Rodolfo Torres-Rabello.

Los gráficos de control permiten predecir. Es tentador pensar que una herramienta estadística que permite predecir podría ser útil para pronosticar la demanda y controlar el nivel de inventarios. O quizás para otras aplicaciones en la gestión logística. Examinemos si esto es cierto.

En efecto, los gráficos de control permiten predecir bajo ciertas condiciones estadísticas. Para construir un gráfico de control normalmente se obtienen pequeñas muestras aleatorias en orden cronológico y se monitorea la media y la variación. Pues bien, la distribución estadística de estas medias tiende a distribuirse normalmente, independiente de la naturaleza de la distribución de origen, debido a las propiedades del Teorema del Límite Central. Esto podría ser útil para la gestión de inventarios pues, como bien saben quienes pronostican la demanda, no siempre se tiene la fortuna de que un SKU obedezca a una distribución normal.

Si se pueden aplicar las propiedades de una distribución normal, entonces se espera que una variable varíe entre la media más tres desviaciones estándar y la media menos tres desviaciones estándar en el 99.7% de las ocasiones, a menos que ocurran causas especiales que afecten esta variación normal.

Si ello ocurre se dice que el proceso es “estable” o que está “bajo control estadístico”. No significa que sea óptimo, sino simplemente que su variación es aleatoria dentro de cierto rango. Si ello ocurre, entonces, se puede predecir que en el próximo período el resultado del proceso estará dentro de ese rango.

Pero no siempre la variación de un proceso es puramente aleatoria. A menudo actúan causas externas (por ejemplo, una brusca baja en el precio o una disrupción en el abastecimiento), lo que hace que aparezcan puntos fuera de rango, tendencias u otros comportamientos estadísticos. Estas causas especiales alteran el rango “normal” de comportamiento del proceso y obligan a los analistas a un análisis más profundo, ya sea para eliminar la causa o para prevenir sus efectos.

Con estas características, se esperaría que este tipo de herramientas sea útil en el mundo logístico. Mencionaremos primero un experimento de simulación de reposición de inventarios y luego discutiremos su utilidad en este o en otros campos de la logística.

Hay experiencias de simulación en las que se aplican gráficos de control a la gestión de inventarios. Los autores Pfohl, Cullman y Stölze simularon la aplicación de gráficos de control con datos diarios para detectar comportamientos anormales en la demanda y en los inventarios. Cuando un comportamiento anormal (no aleatorio) era detectado, ellos buscaban las causas especiales y se enfocaban en resolverlas. Para ello, construyeron un sistema automático que recomendaba reponer cierta cantidad de stock, basado en la información que entregaban los gráficos de control, y alimentaron el sistema con reglas de decisión. Estas son algunas de ellas: a) si el proceso está bajo control estadístico considerar la media del proceso como base para la reposición del inventario y ajustar atendiendo al lead time de reposición y otros factores, b) si el proceso muestra varios puntos arriba o abajo la línea central, calcular el nuevo promedio y considerarlo como la base para la cantidad a reponer.

Para diferenciar el tipo de productos ocuparon el criterio de volumen (ABC de productos). Los autores reportaron que en la simulación obtuvieron reducciones de inventario de 10% a 65%, dependiendo del tipo de productos.

Sin embargo, en la práctica observamos que los gráficos de control no se utilizan para pronosticar la demanda ni para tomar decisiones de reposición de inventarios. Y esto se debe a varias razones. Una de ellas es la propia naturaleza de esta herramienta, útil para reducir progresivamente las causas de variación y lograr un proceso estable, centrado en torno a un valor objetivo y con mínima variación. Esto es lo que ocurre con un proceso manufacturero, donde todas las piezas fabricadas debieran cumplir con las especificaciones en forma estable y controlada. No es el caso de los inventarios. Tampoco es el caso de la demanda. Los inventarios deben servir para vender y la venta está afectada por todo tipo de fluctuaciones, de fuente interna (por ejemplo, una promoción) o de fuente externa (por ejemplo, cambios en las preferencias de los consumidores). No es el objetivo lograr un proceso de ventas siempre cercano al promedio con mínima variación.

Otra razón por la que los gráficos de control tienen escasa utilidad en los pronósticos de demanda y en la reposición de inventarios es que, si bien se podría predecir dentro de cierto rango, este rango es demasiado amplio. Si el proceso está bajo control estadístico sabemos que la cantidad apropiada está en algún punto de la media más menos tres desviaciones estándar, pero no exactamente dónde. El riesgo de un sobrestock o de un quiebre de stock puede ser significativo, especialmente cuando se trata de productos de alto valor y de alto margen.

Sin embargo, en otros campos de la gestión logística esta herramienta sí puede ser útil. Así, se podría utilizar un gráfico de control para intentar disminuir progresivamente la diferencia entre lo real y lo pronosticado si la variable a monitorear fuera el error de pronóstico. También se podría monitorear la productividad de picking (medida como líneas pickeadas por hora), tomando muestras en cada turno y llevándolas a un gráfico de control. Esto serviría para detectar si las variaciones observadas se deben a diferencias de supervisión, a causas atribuibles a los operarios, a diferencias de métodos u otras. Asimismo, podría utilizarse un gráfico de control para monitorear errores de picking, para detectar las causas de variación y eliminarlas una a una. O para monitorear el desempeño de una máquina.

Alcance de los gráficos de control

Los gráficos de control son una de las herramientas más utilizadas de la disciplina conocida como control estadístico de procesos (Statistical Process Control, SPC). Ampliamente utilizados en Gestión de la Calidad, pueden ayudar a monitorear el comportamiento de un proceso a través del tiempo. Las herramientas SPC no se limitan a los gráficos de control e incluyen el análisis de capacidad de procesos, análisis de varianza (ANOVA), diseño de experimentos (DOE) y muchos otros. Estos métodos y herramientas se utilizan en el marco de proyectos de mejoramiento continuo (Kaizen) y, más profundamente, en proyectos Six Sigma.