden ser un defecto a la hora de incorporar fácilmente nuevos usuarios. Estas características no son inmediatamente útiles para la optimización o el modelado del supply chain. Si simplemente lo integras, tienes un lenguaje de programación más complejo sin una ventaja obvia, al menos no durante los primeros meses de cualquier proyecto.
Python comenzó en los años 90, y le tomó casi tres décadas alcanzar la popularidad. Hubo una migración masiva de Python 2 a Python 3, que creo que fue una toma de control por parte de la academia. Python encontró su punto óptimo en la academia, y la gran transición entre Python 2 y Python 3 fue eliminar todas las mala partes de Python. Lo que emergió de eso durante la última década fue un lenguaje que estaba mucho más alineado con lo que se necesita en la academia y para la optimización del supply chain.
Kieran Chandler: Entonces, hablemos de lenguajes de programación. Joannes, ¿cuáles son tus opiniones sobre Python?
Joannes Vermorel: Python es algo en lo que tienes un código muy conciso, sin tener demasiada masa con demasiadas cosas sueltas. Lo opuesto exacto sería probablemente algo como C++. No estoy seguro de que haya alguien en el mundo que diga, “Sé todo lo que hay que saber sobre C++,” porque la especificación del lenguaje es tan absolutamente gigante que no creo que sea humanamente posible estar familiarizado con todas las partes de C++. El lenguaje resulta casi una locura cuando lo piensas. Así que, en conjunto, tienes a Python, que es realmente el punto óptimo para que las personas empiecen rápidamente. Creo que es un buen punto de partida para evitar muchas de las trampas de la complejidad accidental. Ahora, donde creo que realmente no es el juego final, y eso, por cierto, es lo que hemos estado desarrollando en Lokad. Pero, obviamente, este no es el tema del libro de Nicolas, así que no voy a desviarme demasiado. Pero creo que, si quieres hacer frente a la incertidumbre, hay muchas cosas que se pueden hacer de forma relativamente sencilla en Python. Y si estás dispuesto a llegar hasta modificar el propio lenguaje, se podría hacer de maneras incluso más simples. Pero esto va más allá del alcance del libro. Para efectos de la discusión, creo que, en este momento, si tienes que elegir entre lo que puedes obtener de Python y la mayoría de las opciones caras del mercado, es literalmente una ganga, y hay muy pocas razones para no intentarlo seriamente. Incluso si fallas, será un fracaso mucho más barato en comparación con fallar con un SAP de este mundo.
Kieran Chandler: Nicolas, además de analizar algunos de los modelos en tu libro, este también aborda algunas confusiones en lo que respecta a la optimización del inventario. ¿Cuáles son las confusiones comunes de las que debemos estar al tanto en la industria?
Nicolas Vandeput: Sí, con mi experiencia como consultor, hablando con muchos profesionales sobre cómo abordan la optimización del inventario, y cuando observas, ya sabes, esa fórmula de safety stock que ves en todas partes, incluso en Wikipedia, ves a la gente yendo a Wikipedia, escribiendo safety stock, revisando la fórmula y luego ingresándola en Excel. Lo que vemos allí es que —y esto es correcto cuando buscas evaluar cuánto safety stock necesitas—vas a considerar el lead time, o sea, básicamente, cuánto tiempo se tarda en realizar un replenishment. Mientras que la primera confusión de las personas es que muchos profesionales confunden el concepto de lead time con el tiempo de transporte. Puede que un truck tarde solo dos días o un día en ir de un almacén a otro, pero pueden requerirse tres semanas de planificación porque necesitas encontrar un camión, un conductor, y además considerar el tiempo de picking y todo lo demás que se suma. Y, al final, te toma dos semanas, pero hay una cosa que la gente siempre tiende a olvidar. La idea es que no solo debes fijarte en el lead time, sino también en el review period.
Nicolas Vandeput: Permíteme darte un ejemplo. Si haces un pedido cada semana o cada mes, eso suma lo que yo llamo, en el grupo, el período de riesgo. Así que, básicamente, el período contra el cual tienes que cubrir tus necesidades no es solo el lead time, sino también el review period.
Kieran Chandler: Bien, Nicolas, en tu libro “Inventory Optimization Models and Simulations,” hablaste sobre la importancia de tener en cuenta el review period. ¿Puedes elaborar sobre eso?
Nicolas Vandeput: Sí, entonces el review period es básicamente la cantidad de tiempo durante la cual necesitas estar protegido, incrementado por la duración del review period. Así que, si solo realizas replenishment cada semana y tienes un lead time de tres semanas, el período de riesgo es en realidad de cuatro semanas. Por ello, necesitas estar protegido ante lo que pueda suceder en cuatro semanas. Lo que observo es que la mayoría de las personas, y la mayoría del software, tiende a usar y omitir totalmente este review period, concentrándose únicamente en esas tres semanas de lead time. Por eso, a través del libro, intento enfatizar que, bueno, absolutamente debes tener en cuenta este review period cuando algo relacionado con el safety stock entra en juego. Pero también, estoy impulsando a las personas a que se den cuenta de que, en realidad, si pueden reducir este review period, si pueden reducir el período congelado para la producción, etc., básicamente se les permite reducir el safety stock, lo cual creo que es una buena victoria para el supply chain.
Kieran Chandler: Bien. ¿Y estarías de acuerdo con eso, Joannes? ¿Dirías que hay mucha confusión por ahí, y que por eso la gente está tan dispuesta a pagar por ese tipo de software de inventario?
Joannes Vermorel: Sí, quiero decir, de nuevo, creo, ya sabes, que los supply chains necesitan desesperadamente, diría yo, mejores clases de ingenieros. Y, en una de mis primeras conferencias, tuve este chiste introductorio de que, ya sabes, si tienes mucha energía, vas a ventas. Si eres confiable, vas a producción. Y si te falta, ya sabes, todo tipo de cualidades, terminas en supply chain. Pero la cuestión es que, ya sabes, si comparo ciertos ámbitos en los supply chains, ese tipo de confusiones que encuentras no son, diría yo, producto de mentes sumamente brillantes. Y lamento ser, tal vez, un poco duro con la audiencia, pero si miras, por ejemplo, lo que se está haciendo con litografía para microelectrónica y el tipo de problemas que esas personas están resolviendo, ya sabes, son asombrosamente complicados. Literalmente, tienes de todo. Tienes física cuántica con matemáticas complicadas. Y francamente, es mucho más complicado que lo que constituye el tipo de problemas que se abordan en supply chain. Tienes problemas físicos donde se presentan todo tipo de dificultades. La tecnología es literalmente que tienes tantas piezas de tecnología súper complicadas que debes reunir. Quiero decir, por ejemplo, lo que compañías como ASML están haciendo en los Países Bajos; es casi mágico, porque es, es, es, es simplemente, diría yo, un tipo de logro de la humanidad cuando se unen las mentes más brillantes. Pero el desafío es que, si quieres que personas más inteligentes se incorporen al supply chain, de modo que podamos atraer mentes muy brillantes que no se confundan con problemas tan tontos como simplemente la definición del período aplicable para la reposición de tu inventario, ya sabes, un sistema que estás a punto de modelar, necesitamos formular el problema de manera que esas personas puedan ejercitar su inteligencia. Ya sabes, porque obviamente, si toda tu disciplina se trata de, ya sabes, presionar botones tontos en pedazos de software tontos, entonces no te sorprendas demasiado si al final, los únicos empleados que obtienes no son los más brillantes.
Kieran Chandler: Um, pues creo que, y eso es también algo que me gusta de este libro, es que, ya sabes, pienso que el libro de Nicolas ofrece algo donde, si eres inteligente, si eres joven, si tienes cierto grado de entusiasmo, entonces puedes interesarte de verdad por el tipo de problemas que vas a abordar. Y no solo que, al leer el libro, ya sabes, en realidad puedes mejorar en resolver esos problemas, lo cual es un muy buen refuerzo para el supply chain también. Es el tipo de cosas que pueden hacer que el mundo resulte más atractivo para mentes brillantes que quieren ejercitar sus mentes en problemas interesantes, en primer lugar. Y así, lo que sospecho es que, en términos de confusiones, ya sabes, el tipo de cosas que confunden a la gente ahora, y el tipo de cosas que espero confundan a la gente dentro de dos décadas, serán radicalmente diferentes, especialmente si atraemos, ya sabes, diría yo, mucho más talento a esta industria. Bueno, si empezamos a concluir un poco. Nicolas, en tu libro, Johanna mencionó que algunos de los modelos que se usan tienen aplicaciones muy particulares, tal vez desde una perspectiva académica, pero quizá en el mundo real tienen ciertas limitaciones. ¿Dirías que algunas de estas limitaciones pueden superarse y, de ser así, cómo se pueden superar? ¿Y cómo pueden terminar siendo usados en el mundo real?
Nicolas Vandeput: Bueno, siempre hay que entender que, de alguna manera, un modelo es una simplificación de la realidad, ¿verdad? Así que, desde el inicio cuando comienzas un modelo, tienes que entender que debes dejar algunas cosas de lado. Entonces, la verdadera pregunta es: bueno, si tomo un modelo que funciona, digamos, el 98% de las veces, ¿es lo suficientemente bueno para mí? Alguien diría que sí o que no lo es. Ahora, si creas un modelo y ves que sólo funciona, digamos, en un 70% o 60%, entonces realmente te das cuenta de que, bueno, el modelo matemático habitual no es lo suficientemente bueno. Necesito pasar a otra cosa. Y esto es lo que muestro en la última parte del libro, indicando que en algún punto, un modelo matemático no será lo suficientemente bueno, es decir, no será lo suficientemente preciso ni tratable.
Joannes Vermorel: Y eso es algo que, de hecho, ya sabes, también vemos con los clientes de Lokad, es que, básicamente, los modelos que tenemos, los modelos matemáticos que tenemos, son lo suficientemente buenos para identificar lo que llamamos los grandes éxitos. Es decir, las cosas que, si las arreglas, ya sabes, tienes un impacto masivo, masivo en el supply chain, ya sabes, en la rentabilidad o en lo que sea que estés tratando de optimizar. Y aquí es donde, diría yo, ya sabes, aportamos mucho valor a nuestros clientes. Sin embargo, también hay muchos detalles en los que, ya sabes, el modelo es bueno, pero no es lo suficientemente bueno, y es aquí, diría yo, donde tener algún tipo de industrialización, en la que realmente se pueda probar, ajustar y modificar, y, ya sabes, básicamente hacer pruebas en el mundo real. Quiero decir, este es realmente el núcleo del supply chain, ¿verdad? Es una mezcla de analítica y operaciones, donde, ya sabes, necesitas contar con la analítica para asegurarte de que no haces, ya sabes, cosas estúpidas, pero luego, ya sabes, las operaciones, las pruebas, el
Kieran Chandler: Así que, quería preguntarles a ustedes sobre la optimización de inventario. Parece ser que es un área en la que la gente a menudo es reacia a utilizar modelos porque temen que se vuelvan demasiado complicados. Así que, podrías recurrir a una simulación, y estoy bastante seguro de que Jonas tiene mucho que decir sobre cómo hacer simulación en el supply chain.
Joannes Vermorel: Bueno, en esta primera parte del libro, también muestro, “Bien, esos son los modelos usuales para el supply chain. Hagamos una simulación para ver si funcionan, sí o no.” Y realmente veo que, por ejemplo, una de las cosas que usualmente hacemos en el supply chain es tomar esta, nuevamente, esta fórmula usual de safety stock, la que está en Wikipedia. Y esta fórmula puede manejar tiempos de necesidad aleatorios, lo que significa que, de vez en cuando, tu proveedor se retrasa, por lo que deberías tener algo de safety stock adicional, ¿verdad? Cuando en realidad miras la fórmula para determinar cuánto safety stock necesitas basado en tiempos de necesidad aleatorios, ves que hay toda una suposición que dice, “Bueno, normalizo el lead time.” Así que, básicamente, es una curva bien comportada en la que tu proveedor, de vez en cuando, se retrasa, pero nunca demasiado. De hecho, en la práctica, creo que la mayoría de los proveedores, la mayor parte del tiempo, llegan a tiempo. Pero luego, cuando se retrasan, se retrasan bastante, ¿verdad? Así que diría que en el 80% de los casos llegan a tiempo, y en el 20% de los casos pueden retrasarse una o dos semanas. Lo que realmente ocurre es que no existe ninguna fórmula matemática que sea capaz de lidiar con esto, ¿verdad? Así que, si tienes ese tipo de proveedor, no avanzarás con esta fórmula de safety stock. Realmente necesitas recurrir a la simulación, y aquí es donde se evidencia el límite de usar algún modelo matemático sencillo y el límite de, bueno, deberíamos ir un paso más allá y tal vez comenzar a usar simulación para solucionar esto.
Nicolas Vandeput: Sí, y estoy completamente de acuerdo con lo que dice Joannes. Creo que hay un límite a lo que se puede hacer con modelos matemáticos en términos de optimización del supply chain. Y la simulación es una herramienta muy poderosa para ayudarte a entender el impacto de los diferentes parámetros en tu supply chain y para optimizarlo. Y, de hecho, eso es lo que hemos estado haciendo durante muchos años, y lo que Joannes también está haciendo.
Kieran Chandler: De acuerdo, brillante. Tendremos que dejarlo aquí, pero gracias a ambos por su tiempo. Si te interesa leer el libro de Nicolas sobre modelos y simulaciones de optimización de inventario, pondremos un enlace en la descripción abajo. De lo contrario, nos vemos de nuevo en el próximo episodio, y gracias por ver. Adiós.
Joannes Vermorel: Gracias.
Nicolas Vandeput: Gracias.
