“¿Quiere mejorar su capacidad de previsión de la demanda?

He desarrollado una nueva forma de utilizar el aprendizaje automático para apoyar las cadenas de suministro. Así es como funciona:

He desarrollado un metamodelo capaz de tratar prácticamente cualquier conjunto de datos de demanda de la cadena de suministro. El metamodelo trabajará con sus datos para crear el mejor modelo ML posible.”

Este es el inicio de un post en Linkedin publicado el 12 de octubre de 2021. La promesa es básicamente “mejoraré tu pronóstico con inteligencia artificial (AI)”.

Y yo pregunto, ¿qué ganamos realmente si esto fuera posible? No estoy ni siquiera cuestionando que un algoritmo de “aprendizaje automatizado” sea capaz de mejorar la precisión del pronóstico. Mi pregunta es más fundamental todavía. Supongamos que si mejora el pronóstico, ¿qué hemos ganado?

Determinantes del tamaño del inventario

El inventario es necesario solo si los clientes no tienen paciencia para esperar el producto desde que expresan su necesidad, por lo que el objetivo de tener inventario es satisfacer ventas inmediatas. Y sabemos también que la demanda por un producto particular en un punto de venta tiene una alta variabilidad.

Si el objetivo es satisfacer ventas y la demanda tiene amplias fluctuaciones, entonces el inventario que requerimos debe ser suficiente para satisfacer la máxima demanda antes de la próxima reposición, lo que significa que la mayor parte del tiempo debemos mantener inventarios en exceso respecto de la demanda real del momento.

La próxima reposición va a depender del tiempo que nosotros decidamos dejar pasar entre una y otra reposición, y también de cuánto demore en llegar el producto desde que lo pedimos. Ambos tiempos juntos componen el tiempo de reposición.

Mientras mayor el tiempo de reposición, mayor el inventario necesario.

Consecuencias de un inventario grande

Mientras mayor el inventario, más espacio se requiere para almacenarlo, y más capital inmovilizado tendremos. Como espacio y capital son ambos recursos limitados, mientras mayor el inventario, menos variedad podremos ofrecer a los clientes, lo que reduce las ventas.

Y además, si el tiempo de reposición es largo, entonces tendremos también mayores riesgos asociados al inventario: riesgo de merma y riesgo de obsolescencia. Además, un menor ROI general de la operación.

Incidencia del pronóstico en las consecuencias del inventario

Si nuestro pronóstico está muy equivocado, tendremos ventas perdidas por stock out, y tendremos acumulación de exceso de inventario.

Si mejoramos el pronóstico, vamos a reducir el stock out, y también la acumulación de exceso. Sin embargo, el principal factor que determina el tamaño del inventario es el tiempo de reposición, y un menor error en el pronóstico no reduce en absoluto este factor, por lo que el inventario necesario sigue siendo alto.

Me detengo aquí un minuto, porque ya puedo escuchar el contra argumento “si el pronóstico es exacto, necesito lo justo y necesario”. Estoy de acuerdo. Pero recuerde que la demanda es muy variable: algunos SKUs tendrán una alta venta en el periodo y otros menos, y se alternan. Para un periodo particular, el inventario requerido es la combinación de alta y baja demanda multiplicada por un tiempo largo.

¿Por qué he deducido que el tiempo es largo? Muy fácil, ¿cuántos días de venta necesita uno para pronosticar y cada cuánto tiempo se hace el pronóstico de una línea de productos? ¿Una vez a la semana, al mes, cada dos meses? No es todos los días para todos los SKUs, eso creo que es bastante seguro de suponer.

Por lo tanto, si estoy usando pronóstico, es muy seguro que el tiempo de reposición es largo. Y peor todavía, si además de pronósticos, uso MIN/MAX, el tiempo de reposición también es variable, por lo que debería pronosticar también cuánto será el tiempo hasta la próxima reposición. Y todavía estoy aceptando que podemos mejorar el pronóstico.

De este razonamiento, yo deduzco que un pronóstico más exacto, sin cambiar nada más, no he reducido mucho ni espacio ni capital inmovilizado. Supongamos que la mejora del pronóstico elimina el stock out, y se incrementan las ventas. El capital inmovilizado no se reducirá muy significativamente. Recuerde que antes había stock outs, lo que significa menos inventario. Ahora hay más inventario de esos productos y menos de los otros, pero el efecto total es que el inventario sigue siendo proporcional al tiempo de reposición, por lo que no puede reducirse mucho.

¿Qué determina la rentabilidad de una empresa?

Tal vez debí empezar por aquí. Una empresa es un sistema y su rentabilidad depende de cuánto margen podemos generar con sus recursos más escasos. Otra manera de verlo es cuánto dinero se puede generar por cada centavo gastado en operar.

En TOC – Teoría de Restricciones, el Dr. Goldratt definió solo tres maneras de medir el dinero en una empresa: trúput, inventario, gasto de operación.

El trúput es la velocidad de generar dinero a través de las ventas. El inventario es la cantidad de dinero atrapado en el sistema y puede convertirse en trúput. El gasto de operación es el dinero gastado para convertir el inventario en trúput.

Sé que inventario definido así puede confundir. Mejor usemos inversión, y dejemos el término inventario para las unidades de productos almacenadas.

En optimización matemática (programación lineal y no lineal), se define una función objetivo del sistema. En el caso de una empresa, es la utilidad. Y esa función daría infinito si no fuera porque los recursos de la empresa son limitados, por lo que decimos que el óptimo lo determinan las restricciones activas.

En los sistemas ya sabemos que la mayoría de los recursos deben tener holguras (ver refutación al balanceo de líneas) por lo que son unas pocas las restricciones activas.

Entonces, la rentabilidad de una empresa está determinada por cuáles son sus restricciones activas y cómo se usan.

Espacio y capital son dos restricciones que se usan más o menos dependiendo del tamaño del inventario requerido. Si el inventario necesario es mayor, estas dos restricciones se están usando más, incluso al punto de agotarlas. En ese caso nos vemos obligados a aceptar un nivel de stock out porque no podemos incrementar el inventario.

Relación del pronóstico y rentabilidad

Como ya vimos, usar pronósticos está asociado a un tiempo largo de reposición, por lo que las restricciones mencionadas, espacio y capital, estarán utilizadas casi al máximo. Ahora es el momento de responder, ¿cómo mejora la rentabilidad un mejor pronóstico?

Un mejor pronóstico hará que usemos mejor esas restricciones de espacio y capital, pero no logrará que las usemos menos. Es decir, si son restricciones activas, lograremos “mover un poco la aguja” con más ventas al reducir los stock outs, pero no mucho más, porque no ha cambiado el tiempo de reposición y seguiremos usando mucho de esas restricciones.

¿Y si reducimos el tiempo de reposición?

Al reducir el tiempo de reposición aliviamos inmediatamente la necesidad de inventario para satisfacer la máxima demanda. Es decir, podemos tener menos unidades de inventario y al mismo tiempo ese es un inventario proporcionalmente mayor al anterior. Esto logra reducir stock out y reducir el uso de las restricciones espacio y capital simultáneamente.

Al reducir el uso de las restricciones, ahora podemos explotar esas restricciones de un modo mejor ampliando variedad, por ejemplo, logrando incrementar las ventas mucho más.

En un retail típico, los puntos de venta pueden reabastecerse todos los días desde su centro de distribución. Y creo no equivocarme si digo que los puntos de venta reciben mercadería todos los días. Lo que pasa es que el cambio fundamental está en que hacemos la reposición de todos los SKUs todos los días.

¿Cómo influye ahora un mejor pronóstico si ya no estamos copando las restricciones de espacio o capital? Yo creo que no hace ninguna diferencia. Y para un tiempo tan corto, el mejor pronóstico es repetir el pasado inmediato: reponer hoy lo que se consumió ayer.

Pero puede haber cambios en la demanda por cada SKU, y los niveles de inventario no ser adecuados en el tiempo. Para eso necesitamos detectar en qué dirección se mueve la demanda, pero no requerimos un número exacto de unidades a reponer. En TOC tenemos un mecanismo simple que llamamos Administración Dinámica de Amortiguadores, que se puede automatizar y ajusta la inversión de acuerdo con la demanda real. Este es el origen de lo que se ha llamado “Demand Driven”.

Una característica de este sistema es que requiere esfuerzo solo para recolectar los datos diarios, que de todos modos ya se recolectan. Y no se gasta tiempo en procesarlos, porque lo hace un computador (aunque es bueno que haya supervisión humana siempre).

¿Cuándo conviene pronosticar la demanda?

La decisión de capacidad es una decisión estratégica. Normalmente la capacidad no puede variarse fácilmente en cantidades significativas. Incrementar al doble o reducir a la mitad son movimientos que no pueden hacerse con frecuencia y requieren una planificación de las necesidades. Para este tipo de decisiones es que se requiere S&OP (Sales and Operations Planning).

A nivel de capacidad hay mucha agregación estadística. Es fácil deducir eso. Si una empresa fabrica 3000 SKUs distintos, difícilmente tendrá cientos de líneas de producción. Una fábrica muy grande tiene menos de diez líneas, por lo que la demanda por cada línea tiene una gran agregación estadística. Eso permite también deducir que el pronóstico de la demanda agregada para cada línea tiene un error mucho menor que el pronóstico de venta de cada SKU.

En esas circunstancias es aconsejable hacer pronósticos de demanda para planear ampliaciones de capacidad. La dificultad en este tema es cómo las personas no entienden la función exponencial, pero ese es tema para otro artículo.

Por otro lado, la complejidad de las cadenas de suministro actuales también se prestan para aplicaciones de AI para estudiar la utilización de capacidad en distintos nodos, como fábricas, medios de transporte, puertos, contenedores, etc. En ese campo es muy impresionante lo que Throughput Inc. ha logrado con su aplicación ELI (me parece que en honor a Eli Goldratt).

Conclusión

Si me ofrecen un sistema para mejorar el pronóstico de la demanda para reponer en los puntos de venta, ya sé que es un sistema que opera con tiempos largos de reposición para cada SKU, por lo que no puedo esperar una gran mejora en rentabilidad. Sí habrá mejora, pero no muy grande.

En cambio, sin ningún sistema de pronóstico de demanda, pero con un sistema dinámico de ajuste de amortiguadores, con tiempos cortos de reposición, la mejora en rentabilidad será la misma o mejor que la del otro sistema, pero con menos esfuerzo y menos capital, y además se suma la liberación de restricciones para generar más margen todavía.

¿Por qué tenemos inventarios?

Todos los bienes de consumo, como el jabón o los alimentos, incluso eletrodomésticos, ya me entiende a qué me refiero, todos esos productos se encuentran en inventarios. Estamos acostumbrados a pensar en los inventarios de las tiendas, pero también están los inventarios en centros de distribución e incluso en bodegas de producto terminado de fábricas.

Este inventario tiene una característica única: se compró, despachó o fabricó antes de que un consumidor lo pidiera. Es que el inventario es necesario solo cuando la tolerancia a esperar del cliente es menor que el tiempo que demora en hacerlo disponible, al alcance del cliente. En caso de que los clientes estén dispuestos a esperar un tiempo igual o mayor que lo que demora en llegar el producto, no se necesita inventario.

Por lo tanto, todo el inventario debe generarse antes de la venta, por lo que requerimos de algún método que nos ayude a anticipar la cantidad adecuada de inventario.

Todo lo que iremos examinando acerca del inventario aplica a cada producto individual, a cada SKU (stock keeping unit).

¿Pero cuánto inventario es adecuado?

Sabiendo que el inventario cuesta dinero, la respuesta empieza con las palabras “mínimo posible”. Pero sabiendo que el inventario genera las ventas, nuestra respuesta debe contener el objetivo también, para satisfacer la “máxima demanda esperada”.

La demanda tiene fluctuaciones, y si nuestro inventario se adecua al promedio de la demanda, con mucha frecuencia se producirán faltantes y perderemos ventas. Los faltantes (también llamados “quiebres” o stock outs) son precisamente lo que queremos evitar con el inventario.

Por último, el inventario se requiere para satisfacer ventas antes de que llegue otra reposición.

Entonces, nuestra “fórmula” para calcular el inventario adecuado, o podemos decir también óptimo es:

Se requiere el mínimo inventario para satisfacer la máxima demanda esperada antes de la próxima reposición.

¿Cuándo ocurre la próxima reposición?

Ya vemos que el tiempo entre una reposición y otra es un elemento fundamental en nuestra fórmula. Podemos expresar la “máxima demanda esperada” como el promedio diario multiplicado por el tiempo de reposición y multiplicado por un factor de seguridad.

Si el tiempo crece, el inventario crece. Y viceversa. Veremos que este hecho es parte importante de una nueva manera de administrar los inventarios, pero primero entendamos cómo funcionan la mayoría de las cadenas de suministro.

Una orden de reposición puede ser: una orden de producción, o una orden de compra, o una orden de despacho. En todos los casos, una “orden” es una decisión, lo que es muy buena noticia, porque podemos hacer algo distinto si queremos.

Antes de seguir con nuestras deducciones, reflexione un momento sobre el hecho de que el inventario es un resultado de esta decisión. Si en su empresa no están contentos porque tienen exceso de inventario y al mismo tiempo tienen faltantes, no se olvide de que ese es un resultado de las decisiones de reposición tomadas días atrás.

¿Cuándo ocurre la próxima reposición? La respuesta ahora es obvia: cuándo lo decidimos nosotros.

¿Cómo se decide hoy cuándo reponer?

Al hacer una búsqueda en internet, aparecen algunos artículos como: https://blog.nubox.com/empresas/reposicion-de-inventario, https://biddown.com/no-sabes-cuando-pedir-mas-stock-calcula-reorder-point-rop/, https://www.mheducation.es/bcv/guide/capitulo/8448199316.pdf, y varios otros, que tienen en común algunas cosas:

• Todos enfatizan la importancia de hacer una buena gestión del inventario para tener buena rentabilidad.
• Todos mencionan algún tipo de punto de reorden, algunos son explícitos con el método MIN/MAX y también con el lote económico de reposición.

Como anécdota, NIKE publica esta página https://www.nike.com/cl/help/a/disponibilidad-del-producto-gs para decir que el producto que uno busca y no encontró estará disponible cuando haya existencias… a mí no me ayudó mucho, la verdad.

Y mirando libros y programas de estudio, vemos que el tema de MIN/MAX y EOQ (economic order quantity) son recurrentes, como métodos para decidir cuándo y cuánto reponer de cada SKU. Echemos un vistazo a estos conceptos.

El método MIN/MAX y EOQ

Estando de acuerdo con todo lo dicho más arriba en este artículo, el objetivo del método es tener disponibilidad al mínimo costo posible.

El método consiste en determinar un mínimo de unidades en inventario que deben satisfacer las ventas mientras llega lo que vamos a pedir. Por eso a veces a esta cantidad mínima se le llama ROP (reorder point) punto de reorden.

Y la cantidad a pedir va a completar un máximo de unidades. En general esta cantidad se ha calculado con una fórmula que optimiza costos y que resulta en un lote económico de reposición.

Veamos cada una de estas cosas con más detalle y qué efectos tiene utilizar el método.

En esta figura se representa en teoría lo que dice el método, pero nótese que hay dos elementos poco realistas en el gráfico: 1) en cada reposición aparece como que el pedido llegó el mismo día que se ordenó; 2) hay una regularidad perfecta en la demanda.

La realidad se acerca mucho más a este otro gráfico:

Entre que se pone el pedido y llega la reposición hay un tiempo de suministro, no es instantáneo. Y el consumo o demanda es variable. Lo primero explica que el inventario pueda agotarse. Y nuevamente, si la reposición fuera instantánea, no necesitamos inventario.

Pero quiero detenerme un momento en la variabilidad de la demanda. Como se ve en el gráfico, cuando la reposición se hace fijando el ROP o MIN en una cantidad fija, y la demanda es variable, ocurre lo que se ve aquí: el tiempo entre una orden de reposición y otra es variable.

Volvamos a revisar lo que ya sabemos: el inventario necesario para generar ventas depende del tiempo de reposición. Por lo tanto, si el tiempo de reposición cambia en el tiempo, pero el inventario no, entonces el inventario que se mantiene es casi siempre erróneo, con un sesgo hacia el exceso.

Es decir, el método MIN/MAX, tan popular en programas académicos, es un método que conduce a tener siempre inventarios equivocados (excepto cuando la demanda tiene poca variabilidad).

Uno de los elementos de una solución al problema crónico de los inventarios, me refiero al problema de tener excesos y faltantes simultáneamente, es fijar la frecuencia de reposición.

Si fijamos la frecuencia, ya el MIN no es relevante. El MAX será la cantidad que debemos mantener, pero si desde la última orden hubo pocas ventas, la cantidad a pedir será bastante menor que la EOQ – lote económico de orden.

La cantidad EOQ se calcular con una fórmula que involucra costo del faltante y costo de almacenamiento más costo de generar una orden. El concepto es que si la cantidad es grande, el costo de almacenamiento es mayor, pero el costo de generar órdenes es menor (son menos órdenes al año).

En primer lugar, el costo del faltante es muy difícil de estimar y es probable que sea mucho mayor al estimado. Hay dos aspectos que se subestiman. El primero es que los faltantes pueden restar reputación y eso reduce la demanda futura. Y el segundo aspecto es que un faltante afecta a las ventas también de un modo diferente si se mantiene más o menos tiempo.

En general se puede decir que a las ventas también aplica el principio de Pareto, el de 80/20. Este principio dice que el 20% de los factores es responsable del 80% del resultado. Los números 80 y 20 son referencias para indicar la asimetría.

En un caso que conocí bien, el 5% de faltantes estaba generando un 30% de ventas perdidas. Esto lo sé porque cuando ese 5% se eliminó, las ventas crecieron 40%. (Nótese que de un total de 100, se estaba vendiendo 70; al incrementar 40%, 70 x 1.40, esto da 98).

Por lo tanto, en la fórmula de EOQ se subestima mucho el costo de faltante.

Pero además, los costos de almacenamiento y de generar las órdenes son habitualmente costos hundidos, o fijos, como quiera verlos. El primero es lo que cuesta el espacio de bodega. Y este se hace variable solo si hacemos crecer el inventario por sobre cierto nivel. Y el de generar órdenes se compone de sueldos de personas que no cambian si uno hace más o menos órdenes. Para efectos prácticos, los costos marginales de estas dos componentes son cercanos a cero.

Al aplicar la fórmula ahora, la cantidad EOQ resultante es muy pequeña, por lo que es irrelevante.

Lo dicho para el costo de generar órdenes es válido para el transporte y para la producción, donde los setups rara vez tienen costo real.

Por lo dicho, el método MIN/MAX y el lote EOQ son falacias, que conducen a malas decisiones de reposición de inventarios.

La alternativa de TOC

TOC es Theory Of Constraints, teoría de restricciones, creada por el Dr. Goldratt y sus principios también se aplican a los inventarios.

Tomando la definición del principio, nuestro objetivo será tener el mínimo inventario para satisfacer la máxima demanda esperada antes de la próxima reposición.

Primero explicaré la solución genérica y luego distinguiré algunos casos.

Como ya mencioné, lo primero es FIJAR LA FRECUENCIA. Esto es una decisión, no es un resultado. Por lo que esta decisión reduce la variabilidad del tiempo de reposición drásticamente.

Lo segundo es ignorar los lotes óptimos y llevar a la frecuencia a lo máximo razonable 8veremos qué significa razonable al distinguir casos), por lo que el tiempo entre orden y orden se reduce al mínimo posible. Como el inventario es proporcional al tiempo de reposición, el inventario resultante es menor, ocupando menos espacio y atrapando menos dinero.

Ahora, con menos dinero invertido, tenemos inventario para más del 98% de los casos de demanda, elevando nuestro fill rate a casi 100%.

El método consiste en reponer con la frecuencia fijada solo lo que le falta a nuestro inventario objetivo, que en jerga de TOC se llama AMORTIGUADOR.

¿Cómo sabemos que el amortiguador es el adecuado?

El primer amortiguador para cada SKU se debe estimar. Hay variadas maneras de hacerlo y se encuentran en la literatura de TOC. Pero no es relevante hacer un cálculo muy exacto para este estado inicial, por lo que recomiendo una fórmula simple. Yo personalmente prefiero una suma móvil de los últimos X días durante unos 3 a 6 meses, donde X es el número de días correspondiente al tiempo de reposición. El tiempo de reposición debe incluir todo: los días entre una orden y otra, y también todo el tiempo de suministro(producción y transporte). El amortiguador es el máximo de esas sumas.

Pero la demanda por un SKU puede cambiar, por lo que el amortiguador también debe cambiar. La Administración Dinámica de Amortiguadores es la técnica de TOC para automatizar este procedimiento por el cual el amortiguador individual de cada SKU va siguiendo la demanda real. Se basa en colores, tiene ciertas reglas, y consiste en que se incrementa el amortiguador en un tercio cuando se detecta que se está consumiendo inventario más rápido de lo que se repone. Y se reduce un tercio cuando se detecta que el consumo ahora se hizo más lento.

Casos genéricos distinguibles

Hay tres casos que vale la pena distinguir en general:

1. Puntos de acopio o de venta de la misma cadena
2. Bodega central o centro de distribución abastecido localmente
3. Bodega central o centro de distribución abastecido de importación

El primer caso corresponde a nodos que nos pertenecen, por lo que tenemos total control sobre su operación. En general, estos puntos pueden tener reposición diaria, lo que lleva a reducir mucho los inventarios, y al mismo tiempo es raro mantener un faltante más allá de un día. El criterio es reducir el tiempo al mínimo; si no es un día, que sean dos o a lo más tres.

Si, por ejemplo, tenemos varios puntos de venta en una ciudad alejada del centro de distribución, donde se vende un camión cada tres días, es posible hacer un viaje cada tres días a esa ciudad entregando en cada punto de venta. Cuando estos crecen en número, puede ser mejor tener una bodega regional que atienda a esa y otras ciudades cercanas, siguiendo el mismo principio.

Cuando los nodos nos pertenecen, no tiene sentido que la reposición no pueda hacerse con alta frecuencia. De hecho, hoy deben ir camiones con mucha frecuencia, pero no para reponer SKUs que se vendieron ayer.

El segundo caso es una bodega que se abastece de una planta de producción propia o de proveedores locales. En ambos casos (por razones distintas), poner órdenes diarias es un ejercicio inútil.

En el caso de la producción, lo normal será que la programación no acepte órdenes para producir el mismo SKU varios días seguidos, porque eso llevaría a desperdiciar capacidad en la restricción (ver artículo https://blog.goldfish.cl/produccion/refutacion-al-balanceo-de-lineas/).

Y si los proveedores locales reciben todos los días órdenes de compra por el mismo SKU, lo más probable es que consoliden todas esas órdenes para despacharlas en una vez semanal.

Por estas razones, mi recomendación para este segundo caso es fijar la frecuencia en una orden semanal por cada SKU. Esto lleva a dividir los SKUs en cinco grupos (esto es un ejemplo), y tendremos los del lunes y los del martes, y así sucesivamente. El encargado de reponer solo debe completar amortiguadores del grupo del día.

El tercer caso es el que más me ha hecho pensar. Hasta ahora no lo he dicho explícitamente, pero habrá notado que este método prescinde de los pronósticos: reponga solo lo que se consumió y ajuste en forma dinámica los amortiguadores.

El pronóstico contiene errores, a veces subestima demanda y otras veces la sobrestima. Mientras más pequeña la población que atiende un nodo, mayor es el error relativo. Es decir, una tienda que atiende a 5.000 personas requiere más inventario por habitante que una bodega que atiende a 50.000 personas. Este método de reposición frecuente reduce los inventarios en los nodos de mayor error.

Este fenómeno de reducir el error relativo al crecer la población se llama agregación estadística, y está muy bien estudiado matemáticamente. La agregación estadística también ocurre al alargar el tiempo. El problema con esto, ya sabemos, es que crece el inventario proporcionalmente.

El tercer caso, donde el centro de distribución se abastece por importaciones, es uno donde el tiempo de reposición es naturalmente largo. Primero, el tiempo de tránsito no puede ser más corto sin elevar el costo (pasar de marítimo a aéreo, por ejemplo). Pero además, para llenar contenedores, tal vez se requiera de la venta de una o dos semanas. Estos dos factores hacen que el tiempo de reposición no pueda reducirse, para nadie; es decir, los competidores tienen las condiciones.

Como podemos ver, al tener agregación estadística por el tiempo largo, y además tener la máxima agregación estadística poblacional, el error de pronóstico de demanda para este caso particular es mucho menor en forma relativa.

Aun así, fijar la frecuencia por cada SKU tendrá los mismos beneficios ya descritos. Sin embargo, el método de ajuste de amortiguadores puede modificarse, incorporando técnicas de pronóstico, haciendo a este método más robusto todavía.

Conclusiones

Tanto las “mejores prácticas” de la industria como los contenidos de programas académicos están atrasados en muchas partes, y la prueba está a la vista. Basta con ir a un supermercado o a una tienda con una lista de compras con 10 ítems, ¿cuántas veces encuentra toda la lista? Y aun así, la tienda está llena de inventario. Haga otra prueba; mire la fecha de elaboración de algo no perecible que se produzca en el país y comprobará que son varias semanas desde que se produjo y usted lo tomó en sus manos. Eso habla de exceso de inventario.

Ahí está el resultado.

Y por otro lado, las cadenas de suministro que han adoptado TOC para transformarse, han reducido inventarios y han elevado sus niveles de servicio cerca del 100%.

Siempre se puede mejorar mucho más; pero para eso se requiere adquirir más conocimiento. Espero que eso le haya pasado leyendo este artículo.

La práctica de cross docking es otro de los errores que se deriva en forma lógica de un supuesto equivocado. Ya demostré porqué están equivocados MIN/MAX y EOQ. El supuesto básico es que “reducir los costos logísticos incrementa las ganancias”, y el problema es precisamente cómo se calculan los costos. No voy a entrar a eso ahora; en otra ocasión mostraré cómo la contabilidad de costos da información equivocada para la toma de decisiones. Y las decisiones son las que determinan las ganancias, o eso esperamos (de otro modo habría que reconocer la irrelevancia de cualquier método y, peor, la irrelevancia de los gerentes).

Pero enfoquémonos en este error hoy. Demostraré porqué cross docking siempre reduce las ganancias.

¿Por qué tenemos inventarios?

Me voy a repetir un poco, porque es bueno ir a la base de todo para poder entender qué hacer y, por cierto, qué no hacer.

Los inventarios son necesarios porque el cliente no tiene tolerancia para esperar una vez que expresó su necesidad. Es obvio que no es posible mantener inventario de productos a la medida, y en ese caso los clientes sí esperan un plazo de entrega. Pero productos que se consumen de forma habitual, por gran cantidad de clientes, y que no cambian sus especificaciones con frecuencia, representan muy bajo riesgo si se fabrican con anticipación. Por lo tanto, si no lo tiene de stock es muy probable que pierda la venta.

La respuesta a la pregunta era obvia: tenemos inventarios para hacer ventas (que no se pueden hacer sin inventario).

¿Cuánto inventario requerimos en cada nodo de la cadena?

Espero no aburrirlo con estas trivialidades.

Necesitamos el mínimo inventario posible para satisfacer la máxima demanda esperada antes de la próxima reposición.

Esto significa que el nivel de inventario de un SKU en una tienda dependerá del máximo nivel de venta esperado dentro de un tiempo de reposición, siendo el tiempo de reposición la cantidad de días que hay entre una orden y otra más el tiempo que demora la entrega (el tránsito). En el artículo acerca de MIN/MAX ya demostré que si permitimos un tiempo variable, el inventario siempre está equivocado.

Supongamos ahora que me hizo caso y en las tiendas tiene frecuencia diaria de reposición y demora un día el tránsito. Es decir necesita inventario para satisfacer el máximo nivel de venta que pueda ocurrir en un lapso de dos días.

¿Qué diferencia fundamental hay entre un centro de distribución y una tienda?

Está claro que la fórmula aplica también al centro de distribución (CEDI). Pero el nivel de venta del centro de distribución es la suma de las ventas de todas las tiendas. O sea que el CEDI no tiene ventas independientes, sino que su nivel de venta será una combinación de lo que ocurra en las tiendas.

Establecido eso, veamos qué significa “máximo nivel de venta” en cada nodo, en una tienda y en el CEDI.

Cuando vemos las ventas reales de los últimos 30 días de un SKU cualquiera en una tienda, vemos mucha variabilidad. Podemos ver varios días de cero unidades y días de 5 unidades, de 1 o de 10. Al mirar las ventas de ese mismo SKU en otra tienda los mismos días, veremos que también tienen una gran variabilidad, pero donde la primera tienda vendió cero, la segunda vendió 5, y así vemos que la combinación de ambas tiendas tiene ventas con menos variabilidad en conjunto.

Si combinamos la venta de muchas tiendas, la variabilidad de su venta total es mucho menor que la variabilidad de cada tienda individual. Esto se conoce como agregación estadística (en general, la variabilidad se reduce en razón de la raíz cuadrada del número de puntos de agregación).

Como consecuencia, “el máximo nivel de venta” del centro de distribución será mucho menor que la suma de los “máximos niveles de venta” de cada tienda sumados. ¡Acabamos de descubrir porqué conviene tener un centro de distribución! El inventario del CEDI que es suficiente para la venta diaria es mucho menor que si tuviéramos los inventarios en las tiendas.

Genial, buena teoría, ¿y qué tiene que ver con cross docking?

Además hay que tener en cuenta que los proveedores no son muy amigos de hacer despachos diarios a la cadena. Por lo que los pedidos a proveedores externos tienen un tiempo de reposición distinto, varias veces mayor a un día. Siendo muy conservadores, supongamos que hacemos pedidos semanales a los proveedores externos.

Si en vez de despachar al CEDI pidiéramos que le despachen a cada tienda, el inventario total de todas las tiendas sumadas sería muy grande. Tan grande que no alcanza el espacio y, muy posiblemente, tampoco el capital de trabajo. Eso lleva a reducir las cantidades pedidas y empezamos a provocar quiebres de stocks o agotados. Pero es justo esto lo que nos hace perder ventas, y queremos inventario para hacer ventas.

Es por eso que si pedimos el despacho semanal al CEDI es porque ahí almacenamos el producto y reaccionamos a diario a una demanda fluctuante, logrando reducir el inventario y también eliminar los agotados en las tiendas, que es donde se hacen las ventas.

Un momento: si recibo semanalmente los pedidos, pero hago despachos diarios, la operación de recepción y la operación de despacho están, por construcción del sistema, desacopladas.

Si fuerzo el acoplamiento de ambas, debo despachar a las tiendas lo que recibo semanalmente, pero entonces ahora tampoco puedo aprovechar la agregación estadística, ¡razón principal para el CEDI!

Hacer cross docking es precisamente acoplar recepción y despacho. Vea cómo en este artículo acerca de cross docking se describe el sistema como uno que reduce el almacenamiento en el CEDI a menos de 24 horas.

Es decir, hacer cross docking es una práctica que destruye el valor de la agregación y genera excesos de inventarios y agotados en los puntos de venta.

Pongamos unos números

En una cadena de retail, el margen bruto de cada producto puede ser 30% o más. Mientras mayor sea, mayor el efecto.

El efecto de los agotados en las ventas es asimétrico, como sabemos por el principio de Pareto. El 80/20, ¿se acuerda? Es decir, si de cero agotados pasamos a 5% de agotados (lo que es extremadamente conservador), las ventas que perderemos son 15% o más. Ya he contado la experiencia real de un fabricante que al reducir 5% de agotados incrementó las ventas 40%. Calculemos con 15%.

Si nuestra cadena, sin agotados, vende 100, el margen total será 30. Si tiene un 10% sobre ventas de utilidad, eso da 10, por lo que sabemos que nuestro gasto de operación total es 20.

Al reducir 15% las ventas, tendremos un margen total de 85 x 30% = 25.5, es decir, las utilidades se redujeron a 5.5. Para compensar esta pérdida de 4.5, el gasto total debería reducirse más de 4.5, lo que representa ~ 23%.

A menos de que los ahorros del cross docking superen un 23% del gasto total (que incluye todos los sueldos, arriendos, energía, etc.), esto es muy mal negocio.

Cross docking va en contra del objetivo primario del sistema, que es facilitar el flujo.

¿Por qué nadie se ha dado cuenta de esto y siguen haciendo cross docking?

La descripción que hice del sistema, con frecuencia semanal de abastecimiento al CEDI y distribución diaria a las tiendas es la práctica propuesta por Goldratt. Pero tampoco esto se hace, y la mayoría de las empresas no sabe aprovechar su CEDI más que para ahorrar costos de transporte, además de ahorrar el caos de recibir muchos camiones distintos en cada tienda.

Como la práctica hoy es incorrecta, cross docking efectivamente mejora la operación actual. Este es un caso donde se hace mejor lo que no se debe hacer. ¿Se acuerda de Drucker?: “Hacer mal las cosas correctas es mucho mejor que hacer bien las incorrectas”.

En estas circunstancias, donde la práctica prevaleciente es usar mal el CEDI, efectivamente uno puede decir que cross docking tiene los beneficios enumerados en el artículo ya citado.

Pero ese artículo también dice que para implementar cross docking se requiere de inversiones y de compromiso de los equipos. Es decir, si ya lo implementó, es posible que cueste más salir de esa situación permanente de agotados en las tiendas y excesos de inventario.

Voy a hacer una especulación acerca de porqué a alguien se le ocurrió el cross docking. Supongo que fue imitando el sistema de hub o centro de conexiones de vuelos de pasajeros, donde es mucho más eficiente para la línea aérea hacer una escala que hacer vuelos directos entre todos sus destinos. En efecto, si tengo múltiples destinos y todos pueden ser también origen, pero cada día hay una cantidad distinta de pasajeros que quiere ir de un sitio a otro, lo más eficiente es llevar a los pasajeros a un centro, donde todos los pasajeros que van a un destino desde varios orígenes se juntan en pocos vuelos. Esto es nuevamente agregación estadística.

Ese sistema de vuelos sería más eficiente si los pasajeros aceptaran esperar una semana en un hotel en el centro de conexiones, pero me temo que yo no lo haría. Por eso el centro de conexiones no es un CEDI que acumule inventario. Pero los productos no se quejan y en ese caso si podemos aplicar lo que expliqué en párrafos anteriores.

Conclusiones

Nuevamente una prueba de realidad ayuda a entender: entre a una tienda con una lista de compra (que incluya productos de esa tienda, claro) y vea cuántas veces encuentra todo. Si el cross docking sirviera para algo, encontraría más veces lo que necesita y no vería tanto inventario acumulado, al punto de que varios de esos productos se vencen o quedan obsoletos.

Varias de las “mejores prácticas” de la industria como los contenidos de programas académicos están equivocados. Volver a lo básico nos permite entender mejor nuestro negocio. Cross docking promete reducir costos, pero permítame una pregunta: ¿para qué está su empresa en el negocio?, ¿para generar dinero o para ahorrarlo? La buena noticia es que hacer lo correcto es más simple y mucho más rentable.

A Peter Senge le escuché que antes de cumplir 20 años, él ya estaba casi obsesionado con la interdependencia. Y al investigar más acerca de pensamiento sistémico, todos los autores coinciden en la visión holística, donde el todo es más que la suma de sus partes.

Los sistemas no son solo grupos de elementos. Son también las interacciones entre sus elementos. Y lo que un sistema produce se genera como un flujo a través de estas interacciones, como una característica emergente del sistema como un todo, y que no puede obtenerse de otro modo, aunque tengamos todas las partes disponibles sin interactuar.

En su libro La Quinta Disciplina, Senge dice que la quinta disciplina es el pensamiento sistémico. Y esto es muy relevante para las empresas porque las empresas son sistemas, por lo tanto, los gerentes deben procurar acelerar el flujo como primera consideración. Flujo de materiales o servicios hacia los clientes, flujo bi-direccional de información y flujo de dinero desde los clientes.

Sabiendo esto, el siguiente paso es preguntarse cómo lograr mejor flujo. En mi libro Sincronización, yo digo que lo principal es elevar la sincronización entre los distintos flujos que ocurren dentro de la empresa. En ese libro explico que las contradicciones sistémicas reducen la sincronización y muestro cómo se pueden ir eliminando metódicamente. Pero hay otro aspecto de la sincronización del que quiero hablar aquí.

Primero definamos la palabra. Sincronizar es lograr que dos o más cosas ocurran al mismo tiempo.

En los sistemas complejos, como son las empresas, hay varios flujos que están ocurriendo y debemos sincronizarlos para lograr producir. ¿Qué pasa si un flujo tiene un ritmo distinto que otro? Uno de los flujos tiene ciclos de días mientras que el otro tiene ciclos de horas, ¿cómo lograr que lo que uno necesita lo entregue el otro en el momento adecuado?

Pensando en este tema de los ritmos distintos se me ocurrió el caso de un campo que necesita riego. Hay días de lluvia, y esos días el campo recibe la lluvia y no necesita más. Para los días que no llueve podemos usar el agua del arroyo que se forma cuando llueve. En este caso, los días de lluvia no necesitamos el arroyo, pero es precisamente esos días lluviosos que hay arroyo, pero si no llueve no existe el arroyo que necesitamos.

¿Cómo podríamos sincronizar el agua del arroyo con los días no lluviosos? En otras palabras, ¿cómo podemos sincronizar el riego cuando el ritmo de lluvias es intermitente pero la necesidad es continua? La solución es conocida: un embalse que acumula agua los días lluviosos y que se puede usar los días no lluviosos para regar.

El embalse desacopló ambos flujos, y nos permitió controlar la sincronización entre esos dos flujos de distinto ritmo.

En las empresas tenemos flujos de demanda, de producción, de abastecimiento, de efectivo. Y cada uno de esos flujos tiene distintos ritmos. La manera de lograr la sincronización es con embalses. En Teoría de Restricciones (TOC) los llamamos amortiguadores.

Los amortiguadores pueden ser de inventario físico, pueden ser de tiempo o pueden ser de capacidad instalada, o una combinación entre esas posibilidades.

Por ejemplo, si uno fabrica productos de consumo masivo, la manera de sincronizar la demanda con la producción es con inventario para entrega inmediata. Otro ejemplo; si uno fabrica a pedido, y recibe pedidos que ocupan varios días de capacidad, la manera de sincronizar la producción con las ventas es dando plazos de entrega.

Los amortiguadores son detenciones de flujo, por eso es deseable tener el mínimo posible que garantice la sincronización. No es bueno tener muchos amortiguadores. La guía aquí es poner amortiguadores solo entre flujos con ritmos muy distintos.

Las aplicaciones de TOC para administrar flujos se basan en amortiguadores y han probado ser las más efectivas a lo largo de décadas de experiencia. Y los métodos incluyen la manera de administrar el tamaño de los amortiguadores en función de los cambios en los ritmos.

¿Tiene síntomas de falta de sincronización en su empresa? Tal vez el remedio sea construir y administrar unos pocos amortiguadores dentro de sus procesos.

Repito la pregunta del artículo anterior: ¿De qué dependen los resultados de las empresas? De las decisiones: las macro decisiones fijan un norte, las micro decisiones son la ejecución.

En el artículo anterior afirmé que una decisión macro que debería guiar a las empresas es cumplir la promesa que se hace a los clientes.

Las dos promesas típicas de empresas manufactureras son:

1. Prometen entrega inmediata.
2. Prometen un plazo de entrega.

Ya examiné cómo la promesa 1 se incumple con frecuencia. Y también ofrecí la solución simple de Teoría de Restricciones, que ha tenido una historia larga de éxitos. Es una idea muy simple y se puede automatizar (ver https://fillrate100.com).

La promesa 2, la de entregar a tiempo en el plazo prometido, sin sacrificar calidad, es también de esas promesas que todas las empresas hacen pero pocas cumplen.

Si usted produce a pedido, sabe que debe prometer un plazo de entrega. Y tal vez cumpla esa promesa en un 80%-85% de las ocasiones.

Este era el caso de una empresa en Chile, que facturaba cerca de USD 500 millones al año. En 2008 o 2009 me reuní con el gerente de operaciones y el gerente de producción de esta empresa, para explorar si estarían interesados en lo que tenemos para ofrecer. Después de intercambiar algunos datos, les pregunté si medían la entrega a tiempo, a lo que respondieron que sí. Ellos medían OTIF – On Time In Full y, añadieron, tenían 79.4% en ese indicador, lo que consideraban bueno.

Extrañado, les pregunté por qué lo consideraban bueno. Su respuesta me sorprendió más: «¡porque está muy cerca del 85%, que es el límite teórico!

¿Recuerdan el 94% de fill rate del artículo anterior? Ese límite práctico que no puede mejorarse sin un alto costo, lo que lo hace menos rentable. Ya mostré cómo se puede lograr un fill rate cercano al 100% con menos inventario y menos costo.

Este es también el mismo caso. Más de 85% de OTIF, me explicaron, no es rentable; se puede lograr, pero a un costo demasiado alto.

Como les ofrecía incrementar el OTIF sobre 98% con menores costos, no lo creyeron posible y no seguimos conversando.

Me quiero detener un poco a reflexionar qué significa un 90% o menos de OTIF. Cuando uno declara que tiene una entrega a tiempo de 85%, está diciendo que hay un 15% de probabilidades de atrasarse en el plazo.

La mayoría de las veces, los atrasos provocan grandes perjuicios a los clientes. Son tan grandes que una probabilidad baja de ocurrencia representa un riesgo moderado a alto. Un riesgo que vale la pena mitigar; es decir, si uno elimina ese riesgo, está generando un gran valor al cliente. Esto queda, además, de manifiesto, observando la reacción de los clientes ante los atrasos.

En la práctica, si el daño es apreciable, un 10% o un 40% son similares. Para el cliente son ambas probabilidades demasiado altas. Considere el juego de la ruleta rusa. Si tiene 6 balas, la probabilidad de sobrevivir es 14%. Si tiene 10 balas, baja a 10%. ¿Le parece aceptable el riesgo en el segundo caso? ¿Y si tiene 20 balas?

A mí me parece que la entrega a tiempo es aceptable desde 95%-98% hacia arriba.

¿Por qué las empresas no son capaces de cumplir mejor sus plazos de entrega? Pensemos un poco en esto: tenemos una cola de pedidos, y tenemos una capacidad instalada. En simple, la capacidad se mide en unidades por hora, por lo que la cantidad conocida de los pedidos en cola representa una cantidad de horas bastante exacta, suponiendo que conocemos la capacidad, claro. Y sabiendo cuántas horas diarias trabaja nuestra empresa, ya sabemos cuál es la siguiente fecha que podríamos prometer.

Muchas empresas se equivocan en esa estimación. Debe ser equivocación, porque si prometen las fechas sabiendo que no cumplirán, demuestran total ignorancia respecto de lo que valoran los clientes. ¿Dónde se equivocan? Tenemos solo dos factores para hacer el cálculo de fecha: la carga ya comprometida y la capacidad. La carga comprometida es una cantidad conocida, sin ninguna variabilidad. Solo queda la capacidad.

¿Por qué se equivocan tanto con la capacidad? ¿Acaso no conocen su planta los planificadores? ¿No saben cuántas horas diarias trabajan y qué días son feriados?

La explicación que queda es que la capacidad efectiva de producción de una planta no solo depende de la capacidad instalada. Hay otro factor que incide fuertemente en la capacidad: es el WIP por work in progress, o trabajo en proceso.

Voy a apelar a su intuición. La capacidad de una autopista para «procesar» automóviles se puede medir en la cantidad de autos que pasan por un punto al final de la autopista. Y esta cantidad va a depender de la velocidad promedio de los autos. La cantidad de autos en la autopista es el WIP. Si el WIP es muy poco, la producción también (no importa que los autos puedan ir a máxima velocidad; son pocos autos por hora). Cuando va creciendo el WIP, más autos por kilómetro, la producción también va creciendo, porque la velocidad sigue siendo la máxima, pero ahora son más autos. Si el WIP sigue creciendo, como el último día de vacaciones y todos vuelven al mismo tiempo, sabemos por experiencia que la velocidad promedio es mucho menor, por lo que la producción de autos por hora también es menor.

Es decir, la capacidad de un sistema está determinada por el WIP. Si controlo el WIP, controlo la capacidad.

En el ejemplo de la autopista, si nos organizamos y controlamos la cantidad de autos que ingresan a la autopista, todos llegarían más rápido a destino.

Tenemos ya suficiente información para diseñar la primera micro decisión diaria que hará posible cumplir la promesa de entregar en un plazo.

La micro decisión número 1: decidir qué órdenes de producción deben estar en proceso.

Esto significa también que hemos decidido que el resto de las órdenes van a esperar algunos días. Incluso si el primer recurso queda desocupado…

Como en el artículo anterior, las micro decisiones diarias de la mayoría de las empresas se toman sobre una base equivocada. En la mayoría de las empresas intentan mantener a todos los recursos ocupados, bajo la creencia de que todo tiempo ocioso en la línea de producción es un desperdicio. Y también, lanzan a producción todas las órdenes lo antes posible por la creencia de «mientras antes empiezo, antes termino».

Ambas creencias son falsas. No me voy a extender aquí para demostrarlo, porque hay abundante material para aprender de esto.

La micro decisión número 2: decidir en qué secuencia deben procesarse las órdenes en cada recurso.

Como queremos cumplir el plazo, el criterio primario es la fecha de entrega. Sin embargo, hay varias consideraciones que aconsejan procesar una orden antes que otra, incluso si debe entregarse después. Por eso, necesitamos un sistema simple y robusto que permita decidir a cada persona en la planta qué hacer.

La micro decisión número 3: con el WIP controlado, se puede decidir qué fechas prometer para cumplir siempre.

Sin el control de WIP, no se puede hacer el control de la carga para predecir las fechas. Pero ya establecido, es simple calcular las fechas más probables que se pueden prometer. Estas tres micro decisiones diarias determinan el OTIF de las empresas. Se puede aprender más acerca de los detalles en https://otif100.com.

No se conforme con una entrega a tiempo de menos de 95%: es posible y se logra a un costo menor.

¿De qué dependen los resultados de las empresas? De las decisiones: las macro decisiones fijan un norte, las micro decisiones son la ejecución.

Si usted trabaja en una empresa que fabrica o comercializa algo, estoy seguro de que está de acuerdo conmigo en una decisión macro: mantener un alto nivel de servicio al cliente es la más alta prioridad.

Esa es una decisión de alto nivel, macro. Una alternativa sería: «la más alta prioridad de nuestra empresa es reducir los costos, aunque eso signifique atender mal a algunos clientes». Supongo que usted ya tiene la experiencia suficiente para saber que esta decisión tiene mayores costos en el mediano y largo plazo, por lo que me quedaré con la primera decisión macro: cumplir la promesa a los clientes es la primera prioridad.

Ahora miremos las posibles promesas que hacen un gran proporción de empresas. Son básicamente dos posibles promesas:

1. Prometen entrega inmediata.
2. Prometen un plazo de entrega.

La promesa 1 la hacen empresas que producen productos estandarizados, donde los clientes no tienen tolerancia para esperar el tiempo de suministro (producción y/o transporte) porque hay otros proveedores que tienen entrega inmediata. Y para cumplir con esa promesa de entrega inmediata es necesario mantener inventario.

Cada vez que un cliente hace un pedido y usted no tiene inventario, esto es una venta perdida. A eso le decimos stock out o quiebre de inventario o faltante. Suponga que usted mantiene un portafolio de 150 ítems, y 35 de ellos están en quiebre de stock. Eso da 23% de stock outs. ¿Qué cantidad de ventas perdidas va a tener debido a esto? Para responder a esa pregunta, que es la relevante, debemos entender que no todos los ítems se venden en el mismo volumen. Pareto describió este fenómeno como una asimetría 80/20; el 80% de las ventas se hacen con el 20% de los ítems. Sabemos que 80/20 es solo una indicación de la asimetría. A veces es 70/30 y otras veces es 90/10.

Lo importante es que si dentro de nuestro 23% hay varios ítems de alta rotación, las ventas perdidas son más que 23%, a veces mucho más. Conocí un caso hace años, donde una empresa con unos 250 SKU (ítems) tenía un 5% de quiebres. Cada semana eran ítems distintos, pero los quiebres se mantenían en 5%. Ellos decidieron algo realmente atrevido: decidieron eliminar los quiebres teniendo exceso de inventario. Y lo lograron. Después de ocho meses de mantener esa acción, las ventas se incrementaron 40%. Este es un experimento que no recomiendo, pero que demuestra lo que estoy diciendo. Habitualmente el error fue subestimar la venta de los ítems que se agotan, por lo que su rotación es mayor que la estimada originalmente.

La historia de esa empresa no termina bien. El primer año incrementaron las ventas 40%, pero el exceso de inventario les provocó problemas desde el segundo año:

• Agotó espacio de almacenamiento y empezó a ser muy caro seguir creciendo en inventario, sobre todo si se requiere pagar por espacio adicional. Fíjese que el problema es que los ítems que se produjeron y no se venden, se acumulan. Y uno sigue produciendo más rápido de lo que desocupa espacio.
• El dinero para seguir creciendo en inventario también es limitado, y después tampoco pudieron mantener los quiebres en cero.
• Muchos de los productos en exceso eran perecibles y debieron afrontar una gran pérdida por mermas.

En este caso vemos que la decisión macro es la misma que yo habría tomado: máxima prioridad para cumplir la promesa de entrega inmediata.

Y cada día, ¿qué decisiones micro tomó esa empresa para alinearse con la decisión macro? En este caso fue fabricar en exceso, lo que importa es no perder ventas. Es con esta decisión que yo no estoy de acuerdo.

Los resultados observados en quiebres y en inventario son producto de las decisiones micro, de esas decisiones de cada día. Concretamente, para cada ítem hay que decidir cada día si se produce o no, y en qué cantidad. Lo mismo es aplicable para decidir si se despacha a otros nodos de la cadena de suministro.

Es un lugar común decir que no importa que tan buena sea una estrategia si falla en la ejecución. Es decir, las decisiones macro son normalmente muy buenas. Son las decisiones micro las que conducen a un resultado distinto al esperado. Muchas personas piensan que no es posible lograr un fill rate de más de 94% permanentemente, porque el costo lo hace inviable, y se conforman con un nivel «aceptable» de quiebres.

Aprendí del Dr. Goldratt directamente a no conformarme con un resultado de transigencia. Y en este tema, la solución de Teoría de Restricciones ha logrado reducir inventarios y costos al mismo tiempo que la disponibilidad se acerca al 100% en miles de empresas, de todos los tamaños y de las más diversas industrias, a lo largo de décadas.

¿Por qué las micro decisiones de la mayoría de las empresas producen esos resultados subóptimos? Es porque se basan en supuestos equivocados. Todo proviene de que el tiempo entre las reposiciones (órdenes de producción, o de compra, o de despacho) es variable y es más largo del necesario. Ese tiempo es el factor principal en la cantidad de inventario necesario para tener disponibilidad, resultando en una cantidad más grande de la que se pueden permitir las empresas, por sus limitaciones de espacio y/o de capital.

¿Por qué el tiempo entre reposiciones es largo y variable? Porque resulta de calcular EOQ (economic order quantity – cantidad económica de orden) y de usar técnicas de MIN/MAX o punto de reorden. Ambos conceptos considerados la base de la administración óptima de inventarios. Y se basan en el supuesto equivocado de que los costos de operación se absorben uniformemente en cada unidad de producto al producirla, comprarla o transportarla.

Si uno fija la frecuencia y ese tiempo lo hace pequeño, la cantidad de inventario para garantizar disponibilidad es menor, al punto de que ni espacio ni capital son restricciones activas, por lo tanto se logra el doble objetivo de reducir el inventario y de elevar el fill rate hasta cerca de 100%.

La próxima vez que le digan que es imposible lograr un fill rate de más de 94-96%, piense de nuevo y más profundamente acerca de las relaciones causales en su sistema.

La promesa 2 la examino en el siguiente artículo.