¿Cómo puede el análisis de datos ser un factor clave para hacer frente al efecto de látigo actual en la cadena de suministro?

Joshua Zable 21 April, 2020

supplydemand_imgv2La forma en que funciona el mundo está cambiando constantemente ahora más que nunca, lo que hace que la demanda alcance niveles pico para ciertos productos (como las mascarillas N95, el papel higiénico y los desinfectantes de manos) y disminuya o desaparezca por completo para otros (¿con cuánta frecuencia usaba la palabra “no esencial” antes de las últimas semanas?). En este clima de negocios, las empresas deben actuar con rapidez para hacer frente a las fluctuaciones tanto en la oferta como en la demanda.  

De hecho, Amazon declaró la semana pasada que retrasará la entrega de productos no esenciales y no aceptará productos de terceros vendedores en sus almacenes para procesar envíos a menos que se trate de "artículos básicos para el hogar, suministros médicos u otros productos de alta demanda".

Cuando cambios rápidos como este alteran con frecuencia los patrones bien establecidos de oferta y demanda, se puede esperar un efecto de “látigo” en la cadena de suministro. Cuando las empresas no toman medidas para mitigar el efecto de látigo, se producen ineficiencias en la cadena de suministro. Las fluctuaciones en el inventario en respuesta a los cambios rápidos en la demanda de los clientes se vuelven cada vez más exageradas a medida que uno asciende más en la cadena de suministro.


Deseo obtener el libro electrónico gratuito: Cómo hacer frente al efecto de látigo actual en la cadena de suministro


La administración inteligente de la cadena de suministro implica el aprovechamiento de la integración en todo el canal para satisfacer mejor las necesidades de los clientes. Al coordinar las actividades de gestión de la calidad, se puede lograr un aumento en la productividad y la eficiencia. Aunque muchos están empleando las técnicas clásicas de control estadístico de procesos, momentos extraordinarios como estos requieren el uso de herramientas adicionales.

La mayoría de las metodologías de control estadístico de procesos presuponen un comportamiento de estado estable del proceso donde se ignora la influencia del comportamiento dinámico. Las gráficas de control, un método popular y efectivo, presentan un inconveniente importante: solo consideran el último punto de datos y no conservan una memoria de los datos anteriores. Como resultado, es menos probable que se detecten rápidamente pequeños cambios en la media de una variable aleatoria.

En un entorno empresarial dinámico, es fundamental adelantarse al látigo. Combinar los métodos clásicos de control estadístico de procesos, como las gráficas de control, con métodos adicionales puede ser sumamente útil. Por ejemplo, las gráficas de control de promedios móviles con ponderación exponencial (EWMA), un método mucho menos popular, mejoran la detección de pequeños cambios en el proceso. La detección rápida de pequeños cambios en la característica de calidad de interés y la facilidad de los cálculos a través de ecuaciones recursivas son algunas de las muchas propiedades de la gráfica EWMA que la hacen atractiva.

Desafortunadamente, momentos difíciles como estos requieren que pensemos diferente. También nos ofrecen la oportunidad de explorar otros métodos comprobados de calidad estadística. Esto no solo nos ayudará a lidiar proactivamente con el entorno dinámico actual, sino que también construirá una base aún más sólida para el futuro.