En todo el mundo, las cadenas de suministros están expuestas a las condiciones y los cambios normativos, geopolíticos, meteorológicos, geológicos, y de infraestructura (como caminos y carreteras), con todos los riesgos que eso conlleva y que pueden interrumpirlas o retrasarlas.
Es decir, el riesgo tiene muchas verticales: financieras, operativas, sociales, etc.
De ahí que, riesgo e incertidumbre han sido conceptos muy estudiados en el marco del comportamiento de las cadenas de suministro, y han ido cambiando, porque las amenazas y riesgos son difíciles de medir, y van más allá de un evento.
Sin embargo, desde una visión realista y pragmática, y cuando el objetivo es ofrecer mejores y más oportunas respuestas a los clientes, al tomar decisiones con el factor incertidumbre, el riesgo no es lo único a considerar, y una tendencia para ayudar a las predicciones ha sido enfocarse en características de los sistemas, como, por ejemplo, la eficiencia de los procesos, la capacidad de respuesta, la vulnerabilidad y la resiliencia. Considerarlos en la toma de decisiones permite mitigar riesgos.
El tiempo es el otro factor vital. De hecho, riesgo y tiempo son dos caras de la misma moneda, pues el tiempo transforma el riesgo, y sin mañana no habría riesgos, es decir, el futuro es el campo de juego. Y para intentar tener algún control sobre destino y tiempo, la tendencia es trabajar con la probabilidad y la gravedad de los efectos desfavorables para gestionar las habilidades de los sistemas para recuperarse después de un evento desfavorable.
El riesgo se suma al cambio
Además de los riesgos ya enumerados, hay que tomar en cuenta también los grandes cambios en la tecnología, en las formas de hacer negocios, y en general, en la sociedad, como la evolución de los consumidores y su nivel de exigencia, una mayor variedad de productos y cadenas de suministro más largas y complejas, factores que no han hecho sino incrementar las incertidumbres en los mercados.
Para enfrentar estos cambios las empresas también han debido cambiar para lidiar con la variabilidad del abastecimiento y tratar de evitar las interrupciones en sus cadenas de suministros.
Cómo reducir la incertidumbre
Hablando de cadenas de suministro, la incertidumbre se refiere a los cambios de cumplimiento y rentabilidad debido a eventos potenciales e impredecibles, y a las dificultades del proceso de toma de decisiones con la falta de transparencia en la cadena de suministro, es decir, desconociendo el estado y el impacto de las posibles acciones.
Y con eventos podemos referirnos tanto a un terremoto o un huracán, como a un pedido de último momento, un retraso en la entrega de un proveedor, o una avería en los equipos de producción, por mencionar ejemplos.
Y aunque los modelos para medir riesgos externos pueden ser complejos, pueden valerse de muchos datos públicos. Y, por otro lado, existen herramientas y datos de análisis –muchas veces ya disponibles al interior de las empresas- que pueden ayudarnos a reducir la incertidumbre interna. Por ejemplo:
El inventario
El inventario puede ser utilizado como un colchón para lidiar con imprevistos y cambios abruptos en la oferta y la demanda.
La cadena de suministro debe responder a la demanda real, manteniendo un alto nivel de servicio al cliente. Sin embargo, la mejor opción es optimizar continuamente el inventario sobre la base de un pronóstico sólido. Y para ello, el patrón de optimización no solo debe ocuparse de la demanda y la incertidumbre de la demanda, sino también las incertidumbres del lado de la oferta, pues como ya mencionamos, los retrasos en las entregas de los proveedores o variaciones en la calidad, suele suceder.
Para lograr un buen modelo de optimización, habrá que preguntarse constantemente por qué el inventario no está sincronizado con la cadena de suministro, ya sea que esté por debajo o sea más alto. Al descubrir las causas de estos casos, se revelarán también las incertidumbres que debe manejar el modelo de optimización.
El siguiente paso sería identificar los datos que respaldan el modelo, que bien pueden estar disponibles en el sistema ERP, o MES, por ejemplo, las entregas tardías o los problemas de calidad.
El mantenimiento
Las empresas deben tener presente la ley de Murphy, porque definitivamente es cierto que "Todo lo que pueda salir mal, saldrá mal, y en el peor momento posible".
En términos de producción, es necesario prever averías para evitar que sucedan en los momentos de más carga, creando más problemas de abasto, entrega, y, por lo tanto, de servicio al cliente.
Las organizaciones necesitan programas de mantenimiento preventivo, capaces de pronosticar y prevenir fallas debido al desgaste. El mantenimiento predictivo (por ejemplo, con sensores que miden información sobre el equipo, el proceso o el material) es un complemento final del mantenimiento preventivo para mejorar el rendimiento de los equipos y maquinaria.
Esto permite automatizar procesos, alertar a los operadores sobre eventos importantes o inesperados y recopilar datos para monitorear y medir el rendimiento de las máquinas. Y si se va más allá, con un análisis exhaustivo de los datos de los sensores en relación con los datos de averías históricas, se pueden revelar patrones más complejos, por lo que, en lugar de simplemente reaccionar a la lectura de un sensor, se puede reaccionar a las lecturas de varios sensores, permitiendo una detección de problemas más temprana.
La calidad
Otro factor de incertidumbre es desconocer si los productos que se están produciendo pasarán las pruebas de calidad o no, pues el desmantelamiento o retiro de componentes o productos terminados que no cumplen con la calidad requerida, es costoso de varias maneras, y pone presión adicional a la línea de producción.
Por un lado, está la calidad experimentada por el cliente, que podemos conocer por los reclamos y las redes sociales, y hay que poner atención en ello. Sin embargo, lo mejor, claro, es identificar los problemas internamente.
Para ello, la clave es encontrar las causas fundamentales de la producción de baja calidad. Dependiendo de los datos disponibles y la línea de producción particular, esto puede requerir análisis estadístico, análisis predictivo o incluso inteligencia artificial, o bien, la instalación de sensores adicionales en la línea de producción para recopilar datos faltantes
En conclusión, las empresas deben utilizar todos los datos externos disponibles para evaluar lo mejor posible la incertidumbre externa, y el análisis de sus mismos datos para disminuir los costos asociados con la incertidumbre interna, aprovechando y uniendo las competencias analíticas con el conocimiento del proceso de fabricación mismo.
Mientras más conozcamos el presente, mejor podremos prever el futuro.
