1 Prof. Juan J. Bravo_ EIIE Univalle Universidad del Valle Escuela de Ingeniería Industrial y Estadística Grupo de Investigación en Cadenas de Abastecimiento Prof. Juan J. Bravo B. Optimización y Simulación de Cadenas de Suministro

2 Prof. Juan J. Bravo_ EIIE Univalle La Cadena de Suministro busca servirle al CLIENTE FINAL de la mejor forma posible buscando lograr el máximo beneficio económico posible. Eslabone s

3 Prof. Juan J. Bravo_ EIIE Univalle Una decisión que se tome en un eslabón afectará los demás eslabones La no consideración de un enfoque “sistémico” de la cadena genera desbalanceos, favoreciéndose unos eslabones y perjudicándose otros. Hay necesidad de un Pensamiento Integrador. Veamos porqué.

4 Prof. Juan J. Bravo_ EIIE Univalle Observemos el desafío que conlleva la decision de mejorar algun eslabon. Si vuelvo mas ágiles mis procesos, enviaré mas oportunamente el producto al CD. Pero para volverme más ágil necesito que el Proveedor me envíe con mayor oportunidad las materias primas, luego el tambien debe mejorar. Yo me vuelvo mas agil para que el producto le llegue oportunamente al cliente, pero si el CD sigue con sus mismos procesos anteriores quizas el cliente final no note que yo he mejorado. Necesito por tanto que el CD también mejore para que tenga sentido mi mejoramiento. Yo quisiera mejorar mucho mis procesos, y quizás pueda despachar mucho mas rápido, pero dependo de qué tan eficiente sea la planta que nos provee. Además, el cliente acepta que yo me demore un poco en el envío, así que quizás no sea “necesario” mejorar “tanto” ya que el cliente no me lo exige, y sería esto un “mejoramiento excesivo”.

5 Prof. Juan J. Bravo_ EIIE Univalle Observemos el desafío que conlleva la decision de mejorar algun eslabon. La Cadena de Suministro debe mejorar: Debemos reducir INVENTARIOS Debemos agilizar los tiempos de respuesta a los pedidos, mejorando el TRANSPORTE. Debemos reducir los COSTOS operativos y logisticos. Debemos mejorar nuestra RED. Debemos incrementar la lealtad del cliente final.

6 Prof. Juan J. Bravo_ EIIE Univalle ¿Cómo logramos dichas MEJORAS? Demanda σ Demanda CD σ Riesgo Desbalanceos de inventarios Lead Time σ σ σ Demanda PL

7 Prof. Juan J. Bravo_ EIIE Univalle Demanda σ Demanda CD σ Riesgo Desbalanceos de inventarios Lead Time σ σ σ Demanda PL La Planta tiene sus propios problemas internos administrativos, operativos, de recurso humano, etc. El centro de distribución tiene sus problemas de cultura organizacional, capacitación, definición de políticas, además de problemas administrativos y operativos

8 Prof. Juan J. Bravo_ EIIE Univalle Considerando esta enorme complejidad, ¿Cómo encontrar la mejor estructura, el mejor rendimiento, o el desempeño del mínimo costo y máximo beneficio de una Cadena de Suministro, favoreciendo las necesidades de cada eslabón? ¿Cual es la distancia entre el desempeño actual de mi cadena y el “mejor u optimo” desempeño que puedo tener con los recursos actualmente disponibles?. ¿Cómo puedo saber, cómo serían las características de mi cadena al estar ella operando con ese “optimo” desempeño? ¿cómo puedo llegar a ese desempeño “optimo”? Preguntas:

9 Prof. Juan J. Bravo_ EIIE Univalle Dado que están en juego gran cantidad de variables, se debe buscar la mejor relación entre ellas que arroje el máximo beneficio para todos los eslabones de la cadena. En un problema real típico pueden estar en juego decenas de miles de variables, e incluso millones en algunos casos. La única forma de encontrar la cadena “optima” o cercana a la optima es con herramientas científicas. Cada eslabón tiene sus propias expectativas y deseos y cada quien tiende a jalar para su lado. Ante escasez de recursos (dinero, maquinas, materias primas, vehículos, trabajadores), todos pretenden no salir perjudicados en la “repartición”, y ese conflicto de intereses hace que buscar y encontrar un “optimo general” sea difícil, siempre que no se tengan herramientas apropiadas para la toma de decisiones.

10 Prof. Juan J. Bravo_ EIIE Univalle La Optimización y la Simulación, son herramientas científicas apoyadas en las ciencias matemáticas y en la tecnología, que permiten estudiar un problema con ventajas respecto a otras metodologías: Si la herramienta de análisis es únicamente la “experiencia de expertos”, (enfoque subjetivo) las alternativas de solución a un problema pueden quizás numerarse. Resulta que en muchos casos, las alternativas viables no son posible numerarlas, y en ocasiones no son fácilmente identificables por un ojo experto. La Optimización permite explorar a fondo las soluciones alternativas con apoyo computacional, explorando y valorando cientos y miles de alternativas en solo unos pocos segundos. La Simulación, por su parte, permite predecir el comportamiento de la cadena ante ciertos escenarios posibles, que son difíciles o en ocasiones imposibles de estudiar y predecir por los expertos. Si se cuenta con sistemas ERP de manejo de informacion empresarial, tales como Oracle, SAP, etc., no significa que se cuente con herramientas de optimización o simulación propiamente. Los sistemas de información empresariales pueden decir si la empresa va bien o mal en su desempeño, pero no pueden decir, si su funcionamiento es el “optimo”, ni cuales serían las políticas de desempeño “optimas” de una organización.

11 Prof. Juan J. Bravo_ EIIE Univalle Incluso con el apoyo del computador ciertos problemas son muy dificiles de resolver. Ejemplo de “Explosión Combinatoria” Cierta cadena de suministro desea disminuir sus costos de transporte en la entrega de productos y busca encontrar la “Ruta Mas Corta” que un transportador debe seguir para visitar a 10 clientes localizados en distintos sitios. Un computador realiza un super-análisis, cuantifica y compara un millon de alternativas cada segundo. La respuesta es encontrada en menos de un segundo. Ahora se le pide al mismo computador que encuentre la ruta mas corta pero considerando 20 clientes. El mismo computador tomaría más de 39.000 años para resolver este problema.

12 Prof. Juan J. Bravo_ EIIE Univalle Caso de Estudio: Mejoramiento de la Cadena de Suministro de Digital Equipment Corporation. Motherboards impresoras Laptop e Impresoras pantallas LCD ARNTZEN, B., Brown, G., Harrison, T., y Trafton, L. Global Supply Chain Management at Digital Equipment Corporation. Interfaces, vol. 25, No. 1, Enero 1995. pp. 69-93.

13 Prof. Juan J. Bravo_ EIIE Univalle Digital Equipment Corp. (DEC) HISTORIA 1957: Fundada por Ken Olsen 1961: Construyó el primer computador PDP-1 1978: Domina la mayoria del mercado de minicomputadores 1980: Segunda compañía de computadores del mundo 1990: En DEC repentinamente flaquean las ventas 1998: DEC fué vendida a Compaq 2002: Compaq es dominada por HP La crisis de 1990, hace que DEC tenga que replantear sus productos a computadores mas pequeños y livianos, y éste rediseño obligó a que la infraestructura de producción y logística debiera igualmente replantearse.

14 Prof. Juan J. Bravo_ EIIE Univalle Aspectos que debía DEC enfrentar. Numero, localización y capacidad de plantas Que producto fabricar en qué planta Significancia de los impuestos Numero, localización y capacidad de Centros de Distribución (CD) Cual DC deberia servir a cual cliente Número y localización de los centros de reparación Infraestructura de DEC en 1990 33 plantas de producción en 13 países 34 centros de distribución y reparación en distintos países

15 Prof. Juan J. Bravo_ EIIE Univalle “Nosotros adoptamos un punto de vista estratégico tanto para los procesos de manufactura como para los procesos logísticos” [Arntzen et al. p.74] Se construyó un modelo de Optimización que llamaron: “Global Supply Chain Model”

16 Prof. Juan J. Bravo_ EIIE Univalle 1.El número de plantas fué reducida de 33 a 12. Como resultado, DEC en 1995 consistía en 12 plantas ubicadas en 7 países, a raíz de la implementación. 2.Se redujeron los costos anuales de manufactura en US$225 millones, y los costos totales de logística se redujeron en US$200 millones a 1995. 3.El número de centros de servicio fue reducido de 34 a 17, reduciéndose el nivel de activos de la empresa en US$34 millones y disminuyendo en US$81 millones los costos operativos anuales. 4.La producción de computadores se triplicó. Implementación del “Global Supply Chain Model” en DEC

17 Prof. Juan J. Bravo_ EIIE Univalle { Optimización de la Programación de la Producción { Optimización de la Programación de Distribución Tecnología de la Información Pronóstico de demanda y Sistema de gerenciamiento de ordenes Optimización Estratégica Optimización Tactica Optimización de la Planeación de Producción Optimización de los sistemas logísticos Modelamiento Jerarquico de la Cadena de Suministro Análisisestratégico Análisis Táctico de medianoplazo Análisis cortoplazo AnálisisOperacional Que tan eficiente puede ser la Optimización como herramienta de toma de decisiones?

18 Prof. Juan J. Bravo_ EIIE Univalle Optimización estratégica Optimización táctica Optimización operacional Modelos Deterministicos ó Estocásticos de un periodo de tiempo, con demanda agregada. Modelos multiperíodo Modelos heurísticos Matemática rigurosa y más especializada La estrategia “óptima” propuesta por estos modelos normalmente es validada por expertos de las organizaciones, y ellos son los que determinan cuál será la estrategia finalmente “implementable” que puede ser distinta a la óptima. Estrategia Actual Estrategia Optima del modelo Estrategia Implementable Brecha mejorada Brecha por mejorar Brecha total

19 Prof. Juan J. Bravo_ EIIE Univalle Que tan bien representan los modelos de optimización a la realidad Cadena de Suministro REAL MODELO Matemático de Optimización representativo de la CS Real Impacto de las tasas de cambio Confiabilidad de proveedores Confiabilidad de los canales de transporte Demanda estocástica Variaciones en precios de venta Impacto de políticas medioambientales Variaciones de tiempos de transporte Impacto de los Impuestos y aranceles Precios de transferencia Diferenciación de productos por zonas Infraestructura de plantas y centros de distr. Capacidades de instalaciones y maquinas Restricciones de utilización de materias primas Manejo de los flujos de información Influencia de la competencia

20 Prof. Juan J. Bravo_ EIIE Univalle Que tan bien representan los modelos de optimización a la realidad Cadena de Suministro REAL MODELO Matemático de Optimización representativo de la CS Real Impacto de las tasas de cambio Confiabilidad de proveedores Confiabilidad de los canales de transporte Demanda estocástica Variaciones en precios de venta Impacto de políticas medioambientales Variaciones de tiempos de transporte Impacto de los Impuestos y aranceles Precios de transferencia Diferenciación de productos por zonas Infraestructura de plantas y centros de distr. Capacidades de instalaciones y maquinas Restricciones de utilización de materias primas Manejo de los flujos de información Influencia de la competencia CD Plantas BI Clientes

21 Prof. Juan J. Bravo_ EIIE Univalle Entre mas caracteristicas “reales” se pretendan incluir en el Modelo, más compleja será la construccion matematica y mas dificultad tendrán los computadores en solucionarlo. Algunos inconvenientes de la optimización En algunas ocasiones el “modelo matemático” no se puede construir con facilidad, dada la complejidad observable. Es necesario considerar lo estocástico? Podría hacerse el modelo considerando “algunos” eslabones? Como se podría agregar la demanda? ¿?¿?

22 Prof. Juan J. Bravo_ EIIE Univalle Que papel juega la Simulación? Cuando no se puede construir un modelo de optimizacion es porque la complejidad del sistema supera al analista. La SIMULACION del sistema real a traves de computador permite entender cómo funciona el sistema, qué variables tienen mayor impacto, y porqué los problemas actuales se estan presentado. La SIMULACION incrementa la “visibilidad” en sistemas altamente complejos. Ranking de complejidad Complejidad Operacional Complejidad Tactica Complejidad Estrategica

23 Prof. Juan J. Bravo_ EIIE Univalle Que papel juega la Simulación? La reacción de la Cadena de Suministro ante la implementación de estrategias es en general impredecible. La SIMULACION permite predecir la reacción, buena o mala, de la cadena y de cada uno de sus eslabones ante la implementación de un estrategia de mejoramiento. La SIMULACION explora aspectos operativos haciendo las veces de “lupa”. Puede rastrearse, por ejemplo, el cambio en los inventarios incluso diariamente o por horas o minutos en caso de un eslabón con gran actividad.

24 Prof. Juan J. Bravo_ EIIE Univalle Takakuwa, S., Takisawa, H., Hiraoka, S., Ito, K. Simulation and analysis of non- automated distribution warehouses. Winter Simulation Conference 2000. Caso de Estudio Simulación y Análisis de Centros de Distribución

25 Prof. Juan J. Bravo_ EIIE Univalle Caso de Estudio Simulación y Análisis de Centros de Distribución PL1 PL 2 PL n Otros CD Cliente 1 Cliente 2 Cliente 3 Cliente m

26 Prof. Juan J. Bravo_ EIIE Univalle Caso de Estudio Simulación y Análisis de Centros de Distribución Características del centro de distribución examinado: (1) Plottage: 12,418 mt2 (2) Espacio del piso: 7,656 mt2 (3) Espacio del piso utilizado como bodega: 6,666 mt2 (4) Numero de cajas que ingresan al mes: aproximadamente 345,000 cajas (5) Numero de cajas que salen al mes: aproximadamente 342,000 cajas (6) Numero de montacargas a) Dentro del CD (sin elevador): 13 unidades b) Dentro del CD (con elevador): 2 unidades c) Afuera del CD (sin elevador): 3 unidades Tipos de Camiones Truck 2 tons Truck 3 tons Truck 4 tons Truck -freight Truck 10 tons Truck 13 tons Freight 10 tons Container 5 tons Trailer 20 tons Truck 13 tons

27 Prof. Juan J. Bravo_ EIIE Univalle Caso de Estudio Simulación y Análisis de Centros de Distribución Se simularon las operaciones Diarias de recepcion, reabastecimiento (replenishment), preparacion de ordenes (picking) y despacho en camiones. La finalidad era medir el impacto del numero de montacargas en las operaciones de bodega Se comprobó que el desempeño Diario del Centro de Distribución era altamente sensible al uso de un montacargas adicional, reduciendo el tiempo de reabastecimiento en mas del 50%.

28 Prof. Juan J. Bravo_ EIIE Univalle Algunos inconvenientes de la Simulación La SIMULACION, por si sola, no permite encontrar el desempeño “optimo” de un sistema, sino que permite ensayar posibles escenarios o estrategias de mejoramiento pre-definidas, en función de alguna medida o indicador. Estos indicadores pueden ser: Niveles de inventarios, Nivel de Utilización de recursos, Productividad de plantas o procesos, etc. En simulacion de sistemas logisticos de gran escala, se requieren computadores de amplia capacidad de procesamiento. La SIMULACION requiere muchos conocimiento acerca de los detalles del proceso que se esta simulando.

29 Prof. Juan J. Bravo_ EIIE Univalle Nuevos desarollos Simulación basada en Optimización (Donald Hicks) Simulacion-Optimización (Michael Fu, Anddrodotir) Optimización Estocástica de Gran Escala Mezclas de herramientas: Algoritmos Geneticos, Optimización, Simulacion, Teoria de Juegos.

30 Prof. Juan J. Bravo_ EIIE Univalle Alguna pregunta?