UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

5. SIMULACIÓN Y FACTORES A CONSIDERAR En esta sección se exponen las características de la aplicación informática diseñada para este trabajo y que se usará para llevar a cabo la simulación. En el apartado 5.1 se detalla la estructura de la cadena de suministro que se ha usado en la aplicación informática, mientras que el apartado 5.2 plantea la validación de la correcta programación de dicha aplicación. Por último, en el apartado 5.3 se listan los factores cuya posible influencia en el efecto bullwhip será evaluada en este trabajo, incluyendo las referencias bibliográficas que han estudiado estos factores con anterioridad.

5.1. DISEÑO DE LA SIMULACIÓN En este estudio, para el diseño de la simulación, se ha considerado una cadena de suministro con cinco eslabones: minorista, mayorista, embotellador, fabricante y el suministrador de materias primas. Esta cadena, en la que el minorista atiende los pedidos del cliente y se van realizando órdenes de pedidos “hacia arriba” se denomina cadena directa. Se está considerando que existe un único producto a fabricar y que la

cadena es simple, ya que cada eslabón tiene predefinido cuál es su proveedor y su cliente. En la cadena directa cada eslabón atiende las órdenes de pedidos de su eslabón inferior, a través de las unidades disponibles en su inventario y de las unidades que haya recibido ese período del eslabón superior en la cadena. Los pedidos que no pueda atender en ese período quedarán registrados en el backlog de ese eslabón, y tendrán que ser atendidos en cuanto se disponga de stock. Entre cada dos eslabones consecutivos, existirá un retraso, tanto para el envío de órdenes como para el envío de los pedidos. Estos tiempos de retrasos en la entrega han sido considerados desde los primeros estudios (Sterman, 1989) como una de las causas principales en la aparición del efecto bullwhip, por lo que su correcto modelado será de suma importancia para estudiar este fenómeno.

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 42

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

El Juego de Distribución de la Cerveza (Beer Game), desarrollado a principios de los años 60, es utilizado todavía, en escuelas de negocios e ingeniería, para mostrar los problemas y conceptos de la gestión de cadenas de suministro. Sterman (1989) mostró un resumen de las confusiones que provoca este juego entre los alumnos: típicamente inestabilidades en la cadena de suministro y la distorsión de la demanda esperada. La estructura comentada del juego de la cerveza se puede observar en la figura 5.1. La simulación propuesta en este trabajo se puede considerar como una actualización y mejora del Beer Game. En el juego original, uno de los objetivos era mostrar cómo las diferentes políticas de decisión y gestión de los pedidos, influenciaba la dinámica de la distribución y las inestabilidades a lo largo del sistema. Sin embargo, hay que tener en cuenta más factores que influyen en el efecto bullwhip, como se ha demostrado en los numerosos trabajos que existen sobre este fenómeno.

Figura 5.1. Estructura del juego de la cerveza. Fuente: Wu y Katok (2006).

Por estos motivos, se tendrá una simulación basada en períodos, como en otros estudios basados en el Beer Game (Hieber, Hartel, 2003 y Holweg, Bicheno, 2002). En contraposición, se tienen otros estudios basados en tiempo discreto: sobre todo, mediante un enfoque de teoría del control y transformada z (Dejonckheere et al. 2003, Disney y Towill 2003a). También existen simulaciones en tiempo continuo (Warburton

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 43

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

et al. 2007, Zhou y Disney, 2006), basadas en dinámica de sistemas (Da et al. 2008) o con fuerte componente estadístico (Chen et al. 2000). Además, debido a las leyes medioambientales y a las políticas de respeto al medioambiente, se están imponiendo, en aquellas situaciones cuyas características lo permiten, que se diseñen cadenas de suministro inversas de bucle cerrado. En estas cadenas, las unidades, una vez consumidas por el cliente (fin de la vida útil) son recogidas y devueltas a la cadena. Las condiciones en las que vuelven los productos usados depende del caso que se esté tratando, pero en general, existen varias posibilidades: dividir en partes, reciclar, reparar, etc. (Huang, Liu, 2008). Al tratar con botellas de vidrio, se contempla la situación de que exista un eslabón que someta a las botellas devueltas a un proceso de limpieza. Es decir, para la simulación, existe un nuevo eslabón, denominado agente reciclador, que se encarga del proceso de recogida, limpieza y devolución a la cadena

de las botellas. Por lo tanto, cuando se cierra el bucle, se tendrán que considerar factores adicionales que afectan al rendimiento de la cadena y a las inestabilidades a lo largo del sistema. De todas formas, hay que especificar que sólo un porcentaje de las botellas serán devueltas al sistema (este porcentaje, como se verá en el apartado 5.3, corresponde a un factor sensible del presente estudio). En resumen, para la simulación se dispondrá de cinco eslabones que representan una cadena de suministro directa (el eslabón correspondiente al minorista será el encargado de atender los pedidos del consumidor final). Además, se añadirá el eslabón del reciclador para considerar una cadena de suministro inversa. Existirá un retraso entre

cada par de eslabones que tengan contacto entre sí. Para proceder con la simulación se programará una aplicación informática que considera todos los eslabones, las relaciones que existen entre ellos, la logística de cada proceso (gestión de inventarios, recepción de órdenes y envío de pedidos, generación de órdenes, etc.) y el modelado de los retrasos existentes en los envíos de órdenes y

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 44

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

materiales entre eslabones. Dicha aplicación se denomina Cider Game, cuyo esquema se puede observar en la figura 5.2.

OO4

OO3

retraso

Materias primas K=5

OS5 retraso

retraso

Fábrica

OS4 retraso

Embotell.

OO2

OO1

Demanda

retraso

retraso

retraso

OS3 retraso

Mayorista

K=3

K=4

OS2 retraso

Minorista

OS1 retraso

K=1

K=2 OSR

OOB

Reciclador

%reciclado retraso

Vertedero excendente

Figura 5.2. Cadena de suministro implementada en Cider Game, con 5 etapas y con retrasos que afectan a los pedidos y a los envíos de materiales.

Esta aplicación es totalmente parametrizable, de forma que se pueden modificar los valores de los factores sensibles, para estudiar su influencia en el efecto bullwhip. En la sección 5.2 se identifican los factores sensibles de la configuración. Es decir, aquellas variables que, con diferentes valores o configuración, pueden afectar a la inestabilidad del sistema. Se harán varias simulaciones para todas las combinaciones posibles de los distintos valores que pueden adoptar los factores, con objeto de obtener resultados estadísticos fiables, que se mostrarán en la sección 6.

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 45

Cliente final

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

5.2. VALIDACIÓN DE LA APLICACIÓN Antes de realizar los experimentos para comprobar la significación de los factores que pueden influenciar la extensión del efecto bullwhip en las cadenas de suministro inversas, resultaría conveniente validar el modelo. Ya que no existen enfoques anteriores similares para cadenas de suministro inversas, la validación se tiene que efectuar asumiendo que no hay flujo de retorno y comparando los resultados con los obtenidos por una propuesta muy similar que exista en la literatura. Específicamente, se ha elegido los parámetros del modelo para que se aproxime al modelo usado en Dejonckheere et al. (2004). Los valores de los parámetros del modelo se han elegido como en ese trabajo. Es decir: •

El factor del ajuste de stock se ha fijado a α s ,k = 0.25 ∀k

•

El factor del ajuste de WIP se ha fijado a α SL ,k = 0.25 ∀k

•

El procedimiento de previsión de la demanda sería alisado exponencial con

α k = 1 9 ∀k •

La demanda del cliente sigue una distribución normal i.i.d. con media 100 y desviación estándar 10.

•

Dos diferentes escenarios se han considerado (con y sin información compartida).

•

No se ha considerado una cantidad mínima para realizar un pedido.

•

Se ha asumido disponibilidad ilimitada de materias primas.

•

El retraso en el flujo de pedidos se ha ajustado a un período.

•

Los tiempos de entrega de los materiales son deterministas y con un valor de 3 períodos.

•

El porcentaje de unidades recicladas se ha fijado a cero (es decir, sin flujo de retorno).

El horizonte de simulación han sido 10000 períodos y cada escenario se ha simulado 10 veces. La tabla 5.1 muestra los resultados de esta simulación (Amplificación Total de la Varianza, ATV, expresión 4.1) para el modelo propuesto en este trabajo, comparando

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 46

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

con los resultados del trabajo de Dejonckheere et al. (2004) (tabla 5.1 de Dejonckheere et al, 2004). El hecho de que los números no coincidan exactamente, es debido a que el enfoque propuesto en este trabajo está basado en el Juego de la Cerveza (que tiene un retraso mínimo de un período en el flujo de pedidos), mientras que, como indican Dejonckheere et al. (2004) en su artículo (página 734), su propuesta asume que no hay retrasos en los pedidos.

Tabla 5.1. Medias de la Amplificación Total de la Varianza después de 10 simulaciones bajo el enfoque propuesto, comparando con los resultados de Dejonckheere et al. (2004).

Cadena de suministro tradicional Escalón, k=

1

2

3

4

Información compartida 1

2

3

4

Dejonckheere et al (2004)

0.432

0.493

0.787

1.398

0.432

0.417

0.433

0.450

Media

0.413

0.592

1.059

1.992

0.412

0.545

0.764

1.047

(0.008)

(0.015)

(0.032)

(0.062)

(0.008)

(0.012)

(0.019)

(0.028)

(dev. est.)

En cualquier caso, los resultados muestran el mismo patrón de comportamiento en el caso del escenario tradicional (sin información compartida). Los resultados en el caso de compartir la información de la demanda del cliente final entre los eslabones son un poco diferentes. Dejonckheere et al. (2004) encuentra que no hay efecto bullwhip en ese caso, por lo que expone que la información compartida puede ser usada de forma efectiva para evitar la amplificación de la varianza. Aunque la diferencia en el retraso del flujo de pedidos puede explicar la discrepancia, los resultados del trabajo actual también muestran que la información compartida mitiga

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 47

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

el efecto bullwhip. De hecho, en este caso prácticamente se elimina el efecto bullwhip, ya que la Amplificación Total de la Varianza en la fábrica es casi la unidad.

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 48

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

5.3. FACTORES A CONSIDERAR Anteriormente se han comentado distintos factores que en la literatura han sido considerados como asociados al fenómeno bullwhip en la cadena directa. En la experimentación efectuada en el trabajo presentado, se han tenido en cuenta 12 de esos factores. En la tabla 5.2 se puede observar cuáles son estos factores y sus niveles considerados.

Tabla 5.2. Factores y niveles considerados en el experimento F1

FSTOCK

Controlador del ajuste de stock ( α s,k )

-L1.- Bajo ( α s,k =0.25) -L2.- Medio ( α s,k =0.40) -L3.- Alto ( α s,k =0.80)

F2

FWIP

Controlador del ajuste de WIP ( α SL,k )

-L1.- Bajo (( α SL,k =0.20) -L2.- Medio ( α SL,k =0.35) -L3.- Alto ( α SL,k =0.75)

F3

FOREC

Método de previsión de la demanda

F4

DEM_VAR

F5

TREND

Variabilidad de la demanda del cliente final (demanda media = 100 unidades) Tendencia de la demanda del cliente final

F6

SHAR

Información compartida entre etapas

F7

LOTS

Política de pedidos por lotes

F8

CAP_RM

F9

DELAY

Capacidad de producción de materias primas en la última etapa Retrasos en la cadena directa

-L1.- 100 unidades -L2.- ∞ -L1.- 1 semana -L2.- 3 semanas

F10

PERC_REC

Porcentaje de unidades retornadas para reciclar

F11

IN_USE

F12

CAP_REC

Tiempo medio que el cliente tiene las unidades antes de devolverlas a la cadena Capacidad de operaciones en el reciclador

-L1.- 0% -L2.- 20% -L3.- 85% -L1.- 15 semanas -L2.- 60 semanas -L1.- 0.8 ×PERC_REC×(demanda media) -L2.- 1.2 ×PERC_REC×(demanda media)

ANTONIO PLÁCIDO MORENO BELTRÁN

-L1.- Alisado exponencial (α=0.85) -L2.- Medias móviles (mm=5 weeks) -L1.- Alta (intervalo [a=10, b=190]) -L2.- Baja (intervalo [a=80, b=120]) -L1.- Pendiente positiva (TREND=1.5) -L2.- Ninguna (TREND=1.0) -L3.-:Pendiente negativa (TREND=0.5) -L1.- Sí -L2.- No -L1.- Sin lotes -L2.- Qmin=40

PÁGINA 49

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

A continuación se detallan cada uno de los factores sensibles del modelo a estudiar y se explicará su significado e importancia para alterar el efecto bullwhip existente, así como las referencias bibliográficas que citan estos factores como los factores críticos para la generación o atenuación de la variabilidad.

•

F1: FSTOCK: Controlador del ajuste de stock

Desde los primeros estudios de Sterman (1989) sobre el comportamiento de los pedidos generados por los alumnos de máster de su facultad en el juego de la cerveza, se propuso el método de reabastecimiento como uno de los puntos clave para atenuar la influencia y generación de bullwhip. Una de las apreciaciones de Sterman fue que los participantes en este juego, siempre que observan niveles de inventario muy por debajo del stock objetivo, añaden al pedido las unidades necesarias para alcanzar este stock deseado. Esta situación es habitual justo después de una variación en la demanda del cliente, que puede provocar la rotura de stock en algún miembro de la cadena. De esta forma, durante los períodos en los que no se tiene stock para atender la demanda del cliente inferior en la cadena, se pide esta diferencia de stock, provocando una acumulación de órdenes en el eslabón superior y, al ir propagándose en la cadena, una exagerada distorsión de la demanda real. Como solución, Sterman propone tener en cuenta los retrasos existentes entre una instalación y otra, de forma que en cada período sólo se pida un porcentaje del inventario que se quiere nivelar (siempre dependiendo del tiempo exacto de entrega) y para no acumular órdenes reiterativos en la cadena, que al final provocarán un sobrestock en un eslabón, con las consiguientes pérdidas económicas. A su vez, Lee et al. (1997) también identifica de manera intrínseca la política de reabastecimiento como causa de creación de bullwhip: en los pedidos generados por cada compañía, siempre se incluye una serie de unidades correspondientes a garantizar el stock de seguridad. Además, también está relacionada con el problema de ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 50

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

racionamiento: ante una situación de escasa distribución del proveedor, el eslabón cliente aumenta sus pedidos, para garantizar un porcentaje mayor de reparto, provocando una gran distorsión de la demanda. Desde la propuesta de Sterman, distintas variantes de esta generación de pedidos basada en órdenes y niveles de inventario, han sido estudiadas en la literatura. Disney y Towill (2003a) basan su modelo APIOBPCS en procesos con pedidos dependientes de las órdenes recibidas y una fracción de la diferencia de inventario. En sus artículos, al calcular las funciones de transferencia que caracterizan el efecto bullwhip según la teoría de control, obtienen una dependencia del controlador de inventario (y del retraso entre generación y recepción de pedidos). Paik y Bagchi (2007), en su estudio mediante una simulación basada en el juego de la cerveza, determinan este factor de corrección como una de las variables sensibles de la simulación, eligiendo tres niveles. Y obtienen como conclusión que una rápida restauración del stock de seguridad aumenta la variabilidad de la demanda del eslabón superior. En la literatura existente sobre el fenómeno bullwhip en cadenas de suministro inversas, también se realizan los cálculos en función de este controlador de ajuste, por lo que es un factor indispensable para incluirlo en este estudio. Se van a considerar tres niveles de corrección del inventario objetivo respecto al actual.

•

F2: FWIP: Controlador del ajuste de WIP

El término WIP es el acrónimo de “Work in Process” y se refiere a los pedidos que ya han sido realizados pero todavía no han sido recibidos. Por tanto, engloba a los pedidos todavía no recibidos por el proveedor, a los pedidos en proceso (porque el proveedor esté sin stock) y los pedidos en curso. La importancia de este factor en el cálculo del bullwhip es doble: por un lado, es necesario llevar una cuenta de los pedidos que están en proceso y percibir el retraso existente entre un pedido y su recepción. De esta forma, se evitará volver a realizar ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 51

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

pedidos y amplificar la variabilidad en la cadena. En la mayoría de estudios sobre las prácticas comunes de los jugadores del Beer Game, incluyen la no – percepción de estos retrasos y la consiguiente reiteración de órdenes. Por otro lado, para el correcto funcionamiento de un sistema, interesa que en la línea de suministro de un eslabón exista un número de unidades equivalente al stock que necesita para servir un número de períodos igual al tiempo medio de retraso entre el momento de realizar un pedido y la recepción de este pedido. Es decir, si entre un eslabón y su eslabón superior hay cuatro períodos de retraso, debería existir en proceso un número de pedidos que pueda satisfacer la demanda media de cuatro períodos, ya que si no es así, puede quedarse sin poder atender la demanda de su cliente en algún período e ir acumulando demanda no servida. El factor de corrección del WIP sirve para corregir en cada período una parte de la diferencia existente entre la línea de suministro deseada y la actual, lo que implicará la estimación del retraso existente entre eslabones. Este factor y el anterior realizan correcciones dentro de las reglas de reabastecimiento. A partir de la optimización de la expresión analítica de bullwhip en el modelo APIOBPCS, Disney y Towill (2003a) indican que es posible el ajuste de los parámetros que controlan la nivelación del stock y del WIP, para generar órdenes suaves que puedan minimizar la variabilidad de la demanda percibida por la cadena. Por tanto, se considera este controlador como uno de los factores importantes de estudio y se tomarán tres posibles niveles en la simulación.

•

F3: FOREC: Método de previsión de la demanda

Lee et al. (1997) ya apuntó a la modificación de la previsión de la demanda a lo largo de la cadena de suministro como una de las causas del efecto bullwhip: cada eslabón va añadiendo errores a la demanda real del cliente que distorsionan los flujos de información en el sistema.

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 52

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

Además, cada eslabón no sólo envía una petición para hacer frente a las futuras demandas de su correspondiente cliente (una vez realizado el cálculo de la previsión de la demanda), sino que además añade unidades para reponer la diferencia entre su inventario y los niveles de inventario objetivo, distorsionando aún más la información. Zhang (2004) estudió directamente el impacto de los métodos de previsión de la demanda en el efecto bullwhip. Consideraba tanto medias móviles como alisado exponencial, así como un método de previsión que minimizaba el error cuadrático medio. Aunque no obtuvo resultados determinantes, sí llegó a la conclusión de que, dependiendo del método de previsión de la demanda usado, el nivel en el que afectan otros factores (como los tiempos de entrega) sí varían. Por lo tanto, en este trabajo se estudiará cómo afectan dos metodologías distintas de análisis de series temporales: los métodos de predicción basados en las medias móviles y en el alisado exponencial simple de la demanda.

•

F4: DEM_VAR: Variabilidad de la demanda del cliente

Desde los primeros estudios sobre bullwhip, siempre se ha definido la variabilidad de la demanda del cliente como uno de los puntos críticos del sistema. Para empezar, en su revisión sobre el Beer Game, Sterman (1989) ya especificó que en este juego se estudia la respuesta de los diferentes miembros ante un cambio en escalón en la demanda del cliente (en un determinado instante de tiempo, la demanda se desplaza de un nivel a otro superior). Este escalón en la demanda del cliente ha sido utilizado en casi todos los estudios de bullwhip como señal de entrada. Por otra parte, en su revisión sobre el efecto bullwhip, Lee et al. (1997) exponen que una de las causas de la variabilidad del cliente puede ser la fluctuación de los precios, por lo que se propone una situación de “precios bajos todos los días” en lugar de realizar ofertas no planificadas, que suponen una distorsión de la demanda real conforme se sube en la cadena de suministro.

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 53

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

En otros estudios, como los de Ouyang y Daganzo (2008), se realiza un estudio estadístico de la demanda, diferenciando entre las componentes de variación a corto plazo y estacionales. En la misma línea, Zhang (2004) y Luang y Phien (2007) estudian estadísticamente el comportamiento del sistema ante una demanda modelada como un proceso autorregresivo. Metters (1997) también estudia el efecto de la variación de la demanda y la existencia de demanda estacional en el sistema, pero desde un punto de vista del coste para la cadena. En este trabajo se va a considerar una demanda uniformemente aleatoria dentro de un intervalo. El factor tendrá dos niveles, los dos con la misma media, pero con distinto tamaño de intervalo, por lo que en un nivel la demanda será sensiblemente más aleatoria que en el otro.

•

F5: TREND: Tendencia de la demanda del cliente

La posible tendencia en la demanda del cliente no ha sido un factor tratado en la literatura existente. Sin embargo, ya que la variabilidad de la demanda del cliente influye de manera decisiva en el fenómeno bullwhip, es lógico pensar que puede resultar interesante estudiar cómo afecta la existencia o no de una tendencia adicional en la serie temporal de la demanda. Además, como es un factor que no se ha tratado con anterioridad, será un elemento diferenciador adicional con respecto a otros trabajos. Se consideran tres niveles: tendencia alta (1.5), nula y baja (0.5).

•

F6: CHAR: Información compartida

De cara a la reducción del efecto bullwhip, diseñar una cadena de suministro más transparente, es la solución más aceptada por todos los expertos. Aunque no se pueda eliminar del todo, debido a que la aparición de bullwhip se debe a la distorsión de la información, es posible su máxima reducción accediendo a mecanismos de información

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 54

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

compartida. Uno de los estudios más importantes sobre la colaboración en la cadena de suministro, es el llevado acabo por Holweg et al. (2005). En la literatura se pueden encontrar múltiples ejemplos de sistemas que comparten información para reducir el fenómeno bullwhip. Una posible solución consiste en que todos los elementos de la cadena de suministro puedan acceder a la demanda real del cliente, como proponen Moyaux et al. (2007) y que será implementada en el modelo que se propone en este trabajo. Otros ejemplos se pueden encontrar en Chatfield et al. (2004) que consiguen una reducción efectiva del bullwhip mediante la información compartida, o en Fiala (2005) que analiza una sistema con información centralizada a todos los miembros de la cadena mediante dinámica de sistemas. Existen otras soluciones más elaboradas, como por ejemplo el análisis de la inclusión del VMI (Vendor Manager Inventory) por Disney y Towill (2003b). Básicamente consiste en la gestión de inventarios finales del distribuidor y mayoristas por parte del fabricante, consiguiendo, además de una gestión de información centralizada, la eliminación de retrasos entre los diferentes miembros. En dicho artículo se modifica el modelo APIOBPCS para recoger la nueva situación propuesta por el VMI. Por otra parte, Ouyang (2007) estudia los resultados de compartir la información mediante un análisis en el dominio de la frecuencia, y ratifica la disminución del bullwhip, aunque, como en los otros estudios mediante el dominio de la frecuencia, centra la importancia en la disminución de la aumento del inventario que tiene lugar en estos sistemas.

•

F7: LOTS: Pedido por lotes

Una de las primeas causas del efecto bullwhip que se fueron identificadas por Lee et al. (1997) fue el pedido por lotes: en cualquier sistema, se tiende a esperar a tener un tamaño de lote antes de pedir. Este tamaño de lote viene dado, principalmente por cuestiones económicas. La solución más sencilla consiste en minimizar el tamaño de ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 55

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

lote, incluso intentando realizar el pedido en el mismo momento que se recibe una orden, evitando así pedidos en ciertos períodos únicamente o esperar a tener un tamaño de lote mínimo. Sin embargo, muchas veces el tamaño de lote no viene impuesto únicamente por eficiencia económico, sino por limitaciones técnicas (por ejemplo, un distribuidor sólo distribuye unidades que sean múltiplo de un número, por cuestiones de organización de espacio). Por estas razones, es interesante estudiar cómo se ve afectado el rendimiento del sistema cuando se tienen pedidos por lotes. Su y Wong (2008) utilizan un método de optimización basado en la metaheurística de colonia de hormigas para determinar cuál es el tamaño de lote óptimo para minimizar el efecto bullwhip. Potter y Disney (2006) realizan un estudio más exhaustivo sobre la influencia de los lotes: a través de un modelo matemático y otro complementario de simulación, varían de forma continua el tamaño del lote para evaluar la variación de las órdenes de salida. Aunque se puede obtener un tamaño óptimo (dependiendo de la demanda del cliente), es muy poco robusto, ya que si cambia la demanda del cliente, el efecto bullwhip aumenta de forma drástica. Por eso se propone usar siempre el menor tamaño de lote posible. En este trabajo se tendrá en cuenta este factor (con dos niveles: sin lotes y con lotes) para comprobar las diversas conclusiones a las que se han llegado en otros estudios.

•

F8: CAP_RM: Límite de capacidad en materias primas del suministrador de materias primas

Muy pocos trabajos estudian cómo puede afectar el límite de capacidad de materias primas en el efecto bullwhip: sobre todo porque introduce una restricción no lineal, que puede complicar la resolución de modelos matemáticos. Sin embargo, este límite en la capacidad sí es considerado en modelos de programación dinámica (Metters, 1997), y en simulaciones basadas en programas similares al Beer Game.

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 56

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

Por ejemplo, Paik y Bagchi (2007) a partir de una simulación basada en el Beer Game, que busca estudiar la importancia de las diferentes posibles causas del efecto bullwhip, también consideran el límite de capacidad en el eslabón superior como factor sensible a estudio (con tres niveles). Al ser un factor que delimita el rendimiento del sistema y haber sido infrecuentemente añadido en los estudios, puede ser una oportunidad única de mejora la consideración y estudio de este factor. Se tienen dos niveles: con límite de capacidad y sin límite.

•

F9: DELAY: Retrasos en la cadena directa

Sterman (1989) ya advirtió de la importancia en los retrasos de flujo de información y de material entre los distintos eslabones de una cadena, como uno de las principales razones de la confusión de los decisores. La existencia de estos retrasos es a veces omitida por el sistema, provocando una mayor variabilidad a lo largo de la cadena, ya que se pueden repetir las órdenes de pedidos. De hecho, en cualquier revisión sobre el fenómeno bullwhip y las soluciones más extendidas (Geary et al, 2006), se propone la reducción de los tiempos de entrega y retrasos como una de las mejores que debe afrontar un sistema. De forma más analítica, Chatfield et al. (2004) usan un modelo de simulación que incluye tiempo de entrega estocásticos, mientras que Paik y Bagchi (2007) también lo consideran en su simulación. Sin embargo, no le dan tanta importancia como Moyaux et al. (2007) que concluyen que los tiempos de entrega y retrasos son la principal fuente de distorsión a lo largo de la cadena. En este trabajo los tiempos de entrega tienen una componente aleatoria, diferenciándolo de los estudios basados en teoría del control, donde es una variable determinista. En este trabajo consideramos dos niveles: tiempo de entrega bajos y elevados, y se busca obtener conclusiones definitivas sobre la importancia de estos retrasos entre eslabones.

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 57

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

•

F10: PERC_REC: Proporción de botellas recicladas

Este factor es el primero que considera una cadena de suministro inversa. Cuando existe una proporción de botellas que es devuelta al sistema, se tendrá un bucle cerrado en la cadena de suministro. Se va a considerar tres valores para este factor: 0%, 20% y 85%. Cuando este factor tiene un valor del 0% se tendrá la cadena de suministro directa, mientras que para los otros dos valores, se cierra la cadena. En todos los trabajos existentes sobre el estudio del fenómeno bullwhip en cadenas de suministro inversas, se tiene en cuenta este factor como variable fundamental y se ofrece los resultados de cálculo de bullwhip en función de esta proporción de unidades recicladas. Así, Zhou and Disney (2006), incluyen en el diagrama de bloques del sistema la proporción de botellas recicladas (demanda devuelta por el cliente tras un tiempo de uso), y obtienen fórmulas que relacionan el efecto bullwhip con el factor. Identificando la expresión del bullwhip en bucle abierto, se determina que el efecto bullwhip es siempre menor en la cadena de suministro inversa y que además, depende del factor de devolución de unidades devueltas. En dicho artículo, se utiliza el modelo APIOBPCS, comentado en el apartado de revisión de la literatura. Este modelo presenta una política de aprovisionamiento de pedidos muy similar a la utilizada en este trabajo, aunque se aplica a un único eslabón, en lugar de considerar varios miembros en la cadena de suministro (para facilitar las fórmulas matemáticas del modelo de teoría del control). Como resultado adicional, se observa que cuanto mayor sea la tasa de retorno, más se reduce el bullwhip en la planta, aunque también depende de otros factores. Por tanto, se justifica que se realice la simulación tomando varios valores para la tasa de retorno, con el fin de estudiar el comportamiento en función de lo que se retorne (nada, bajo porcentaje o elevado). En el trabajo propuesto por Da Qingli et al. (2008), desde la perspectiva de la dinámica de sistemas también se obtiene que el bullwhip es menor cuando se cierra el bucle, ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 58

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

mientras que Huang y Liu (2008) contradice los trabajos anteriores, al indicar que el efecto bullwhip es siempre mayor para cadenas de suministro inversas. Además, Huang y Liu incluyen explícitamente esta tasa de retorno, obteniendo que los resultados son invariantes frente a la misma tasa. En este artículo, el modelo incluye cuatro miembros y la devolución, por parte del consumidor, de las unidades al productor (elemento superior del sistema). Por tanto, en la literatura se encuentran varios estudios, desde diferentes perspectivas y modelos, obteniéndose resultados contradictorios, por lo que resulta de gran interés incluir este factor en la simulación.

•

F11: IN_USE: Tiempo medio del cliente en consumir y devolver las botellas

Cuando se evalúan sistemas responsables con el medioambiente, donde se tiene la posibilidad de volver a incluir en el sistema las unidades consumidas, es evidente que hay que esperar a que el cliente las consuma y éstas sean tratadas para que se usen en el sistema como una unidad nueva. De esta forma, entra en juego el tiempo medio del cliente en consumir y devolver las botellas. En los trabajos previos sobre cálculo del bullwhip en cadenas de suministro inversas, ya se evalúa cómo afecta este factor a los resultados. Por ejemplo, Huang y Liu (2008) obtienen que la magnitud del efecto bullwhip aumenta cuando se incrementa el tiempo que se tarda en tratar y dejar como nueva una unidad (tiempo en el reciclador). Zhou y Disney (2006) también llegaron a una conclusión similar, pues en sus expresiones de bullwhip, se puede ver que la mejora del bullwhip al cerrar la cadena se ve afectada cuando los tiempos de retorno son mayores. En este trabajo presentado se consideran dos niveles para este factor: medio (15 períodos) y elevado (60 períodos). En cualquier caso, como para los tiempos de retraso y entrega entre eslabones, este tiempo medio de consumo se define de forma aleatoria, por lo que su estudio resulta más complejo que para tiempos de consumo deterministas (como los evaluados en la literatura existente).

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 59

UN ANÁLISIS DEL EFECTO BULLWHIP EN CADENAS DE SUMINISTRO CON RETORNO DE MATERIAL

•

F12: CAP_REC: Capacidad diaria del reciclador

En los modelos revisados en la literatura, se sirve la demanda del cliente y una vez transcurrido un tiempo medio, un porcentaje de esta demanda es devuelta al sistema. Aunque este tiempo medio se suele dividir en tiempo medio de uso y tiempo de reciclaje (que pueden ser considerados de diferente naturaleza), no se tienen en cuenta especificaciones adicionales sobre el elemento reciclador. Como en este trabajo se incluye específicamente un agente que realiza las funciones de reciclaje de botellas (conteniendo inventarios, gestión de recepción y envío de botellas, gestión de órdenes no atendidas, etc.), se puede superar la limitación de trabajos anteriores basados en el Beer Game (que no incluyen directamente un agente reciclador u otro elemento que realice su función). Un factor que se puede considerar como sensible del diseño del experimento, es la capacidad diaria que puede atender el agente reciclador. Es decir, el límite máximo de botellas durante un período que podría tratar, limpiar y dejar como nuevas para su inclusión en el sistema. Se van a tomar dos posibles valores para este factor: el 80% y el 120% de un valor que se introduzca como parámetro. Como nunca se ha estudiado, es una contribución adicional del presente trabajo y se evaluará su importancia en del apartado 6. Por supuesto, este factor sólo puede ser evaluado cuando el factor 10 (tasa de retorno) sea distinto de cero, pues sólo tiene sentido al cerrar el bucle.

ANTONIO PLÁCIDO MORENO BELTRÁN

PÁGINA 60