Um, al ver la ilustración visual de este post tuve algunas objeciones: ¿es realmente razonable representar las medidas de una cadena de suministro en el siglo XXI como si siguieran una ley normal?
No, ciertamente no- las medidas no siguen la ley normal, mientras vivimos más que nunca en una nueva (a)normalidad. Sin embargo, una cosa sigue siendo cierta, independientemente de las distribuciones estadísticas: para mejorar nuestro rendimiento, existe una reserva de información en los extremos de la distribución – cuando nuestras existencias son demasiado altas o demasiado bajas, o nuestros flujos están adelantados o retrasados.
Durante la formación del Demand Driven Leader, vemos que se pueden utilizar tres tipos de mediciones para juzgar la eficacia de un modelo operativo Demand Driven: fiabilidad, estabilidad y velocidad.
Todo esto es bueno, pero sigue siendo un poco teórico …
En la práctica, ¿cómo lo hacemos?
Tener un modelo y capturar datos relevantes
En primer lugar, para poder medir el exceso / el defecto / el adelanto / el retraso – y comparar la fiabilidad, estabilidad y velocidad de nuestro modelo con el nominal, tenemos algunos requisitos previos.
El primer requisito previo es… haber diseñado y dimensionado nuestro modelo, con el fin de tener un punto de referencia con el que comparar. Si no sabemos cuál es el rango operativo nominal de funcionamiento de nuestro inventario, de nuestras colas, de nuestros plazos de entrega, ¿cómo podemos medir el rendimiento de nuestra cadena de suministro?
El segundo requisito es tener puntos de medición y haber organizado la captura de información relevante sobre estos puntos. Estos puntos de medición son los buffers – de stock, tiempo y capacidad – y los puntos de control.
En un buffer de stock medimos los puntos altos y bajos. En un buffer de tiempo, medimos los avances y los retrasos. En un buffer de capacidad medimos las sobrecargas puntuales. En los puntos de control medimos la velocidad y el cumplimiento de los programas.
La captura de información debe llevarse a cabo en el momento adecuado: normalmente, por días para los buffers de stock y capacidad, pero por minutos o por horas para buffers de tiempo y los puntos de control de fábrica.
Esto permite acumular datos. Muchos datos. Si tiene muchas referencias y cadenas complejas, una gran cantidad de datos en los que es fácil perderse.
El reto es extraer de esta masa de datos la poca información útil que permitirá a sus equipos progresar y orquestar su revisión con el fin de convertir la información en acción.
Para facilitar esto, los procesos de inteligencia empresarial se han convertido en algo habitual en los negocios, pero hay que tener cuidado al diseñar los materiales adecuados para sus equipos.
Pasado, presente y futuro
La primera de nuestras recomendaciones es distinguir tres tipos de medidas:
- Medidas sobre un período pasado – por ejemplo, los últimos tres meses. Estas medidas le permitirán realizar un seguimiento del rendimiento, la familia o el artículo de su modelo y deducir oportunidades de mejora.
- El panorama actual: ¿dónde estamos y cuáles son nuestras prioridades de actuación?
- Proyección a futuro: ¿cómo son nuestras acciones, plazos de entrega, capacidad de carga en función de los escenarios de demanda?
Echemos un vistazo a un ejemplo de rendimiento pasado: un cuadro de mandos agregado, en este caso a nivel de fábrica, que incluye varias visualizaciones sintéticas mensuales. Permite a un equipo de gestión juzgar la evolución global del rendimiento e identificar las desviaciones. A primera vista, podemos ver lo que está sucediendo: en pocos meses, hemos bajado los inventarios, reducido la falta de existencias y tenemos menos artículos con un inventario demasiado alto o demasiado bajo.
Los planificadores, tendrán acceso a informes que detallan el pareto de artículos demasiado altos/demasiado bajos y las recomendaciones de mejora generadas por el sistema.
En la actualidad, controlarán el estado de su modelo, el cumplimiento de las recomendaciones, la gestión de alertas de ejecución, el estado de las colas, las existencias objetivo frente a las reales, la integridad de sus datos técnicos…
Por otro lado, el siguiente informe se centra en laproyección hacia el futuro, como apoyo al S&OP. Para el flujo de productos en cuestión, se espera que el stock disminuya considerablemente después del próximo período de verano, y se identifica por excepción, basándonos en el escenario de demanda probado, unos 70 artículos cuyo stock estaría en una zona de riesgo durante algunas semanas. El planificador responsable evaluará las opciones para reducir este riesgo.
Volveremos en un próximo post sobre otros ejemplos de análisis para identificar oportunidades de mejora.
Indicadores, audiencias y rituales
La segunda de nuestras recomendaciones es orquestar rituales regulares de revisión y toma de decisiones adaptados a los equipos y personas responsables. La aplicación de estos rituales es esencial para gestionar el cambio. Si la transformación Demand Driven no va acompañada de un cambio en sus métricas actuales, no reorientará a sus equipos en la adaptación. Elimine sus medidas de precisión en las previsiones, de OEE en los centros de trabajo no restringidos y de absorción de los costes fijos, ¡para que sus equipos se centren sólo en lo que es importante!
La orquestación de estos rituales también permite obtener una clara rendición de cuentas, y así pasar de la medida a la acción.
Según nuestra experiencia, las principales mejoras provienen del proceso de mejora continua impulsado por el modelo Demand Driven: ¡decídase a obtener resultados y dé a sus equipos la visibilidad que necesitan para lograrlo!
Nuestro módulo advanced analytics facilita la medición del rendimiento y su traducción en acciones. El rendimiento de todos los buffers y puntos de control se registra a lo largo del tiempo y se puede analizar a través de informes prediseñados, así como un editor de informes integrado que le permite personalizar las mediciones. Si prefiere integrar las métricas de Demand Driven en su plataforma de BI existente, es fácil: nuestras soluciones se integran con cualquier plataforma del mercado a través del estándar OData 2.0.
La técnica está disponible, el modelo está maduro y demuestra su eficacia proyecto tras proyecto, ¡no lo dudes más!
