Estos nuevos problemas de inventario exponen las debilidades de la cadena de suministro: Yossi Sheffi

Las empresas están intentando todo tipo de formas de deshacerse de los inventarios inflados en un momento en que normalmente acumulan artículos para la temporada navideña de fin de año.

• Varios factores causaron estos problemas, aseguró Yossi Sheffi, profesor en el Instituto de Tecnología de Massachusetts (MIT), donde se desempeña como Director del Centro de Transporte y Logística.

En un artículo publicado por la división Supply Chain del MIT, el experto resaltó que los retrasos en el cumplimiento de las fábricas asiáticas debido a la congestión en los puertos y otras partes del sistema de transporte significaron que muchos minoristas se quedaron atrapados con artículos que no pudieron venderse porque perdieron la temporada de ventas.

Cadenas de suministro frágiles

A medida que las cadenas de suministro se volvieron más volátiles e inciertas, las empresas ordenaron más de todo “solo para estar seguras”, abundó.

Esta práctica es una variación de los hábitos de acaparamiento de los consumidores que se hicieron evidentes durante el apogeo de la pandemia. Como resultado, cuando llegaban las entregas, los inventarios se disparaban.

Los consumidores cambiaron sus preferencias. Ante el aumento de la inflación y el temor de una próxima recesión, la gente comenzó a comprar productos con valor.

Dado que este cambio fue inesperado en el momento en que se realizaron los pedidos, las empresas terminaron con el inventario incorrecto.

Algunos de los impulsores detrás de estos cambios, en particular las consecuencias de la pandemia de Covid-19 y la invasión rusa de Ucrania, no se podían predecir, y la escala y la duración de las interrupciones resultantes no tenían precedentes.

Sin embargo, algunas de las causas son bien conocidas y apuntan a formas en que situaciones similares en el futuro podrían mitigarse.

El especialista citó un artículo reciente en el Wall Street Journal donde se destacó la situación en la que se encuentran ahora las empresas.

Dado que el espacio de almacenamiento en Estados Unidos se ha vuelto escaso, algunas empresas están almacenando productos en estacionamientos y en remolques de camiones mientras buscan desesperadamente lugares para estacionar el exceso de inventario”, describió el texto.

Como informa el Journal, si bien la estrategia puede brindar cierto alivio a corto plazo, puede exacerbar la situación general de la cadena de suministro.

Montañas de inventarios

Los remolques cargados de mercancías no se pueden utilizar para transportar productos que se mueven a través de las cadenas de suministro, lo que dificulta aún más los flujos de artículos que ya están obstaculizados por otros bloqueos.

Mientras tanto, los minoristas están utilizando prácticas ancestrales, como grandes descuentos en los precios en las tiendas, para eliminar el excedente de inventario de sus libros.

Los impactos causados por la pandemia de Covid-19 y otras interrupciones globales son en parte culpables de la montaña de inventario que las empresas ahora luchan por contener.

Estos choques sistemáticos desencadenaron enormes fluctuaciones en la demanda y la oferta y, por lo tanto, el resurgimiento del efecto látigo.

Pronosticar la demanda siempre ha sido una ciencia inexacta, comentó el experto.

“Predecir con precisión los caprichosos hábitos de compra de los consumidores es una tarea monumental. Ajustar el suministro, especialmente cuando se realiza para cadenas de suministro globales altamente complejas adaptadas a estrategias justo a tiempo y de fabricación a pedido, es aún más difícil”, dijo.

¿Qué hacer ante la demanda cambiante?

Añadió que las empresas han mejorado mucho en aprender a aprovechar la variabilidad de la demanda y puso como ejemplo el aplazamiento (retrasar el ensamblaje final de un producto lo más tarde posible para que los pronósticos de demanda sean más precisos) como una técnica que atenúa las imprecisiones al analizar el mercado.

Más recientemente, se están implementando inteligencia artificial y aprendizaje automático (IA y ML) para analizar patrones de compra históricos y mejorar la precisión de las proyecciones de ventas”, detalló

Sin embargo, todos los modelos de pronóstico estadístico se basan en el pasado.

Cuando las interrupciones son lo suficientemente grandes como para introducir un cambio estructural en la demanda, ningún modelo estadístico, ya sea basado en ML o en alguna otra metodología, puede proporcionar un buen pronóstico, advirtió.

¿Qué aporta la visibilidad de la cadena de suministro?

Dijo que la única defensa contra la variabilidad del suministro es la visibilidad de la cadena de suministro.

También lee:
Los beneficios de la visibilidad de la cadena de suministro

“Desafortunadamente, aunque lograr una visibilidad perfecta de extremo a extremo es algo así como el Santo Grial de la industria, casi ninguna empresa puede afirmar que ha conquistado este prodigioso desafío. El principal problema es que, si bien las empresas pueden obligar a sus proveedores inmediatos a compartir datos, las cadenas de suministro suelen tener varios niveles”, añadió.

Apuntó que las empresas no saben quiénes son los proveedores de nivel profundo (por ejemplo, un proveedor de Nivel 1 no le revelaría al OEM quiénes son los proveedores de Nivel 2, ya que es un secreto comercial y también una garantía contra el OEM que pasa por alto al proveedor de Nivel 1).

La buena noticia es que se han realizado mejoras sustanciales en los últimos años. Por ejemplo, la introducción de tecnología de detección sofisticada ha mejorado significativamente la visibilidad de los envíos”, afirmó.

Te puede interesar:
Cómo y por qué implementar la gestión de la experiencia del proveedor

Las empresas están aprendiendo mucho sobre cómo hacer negocios en tiempos extraordinarios, especialmente en relación con la gestión de las cadenas de suministro que sustentan el comercio mundial, concluyó.

Dijo que en la medida que las empresas acumulen más datos sobre el impacto de las interrupciones graves en los patrones de oferta y demanda, los modelos avanzados de ciencia de datos, incluido el uso de IA y ML, seguirán mejorando.

THE LOGISTICS WORLD®