X CONGRESO INTERNACIONAL DE INGENIERIA DE PROYECTOS VALENCIA, 13-15 Septiembre, 2006

CASO: METODOLOGA DE APROVISIONAMIENTO DE LA CADENA LOGSTICA, EN UN ENTORNO ENGINEERING-TO-ORDER, DE UNA CADENA DE SUMINISTRO CON UN SISTEMA DE PLANIFICACIN LEAN Y AGILE
David Sanz Domingo(p), Mara Jess Senz Gil de Gmez

Abstract
Automotive industry has constituted, during decades, a perfect environment for the development of many theories, philosophies and methodologies of application to the planning of the Supply Chain of a manufacturing process. Such theories are widely known and have given their fruits in many different environments based on their degree of applicability and the right choice taken to approach the solutions that each business segment demands. Theories such as LEAN Manufacturing or the Theory of Constraints suggest models for the management of the Supply Chain from the procurement of raw materials and subassemblies until the shipping of the finished product to the final customer. The implementation of these theories has obtained high rates of efficiency, in costs and ontime delivery performance, for the management of the Supply Chain at firms working under Make-To-Stock and Make-To-Order conditions. XXIst century has made the industry to confront a new challenge: There exists the mandatory need to react to customer demand, as per product specifications and quick delivery is regarded (Agile), with high reliability of delivery and at the cost level of series manufacturing (Lean). The key of success, therefore, is to make the right choice to manage an Engineering-ToOrder model. To cope with such a challenge, simulation appears to be the key piece for the attainment of a proactive approach, instead of the traditionally reactivity, of the Pull philosophy. Present paper summarizes the methodology used for the procurement process in a firm devoted to manufacturing of industrial equipment, working under Engineering-To-Order conditions, which has developed an innovative planning system that allows to successfully manage the scheduling of movable bottlenecks, along its Supply Chain, while assuring a 97% on-time deliveries to its customers and having obtained a reduction in its manufacturing leadtime of up to a 70%. Keywords: Demand Forecasting, Theory of Constraints, Material Procurement, EngineeringTo-Order, Lean & Agile.

Resumen
El mundo de la automocin ha constituido, durante dcadas, el caldo de cultivo para el desarrollo de mltiples teoras, filosofas y metodologas de aplicacin a la planificacin de la cadena de subprocesos que componen un proceso fabril.

1971 1

Tales teoras son sobradamente conocidas y han dado sus frutos en entornos diversos en funcin de su grado de aplicabilidad y de la acertada eleccin de las mismas para abordar los problemas que cada segmento de negocio presenta. Teoras como el LEAN Manufacturing o la Teora de las Restricciones sugieren modelos para gestin de la cadena de logstica desde el aprovisionamiento de materiales y subconjuntos hasta la expedicin del producto terminado al cliente final. En los entornos de Fabricacin contra Stock o contra Pedido, la implantacin de estas teoras han logrado altas tasas de eficiencia en la gestin de la cadena logstica en cuanto a costes y plazos. Con la llegada del siglo XXI, la industria afronta un nuevo reto: Reaccionar ante las demandas del cliente, tanto en especificaciones como en plazo (Agile), en tiempo record, con alta fiabilidad de entrega y a niveles de coste tpicos de la fabricacin seriada (Lean). La clave del xito, por tanto, se sita en la correcta gestin del Diseo-bajo-Pedido. Para abarcar tal objetivo, la simulacin es la pieza clave para la consecucin del funcionamiento proactivo en lugar del tradicionalmente reactivo de los sistemas Pull. La presente comunicacin sintetiza la metodologa usada para el proceso de aprovisionamiento de una empresa dedicada a la fabricacin de bienes de equipo, para clientes del sector industrial, que funciona con Diseo bajo Pedido y que sigue un novedoso sistema de planificacin que permite gestionar cuellos de botella mviles en su cadena logstica asegurando un 97% de entregas a tiempo a sus clientes, habiendo reducido su tiempo de ciclo en un 70%. Palabras clave: Previsin de la Demanda, Teora de las Restricciones, Aprovisionamiento de materiales, Diseo-Bajo-Pedido, Lean & Agile.

1. Introduccin
La planificacin de cualquier cadena logstica (Supply Chain, en adelante), en general, y del aprovisionamiento de materiales a la misma, en particular, sera tarea fcil de no ser por la existencia de la variabilidad como uno de los factores determinantes en la adopcin de la estrategia a adoptar para afrontar tal tarea. Dicha variabilidad puede separarse en dos categoras bien diferenciadas: La variabilidad aleatoria producida por efecto de la ley de Murphy manifestndose en forma de roturas de stock del proveedor, fallos de calidad, retrasos en la entrega de materia prima, huelgas de transporte... La variabilidad natural propia de cada proceso logstico producida por variaciones en el mix de producto, estacionalidad...

Ante tal reto, han venido proponindose diversas soluciones para abordar la planificacin de los recursos productivos desde el aprovisionamiento de materiales hasta la entrega al cliente. Bsicamente cabe resear 3 de las metodologas principales: 1. MRP: 2. JIT: 3. TOC: Material Requirements Planning. Just In Time. Theory Of Constraints.

- La solucin tradicional, basada en la filosofa MRP desarrollada en los aos 60, aborda esta cuestin eliminando ambos tipos de variabilidad, aleatoria y del proceso, mediante la gestin de buffers a lo largo de toda la cadena logstica, desde el acopio de materiales hasta

1972 2

el almacn de producto terminado, que desacoplan cada uno de los eslabones de la cadena de tal forma que protegen a cada uno de ellos de cualquier interrupcin en el proceso que desempean lo que rigidiza notablemente la capacidad de reaccin de la cadena en su conjunto ante eventuales imprevistos pues la seal que enva aguas arriba cualquiera de los procesos de la cadena se encuentra amortiguada por los sucesivos buffers de forma que el aprovisionamiento reacciona tarde para prepararse anticipadamente ante dichos cambios. - En los aos 80, el Toyota Production System revolucion la forma de planificar la cadena logstica especialmente en el entorno de la automocin. La solucin basada en la entrega Just-In-Time entre los procesos de la cadena logstica, propugna la eliminacin de la variabilidad aleatoria atacando a las causas que la provocan a lo largo de toda la cadena. Esta metodologa constituye uno de los pilares de la filosofa de gestin acuada con el nombre de Lean Production [1]. - La Teora de las Restricciones (TOC), enunciada por Eliyahu Moshe Goldratt en 1986 en su best-seller The Goal [2], comienza a ser una de las teoras que est consiguiendo mayor adhesin en la ltima dcada. TOC, a diferencia de MRP y JIT acepta que cualquier secuencia de procesos es un sistema por naturaleza desequilibrado. Identifica, en dicha cadena, el proceso con menor capacidad (es la restriccin o cuello de botella) y controla el flujo de la cadena completa mediante el ritmo de dicho proceso protegindolo, mediante un buffer, dejando desprotegidos al resto de procesos. TOC aplicada al campo de la planificacin se ha denominado Drum-Buffer-Rope [3]. TOC centra sus esfuerzos en explotar al mximo el cuello de botella y defiende que no es posible ni deseable tratar de conseguir altos niveles de eficiencia local en toda la cadena al mismo tiempo [4] por lo que sugiere no desperdiciar esfuerzos en optimizar el resto de los procesos la cadena. E. Goldratt propone huir de tales optimizaciones locales pues considera que constituiran una entrada en el terreno del caos. Todas estas corrientes tienen resuelta, en diversa medida, la optimizacin de la planificacin de la Supply Chain en entornos con variabilidad acotada (Make-To-Stock y Make-To-Order), pero ninguna de ellas parece dar respuesta simultneamente a las demanda de flexibilidad, velocidad y bajo coste, agilidad en una palabra, que en la ltima dcada el mercado demanda en la gestin de la Supply Chain desde el acopio hasta la entrega al cliente.

2. Objetivo
El objetivo de la presente comunicacin es presentar una nueva metodologa de planificacin de la Supply Chain, que combina las caractersticas Lean & Agile, profundizando en la metodologa adoptada para el aprovisionamiento de materiales estratgicos en un entorno de fabricacin ETO validando dicha metodologa mediante los resultados obtenidos en el caso de BAA, S.A., fabricante de maquinaria para el sector elctrico

3. El caso BAA, S.A.

En el ao 1999, BAA, S.A. se enfrentaba al reto de, siendo la suya una fabricacin de mquinas, para el sector elctrico, bajo diseo (Engineering-To-Order, ETO), encontrar una ventaja competitiva basada en la velocidad que le permitiera hacer frente a la amenaza de la deslocalizacin gracias a unos reducidos plazos de entrega y una rapidez de respuesta incontestable. Adems, esta velocidad no poda ser conseguida a base de sobredimensionar la fbrica, pues BAA deba competir con pequeos talleres en Europa con menor coste estructural que ella. As pues, tres factores clave convergen en la fabricacin de BAA: Fabricacin bajo diseo (ETO), lo cual implica variabilidad del producto.

1973 3

Velocidad y volumen propios de la fabricacin seriada. Alta eficiencia y utilizacin de recursos para minimizar costes.

Se unen, por tanto, tres ingredientes no del todo miscibles ante el objetivo de conseguir la receta adecuada. En la literatura experta en la materia, principalmente proveniente del sector del automvil, pueden encontrarse soluciones para alguno de los tres puntos, pero ninguna teora es capaz de abordar a las tres a la vez. La situacin de partida de BAA en 1999 en lo referente a los KPIs ms relevantes se encontraba dentro de los mrgenes de otras fbricas que la multinacional, a la que pertenece BAA, posee en el mundo: El nivel de inventario de materia prima se elevaba a un total de 16,3 das. El Throughput Time (TPT) de produccin era de 12 das. El ratio de suministros a tiempo se encontraba en el 62%. El ratio de entregas a tiempo al cliente era de un 70%.

En la presente comunicacin se detallarn de las decisiones tomadas para el aprovisionamiento de BAA en un entorno como el descrito y para mejor comprender este detalle, se describir, de forma general el sistema de planificacin adoptada para la Supply Chain, en su conjunto, para despus integrar la metodologa de aprovisionamiento adoptada en tal entorno. 3.1 Planificacin de la Supply Chain en BAA Las crecientes tasas de fiabilidad y velocidad de respuesta ante las demandas del mercado exigen de la adopcin y correcta gestin del flujo de valor a lo largo de toda la Supply Chain desde el aprovisionamiento hasta el cliente. De entre las metodologas MRP, JIT y TOC, aparentemente, TOC da con la solucin perseguida por BAA, pues permite ganar velocidad, maximizando el rendimiento del cuello de botella y colocando stocks all slo donde hace falta. Siendo necesaria la capacidad de proteccin, mediante el sobredimensionamiento del resto de procesos. La produccin ETO arrastra consigo una variabilidad que no existe en una fabricacin seriada. En BAA aparece como predominante una variabilidad debida al cliente. Baste decir como dato que slo el 9% de las unidades producidas anualmente por BAA se encuentran agrupados bajo el mismo pedido y especificacin, lo que muestra claramente la elevada variabilidad natural de su proceso productivo.

Figura 1. Variabilidad Aleatoria + Variabilidad Natural. Produccin ETO

La idea clave detrs de la teora desarrollada por BAA trata de planificar y controlar una cadena de suministro dentro de un entorno catico (cuello de botella mvil) y baja capacidad

1974 4

de proteccin. Para ello se persigue la divisin de la variabilidad en dos partes, obteniendo de esta manera una capacidad de proteccin mnima propia de la produccin seriada: La variabilidad en un proceso estndar se debe a la propia aleatoriedad natural de los procesos. Por tanto, existen unos lmites ajustados capaces de absorber dicha variabilidad. Para la produccin ETO, la variabilidad existente es la suma de la aleatoria y la natural del proceso. En este caso, los lmites que agruparan la desviacin son mayores (Figura 1). La variabilidad natural, tiene una diferencia clave frente a la variabilidad aleatoria: puede ser atacada una vez que el pedido es recibido. Si bien, al realizar la planificacin de la demanda existe cierta incertidumbre, una vez que la previsin se convierte en cartera de pedidos, la variabilidad (natural) aportada por el cliente pasa a ser conocida y determinada.

Figura 2. Variabilidad Aleatoria + Variabilidad Natural. Produccin ETO. Solucin propuesta por BAA

De esta manera, es posible realizar una prediccin del comportamiento del sistema frente a la desviacin aportada por la cartera de pedidos. Gracias a la simulacin de sistemas, la evolucin futura de la cadena de suministro es analizada para anticiparse a los hechos y poder ajustar la capacidad de proteccin frente a slo la variabilidad aleatoria. En resumen, la diferencia radica en que TOC gira entorno al cuello de botella, y el sistema de BAA no pierde de vista a los procesos que hoy no son cuello de botella, y que pueden convertirse en el futuro en el proceso limitante, tomando acciones de forma proactiva antes de que los eventos ocurran. 3.2 Planificacin del aprovisionamiento en BAA Una caracterstica clave del mercado en la actualidad se materializa en la idea de que son las Cadenas logsticas las que compiten, no las empresas [6]. Uno de los grandes riesgos de cualquier Supply Chain reside en el hecho de que la informacin sobre la demanda real del cliente no penetra en todos los eslabones de la cadena de tal forma que parte de la cadena, la que se encuentra ms aguas arriba, se debe planificar basada en predicciones ms que en la demanda real del cliente. Este riesgo produce el denominado efecto bullwhip [7] que describe muy bien las enormes fluctuaciones de los patrones de acopio entre los eslabones de la Supply Chain aguas arriba y abajo debidas al incorrecto o incompleto flujo de informacin entre los mismos. En tales casos, el aprovisionamiento suele ser ms afectado por esta problemtica al hallarse en el extremo ms alejado de la demanda del cliente. El punto hasta el que la informacin sobre la demanda real penetra aguas arriba en una Supply Chain se denomina como Punto de Desacople [8]. La situacin ideal sera aquella en la que el flujo de informacin acerca de la demanda llega hasta el extremo del aprovisionamiento y adems lo hace en tiempo real. En tal situacin la

1975 5

Supply Chain tendra un comportamiento muy flexible ante las demandas del cliente: sera una cadena gil (Agile). Tal y como se ha visto para el caso de BAA, el hecho de realizar una planificacin proactiva y predictiva basada en la simulacin del comportamiento de toda la cadena ante distintos escenarios, permite que este flujo de informacin cumpla tal condicin ideal adems de permitir un nivel de eficiencia en costes tpicos de una cadena Lean. Virtualmente, por tanto, parece estar resuelto el problema del aprovisionamiento de BAA puesto que la informacin sobre las cantidades y fechas de necesidad de aprovisionamiento estn perfectamente relacionadas en tiempo real con la demanda real a travs de la planificacin global de la cadena. Consecuentemente, la cuestin que se plantea sera: es posible recibir dichas cantidades por parte de los proveedores para el momento en que se solicitan? La respuesta sera claramente positiva si las referencias a aprovisionar estuviesen en un rango discreto y estndar (variabilidad del proceso acotada) y/o si los plazos de entrega solicitados se encontrasen en unos mrgenes siempre superiores a los plazos de la cadena completa de acopio-fabricacin-expedicin del proveedor pero, en un entorno ETO como el que caracteriza a BAA, esto es evidentemente irrealizable. Es preciso, por tanto, adoptar una estrategia alternativa. Una de las estrategias propuestas en la bibliografa, muy extendida en sectores de la industria donde la modularidad y estandarizacin de subconjuntos es factible, para conseguir una cadena que se comporte de forma Agile de cara al cliente pero con la eficiencia de la produccin Lean, consiste en crear un stock estratgico denominado Punto de Desacople Material [9]. Haciendo uso de mtodos Lean hasta dicho punto y mtodos Agile a partir de l se lograra combinar las bondades de ambos mtodos. La clave, segn esta teora, se encontrara en tratar de posponer aguas abajo dicho Punto de Desacople para maximizar la optimizacin de costes en el tramo Lean y personalizar el producto en los ltimos eslabones de forma casi inmediata al momento en que se genera la demanda del cliente. Este tcnica de desplazamiento del Punto de Desacople se conoce como Postponement. Podra obtenerse algn beneficio del Postponement en este caso? Teniendo en cuenta que la tasa de repetitividad diseo/producto en BAA se sita en 1,8 unidades iguales por cada diseo, se ve que el grado de personalizacin se encuentra en todos los pasos de la cadena que suceden al aprovisionamiento: La posibilidad, por tanto, de hacer uso de la modularidad y/o de la estandarizacin de subconjuntos es nula. La consecuencia inmediata es que el Punto de Desacople Material debe situarse en el aprovisionamiento en la forma de un almacn de materia prima. 3.3 Anlisis del Portfolio de Materiales en BAA A la hora de plantear una estrategia de planificacin del aprovisionamiento del almacn de materia prima es preciso tener en cuenta 2 factores fundamentales: 1. La importancia estratgica del material a acopiar. 2. La complejidad del mercado de aprovisionamiento de ese material. Teniendo en cuenta estas 2 dimensiones, Peter Kraljic propuso [10] un modelo, de probada solvencia y vigencia, en forma de matriz de clasificacin del portfolio de materiales segn estos dos parmetros. Siguiendo estos criterios de clasificacin, el perfil del portfolio de materiales de BAA sera el siguiente:

1976 6

COSTE / RIESGO DE VOLUMEN ESTRATGICO

N referencias: 89 % en volumen: 10,6%

N referencias: 121 % en volumen: 70,4%

NO CRTICO

CUELLO DE BOTELLA

N referencias: 972 % en volumen: 6,2%

N referencias: 3784 % en volumen: 12,9%

COMPLEJIDAD

Figura 3. Matriz de Kraljic Caso BAA

A la vista de estas cifras queda evidenciada la tipologa de aprovisionamiento que presenta un entorno ETO como el de BAA: ms del 80% de los materiales se concentra en los cuadrantes de la derecha siendo stos los que recogen los productos con mayor especificidad bien sea debido al alto grado de personalizacin de sus referencias, bien sea porque slo estn disponibles en mercados nicho. El cuadrante correspondiente al material estratgico es el que presenta el mayor riesgo y dificultad para BAA. Este cuadrante recoge entorno al 70% del coste total de los materiales concentrndose en un nmero muy reducido de referencias (apenas el 2,5% del total de referencias). Este hecho es atribuible claramente a que el nivel de complejidad proviene del tipo de mercado en que estos materiales estn disponibles. La potencia del sistema de planificacin del aprovisionamiento en el caso de BAA, deber, en consecuencia, centrarse en su capacidad de anticiparse y reaccionar ante el acopio de materiales estratgicos en mercados de alta especificidad, en los que los plazos de entrega son largos y las posibilidades de lograr flexibilidad de entregas son muy reducidas. 3.4 Previsin de la demanda de materiales estratgicos La posibilidad de anticiparse para poder reaccionar a tiempo cuando los plazos de aprovisionamiento son ms largos que los plazos en los que la demanda es cierta y conocida, exige del uso de tcnicas de previsin de la demanda. Para ello, es necesario explotar al mximo los elementos disponibles, como son la informacin de la cartera ya consolidada y la informacin acerca de la demanda histrica de cada material. Es preciso conocer, como paso previo, los datos de demanda cierta y consolidada con los que BAA cuenta y slo hacer uso de la previsin, basada en datos histricos, all donde la cartera conocida (diseada) no llega. En el caso de BAA, la incertidumbre es prcticamente nula durante las 2 primeras semanas dado que la cartera, en % de carga de fbrica por semana, est prcticamente diseada al 100%. Para aquellos materiales cuyo plazo de entrega no supera las 2 semanas el aprovisionamiento esta asegurado, no siendo as para gran parte del resto. El perfil de la distribucin de plazos de entrega segn el volumen de compra de BAA es tal que el 85% de todo el volumen de compra de material estratgico se encuentra por encima del plazo de certidumbre plena de la demanda de aprovisionamiento. No obstante, dada la tipologa del producto que BAA fabrica, es posible contar con una pequea ventaja adicional dentro del entorno ETO en que se mueve: el diseo del producto responde, salvo por un nmero no acotado de restricciones y personalizaciones impuestas desde el cliente, que convierten su fabricacin en ETO, a un modelo paramtrico de diseo.

1977 7

% 100

Cartera diseada
80

Carga en cartera

Carga prevista
60

Cartera diseada + prediseada

40

20

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Semana

Figura 4. Carga frente a cartera diseada + prediseada

Tal caracterstica permite, en algunos casos, tratar de anticipar cul va a ser el diseo bsico del producto tomando como referencia los parmetros bsicos de la especificacin tcnica y comparndolos con el diseo estadsticamente ms repetido en la historia de fabricacin de BAA que responde a tales parmetros bsicos. De esta forma, es posible tratar de anticiparse proactivamente a la necesidad de parte de los materiales estratgicos. El resultado de tal prediseo permite estimar entre un 125% y un 140% adicional sobre de las necesidades conocidas en firme (diseadas). No obstante, existe un riesgo muy a tener en cuenta puesto que el prediseo no es fiable al 100%. La fiabilidad de tal prediseo oscila entre el 42% y el 85% puesto que no tiene en cuenta todos los parmetros ni restricciones del diseo. Por tanto, no es aconsejable usar el prediseo a la hora de emitir rdenes de acopio en base a las cantidades previstas como necesidades para fabricar tales prediseos dada la incertidumbre asociada a este hecho. No obstante, se ver ms adelante como hacer uso de esta informacin. Con respecto a informacin acerca de la demanda histrica de materiales estratgicos, es preciso apoyarse en modelos matemticos de previsin adecuados al tipo de demanda que siguen los materiales estratgicos de BAA. Tal demanda no sigue ninguna norma estacional dado que el mercado en que BAA vende sus productos tampoco la sigue, adems, dentro de cada familia de materiales estratgicos el nivel de dicha demanda tiende a ir desplazndose entre referencias de una forma generalmente no abrupta sin que se observe una tendencia clara hacia el aumento o decremento de unas u otras. Para casos de este tipo, lo ms indicado es el uso de tcnicas previsin de la demanda de suavizado exponencial para casos no estacionales sin tendencia aditiva ni multiplicativa [11]. La formula a utilizar, por tanto, sera la siguiente: St = Xt + (1 ) St-1 St = Previsin de la demanda suavizada, (1)

= Constante de suavizado, Xt = Demanda actual

La previsin se realiza asignando un peso mayor a los datos ms recientes y decrecientemente menor a los correspondientes a perodos ms antiguos. 3.5 Mtodo de Aprovisionamiento. A la hora de definir el mtodo de aprovisionamiento, es preciso no perder de vista que el sistema de planificacin de la Supply Chain de BAA se realiza en 2 umbrales segn el plazo de entrega del producto final: Planificacin a Corto Plazo y Planificacin a Largo Plazo. El objeto de tal diferenciacin responde a criterios de incertidumbre: conforme el umbral temporal se aleja, la incertidumbre aumenta a la hora de situar la fabricacin de una determinada unidad en una fecha precisa y determinada. Por ello, all donde la carga ya en

1978 8

cartera supera el 75% de la carga prevista, tiene sentido realizar una planificacin fina. Ms all, basta con planificar de forma aproximada mediante una comparacin de carga/capacidad. El umbral entre el corto y el largo plazo se sita entre las 8 y las 15 semanas en el caso de BAA. Tal plazo est siempre por encima de los plazos de entrega de los materiales estratgicos. El aprovisionamiento, por tanto, deber realizarse para abastecer, en plazo y cantidad, la demanda planificada en el corto plazo. Una vez centrado el horizonte temporal, es necesario ver los criterios a seguir en lo referente a la parametrizacin de fechas, cantidades y niveles de stock: la previsin deber proteger la continuidad del stock contra las roturas tanto en la dimensin de la cantidad como en la dimensin del plazo de entrega. Para prevenir la incertidumbre en cantidad es necesario mantener un nivel de stock mnimo previsto. Para esto va a jugar un papel fundamental la previsin apoyada en el modelo matemtico basado en histricos que ayude a prever la demanda. Siguiendo la frmula (1) es posible estimar cul va a ser el nivel de demanda en el periodo comprendido entre el momento de la previsin y el horizonte a corto plazo (correspondiente al instante t). Para ello, mediante el suavizado exponencial, se tienen en cuenta los perodos (de longitud igual a la franja de corto plazo) pasados ponderados de forma exponencialmente decreciente conforme ms antiguos son. La previsin St dar para cada referencia una estimacin de la cantidad a consumir durante el perodo del corto plazo. Con ello una parte del problema estara aparentemente resuelto. No obstante, seguira existiendo un cierto margen de incertidumbre puesto que se trata de una previsin. Deber, en consecuencia, usarse St como una estimacin no slo de la cantidad a consumir sino, adems, como un valor proporcional al stock mnimo a mantener al final del corto plazo como nivel de proteccin ante la variabilidad de la demanda. As, se define el valor del stock mnimo (Smin) como: Smin = St (2)

En consecuencia, la cantidad a acopiar (SA) deber ser: SA = (1 + ) St - Shoy (3)

Definindose Shoy como el stock de la referencia en cuestin en la fecha en que se realiza la previsin. El parmetro jugar un papel fundamental en esta metodologa puesto que Smin protege ante la incertidumbre en la fiabilidad del prediseo y la incertidumbre implcita en la carga que todava no se ha materializado en forma de cartera que es totalmente desconocida. La ecuacin (3) da respuesta a la dimensin cantidad pero no habla del plazo de entrega idneo a solicitar al proveedor. Para determinar el plazo de acopio (PA) ser de gran utilidad la informacin que ofrece la cartera ya consolidada, diseada o no. Dado que la fiabilidad del prediseo es limitada puesto que no tiene en cuenta todos los parmetros del diseo sera muy arriesgado materializar en forma de rdenes de compra las cantidades previstas como necesidades para fabricar tales prediseos dada la incertidumbre asociada a este hecho. Ahora bien, el prediseo da una indicacin acerca de la velocidad adicional de consumo y, por tanto, de reduccin del stock, que podra darse. Con estas premisas, parece razonable que la fecha en la que debera realizarse el acopio debera ser la fecha en la que el stock de la referencia Item X alcanza el valor Smin supuesto que el perfil de consumo de dicha referencia respondiese al consumo acumulado de la cartera diseada ms la prediseada.

1979 9

1 00

Unidades de Sto ck

Stock "Item X"

Sto ck s/ diseo Sto ck s/ diseo + prediseo Smin

50

SA
Smin

0 1 2 3 4 5 6 7 8 9 10 11 1 2 1 3 14 15 16

PA

Largo P lazo

Semana

-50

Figura 5. Acopio en PA de la cantidad prevista SA

Tal y como se ilustra en el caso de la Figura 5, segn la cartera diseada, la evolucin del stock de la referencia Item X sera ms que suficiente para cubrir el corto plazo, no obstante, al agregar la cartera prediseada a la diseada, la evolucin de stock esperable muestra que podra darse un dficit de unas 3 unidades de stock y que el stock Smin se cruzara en la semana 8. Se realiza, por tanto, el acopio, preventivamente, en la semana 8. Ahora bien, se ha obviado una informacin adicional con la que se puede contar a la hora de fijar PA puesto que la previsin de la demanda de suavizado exponencial est dando un elemento adicional de previsin de la evolucin del stock. Considerando que la cantidad prevista de consumo St se va a consumir de forma lineal, a lo largo del perodo del largo plazo, es posible encontrar entonces una nueva referencia para fijar PA tal y como muestra la Figura 6.
Unidades de Sto ck

100

Stock "Item X"

Sto ck s/ diseo Sto ck s/ diseo + prediseo Evo luci n prevista St punteada

50

SA
Smin

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

PA

Largo P lazo

Semana

-50

Figura 6. Acopio en PA, referenciado a St, de la cantidad prevista SA

Evidentemente, podra suceder que la evolucin prevista del stock, segn St, sugiriese un acopio ms tardo que la curva de stock segn la cartera consolidada (diseo+prediseo). En consecuencia, PA deber definirse como el plazo ms corto de acopio entre los plazos que propongan ambas curvas. Con respecto a la cantidad a acopiar SA es preciso contemplar el caso particular en el que el stock previsto segn la cartera diseada se coloque por debajo de cero en el umbral del largo plazo a pesar de contar con el acopio previsto SA. Tal caso reflejara una situacin de demanda explosiva, en la referencia de que se tratase, que no habra logrado contenerse a pesar de contar con el stock de seguridad Smin. En tal caso, el acopio SA deber incrementarse en una cantidad tal que el stock previsto segn la curva de la cartera diseada se encuentre en Smin en el umbral del corto plazo.

1980 10

Para garantizar la estabilidad de este mtodo de aprovisionamiento, es preciso no confundir los conceptos de acopio (o demanda de materiales vista por los proveedores) con el consumo (o demanda de materiales para fabricacin) a la hora de calcular la demanda prevista, St, en los perodos anteriores. En el clculo deber usarse el consumo real en vez del acopio pues el sistema podra volverse inestable dado que acopios de grandes cantidades en el pasado reciente sugeriran acopios grandes en el presente a pesar de que el consumo del pasado reciente hubiese sido decreciente.

4. Resultados
La implementacin en BAA del sistema de planificacin de la Supply Chain anteriormente descrito comenz en 2000 inicindose en 2003 el desarrollo y progresiva mejora e implementacin de la metodologa de planificacin del aprovisionamiento aqu descrita. Se presenta, a continuacin, los resultados obtenidos referidos a los ndices (KPIs) en los que el aprovisionamiento tiene incidencia directa:
1999 Entregas a tiempo Producto Terminado Entregas a tiempo Materiales estratgicos Das de Inventario Materiales estratgicos 70% 62% 16.3 2000 86% 57% 16.2 2001 87% 59% 13.5 2002 93% 66% 9.3 2003 94% 81% 7.1 2004 96% 88% 6.5 2005 97% 94% 5.3

Tabla 1. KPIs - Resultados

Quedan evidenciadas las mejoras obtenidas a la vista de los resultados. La simulacin, como piedra angular de la planificacin, aporta un valor adicional y novedoso a la forma de planificar la Supply Chain, admitiendo la movilidad del cuello de botella, del que TOC huye a aras de la simplicidad, permitiendo una flexibilidad, velocidad y fiabilidad en la entrega de producto terminado tpicas de las estructuras Agile,, simultaneando, adems, la economa de costes de la filosofa Lean. El uso de tcnicas de previsin de la demanda basadas en la conjugacin de la informacin disponible acerca de la cartera conocida, o conocible, y de modelos de previsin de suavizado exponencial adecuadamente parametrizados han permitido una sensible mejora en la disponibilidad de materiales para la fabricacin as como en el nivel de inventario requerido para ello.

5. Conclusiones
Cada da ms, el panorama industrial y de consumo tiende ms a comportarse como una mezcla entre los entornos Make-To-Stock (MTS), ptimamente gestionado por filosofas como Lean Production o TOC, y Engineering-To-Order (ETO), abarcable con tcnicas de Agility, demandando unas tasas de disponibilidad, velocidad y costes tpicas del primero que se combinan con el nivel de exigencia de personalizacin del segundo. La metodologa de planificacin de la Supply Chain aqu presentada constituye una novedosa estrategia hbrida (Lean & Agile) para enfrentar tal problemtica. La teora clsica (TOC) propone monitorizar el nivel de los buffers delante del cuello de botella de forma que, una vez alcanzado un determinado nivel en los mismos, se toman acciones de parar procesos o de aumentar capacidad en caso de llegar a niveles rojos. En el sistema aqu presentado, la monitorizacin de buffers es anticipada a la realidad, pues

1981 11

gracias a la simulacin se puede conocer cul va a ser la evolucin de los mismos en el futuro en funcin de la cartera. Gracias a esto, se toman acciones que son impensables dentro del mundo de TOC: si hoy el nivel del buffer indica parar un proceso o dejar de aprovisionarse de cierto material, pero al simular se predice que su nivel va a disminuir hasta niveles rojos, por qu esperar hasta que suceda y no se acta ya hoy?. Por desgracia, en entornos ETO como el aqu presentado, la capacidad de respuesta de la Supply Chain aguas arriba del proceso productivo no puede seguir el ritmo marcado por este sistema y es preciso recurrir al desacople de la cadena en el punto del aprovisionamiento por lo que para engranar adecuadamente con un sistema de planificacin de la Supply Chain de tal potencia, es precisa una metodologa de previsin del aprovisionamiento cuya clave se encuentra en la correcta categorizacin del portfolio de materiales que, en entornos ETO con exigencias de velocidad y costes tpicamente MTS, concluir en la necesidad de planificar acertadamente los materiales estratgicos. La informacin disponible para la previsin de la demanda de dichos materiales debe ser investigada al mximo haciendo uso de los datos disponibles o, incluso, construyendo una estimacin de la demanda basada en prediseos. A la hora de planificar la demanda, debe escogerse el mtodo matemtico ms apropiado para cada tipo de produccin. Los mtodos de suavizado exponencial ofrecen un amplio abanico de posibilidades a la hora de realizar esta tarea aunque existen otras alternativas que merecen ser investigadas en profundidad.

Referencias
[1] Womack, James P., Daniel T. Jones, Daniel Roos., The Machine That Changed the World. NY: Harper Perennial, 1991. [2] Goldratt, Eliyahu M., The Goal, NY: The North River Press, 1986. [3] Goldratt, Eliyahu M., Fox, Robert E., The Race, NY: The North River Press, 1987. [4] Schragenheim, Eli., H. William Dettmer., Manufacturing at Warp Speed: Optimizing Supply Chain Financial, St. Lucie Press, Boca Raton, 2000. [5] Christopher, M., The Agile Supply Chain: Competing in volatile markets, Industrial Marketing Management, Vol. 29, No.1, 2000, pp.37-44. [6] Christopher, M., Logistics and Supply Chain Management, Pitmans, London, 1992. [7] Christopher, M., Lee, H.L., Mitigating supply chain risk through improved confidence, Int. Journal of Physical Distribution & Logistics Management, Vol. 34, No. 5, 2004, pp.338-396. [8] Mason-Jones, R., Towill, D.R., Using the Information Decoupling Point to Improve Supply Chain Performance, Int. Journal of Logistics Management, Vol. 10, No. 2, 1999, pp.13-26. [9] van Hoek, R., Reconfiguring the Supply Chain to Implement Postponed Manufacturing, International Journal of Logistics Management, Vol. 9, No. 1, 1998. [10] Kraljic, P., Purchasing must become supply management, Harvard Business Review, (61), September-October, 1983, pp. 109-117. [11] Billah, B., King, M.L., Snyder, R.D., Koehler, A.B., "Exponential smoothing model selection for forecasting", International Journal of Forecasting, 2006, vol. 22(2), pp. 239-247

Correspondencia (Para ms informacin contacte con):

rea de Ingeniera de Proyectos Dra. Mara Jess Senz Gil de Gmez Centro Politcnico Superior - Edificio Torres Quevedo (Universidad de Zaragoza) Mara de Luna, 3 - 50018 Zaragoza (SPAIN)

1982 12