Otras voces: Desde el análisis de datos a los problemas de la cadena de suministro
Publicado: el 16 mayo, 2018 por AdminKonrad / Konrad Lorenz
Si se le pregunta a un gerente de producción cómo se resuelven los problemas propios de la manufactura, es probable que la respuesta sea una gran cantidad de información sobre Lean, Six Sigma y otras técnicas de mejora basadas en datos. Si la pregunta está dirigida a un gerente en logística y de la cadena de suministro, es probable que la respuesta sea muy distinta, una que involucra menos análisis de datos y más sobre métodos relacionados con resolver los problemas del día a día.
Una de las razones de esta diferencia es la dificultad de recopilar datos reales en las cadenas de suministro y operaciones logísticas, donde la mayoría de la actividad ocurre fuera del entorno cercano de su operación. Como resultado, las metodologías basadas en datos han tenido menos desarrollo en la cadena de suministro que en otras organizaciones de operaciones. Pero el aumento de las aplicaciones usadas en la cadena de suministro IoT (Internet of Things) facilita la recopilación de datos, por lo que es hora de que los profesionales de la cadena de suministro comiencen a pensar en nuevas herramientas.
Presentando el DMAIC
Una de las metodologías de mejora más populares dentro de las herramientas del Six Sigma es el DMAIC, que significa Definir, Medir, Analizar, Mejorar y Controlar. Analicemos un ejemplo típico de cómo los datos de la IoT posibilitan la aplicación de un enfoque DMAIC en la cadena de suministro.
Definir
El problema que enfrenta nuestra organización es que vemos una amplia gama de plazos de entrega y tasas de daños para los envíos desde nuestras instalaciones de fabricación a los centros de distribución de nuestros clientes. Esta variación significa que los clientes almacenan demasiado inventario (lo que no satisfactorio) o corren el riesgo de no tener el producto cuando lo necesitan (lo que aún menos satisfactorio). El objetivo es reducir la variabilidad en los tiempos de entrega y las tasas de daños para que nuestros clientes estén más satisfechos.
Medir
Para medir el comportamiento real de los camiones que transportan nuestros productos, es utilizada una solución tecnológica para cadenas de suministro soportada por IoT. Un rastreador conectado por celular, puesto en cada envío, informa en tiempo real sobre la ubicación y el estado del envío, incluidos los datos sobre descargas (que pueden generar deterioro a nuestro producto). Esto nos brinda un amplio conjunto de datos de ubicación y condición para cada envío.
Analizar
Al usar estos datos, realizamos varios tipos de análisis, que incluyen la creación de histogramas de cada envío. Estos histogramas indican la variación en el tiempo y la cantidad de golpes fuertes en un envío en particular. Observamos qué envíos tienen la variación más amplia y profundizamos más en esas rutas para comprender qué incrementa la variación. Vemos que los transportistas utilizan una cantidad sorprendente de rutas diferentes; en un caso, la diferencia entre la ruta más larga y la más corta es de 5X. Peor aún, la ruta larga tiene los peores resultados en términos de condiciones de envío, con más tiempo empleado a altas temperaturas y deterioro más marcado en la mercancía.
Mejorar
Teniendo en cuenta esta información, se inicia un diálogo con nuestro proveedor de logística sobre las formas de mejorar los procesos. Aunque el diálogo siempre ha existido, si se tiene datos limitados no se presentan mejoras concretas. Ahora, con datos y mapas que muestran exactamente cuándo y dónde están ocurriendo las demoras y los daños, podemos elaborar modificaciones a nuestro acuerdo de servicio que garantice que se eviten las “peores” rutas.
Controlar
Se espera que en el futuro la variación en los datos disminuya. Nuestro sistema de IoT indica un cambio en las rutas que los conductores están tomando, con reducciones en las incidencias y tiempos de entrega. Cuando vemos que un envío toma una de las rutas que acordamos evitar, le enviamos un correo electrónico a nuestro socio de logística y le confirmamos que cometió un error. Seguimos monitoreando los envíos de manera regular para seguir buscando formas de mejorar.
En este ejemplo, usamos un histograma, una herramienta de análisis común, para identificar cuál de nuestros envíos tenía una variación inesperadamente grande en los tiempos de entrega o las tasas de daño. También podríamos usar un gráfico de control para monitorear el proceso en curso, un enfoque que nos permite distinguir entre la variación “común” en el proceso y la variación “asignable”, que probablemente sea causada por algún problema subyacente.
Al combinar nuevos datos de IoT con las herramientas de análisis existentes utilizadas por muchas organizaciones de fabricación, los equipos de la cadena de suministro probablemente descubrirán que se están alejando del modo de reacción y hacia un enfoque más proactivo y orientado al análisis. Por supuesto, esta transición puede requerir algo de trabajo. El uso de herramientas como histogramas y gráficos de control requerirá que el equipo se familiarice con una serie de nuevas herramientas y entienda cuándo aplicar cada tipo de herramienta. El resultado, sin embargo, es un equipo que se adapta bien para aprovechar las nuevas aplicaciones de IoT, lo que hace posible crear y administrar un suministro que finalmente ofrece mejores resultados con menos esfuerzo. Yo diría que vale la pena la inversión.
Ph.D. Gustavo Campos
Director del Centro de Investigaciones
Facultad de Matemáticas e Ingenierías
