Tiempo de entrega (Lead time)

Por Joannes Vermorel, octubre de 2020

Un tiempo de entrega (o lead time) es el retraso entre el inicio y la finalización de un proceso. En las cadenas de suministro, cada vez que se compra, se transforma o se arregla un producto, los tiempos de entrega se suelen medir en los días que se emplean para completar este proceso. Desde el punto de vista de la planificación, los tiempos de entrega son importantes porque implican que la mayoría de las decisiones de rutina deben tomarse con anticipación para lograr el efecto buscado, como el de mantener la calidad del servicio. La necesidad de pronosticar la demanda generalmente surge, además, de la existencia de tiempos de entrega, ya que la idoneidad de una decisión —como la de un reabastecimiento de inventario— depende de eventos futuros desconocidos que afectarán a la cadena de suministro mientras dure el tiempo de entrega.

Causas y consecuencias de los tiempos de entrega    Reducción de cuantiles altos    Diversidad de tiempos de entrega    Tiempo de entrega de pedido    Pronóstico de tiempos de entrega       Modalidades controladas       Combinación de demanda    Demanda de tiempo de entrega    Ciclos de feedback impulsados por el tiempo de entrega    Problemas específicos de sector       Vida útil en anaquel para alimentos frescos       Tiempo de reparación (TAT) MRO       Logística inversa para el comercio       Empresas de leasing    Antipatrones de tiempo de entrega       Subestimación       Abuso       Decisiones ciegas       Aparición de ordenamiento LIFO    Notas

Causas y consecuencias de los tiempos de entrega

Los tiempos de entrega determinan en gran medida la manera en que opera la cadena de suministro y la mayoría de sus elementos financieros, como el capital circulante necesario o el retorno sobre el capital empleado (ROCE). De hecho, tiempos de entrega más prolongados implican que lleve más tiempo completar el ciclo de inventario en el que se compran, posiblemente se transforman y se vuelven a vender materiales o productos.

Otra de las consecuencias de los tiempos de entrega a nivel mecánico son "compromisos" de stock más elevados, incluso cuando parezca que los stocks disponibles se mantienen bajos. Por ejemplo, si una empresa en Europa pide productos de Asia que se entregarán en contenedores, a partir de la fecha en la que se envía el pedido de compra, la empresa se compromete a vender o consumir esas mercancías. Sin embargo, en esta situación, generalmente llevará más de seis semanas que los niveles de stock en Europa reflejen este compromiso.

Además, tiempos de entrega más prolongados aumentan la dependencia del pronóstico. Volviendo al ejemplo anterior, la empresa no puede costear simplemente realizar el pedido de compra sobre la base de sus necesidades actuales, ya que, para el momento que se entregue el pedido, la situación habrá cambiado. Los niveles de stock actuales habrán bajado aún más debido al consumo continuo, y es probable que la demanda también haya cambiado, aunque solo sea debido a la estacionalidad.

Los tiempos de entrega representan el límite inferior de la agilidad máxima que una empresa puede alcanzar. Como regla general, si las condiciones del mercado cambian radicalmente, la empresa sigue comprometida con sus decisiones pasadas, al menos por el tiempo que duren los tiempos de entrega. Existen varias formas de mitigar estos efectos, comenzando por las condiciones contractuales acordadas con los proveedores. Sin embargo, los riesgos subyacentes raramente pueden eliminarse, y solo acaban por desplazarse dentro de la cadena de suministro.

Considerando todos los efectos negativos que acarrean los tiempos de entrega prolongados, uno podría preguntarse por qué las empresas a menudo optan por lo que parecen ser (subjetivamente) tiempos de entrega prolongados. Resulta ser que existen muchos factores económicos que inclinan la balanza a favor de los tiempos de entrega prolongados.

La especialización es uno de los factores que impulsa tiempos de entrega más prolongados: algunos países tienen industrias bastantes únicas (1) que son difíciles (o muy costosas) de replicar localmente. Esas industrias tan concentradas emergieron históricamente, en principio, debido a materiales de alto valor que eran fáciles de transportar. Sin embargo, aún cuando los aviones pueden llegar a cualquier lugar del mundo en menos de 24 horas, las aduanas y los procedimientos tienden a aumentar sustancialmente los tiempos de entrega reales cuando se consideran proveedores extranjeros.

Las economías de escala también se inclinan hacia tiempos de entrega más prolongados. Al aumentar las dimensiones de lote (a menudo materializadas en MOQ), fabricantes y transportistas pueden reducir sus costos. Sin embargo, a medida que aumentan las cantidades en lote, la cantidad de lotes disminuye y, por lo tanto, se vuelven menos frecuentes, mientras que el resto de las variables se mantienen constantes, principalmente la demanda. No obstante, las industrias no son todas igualmente susceptibles a las economías de escala, que tienden estancarse dependiendo de la tecnología aplicable.

Reducción de cuantiles altos

Si bien el tiempo de entrega puede mejorarse reduciendo su duración promedio, generalmente lo que más interesa son las mejoras de los peores casos, es decir, las situaciones con tiempos más prolongados. En las cadenas de suministro, los mayores problemas —cuando se miden en dólares de impacto— tienden a concentrarse en la última parte: son los tiempos de entrega inesperadamente prolongados lo que causan desabastecimientos o interrupciones en la producción, no los pequeños contratiempos.

Una de las formas más sencillas de evaluar cuáles son los casos peores consiste en utilizar medidas de "cuantiles". Por ejemplo, si un proveedor tiene un tiempo de entrega de 7 días para el cuantil 95 %, esto significa que el 95 % de los pedidos que se hacen a este proveedor se entregan en menos de 7 días. Esos cuantiles "altos", es decir, cercanos al 100 %, pueden alejarse significativamente del tiempo de entrega promedio. Puede ser que el proveedor esté entregando en 2 días en promedio, mucho menos que un tercio de su cuantil alto estimado del mismo tiempo de entrega.

Para evitar estos problemas de calidad de servicio, todos los buffers de inventario dentro de la cadena de suministro —independientemente de la metodología utilizada— tienden a crecer en forma lineal, no con el "promedio" del tiempo de entrega, sino con algún "cuantil alto" del tiempo de entrega. De hecho,los buffers de inventario existen precisamente para permitir la adaptación a las variaciones de las condiciones de la cadena de suministro. Los dos factores que dominan las variaciones inesperadas que afectan a la cadena de suministro tienden a ser la demanda variable y el tiempo de entrega variable.

Diversidad de tiempos de entrega

El tiempo de entrega total desde los pedidos de compra originales de los proveedores hasta las entregas al cliente generalmente pueden descomponerse en muchos pasos intermedios, posiblemente docenas. Para reducir el valor del tiempo de entrega o su variabilidad, generalmente resulta eficaz descomponer este tiempo de entrega total en sus subcomponentes más destacados, que son más simples de analizar y mejorar.

Por ejemplo, un mayorista que distribuye productos de proveedores extranjeros puede enfrentarse a lo siguiente:

• Un tiempo de entrega de pedido causado por el proceso de compra semanal del mayorista mismo.
• Un tiempo de entrega de oportunidad causado por las MOQ impuestas por los proveedores.
• Un tiempo de entrega de fabricación requerido por los proveedores para cumplir con el pedido de compra.
• Un tiempo de entrega de transporte requerido por la empresa de transporte.
• Un tiempo de entrega administrativo para pasar por aduanas.
• Un tiempo de entrega de recepción para el inventariado y el control de calidad que debe realizar el mayorista.
• Un tiempo de entrega de envío requerido por el centro de distribución para cumplir con el pedido del cliente.
• Un tiempo de entrega de la entrega de última milla requerida por un transportista para hacer la entrega al cliente.
  

Para cada operación, generalmente interesa reducir tanto el retraso promedio como la varianza del retraso.

Hacer el seguimiento de todas estas operaciones requiere mucho trabajo administrativo, que puede aliviarse enormemente a través de los sistemas informáticos modernos, ya sea mediante códigos de barras o RFID. Los registros electrónicos se almacenan generalmente en los sistemas informáticos de la empresa o las empresas involucradas. Los beneficios se extienden más allá de la optimización de los tiempos de entrega, ya que esos sistemas aseguran la trazabilidad de los productos y, en cierta medida, evitan la merma de inventario.

Hasta fines de los años 90, el almacenamiento y el procesamiento de todos estos registros solía requerir recursos de computación costosos, por lo que no siempre era económicamente viable comprar, y aún menos preservar, todos los registros detallados generados por el flujo de mercancías físicas dentro de una cadena de suministro. Sin embargo, desde comienzos de la década de 2010, el costo del almacenamiento y la computación de datos se ha reducido a un punto tal que los recursos de computación casi no importan cuando hay flujos "físicos". No obstante, los costos de TI, principalmente las integraciones de sistema, pueden evitar la adquisición de esos registros electrónicos.

Para mejorar los tiempos de entrega y, de esa manera, reducir sus cuantiles altos como decíamos antes, se necesitan medidas. Contar con medidas detalladas del tiempo de entrega puede resultar muy útil cuando hay que hacer análisis de causas raíz. De hecho, así como las operaciones varían mucho de un paso a otro, la naturaleza de las mejoras aportadas también tiende a variar significativamente.

Tiempo de entrega de pedido

El "tiempo de entrega de pedido" generalmente hace referencia al tiempo que pasa entre el pedido del cliente y la entrega de las mercancías. Esta duración es notable porque es la "expresión" del tiempo de entrega a la que el público en general —comparado con los especialistas en cadena de suministro— está más acostumbrado. En muchas industrias no relacionadas con el comercio B2C, el tiempo de entrega de pedido está íntimamente relacionado con la "calidad del servicio". En particular, los desabastecimientos tienden a ser el factor determinante de los tiempos de entrega de pedido anormalmente prolongados.

Parte del desafío de mejorar los tiempos de entrega de pedido consiste en no acortar los tiempos de entrega en sí, sino en establecer las "expectativas" correctas de los clientes con respecto a la fecha de entrega. En particular, desde hace más de una década varias empresas grandes de e-commerce parecen haber adoptado el método de compartir una estima del pronóstico de cuantil del tiempo de entrega del pedido, que funciona como un límite máximo probable del retraso. El sesgo en la estima del retraso se introduce adrede para minimizar la frecuencia de las situaciones en las que las mercancías no se entregan a tiempo.

Pronóstico de tiempos de entrega

La anticipación adecuada de los tiempos de entrega futuros es un ingrediente esencial para la optimización de una cadena de suministro. De forma similar a como sucede con la demanda, los tiempos de entrega pueden y deberían pronosticarse, generalmente aprovechando los datos históricos existentes, cuando fueran relevantes.

Si bien el pronóstico de tiempo de entrega no es (aún) una práctica prevalente entre los equipos de planificación de la "demanda", es preciso señalar que la mayoría de las ciclicidades que son relevantes para la demanda también lo son para los tiempos de entrega. Por ejemplo, los tiempos de entrega tienden a mostrar efectos de estacionalidad, día del mes y día de la semana. Los tiempos de entrega cambian con el tiempo. Por ejemplo, un proveedor puede revisar sus procesos para reducir los tiempos de entrega, o aumentarlos para reducir sus costos. La casi-estacionalidad también es importante, con eventos como el Año Nuevo Chino, que inflan periódicamente los tiempos de entrega debido a que muchas fábricas en Asia cierran durante ese período.

Los pronósticos probabilísticos deberían preferirse para los tiempos de entrega, porque, como señalábamos antes, son los cuantiles altos los que impulsan las consecuencias económicas de los tiempos de entrega. Los costos y los problemas se concentran en la última parte de la distribución. Sin embargo, señalemos de inmediato que no deberían utilizarse las distribuciones normales (gaussianas) para los tiempos de entrega. Como regla general, los tiempos de entrega "nunca" se distribuyen de forma normal, por lo que utilizar un modelo como ese lleva a subestimar en gran medida los cuantiles altos, lo que, a su vez, resulta ser la receta para generar un flujo continuo de problemas de servicio.

Los tiempos de entrega pueden modelarse más adecuadamente como distribuciones multimodales que reflejan el sistema físico subyacente. Por ejemplo, al poner en marcha una línea de producción,los tiempos de entrega de producción tienden a ser altamente predecibles, excepto si falta alguna de las materias primas, en cuyo caso el tiempo de entrega de fabricación puede ser considerablemente más prolongado. Por lo tanto, la modelización práctica de la distribución de probabilidad generalmente implica una combinación de distribuciones discretas y paramétricas.

Se espera que el pronóstico probabilístico del tiempo de entrega produzca una variable aleatoria discreta para cada fase interna. Es razonable suponer generalmente que esas fases internas son estadísticamente independientes (por ejemplo, el retraso impuesto por aduanas es estrictamente independiente del retraso de fabricación). En esos casos, las variables aleatorias pueden sumarse canónicamente, lo que en teoría implica una operación de "convolución" sobre las distribuciones subyacentes.

Modalidades controladas

Si bien el modelo adecuado de pronóstico probabilístico del tiempo de entrega es generalmente multimodal; hay ciertas modalidades que requieren un tratamiento especial si existe algún grado de control, en contraste con las observaciones pasivas. Por ejemplo, si es posible solicitar un envío por avión o marítimo a un proveedor, no deberían agruparse ambas modalidades de transporte desde una perspectiva de pronóstico. Existe un grado de control. Cada modalidad de transporte tiene su propia variabilidad y, por lo tanto, se necesitan dos pronósticos distintos.

Combinación de demanda

Debido a que las capacidades de producción son limitadas cuando hay picos de demanda, el tiempo de entrega de fabricación tiende a aumentar. Esta combinación entre demanda y tiempo de entrega tiene un efecto negativo en la calidad del servicio, ya que reduce la capacidad de la empresa de mitigar el pico de demanda a través de compras adicionales o pedidos de fabricación, precisamente debido al tiempo de entrega adicional necesario. Por lo tanto, puede ser relevante contar con un modelo predictivo conjunto de la demanda y el tiempo de entrega, ya que los buffers de inventario necesarios dependen de dos factores.

Sin embargo, al considerar las unidades de fabricación que tienen suficiente flexibilidad para (re)organizar sus colas de trabajo, los tiempos de entrega observados dependen en gran medida de la priorización que se le dé a cada trabajo específico. Por lo tanto, la modelización predictiva adecuada del tiempo de entrega debería tener en cuenta el aspecto de colas del problema, ya que los tiempos de entrega pueden variar significativamente según las elecciones arbitrarias de priorización. Este grado extra de control puede aprovecharse para mitigar el impacto de un pico de demanda.

Demanda de tiempo de entrega

La demanda de tiempo de entrega presenta la cantidad de artículos que deben proporcionarse mientras mientras dura el tiempo de entrega. Este valor es de particular interés porque, para evitar desabastecimientos, el stock total (suma del stock disponible y el stock pedido) debe mantenerse por sobre la demanda de tiempo de entrega en todo momento. Cuando el stock total disminuye por debajo del tiempo de entrega, es seguro que habrá una situación de desabastecimiento.

Suponiendo que puedan elaborarse pronósticos probabilísticos tanto para la demanda futura como para el tiempo de entrega futuro, se vuelve posible calcular estimas de cuantiles (altos) de la demanda de tiempo de entrega, definida por lo siguiente:

$$\text{QLeadDemand}(\tau, y, L) = Q_\tau \left[ \sum_{t=1}^{L_\omega}{ y_\omega(t) } \right]_{{\omega \in \Omega}}$$ Donde:

• $0 \leq \tau \leq 1$ es el objetivo de la estima del cuantil
• $y$ es la demanda, que varía a lo largo del tiempo
• $L$ es el tiempo de entrega
• $Q_\tau[..]$ es el cuantil de la función interna de valor real
• $\Omega$ es el conjunto de resultados posibles
• $t$ es el tiempo, siendo 1 el primer período futuro
• $y_\omega$ es la demanda asociada al resultado $\omega$
• $L_\omega$ es el tiempo de entrega asociado al resultado $\omega$
  

Esta estima de cuantil de la demanda de tiempo de entrega es relevante cuando se intenta mantener un nivel de servicio objetivo. Suponiendo un modelo de inventario simple de una sola SKU y un solo proveedor sin MOQ, la cantidad que debe reabastecerse en cualquier momento puede definirse mediante la siguiente fórmula:

$$\text{ReorderQty}(\tau) = \max\left(0, \text{QLeadDemand}(\tau) -\text{OnHand} -\text{OnOrder}\right)$$ Donde:

• $\text{OnHand}$ es el stock disponible
• $\text{OnOrder}$ es el stock pedido
  

Esta fórmula supone que no se pierde demanda ante un desabastecimiento. Esta suposición no es razonable en muchas situaciones, por ejemplo, en el sector de consumo minorista, donde generalmente el cliente o bien renuncia al producto, o bien elige un sustituto o recurre a un competidor en lugar de posponer el consumo. Para superar esta suposición, es necesario modelar explícitamente el impacto de la demanda perdida. Esto es de particular importancia cuando la demanda es altamente estacional, ya que los productos que vuelven a estar disponibles después de un pico estacional pueden no venderse o no utilizarse durante un período de tiempo prolongado.

Ciclos de feedback impulsados por el tiempo de entrega

El tiempo de entrega puede verse como un factor de entrada para calcular el reabastecimiento, como se explicaba en la sección anterior. Sin embargo, el tiempo de entrega en sí depende del cronograma de pedido (o producción). Además, el cronograma mismo generalmente está pensado para ser adecuado para lograr economías de escala esperadas mediante el logro de la EOQ deseada (cantidad económica de pedido), la MOQ (cantidad mínima de pedido) o la dimensión de lote de producción nominal.

Por lo tanto, los encargados de la cadena de suministro a menudo se enfrentan con un ciclo de feedback entre la decisión que debe tomarse hoy (reabastecimiento y pedido) y el punto en el tiempo en el que se espera que esta decisión se repita en el futuro. Para simplificar, la cantidad que debe pedirse hoy depende de la fecha del siguiente pedido: una reorden más tardía significa que se requerirá una cantidad mayor. Sin embargo, la fecha de la siguiente reorden también se ve influenciada por la reorden del día de hoy: una reorden inmediata más grande significa una fecha posterior para la siguiente reorden.

Debido a que la modelización explícita y la optimización numérica de este ciclo de feedback implican un esfuerzo importante, los encargados de cadena de suministro a menudo establecen un calendario aproximado (por ejemplo, un pedido por semana, por mes, etc.), relativamente alineado con las cantidades objetivo para lograr el tamaño de pedido deseado (es decir, la EOQ, la MOQ o la dimensión de lote). Luego se supone que este cronograma es rígido, permitiendo que las cantidades de reorden varíen según sea necesario. Sin embargo, el método del cronograma rígido introduce ineficiencias por diseño, ya que la cadena de suministro no aprovecha todos sus grados de libertad.

Es posible diseñar soluciones numéricas mejores para abordar en forma nativa esta perspectiva de ciclo de feedback. Los algoritmos utilizados en estas soluciones generalmente forman parte de la categoría de aprendizaje por refuerzo (o reinforcement learning). No obstante, entrar en detalle sobre estos algoritmos excede el objetivo de este documento.

Problemas específicos de sector

Los tiempos de entrega son variados y la perspectiva adecuada generalmente difiere según el sector en cuestión. En la sección siguiente, revisamos algunos sectores que presentan desafíos específicos significativos con respecto a los tiempos de entrega.

Vida útil en anaquel para alimentos frescos

Los alimentos frescos son altamente perecederos y, por lo tanto, los productos tienen una vida útil reducida en anaquel. Reducir los tiempos de entrega suele ser crítico para preservar al máximo el valor de mercado de los productos que exhibirse. Es por eso que, al sopesar las opciones (envasado, transporte) que afectan los tiempos de entrega, esas opciones influencian no solo la calidad del servicio, sino, a menudo, también los ingresos esperados y el desperdicio que se calcula que generará la cadena de suministro en conjunto.

Además, las marcas o los distribuidores a menudo afrontan múltiples opciones de aprovisionamiento, con diferentes compromisos** entre tiempo de entrega y vida útil en anaquel. Por ejemplo, una marca puede comprar directamente del productor, lo que implica un tiempo de entrega prolongado, pero una larga vida útil en anaquel al recibir el producto; o bien la marca puede comprar de un mayorista, lo que implica un tiempo de entrega breve, pero una vida útil de los productos en anaquel más breve al recibirlos. En estas situaciones, una optimización adecuada de la cadena de suministro equilibra las dos opciones, lo que, a su vez, requiere un análisis predictivo de los respectivos tiempos de entrega y la vida útil en anaquel.

Tiempo de reparación (TAT) MRO

MRO (mantenimiento, reparación y reacondicionamiento) gestiona componentes reparables. Para que es pueda cambiar un componente, debe haber un componente utilizable disponible mientras el componente inutilizable se repara. El retraso total desde la solicitud del cambio de componente hasta la nueva disponibilidad de la unidad útil se denomina tiempo de reparación.

El stock de componentes almacenados por el MRO depende directamente del TAT. De hecho, si el MRO tuviera la capacidad (teórica) de reparar instantáneamente un componente inutilizable, no habría necesidad de stock. Como resultado, el pronóstico del tiempo de entrega y la optimización tienden a ser aún más críticas que el pronóstico de la demanda para los MRO.

El énfasis en el análisis del TAT (con respecto al análisis de la demanda) generalmente se surge de la naturaleza de las "reparaciones no programadas", que se deben precisamente a roturas que implican cierto grado de incertidumbre inevitable para realizar los procesos físicos subyacentes; es decir, si hubiera una manera de abordar el problema de forma proactiva, el diagnóstico convertiría a estas operaciones en "reparaciones programadas".

Logística inversa para el comercio

La mayoría de los e-commerce de consumo en la mayor parte de los países ofrecen hoy en día al consumidor la posibilidad de devolver los productos si no está satisfecho con lo que recibe. Sin embargo, la tasa de devoluciones de consumidor varía enormemente entre países, principalmente debido a razones culturales. Por ejemplo, en el e-commerce de moda rápida, los consumidores alemanes generalmente presentan una tasa de devolución de más del 50 %. Esas altas tasas están impulsadas, en parte, por el hábito de hacer pedidos de varias tallas y devolver todas las tallas menos una.

Cuando las tasas de devolución son altas, el minorista en línea debe anticipar que una porción importante del stock en realidad regresará; de lo contrario, corre el riesgo de acabar sistemáticamente con excedentes de stock en el momento en el que esos artículos regresen, después de que se hayan realizado pedidos de reabastecimiento. Existen, sin embargo, tres factores inciertos con respecto a las devoluciones futuras: el primero, si los artículos se devolverán o no; el segundo, si los artículos pasarán el control de calidad después de ser recibidos; y el tercero, cuánto tiempo habrá pasado hasta que los artículos puedan volver a venderse.

Esos problemas de pronóstico están abiertos a análisis estructurados altamente específicos. De hecho, la cantidad máxima de artículos que pueden devolverse en cualquier momento está limitada por el volumen de los envíos recientes. Poner un límite a los eventos finales es esencial desde una perspectiva de cadena de suministro. Además, al afrontar la situación de "3 tallas elegidas, 2 tallas devueltas", es posible anticipar con gran certeza la fracción de los pedidos que devolverá el consumidor.

Empresas de leasing

Las empresas de leasing, como las de arrendamiento de coches o de muebles de oficina, afrontan situaciones que son, en parte, similares a las situaciones de los MRO, aunque no exactamente iguales. De hecho, el nivel adecuado de inventario depende de la demanda futura, pero también de las tasas de retención futuras, ya que el inventario vuelve a los negocios de leasing al final del arrendamiento. Debido a que la empresa de leasing no tiene un control total de la duración del arrendamiento, esas duraciones deben pronosticarse para optimizar el inventario. La duración de esos períodos de retención y su efecto en el inventario pueden analizarse y pronosticarse a través de la lente de los tiempos de entrega regulares.

Sin embargo, la mayoría de las empresas de leasing tienen algún grado de control sobre el período de retención a través de sus precios y de las ofertas especiales que pueden ofrecerles a sus clientes. De modo similar a como un minorista puede impulsar la demanda de un producto poniéndolo en promoción, una empresa de leasing puede hacer que aumente su período de retención ofreciendo condiciones más favorables. Así, en situaciones de leasing, el análisis de precios está vinculado en gran medida al análisis del tiempo de entrega.

Antipatrones de tiempo de entrega

El término "antipatrones" hace referencia a las prácticas, procesos o herramientas que están pensadas como soluciones pero que no logran entregar los resultados esperados. En las cadenas de suministro, los tiempos de entrega son proclives a una serie de antipatrones que veremos en esta sección.

Subestimación

Los tiempos de entrega son una de las principales razones por las que la planificación y el pronóstico son importantes desde el punto de vista de la gestión de la cadena de suministro. Sin embargo, los tiempos de entrega —como fenómeno que debe modelarse y formarse— generalmente solo reciben una pequeña fracción de atención con respecto a otros fenómenos, como la demanda, etc. Existen muchos institutos dedicados al "pronóstico de la demanda", pero ninguno dedicado al pronóstico "del tiempo de entrega". Este desequilibrio en términos de asignación de esfuerzo a menudo lleva a situaciones en las que se realizan análisis cuantitativos minuciosos del lado de la demanda para luego hacer redondeos burdos del lado del tiempo de entrega. La mayoría de los sectores requieren que los tiempos de entrega sean la prioridad de la optimización de la cadena de suministro —a la par de la demanda—, tanto en términos de proceso como de herramientas.

Abuso

En la mayoría de las cadenas de suministro, el grueso del inventario, incluidas las materias primas y los productos semiacabados, pasa la mayor parte del tiempo inmóvil esperando la siguiente operación. En casa paso de la cadena de suministro, tienden a formarse colas de procesamiento, y cada cola viene con un tiempo de espera propio. Sin embargo, a medida que el uso de cualquier activo se acerca al 100 %, el tiempo de espera en la cola se acerca al infinito. Por lo tanto, la tasa de uso de activos es una compensación entre la amortización del activo mismo y los tiempos de entrega implicados. Esta compensación consiste en equilibrar los retornos decrecientes de las tasas de utilización más altas con respecto a los tiempos de espera que crecen en forma exponencial.

Decisiones ciegas

La mejora del tiempo de entrega a menudo comienza con la asignación adecuada de la culpa a la parte específica del proceso que está causando el mayor retraso inevitable. Sin embargo, las medidas del tiempo de entrega en sí pueden ser engañosas. Por ejemplo, al medir un tiempo de entrega de proveedor, si resulta que los palets entregados quedan sin procesar esperando su recibo electrónico en un dock, la medida puede inflar significativamente el tiempo de entrega del proveedor, cuando el proceso en falta es la recepción misma. Estos problemas generalmente no pueden abordarse mediante el análisis de datos, sino que requieren observaciones en el lugar para comprender si el proceso de adquisición de datos es confiable o no. Además, la adquisición misma de los "límites" electrónicos, debido a que representa una carga de trabajo adicional para el personal, puede en sí misma aumentar el tiempo de entrega global, lo que resulta contraproducente para el objetivo original.

Aparición de ordenamiento LIFO

El procesamiento de trabajos o pedidos con un ordenamiento FIFO (primero en entrar, primero en salir) es casi siempre un requisito para asegurar una calidad de servicio razonable. De hecho, las violaciones del principio FIFO erráticamente generan tiempos de entrega excesivamente prolongados. Sin embargo, a nivel físico, el ordenamiento LIFO (último en entrar, primero en salir) tiende a surgir de forma natural en muchas situaciones, para evitarlo, se requieren esfuerzos específicos. Por ejemplo:

• Cada pedido de trabajo entrante (picking, producción, reparación, etc.) se imprime automáticamente como una "planilla de trabajo". Todas las planillas de trabajo entrantes quedan impresas en una caja. Sin embargo, por como funciona el proceso de impresión, los últimos trabajos entrantes quedan arriba de todo de la pila, lo que lleva a los operadores al LIFO.
• Si una cinta transportadora es demasiado corta, las mercancías tienden a desbordar de la cinta y puede que el personal acabe por poner las mercancías en el suelo, al comienzo de la cinta. Rápidamente se forma un cúmulo de mercancías, y las que han estado más tiempo allí acaban por quedar al fondo de la pila. El desarmado de las pilas de mercancías sigue el ordenamiento LIFO.
• Cuando se descargan cajas o palets en un dock a través un flujo de transportistas, a menos que el dock se vacíe después de cada operación de descarga, las mercancías que acaban de llegar tienden a colocarse al frente o sobre las anteriores, lo que tiene como resultado un ordenamiento LIFO más tarde, cuando se procesan las mercancías.
  

Notas

(1) A la fecha (2020), existen solo tres países que producen RAM (memoria de acceso aleatorio), un componente de hardware fundamental en las computadoras modernas. Existen también tres países que representan el 90 % de la reserva y la producción mundial de litio, un elemento esencial de las baterías modernas.