Por Joannes Vermorel, febrero de 2020La planificación de necesidades de materiales impulsadas por la demanda (
Demand Driven Material Requirements Planning o DDMRP) es un método cuantitativo que tiene como objetivo optimizar el rendimiento de la cadena de suministro de empresas manufactureras multinivel. El método gira en torno a los conceptos de "puntos de desacoplamiento" y "
buffers de stock" orientados a mitigar los defectos de métodos anteriores implementados por la mayoría de los sistemas MRP (de planificación de necesidades de materiales). El método proporciona las cantidades que deben comprarse o fabricarse de una determinada
SKU (unidad de mantenimiento de stock) de una BOM (lista de materiales) multinivel.
El problema de la optimización del flujo de la lista de materiales multinivel
Una BOM (lista de materiales) representa los ensamblajes, componentes y piezas (y la cantidad de cada uno de ellos) necesarios para fabricar un producto final. Una BOM multinivel representa un abordaje jerárquico y repetitivo de la BOM original, en la que determinadas piezas pueden incluir BOM propias. Desde un punto de vista formal, una BOM multinivel es un
grafo acíclico dirigido ponderado (1) en el que los vértices son las SKU y las aristas indican inclusión (es decir,
forma parte de) y los pesos representan la cantidad necesaria para el ensamblaje, ya sea del producto o los productos finales o intermedios.
El problema abordado por el DDMRP es la optimización del flujo en una BOM multinivel y consiste en determinar, en un cierto momento, a) si deberían aprovisionarse más materias primas y en qué cantidad o b) si deberían producirse más unidades de una determinada SKU y cuántas.
Intuitivamente, el problema es difícil, porque no existe una correlación directa entre la calidad del servicio de una determinada SKU intermedia (generalmente medida a través de los
niveles de servicio) y la calidad del servicio del producto final. Agregar más stock a una SKU determinada solo mejora la calidad del servicio del producto final si esa SKU era, de alguna manera, un
cuello de botella en el flujo de fabricación.
En la práctica, la solución de este problema de optimización de flujo requiere una serie de datos de entrada adicionales, generalmente los siguientes:
- Historial de pedidos de clientes
- Tiempos de entrega de proveedor
- Niveles de stock (disponible, en tránsito o pedido)
- Tiempos de entrega de fabricación o rendimiento de producción
- Etc.
En el mundo real, las cadenas de suministro tienden a presentar más complicaciones, como dimensiones de lote (cualquier tipo de multiplicador deseable impuesto ya sea por el proveedor o por el proceso de fabricación en sí), vida útil en estanterías (no solo para los productos perecederos, sino también para los productos químicos y piezas de equipo frágiles) o sustitutos imperfectos (por ej., cuando se puede utilizar una pieza más costosa como reemplazo si no hay una más económica disponible). Esas complicaciones requieren más datos para que el modelo pueda reflejarlas.
Límites del MRP clásico
La introducción del DDMRP se vio motivada por las limitaciones asociadas con el llamado
MRP clásico (que de aquí en adelante llamaremos simplemente MRP), que se desarrolló en los años 80. Este abordaje gira en torno al análisis de los
tiempos de entrega e identifica el camino más largo (en términos de tiempo) en el grafo de BOM como el cuello de botella asociado al proceso de fabricación del producto final.
Para identificar este cuello de botella, el MRP ofrece dos métodos numéricos diferentes para asignar un tiempo de entrega estático a cada arista del grafo de BOM:
- tiempos de entrega de fabricación. Generalmente, este método es extremadamente optimista y supone que el inventario está siempre disponible en todas partes (es decir, para cada una de las SKU), por lo que los tiempos de entrega dependen solo del rendimiento de los procesos de fabricación.
- tiempos de entrega acumulativos. Este método, al contrario, es extremadamente pesimista y supone que nunca hay inventario disponible y, por lo tanto, que los tiempos de entrega dependen solo del tiempo para producir la primera unidad comenzando desde cero, es decir cero materias primas y cero productos intermedios.
Estos dos métodos tienen una ventaja clave en común: su implementación es relativamente simple con la base de datos relacional, que era núcleo arquitectónico de casi todos los MRP diseñados entre los años 80 y 2010.
Sin embargo, resultan también demasiado simplistas y generalmente proporcionan tiempos de entrega que no tienen sentido. Los autores del DDMRP señalan que calcular los pedidos de compra o de producción con estimas de tiempo de entrega altamente defectuosas acaba por generar una combinación de excedentes de stock y desabastecimientos, dependiendo de si los tiempos de entrega resultan estar muy por encima o muy por debajo de lo estimado.
La fórmula numérica del DDMRP
La fórmula numérica del DDMRP es una combinación de heurística numérica con juicios humanos, es decir, razonamientos de expertos en cadena de suministro. Esta fórmula tiene como objetivo superar los defectos del MRP clásico sin recurrir a algoritmos numéricos
avanzados. La fórmula consta de cuatro componentes principales:
- desacoplamiento de los tiempos de entrega
- ecuación de flujo neto
- explosión desacoplada
- prioridad relativa
Al combinar esos cuatro componentes, un profesional de la cadena de suministro puede calcular la cantidad que debe comprarse o fabricarse ante una situación de BOM multinivel. Los autores del DDMRP sostienen que este método entrega un rendimiento de cadena de suministro superior —medido en rotaciones de inventario o niveles de servicio— en comparación con el rendimiento obtenido con el MRP.
Desacoplamiento de los tiempos de entrega
Para remediar el optimismo/pesimismo extremo del abordaje MRP sobre los tiempos de entrega, el DDMRP introduce un esquema de coloración de grafo bipartito (2) en el que determinados vértices (es decir, SKU) del grafo (es decir, las BOM) se promocionan como
punto de desacoplamiento. Luego se supone que estos vértices almacenan siempre inventario utilizable, y la metodología del DDMPR asegura que esto sea realmente así.
La elección de los puntos de desacoplamiento se delega, esencialmente, a los profesionales de la cadena de suministro. Debido a que los puntos de desacoplamiento están pensados como SKU
almacenadas en stock, los profesionales deberían priorizar las SKU que tienen sentido a nivel estratégico; por ejemplo, porque se utilizan para varios productos finales y presentan patrones de consumo más estables que la mayoría de los productos finales.
Una vez elegidos los puntos de desacoplamiento, los
tiempos de entrega del DDMRP asociados con un vértice pueden calcularse como el camino más largo (en términos de tiempo), comenzando por el vértice y yendo hacia abajo, pero
truncando el camino cuando se encuentra un punto de desacoplamiento.
Los autores del DDMRP sostienen que, si los tiempos de desacoplamiento se eligen cuidadosamente, esta metodología proporciona tiempos de entrega
más breves. Esta proposición no es del todo correcta, no porque los tiempos de entrega sean más prolongados, sino porque el DDMRP propone una nueva definición de lo que se entiende por
tiempo de entrega normalmente.
La ecuación de flujo neto
Para calcular las cantidades asociadas con los pedidos de compra o de fabricación de otros productos, los autores del DDMRP introducen el concepto de
flujo neto, cuya definición es la siguiente:
Stock disponible + Pedido - Demanda de pedido de ventas cualificado = Posición de flujo neto
Esta ecuación se define en el nivel de SKU. La cantidad de flujo neto se interpreta como la cantidad de stock disponible para abordar la parte
incierta de la demanda.
La posición de flujo neto luego se compara con una
dimensión de buffer y, cuando se vuelve notablemente menor que su
buffer objetivo, se envía un pedido. Hablaremos más sobre este mecanismo en la sección de
priorización de pedidos más adelante.
La metodología del DDMRP ofrece una guía avanzada sobre cómo dimensionar los
buffers, expresándolos generalmente en
días de demanda, y reforzando los márgenes de seguridad, respetando los tiempos de entrega de DDMRP como se definieron anteriormente. En la práctica, el dimensionamiento de los
buffers depende del buen juicio de los profesionales de la cadena de suministro.
A través de los flujos netos, los autores del DDMRP hacen hincapié en que solo la porción incierta de la demanda requiere en verdad algún tipo de análisis estadístico. La gestión de la demanda futura que ya se conoce es solo cuestión de adhesión a un plan de ejecución determinista.
Explosión desacoplada
La metodología del DDMRP supone y refuerza la suposición de que el stock siempre es utilizable desde cualquier punto de desacoplamiento. Esta suposición permite particionar las aristas utilizando los puntos de desacoplamiento (es decir, un subconjunto de vértices) como
fronteras entre subconjuntos de particiones. Este esquema de partición se denomina comúnmente
explosión desacoplada.
Desde la perspectiva del DDMRP, cuando se recibe un pedido de producto final de parte del cliente, la demanda resultante no se desagrega repetidamente en sus componentes internos, sino que solo se desagrega hasta los primeros puntos de desacoplamiento encontrados.
El esquema de partición de grafo de la
explosión desacoplada es utilizado por la metodología DDRMP como una estrategia de
dividir para vencer (3). En particular, debido a que la dimensión del subgrafo puede mantenerse pequeña, el DDMRP puede implementarse sobre los sistemas de base de datos relacional, como el MRP, aun cuando esos sistemas no son realmente adecuados para las analíticas de grafos.
Priorización de pedidos
El paso numérico final de la fórmula del DDMRP consiste en calcular los pedidos mismos, ya sean de compra o de fabricación. La metodología del DDMRP prioriza todas las SKU con respecto a sus respectivas diferencias de
Buffer - Flujo neto, con los valores mayores primero. Luego se generan los pedidos procesando la lista del pedido especificado, recogiendo todos los valores positivos y, a menudo, al menos iguales a la MOQ (cuando corresponda).
La priorización de DDMRP es
unidimensional (en lo que a puntuación se refiere) e impulsada por la adhesión interna a su propia metodología, que es la de almacenar stocks utilizables para todos los puntos de desacoplamiento. Las secciones anteriores ilustraban ćomo se
aprovecha esta propiedad clave de los puntos de desacoplamiento. La priorización de pedidos aclara cómo se
refuerza esta propiedad.
La priorización de pedidos, del modo propuesto por los autores del DDMRP, es más detallada que las fórmulas que generalmente se encuentran en MRP, como el
análisis ABC. Esta proporciona un mecanismo para guiar la atención de los profesionales de la cadena de suministro hacia las SKU que necesitan más atención, al menos de acuerdo con el criterio de urgencia del DDMRP.
Críticas al DDMRP
Los autores del DDMRP promocionan (4) los beneficios (5) de esta metodología como una práctica avanzada para maximizar el rendimiento de la cadena de suministro. Si bien el DDMRP tiene muchas ventajas
ocultas (que detallamos a continuación), también son muchas las críticas que se le han hecho. En primer lugar, que parte de una base incorrecta para evaluar tanto la novedad como el rendimiento, y que representa un formalismo que no refleja la complejidad del mundo real.
Ventajas ocultas
Si bien puede sonar a paradoja, es posible que los argumentos más sólidos
a favor del DDMRP no hayan sido identificados correctamente por sus propios autores, al menos no en su publicación de 2019. Quizás esta aparente paradoja sea una consecuencia involuntaria del
formalismo limitado del DDMRP, que se detalla a continuación.
En lo que respecta a las cadenas de suministro de producción, las
medias móviles frecuenciales generalmente son superiores a las
media móviles temporales. De hecho, es incorrecto afirmar que el DDMRP funciona
sin pronósticos de demanda. Los
buffers son pronósticos, excepto que son pronósticos
frecuenciales (es decir, días de demanda) en lugar de temporales (es decir, demanda por día). Como regla general, los pronósticos frecuenciales funcionan mejor cuando la demanda es errática o intermitente. El primero en hablar de este descubrimiento fue J.D. Croston en su publicación
Forecasting and Stock Control for Intermitten Demands de 1972. Sin embargo, si bien los métodos de Croston aún resultan confusos, el DDMRP popularizó este punto de vista en el mundo de las cadenas de suministro.
La
priorización aproximada es un mecanismo robusto de toma de decisiones en la cadena de suministro que evita muchos problemas, principalmente los sesgos sistemáticos. De hecho, a diferencia de los métodos basados en SKU, como los
stocks de seguridad, cuyos números pueden verse distorsionados por cifras anómalas de la cadena de suministro local (por ejemplo, desabastecimientos), una priorización aproximada de la cadena de suministro asegura que los recursos se dirijan primero hacia los cuellos de botella
evidentes. Aunque los autores del DDMRP saben bien que la priorización es beneficiosa como mecanismo de atención, no llevan este dato hasta su conclusión lógica: la priorización debería ser económica, es decir, medida en dólares, no en porcentajes.
Base incorrecta
La principal crítica que se le hace al DDMRP es que parte de una base incorrecta. El MRP, del modo implementado y vendido en las cuatro décadas desde fines de los 80 hasta 2010, no estaba pensado (6) para
planificar,
pronosticar ni
optimizar nada. El nombre mismo, MRP (planificación de necesidades de materiales) es una designación errónea. Un nombre mejor hubiera sido MRM (gestión de necesidades de materiales). Estos productos de software se realizan con una base de datos relacional en su núcleo (es decir, una base de datos SQL) y están diseñados principalmente para hacer un seguimiento de los activos de la empresa y realizar todas las tareas administrativas asociadas con las operaciones más comunes; por ej., disminuir el nivel de stock cuando se recoge una unidad.
Debido a que el núcleo relacional contradice cualquier procesamiento numéricamente intensivo, como la mayoría de los tipos de algoritmos de grafo, no sorprende que las fórmulas numéricas que elaboran estos productos acaben siendo simplistas y disfuncionales, como lo ilustran las dos formas de estimas de tiempo de entrega de los que se habló anteriormente. Sin embargo, hay mucha bibliografía de ciencias informáticas sobre la optimización numérica predictiva de las cadenas de suministro. Todo este material comenzó a aparecer en los años 50 con el nombre de
investigación de operaciones, y es un campo que se ha desarrollado desde entonces con diferentes nombres, como
métodos cuantitativos en la gestión de la cadena de suministro o simplemente
optimización de la cadena de suministro.
Ambas afirmaciones de novedad y superioridad del DDMRP se deducen incorrectamente de la falsa premisa de que el MRP es una base relevante para la optimización de la cadena de suministro, es decir, una mejora del MRP representa una mejora en la optimización de la cadena de suministro. Sin embargo, los MRP, como todos los sistemas de software diseñados en torno a bases de datos relacionales, no son adecuados para los desafíos de la optimización numérica.
Los fabricantes estancados por las limitaciones de sus MRP no deberían buscar mejoras acumulativas del MRP en sí —ya que la optimizacion numérica contradice fundamentalmente el diseño del MRP—, sino aprovechar todas las herramientas de software y las tecnologías que han sido realmente diseñadas para el rendimiento numérico.
Formalismo limitado
El abordaje de DDMRP es una extraña combinación de fórmulas simples y juicios subjetivos. Si bien el DDMRP opera claramente dentro de un marco matemático específico —es decir, un grafo acíclico dirigido ponderado— y sus mecanismos tienen nombres conocidos —como coloración de grafo, partición de grafo—, esos términos no están incluidos en los materiales del DDMRP. Si bien podría decirse que la teoría de grafos es demasiado compleja para el profesional promedio de la cadena de suministro, la falta de formalismo obliga a los autores a dar explicaciones extensas de comportamientos numéricos que podrían describirse con mucha mayor precisión.
Luego, y esto es más preocupante, la falta de formalismo aísla al DDMRP de la amplia bibliografía de ciencias informáticas, que proporciona mucha información estratégica sobre lo que puede hacerse con algoritmos conocidos de diferentes campos informáticos que han sido extensamente estudiados más allá de los requisitos de la gestión de la cadena de suministro; por ejemplo, la teoría de grafos, la optimización estocástica y el aprendizaje estadístico. Como resultado, el DDMRP a menudo adopta perspectivas simplistas —volveremos sobre este punto más adelante—, que no se justifican considerando tanto los algoritmos conocidos como las capacidades informáticas actuales.
Luego, el formalismo limitado del DDMRP lleva a afirmaciones erróneas, como la de los
tiempos de entrega reducidos. De hecho, numéricamente, los tiempos de entrega, del modo que los calcula el DDMRP, son, sin dudas, más breves que los de la mayoría de las alternativas, porque, por diseño, los caminos de tiempo de entrega se
truncan cada vez que se encuentra un punto de desacoplamiento. Sin embargo, se comete un error metodológico cuando se afirma que
con el DDMRP, los tiempos de entrega son más breves. La proposición correcta sería
con el DDMRP, los tiempos se entregan se miden de modo diferente. Una evaluación cuantitativa adecuada de los méritos del DDMRP, en lo que a tiempos de entrega se refiere, requiere una noción formal de
inercia de sistema para evaluar cuán rápidamente lograría ajustarse una cadena de suministro regida por una política formal frente a cambios en las condiciones de mercado.
Además, en el DDRMP se utilizan mucho los juicios subjetivos, es decir, se delega a expertos humanos las decisiones numéricas claves, como la elección de los puntos de desacoplamiento. Como resultado, es poco práctico, si no imposible, establecer un benchmark de una práctica de DDMRP con respecto a una metodología rival adecuadamente formalizada, ya que esto requeriría una cantidad poco práctica de personal para cualquier cadena de suministro de grandes dimensiones (es decir, miles de SKU o más).
Por último, recurrir a contribuciones humanas para ajustar un proceso de optimización numérico no es una propuesta razonable, considerando los precios de recursos informáticos modernos. El ajuste de metaparámetros puede ser aceptable, pero no una intervención detallada en cada uno de los vértices del grafo. En particular, una observación casual de las cadenas de suministro actuales indica que la necesidad de contribuciones humanas es uno de los principales factores de la inercia de sistema. El agregado de otra capa de ajustes manuales —la elección de puntos de desacoplamiento— no es una mejora en este sentido.
Desestimación de la complejidad del mundo real
El modelado de una cadena de suministro es, por necesidad, una aproximación del mundo real. Por lo tanto, todos los modelos son una compensación entre precisión, relevancia y factibilidad computacional. Sin embargo, el DDMRP es
extremadamente simplista con respecto a muchos factores que ya no pueden desestimarse razonablemente cuando se considera el hardware informático actual.
La cadena de suministro existe para servir a los intereses económicos de la empresa. Para decirlo sencillo, la empresa maximiza los
dólares de ganancias que se generan a través de su interacción con la economía en conjunto; sin embargo, el DDMRP optimiza los porcentajes de error con respecto a objetivos arbitrarios discutibles: sus
buffers. La definición de priorización del DDMRP mira hacia dentro: conduce al sistema de la cadena de suministro hacia un estado consistente con las suposiciones subyacentes al modelo de DDMRP mismo, es decir, a la disponibilidad de stock en los puntos de desacoplamiento. Sin embargo, no hay garantías de que este estado esté alineado con los intereses financieros de la empresa. Este estado podría incluso contradecir los intereses financieros de la empresa. Por ejemplo, si consideramos el caso de una marca que produce muchos productos de bajo margen que son sustitutos cercanos entre sí, el mantenimiento de altos niveles de servicio para una determinada SKU podría no ser una opción rentable si las SKU rivales (cuasi sustitutos) ya tienen un exceso de inventario.
Además, el esquema de priorización propuesto por el DDMRP es fundamentalmente
unidimensional: la adhesión a sus proprios objetivos de stock (los
buffers). Sin embargo, las decisiones de la cadena de suministro real casi siempre son problemas pluridimensionales. Por ejemplo, después de producir un lote de 1000 unidades, un fabricante generalmente pone esas 1000 unidades en un contenedor para el transporte marítimo; sin embargo, si un desabastecimiento es inminente en la cadena de suministro, podría ser rentable enviar 100 unidades (de las 1000) por avión para mitigar el desabastecimiento pendiente de antemano. Aquí, la elección del método de transporte es una dimensión adicional al desafío de priorización de la cadena de suministro. Para abordar este desafío, el método de priorización debe tener la capacidad de integrar los impulsores económicos asociados con las diferentes opciones disponibles para la empresa.
Otras dimensiones que deben considerarse como parte de la priorización podrían ser las siguientes:
- ajustes de precios para aumentar o reducir la demanda (posiblemente a través de canales de ventas secundarios)
- producir o comprar, cuando pueden encontrarse sustitutos en el mercado (generalmente por un precio alto)
- fechas de vencimiento de stock (que requieren información estratégica detallada sobre la composición del stock)
- riesgos de devoluciones (cuando los socios distribuidores tiene la opción de devolver los productos no vendidos).
Por lo tanto, si bien el DDMRP acierta en afirmar que la priorización es un abordaje más flexible con respecto a los abordajes binarios del "todo a nada" implementados por los MRP, el esquema de priorización que propone el mismo DDMRP es bastante incompleto.
La propuesta de Lokad
El lema del DDMRP es
fabricar para las personas, no para la perfección. En Lokad, estamos a favor de la visión clásica de IBM de que
las máquinas deberían trabajar y las personas deberían pensar a través de la perspectiva de la
gestión de la Quantitative Supply Chain (QSCM).
La QSCM se basa en la hipótesis de que cada decisión de cadena de suministro rutinaria debería automatizarse. Esta perspectiva hace hincapié en que los profesionales competentes de la cadena de suministro se consideran demasiado preciosos y costosos como para que gasten su tiempo en la generación de decisiones rutinarias de stock, compras o fijación de precios. Todas esas decisiones pueden y deben automatizarse para que los profesionales puedan concentrarse en mejorar las fórmulas numéricas en sí. Desde una perspectiva financiera, la QSCM convierte esos salarios de OPEX, donde los días-hombre se
consumen para mantener el sistema en funcionamiento, a CAPEX, donde los días-hombre se
invierten en la mejora continua del sistema.
La perspectiva del DDMRP parte de la hipótesis de que los profesionales competentes de la cadena de suministro pueden ser capacitados en masa, lo que disminuye tanto el costo para el empleador como el riesgo del
bus factor que acarrea la desvinculación de alguno de los empleados de la empresa. El DDMRP establece un proceso para generar decisiones rutinarias de cadena de suministro, pero lograr la automatización total generalmente no es siquiera un objetivo, aunque el DDMRP no esté en contra de la automatización cuando surja la oportunidad.
Es interesante que, en cierta medida, debería poder verse si la industria está yendo hacia la perspectiva de QSCM o hacia la de DDMRP. Si se adopta la perspectiva QSCM en forma más extendida, los equipos de gestión de cadena de suministro evolucionarán para parecerse más a otras industrias de
talentos; por ej., el caso de los
traders cuantitativos en el sector financiero, donde pocos individuos con talentos excepcionales dirigen el desempeño de grandes empresas. En cambio, si fuera la perspectiva DDMRP la que se adopta de forma más extendida, los equipos de gestión de cadena de suministro evolucionarán para parecerse más a franquicias exitosas —por ej., gerentes de tiendas de Starbucks—, en las que los equipos son pletóricos y bien capacitados, con individuos excepcionales que tiene poco impacto sobre el sistema y es una cultura superior la que marca la diferencia entre empresas.
Recursos
- Demand Driven Material Requirements Planning (DDMRP), Version 3, de Ptak and Smith, 2019
- Orlicky’s Material Requirements Planning, 3rd edition, de Carol A. Ptak y Chad J. Smith, 2011
Notas
(1) En la matemática discreta, un
grafo es un conjunto de vértices (también llamados nodos o puntos) y aristas (también llamadas vínculos o líneas). Se dice que el grafo es
dirigido si las aristas tienen orientaciones. Se dice que el grafo es
ponderado si las aristas tienen un número —el peso— asignado. Se dice que el grafo es
acíclico si no existen ciclos cuando se siguen las aristas de acuerdo con sus respectivas orientaciones.
(2) Un esquema de coloración consiste en la asignación de una propiedad categórica a cada vértice del grafo. En el caso del DDMRP, existen solo dos opciones:
punto de desacoplamiento o
punto de no desacoplamiento, que equivalen a dos colores.
(3) En ciencias informáticas, el principio de
dividir para vencer es un algoritmo que funciona mediante el desglose repetido de un problema en dos o más subproblemas, hasta que estos se vuelven lo suficientemente simples como para ser resueltos directamente. Este método fue utilizado por primera vez por John von Neumann en 1945.
(4) A partir del 24 de febrero de 2020, el Demand Driven Institute™ es una organización con fines de lucro que se define a sí misma (sic) como
la autoridad global para la educación, la capacitación, la certificación y el cumplimiento de lo impulsado por la demanda. Sus modelos de negocio giran en torno a la venta de sesiones de capacitación y materiales relacionados con el DDMRP.
(5) A partir del 24 de febrero de 2020, la página de inicio del Demand Driving Institute™ (demanddriveninstitute.com) proporciona los siguientes números como
mejoras típicas: los usuarios logran en forma consistente entre el 97 y el 100 % de rendimiento de tasa de llenado a tiempo; se han logrado reducciones del tiempo de entrega en exceso del 80 % en varios segmentos; se han logrado reducciones de inventario de entre el 30 y el 45 % mejorando al mismo tiempo el servicio al cliente.
(6) Los proveedores de MRP sin dudas hicieron afirmaciones audaces acerca de las capacidades de planificación, pronóstico y optimización de su producto. Sin embargo, al igual que la
Guía Michelin no se molesta en evaluar si las marcas de copos de maíz podrían ser elegibles para una estrella culinaria a pesar sus eslóganes que rezan
mágicamente deliciosos, nuestra evaluación debería dirigirse a actores que se concentran principalmente en entregar rendimiento avanzado de la cadena de suministro.
