Las complejas herramientas de modelado y simulación de la cadena de abastecimiento ayudan a las empresas predecir el resultado de los escenarios de negocio y adivinan el futuro.
Era 2008 y JBS S.A., una empresa de procesamiento de carne con sede en Brasil, todavía manejaba su cadena de abastecimiento y análisis de datos para tomar decisiones futuras utilizando herramientas básicas de hojas de cálculo. Los principales líderes entendieron que el número de hojas de cálculo manuales que la compañía manejaba era demasiado grande, y que había llegado el momento de adoptar un modelo más complejo.
JBS gestiona más de 40 plantas industriales en Brasil, cada una con una serie de recursos, capacidades y certificaciones disponibles. La empresa mueve 1500 SKU diferentes al mes. “La complejidad de nuestra operación es considerable”, señala Celso Batista, coordinador de planificación y control de JBS en Brasil.
Hace ocho años, se hizo evidente para JBS que su enfoque de baja tecnología para la administración de la cadena de abastecimiento provocó que perdiera oportunidades cruciales debido a las previsiones confusas y a la falta de capacidad para estudiar el espectro de escenarios posibles, comenta Batista. La compañía había crecido demasiado y se había vuelto compleja para los métodos de modelado y predicción de la vieja escuela.
JBS eligió modificar su enfoque radicalmente y adoptar el modelado y simulación de la cadena de abastecimiento. En busca una opción de software flexible que pudiera adaptarse a sus circunstancias únicas, JBS decidió trabajar con AIMMS, una compañía internacional de tecnología de apoyo a las decisiones que ofrece una plataforma de análisis, modelado y optimización.
El modelado de la cadena de abastecimiento ayuda a las organizaciones a visualizar el futuro de sus cadenas de abastecimiento en nuevas formas de identificar las oportunidades, ineficiencias y riesgos. “En varias ocasiones perdimos oportunidades de la cadena de abastecimiento, por ejemplo, el tipo de rendimientos que podemos obtener al cambiar una ubicación”, agrega Batista. “Estábamos buscando nuevas maneras de identificar todas las oportunidades al alcance de nuestro negocio”.
Hoy en día, la información que las empresas puede integrar en las aplicaciones de software de modelado para desarrollar pronósticos e investigar escenarios hipotéticos es impresionantemente meticulosa. Por ejemplo, el software de modelado Supply Chain Guru de LLamasoft incorpora atributos tales como instalaciones de producción, líneas individuales, capacidades, instalaciones de distribución, proveedores, distribuidores, costos, volúmenes y frecuencia de la demanda, políticas de aprovisionamiento e inventario, y los modos de transporte, entre otros componentes, comenta Toby Brzoznowski, cofundador y vicepresidente ejecutivo de LLamasoft, con sede en Michigan, un proveedor de software de optimización de la cadena de abastecimiento.
Los usuarios de software de modelado pueden visualizar escenarios de diferentes maneras, por ejemplo, mapas. Esta imagen del software Supply Chain Guru de LLamasoft muestra el modelo de referencia para la red de distribución de salida de una empresa hipotética.
Cuando el modelo es el adecuado, y se integra de manera apropiada con datos precisos y completos, por ejemplo, mediante un software de planificación de recursos empresariales (ERP) existente, las organizaciones pueden empezar a imitar el mundo real de una manera que les permita estudiar el futuro con una previsión detallada. Pueden tomar decisiones conceptualmente, y examinar los resultados proyectados en gráficas, tableros de mando, mapas, tablas y videos, sin ningún riesgo.
UN BUEN PRONÓSTICO
Los avances en el campo significan que el pronóstico ya no se limita a los trabajos ocasionales que requieren muchas horas de tiempo del personal para investigar un solo escenario. La previsión ahora se puede realizar de manera rutinaria y con rapidez, produciendo las respuestas a preguntas complicadas en cuestión de minutos.
Por ejemplo, las organizaciones pueden calcular nuevos niveles de stock de seguridad diaria o semanalmente, en lugar de mantener automáticamente un nivel de stock de seguridad de cuatro semanas.
Esto se traduce en una administración de la cadena de abastecimiento más precisa y menos derrochadora, y libera efectivo para otras inversiones, como el desarrollo de productos nuevos o la exploración de nuevos mercados. “Las compañías pueden comenzar a jugar con la realidad sin afectarla realmente”, explica Marcel Mourits, líder de optimización de la cadena de abastecimiento de AIMMS, una compañía internacional de software de modelado integrado multidimensional. “Pueden empezar a formularse la importante pregunta de ¿Qué pasaría si…? ¿Y si cerramos este almacén?
Estándar vs hecho la medida
El software de modelado y optimización de la cadena de abastecimiento se puede organizar en dos categorías principales: estándar y hecho a la medida. La solución adecuada para usted depende de su organización. El software estándar utiliza una aplicación normalizada.
Un ejemplo es Supply Chain Guru de LLamasoft, que fue diseñado para ser ser utilizado por empresas de una amplia gama de industrias sin dejar de satisfacer sus necesidades individuales.
El software hecho a la medida ofrece a las empresas la oportunidad de ser creativas en función de sus características y objetivos únicos. Marcel Mourits, líder de optimización de la cadena de abastecimiento de AIMMS, dice que se sorprende constantemente por las aplicaciones que las empresas desarrollan por su cuenta para las soluciones de software a la medida de AIMMS.
¿Qué pasaría si los ingresos aumentan en un 20 por ciento? ¿Y si empezamos usando el envío multimodal en lugar de basarnos en el transporte por camión?” Después de tomar una decisión, las organizaciones pueden usar modelos para anticipar los posibles eventos resultantes de esa decisión y desarrollar así planes con el fin de estar preparados para ellos.
Por ejemplo, si una organización cambia su capacidad de oferta, puede desempeñar una serie aleatoria de escenarios de demanda para un periodo próximo con el fin de ver lo que es probable que suceda. La organización puede entonces identificar dónde se desarrollarán tanto las oportunidades como los problemas.
¿Ciertos escenarios crean problemas de inventario o de capacidad? ¿Es vulnerable un producto particular a algunos eventos? La producción en un determinado país ¿tiene que superar retos particulares? El modelo de la cadena de abastecimiento revela todo. El modelo también proporciona a los planificadores y diseñadores de la cadena de abastecimiento una ventaja decisiva.
“La simulación permite a las empresas determinar la mejor manera de responder ante un problema si éste se produce, y evitar sorpresas”, asegura Mourits. “El software de simulación permite a las empresas invertir el tiempo ahora ya sea para mitigar el riesgo o, en caso de que suceda, responder lo más rápidamente posible, de modo que la situación no empeore”.
“El software de modelado y simulación tiene que ver con tomar decisiones, o evaluar las repercusiones de una decisión en el mundo digital antes de hacerlo en la realidad”, añade Brzoznowski.
Los motores de simulación de eventos permiten a los usuarios poner a prueba los diseños de la cadena de abastecimiento con el fin de asegurarse de que funcionan según lo previsto ante las variables reales y las necesidades del negocio. Este mapa ilustra los posibles escenarios de distribución identificados por las herramientas de simulación.
MODELADO Y SIMULACIÓN EN EL TRABAJO
El vidrio es uno de los materiales que Nampak utiliza en su gran operación de embalaje con sede en Sudáfrica. La producción de vidrio representa un reto de planificación irritante porque el proceso es muy delicado. La empresa utiliza hornos grandes, sumamente calientes, para transformar la arena y otros ingredientes en botellas de vidrio para sus clientes en todo el mundo. Las condiciones deben ser precisas en función del tipo de botella -su tamaño, forma, grosor y color.
Como resultado, los diferentes tipos de botellas no se pueden crear en el mismo horno, al mismo tiempo, o la calidad sufre. Y si Nampak no construye correctamente su programación, pueden ocurrir retrasos y lagunas en el tiempo de producción. Debido a esta complejidad, Nampak se enfrenta a ajustes difíciles cuando las circunstancias cambian. Por ejemplo, cuando la compañía agregó capacidad mediante la instalación de un horno nuevo, numerosas preguntas de planificación surgieron continuamente. Para hacer frente a estos retos, Nampak decidió trabajar con AIMMS.
Ahora, si una semana un cliente llama para cambiar un pedido de sus habituales 100,000 botellas por semana a 150,000 botellas, Nampak puede utilizar el software para explorar esa petición. Puede estudiar su decisión no solo basándose en el precio, sino también tomando en cuenta los ingresos, la programación de la complejidad, los márgenes y otros factores.
El software puede mostrar, por ejemplo, que el cumplimiento de la solicitud crea un efecto dominó que puede interrumpir la programación para varios otros clientes y demostrar que es menos rentable que rechazar la solicitud, o surtirla sólo parcialmente. O bien, el software podría revelar que la aceptación de la solicitud y el aplazamiento de los pedidos de otros clientes produciría un beneficio inesperado. “Lo que es transformador para Nampak es que ahora tiene la opción de elegir el programa de producción más rentable para cada petición de los clientes”, comenta Mourits.
El diseñador de accesorios de lujo Michael Kors utiliza el software de predicción de la cadena de abastecimiento para identificar las limitaciones e incrementos de capacidad, y prepararse para el crecimiento futuro previsto.
Al igual que los fabricantes, los minoristas también emplean herramientas de modelado complejas para desarrollar pronósticos de la cadena de abastecimiento. Uno de ellos es el minorista Michael Kors, un diseñador de accesorios de lujo y ropa lista para usarse.
En años recientes, la compañía ha disfrutado de un crecimiento rápido, lo que resulta en una adición constante de tiendas nuevas. Ya que mira hacia el futuro, Michael Kors utiliza Supply Chain Guru de LLamasoft para anticipar cómo el crecimiento continuo afecta a la cadena de abastecimiento, y la forma en que tiene que ajustarse para adaptarse a ese crecimiento.
En particular, Michael Kors puede superponer su crecimiento previsto de la demanda en la parte superior de la demografía, y luego usar el software de la cadena de abastecimiento para identificar dónde es probable que enfrente limitaciones de capacidad durante un tiempo determinado, cuándo y dónde se tendrá que añadir la capacidad, y cómo optimizar eso con el tiempo.
Esta información ayuda a la empresa a prepararse adecuadamente para soportar el crecimiento proyectado a lo largo del camino. Asimismo, cuando el minorista quiso estudiar las implicaciones de una estrategia de comercio electrónico más robusta, usó el modelado de la cadena de abastecimiento para pronosticar cuáles tiendas atenderían los pedidos en línea y luego necesitarían reabastecerse.
CAMBIAR CON LOS TIEMPOS
Las organizaciones varían ampliamente en el énfasis que eligen para sus modelos de la cadena de abastecimiento. También discrepan en los ciclos cuando los tiempos y objetivos de la empresa cambian con ellos.
Por ejemplo, Brzoznowski asegura que los fabricantes de automóviles, incluidos Ford y General Motors, clientes de LLamasoft, solían optimizar sus cadenas de abastecimiento para el costo durante la recesión, cuando la industria se enfrentó tenazmente a la falta de demanda.
Hoy, sin embargo, como el panorama económico ha mejorado, la industria es más apta para optimizar el servicio. Gracias al modelado de la cadena de abastecimiento, muchas organizaciones se enteran de que han estado esperdiciando oportunidades que han pasado inadvertidas. Por ejemplo, JBS utilizó su software de modelado para considerar un espectro de escenarios para uno de sus productos, y se sintió desconcertado cuando la aplicación AIMMS sugirió que la compañía debería producir un volumen de ese producto mucho mayor del que los datos históricos indicaban que era apropiado.
El hallazgo parecía muy fuera de sintonía con lo que JBS entendía -y había entendido desde hacía años. Desconcertados, los líderes de JBS investigaron los datos de su historial más meticulosamente, y descubrieron un error dentro de su software ERP. El error hizo que la empresa viera la decisión inadecuada y se perdiera la oportunidad que representaba la subproducción del producto. Así que JBS revisó su enfoque e incrementó los volúmenes a los niveles que el software proponía. El cambio dio lugar a una recuperación de la inversión del proyecto en sólo dos meses. Este ejemplo fue uno de los muchos que convencieron a JBS de que “se les podrían estar escapando datos simples que representaran un gran valor para la empresa”, añade Batista.
GANAR ACEPTACIÓN ES UN RETO IMPORTANTE
Aprender a usar las nuevas herramientas, y comprender cómo integrarlas en las operaciones de la compañía, resultó menos difícil que lograr la aceptación dentro de JBS, incluso entre los jefes de los distintos departamentos.
En las primeras etapas, cuando la plataforma de AIMMS sugirió alternativas que entraban en conflicto con las soluciones que los métodos más tradicionales producían, inevitablemente hubo un retroceso.
Algunos tomadores de decisiones se mostraron reacios a definir los planes de producción y ventas con base en los datos que todavía no entendían. “Es difícil cambiar”, admite Batista. El valor y el potencial de las herramientas de pronóstico, sin embargo, se hizo evidente. “Las acaloradas discusiones siempre giraron en torno a los conflictos de información, pero el sistema de modelado sobrevivió”, explica Batista. “Mejoramos la calidad de los datos que movíamos, de modo que todos pudieron ver los beneficios de la solución.
Las fronteras se eliminaron”. “El mayor reto es la calidad de los datos”, reconoce Brzoznowski. En la década de 1990 habría sido imposible poner en práctica este tipo de proyectos debido a la falta de estandarización de los datos dentro de las empresas. Uno de los beneficios del Y2K (cuando pasamos de 1999 al 2000 se temía que las computadoras se apagaran por completo) es que llevó a muchas empresas a poner sus datos en un sistema centralizado.
Aun así, las empresas Fortune 1000 con frecuencia mantienen varias aplicaciones de software ERP diferentes, a menudo debido a las adquisiciones realizadas a lo largo del tiempo. Las organizaciones y los proveedores de servicios deben colaborar para acceder a estos distintos flujos de datos y combinarlos para optimizar la cadena de abastecimiento.
QUEDARSE CORTO
Las imprecisiones de los datos pueden retrasar el movimiento hacia el software de modelado. Sólo pregunte a A. W. Chesterton, un fabricante de soluciones de sellado con sede en Massachusetts, que recientemente experimentó un cambio importante al emplear la inteligencia de negocio para mejorar la gestión y el análisis de datos.
El siguiente paso que la empresa quiere dar es agregar software de modelado y predicción, comenta Tom Meier, vicepresidente de tecnología de la información de A.W. Chesterton. No obstante, la compañía aún tiene trabajo que hacer en esa zona, ya que hace apenas poco tiempo adoptó las capacidades de integración de datos.
“Necesitamos más años de datos históricos para apoyarlo”, añade Meier. La simulación de eventos discretos es otra herramienta de previsión que habría sido impensable no hace mucho tiempo. Por medio de la simulación de eventos discretos, los usuarios pueden observar dónde surgirán problemas para un evento definido específicamente antes de que éste ocurra, y luego hacer los ajustes necesarios.
Esto difiere de los modelos de optimización de la cadena de abastecimiento basados en promedios y flujos. Las empresas pueden utilizar esta forma de simulación, por ejemplo, cuando diseñan una nueva planta de fabricación y quieren identificar dónde podrían surgir problemas en el sistema de transporte interno, como en el movimiento de productos, personas o vehículos.
La simulación permite a las empresas ejecutar los eventos a través de un modelo casi como si estuvieran sucediendo. A veces, la simulación muestra una imagen en 2D o en 3D que permite a los usuarios observar las líneas de espera, el equipo en movimiento y la congestión en tiempo real -todo antes de que la instalación incluso se haya construido.
Es como ver una película antes de su estreno. Los usuarios pueden optar por ejecutar el evento durante un tiempo específico para ver cómo evolucionan las circunstancias y cómo se comporta la operación. Si surgen problemas importantes en el modelo, los usuarios pueden cambiar sus planes.
Es una forma de asegurar que los cambios en el diseño de la cadena de abastecimiento funcionen como se esperaba. En el caso de la planta de fabricación hipotética, el modelo puede demostrar si el diseño interior conduce a un flujo de recursos deficiente, por ejemplo, un cruce que obliga a los vehículos a esperar con demasiada frecuencia o incluso conduce a posibles choques. El usuario puede modificar el diseño para evitar el problema, y correr el nuevo diseño en el modelo para probarlo otra vez.
FORMULAR MEJORES PREGUNTAS
Después de cambiar al software de modelado y optimización de la cadena de abastecimiento hace ocho años, en la actualidad JBS puede reaccionar rápidamente a los precios de mercado que cambian a diario para sus productos, y hacer comparaciones con los escenarios de demanda más recientes, las capacidades de producción, las posibilidades de transporte y los diferentes tipos de costos.
En el futuro, Batista espera que JBS sea capaz de alinear mejor su uso del software con sus procesos y personas. “El principal factor para el éxito continuo del negocio es estrechar la relación entre el software, sus procesos y nuestra gente”, señala Batista.
Una cualidad clave del software de modelado es la forma en que obliga a las empresas a desafiar los supuestos y la sabiduría convencionales que pueden conducir a un pensamiento perezoso. No importa cómo JBS utilice el modelado para mirar hacia el futuro, el proceso y las herramientas pondrán a prueba a la empresa y la obligarán a examinarse a sí misma de un modo que las hojas de cálculo nunca lo hicieron, aclara Batista.
“El software de modelado hace que las empresas se cuestionen su forma de pensar y sean creativas”, agrega. “No es el tipo de sistema que proporciona sencillamente planes de producción, y todo lo que el usuario tiene que hacer es oprimir la tecla “Impr”. “Las soluciones que le hacen pensar, como el software de modelado y predicción, son las mejores para su negocio”, concluye.
PARTICIPA CON NOSOTROS