Existen soluciones simples a problemas complejos

ruleta casino

Sí, siempre existen.

Si uno no ha encontrado la solución simple es porque no ha pensado lo suficiente, o con suficiente claridad. El Dr. Goldratt, ese físico israelí que creó la Teoría de Restricciones, ponía este convencimiento en la base de cualquier análisis. Y es que esta es la manera en que los científicos piensan. Goldratt citaba a Newton, que escribió en su obra maestra publicada en 1687 lo siguiente: “la naturaleza es extremadamente simple y armoniosa consigo misma”.

Banner_frasco-suscripcion-800x250

¿Veamos un ejemplo en un tema que a usted le importa mucho?

El problema de la incertidumbre en la demanda

Lo primero que observamos en la industria es que los “benchmarks” o parámetros de comparación dicen que la disponibilidad de inventario habitual es 77% (estoy usando datos de la industria de alimentos de alta rotación), que alcanzar 85% es muy bueno y que 93% es un desempeño superior.

He tenido conversaciones con gerentes de esta industria y le creen a ese benchmark, al punto de no querer escuchar nuestra propuesta cuando les digo que pueden alcanzar sobre 95% o más de disponibilidad. Y su respuesta ha sido, “el problema es mucho más complejo, si hubiera una solución simple, como la que tú dices, todos estarían usándola”. Yo creo que es bastante obvio que si esa creencia es confirmada por la academia y por los que se consideran líderes, efectivamente demorará más en adoptarse la solución simple. Pero un solo caso basta para demostrar que la creencia es falsa.

Y mientras, ¿qué hacen? Tratan de mejorar los pronósticos con sistemas más complejos. Es decir, para un problema tan complejo como la incertidumbre de la demanda, que tiene ramificaciones hacia todos los nodos hasta la producción, se requiere de soluciones más complejas, que sean capaces de capturar cada aspecto del problema y resolverlo por partes.

El benchmark mencionado es una demostración de que no es masivo el uso de una solución que logre más de 95% de disponibilidad. Y es que cada vez que se ha intentado mejorar sobre 95% la disponibilidad, asoma su cabeza el dragón de los excedentes de inventario, que genera mucho más costo que el beneficio creado con la disponibilidad. Y además, como ya vimos en otro artículo, el excedente causa la falta de disponibilidad.

Bases de la solución simple

La simplicidad proviene de entender cómo están relacionados los distintos componentes del sistema y cómo se afectan unos a otros.

El análisis completo es más largo de lo que alcanzo a esbozar en estas breves líneas, y espero dar una idea clara de cómo se puede encontrar una solución.

Empecemos con el síntoma principal: la incertidumbre de la demanda obliga hacer una apuesta de inventario en cada nodo de la cadena.

Si la apuesta es muy grande, podemos tener acumulación, lo que conduce a excedentes, los que a su vez atrapan efectivo y espacio. Cuando el efectivo libre escasea, no es posible reponer lo que sí se necesita, lo que genera faltantes. Lo mismo ocurre si se agota el espacio. Además, la obsolescencia y perecibilidad de algunos productos generan mermas cuando el excedente es alto.

Es el tamaño de la apuesta lo que genera la cadena de problemas. ¿De qué depende el tamaño de la apuesta?

La apuesta es simplemente cuánto inventario tendremos. La cantidad de inventario debe ser la mínima para satisfacer la máxima demanda (razonable) esperada antes de la próxima reposición. Es decir, depende tanto de la magnitud de la incertidumbre como del tiempo de reposición.

Magnitud de la incertidumbre

En distintos nodos la magnitud de la incertidumbre es distinta.

Si uno mide las ventas diarias de un item en un punto de venta, verá variaciones diarias muy grandes: las ventas en una semana pueden ser 2, 12, 5, 4, 25, 10, 5.  Es decir, un promedio diario de 9 con alta variabilidad.

Si tomamos diez puntos de venta similares, la venta diaria sumada será algo como: 81, 95, 99, 85, 87, 100, 83. El promedio es 90 pero con mucho menor variabilidad entre un día y otro.

Tiempo de reposición

El tiempo de reposición se compone de dos intervalos: el tiempo de suministro es lo que el proveedor demora en preparar y enviar, más el tránsito; el tiempo de orden, es lo que nosotros demoramos entre una orden y otra.

En el caso de un punto de venta, el suministro puede ser uno o dos días desde el centro de distribución. Y el de orden es una política de operación. Nótese que esto hay que mirarlo para cada item. Supongamos que un item se repone cada 5 días, lo que resulta un tiempo de reposición de 7.

Efecto de ambos factores sobre la apuesta

En este caso, en nuestro punto de venta de ejemplo, con 7 días de tiempo de reposición, necesitaremos una apuesta alrededor de 63 unidades. Y si el tiempo de orden cambia, la apuesta debe ser mayor todavía.

Ya ve que el tiempo de reposición tiene un efecto multiplicativo a medida que crece la variabilidad.

Sabiendo esto, ahora es muy simple diseñar una solución que reduzca la apuesta: reduzcamos el tiempo de reposición. Generalmente el tiempo de orden es largo y, como es una política, podemos cambiar eso hoy mismo. Supongamos para nuestro ejemplo que reponemos todos los días, ahora nuestro tiempo de reposición es 3 días. Con una apuesta de 40 unidades alcanza para satisfacer la máxima demanda del ejemplo.

Y en el centro de distribución, donde la variabilidad es mucho menor, con frecuencia semanal también habrá una reducción de inventario.

Conclusión

Hemos visto que para un problema complejo, que todavía muchos consideran insoluble, Goldratt ha propuesto una solución simple, solo entendiendo cómo influyen unos elementos sobre otros. La solución completa no fue descrita, faltando el componente adaptativo a los cambios en la demanda, pero el objetivo creo que se cumplió: mostrar cómo se puede encontrar una solución simple con pensamiento sistémico.

Si quiere hablar con nosotros de este u otro tema, no dude en contactarnos en https://goldfish.cl/contacto.


Reciba las últimas noticias de la industria en su casilla:

Suscribirse ✉