00:00:00 Introduccion: el coste oculto de los lead times fijos
00:00:57 La contradiccion: todos saben que los lead times varian, pero las empresas planifican como si no
00:01:52 Por que la teoria y el software de supply chain ignoran en gran medida la variabilidad de los lead times
00:04:01 Impacto ejecutivo: capital mal asignado, exceso de inventario y faltantes
00:08:28 Anecdota: cuando un pedido retrasado se convierte en el nuevo lead time estandar
00:10:36 Lead times fijos como algoritmo ingenuo de prevision
00:12:29 Ejemplo de productos perecederos: donde se escapa el dinero
00:17:02 Lo que las empresas pueden y no pueden controlar en la variabilidad de los lead times
00:19:06 Como los lead times fijos amplifican otros atajos de supply chain
00:20:49 Capacidad de entrada en almacen: por que importa suavizar las entregas
00:24:10 Por que la variacion diaria banal duele mas que los raros shocks globales
00:29:00 Evaluacion de proveedores y necesidad de modelado probabilistico de lead times
00:33:52 Por que los informes OTIF y los scorecards de proveedores no bastan
00:35:19 Crisis macro frente a errores diarios autoinducidos
00:38:55 Amazon y el dominio de la variabilidad banal a escala
00:42:13 Pregunta del publico: promedios historicos y buffers
00:45:18 Ejemplo de fabricacion quimica: insumos caros frente a insumos baratos criticos
00:49:12 Pregunta pharma: modelar la variabilidad de los lead times en la practica
00:56:28 Por que las brechas historicas de lead times no activan por si solas buenas decisiones
00:58:23 Aparte: Tetris en Excel y los limites de las hojas de calculo
00:59:01 Quien debe poseer la funcion de perdida?
01:03:22 Las empresas con lead times cortos afrontan el mismo problema?
01:07:25 Seguimos necesitando safety stock?
01:10:23 Proximos pasos practicos: robotizar las decisiones de supply chain
01:14:12 Cierre
Resumen
El problema no es que los lead times varien. Todo el mundo sabe que varian. El problema es que las empresas planifican como si no lo hicieran, y luego se preguntan por que se desperdicia capital, los inventarios estan mal y el personal pasa el dia apagando incendios. Los lead times fijos, el safety stock y los buffers no son razonamiento economico. Son atajos burocraticos. El dano real proviene menos de crisis espectaculares que de innumerables pequenos errores autoinducidos, repetidos cada dia. La solucion es modelar explicitamente la incertidumbre y tomar decisiones segun el retorno economico esperado, no segun habitos, promedios o conveniencia administrativa.
Transcripcion completa
Conor Doherty: Esto es Supply Chain Breakdown, y hoy vamos a desglosar el coste oculto de los lead times fijos. Es bueno estar de vuelta. Ya saben quien soy: Conor, director de marketing en Lokad. A mi izquierda, como siempre, el fundador de Lokad y completamente imperturbable Joannes Vermorel.
Antes de empezar, unas preguntas rapidas para la audiencia. Primera: creen que los lead times varian? Antes de escribir “por supuesto, Conor, idiota, claro que varian”, la pregunta siguiente es: si han dicho que si, planifican como si los lead times fueran fijos? Esa es, por supuesto, la tension de la que vamos a hablar hoy.
Queremos que esto sea interactivo, asi que envien sus preguntas y comentarios cuanto antes e intentare incorporarlos a la conversacion. Con eso, Joannes, empecemos.
Vamos a saltarnos la pregunta obvia: “Varian los lead times?” Es trivialmente obvio. Ayer hice una encuesta muy sencilla en LinkedIn y, si elimino las respuestas de broma, mas del 90 % dijo: “Si, por supuesto que los lead times varian.”
La tension esta entre lo que la gente dice y lo que las empresas hacen. Si tomas 1.000 profesionales, o gente de la calle, y les preguntas si los lead times varian, todos responden que si. Pero pones a esos mismos profesionales dentro de una empresa y, de repente, las politicas y procesos de decision ignoran esa realidad o la empujan muy lejos.
Mi primera pregunta, Joannes, es: como explicas la contradiccion entre lo que la gente dice creer y lo que las empresas hacen realmente?
Joannes Vermorel: Hay toda una serie de razones. Algunas son muy basicas. Por ejemplo, la teoria dominante de supply chain, un poco por accidente, no reconoce realmente esa varianza. Pero es lo que hay.
Tomas libros teoricos de mil paginas que ofrecen una panoramica muy extensa de lo que se considera teoria de supply chain. El tema esta practicamente ausente. Como consecuencia, cuando miras la gran mayoria de productos de planificacion, forecasting y supply chain del mercado, el analisis de lead times, la modelizacion o la prevision de lead times tambien estan ausentes. Eso llega hasta el profesional. Puede que le interese modelar los lead times, pero las herramientas disponibles no lo hacen.
Tambien esta el hecho de que, para la direccion, la intuicion suele ser: “Ese es un problema del proveedor. Solo tenemos que…” Es como un defecto. Debe ser corregido definitivamente por los proveedores y entonces ya esta. Por que ocuparse de algo que puede arreglarse y desaparecer para siempre? Obviamente la gente tambien sabe que no desaparecera para siempre, pero pensar que es un problema que pertenece a los proveedores es una forma de no prestarle demasiada atencion.
Asi terminas con un vacio teorico, un vacio en el software y, encima, una postura implicita de la organizacion: “Es un problema que deben resolver los proveedores. Si lo resuelven, nosotros no tenemos nada que hacer.” Tecnicamente es cierto, pero nunca ocurre.
Conor Doherty: Hemos hablado antes de la jerarquia de las distintas fuentes de incertidumbre y su importancia para la toma de decisiones en supply chain. Has dicho que la demanda probablemente es la numero uno, y creo que la mayoria estaria de acuerdo. Pero tambien has argumentado muchas veces que un numero dos muy cercano es la incertidumbre en los lead times.
Mi punto es que parece haber poca inversion y poca atencion, a nivel de empresa, no individual, en los lead times, aunque la mayoria esta de acuerdo en que son criticamente importantes.
Entonces, cual es el impacto peligroso inmediato, a nivel ejecutivo, de ignorar esta fuente vital de incertidumbre?
Joannes Vermorel: Si ignoras tus propios lead times, vas a asignar demasiado capital a tu inventario o demasiado poco. Es un motor enorme del negocio. Es extremadamente consecuente.
Si crees que tu lead time es de siete dias, pero en realidad es de un mes, eso crea una cascada de problemas en toda tu cadena de operaciones. Es asi de simple. Es un problema enorme.
La gente entiende que no entregar a los clientes a tiempo y completo es grave, y que los clientes se van. Pero hay que entender que ocurre exactamente lo mismo con tus proveedores. Intentan hacerlo lo mejor posible, pero es complicado. Tienen que lidiar con muchos imprevistos y por eso no siempre entregan a tiempo ni completo. Por eso tus lead times varian.
Y como es sistematico, esas variaciones no son algo de una vez cada diez anos. Si tienes decenas o cientos de proveedores, cada dia habra un porcentaje de lo que has pedido que llegara tarde, y probablemente no en las cantidades que querias. Es parte de hacer negocios, e ignorarlo es dirigir la empresa con un ojo cerrado.
La penalizacion puede ser muy consecuente. Si tu fabrica deja de producir, es muy consecuente. Si no puedes entregar, si no puedes cumplir tus promesas a tus clientes, el impacto es fuerte. Si tienes un exceso masivo de inventario que no necesitas porque el proveedor dice contractualmente “el lead time son dos semanas”, pero en la realidad entrega en dos dias, cargas con toneladas de inventario para nada. De nuevo, es muy consecuente.
Otra razon por la que no recibe el interes que deberia es que, cuando la gente juega el juego politico del S&OP con el tira y afloja de la prevision, lo que esta en juego es el presupuesto de cada departamento. Ventas quiere objetivos lo mas bajos posible para superarlos. Produccion quiere lo contrario, porque asi obtiene mas capacidad y mas presupuesto. Esas dinamicas concentran a todo el mundo en las previsiones puntuales de demanda porque afectan a los presupuestos. Los lead times son extremadamente consecuentes, pero no lo son tanto para esos juegos politicos especificos. Por eso reciben menos atencion.
Conor Doherty: Para sentar bien las bases: cuando hablamos de lead times fijos, basicamente hablamos de promedios, de tomar la media y basar las decisiones en ella, o del lead time contractual.
Joannes Vermorel: Contractual, si. El contrato dice siete dias, asi que ponemos siete dias. Muy a menudo los lead times ni siquiera se miden. De vez en cuando un proveedor es muy malo y hay llamadas enfadadas, pero en la mayoria de los casos los lead times del proveedor son constantes en los sistemas.
Y de donde vienen esos numeros? Muy a menudo vienen literalmente del acuerdo contractual con el proveedor. Ese acuerdo puede tener diez anos. A veces los numeros estan desesperadamente obsoletos, y aun asi permanecen.
Conor Doherty: Un ejemplo anonimizado de un seguidor de Lokad: el lead time normal para una pareja SKU-proveedor es de 14 dias. Si hacemos un pedido y el proveedor dice: “Esta vez seran 100 dias por X, Y y Z”, el sistema asume que, de ahora en adelante, 100 dias es el nuevo estandar para los lead times. Eso queda para el siguiente pedido porque el sistema cree que el comportamiento fundamental del proveedor cambio. Obviamente, eso lleva a un enorme sobrestock.
Es solo una anecdota, pero hasta que punto es distinto de como la gente suele gestionar los lead times?
Joannes Vermorel: Para mi es exactamente el tipo de situacion disfuncional que veo muy a menudo. Esa politica tan mala es como un algoritmo de forecasting de lead time increiblemente ingenuo. Decir “tomo el ultimo lead time y lo uso como referencia futura” es literalmente un algoritmo de forecasting.
Pero no se entiende ni se implementa como algoritmo de forecasting, asi que no hay backtesting ni presion para mejorarlo. Los lead times se tratan como un elemento puramente administrativo dentro de los workflows de supply chain.
Desde una perspectiva de software, es como el codigo postal de un proveedor. Hay una caja de texto, y si pones un numero negativo te dice que no parece valido. Con los lead times es parecido: introduces un lead time en dias y, si pones un numero negativo, el sistema dice “probablemente no”. Y eso es casi todo.
Se trata como metadata, como la direccion del proveedor. La vision de modelizacion es muy superficial. Y la gran mayoria del software de supply chain reproduce literalmente esa vision superficial que la literatura academica tiene de los lead times.
Conor Doherty: Tomemos un ejemplo concreto: una empresa con productos perecederos que viajan por el mundo con un lead time nominal de diez semanas. Podrian ser ocho, diez, veinticuatro semanas o medio ano segun lo que ocurra. Donde se escapa el dinero? Donde estan los costes ocultos?
Joannes Vermorel: Si hablamos de perecederos e importacion, segun la epoca del ano, la demanda y el precio varian dramaticamente. Hay productos cuyo precio en la temporada correcta o incorrecta puede multiplicarse por cuatro. El precio de venta es muy sensible al tiempo.
Si haces un pedido esperando que llegue el 1 de septiembre y calculas que sera rentable por el precio y la demanda esperados, puede ser una opcion excelente. Pero si llega el 1 de noviembre, no hay razon para pensar que la misma cantidad se vendera al mismo precio ni con la misma demanda.
Puedes terminar sin servir a los clientes que esperaban esos productos en septiembre, frustrandolos y perdiendo ventas, y luego recibir una carga que llega demasiado tarde. La demanda es menor, el precio tambien, y el stock puede convertirse parcialmente en inventario muerto o requerir descuentos enormes. No necesariamente lo destruyes fisicamente, pero lo vendes con una rebaja importante porque ya no es el momento adecuado.
Ademas, si la organizacion no esta preparada para gestionar variaciones de lead time, se crea mucho firefighting de ultima hora. Si no se contabilizan esas variaciones en la modernizacion y la automatizacion, muchas personas deben intervenir manualmente, hacer clic, ajustar parametros y reconfigurar cosas.
En lugar de equipos de supply chain proactivos que anticipan el futuro y hacen buenas asignaciones de capital, tienes gente apagando incendios por problemas triviales causados por variaciones completamente esperables.
Conor Doherty: Quiero separar lo que esta bajo tu control de lo que no. Si importas comida perecedera por barco, no puedes hacer que el barco vaya mas rapido. Que queda bajo control y que esta fuera?
Joannes Vermorel: Precisamente por eso no puedes esperar que los problemas de lead time se resuelvan. No estan bajo tu control, y a menudo tampoco bajo control total del proveedor. Los lead times no solo varian; seguiran variando indefinidamente.
Lo importante es que esas variaciones son muy consecuentes para el retorno de cada asignacion de capital. Si haces una orden de compra a un proveedor lejano y los lead times varian mucho, eso debe reflejarse en el calculo economico del retorno. Si no, puedes pedir demasiado o demasiado poco sin saberlo.
Los lead times son economicamente consecuentes y deben cambiar tus asignaciones. A veces tener en cuenta las variaciones reducira los pedidos, a veces los aumentara. Depende del sentido economico.
Conor Doherty: Los lead times fijos son un atajo comodo. Pero cuando varian, amplifican el impacto financiero de otros atajos mentales: niveles de servicio, clasificacion ABC, reglas MRP o ERP estaticas. Si el lead time es el doble de lo previsto, esas otras decisiones golpean mucho mas fuerte financieramente. Sigues de acuerdo?
Joannes Vermorel: Si. Si eres ciego a algo tan consecuente, emergen muchos problemas tontos y extremadamente costosos que habrian sido faciles de prevenir.
Piensa en un almacen con capacidad de entrada limitada. Supongamos que solo puede recibir diez camiones al dia. Despues no hay slots. No cabe otro camion.
Los camiones vienen de tus proveedores y su llegada depende del lead time. Si tu plan ya tiene muchos dias al maximo, con diez camiones, y otros dias con cinco, un camion retrasado puede convertir un dia de diez en once. Y entonces estas bloqueado.
En la realidad, el conductor puede tener que volver. Esperar no siempre es posible porque el camion ya esta comprometido para otro transporte. Eso crea una cascada de problemas.
Si hubieras actuado proactivamente, podrias haber dicho: “Prefiero que entregues dos dias mas tarde”, un lead time algo mas largo, “para mantener la carga en ocho camiones al dia y absorber retrasos inevitables.” Es simplemente suavizar las entregas. Conceptualmente es muy simple.
Pero eso implica pedir a veces un lead time ligeramente mas largo, de forma contraintuitiva. Presionar por lead times mas cortos suele hacer explotar el coste. A veces la respuesta economica viable es aceptar ocho dias en lugar de siete. El proveedor puede responder que no hay problema si le das un dia mas.
Al suavizar el flujo evitas incidentes y toneladas de firefighting que distraen a los equipos e impiden trabajo realmente productivo.
Conor Doherty: Mucha gente piensa que los lead times solo se vuelven financieramente daninos con eventos extremos: COVID, un canal bloqueado, el estrecho de Ormuz. Pero las empresas sufren todo el tiempo por variaciones muy mundanas. Explica eso.
Joannes Vermorel: En empresas que no usan Lokad, casi el 100 % de la gente hace busy work. Es terrible. Busy work es invertir una hora en algo que no es casi 100 % acumulativo, capitalistico. Estas convirtiendo tu supply chain en un activo productivo automatizado, donde cada hora humana mejora la maquina? Normalmente no.
La mayor parte es firefighting y ajustes constantes. Para una empresa grande, el flujo puede requerir cada dia decenas de dias-persona de trabajo administrativo solo para seguir funcionando. Gente moviendo cosas en Excel, apaciguando al dios del ERP. Eso no es capitalistico.
No tratar bien los lead times garantiza que ese firefighting sea grande y constante. Ese es el coste: menos intensidad mental para tomar buenas decisiones de asignacion de recursos. Supply chain es un juego economico en el que quieres maximizar el retorno de cada asignacion de capital, miles de decisiones al dia.
Si todos estan distraidos haciendo tareas no acumulativas, el coste de oportunidad es masivo. Es como jugar al ajedrez mientras cocinas y algo se quema todo el tiempo. Haras movimientos instintivos, no estaras en tu mejor nivel. Con firefighting constante, las decisiones principales se toman mal.
Conor Doherty: Esto lleva a una discusion sobre responsabilidad de proveedores. Como influye modelar probabilisticamente los lead times en la evaluacion de proveedores y en la dinamica empresa-proveedor?
Joannes Vermorel: Hasta que tienes una modelizacion probabilistica del lead time, no puedes modelar realmente el impacto economico de las variaciones. Con ella puedes hacer A/B testing en tu modelo, con y sin variacion, y ver cuanto dinero hay sobre la mesa.
Ese es el punto de partida. Sin esa evaluacion economica no puedes negociar racionalmente con el proveedor. Si dices “queremos fiabilidad perfecta”, el proveedor dira: “a cualquier coste?” Cual es el trade-off?
Puedes tener fiabilidad extrema a coste extravagante. En Paris, por ejemplo, una cerradura puede tardar tres semanas si la compras al fabricante, o una hora si usas un proveedor de emergencia. Pero una cerradura de 200 euros puede costar 1.000 euros en emergencia.
Puedes tener lead times increiblemente buenos, pero a precio increiblemente alto. Si no puedes evaluar el impacto economico de mejorar el lead time, no puedes tener una discusion razonada.
A veces incluso puedes decir al proveedor: “No tenemos prisa por este pedido. Lo necesitamos, pero eventualmente. Puedes bajar el precio si te damos dos meses mas?” En aviacion hemos visto que a veces la respuesta es si.
La negociacion no siempre va hacia acortar lead times. Tal vez obtienes mejor precio aceptando alargarlos, porque alivias presion al proveedor. Solo puedes hacerlo si modelas probabilisticamente el lead time y evaluas el impacto de las variaciones, no solo siete dias frente a nueve, sino la probabilidad de resultados negativos: 1 % de entregas muy tarde, o 5 %.
Conor Doherty: Muchos dirian: ya tengo informes OTIF, supplier scorecards, terminos contractuales, penalizaciones. Que tan superior es lo que describes?
Joannes Vermorel: Enormemente. La base es pensar en supply chain como un activo productivo que deberia funcionar unattended. Unattended significa cero personas, no cincuenta. Podrias retirar todo el equipo supply chain durante tres semanas y, si es business as usual, la empresa deberia funcionar.
Lo que veo es lo contrario: en muchas empresas de mil millones de dolares, la supply chain no funciona ni un dia sin decenas de dias-persona diarios de firefighting, micromanagement y busy work. La ausencia de modelizacion de lead times contribuye mucho porque crea sorpresas que alguien debe corregir manualmente, aunque eran prevenibles.
Conor Doherty: Entonces la devastacion real no es solo COVID o un canal bloqueado, sino la acumulacion de decisiones diarias suboptimas.
Joannes Vermorel: Exacto. Supply chain debe verse como un juego economico competitivo. Si ocurre una catastrofe mundial, afecta a todos: a ti, competidores, clientes, socios. Eso puede empobrecer a la sociedad, pero para una empresa individual no siempre cambia la posicion competitiva. Lo que compras sube, subes precios, transfieres el coste.
Hay que pensar en cuota de mercado. Hago algo en mi supply chain que me hace mas competitivo? Los eventos mundiales son dificiles de predecir y afectan a todos. La situacion con Iran, por ejemplo, era caotica. Nadie podia prever exactamente que haria la administracion estadounidense.
Los problemas mundanos, en cambio, son maquinas internas de generar caos. Son autoinducidos. Y si tus competidores se hieren menos a si mismos, se adelantan.
Por eso debes enfocarte en aquello donde tienes mas palanca. Si asumes que tus lead times no varian y tus planes se basan en eso, el firefighting resultante es responsabilidad tuya. Muchas heridas podrian prevenirse.
Conor Doherty: Eso es el micro frente al macro. Lo macro afecta a todos; lo micro es el dia a dia, tus proveedores, tus pedidos, tus terminos, la probabilidad de retraso. Eso es lo que controlas mas. Y ahi esta la magia de Amazon.
Joannes Vermorel: Jeff Bezos no tenia una bola de cristal para saber exactamente que articulo mantener en stock o a que precio. La idea de Amazon era dominar el caos a escala para hacer bien millones de microdecisiones. Si una entrega parece poco fiable para un codigo postal, aunque no sepan por que, ajustan la promesa para no sobreestimar su capacidad de entregar a tiempo.
Eso puede afinarse codigo postal por codigo postal. Tambien ajustan precios constantemente. Se trata de hacer bien lo mundano a escala. Si tus recetas automatizadas gestionan un millon de SKUs, tambien pueden gestionar 300 millones. Luego escalar el calculo es un reto IT, pero la parte dificil es pensar que supply chain debe automatizar lo mundano.
Amazon lo hace con todo, incluso devoluciones. Si eres un gran cliente desde hace diez anos y casi nunca pides reembolsos, probablemente se aprueba automaticamente. La alternativa seria crear una alerta, intervencion manual, posible error. Por eso defiendo dominar la variabilidad mundana, incluidos los lead times: es accionable y evita perdidas autoinducidas.
Conor Doherty: Pregunta del publico: “Ya seguimos los lead times y usamos la media historica, a veces con un buffer. Cual es la diferencia con lo que propones?”
Joannes Vermorel: Un buffer es una politica de asignacion de capital sin calculo economico. Dices: “mantenemos lead time mas siete dias de stock.” Eso asigna dinero sin calcular si es rentable, cuanto, si compite por espacio de almacen o si hay mejor uso del capital.
Es una heuristica de decision para asignaciones de capital. Hasta que haces un calculo economico, no sabes si esa politica es buena. Tal vez el buffer es perfecto, pero tal vez no. Sin calculo economico, las probabilidades de maximizar el retorno son muy bajas, y las probabilidades de hacer algo dramaticamente malo no son tan bajas como quisieras.
Modelar lead times abre la puerta a una evaluacion probabilistica, que abre la puerta a calcular un retorno ajustado al riesgo considerando todos los futuros posibles.
Conor Doherty: Contexto de fabricacion quimica: el software identifica dos riesgos. Uno es un material caro de mantener. Otro es barato, pero si llega tarde bloquea la produccion. Como deciden los planificadores: cambiar parametros, crear stock, expedir, negociar?
Joannes Vermorel: Volvemos al calculo economico. Tienes opciones que compiten. Como asignas presupuesto y recursos? Priorizas una, repartes, ignoras otras? Depende del retorno economico.
Para un componente caro de mantener pero facil de suministrar, hay rendimientos decrecientes. Para un input barato pero critico, puede ser como la cinta adhesiva en aviacion: baratisima, pero si falta puede inmovilizar un avion. Aun asi, debes calcular, porque quizas es voluminoso y ocupa mucho espacio que compite con otras cosas.
El calculo economico convierte todos esos factores en euros o dolares para decidir.
Conor Doherty: Y no es algo que haces una vez y olvidas. Es iterativo.
Joannes Vermorel: Si, pero el trabajo debe ser acumulativo. Tienes un proceso unattended, un software que genera decisiones de asignacion para mantener el flujo. Las personas mejoran las recetas numericas. Si entregan una mejora, mejora la decision de hoy, la de manana y las siguientes. Asi el trabajo se vuelve acumulativo.
Conor Doherty: Pregunta pharma: como pueden las organizaciones modelar y prever mejor la variabilidad de lead times, y traducir esos insights en mejores decisiones de inventario y servicio? A alto nivel, que se necesita tecnicamente?
Joannes Vermorel: Necesitas maquinaria de modelizacion probabilistica. Hay una serie de clases, incluso una sobre lead times. Piensa en un componente especializado de machine learning que transforma observaciones historicas en distribuciones de probabilidad. Con el lenguaje adecuado, puede ser muy compacto, incluso diez lineas para una version production-grade basica.
Luego necesitas combinar esa proyeccion probabilistica de lead times con otras fuentes de incertidumbre: demanda, precios futuros, devoluciones, etc. Y no solo lead times; tambien cantidades recibidas. En pharma, el proveedor puede llegar tarde y no entregar completo. Necesitas la distribucion de retrasos y la distribucion de lo que realmente recibiras.
Despues necesitas maquinaria que considere todos los futuros posibles. Excel no sirve para esto; las celdas con numeros no encajan bien con objetos probabilisticos. Necesitas un entorno como Lokad u otro, pero no Excel.
Con todos los futuros posibles, preguntas para cada decision: cual es el retorno economico? Hay machine learning para la parte probabilistica, modelizacion economica para convertir escenarios en costes, y finalmente un solver estocastico para explorar decisiones y encontrar la que maximiza el retorno.
Los solvers clasicos esperan entradas deterministas. Aqui las entradas son probabilisticas, por eso hace falta un solver estocastico. En Lokad, la modelizacion, la receta economica y el solver son en cierto modo bespoke, pero con tecnologia que mantiene el codigo compacto, directo y robusto.
Conor Doherty: O sea, usamos ordenadores.
Joannes Vermorel: Si, pero los spreadsheets tambien son ordenadores. Se trata de usar ordenadores adecuados. Un spreadsheet es un paradigma de programacion. Si tus instrumentos no sirven para la tarea, sufriras. Se puede programar Tetris en Excel, pero no es practico; es mas facil en Python. Cuando entran probabilidades, los spreadsheets deben descartarse porque no encajan con esa clase de objetos.
Conor Doherty: Pregunta de Sophian: si las empresas ya registran lead times, por que los gaps historicos no bastan para actuar cuando crean impacto economico? El bloqueo es herramientas, teoria o falta de ownership?
Joannes Vermorel: Las empresas registran lead times, pero la pila de software tiene actitud de workflow. Ves el pasado, pero no hay capa de modelizacion ni nada para explotar modelos probabilisticos. Modelar lead times variables en aislamiento no sirve; debes combinarlos con las demas incertidumbres y llegar hasta la asignacion de recursos.
Aunque una empresa modelara la variacion de lead time, faltaria el resto: modelizacion probabilistica de otras incertidumbres, receta economica y solver estocastico. Por eso no empiezan. En aislamiento, no conduce a nada accionable.
Conor Doherty: Jonathan comenta: “Unattended puede ser la parte facil. La acumulacion de decisiones suboptimas no es un problema tech; nadie posee la loss function. Cada equipo optimiza su metrica. El reto es acordar un objetivo economico unico antes de automatizar.”
Joannes Vermorel: Mayormente si, pero con matices. Supply chain es por diseno un esfuerzo burocratico: la planificacion y asignacion de recursos se especializan dentro de la empresa, y eso crea personas desconectadas del cliente o la produccion. Todo esfuerzo burocratico tiende a crecer, y controlarlo es dificil.
La mayoria de empresas tiene demasiada gente en supply chain. En Lokad, un supply chain scientist puede gestionar mil millones de euros o dolares de inventario. En clientes, a menudo hay cientos de personas para lo mismo. Antes de agregar capas, hay que pensar de forma sustractiva.
Sobre la loss function, no debe poseerla una nueva entidad. Hay que descomponerla en drivers economicos. El coste de stockout pertenece a ventas; el coste del dinero a finanzas. La mayoria de factores ya tienen propietario implicito. Hagamoslo explicito.
Supply chain posee el empaquetado de la funcion, no sus componentes. Junta los drivers en una formula coherente y da feedback si generan consecuencias no deseadas. Es una responsabilidad ligera, unas horas al ano incluso en una gran empresa. No hace falta nuevo equipo.
Conor Doherty: Y para empresas con lead times cortos, dos a cinco dias, importa igual?
Joannes Vermorel: Depende de la economia. Cuando tus lead times son cortos, tus clientes suelen esperar lead times cortos. Un dia de retraso en comida fresca diaria puede ser mas impactante que un dia en algo pedido a China hace diez semanas.
Como prueba rapida, mira el firefighting. Cuanto tiempo dedican las personas de replenishment, warehousing, planning, forecasting, precios, proveedores y clientes a construir algo acumulativo, y cuanto a mantener el flujo funcionando? Si mas del 20 % va a firefighting, hay upside masivo.
Si una situacion excepcional ocurre una vez, vale. Pero si ocurre todos los dias, es la nueva normalidad y debes robotizar alrededor de esa variabilidad.
Conor Doherty: Entonces la importancia financiera depende del impacto financiero de los retrasos.
Joannes Vermorel: Exacto. Hay que modelarlo. Si es nulo, no importa, pero rara vez lo es. Algunas marcas como Rolex pueden gestionar escasez y decir “un ano de espera”, pero son excepciones construidas durante un siglo. Un retailer de comida fresca no tiene ese lujo.
Conor Doherty: Ultima pregunta: si forecastamos lead times probabilisticamente, seguimos necesitando safety stock?
Joannes Vermorel: No necesitas safety stock. Safety stock es una politica no economica, una forma de asignar capital sin calculo economico. Pensar que un instrumento no economico puede alcanzar un objetivo economico es absurdo.
La critica principal es que safety stock no es economico y, por diseno, no da respuestas economicamente validas salvo por azar. Es como usar un libro para saber la hora: tal vez una pagina tiene una hora impresa, pero no mide el tiempo.
La teoria supply chain dominante presenta cosas falsas como si fueran correctas. La idea de que un instrumento no economico produzca significado economico requeriria una justificacion enorme. La aproximacion probabilistica de lead times es otro elemento que muestra lo irrelevantes y obsoletos que son los safety stocks. No es la unica razon, pero es otro clavo en el ataud.
Conor Doherty: Al inicio dijimos que la mayoria reconoce que los lead times varian, pero pocas empresas los forecastan probabilisticamente. Si alguien quiere dar el siguiente paso, en un entorno corporativo sin formacion academica sobre esto, cual es el paso viable?
Joannes Vermorel: Pensar en robotizar el proceso de decision. La modelizacion de lead time es un medio para un fin: mejores decisiones. Lokad llego a esto porque atacamos el problema de las decisiones y algunas salian mal. Ajustabas la modelizacion y aun quedaban decisiones absurdas.
El criterio de Lokad para produccion es 0 % de insanidad en las decisiones de asignacion de recursos. Una decision insane es aquella que la economia muestra como muy mala sin importar como ajustes los drivers economicos. La mala modelizacion de lead times aparecio como uno de los factores clave que generaban decisiones insane.
No modeles lead times en aislamiento. Parte de las decisiones: donde sigo generando decisiones insane porque mi modelizacion es simplista? Tal vez eres una rara empresa donde el lead time fijo es incorrecto pero suficiente para decisiones sanas. Puede ocurrir, pero es raro.
Tus esfuerzos de modelizacion deben estar guiados por esas decisiones insane. Quieres pasar a produccion y eliminar busy work y firefighting. Cuando cada decision generada puede ser revisada y un colega dice “es solida, quiza yo no lo haria exactamente asi, pero la apruebo”, esa es la reaccion deseada. Una mala modelizacion de lead times puede hacer que hasta 20 % de las decisiones parezcan absurdas. Eso es lo que hay que corregir.
Conor Doherty: No tengo nada que anadir. Se acabaron mis preguntas y llevas casi 80 minutos, asi que se nos acaba el tiempo. Muchas gracias, como siempre, por tu insight.
Y a todos los que miran, gracias por asistir, por sus preguntas, DMs y comentarios. Si quieren continuar la conversacion, ya estan en LinkedIn: hagan clic en los perfiles de Joannes y el mio y hablen con nosotros. Nos encanta hablar de estas cosas.
Nos veremos en unas semanas para hablar de pricing en supply chain. No tengo nada mas que decir salvo: vuelvan al trabajo.
