Impulsar la Eficiencia de Cumplimiento Reduciendo el Inventario Excesivo

Los líderes de la cadena de suministro en todas partes están redefiniendo lo que significa lograr «resiliencia» —y está creciendo más allá del almacenamiento y la respuesta al riesgo. Tras la pandemia de COVID-19 y otras disrupciones, las cadenas de suministro resilientes en realidad prosperan en el caos, y crucialmente, ofrecen mejor servicio al cliente que antes.

Para hacer tangible el concepto de resiliencia, conectémoslo con algo que todos los profesionales de la cadena de suministro entendemos: el inventario. El inventario optimizado para cumplir niveles de servicio al cliente no se trata de aumentar stocks de seguridad, sino todo lo contrario. Algunos planificadores durante la pandemia han aumentado los niveles de servicio general en un 3-5% mientras disminuían los niveles de inventario general en un 10-30%. Como tanta teoría de la cadena de suministro, esto parece contraintuitivo. Muchos planificadores asumen naturalmente que los niveles de inventario deben aumentar para aumentar los niveles de servicio.

Tasa de Cumplimiento de Líneas de Pedido

Para desempacar esta contradicción, necesitamos distinguir entre la capacidad de servir la demanda agregada y la capacidad de cumplir pedidos de clientes. Aquí repetiré el mantra que digo a todos mis clientes: el llenado de pedidos —o tasa de llenado de líneas de pedido (OLFR)— es la métrica que importa cuando se trata de alcanzar niveles de servicio objetivo. A los clientes solo les importa si recibieron sus pedidos a tiempo, no si su pronóstico de demanda agregada fue preciso.

Pero, ¿no es un pronóstico preciso el principal indicador de la capacidad de una cadena de suministro para cumplir pedidos? Ahí radica el malentendido. La alta precisión del pronóstico puede verse bien en un panel ejecutivo, pero no dice nada sobre la tasa de cumplimiento de pedidos. ¿Por qué? Porque la precisión del pronóstico, medida por la mayoría de herramientas de planificación, solo se relaciona con la demanda total, no con la capacidad de cumplir pedidos individuales.

Aquí hay un ejemplo simple. Digamos que recibe 10 pedidos en un mes para una sola lámpara LED para ser enviada a 10 partes diferentes del país en diferentes días. Por supuesto, cumplir esos pedidos requiere un plan totalmente diferente que un pedido de 10 lámparas para ser enviadas a una sola ubicación. Sin embargo, los pronósticos agregados no hacen distinción entre los dos. Así es exactamente como los planificadores y trabajadores de almacén llegan al nivel de servicio del 99%. Mientras haya solo uno de cada artículo en el almacén, el 100% de los productos están «disponibles». Pero solo se necesita un solo pedido de 10 lámparas LED para lanzar el sistema al caos. ¡No muy resiliente!

No puedo enfatizar lo suficiente lo importante que es durante nuestra era actual de alta incertidumbre establecer políticas de inventario que aseguren altas OLFR. Según el estudio de McKinsey «Adaptando la experiencia del cliente en la época del coronavirus», durante la última recesión, aquellas empresas que ofrecieron la mejor experiencia del cliente lograron rendimientos tres veces mayores que sus competidores.

Entonces, ¿cómo planificamos para altas OLFR? Alerta de spoiler: no es segmentación ABC. Este enfoque, desarrollado en los años 60, no funciona para la complejidad de ventas, volumen y diversidad de carteras de SKU de hoy. Los planificadores que usan ABC terminan aplicando la misma política de inventario a escenarios muy diferentes como los dos de lámparas LED anteriores y terminan con excesos y escaseces inaceptables. La segmentación ABC era adecuada en su día para gestionar niveles de stock, pero nunca fue para optimización.

Optimización de la Mezcla de Inventario

A diferencia de ABC, que segmenta SKUs en tres categorías basadas en «valor de negocio», la optimización de la mezcla de inventario establece una política de inventario general para cada SKU. La optimización de la mezcla de inventario segmenta artículos por «clase de servicio» y luego asigna un nivel de servicio único y una política de inventario a cada SKU individual. Estas categorías más enfocadas en el cliente deberían ser relevantes para ventas y marketing —por ejemplo: «accesorios», «artículos de alto margen», «marca propia», «marcas de alto valor» y «repuestos críticos». Al agrupar artículos de formas que son significativas para los clientes, establece políticas de inventario para cada uno que corresponden a expectativas de servicio.

La optimización de la mezcla de inventario depende del uso de software de planificación avanzado para aplicar curvas «inventario-a-servicio» para optimizar niveles de servicio y stock de seguridad para cada ubicación de SKU. La curva stock-a-servicio muestra la relación entre el nivel de servicio deseado (OLFR) y el nivel promedio de stock requerido, teniendo en cuenta los niveles de control requeridos (stock de seguridad, stock de reorden). Un principio básico de optimización de la mezcla de inventario es asignar un nivel de servicio más bajo a ciertas clases de servicio —como artículos de cola larga que rara vez se venden y que los clientes no necesitan urgentemente.

David Lubinski Ltd., el único importador de automóviles Citroën y Peugeot en Israel, cambió a un sistema de planificación inteligente para optimizar su inventario de unas 20.000 piezas, el 75% de las cuales son de movimiento lento. Aunque esta empresa familiar establecida había sido rentable con su planificación de inventario ABC, sospechaba que la resiliencia y los niveles de servicio podían mejorarse.

Para probar el cambio de segmentación ABC y hojas de cálculo a un nuevo sistema enfocado en optimización de la mezcla de inventario, Lubinski realizó una comparación lado a lado de ambos enfoques. Los resultados fueron concluyentes. Lubinski redujo su inventario en un 25%, redujo los pedidos urgentes por aire en un tercio, y ahorró considerablemente en desperdicio y obsolescencia. Logró todo esto manteniendo niveles de servicio general bien por encima del promedio del 95-96% y proporcionando niveles de servicio individuales adaptados a las necesidades de cada producto. Esto permitió a la empresa devolver 1,5 millones de euros al resultado final solo a través de ahorros de inventario.

La productividad del planificador también aumentó. El nuevo sistema de Lubinski ahora está casi completamente automatizado. Hoy, una persona gasta menos de un día laborable gestionando el proceso, por lo que el equipo de planificación ahora puede enfocarse en trabajo más importante, cara al cliente. Lo único que el planificador de repuestos de Lubinski lamentó en la víspera de su jubilación fue que no hubieran introducido el nuevo sistema antes.

David Barton es gerente general en ToolsGroup NA.