La complejidad, como estudio, ha dado origen a toda una disciplina: la de los sistemas complejos adaptativos. Estos son sistemas no lineales, compuestos por muchas y diversas partes (llamados “agentes”) que interactúan, a la vez que evolucionan, no siendo posible predecir exactamente su comportamiento. Para estudiar su comportamiento se recurre a modelos especiales. Por ejemplo, si se quisiera considerar a todos los actores -desde los fabricantes de equipos originales (original equipment manufacturers, OEM) hasta los clientes finales que compran automóviles, con sus múltiples, complejas y dinámicas interacciones-, estaríamos describiendo no una cadena, sino una red. Pero, esa red interactúa con el entorno, introduciendo mayor complejidad aún; por ejemplo, las restricciones al transporte internacional que impondría el Brexit.

Modelar todas las variables es una tarea imposible y fútil; Borges imaginaba un país donde los cartógrafos eran tan expertos que hacían mapas grandiosos que coincidían punto a punto con los detalles de la realidad. Si se pudieran hacer ese tipo de modelos serían absolutamente inútiles, por cierto.

En esta red del ejemplo podemos estar interesados en un segmento específico, por ejemplo como el distribuidor predice la demanda de sus clientes (con un modelo de suavizamiento exponencial) o como el transportista optimiza tiempos en sus rutas de entrega (con modelos de programación lineal y teoría de juegos). Estos modelos no pretenden describir sistemas complejos adaptativos, sino aplicar algoritmos y heurísticas a problemas específicos y concretos con métodos cuantitativos. Pero se requiere prudencia y criterio para entender los límites y alcances de estos modelos y para evitar tomar decisiones erróneas(1).

Simplificando la complejidad

Siendo prácticos, la primera opción para lidiar con la complejidad es simplificarla. Reducir la cantidad de productos y mercados es una alternativa obvia pero claramente peligrosa, que excede el ámbito de decisiones del área de Operaciones. Y, además, va en dirección opuesta a lo que muchas áreas de Marketing preconizan: más canales, más productos, más inventarios.

Hay otras alternativas para simplificar la complejidad. Una importante empresa productora de vinos simplificó sus SKU. Tenían más de 130 tipos de botellas, 85 tipos de corchos y 8.000 tipos de etiquetas. Al estandarizar, pudieron reducir sus SKU en 50% sin perder ventas. Otras empresas han estandarizado envases o reducido su base de proveedores con éxito. Son formas de simplificar la complejidad vía estandarización.

Pero, estandarizar no es una receta que se pueda aplicar a todo. Un gerente mal informado podría tener un instante de gloria reduciendo drásticamente sus costos de operación por la vía de despedir gente, contratar transportistas al más bajo costo y diseñando un único proceso logístico estandarizado. A poco andar la realidad VUCA le demostraría su error, exigiéndole procesos distintos para atender los requerimientos multi-canal.

Y es que la estandarización no es nada trivial, si tomamos en cuenta la experiencia japonesa.

Fig 1: El eje X muestra el promedio de venta en unidades de cada SKU, mientras que el eje Y muestra la variabilidad de los datos.

Masaaki Imai, autor del libro “Kaizen”, suele decir que un estándar es la mejor solución que tenemos hoy; mañana continuaremos mejorando y estableceremos un nuevo estándar, echando a rodar así el ciclo virtuoso del mejoramiento continuo. Pero ese mejoramiento no se improvisa y requiere un método riguroso, paso a paso, que conocen bien quienes están familiarizados con los métodos de Lean Manufacturing y Six Sigma.

Para un gerente de logística con los pies en la tierra, el conciliar múltiples proveedores con distintos lead times y múltiples canales con patrones de demanda complejos, ya es suficiente complejidad.

Para atrapar esa complejidad hemos estado utilizando Escatergramas(2). Un Escatergrama es un diagrama de dispersión que combina el volumen con la variabilidad, SKU por SKU, durante un período suficientemente largo de tiempo, usualmente un año (figura 1). La ventaja de esta herramienta gráfica es que permite diferenciar cuadrantes con distinto grado de complejidad induciendo así decisiones diferenciadas. Un cuadrante que contiene ítems de alto volumen y baja variabilidad requiere decisiones y estrategias distintas de aquel que contiene ítems de bajo volumen y alta variabilidad.

Fig 2: Los ejes horizontales muestran las ventas de cada SKU y las compras de los clientes, mientras que el eje Y muestra la variabilidad de los datos.

Lo hemos aplicado al abastecimiento, para entender el comportamiento de los ítems que compramos el año anterior y como apoyo al análisis de ingeniería de valor.

Lo hemos aplicado a manufactura, para entender en qué ítems concentrar la producción y cuáles podrían ser externalizados.

Lo hemos aplicado para entender las salidas del Centro de Distribución, para ayudar a tomar decisiones de layout y picking.

Y, como muchos ya lo hacen, lo aplicamos a entender el comportamiento de las ventas en un período suficientemente largo. Este análisis ayuda a eliminar o reducir la cola larga (long tail) que aporta poco o nada al negocio.

En ninguno de estos casos basta con una sola mirada. Por ejemplo, aplicado a ventas, hemos analizado simultáneamente unidades, ingresos en dólares y márgenes por SKU en dólares. Varias miradas simultáneas son posibles. En la fig. 2 analizamos productos y clientes en forma simultánea. Clientes estables que compran productos estables requieren un enfoque distinto de aquellos infrecuentes que compran productos intermitentes.

La Universidad estatal de Michigan en colaboración con APICS ha estado desarrollando una investigación para entender cómo Supply Chain Management está evolucionando hacia el futuro. La mayor preocupación de los ejecutivos entrevistados era cómo lograr la capacidad para llevar el tracking de los flujos de productos y de información a través de todo el supply chain, con sus múltiples entornos, canales y actores. Así, la aplicación de una estrategia de omnichannel genera nuevos flujos, tales como “directo del fabricante”, “a través de distribuidores” y “directo al cliente final”, flujos que para muchas empresas son nuevos y se superponen a los tradicionales. Más complejidad, pero no mayores costos.

En el marco de esta investigación se levantaron algunas prácticas que las empresas están utilizando para afrontar esta complejidad(3): (a) Evitar o reducir la complejidad, (b) Conseguir buenos partners, (c) Adoptar inteligentemente las tecnologías de información, (d) Lograr una fuerza de trabajo flexible, (e) Colaborar estrechamente con los proveedores, (f) Compromiso e involucramiento de los líderes.

Mientras tanto, el entorno turbulento continúa agregando más y más complejidad, ya sea por guerras comerciales, conflictos políticos, tecnologías disruptivas u otras razones. Nadie puede prever qué nuevas complejidades impactarán en las cadenas de suministro en los próximos años. Mientras tanto, recurrir a modelos que tomen unas cuantas variables y que simplifiquen la complejidad es un buen camino para la toma de decisiones del día a día.