¿Qué procesos de la empresa se pueden digitalizar?

Imagina todo lo que puede mejorar en tu negocio si consigues delegar en la tecnología. Esto es lo que te permite la digitalización: más tiempo, menos costes y en general más satisfacción para la empresa y los clientes.

 Digitalizar significa:

Estas son algunas de las muchas ventajas que se pueden conseguir con la transformación digital de la empresa. Hay que tener en cuenta que esto no se produce de un día para otro, sino que se trata de un proceso.

Veamos a continuación algunos de los cambios que se pueden realizar para avanzar hacia un negocio más digitalizado. En última instancia, se trata de conseguir una mayor eficiencia global de la empresa.

1. Facturación

Acaba con tanto papeleo y di adiós a las prisas de última hora recopilando facturas en papel para presentar el IVA trimestral. Hoy en día incluso los mejores programas para hacer facturas son asequibles para pequeñas y medianas empresas. Permiten automatizar una gran cantidad de tareas, haciendo el trabajo más fácil, eficiente y cómodo.

Con un programa tipo ERP puedes realizar muchas acciones de manera más productiva: 

Además, la ventaja de un buen programa de este tipo es que puedes acceder desde cualquier lugar. Este punto es importante a la hora de elegir el software adecuado. Ten en cuenta que ganarás en eficiencia, accesibilidad, coordinación y comodidad si puedes entrar desde casa o la oficina, incluso con tu smartphone.

2. Gestión de clientes

Otro de los procesos que pueden ser digitalizados en tu empresa es el manejo de clientes. Piensa en todo el tiempo que se va hoy en día en cualquier clase de asistencia, seguimiento, comunicación y gestión de este tipo. Un CRM es la solución ideal para mejorar este tipo de procesos.

Estas son algunas de las actividades habituales que te permite un programa así: 

3. Control de inventario

Si tu empresa cuenta con productos físicos a la venta, por ejemplo, sin importar si se trata de un e-commerce o de un retail, puedes llevar el control del stock con un programa. Estas son algunas de las tareas que se pueden delegar en la tecnología:

Una de las decisiones más importantes de la gestión de las operaciones consiste en la reposición de cada item en cada punto de la cadena. En la actualidad existen herramientas digitales simples y a su vez robustas que permiten automatizar las decisiones de reposición de inventario, tal es el caso de FillRate 100.

Este tipo de herramientas se centra en la reudcción de inventarios y agotados. Con esto, se consigue mejor reputación de marca y más fidelización de clientes. Por lo tanto, a la hora de escoger procesos para digitalizar, una gestión automatizada del inventario debería ser prioridad. A fin de cuentas, si hay más clientes fieles, la empresa podrá resistir más, en un contexto económico tan desafiante como el actual.

4. Coordinación de equipos

Las reuniones son ladrones del tiempo muy habituales dentro de las empresas. A veces se producen más de las necesarias o duran demasiado. Un programa de gestión de proyectos y equipos es perfecto para reducir esto.

Trello o Slack son dos ejemplos distintos, pero igualmente útiles para poder coordinarse con más facilidad. Por ejemplo, si creas varios tableros con distintos proyectos y tareas en Trello, puedes asignar roles, enviar recordatorios y mucho más. Esto supone un importante ahorro de emails, llamadas y encuentros. 

Una vez dicho esto, cierto número de reuniones es necesario en las empresas. No solo sirven para avanzar en el trabajo, sino también como elemento cohesionador. Digitalizar las reuniones con Zoom, Microsoft Teams o alguna otra herramienta puede ser muy positivo para mejorar la productividad.

La coordinación de equipos trasciende de las herramientas digitales colaborativas; integrar diversas áreas de la empresa es fundamental, tal es el caso de ventas y producción, y los distintos eslabones de las operaciones. Con herramientas como OTIF100, esto es posible.

5. Marketing y ventas

Hoy en día los clientes de cualquier negocio se mueven por el mundo digital. Esto significa que, si la empresa se mueve en los canales correctos, puede llegar a su audiencia con eficacia.

Digitalizar a nivel de marketing y ventas no significa solamente estar presente en LinkedIn publicando alguna foto en un Congreso. Se requiere una estrategia específica para conseguir visibilidad y aumentar las ventas. Por ello deben entrar estos departamentos y ocuparse de ello.

Además, se puede aprovechar también la digitalización para los propios procesos de gestión. Hay muchas tareas del día a día de las empresas vinculadas a marketing o a ventas que se pueden automatizar.

Estas son algunas de las muchas acciones digitalizables para vender más y con mayor eficiencia.

¿Por dónde empezar a digitalizar?

Digitalización no es transformación digital, la transformación requiere de enfoque, de remosión de restricciones de los procesos, de un cambio enla forma de hacer las cosas. No todas las empresas están en la misma fase: algunas necesitan empezar a digitalizar lo más básico. En cambio, hay otras que llevan tiempo usando programas de software, y sin embargo, tienen nuevos retos. Sea cual sea tu caso, estos son algunos puntos clave para que decidas tus próximos pasos:

Vale la pena dar el salto para aprovechar los beneficios que supone la digitalización. Con todo, se debe mantener siempre un tiempo prudencial de adaptación, contando que todo cambio pasa por una curva de aprendizaje. Pasada dicha fase inicial, cualquier inversión en digitalización del negocio tiene un gran retorno. 

Además, ten en cuenta que algunos programas de este tipo se pueden integrar con otras soluciones. Si te apoyas en un software integral que te permita una visión global interdepartamental, ganarás en eficiencia. Por lo tanto, puedes elegir una herramienta tipo ERP (Enterprise Resource Planning), que suelen incluir diversos módulos que cubren estas y otras necesidades del negocio.

Los ERP tienen la gran ventaja de permitir una integración total de la información, que queda unificada y no se duplica. Además, ayudan a más coordinación entre distintos procesos del negocio, evitando comunicaciones internas innecesarias. Se ahorra en trabajos duplicados y se consigue más coordinación interna. Por lo tanto, en resumidas cuentas, se aumenta el desempeño, y así la rentabilidad del negocio en su conjunto.

Conclusión 

Como ves, la gran mayoría de procesos de las empresas se pueden digitalizar a día de hoy, al menos una parte de ellos. Todavía sigue siendo crucial cierto grado de presencialidad y de factor humano, pero la ingeniería informática avanza a toda velocidad.

Vale la pena aprovechar todo lo que nos ofrece, y además, esto pasa a ser crítico en un escenario tan retador como el actual. 

Estos son los principales procesos que se pueden digitalizar a día de hoy: 

Ahora ya sabes por dónde empezar o continuar tu transformación digital de la empresa. Dar el salto vale la pena, y podrás ir notando sus beneficios muy pronto.

Vale la pena superar las resistencias al cambio, y recordar lo que ya dijo Arquímedes: ‘Dadme un punto de apoyo y moveré el mundo’. Los avances digitales de hoy nos abren paso a muchas posibilidades que antes eran impensables. Si les sabes sacar partido, podrás hacer más con menos. 

¡Mucho éxito y que consigas impulsar tus resultados gracias a la transformación digital de tu empresa!

La entrada ¿Qué procesos pueden ser digitalizados en tu empresa en 2022? se publicó primero en Ingenieria Industrial Online.

“¿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 ha 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: 

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. (Un poco de agregación estadística pueden observar en: Cross Docking: ¡No lo intente en casa!).

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.

Matías Birrell Rodríguez

De profesión, ingeniero civil de industrias, con mención en mecánica, con un MBA en finanzas. Pero principalmente, experto en Teoría de Restricciones y autor de libros acerca de este tema, habiendo trabajado y aprendido directamente con el Dr. Goldratt en Goldratt Group. Adicionalmente es director de www.goldfish.cl, empresa que ofrece aplicaciones en la nube, simples y asequibles, para aplicar estos conceptos a las decisiones diarias. OTIF100 (manufactura), Fill Rate 100 (cadena de suministro).

¿Quieres optimizar tus procesos? Contáctame

La entrada ¿Inteligencia Artificial para mejorar pronósticos de la demanda? se publicó primero en Ingenieria Industrial Online.

“¿Un fill rate mayor a 94%? ¡Imposible! No es posible sostenerlo con un costo aceptable”.

No es la primera vez y creo que no será la última que escuche este tipo de afirmaciones cuando hablo con gerentes generales. Y es que son personas inteligentes y con experiencia, lo que los ha llevado a tener ciertas convicciones que les permiten tomar decisiones rápidamente, sin entretener su escaso tiempo en fantasías.

¿Pero qué es lo que en el pasado ocurrió y lo llevó a tener este convencimiento de que no es posible tener un fill rate cercano a 100% y a la vez que eso sea rentable?

¿Qué es fill rate?

Este es un término en inglés de uso habitual en logística para medir el grado de cumplimiento de un pedido. En su expresión más simple y ácida, es el porcentaje de líneas del pedido que se ha logrado satisfacer completamente.

Claro que, si el pedido tiene solo dos ítems de, digamos 900 unidades del primero y 100 unidades del segundo, y entregamos 800 unidades y 100 respectivamente, con esta definición podríamos tener un fill rate de 50%. Entonces podemos afinar nuestra definición al considerar las cantidades también. Una manera es calcular el fill rate como las unidades entregadas divido por el total. En este caso tendríamos 90%.

Pero si las 900 unidades representan el 50% en dinero, ahora podríamos hacer otro cálculo que nos dé 94.4%.

Ya ve que el fill rate es un KPI que puede significar distintas cosas, pero, aun así, ese gerente consideraba imposible sostenerlo sobre 94%.

¿Cómo se conforman las decisiones?

El caso que estoy relatando es el de un fabricante de bienes de consumo que vende su producción a una cadena de suministro, donde hay mayoristas, distribuidores y retail.

En esa compañía, como en muchas otras, los gerentes tienen estudios superiores, y con bastante seguridad aprendieron las técnicas más conocidas de optimización de costos para la gestión de empresas que comercializan bienes de consumo. Entre otras, balancear líneas de producción, usar MIN/MAX y EOQ, y cálculo de costos unitarios con las últimas técnicas de ABC (costeo basado en actividades).

Cuando uno usa esas técnicas, el resultado inevitable es que la capacidad apenas alcanza para satisfacer la demanda y se acumula mucho inventario. El inventario acumulado utiliza dos recursos fundamentales: espacio en bodega y capital de trabajo. Cuando hay mucho inventario, ambos recursos están a su límite, por lo que sugerir incrementar el inventario inmediatamente incrementa el costo de la operación.

¿Y eso qué tiene que ver con el fill rate?, dirá usted.

Veamos, si hay mucho inventario acumulado, necesariamente eso representa más días de venta. Es decir, la programación de producción debe considerar un horizonte de venta más lejano en el futuro, por lo que cada vez más depende de la exactitud del pronóstico. Lo único que sabemos con certeza acerca del pronóstico es que está equivocado, por lo que esos planes de producción van a terminar con algunos ítems agotados, lo que redunda en un fill rate menor.

Lo único que sabemos con certeza acerca del pronóstico es que está equivocado

Pero es peor todavía: cada vez que a un pedido le falta un ítem, hay reprogramaciones de producción, lo que desperdicia capacidad y ahora debemos pagar un costo mayor para lograr todo el plan de producción.

¿Y los gerentes no se dan cuenta de todo este círculo vicioso?

Es más fácil preguntarlo que responderlo. ¿Cómo pueden saber que eso es un círculo vicioso? O mejor, ¿cómo podrían saber que no están optimizando la operación? Después de todo están siguiendo las “mejores prácticas” y aplicando principios básicos que se enseñan hasta el día de hoy en universidades muy prestigiosas.

Y además son conceptos practicados por muchos otros en la industria.

Después de varios años optimizando, en esa empresa han logrado 94% como un máximo realista y sostenible. Cada vez que intentaron mejorarlo, manteniendo las optimizaciones productivas, se elevaron tanto los inventarios y aparecieron tantas mermas, que la conclusión lógica es que intentar mejorar el fill rate no es rentable, y no es realista que se lo sugieran después de tanta experiencia que demuestra lo contrario.

¿Hay salida?

Esta es una pregunta que hace alguien inconformista. Alguien que no acepta el trade off entre fill rate y costo. El Dr. Goldratt me enseñó que no acepte las contradicciones; que un científico debe pensar hasta lograr eliminarlas. También Genrich Altshuller pensaba así, poniendo como base de TRIZ el convencimiento de que un invento surge de eliminar una contradicción técnica.

Me remito a dos artículos anteriores para ver cómo se invalidan algunos de los conceptos básicos que siguen usando los gerentes. Vea Refutación al balanceo de líneas y La Falacia de MIN/MAX y EOQ para saber por qué esos conceptos están equivocados.

En general, el gran problema actual en la gestión de empresas es desconocer el carácter sistémico de las organizaciones. Estos ejemplos presentados aquí son solo una muestra.

La salida al problema del fill rate sub óptimo es cuestionar los conceptos que dan origen a las decisiones diarias de la fábrica y de la cadena de suministro. Al abandonar esas “creencias”, se debe adoptar otro conjunto de políticas. Afortunadamente ya hemos recorrido ese camino, y conocemos cuáles son los nuevos conceptos y las nuevas políticas. Y hemos visto a cientos de empresas (tal vez miles) que en los últimos 30 años han logrado un fill rate cercano al 100% junto con reducir costos e inventarios.

¿Por qué es lenta la adopción del pensamiento sistémico?

Russell Ackoff respondió esta pregunta hace varios años en un artículo corto. Y dio dos razones, una general y una específica.

La razón general tiene que ver con la educación prevaleciente, donde los errores se castigan, desde el colegio, pasando por la universidad, y hasta en el trabajo. Y la manera más segura de minimizar la cantidad de errores es minimizar la cantidad de oportunidades de cometerlos. Al menos esa es una de las estrategias. Por lo tanto, el instinto de supervivencia y la poca urgencia de hacer algo nuevo lleva a la mayoría de las personas a evitar cambios profundos. Y adoptar el pensamiento sistémico, también en palabras del Dr. Ackoff, es un cambio de era: son tan profundos y numerosos los paradigmas que deben cambiar, que equivale a cambiarle el conjunto de creencias compartidas a un gran grupo de personas; es un cambio de su visión del mundo.

¿Para qué “arriesgarse” con algo que contradice la corriente principal? Es defendible hasta cierto punto esta posición.

La razón específica tiene relación con el pensamiento sistémico mismo, donde los expertos se reúnen en conferencias para presentar sus investigaciones y casos en una jerga casi hermética al resto.

Yo estoy más de acuerdo con lo primero que lo segundo, aunque es verdad que a veces la jerga técnica espanta, pero no puede ser la razón principal.

Temores que bloquean

Antes de su partida, el Dr. Goldratt dejó escrito un prefacio al libro que no pudo escribir acerca de la ciencia de la gerencia. En ese prefacio habla de tres temores que provocan comportamientos en muchos gerentes. Depende del gerente el grado en que le afecte cada uno.

Conclusión

Con una experiencia laboral muy compleja, donde nunca ha experimentado lo que significa eliminar los conflictos y manejar de modo simple un sistema complejo, donde la incertidumbre solo crece e incrementa la complejidad del sistema, el gerente se aferra a las pocas certezas que tiene, esas que adquirió en sus estudios, como si fueran dogmas.

Invito a todos los lectores a revisar sus propias creencias, al menos en administración de empresas, y confiar más en su capacidad de razonamiento. Tendrá sorpresas agradables.

Matías Birrell Rodríguez

De profesión, ingeniero civil de industrias, con mención en mecánica, con un MBA en finanzas. Pero principalmente, experto en Teoría de Restricciones y autor de libros acerca de este tema, habiendo trabajado y aprendido directamente con el Dr. Goldratt en Goldratt Group. Adicionalmente es director de www.goldfish.cl, empresa que ofrece aplicaciones en la nube, simples y asequibles, para aplicar estos conceptos a las decisiones diarias. OTIF100 (manufactura), Fill Rate 100 (cadena de suministro).

¿Quieres optimizar tus procesos? Contáctame

La entrada ¿En qué creen los gerentes? se publicó primero en Ingenieria Industrial Online.

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 EOQ y MIN/MAX. 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.

¿Quiere verlo con un ejemplo? Veamos

A continuación, presentamos la demanda diaria de un SKU en 6 tiendas diferentes atendidas por un mismo CEDI. Hemos determinado estas demandas de acuerdo a un número aleatorio entre 0 y 20 (Puede hacer este ejercicio utilizando Excel de manera muy sencilla).

Luego, hemos calculado para cada tienda su desviación estándar (medida de variación absoluta) y para efectos de comparar la variación entre tiendas con la variación de un CEDI, hemos de utilizar el coeficiente de variación (medida de variación relativa). Por aquello de no mezclar peras con manzanas.

Veamos los resultados del CEDI (La demanda diaria del CEDI corresponde a la sumatoria de las demandas diarias de las 6 tiendas):

De esta manera sencilla y práctica, podemos observar como la variabilidad de la demanda de un CEDI es mucho menor que la variabilidad de cada una de las tiendas que debe atender.

¡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”. Peter Drucker

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, donde 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.

Matías Birrell Rodríguez

De profesión, ingeniero civil de industrias, con mención en mecánica, con un MBA en finanzas. Pero principalmente, experto en Teoría de Restricciones y autor de libros acerca de este tema, habiendo trabajado y aprendido directamente con el Dr. Goldratt en Goldratt Group. Adicionalmente es director de www.goldfish.cl, empresa que ofrece aplicaciones en la nube, simples y asequibles, para aplicar estos conceptos a las decisiones diarias. OTIF100 (manufactura), Fill Rate 100 (cadena de suministro).

¿Quieres optimizar tus procesos? Contáctame

La entrada Cross docking: ¡no lo intente en casa! se publicó primero en Ingenieria Industrial Online.

Todos los bienes de consumo, como el jabón o los alimentos, incluso electrodomésticos – 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:

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 calcula 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. Otros aspectos generados por los agotados:

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 (veremos 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:

Caso 1: 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.

Caso 2: 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 Refutación al balance de líneas).

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 a la semana.

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.

Caso 3: 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, si 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 mismas 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.

Matías Birrell Rodríguez

De profesión, ingeniero civil de industrias, con mención en mecánica, con un MBA en finanzas. Pero principalmente, experto en Teoría de Restricciones y autor de libros acerca de este tema, habiendo trabajado y aprendido directamente con el Dr. Goldratt en Goldratt Group. Adicionalmente es director de www.goldfish.cl, empresa que ofrece aplicaciones en la nube, simples y asequibles, para aplicar estos conceptos a las decisiones diarias. OTIF100 (manufactura), Fill Rate 100 (cadena de suministro).

La entrada La Falacia del MIN/MAX y EOQ se publicó primero en Ingenieria Industrial Online.

La conclusión de ese artículo es que balancear líneas de fabricación o ensamble reduce los costos unitarios, y dice además que “El balance o balanceo de línea es una de las herramientas más importantes para la gestión de la producción, dado que de una línea de fabricación equilibrada depende de la optimización de ciertas variables que afectan la productividad de un proceso, (…)”

En el presente artículo iniciaré la exposición precisamente desde la frase del Dr. Goldratt, quien hizo diversos experimentos para demostrar que balancear las capacidades en una línea reduce la productividad del sistema, incrementando el costo de producción.

Líneas de fabricación o ensamble como sistemas

Un sistema es un conjunto de elementos interdependientes con un propósito. Una línea de fabricación o ensamble se ajusta a esta definición: cada estación de trabajo es dependiente de otra y entre todas tienen el propósito de crear un producto a partir de materia prima.

Una de las características principales de un sistema es que se requiere de la sincronización de todas las partes para que se produzca el resultado. En este sentido, la producción de un producto es un resultado emergente del sistema como un todo. Ninguna de las partes es capaz de producirlo por sí misma, ni siquiera un subconjunto de ellas. Esto es fácil de demostrar. Si lo anterior fuera cierto, ese subconjunto es nuestro sistema y el resto sobra.

En este sentido, necesitamos a todas las partes para que se genere el producto. Esto era obvio, sin embargo, lo que no es tan obvio es entender cómo logramos la máxima productividad de un sistema.

En la realidad existe la variabilidad

Para hacer la demostración requerida para refutar el citado artículo, empezaré por establecer un hecho de la realidad. El tiempo de proceso de una unidad en una estación de trabajo es un tiempo dentro de un rango, no es una cantidad específica de minutos.

Por ejemplo, cuando en una estación decimos que un producto demora 2 minutos, sabemos que eso es un promedio, pero que podría ser 1 minuto o 5 minutos.

Respecto de los tiempos de proceso sabemos que tienen una asimetría marcada hacia la derecha. Vea el siguiente gráfico:

Al hacer nuestras mediciones de tiempos de proceso en una estación de trabajo, considerando el proceso de partes idénticas, después de un gran número de casos obtenemos una tabla de resultados con una gran dispersión.

Nunca se pudo procesar en 0 segundos o menos, lo que era evidente. En unos pocos casos se logró el proceso en 50-70 segundos, la mayoría de los casos está entre 70 y 120 segundos, pero no pocos casos están en el rango entre 120 y 250 segundos. En realidad, vemos que la mitad de los casos está en el último rango.

En mi experiencia de más de quince años, este gráfico representa la realidad de la gran mayoría de los procesos en todo tipo de fábricas.

Aunque sé que existe una diferencia entre la mediana y la media (o promedio), usaré el promedio para simplificar. Y podemos decir que un proceso tiene una probabilidad de 50% de estar funcionando en su promedio o más rápido. Esto lo usaré a continuación en la siguiente demostración.

Efecto de la dependencia de los procesos

La variabilidad afecta a todos los recursos. Vamos a distinguir la variabilidad por causas comunes de la que tiene causas especiales. Las causas especiales son todas esas que son identificables fácilmente, por ejemplo, un corte de energía.

Las causas comunes son muchas y variadas, y para todos los efectos prácticos, las causas que detienen a un proceso no necesariamente afectan a otros procesos. Por lo tanto, la productividad de un proceso en un instante puede estar por encima de su promedio mientras que la de otro está por debajo.

Consideremos ahora una línea genérica (de fabricación o de ensamble):

Tenemos una dirección de flujo y sabemos que un recurso no puede procesar nada si no ha recibido material desde el anterior.

Diseñemos nuestro proceso para que produzca 10 unidades por hora. Después de un rato, el proceso ya está en régimen y todos los recursos están procesando lo que pueden.

Veamos qué pasa si balanceamos la línea, es decir, todos los recursos tienen una capacidad promedio de 10 u/h (o un tiempo promedio de 6 minutos por unidad).

Ya sabemos que la probabilidad de producir 10 u/h o más es un 50%. Miremos lo que ocurre en los dos primeros recursos en las tres primeras horas:

A pesar de que en promedio cada uno de los recursos sí es capaz de hacer 10 u/h, al combinarlos en cada periodo, al no sincronizarse las capacidades, se cumple lo que decía el Dr. Goldratt: el sistema se mueve al ritmo del más lento.

¿Acaso no sabíamos esto ya? ¡Claro que sí!, pero el balanceo de capacidad, que es una de las técnicas enseñadas en muchos cursos universitarios, ignora el efecto sistémico de la combinación.

Al extender este efecto al resto de los recursos, podemos fácilmente ver que la probabilidad de que una línea balanceada produzca a la velocidad promedio de diseño es aproximadamente 0.5ⁿ, siendo n el número de recursos encadenados en la línea. En este caso, con 7 recursos, la probabilidad de lograr 10 u/h de producto terminado es ~ 0.8%, es decir, de un año de 300 días de trabajo, solo 2 se alcanzaría la productividad de diseño de la línea.

Mientras mejor sea el balanceo, peor el desempeño.

¿Qué le ocurre al costo al balancear las líneas?

De la conclusión anterior, ahora sabemos que tendremos un ~20% menos de productos terminados comparado con el plan original (o peor), por lo que todo el costo de producción asociado a operar la línea (descontada la materia prima) se dividirá en menos productos, lo que hará crecer al costo real unitario en 25% (o más).

Entonces, para reducir el costo unitario total (el único que es relevante) hay que lograr que el sistema maximice su productividad como un todo, y no la productividad de cada uno de los recursos.

¿Y si es una línea de montaje?

Normalmente, uno ve fábricas donde los recursos están aislados unos de otros y el material (WIP) debe trasladarse de un centro a otro. Pero con la idea de acelerar el proceso, y siguiendo el modelo atribuido a Ford, algunas líneas se disponen de un modo donde no hay espacio para acumular WIP y toda la línea avanza al mismo tiempo.

Ahora que ya sabe lo que ocurre al balancear una línea, mire lo que ocurre con una línea de montaje ¡aunque no esté balanceada!

Al no poder acumular WIP entre recursos, la línea completa avanza al ritmo del más lento. Pero, ¿Cuál es el más lento? Miremos nuevamente el gráfico:

Hacia el lado derecho tenemos “la cola” de la distribución, y ya vimos que no es para nada improbable que un recurso esté en ese ciclo productivo.

A diferencia del caso general, donde el poco WIP que se puede acumular sí les permite a algunos recursos amortiguar algo el efecto de la dependencia, en el caso de la línea de montaje esto no es posible. En este caso, la línea completa se mueve al ritmo del recurso que esté operando en su cola.

Si uno tiene 7 recursos acoplados, ya sabemos que la probabilidad de que al menos uno esté en la cola es 99%. Si la línea tiene algunas decenas de estaciones (como son las ensambladoras de productos voluminosos, como automóviles), es seguro que están operando muy por debajo de sus posibilidades.

En una línea de montaje se vuelve increíblemente relevante reducir la variabilidad, lo que lleva a la empresa a un maremágnum de proyectos de mejora que cuestan mucho tiempo y dinero. Y tampoco se logra eliminar las colas de la distribución. Parece una tarea sisífea mejorar la productividad.

Hasta Elon Musk se arrepiente de tanta automatización en la línea de Tesla, aunque no estoy seguro de sí advirtió ya el efecto que acabo de describir o tiene otras razones, pero ve que sus resultados están por debajo de lo planeado.

La solución es encontrar al recurso que sea la restricción de todo el sistema (tenga la menor capacidad promedio) y aislarlo, permitiendo que se acumule WIP antes y después. Esto elevará bastante la productividad total del sistema. Y sí, me doy cuenta de la inversión que se requiere para modificar layout, pero con un incremento de tan solo 10% en productividad total, estoy seguro de que ese proyecto es rentable.

“Si no balanceamos la línea, hay mucho desperdicio”

En nuestro ejemplo, supongamos que el tercer recurso es nuestra restricción, el que tiene una capacidad promedio de 10 u/h, y el resto tiene 20 u/h o más.

Primero aclarar que el doble no es una exageración. La capacidad de la línea para recuperarse cuando hay bajas, o en otras palabras, para absorber la variabilidad, depende de esta capacidad extra. Si es poco el exceso respecto de la restricción, todavía tenemos un problema con la variabilidad. En mi experiencia, esta capacidad extra, que en jerga de Teoría de Restricciones (TOC) se llama capacidad protectiva, debe superar el 30-50% y a veces más.

Entonces vemos que, si alimentamos a la línea con todo el material que es capaz de procesar el primero, en poco tiempo tenemos una acumulación intolerable de WIP en los pasillos de la planta, porque la restricción no es capaz de drenar ese WIP. De hecho, lo que ocurre es que uno tiene la sensación de que el cuello de botella se está moviendo dentro de la planta. Esto último es uno de los síntomas de lo contrario, de que hay capacidad en exceso. Y cuando hay exceso de WIP, son varios los efectos por los cuales se desperdicia capacidad, incluso en la restricción. Y aquí aplica la frase “una hora perdida en el cuello de botella, es una hora perdida en todo el sistema”.

Debemos controlar la cantidad de WIP para lograr que la restricción siempre tenga trabajo pero que no sea tanto que desperdicie capacidad. En otro artículo profundizaré en cómo se desperdicia capacidad con el exceso de WIP.

Este mecanismo de control de WIP debe liberar material a proceso al ritmo que dicte la restricción, por lo que todos los demás recursos tendrán tiempos ociosos. Pero estos tiempos ociosos no son reales desperdicios de capacidad; son en realidad tiempos de espera para que el sistema se sincronice al ritmo de la restricción. En jerga de TOC esto es un amortiguador, que es el mecanismo para lograr la máxima productividad.

Por eso he escrito que, muchas veces, las implementaciones de LEAN, entendidas como reducción de desperdicio, son enemigas de la productividad.

Muchas veces, las implementaciones de LEAN, entendidas como reducción de desperdicio, son enemigas de la productividad. Matías Birrell

Además, un operario recibe el mismo sueldo si opera una máquina de mayor o menor capacidad. Por lo que el gasto en sueldo no cambia si uno tiene máquinas de más capacidad. Mire los precios de las máquinas y verá que aumentar al doble de capacidad no cuesta el doble de inversión.

Todos los tiempos que se generan así no son desperdicios, y son excelentes para practicar las 5S o para hacer el mantenimiento preventivo.

Ahora puede ser un buen momento para reformular el indicador de productividad. Si las órdenes de producción son las que se necesitan y no más, cuando aumenta el tiempo “ocioso” es signo de que aumentó la productividad.

“No sé, algo no me convence…”

Para demostrar el efecto del balanceo de línea le sugiero un experimento que puede hacer en su casa o con su equipo de trabajo.

Consiga 100 fichas y 7 dados, y arme una línea de producción con 7 estaciones. A cada estación se le asigna un dado, que será nuestra simulación de variabilidad. Note que el dado no es asimétrico, porque es uniforme entre 1 y 6, aunque puede ser que exagere la dispersión. Pero es un buen simulador de capacidad variable.

Si se hace la simulación de un día de trabajo, cada estación lanza su dado y produce como máximo el número que sacó. Si saca un 5 y tiene tres fichas, solo puede pasarle al siguiente 3 fichas. No se pueden usar las fichas que me van a pasar en el mismo turno. El primer recurso “produce” lo que sacó el dado porque tiene suministro ilimitado de fichas.

¿Cuánto es la capacidad promedio de un dado? Es el promedio de todos sus números. La suma es 1+2+3…+6 = 21 y eso dividido en seis da 3.5. O sea que cada estación tiene una capacidad promedio de 3.5 unidades/día. En 20 días deben ser capaces de hacer 70 unidades.

Para empezar el experimento en régimen, reparta 4 fichas a cada uno, y ahora hagan 20 días de producción.

Compare lo que obtuvo con las 70 unidades esperadas.

Este experimento ahorra horas de discusión y de demostraciones matemáticas, y es mucho más divertido. Después se pueden hacer variaciones para demostrar otras cosas, como que estar cambiando personas de un sitio a otro solo incrementa la variabilidad, pero no consigue más capacidad.

Conclusión

Balancear la línea de producción solo reduce la capacidad total de la línea. Y peor todavía, la capacidad real es bastante menor que la planeada, por lo que va a incumplir en una gran proporción de los pedidos, además del obvio efecto sobre las ventas facturadas.

Mi nombre es Matías Birrell, puedes encontrarme en Goldfish.

Matías Birrell Rodríguez

De profesión, ingeniero civil de industrias, con mención en mecánica, con un MBA en finanzas. Pero principalmente, experto en Teoría de Restricciones y autor de libros acerca de este tema, habiendo trabajado y aprendido directamente con el Dr. Goldratt en Goldratt Group. Adicionalmente es director de www.goldfish.cl, empresa que ofrece aplicaciones en la nube, simples y asequibles, para aplicar estos conceptos a las decisiones diarias. OTIF100 (manufactura), Fill Rate 100 (cadena de suministro).

La entrada Refutación al Balanceo de Líneas se publicó primero en Ingenieria Industrial Online.

En ese orden de ideas, podría pensarse que uno de los objetivos principales, en materia de control de la producción, consiste en alinear los inventarios y el flujo de producto de acuerdo al comportamiento de la demanda. Precisamente, de acuerdo a esos objetivos surge Kanban como una herramienta de control de materiales y producción.

¿Qué es Kanban?

Kanban es una palabra de origen japonés que significa tarjeta, su concepto ha evolucionado hasta convertirse en señal, y se puede definir como un sistema de flujo que permite, mediante el uso de señales, la movilización de unidades a través de una línea de producción mediante una estrategia pull o estrategia de jalonamiento.

¿Qué es un sistema pull?

Un sistema de flujo pull consiste en optimizar los inventarios y el flujo del producto de acuerdo al comportamiento real de la demanda.

En estos sistemas el proceso logístico inicia con el pedido del cliente, y aunque sea el sistema ideal por optimización de inventarios, la apuesta por conocer la demanda en tiempo real y flexibilizar la cadena para responder a sus necesidades es una apuesta compleja. Sin embargo al igual que la mayoría de las prácticas logísticas de vanguardia, gran número de casos de éxito se fundamentan en la aplicación de un sistema de flujo pull.

De igual manera, el sistema de flujo pull se aplica a la líneas de producción, en cuyo caso práctico, los clientes son procesos previos (clientes internos), y la herramienta por excelencia que permite conocer la demanda en tiempo real y flexibilizar la línea de producción es Kanban.

Tipos de Kanban

De acuerdo al modelo Kanban empleado por Toyota, existen básicamente dos tipos de tarjetas Kanban, estas son:

Kanban de retiro

Un kanban o tarjeta de retiro especifica la referencia y la cantidad de producto que un proceso debe retirar del proceso inmediatamente anterior, o de su contenedor de producto (pequeños almacenes reguladores entre procesos).

Kanban de producción

Un kanban o tarjeta de producción especifica la referencia y la cantidad de producto que un proceso debe producir.

El funcionamiento del sistema Kanban es relativamente sencillo. Teniendo en cuenta el modelo original de Toyota, el sistema de entrada consta de un tablero en el que depositamos las tarjetas (señales), el tablero se sitúa de manera que el operario lo pueda ver con facilidad desde su posición normal o habitual. Cada tarjeta está asociada a un contenedor o unidad de almacenamiento. En caso de que el contenedor esté vacío, la tarjeta deberá estar en el tablero, si en caso contrario, está lleno, la tarjeta deberá acompañar al contenedor.

Así entonces, en caso de que el tablero se encuentre lleno de tarjetas, quiere decir que no quedan piezas en inventario y es importante producir unidades (zona roja del tablero). Si las tarjetas están en la zona amarilla o zona verde del tablero, significa que quedan unidades en inventario y que probablemente no sea necesario producir.

De manera que si el proceso proveedor inicia la producción, toma la tarjeta del tablero y la coloca en el contenedor en el que irá depositando las unidades correspondientes al lote.

Una vez que finaliza, ubica el contenedor en el almacén intermedio. Acto seguido, el proceso cliente comienza a consumir las piezas depositadas en el contenedor del almacén intermedio; una vez consume todas las unidades del contenedor, ubicará la tarjeta que acompaña al mismo, en el tablero de tarjetas, y devuelve el contenedor totalmente vacío.

Debe considerarse que la cantidad de tarjetas y contenedores entre procesos no se definen de manera arbitraria, sino que se determinan en función de los parámetros del sistema de producción, tema que abordaremos más adelante.

Para adoptar kanban debe considerarse que la producción debe ser nivelada y mezclada, de manera que casi siempre se deben fabricar los mismos volúmenes. Este sistema no permite variabilidades de más del 15%-20% sin cambiar los parámetros de señalización. En las líneas de producción se  fabrica con un mix de productos, de manera que pueden utilizarse diferentes rangos de colores por referencia en un mismo tablero, así el operario sabrá que referencia deberá fabricar en cada momento.

Ventajas de utilizar Kanban

¿Cuándo debe utilizarse Kanban?

Básicamente, Kanban debe utilizarse:

¿Cuánto tiempo tarda implementar Kanban?

La implementación de Kanban puede desarrollarse por medio de un evento Kaizen, de manera que sea desarrollado por un equipo multidisciplinar con la participación activa del personal de producción.

La implementación de Kanban puede tardar entre uno y tres meses.

¿Cómo implementar Kanban?

De acuerdo a la implementación del modelo Kanban en Toyota, el procedimiento para implementar Kanban es sistemático y contempla los siguientes pasos, en los cuales se definen los parámetros del sistema de producción para adoptar la herramienta:

Seleccionar las referencias 

Las referencias deben elegirse de acuerdo a las familias de productos existentes, además se recomienda utilizar grupos en los cuales exista un trabajo previo de mejora, como por ejemplo SMED, celdas de manufactura o balances de líneas.

Calcular la cantidad de piezas por Kanban

Para determinar la cantidad de piezas por kanban, también conocido como Inventario Total Requerido (ITR), se aplica la siguiente fórmula:

Piezas por Kanban (ITR) = D x TE x U x (1+ %VD)

Donde:

D = Demanda por horizonte de tiempo (por ejemplo y habitualmente semanas).

TE = Tiempo de entrega en las mismas unidades del horizonte de la demanda.

U = Número de ubicaciones (almacenes intermedios).

%VD = Nivel de variación de la demanda. Se obtiene mediante la desviación estándar de la demanda sobre el promedio de la demanda.

Por ejemplo:

Se desea implementar Kanban entre los procesos A y B de un sistema de producción. Los requerimientos de materiales del proceso B en el último año son los siguientes:

El primer paso consiste en determinar la demanda semanal del proceso B, para ello acudimos al promedio del último año:

Promedio mensual = 1542 piezas

Promedio semanal = (1542 x 12 meses) / 52 semanas = 356 piezas semanales

Demanda = 356 piezas a la semana

El segundo paso consiste en determinar el tiempo de entrega (TE) de la demanda semanal, es decir de las 356 piezas. Para ello debemos considerar los tiempos de procesamiento, inspección, recepción, alistamiento. Asumamos que el TE de las 356 piezas es equivalente a 1 semana.

Tiempo de entrega = 1 semana

El tercer paso consiste en determinar el número de ubicaciones de los almacenes de producto en proceso, cuando se está iniciando la implementación es común utilizar dos ubicaciones, hasta reducirlo a una sola ubicación. Asumamos que se utilizará una sola ubicación.

Ubicaciones = 1

El cuarto paso consiste en determinar la variación de la demanda, para ello primero calculamos la desviación estándar de la demanda y luego lo dividimos entre el promedio:

%VD = 1 + (266 / 1542) = 1,1725

Ahora ya podemos determinar el número de piezas por Kanban, o el Inventario total requerido (ITR) utilizando la fórmula inicial:

Piezas por Kanban (ITR) = 356 x 1 x 1 x 1,1725

Piezas por Kanban (ITR) = 417,4 = 418

Escoger el tipo de señal y el tipo de contenedor estándar

Existen una serie de factores que deberán considerarse al momento de seleccionar el contenedor de cada referencia, algunos de ellos son:

Calcular el número de contenedores

La fórmula para determinar el número de contenedores es muy sencilla, para ello es preciso conocer la capacidad de los contenedores:

Número de contenedores = (Inventario Total Requerido / Capacidad del contenedor)

Para efectos del ejemplo que venimos manejando, supongamos que el tamaño del contenedor es de 20 piezas, así entonces:

Número de contendores = (418 / 20)

Número de contenedores = 21

Seguimiento al Wip vs. Swip

WIP to SWIP = WIP / SWIP

El resultado ideal es equivalente a 1, es decir que el WIP sea igual al SWIP.

En los casos en los cuales sea mayor que 1, significa que existe mucho inventario en la celda, en caso de que sea menor que 1, significa que existe el riesgo de que la celda se quede desabastecida de materiales.

Principios del Kanban

Si bien muchos especialistas coinciden en que Kanban es más un sistema de programación visual, un complemento Andon; lo realmente cierto es que Kanban no es un sistema donde todo se pone en una programación, vale la pena considerar que Kanban es un sistema de control de producción diseñado para permitir que el encargado del proceso visualice los requerimientos de producción de una forma flexible y rápida, al mismo tiempo que se asegure de que todas las piezas o suministros son ordenados o producidos solo si es necesario.

La entrada Kanban: Control de materiales y producción se publicó primero en Ingenieria Industrial Online.

«Inventory theory and system»  es el módulo de WinQSB creado con el fin de resolver y evaluar problemas y sistemas de control de inventarios, respectivamente. Las capacidades específicas de este módulo incluyen la resolución de los siguientes modelos:

Solución de un problema de cantidad económica de pedido con WinQSB

El problema

La organización SALAZAR LTDA presenta una demanda anual de 150.000 unidades de sus envases de plástico presentación «AA». En un reciente proceso de costeo el departamento de ingeniería ha determinado mediante el método agregado que el costo de emitir cada orden es de $ 13.800, además se ha estimado que la tasa de mantenimiento equivale al 12% anual. Teniendo en cuenta que el precio de venta de cada envase «AA» es de $ 1.733 y que este presenta un margen de contribución unitario del 25%, además que el Lead Time del proveedor equivale a 5 días y que la organización labora de manera ininterrumpida durante los 365 días al año. Determine la Cantidad optima de pedido, su punto de reposición ROP, El número de ordenes colocadas al año, el tiempo entre cada orden y realice una presentación que muestre los costos asumidos teniendo en cuenta la cantidad óptima establecida.

Ingresando a Inventory theory and system (WinQSB)

En esta ventana podremos entonces crear un nuevo problema, o cargar uno que ya hayamos desarrollado. Una vez demos clic en «Nuevo Problema (New Problem)» se abrirá un menú emergente que nos permitirá elegir el tipo de problema e ingresar sus parámetros básicos.

En este caso elegiremos la primera opción correspondiente a Cantidad Económica de Pedido (EOQ) y la unidad de tiempo la trabajaremos en años (year). Una vez se registren los parámetros y al dar clic en el botón OK, se mostrará la siguiente ventana:

En esta tabla se deben registrar todos los datos necesarios para la solución del problema:

• Demand per year (Demanda por año): La demanda dada en unidades por año.
• Order or Setup Cost per Order (Costo de ordenar o cargar): dada en unidades monetarias por orden o corrida.
• Unit Holding Cost per year (Costo de almacenar una unidad por año): dada en unidades monetarias por unidad por año.
• Unit Shortage Cost per year (Costo por la falta de una unidad por año): dada en unidades monetarias por unidad por año.
• Unit Shortage Cost Independent of Time (Costo por la falta de una unidad independiente del tiempo): Penalización por faltantes dada en unidades monetarias por unidad.
• Replenishment or Production Rate per year (Rata de reaprovisionamiento o producción por año): Dada en unidades, el valor predeterminado es «M», es decir una tasa muy grande.
• Lead Time for a New Order in year (Tiempo de carga para una nueva orden, en años): dada en años (unidad de tiempo elegida).
• Unit acquisition Cost Without Discount (Costo de compra de una unidad, sin descuento): dada en unidades monetarias por unidad.
• Number of Discount Breaks (Número de puntos de descuento)
• Order Quantity If You Known (Cantidad de la orden, en caso de ser conocido): dada en unidades.

El primer dato del que disponemos es la demanda anual, equivalente a 150.000 unidades; el costo de ordenar o cargar también fue suministrado, equivalente a $13.800; el costo de almacenamiento de una unidad por año deberá obtenerse teniendo en cuenta que contamos con una tasa de mantenimiento anual y el costo unitario de cada envase (obtenido descontando el margen de utilidad sobre el precio de venta):

Es decir, nuestro costo de almacenar una unidad por año corresponde a  $156. Por último conocemos el Lead Time del proveedor cada vez que emitimos una orden, equivalente a 5 días, dado que es requerido en años nuestra base será la información que nos indica que la compañía labora de forma ininterrumpida 365 días por años, así entonces el Lead time será de 0,0137 años aproximadamente. Registramos la información en el tabulado de WinQSB:

Una vez introducida la información procedemos a su solución mediante la opción Resolver el problema (Solve the Problem):

La solución óptima del problema se muestra a continuación:

La columna Economic Order Analysis presenta el análisis resultante del problema:

• Order Quantity (Cantidad a ordenar – EOQ): 5152 unidades aproximadamente.
• Maximum Inventory (Inventario máximo): 5152 unidades aproximadamente.
• Order interval in year (Tiempo transcurrido entre órdenes): 0.0343 años, equivalente a 12 días aproximadamente.
• Reorder point (Punto de reorden): 2055 unidades.
• Total setup or ordering cost (Costo anual de colocar órdenes): $401820.8
• Total holding cost (Costo anual de mantener el inventario): $401820.8
• Subtotal of above (Costo total): $803641.7

Gráficas resultantes

El análisis gráfico del EOQ nos proporciona una visión sumamente útil y sencilla del comportamiento de los costos (Graphic cost analysis) y de los niveles de inventario así como los puntos de reorden (Graphic inventory profile). Ambas gráficas podemos obtenerlas por medio de WinQSB mediante las siguientes opciones:

Graphic Cost Analysis:

Graphic inventory profile:

Para la obtención de este gráfico es preciso validar los valores correspondientes a los ejes y de los valores obtenidos en el resultado. En caso de aceptar los valores preestablecidos que tiene WinQSB en el menú es muy común observar que el software presenta un error de unidades en el gráfico, puesto que eleva los valores de inventario a una potencia superior 3 con base 10, de igual manera altera las unidades de tiempo. Por tal razón recomendamos sobrescribir los valores del menú, sí es posible, redondeando unidades:

El gráfico correspondiente al comportamiento del inventario es el siguiente:

 

La entrada Cantidad económica de pedido (EOQ) en WinQSB se publicó primero en Ingenieria Industrial Online.

Un apropiado control preventivo de inventarios debe manejar los siguientes elementos:

Además existen numerosas técnicas de control, dichas técnicas se describirán en este artículo.

Niveles máximos y mínimos de inventario

Esta técnica consiste en establecer niveles Máximos y Mínimos de inventario, además de su respectivo periodo fijo de revisión. La cantidad a ordenar corresponde a la diferencia entre la Existencia Máxima calculada y las Existencias Actuales de inventario. Los pedidos que se efectúen fuera de las fechas establecidas de revisión corresponderán a aquellos que busquen reaccionar a una fluctuación anormal de la demanda de unidades que haga que los niveles de inventario lleguen al limite mínimo antes de la revisión. Numerosos sistemas automatizados emplean la técnica de máximos y mínimos calculando puntos de revisión y solicitando automáticamente órdenes de compra con sus respectivas cantidades a solicitar.

Teniendo en cuenta que:

Las fórmulas matemáticas utilizadas en la técnica son:

Emn: Cmn * Tr;

Pp:  (Cp * Tr) + Emn

Emx: (Cmx * Tr) + Emn;

CP: Emx – E

Ejemplo de aplicación de máximos y mínimos

El Mini Market «The CAT» ubicado en frente al más grande complejo deportivo de la ciudad, desea calcular los niveles óptimos de inventario de la bebida energética Nitro Drink. El camión de suministro de la bebida visita el Mini Market cada 6 días. Las estadísticas de venta de la bebida nos dicen que el día de mayor consumo fue de 135 cajas; el día de menor consumo fue de 62 cajas; y la venta promedio es de 87 cajas. En el momento de considerar lo anterior en la bodega del Market se encontraban 260 cajas de la bebida. Por ende:

Emn = (62 cajas/día * 6 días) = 372 cajas

Emx = (135 cajas/día * 6 días) + 372 cajas = 1182 cajas

Pp = (87 cajas/día * 6 días) + 372 cajas = 894 cajas

CP = (1182 – 260) = 922 cajas

Lo cual indica que el punto en el cual se debe emitir una orden de pedido corresponde al punto en el cual el inventario de la bebida alcance un mínimo de 894 cajas (lo cual corresponde a asegurar la satisfacción de la demanda durante los 6 días que tarda en arribar el camión + la cantidad de seguridad).

En cuanto a la cantidad de pedido esta debe recalcularse al alcanzar el Punto de pedido (Pp) teniendo en cuenta que puede variar dependiendo de la existencias en bodega al momento de emitir la orden.

Refutación al método de máximos y mínimos: La falacia del MIN/MAX y el EOQ

Inventarios físicos

Sea cual sea el sistema que se utilice para el manejo de los inventarios, existen divergencias entre las cantidades físicas (reales) y las cantidades indicadas por el Kardex o el sistema computarizado. Con el objetivo de mitigar esto, es necesario efectuar inventarios físicos.

Los inventarios físicos suelen efectuarse periódicamente, casi siempre coincidiendo con el cierre del periodo fiscal de la organización, para efecto del balance contable.

Existen dos tipos de inventarios físicos:

Los beneficios que otorga a una organización la realización de un inventario físico son:

Determinación del costo de mercancías vendidas mediante el inventario periódico

Cálculo de la utilidad operacional (Método de absorción)

De igual manera el sistema de inventarios periódicos se ajusta a las necesidades contables, como lo son la determinación de la utilidad operacional, en este caso mediante el costeo por absorción:

Aquí podemos observar la importancia de los inventarios en el cálculo del costo de ventas de artículos vendidos. Este costo es fundamental en el cálculo de la utilidad operacional, tal como observaremos a continuación:

La entrada Control de inventarios se publicó primero en Ingenieria Industrial Online.

Existen numerosas técnicas de valoración de inventarios, sin embargo las comúnmente utilizadas por las organizaciones en la actualidad (dada su utilidad) son:

Dado que la «Identificación Específica» consiste en la identificación individual de cada uno de los artículos, lo cual incrementa su grado de certeza en igual proporción al grado de complejidad de su aplicación, estudiaremos los tres métodos restantes.

Primeros en entrar, primeros en salir – PEPS

Comúnmente conocido como FIFO (First In, First Out), este método de valoración de inventarios se basa en la interpretación lógica del movimiento de las unidades en el sistema de inventario, por ende el costo de las últimas compras es el costo de las existencias, en el mismo orden en que ingresaron al almacén. Tal como podemos observar a continuación:

En este caso la salida de unidades del 16 de febrero es por 450 unidades, del primer lote de entradas se toman 250 unidades al costo de $ 620 y del segundo lote se toman las 200 unidades restantes al costo de $ 628.

La ventaja de aplicar esta técnica consiste en que los inventarios están valorados con los costos más recientes, dado que los costos más antiguos son los que van conformando a su medida los primeros costos de ventas o de producción (costos de salidas). La principal desventaja de aplicar esta técnica radica en que los costos de producción y ventas bajos que suele mostrar, incrementa lógicamente las utilidades, generando así un mayor impuesto.

Vale la pena recordar que el flujo físico «PEPS» es irrelevante en la aplicación de la técnica, lo realmente en este caso es el flujo «PEPS» de los costos.

Últimos en entrar, primeros en salir – UEPS

Comúnmente conocido como LIFO (Last In, First Out), este método de valoración se basa en que los últimos artículos que entraron a formar parte del inventario, son los primeros en venderse, claro está en función del costo unitario, es decir que el flujo físico es irrelevante, aquí lo importante es que el costo unitario de las últimas entradas sea el que se aplique a las primeras salidas. Tal como podemos observar a continuación:

En este caso la salida de unidades del 16 de febrero es de 450 unidades, del último lote de entradas se toman las primeras 250 salidas a un costo unitario de $ 633, y del segundo lote de entradas se toman las 200 unidades restantes a un costo de $ 628.

La ventaja de aplicar esta técnica es que el inventario se valorará con el costo más antiguo, lo cual supone un costo de inventario inferior a su valor promedio, siendo de gran utilidad en épocas de inflación cuando los costos aumentan constantemente.

Costo promedio constante o promedio ponderado

Este es un método de valoración razonable de aproximación en donde se divide el saldo en unidades monetarias de las existencias, entre el número de unidades en existencia. Este procedimiento que ocasiona que se genere un costo medio, debe recalcularse por cada entrada al almacén. Tal como podemos observar a continuación:

En este caso al momento de la salida del almacén de 450 unidades, se debe calcular el costo medio, dividiendo el saldo ($ 470.250) entre el número de existencias anterior a la salida de la mercancía(750), es decir 470250/750 = 627. Este costo será el que se aplicará para todas las 450 unidades de salida.

La entrada Métodos de valoración de inventarios se publicó primero en Ingenieria Industrial Online.