Loa profesionales de la cadena de suministro somos unos fanáticos de la tecnología. Nos encantan los datos, a ser posible grandes, los datos científicos están que arden, los modelos de machine learning calientan los centros de datos. Cada día, barajamos un montón de datos y ejecutamos algoritmos, empezando por nuestro viejo MRP.
Sin embargo, nuestros algoritmos son principalmente difusos.
Ajustémonos las gafas y afrontemos la realidad:
- Nuestras previsiones son estimaciones, llenas de incertidumbres
- Nuestros plazos de entrega -fabricación, aprovisionamiento, transporte- son estimaciones
- Nuestras capacidades de producción, nuestros rendimientos, son estimaciones
- Nuestro consumo de material en nuestras listas de materiales son estimaciones
- Nuestro stock… Bueno, no… Aunque.
Nuestros datos de referencia son difusos.
Además, vivimos en un entorno muy dinámico.
Los pedidos llegan todos los días, en de forma aleatoria. Los pedidos de los clientes cambian, se adelantan, se retrasan, el volumen cambia. Se producen riesgos, en la producción, durante el transporte.
Los fotógrafos le dirían: ¡No solo está desenfocado, sino que está borroso!
¿Qué podemos esperar realmente de nuestros procesos y sistemas de información en este contexto?
Lo que deberíamos esperar es un apoyo a la toma de decisiones.
Hay dos tipos de decisiones que tienen que ser tomadas: decisiones automáticas y decisiones humanas, y las cuales deben tomarse en varias escalas de tiempo.
Automaticemos lo que puede ser automatizado sin demasiado riesgo. Automatizar las decisiones basadas en datos difusos parece una paradoja. Sin embargo, esta es la función de un modelo operativo basado en la demanda (un DDOM, empezando por el DDMRP): definimos un modelo, un mecanismo, unas reglas de negocio que se ejecutarán de forma totalmente automática o semiautomática. ¿Qué hace posible esta automatización? Que el modelo definido funcione en rangos. Siempre que esté en el rango de operación, ¡adelante!
Ayudemos a la toma de decisiones humanas cuando las condiciones se salgan de los rangos operativos, y en horizontes más largos.
No se trata de utilizar la inteligencia artificial para hacer nítida una imagen borrosa y movida.
Se trata más bien de una cuestión de enfoque, un concepto esencial de la Teoría de las Limitaciones. Se trata de centrar la atención de los responsables que tienen que tomar decisiones en la información relevante para que estas decisiones sean las mejores posibles y se tomen en el momento adecuado.
La automatización permite centrarse sólo en las excepciones, que merecen atención.
En un horizonte a medio y largo plazo, damos visibilidad a las condiciones, a los escenarios que superan las capacidades de nuestro modelo operativo, para dirigir la adaptación. Por ejemplo, ajustando las capacidades. Los procesos de Business Intelligence son clave en este ámbito.
Históricamente hemos intentado centrarnos en esta imagen borrosa y cambiante. Por ejemplo, persiguiendo el objetivo de realizar previsiones fiables. Es hora de asumir que el panorama seguirá siendo borroso y cambiante, pero que debemos dotarnos de sensores y de una dirección dinámica que nos permita orientarnos en este entorno incierto.
