CAPITULO 5

QU SALI MAL?
5.1 El problema
En los captulos anteriores se detallan los progresos considerables que se han hecho. Por qu
el nombre de este captulo, "Qu fue mal?" Para responder a esta pregunta, nosotros nos
hacemos otra: Despus de tanto "progreso", por qu "la ley de Newton de consultores", que
afirma que todava siguen en vigor? Recordemos que en el Captulo l los enfoques de la gestin
de la fabricacin se desglosan en tres tendencias bsicas:
Para cada experto hay un experto igual y opuesto.
1. Tendencia de la eficiencia: Este enfoque se inici a principios del siglo XX con el
movimiento de gestin cientfica y los primeros intentos de modelar los procesos de
fabricacin. La gestin cientfica haba muerto en la dcada de 1920, pero la tendencia
de la eficiencia persisti en silencio durante dcadas hasta que experiment un
enorme resurgimiento de la atencin internacional cuando el movimiento just-in-time
(JIT), desarrollado en Japn durante las tres dcadas anteriores, estall La escena
corporativa a finales de los aos setenta. Si bien JIT comparte un enfoque de eficiencia
con la gestin cientfica, tiende a desestimar el modelado en favor de un enfoque en la
filosofa general y en los mtodos de taller. Hoy en da, el movimiento de eficiencia
contina bajo las etiquetas de fabricacin lean y el sistema de produccin de Toyota
(TPS), y se caracteriza por un nfasis en la gestin visual, flujo suave y bajo inventario.
Al igual que JIT, lean y TPS tienden a utilizar benchmarking (evaluacin comparativa) e
imitacin en lugar de modelos matemticos o computadoras.
2. Tendencia de la calidad: Este enfoque se remonta al trabajo de Shewhart, que en la
dcada de 1930 introdujo mtodos estadsticos en el control de calidad. A partir de los
aos 50 a los aos 80 el movimiento creci en alcance e influencia bajo Juran y
Deming, pero sigui siendo arraigado en estadsticas y fue ignorado en gran parte por
la industria americana. Sin embargo, la calidad alcanz prominencia en los detalles del
movimiento JIT y, en los aos ochenta, se conoci como gestin de calidad total
(TQM). Aunque el enfoque fue muy exitoso, fue sobrevendido hasta el punto en que
TQM redujo la calidad a una palabra de moda clich, causando una reaccin que casi
impuls la tendencia de la calidad del paisaje corporativo a principios de los aos
noventa. Sin embargo, fue resucitado en la segunda mitad de la dcada -bajo la
bandera de Six Sigma- cuando ABB, seal aliada, General Electric y otros comenzaron a
implementar una metodologa que originalmente se haba desarrollado en Motorola a
mediados de los aos noventa. Six Sigma reconect la tendencia de la calidad a sus
orgenes estadsticos, centrndose en la identificacin de la varianza y la reduccin.
Pero se ha convertido en un marco ms amplio de anlisis de sistemas que busca
situar la calidad en el contexto ms amplio de la eficiencia general.
3. Tendencia de la integracin: Este enfoque se inici en la dcada de 1960 con la
introduccin de la computadora en la fabricacin. A pesar de que las organizaciones a
gran escala haban sido claramente "integradas" antes de esto, slo con la llegada de la
planificacin de necesidades materiales (MRP) la integracin formal de flujos y
funciones se convirti en un enfoque que mejor mucho la productividad y la
rentabilidad. En la dcada de 1970, MRP disfrut de la publicidad que la Sociedad
Americana de Produccin e Investigacin (APICS) gener con su "Cruzada MRP". Pero,

aunque los paquetes de software siguieron vendindose, el xito de JIT en los aos 80
eclips temporalmente MRP como un movimiento. Resurgi en la dcada de 1990, en
forma expandida, como planificacin de recursos empresariales (ERP). ERP se
comprometi a utilizar la tecnologa emergente de procesamiento distribuido para
integrar prcticamente todos los procesos de negocio en una sola aplicacin de TI. Una
moda de "reingeniera" y los temores del insecto Y2K alimentaron la demanda de estos
sistemas extremadamente caros. Sin embargo, una vez que el milenio pas sin
desastre, las empresas comenzaron a darse cuenta de que ERP haba sido
sobrevendido. Los vendedores ERP (a veces literalmente de la noche a la maana)
transformaron su software ERP en sistemas de gestin de la cadena de suministro
(SCM). Siguen ofreciendo su visin de la integracin informtica, ahora bajo la bandera
de SCM.
Hoy en da, las encarnaciones actuales de estas tendencias tienen fuertes seguidores.
Lean, Six Sigma y SCM se venden como la solucin a los problemas de productividad en la
fabricacin y los servicios, as como en otros sectores como la construccin y la atencin
de la salud. La competencia resultante entre diferentes enfoques ha fomentado un
excesivo celo por parte de sus proponentes. Pero, como la historia ha demostrado
repetidamente, el celo excesivo tiende a resultar en programas sobrevendidos hasta el
punto en que degeneran en palabras de moda sin sentido. La tendencia peridica de estas
tendencias a descender en el bombo de la comercializacin es una muestra que hay un
problema en el estado de la gerencia de la fabricacin. La separacin de las tres tendencias
en sistemas de competencia, un estado de cosas que evita que las buenas ideas se
difundan, es otra indicacin de este problema.
La crisis se remonta a una sola raz comn: la falta de un marco cientfico para la gestin de
la fabricacin. Las confusiones resultantes son numerosas:
1. No existe una definicin universalmente aceptada del problema de mejorar la
productividad.
2. No existe una norma uniforme que evale de lejos las polticas en competencia.
3. Hay poca comprensin de las relaciones entre las medidas financieras y de fabricacin
(como el trabajo en proceso, el tiempo de ciclo, las tasas de produccin, la capacidad,
la utilizacin, la variabilidad, etc.).
4. Hay poca comprensin de cmo se relacionan las medidas de fabricacin entre s.
Por lo tanto, no existe un sistema para distinguir lo bueno de lo malo en trminos de
conceptos, mtodos y estrategias. Adems, dado que las prohibiciones a la entrada son tan
bajas, el campo de la manufactura est inundado de consultores y, como las relaciones de
aboye son tan poco comprendidas, los consultores se quedan confiando en palabras de
moda y "historias de guerra" sobre cmo tal y tal tcnica Trabaj en la empresa fulano de
tal. Por lo tanto, las empresas inevitablemente caer de nuevo en la gestin por imitacin y
porristas. No es de extraar que la mayora de las personas que trabajan "en las
trincheras" suspiro a sabiendas de cada nueva moda, muy consciente de que "esto
tambin pasar".
Pero la prctica de la gestin de operaciones no necesita ser dominada por personalidades
en guerra luchando contra palabras de moda mal definidas. En otros campos no es este el
caso. Por ejemplo, considere a un ingeniero que disea un circuito con un interruptor de
circuito. El voltaje es de 120 voltios y la resistencia es de 60 ohmios. Qu tamao de

interruptor es necesario? La respuesta es simple. Dado que el ingeniero sabe que V = l R

(esta es la ley de Ohm, una relacin fundamental de la ciencia elctrica) el interruptor
debe ser de 120 voltios / 60 ohmios = 2 amperios. No se requieren palabras de moda o
"expertos".
Por supuesto, este es un caso muy simple. Pero incluso en entornos ms complejos, un
marco cientfico puede ayudar a guiar las decisiones. Por ejemplo, la construccin de un
puente de carretera no es una ciencia exacta, pero hay muchos principios bien conocidos
que se pueden utilizar para hacer el proceso ms suave y ms libre de riesgos. Sabemos
que el concreto es muy fuerte en compresin pero no en tensin. Por otro lado, el acero es
fuerte en trminos de tensin, pero no cuando se trata de compresin. En consecuencia,
hace mucho tiempo, los ingenieros disearon "hormign armado", algo que combina lo
mejor de ambos materiales. Del mismo modo, sabemos que todas las tensiones deben ser
soportadas y que no puede haber pares de red. Por lo tanto, para un puente corto, un
buen diseo es un haz curvado que transmite la tensin del centro del puente a las
estructuras de soporte. Un puente ms largo puede requerir una superestructura ms
grande o incluso un mecanismo de suspensin. Ideas como stas no especifican
completamente cmo debe construirse un puente dado, sino que proporcionan un cuerpo
de conocimiento suficiente para evitar que los ingenieros civiles recurran a tendencias
caprichosas.
En la industria manufacturera, la falta de un conjunto aceptado de principios ha abierto el
camino para que los "expertos" compitan por la atencin de los gerentes nicamente
sobre la base de la retrica y la personalidad. En este ambiente, las palabras de moda
pegadizas y los ttulos de libros hiperambiciosos son la manera ms segura de atraer la
atencin de los profesionales de bus y. Por ejemplo, Orlicky (1975) subtitul su libro sobre
MRP "El nuevo modo de vida en la produccin y la gestin de inventario", Shingo (1985)
titul su libro sobre SMED (Un minuto de intercambio de dados) Y Iones (1991) dieron a su
libro sobre la fabricacin loan el gran ttulo de "La mquina que cambi el mundo".
Mientras que las campaas de palabras a menudo tienen buenas ideas detrs de ellas, casi
siempre simplifican excesivamente los problemas y las soluciones. Como resultado, el
enamoramiento con la tendencia del momento rpidamente se convierte en frustracin
cuando las promesas de sobrevendido no se materializan, y los profesionales
decepcionados pasar a la moda siguiente.
Esta caracterizacin del pensamiento gerencial de fabricacin como una procesin de
modas de moda es ciertamente una simplificacin de la realidad, pero slo una leve. La
bsqueda de la frase "lean manufacturing" o "lean production" en Amazon.com trae 1,700
ttulos, mientras que la cadena de suministro produce 5,218 y "Six Sigma" genera 1,484.
Este exceso de libro: est marcado por volmenes distinguidos slo por sus ideas
superficiales y escritura llamativa.
Si bien las tres principales tendencias identificadas anteriormente muestran dbiles signos
de que la "gestin de la palabra de moda" puede eventualmente ser relegada a los libros
de historia de fabricacin, todava tienen que dar un paso claro en esa direccin. En sus
encarnaciones actuales, cada una de las tendencias contiene defectos fundamentales, que
les impiden servir como marcos de gestin integral.
Primero consideramos la tendencia de la eficiencia y la fabricacin lean. Aunque este
enfoque una vez hizo hincapi en la ciencia y el modelado, las herramientas actuales de

magra son en gran medida bastante simple. Por ejemplo, la mayora de los consultores
lean comenzarn a elaborar un mapa elemental de la cadena de valor para identificar el
muda en el sistema, luego proyectarn donde el sistema podra ir preparando un futuro
mapa estatal y finalmente intentarn superar la brecha aplicando un conjunto de Eventos
kaizen estndar (reduccin de la configuracin, "5s", controles visuales, kanban, etc.). Si la
situacin es lo suficientemente similar a otra en la que estas prcticas ya han sido
empleadas con xito, y si el practicante es lo suficientemente inteligente como para
reconocer el comportamiento anlogo, es probable que estos esfuerzos tengan xito. Pero
en situaciones que son nuevas, un enfoque basado en la experiencia como este
probablemente no va a ser lo suficientemente innovador como para dar una solucin til.
Seguidamente consideraremos la tendencia de la calidad y Six Sigma. En contraste con la
tendencia de la eficiencia, que evolucion de complejo a simple, el movimiento de la
calidad ha emigrado de simple a sofisticado. En la dcada de 1980, las prcticas de TQM
(por ejemplo, "crculos de calidad") fueron a menudo criticadas como superficiales y
demasiado simplistas. Pero el entrenamiento actual de Six Sigma pone gran nfasis en las
herramientas estadsticas requeridas, impartindolas en el transcurso de cuatro ondas de
36 horas semanales y acompaando la enseanza con proyectos de mejora significativos.
Adems, los arquitectos de la formacin Six Sigma han tomado lecciones sorne de
marketing y los expertos de motivacin y design a los graduados de sus programas
"cinturones negros" y sus homlogos de gestin "campeones". Estas etiquetas pegadizas,
as como un compromiso general de la alta gerencia para financiar una iniciativa de
capacitacin masiva, han contribuido mucho al xito de Six Sigma.
Desafortunadamente, mientras Six Sigma ofrece capacitacin en estadsticas avanzadas,
no ofrece educacin sobre cmo se comportan los sistemas de fabricacin. Por ejemplo,
considere una planta con altos niveles de inventario, mal servicio al cliente y baja
productividad. El cinturn negro Six Sigma se acercara a este escenario tratando de definir
mejor el problema (un objetivo loable); Realizar algunas mediciones; Analizar los datos
utilizando algn tipo de diseo experimental para determinar los "impulsores" del exceso
en el inventario, el mal servicio al cliente y la baja productividad; Implementar algunos
cambios; Y, finalmente, instituyendo algunos controles. Si bien este proceso podra
eventualmente dar buenos resultados, sera tedioso y lento. En una industria competitiva y
en rpido movimiento, simplemente no hay tiempo para redescubrir las causas de
problemas genricos como el alto WIP y el mal servicio al cliente. Los gerentes e ingenieros
deben ser capaces de invocar principios conocidos para abordar estos. Lamentablemente,
aunque s existen, estos principios no forman parte actualmente de la metodologa Six
Sigma.
Finalmente, consideramos la tendencia de integracin y la gestin de la cadena de
suministro. Debido a su conexin histrica con el ordenador, este movimiento siempre ha
tendido a ver la fabricacin en trminos de TI: si recogemos datos suficientes, instalamos
suficiente hardware e implementamos el software adecuado, el problema se solucionar.
Si el software se llama MRP, ERP o SCM, el objetivo es proporcionar informacin precisa y
oportuna sobre el estado y la ubicacin de los pedidos, los materiales y el equipo, con el
fin de promover una mejor toma de decisiones.
Desafortunadamente, lo que normalmente se deja sin decir cuando el problema de gestin
de fabricacin se describe en trminos de TI es que cualquier paquete de software va a
depender de algn tipo de modelo. Y en el caso de SCM, como con ERP, MRP II, y todo el

camino de regreso a MRP, el modelo subyacente casi siempre ha estado mal! Por lo tanto,
en la prctica, la mayora de los esfuerzos de desarrollo se han dirigido a asegurar que la
base de datos no est daada, las transacciones son consistentes y la interfaz de usuario es
fcil (pero no demasiado fcil) de usar. La validez del modelo subyacente ha recibido muy
poco escrutinio, ya que esto no se ve como un problema de TI. Como resultado, SAP / R3
utiliza el mismo modelo subyacente de logstica de produccin lejana que fue utilizado por
Orlicky en los aos sesenta (es decir, un modelo bsico de entrada-salida con tiempos de
entrega fijos y capacidad infinita). Por supuesto, la mayora de los modernos sistemas SCM
y ERP han aadido funciones para detectar los problemas causados por el modelo
defectuoso, pero estos esfuerzos son realmente muy poco, demasiado tarde.

5.2 La solucin
Las tres principales tendencias en la gestin de la fabricacin contienen elementos valiosos
de una solucin integrada, especficamente:
1. Six Sigma ofrece una metodologa de mejora que involucra tanto a la alta direccin
como a los trabajadores de informacin de nivel inferior. Tambin reconoce que las
mejoras son difciles de lograr (a pesar del "rah rah" de la mayora de las palabras de
moda) y que hay un cuerpo de conocimientos que deben tenerse en cuenta antes de que
uno pueda ser eficaz. Por ltimo, ofrece un programa de capacitacin detallado, junto con
la expectativa de que el conocimiento avanzado es necesario para el xito.
2. La filosofa lean promueve los incentivos adecuados: centrarse en el cliente, olvidar el
costo unitario, buscar obviamente las prcticas de despilfarro y eliminarlas, y modificar y
mejorar el medio ambiente.
3. Los sistemas informticos (por ejemplo, SCM y ERP) proporcionan los datos necesarios
para tomar decisiones racionales de gestin de fabricacin.
Pero falta un componente clave de todo esto: un marco cientfico que puede dar sentido a
las operaciones de fabricacin subyacentes. A diferencia de los diseadores de circuitos
electrnicos y puentes de carreteras, la mayora de los cinturones negros Six Sigma, los
practicantes lean y los vendedores de software SCM simplemente no tienen suficiente
conocimiento del funcionamiento bsico de los sistemas de fabricacin. Estos incluyen
relaciones entre tiempo de ciclo, tasa de produccin, utilizacin, inventario, trabajo en
proceso, capacidad, variabilidad en la demanda, variabilidad en el proceso de fabricacin,
etc. Sin este conocimiento, se ven obligados a realizar una de las siguientes acciones:
1. Analizar el sistema estadsticamente para determinar la causa y el efecto, luego
implementar ciertos cambios e instalar controles (este es el enfoque Six Sigma).
2. Imitar lo que se ha hecho en otro lugar y esperar que funciona de nuevo (este es el
enfoque de lean).
3. Instale una nueva aplicacin de software (este es el enfoque de TI).
No es sorprendente que la tasa de xito de las empresas que utilizan estos enfoques ha
sido decididamente mixta. La razn es que los practicantes deben confiar en la suerte o el
genio local para tomar las decisiones correctas para su sistema. La suerte a veces viene a

travs, pero no dura para siempre por lo que rara vez es una fuente de xito sostenido. Un
genio interno (por ejemplo, Ohno en Toyota) es un activo mucho ms confiable, pero los
genios verdaderos son raros. El resto de nosotros necesitamos algn tipo de marco para
permitirnos seleccionar y adaptar conceptos de la tendencia principal (y menor) y crear un
sistema de gestin eficaz para un entorno dado.
En este libro, usamos el trmino Fsica de Fbrica para referirnos al marco necesario. En la
Parte II describiremos los fundamentos de la Fsica de Fbrica. En la Parte III se mostrar
cmo estos fundamentos pueden aplicarse prcticamente para mejorar y controlar una
amplia gama de sistemas de fabricacin. En el resto de este captulo, recogeremos lo
histrico; Hilo de los captulos 1-4 y discutir las virtudes y las deficiencias de los enfoques
anteriores desde una perspectiva de la fsica de la fbrica.

5.3 Gestin cientfica

Frederick W. Taylor, al igual que muchos otros a finales del siglo XIX y principios del siglo
XX, puso gran fe en la ciencia. De hecho, en vista de los notables progresos realizados
durante los dos siglos anteriores, algunos consideraron que ya se haban establecido todos
los conceptos bsicos de la ciencia. En 1894, Albert Michelson declar
Se han descubierto las leyes y hechos fundamentales ms importantes de la ciencia fsica,
y stos estn ahora tan firmemente establecidos que la posibilidad de que sean
suplantados en consecuencia de nuevos descubrimientos es sumamente remate ...
Nuestros descubrimientos futuros deben ser buscados en El sexto lugar de decimales.
Lord Kelvin estuvo de acuerdo, diciendo en 1900: "No hay nada nuevo que se pueda
descubrir en la fsica, todo lo que queda es una medida cada vez ms precisa".
Por supuesto, sabemos que todo el edificio de la fsica se desmoronara dentro de 20 aos
con los descubrimientos de la relatividad y la mecnica cuntica. Pero a principios de siglo,
cuando Taylor y otros estaban promoviendo la gestin cientfica, a muchos les pareca que
la fsica haba sido un xito completo e incondicional. Se esperaba que las nuevas ciencias
de la psicologa y la sociologa siguieran un patrn similar. Por lo tanto, era plausible y
popular proponer que la ciencia podra traer el mismo tipo de xito a la direccin que
haba trado a la fsica.
En retrospectiva, sin embargo, parece que la gestin cientfica tena ms en comn con los
enfoques de moda de hoy en da a la gestin que a los campos cientficos de la poca. Al
igual que las modernas palabras de moda, la "gestin cientfica" era un trmino muy
popular y otorgaba a los consultores un mandato "cientfico" para vender sus servicios.
Estaba slo vagamente definida y, por lo tanto, poda promoverse como "la" solucin a
prcticamente todos los problemas de gestin. Pero, a diferencia de la ciencia moderna,
Taylor hizo muchas mediciones pero hizo poca experimentacin. Desarroll frmulas, pero
no las unific en ningn tipo de teora general. De hecho, ni Taylor ni ninguno de sus
contemporneos plante nunca la cuestin descriptiva de cmo se comportan los sistemas
de fabricacin. En cambio, se centraron en la cuestin inmediata prescriptiva de cmo
mejorar la eficiencia.
Como resultado, el flujo de trabajo en negrilla generado por el movimiento de gestin
cientfica original sigui el mismo enfoque sin marco y prescriptivo utilizado por Taylor. En

lugar de hacer preguntas cada vez ms profundas sobre el comportamiento del sistema,
los investigadores y los profesionales simplemente abordaron el mismo problema de
eficacia gastado con herramientas cada vez ms sofisticadas. Por ejemplo, en 1913, Hanis
public su documento original de EOQ y estableci un estndar matemtico preciso para la
investigacin de eficiencia con su famosa "frmula de raz cuadrada" para el problema del
tamao de lotes. Aunque elegante, esta frmula se basaba en suposiciones que -para
muchos sistemas de produccin del mundo real- eran altamente cuestionables. Como se
analiz en el captulo 2, estas suposiciones poco realistas incluyeron
-Un coste de instalacin fijo y conocido
-Demanda constante y determinista
-Entrega instantnea (capacidad infinita)
-Un solo producto o ninguna interaccin del producto
Debido a estas suposiciones, EOQ tiene mucho ms sentido aplicada a entornos de compra
que a los entornos de produccin para los que Hanis lo pretenda. En un entorno de
compras, las configuraciones (es decir, las rdenes de compra) se pueden caracterizar
adecuadamente con un coste constante. Sin embargo, en los sistemas de fabricacin, las
configuraciones causan todo tipo de otros problemas (por ejemplo, implicaciones de
mezcla de productos, efectos de capacidad, efectos de variabilidad), como discutiremos en
la Parte II. Los supuestos de EOQ resuelven completamente estas importantes cuestiones.
Incluso peor que las suposiciones simplistas en s era la perspectiva miope hacia el tamao
del lote que el modelo EOQ promova. Al tratar las configuraciones como restricciones
exgenas, el modelo EOQ y sus sucesores cegaban a los investigadores y profesionales de
la administracin de operaciones a la posibilidad de reducir deliberadamente las
configuraciones. Tom el japons, abordando el problema desde una perspectiva
completamente diferente, para reconocer plenamente los beneficios de la reduccin de la
configuracin.
En el captulo 2 hemos discutido aspectos similares del irrealismo en las suposiciones
detrs de los modelos Wagner-Whitin, base y (Q, r). En cada caso, la falla del modelo no
era que no pudiera comenzar con un problema real o una visin real. Cada uno de ellos lo
hizo. Como hemos observado, el conocimiento del EOQ sobre el equilibrio entre el
inventario y las instalaciones arroja luz sobre el comportamiento fundamental de una
planta. Lo mismo ocurre con la comprensin (Q, r) del equilibrio entre el inventario (stock
de seguridad) y el servicio. Sin embargo, con la fascinacin por todas las cosas cientficas,
las ideas mismas fueron rpidamente marginadas por las matemticas. El realismo fue
sacrificado por su precisin y elegancia. En lugar de trabajar para ampliar y profundizar los
conocimientos mediante el estudio del comportamiento de diferentes tipos de sistemas
reales, los expertos se centraron en procedimientos computacionales ms rpidos para
resolver los problemas simplificados. En lugar de trabajar para integrar las ideas dispares
en un marco estratgico, se concentraron en piezas cada vez ms pequeas del problema
general con el fin de lograr frmulas matemticas puras. Estas prcticas continuaron y
florecieron durante dcadas bajo el ttulo de investigacin operativa.
Afortunadamente, a finales de los aos ochenta, la fuerte competencia de los japoneses,
alemanes y otros llev a casa a los acadmicos y profesionales por igual que un cambio era

necesario. Numerosas voces distinguidas pidieron un nuevo nfasis en las operaciones. Por
ejemplo, los profesores de Harvard Business School subrayaron la importancia estratgica
de los detalles operativos (Hayes, Wheelwright y Clark 1988, 188):
Incluso las decisiones tcticas como el tamao del lote de produccin (el nmero de
componentes o subconjuntos producidos en cada lote) y el diseo del departamento
tienen un impacto acumulativo significativo en las caractersticas de rendimiento. Estas
decisiones aparentemente pequeas se combinan para afectar significativamente la
capacidad de una fbrica para cumplir con las prioridades competitivas clave (costo,
calidad, entrega, flexibilidad e innovacin) establecidas por la estrategia competitiva de su
empresa. Adems, el tejido de polticas, prcticas y decisiones que componen el sistema
de fabricacin no puede ser fcilmente adquirido o copiado. Cuando est bien integrado
con su hardware, un sistema de fabricacin puede convertirse as en una fuente de ventaja
competitiva sostenible.
Sus homlogos de la ciudad, en el Instituto Tecnolgico de Massachusetts, estuvieron de
acuerdo y pidieron que las operaciones desempearan un papel ms importante en la
formacin de los gerentes (Dertouzos, Lester y Solow, 1989, 161):
Por demasiado tiempo las escuelas de negocios han tomado la posicin de que un buen
gerente podra manejar cualquier cosa, independientemente de su base tecnolgica ....
Entre las consecuencias fue que los cursos sobre la produccin o la gestin de operaciones
se convirti cada vez menos central en los planes de estudios de negocios. Ahora est claro
que esta opinin es errnea. Si bien no es necesario que todos los gerentes tengan un
grado de ciencias o ingeniera, cada gerente necesita entender cmo la tecnologa se
relaciona con el posicionamiento estratgico de la empresa ...
Pero si bien observaciones como stas llevaron a un mayor consenso de que la gestin de
las operaciones era importante, no llegaron a un acuerdo sobre lo que se debe ensear o
cmo ensearlo. El antiguo enfoque de presentar las operaciones nicamente como una
serie de modelos matemticos ha sido hoy ampliamente desacreditado. El enfoque de
estudio de caso puro todava se utiliza en escuelas de negocios y puede ser superior
porque los casos pueden proporcionar ideas sobre los problemas de produccin realistas.
Sin embargo, cubrir cientos de casos en poco tiempo slo sirve para reforzar la nocin de
que las decisiones ejecutivas pueden hacerse con poco o ningn conocimiento de los
detalles operativos fundamentales. El enfoque de la fsica de la fbrica en la Parte II es
nuestro intento de proporcionar tanto los fundamentos como un marco integrador. En l,
nos basamos en los conocimientos previos examinados en esta seccin y hacemos uso de
la precisin de las matemticas para aclarar y generalizar estos conocimientos. Una mejor
comprensin construye una mejor intuicin, y una buena intuicin es una necesidad para
una buena toma de decisiones. No estamos solos en buscar un marco para construir
intuiciones de operaciones prcticas a travs de modelos (vase Askin y Standridge 1993,
Buzacott y Shanthikumar 1993 y Suri 1998 para otros). Tomamos esto como un signo
esperanzador de que un nuevo paradigma para la educacin operativa est finalmente
emergiendo.
Irnicamente, el principal problema con el enfoque de la gestin cientfica es que no es
cientfico. La ciencia implica tres actividades principales: (1) observacin de fenmenos, (2)
conjetura de causas, y (3) deduccin lgica de otros efectos. El resultado de la correcta
aplicacin del mtodo cientfico es la creacin de modelos cientficos que proporcionen

una mejor comprensin del mundo que nos rodea. Los modelos puramente matemticos,
no basados en experimentos, no proporcionan una mejor comprensin del mundo.
Afortunadamente, podemos estar dando la vuelta a una esquina. Tanto los practicantes
como los investigadores han comenzado a buscar nuevos mtodos para comprender y
controlar los sistemas de produccin.

5.4 El ascenso del ordenador

Debido a que la corriente de modelos engendrados por el movimiento de gestin cientfica
no proporcion soluciones prcticas a los problemas de gestin del mundo real, era slo
cuestin de tiempo antes de que los gerentes se volviesen hacia otro enfoque. La aparicin
de la computadora digital proporcion lo que pareca una oportunidad de oro. La
necesidad de los gerentes de fabricacin para las mejores herramientas se cruz con la
necesidad de los desarrolladores de computadoras para las aplicaciones, y MRP naci.
Desde al menos una perspectiva, MRP fue un xito impresionante. El nmero de sistemas
MRP en uso por la industria americana creci de un puado a principios de los aos 1960 a
150 en 1971 (Orlicky 1975). La Sociedad Americana de Control de la Produccin e
Inventarios (APICS, por sus siglas en ingls) lanz su campaa de MRP para publicitar y
promover MRP en 1972. En 1981, se deca que el nmero de sistemas de MR en Amrica
haba aumentado hasta 8.000 (Wight, 1981). Slo en 1984, 16 empresas vendieron $ 400
millones en software MRP (Zais 1986). En 1989, $ 1.2 billones del valor del software de
MRP fue vendido a la industria americana, constituyendo poco menos de un tercio de todo
el mercado americano de servicios informticos (Ingeniera Industrial, 1991). A finales de
los aos noventa, ERP haba crecido hasta una industria de 10.000 millones de dlares. La
consultora de ERP hizo negocios an ms grandes y SAP, el mayor proveedor de ERP, fue
la cuarta compaa de software del mundo (Edmondson y Reinhardt, 1997). Despus de un
breve perodo de calma tras el Y2K, las ventas de ERP se recuperaron, superando los
24.000 millones de dlares en ingresos en 2005. Por lo tanto, a diferencia de muchos de
los modelos de inventario que analizamos en el Captulo 2, MRP se utiliz ampliamente en
la industria.
Pero, ha funcionado? Resultaron mejor las empresas que implementaron sistemas MRP?
Hay evidencia considerable que sugiere que no.
En primer lugar, desde el punto de vista macroeconmico, los inventarios manufactureros
estadounidenses se mantuvieron prcticamente constantes durante los aos setenta y
ochenta, durante y despus de la cruzada MRP (Figura 5.1). (Tenga en cuenta que los
turnos de inventario aumentaron en los aos noventa, pero esto es casi seguramente una
consecuencia de la presin para reducir el inventario generado por el movimiento JIT y no
directamente relacionado con MRP). Por otra parte, es obvio que muchas empresas no
estaban utilizando MRP durante este perodo; Por lo que si bien parece que MRP no
revolucion la eficiencia de todo el sector manufacturero, estas cifras por s solas no hacen
una declaracin clara sobre la eficacia de MRP a nivel de empresa individual.

En el nivel micro, las primeras encuestas de usuarios de MRP no pintaron un cuadro

rosado tampoco. Booz, Allen y Hamilton, en una encuesta de 1980 de ms de 1.100
empresas, inform que mucho menos del 10 por ciento de las empresas americanas y
europeas fueron capaces de recuperar su inversin en un sistema MRP en un plazo de 2
aos (Fox, 1980). En una encuesta financiada por APICS de 1982 de 679 miembros de
APICS, slo el 9,5 por ciento consider a sus empresas como usuarios de clase A (Anderson
et al., 1982). 1 El 60 por ciento inform que sus empresas eran de clase C o de clase D.
Para apreciar la importancia de estas respuestas, debemos tener en cuenta que los
encuestados en esta encuesta fueron todos los miembros de APICS y administradores de
materiales, con un fuerte incentivo para ver MRP en la mejor luz posible! Por lo tanto, su
pesimismo es muy revelador. Una encuesta ms pequea de 33 usuarios MRP en Carolina
del Sur lleg a cifras similares sobre la efectividad del sistema; Tambin inform que la
eventual inversin promedio total en hardware, software, personal y capacitacin para un
sistema MRP fue de $ 795,000, con una desviacin estndar de $ 1,191,000 (LaForge y
Stun 1986).
1 La encuesta utiliz cuatro categoras propuestas por Oliver Wight (1981) para clasificar
los sistemas MRP: clases A. B, C y D. En trminos generales, los usuarios de la clase A
representan empresas con sistemas efectivos totalmente implementados. Los usuarios de
Clase B tienen sistemas totalmente implementados pero no totalmente eficaces. Los
usuarios de Clase C tienen sistemas parcialmente implementados, modestamente efectivos.
Y los usuarios de la clase D tienen sistemas marginales que proporcionan poco beneficio a
la empresa
Tales estadsticas desalentadoras y la creciente evidencia anecdtica de los problemas
llevaron a muchos crticos de MRP a hacer declaraciones fuertemente despectivas.
Declararon MRP el "error de $ 100 billones", declarando que "el 90 por ciento de los
usuarios MRP son infelices" con l que "MRP perpeta tales ineficiencias de la planta como
inventarios altos" (Whiteside y Arbose 1984).
Esta avalancha de crticas llev a los defensores de MRP a saltar a su defensa. Aunque no
negaban que era mucho menos exitoso de lo que esperaban cuando se inici la cruzada
MRP, no atribuyeron esta falta de xito al sistema mismo. La literatura APICS (por ejemplo,
Orlicky citado por Latham 1981), cit una serie de razones para la mayora de los fallos del
sistema MRP, pero nunca cuestion el propio sistema. John Kanet, ex gerente de
materiales de Black & Decker, quien escribi una brillante resea de su sistema MRP en
1984 (Kanet 1984), pero en 1988 se haba vuelto muy crtico con MRP, resumi las excusas
de los fallos de MRP de la siguiente manera.

Desde hace al menos diez aos, hemos estado escuchando cada vez ms razones por las
que el enfoque basado en MRP no ha reducido inventarios ni mejorado el servicio al
cliente del sector manufacturero de Estados Unidos. Primero nos dijeron que la razn por
la que MRP no funcion fue porque nuestros registros de computadora no eran precisos.
As que los arreglamos; MRP todava no funcion. Entonces nos dijeron que nuestros
programas maestros de produccin no eran "realistas". As que empezamos a hacerlos
realistas, pero eso no funcion. A continuacin nos dijeron que no tenamos la
participacin de la alta direccin; As que la alta direccin se involucr. Finalmente nos
dijeron que el problema era la educacin. As que capacitamos a todos y generamos la
edad de oro de la consultora basada en MRP (Kanet 1988).
Debido a que estos esfuerzos an no hicieron efectivo MRP, Kanet y muchos otros
concluyeron que debe haber algo ms fundamentalmente incorrecto con el enfoque. La
verdadera razn de la incapacidad de MRP para llevar a cabo es que MRP se basa en el
modelo afligido. Como se analiz en el captulo 3, el clculo de la clave subyacente MRP se
realiza mediante el uso de plazos de entrega fijos para "volver a cabo" las emisiones a
partir de fechas de vencimiento. Estos plazos son slo funciones del nmero de pieza y no
se ven afectados por el estado de la planta. En particular, los plazos no consideran la carga
de la planta. Un sistema MRP asume que el tiempo para que una pieza viaje a travs de la
planta es el mismo si la planta est vaca o rebosante de trabajo. Como muestra la
siguiente cita del libro original de Orlicky, esta separacin de los tiempos de entrega de la
capacidad era deliberada y bsica para MRP (Orlicky 1975, 152):
Un sistema MRP es insensible a la capacidad, y adecuadamente, ya que su funcin es
determinar qu materiales y componentes sern necesarios y cundo, para ejecutar un
programa maestro de produccin determinado. Slo puede haber una respuesta correcta
a eso, y por lo tanto no puede variar dependiendo de qu capacidad existe o no existe.
Pero a menos que la capacidad sea infinita, el tiempo para que una parte atraviese la
planta depende de la carga. Dado que todas las plantas tienen una capacidad finita, la
suposicin de tiempo de entrega fijo es siempre, en el mejor de los casos, slo una
aproximacin de la realidad. Adems, debido a que la liberacin de trabajos demasiado
tarde puede destruir la coordinacin deseada de las piezas en el montaje o hacer que los
productos acabados salgan demasiado tarde, existe un fuerte incentivo para inflar los
plazos de ejecucin del MRP para proporcionar un amortiguador contra todas las
contingencias que una parte pueda tener Lidiar con (esperar detrs de otros trabajos,
interrupciones de la mquina, etc.). Sin embargo, inflar los plazos de entrega permite
trabajar ms en la planta, aumenta la congestin y aumenta el tiempo de flujo a travs de
la planta. Por lo tanto, el resultado es an ms presin para aumentar los plazos. El efecto
neto es que el MRP, promocionado como una herramienta para reducir inventarios y
mejorar el servicio al cliente, puede empeorarlos. Es bastante revelador que los defectos
que Kanet seal hace ms de 20 aos todava estn presentes en la mayora de los
sistemas MRP y ERP.
Este defecto en el modelo subyacente de MRP es tan simple, tan obvio, que parece
increble que podramos haber llegado hasta aqu sin notar (o al menos preocuparnos) por
ello. De hecho, es un caso de los peligros de permitir que el modelo matemtico sustituya
al modelo cientfico emprico en la gestin de la fabricacin. Pero hasta cierto punto,
debemos admitir que tenemos el beneficio de 20-20 de comprensin retrospectiva. Visto
histricamente, MRP tiene perfecto sentido y es, de alguna manera, el sistema de control

de produccin por excelencia de Amrica. Cuando la gestin cientfica se reuni con la

computadora, MRP fue el resultado. Desafortunadamente, la computadora que la gerencia
cientfica encontr era la computadora de los aos 60 y tena poder muy limitado. En
consecuencia, MRP es poco adecuado para el medio ambiente y las computadoras del siglo
XXI.
Como se seal en el captulo 3, el objetivo original y loable de MRP fue examinar
explcitamente la demanda dependiente. La alternativa, al tratar todas las demandas como
independientes y usar mtodos de punto de reorden para los inventarios de nivel inferior,
requera realizar una explosin de la carta de material y demandas de compensacin
contra los inventarios actuales, tareas tediosas de procesamiento de datos en sistemas con
listas de materiales complicadas. Por lo tanto, hubo un fuerte incentivo para la
informatizacin.
Sin embargo, el estado de la tcnica de la informtica a mediados de los aos sesenta era
un IBM 360 que usaba memoria "core" con cada bit representado por un donut magntico
del tamao de la letra O en esta pgina. Cuando el IBM 370 fue introducido en 1971, los
circuitos integrados substituyeron la memoria del ncleo. En ese momento un chip de
pulgada-cuadrado tpicamente tendra menos de 1000 caracteres. Ya en 1979, una
computadora central con ms de 1.000.000 de bytes de RAM era una mquina grande.
Con una memoria tan limitada, la realizacin de todo el procesamiento MRP en RAM
estaba fuera de la cuestin. La nica esperanza para los sistemas de tamao realista era
hacer MRP basada en transacciones. Es decir, los registros de partes individuales se
introduciran en un medio de almacenamiento (probablemente cinta), se procesaran y
volveran a almacenarse. Como sealamos en el captulo 3, la lgica MRP se adapta
exquisitamente a un sistema basado en transacciones.
Por lo tanto, si uno ve el objetivo como dirigido explcitamente a demandas dependientes
en un entorno basado en transacciones, MRP no es una solucin irrazonable. La esperanza
de los proponentes de MRP fue que, a travs de una cuidadosa atencin a los insumos,
control y circunstancias especiales (por ejemplo, agilizar), la falla del modelo subyacente
podra ser superada y el MRP sera reconocido como una mejora sustancial sobre los
mtodos de control de produccin ms antiguos. Esta fue exactamente la intencin de los
mdulos MRP II como CRP y RCCP. Por desgracia, stas no fueron exitosas y el MRP II fue
criticado en los aos ochenta, mientras que las empresas japonesas tuvieron un xito
sorprendente volviendo a mtodos que se asemejaban al antiguo enfoque de punto de
reorden. Los defensores de la JIT fueron rpidos para sonar el lazo de muerte de MRP.
Pero MRP no muri, en gran parte porque MRP II manej funciones importantes de
mantenimiento de datos de no produccin y procesamiento de transacciones, trabajos que
no fueron reemplazados por JIT. As MRP persisti en la dcada de 1990, se ampli en el
mbito de incluir otras funciones de negocios y mltiples instalaciones, y fue rebautizado
ERP. Simultneamente, la tecnologa informtica avanz hasta el punto en que la
restriccin basada en transacciones del MRP antiguo ya no era necesaria. Una serie de
compaas independientes surgieron en los aos 90 ofreciendo varios tipos de
planificadores de capacidad finita para reemplazar los clculos bsicos de MRP. Sin
embargo, debido a que eran ad hoc y variados, muchos usuarios industriales eran reacios a
adoptarlos hasta que se ofrecieron como parte de los paquetes de ERP integrales. Como
resultado, surgi una serie de alianzas, acuerdos de licencia y otros arreglos entre
proveedores de ERP y desarrolladores de software de aplicacin.

Hay mucho que es positivo sobre la evolucin reciente de los sistemas ERP. La integracin
y la conectividad que proporcionan proporcionan ms datos a los tomadores de decisiones
de una manera ms oportuna que nunca. Los mdulos de programacin de capacidad
finita son prometedores como reemplazo de la antigua lgica de MRP en algunos
entornos. Sin embargo, como discutiremos en el captulo 15, los problemas de
programacin son notoriamente difciles. No es razonable esperar una solucin uniforme
para todos los entornos. Por esta razn, los proveedores de ERP estn comenzando a
personalizar sus ofertas de acuerdo con las "mejores prcticas" en diversas industrias. Sin
embargo, los sistemas resultantes son ms monolticos que nunca, y a menudo requieren
que las empresas reestructuren sus negocios para cumplir con el software. Aunque
muchas empresas, condicionadas por el movimiento BPR a pensar en trminos
revolucionarios, parecen estar dispuestas a hacer esto, puede ser una tendencia peligrosa.
Cuantas ms empresas se ajusten a un estndar uniforme en la estructura de su gestin de
operaciones, en el caso de que sean capaces de utilizarlo como arma estratgica, y ms
vulnerables sern para los innovadores creativos en el futuro.
A finales de los aos 1900, ms grietas haban comenzado a aparecer en el paisaje ERP. En
1999, SAP AG, el proveedor de ERP ms grande del mundo, Fue golpeada por dos fallas
publicitarias muy publicitadas en Whirlpool Corp., dando como resultado la entrega de
envos de electrodomsticos a muchos clientes, en particular Hershey Foods Corp. Los
estantes de los vendedores de dulces estaban vacos justo antes de Halloween. Mientras
tanto, varias compaas decidieron desenchufar las instalaciones de SAP que cuestan entre
$ 100 y $ 250 millones (Boudette 1999). Finalmente, una encuesta realizada por Meta
Group de 63 compaas revel un retorno promedio o inversin de un negativo $ 1.5
millones para una instalacin de ERP (Stedman 1999).
Sin embargo, una vez que pas el milenio sin mayores problemas de software, la
planificacin de los recursos de la empresa se convirti casi inmediatamente en algo
anticuado. Los vendedores de software reemplazaron sus ofertas de ERP con paquetes de
administracin de la cadena de suministro (SCM) casi instantneamente. La velocidad y la
preparacin con la que hicieron el interruptor nos lleva a preguntarnos cunto se alter
realmente el software. Sin embargo, SCM se convirti en la nueva moda caliente en la
fabricacin. Muchas firmas crearon posiciones de VP para "administrar" sus cadenas de
suministro. Legiones de consultores ofrecieron apoyo. Y las ventas de software
continuaron.
Al igual que con las "revoluciones" de fabricacin pasadas, las esperanzas eran altas para
SCM. La prensa popular estaba llena de artculos profetizando que SCM revolucionara la
industria coordinando proveedores, clientes e instalaciones de produccin para reducir
inventarios y mejorar el servicio al cliente. Pero SCM, al igual que las revoluciones pasadas,
no cumpli con las promesas hechas en su nombre y ERP regres junto con SCM, lo que
confunde an ms el asunto. Durante los aos noventa y principios de los aos 2000,
varias encuestas mostraron mejoras en la aplicacin de la tecnologa de la informacin,
aunque el rendimiento permanece por debajo de las expectativas.
Una encuesta, conocida ahora como el "Informe del Caos", llevada a cabo por el Grupo
Standish en 1995, mostr que ms del 31 por ciento de todos los proyectos de LT son
cancelados antes de que se completen y que casi el 53 por ciento de los proyectos costara
189 por ciento de su original estimados. Por otra parte, slo el 16 por ciento de los
proyectos de software se completaron a tiempo y en el presupuesto. Ms recientemente,

la Encuesta Robbins-Gioia (2001) indic que el 51 por ciento de las empresas encuestadas
pensaron que su implementacin de ERP no tuvo xito. El problema principal parece ser la
complejidad inherente de tales sistemas y la falta de comprensin de exactamente qu se
supone que el sistema debe hacer.
La bien conocida serie de apuntes y recriminaciones que surgieron entre Nike e i2 en 2001
ilustraba la frustracin experimentada por los gerentes que sentan que se les haba
negado una solucin a su problema de coordinacin de larga data (Koch 2007). La
situacin incluso lleg a la atencin de los altos niveles del gobierno, como se evidenci
cuando el presidente de la Reserva Federal, Alan Greenspan, testific ante el Congreso a
mediados de febrero de 2001 que se anticipaba una acumulacin de inventarios, a pesar
de los avances en la automatizacin de la cadena de suministro.
A pesar de todo esto, la idea original de MRP -que las demandas independientes y
dependientes deben ser tratadas de manera diferente- son fundamentales. La estructura
de planificacin jerrquica central para la construccin de MRP II (y tambin para sistemas
ERP / SCM) proporciona coordinacin y una estructura lgica para mantener y compartir
datos. Sin embargo, hacer uso efectivo de la potencia de procesamiento de datos y la
sofisticacin de la programacin prometida por los sistemas ERP / SCM del futuro
requerir adaptar el sistema de informacin a las necesidades empresariales de la
empresa y no al revs. Esto requerira una slida comprensin de los procesos centrales y
los efectos de las decisiones especficas de planificacin y control sobre ellos.
La evolucin de MRP a ERP / SCM represent una impresionante serie de avances en la
tecnologa de la informacin. Sin embargo, como en la gestin cientfica, la falla en MRP
siempre ha sido la falta de un modelo cientfico preciso de los procesos de flujo de
materiales subyacentes. El xito final del movimiento SCM depender mucho ms del
progreso del modelado que promueve que de los avances adicionales en tecnologa de la
informacin.

5.5 Otros Enfoques "Cientficos"

Ni la investigacin de operaciones ni el MRP lograron llegar a una solucin sistemtica al
problema de la gestin manufacturera planteado por el movimiento de gestin cientfica
original. Pero esto no puso fin a la bsqueda. Con los aos una variedad de movimientos
han intentado asumir el manto de la gestin cientfica, con diversos grados de xito. A
continuacin resumimos algunos de los que han tenido un impacto significativo en la
prctica actual.

5.5.1 Reingeniera de procesos de negocio

En su ncleo, la reingeniera de procesos de negocio (BPR) fue el anlisis de sistemas
aplicado a la gestin. 2 Pero, de acuerdo con la proclividad norteamericana por lo grande y
lo audaz, el nfasis se puso fuertemente en el cambio radical. Los principales proponentes
de BPR lo definieron como "el replanteamiento fundamental y el rediseo radical de los
procesos de negocios para lograr mejoras dramticas en medidas crticas y
contemporneas de desempeo, tales como costo, calidad, servicio y velocidad" (Hammer
y Champy, 1993). Debido a que la mayora de los esquemas de rediseo generados por

BPR implicaban la eliminacin de empleos, pronto se convirti en sinnimo de reduccin

de personal.
2 El anlisis de sistemas es un enfoque racional de medios y fines para la resolucin de
problemas en el que las acciones se evalan en trminos de objetivos especficos. Lo
discutimos con mayor detalle en el captulo 6.
Como palabra de moda, BPR cay en desgracia tan rpidamente como surgi. A finales de
los aos noventa haba sido desterrado de la mayora de vocabularios corporativos. Sin
embargo, dej un legado duradero. Los despidos de los aos noventa, en tiempos malos y
buenos, ciertamente tuvieron un efecto positivo en la productividad laboral. Pero debido a
que los despidos afectaron tanto a la mano de obra como a la gerencia intermedia a un
grado sin precedentes, minaron la lealtad de los trabajadores.3 Adems, el BPR represent
una reaccin extrema contra la plcida estabilidad de la era dorada de los aos sesenta; El
cambio radical ya no slo no era temido, sino que se buscaba. Esto abri el camino para
ms revoluciones. Por ejemplo, es difcil imaginar que la gestin abarque los sistemas de
ERP de finales de los aos noventa, lo que requiri una reestructuracin fundamental de
los procesos para adaptarse al software en lugar del otro, sin haber sido previamente
condicionados por BPR a pensar en trminos revolucionarios.
3 La enorme popularidad de los dibujos animados de "Dilbert", que empujan la diversin
libre en BPR y otras modas de la gerencia, aprovecharon el sentido cada vez mayor de la
alienacin sentido por la mano de obra en Amrica corporativa. Irnicamente, algunas
compaas realmente respondieron prohibindolas desde cubculos de oficina.
5.5.2 Manufactura Lean
Aunque BPR desapareci rpidamente, la perspectiva de anlisis de sistemas que
engendr vivi. Los profesionales de la fabricacin lean desarrollaron una versin de los
sistemas de anlisis de la cartografa de flujo de valor (VSM) que tena mucho en comn
con BPR. El mapeo de flujo de valor es realmente una variacin de un procedimiento ms
antiguo conocido como "mapeo de flujo de proceso", que proporciona una representacin
visual del proceso que se va a estudiar o mejorar. VSM comienza haciendo un "mapa de
estado actual" que identifica un flujo caracterstico de partes a travs de la planta y luego
compara el tiempo de "valor agregado" con el tiempo de ciclo total de la pieza. Los
resultados son a menudo impresionantes, con un tiempo de valor aadido inferior al 1 por
ciento del total. A continuacin, el practicante crea un "mapa del estado futuro", que
muestra cmo se ver el sistema una vez que todas las mejoras estn en su lugar. Sin
embargo, aunque VSM es un primer paso til, no es un paradigma de anlisis de sistemas
totalmente desarrollado por las siguientes razones:
1. No existe una definicin exacta de "valor aadido", una omisin que con frecuencia
lleva a una gran cantidad de tiempo perdido dedicado a discutir lo que es el valor
aadido y lo que no.
2. El tiempo de valor agregado es a menudo tan corto que no ofrece un objetivo
razonable para el tiempo de ciclo.
3. VSM no proporciona un medio para diagnosticar las causas de tiempos de ciclo largos.
4. A pesar de que VSM recopila datos de capacidad y demanda, no calcula la utilizacin y
por lo tanto nunca descubre cuando un proceso se enfrenta a la demanda ms all de
su capacidad.
5. No hay ninguna comprobacin de factibilidad para el "estado futuro".

Esto no quiere decir que VSM no sea til-lo es. Cualquier proyecto de mejora debe
comenzar con una evaluacin del estado actual. Cientos de empresas han descubierto
importantes oportunidades simplemente utilizando VSM para examinar cuidadosamente
sus procesos actuales. Sin embargo, una vez que se ha cosechado la fruta baja, VSM no
ofrece un medio para identificar mejoras adicionales. Tomar este paso adicional requiere
un modelo que conecte sistemticamente las polticas al rendimiento. Nada en el actual
movimiento de manufactura lean est a punto de proporcionar tal modelo.

5.5.3

seis sigma

Dado que se basa en el mtodo cientfico, Six Sigma tiene sus races en el movimiento de la
gestin cientfica. Pero, como sealamos anteriormente, Six Sigma enfatiza slo el aspecto
de la experimentacin del mtodo cientfico. A falta de un modelo subyacente, trata cada
sistema de produccin como una "caja negra" y no retiene los descubrimientos obtenidos
durante los experimentos. En este sentido, los especialistas de Six Sigma son como
cientficos que tiran sus viejos datos cada vez que hacen nuevas observaciones. Por
supuesto, este tipo de enfoque es absurdo, desde una perspectiva cientfica. Pero sigue
siendo la norma, porque los profesionales de la fabricacin no son cientficos. As, en vez
de promulgar sus resultados y construir lentamente un edificio de teora, ven cada
situacin como nueva y nica. Poco se retiene de las experiencias anteriores y an menos
se comparte entre las empresas.
Sin embargo, Six Sigma, que comenz como un medio para identificar y reducir la
variabilidad en los procesos, ahora ofrece su propio enfoque de anlisis de sistemas, y
utiliza mtodos muy sofisticados. El mtodo se llama DMAIC:
Define el problema.
Mida el rendimiento y cuantifique el problema.
Analizar utilizando principalmente tcnicas estadsticas.
Mejorar la situacin.
Control, como en "mantener el proceso en control."
El enfoque DMAIC es extremadamente til para abordar los problemas que Six Sigma fue
diseado originalmente para manejar. Muestra sus races de control de calidad en los
pasos de anlisis y control. Sin embargo, al igual que la cartografa de flujo de valor, DMAIC
no es un sustituto de un paradigma general de anlisis de sistemas.
Para ver por qu, considere aplicar el enfoque DMAIC al problema de reducir el tiempo de
ciclo (el tiempo para que un trabajo pase por la fbrica). Una vez que se han recopilado
datos sobre los tiempos de ciclo actuales y se ha fijado un objetivo cuantitativo, el proceso
requiere que comience el paso de anlisis. Pero, invariablemente, alguien del equipo de
mejora afirmar que el paso de la medida no est completo porque se han recogido datos
insuficientes. La razn de esto ocurre es que medir y analizar siempre van juntos, y no
pueden ser arbitrariamente separados en procesos completamente diferentes.
Simplemente no es posible recoger todos los datos necesarios de antemano. En su lugar, el
proceso de medicin y anlisis procede iterativamente a medida que cada paso de anlisis
conduce a ms preguntas.

Otro problema con el paso de anlisis en DMAIC es que normalmente utiliza mtodos
estadsticos para determinar la causa y el efecto.
Los autores han observado los peligros de esto mientras que la enseanza bsica de la
Fsica de Fbrica a un grupo de Six-Sigma cinturn negro candidatos, que acababan de
pasar dos semanas de entrenamiento Six Sigma convencional, incluyendo el diseo de
experimentos y el anlisis de la varianza. El grupo pas 4 das estudiando el
comportamiento bsico de los sistemas de manufactura (es decir, la Parte II de este libro) y
luego, el ltimo da del curso, se asign a los miembros un estudio de caso para reducir el
tiempo de ciclo. A pesar de nuestros esfuerzos para mostrarles las causas de los largos
tiempos de ciclo a travs de la teora de la Fsica de Fbrica, cada miembro de la clase
recurri a disear un experimento para determinar la causa de tiempos de ciclo largos.
Evidentemente, la estricta devocin al enfoque DMAIC haba cegado al grupo de ver por
qu los tiempos de ciclo eran largos.
Irnicamente, parece que BPR y Six Sigma, movimientos que tienen sus races en el campo
ultraracional del anlisis de sistemas, pueden haber dejado a muchos profesionales de la
manufactura ms vulnerables a las modas irracionales de moda que nunca.

5.6 Dnde ir desde aqu?

En la primera parte del libro, y particularmente en este ltimo captulo, hemos hecho los
siguientes puntos:
1. La gestin cientfica se ha convertido en gestin matemtica en la medida en que ha
reducido el problema de la gestin de fabricacin a subproblemas analticamente
manejables, a menudo haciendo uso de suposiciones de modelos poco realistas que
proporcionan poca orientacin til desde una perspectiva general. Los mtodos
matemticos y algunos de los puntos de vista originales pueden sin duda todava ser
tiles, pero necesitamos un marco mejor para aplicarlos en el contexto de una
estrategia de negocio global.
2. La tecnologa de la informacin sin un modelo adecuado del proceso de flujo es
fundamentalmente defectuosa. Por ejemplo, el MRP no est en los detalles, sino en los
conceptos bsicos, ya que utiliza un enfoque de tiempo fijo de capacidad infinita para
controlar las versiones de trabajo. Los "parches", como el MRP II y el CRP, pueden
mejorar el sistema de maneras pequeas, pero no pueden corregir este problema
bsico. Adems, la falla fundamental de MRP se ha trasladado a ERP y SCM.
3. Otros enfoques "cientficos", como la reingeniera de procesos de negocios, han
exhortado tpicamente a los gerentes a replantearse sus procesos sin proporcionar un
marco para hacerlo. Estos enfoques terminaron por identificarse demasiado
estrechamente con soluciones exclusivamente radicales y reducciones de tamao para
proporcionar una alternativa equilibrada.
4. La fabricacin Lean proporciona muchas herramientas tiles para mejorar las
operaciones. Pero la metodologa es de imitacin y, como tal, no ofrece un enfoque
general para mejorar ninguna operacin, ni tampoco ofrece un paradigma integral de
anlisis de sistemas. El mapeo de flujo de valores proporciona un buen comienzo en
esa direccin, pero no va lo suficientemente lejos como para proporcionar soluciones
a muchos problemas reales (por ejemplo, dimensionamiento de lotes prcticos y
ajuste de stock).

5. Seis Sigma se basa en el mtodo cientfico, particularmente el paso de la

experimentacin. Sin embargo, Six Sigma no proporciona un paradigma para organizar
y retener el conocimiento obtenido de experimentos. Adems, aunque el
procedimiento DMAIC es til para determinar las causas e implementar controles de
variabilidad, no ofrece un conjunto completo de herramientas.
En la prctica, es cierto que el morphing (retoque) de JIT y TQM en lean y Six Sigma ha dado
lugar a mtodos ms robustos, pero lo que nos queda son todava conjuntos de tcnicas en
lugar de sistemas integrales. A pesar de muchas afirmaciones grandiosas, ninguno de estos
mtodos ha reducido los xitos de Toyota de los aos 80 a un libro de cocina de reglas. Las
muchas ideas creativas de los fundadores de JIT y TQM necesitan un marco ms sutil y ms
complejo para ser comprendidos y aplicados correctamente. Necesitan una ciencia de la
fabricacin.
Las tendencias histricas contienen muchos de los componentes necesarios en una ciencia de
la manufactura, pero no todos ellos. De hecho, si la gestin cientfica hubiera incluido ms
ciencia con sus matemticas, si la tecnologa de la informacin hubiera aadido un modelo
cientfico a sus modelos de datos, si la "reingeniera" se hubiera basado en un paradigma de
sistemas completo en lugar de un excesivo programa de reduccin, Si la manufactura lean
hubiera desarrollado una comprensin que iba ms all de la experiencia previa y si Six Sigma
hubiera construido un paradigma sobre el cual colgar los resultados de sus experimentos,
cualquiera de estos movimientos podra haber llevado a la aparicin de una verdadera ciencia.
Pero ya que todos parecen haber sido obstaculizados por desvos peridicos en "campaa de
la palabra de moda (buzzworth blitzes)", se deja a la investigacin de fabricacin y la
comunidad de prctica a dar un paso atrs y aplicar la ciencia genuina al problema vital de la
gestin de los sistemas de fabricacin.
No tenemos ilusiones de que esto ser fcil. Los estadounidenses parecen tener una fe
obstinada en el eventual surgimiento de una solucin rpida y permanente al problema de la
fabricacin. Testigo del famoso economista John Kenneth Galbraith que hace eco de la
excesiva confianza de Lord Kelvin sobre la fsica, Galbraith afirmando que habamos "resuelto
el problema de la produccin" y podra pasar a otras cosas (Galbraith, 1958). A pesar de que
rpidamente se hizo evidente que el problema de la produccin estaba lejos de ser resuelto, la
fe en la posibilidad de una solucin rpida se mantuvo inquebrantable. Cada enfoque sucesivo
a la gestin de la fabricacin-gestin cientfica, investigacin de operaciones, MRP, JIT, TQM,
BPR, ERP, SCM, lean, Seis Sigma, y as sucesivamente- se ha vendido como la solucin. Cada
uno nos ha decepcionado, pero seguimos buscando la elusiva "bala de plata tecnolgica" que
salvar a la manufactura estadounidense.
La fabricacin es compleja, a gran escala, multiobjetiva, cambiante y altamente competitiva.
No puede haber una solucin simple y uniforme que funcione bien en un espectro de entornos
de fabricacin. Por otra parte, incluso si una empresa puede llegar a un sistema que funciona
muy bien hoy en da, la falta de continuar mejorando es una invitacin a ser superado por la
competencia. Cada empresa debe depender de sus propios recursos para desarrollar una
estrategia de fabricacin efectiva, respaldarla con las polticas y procedimientos adecuados y
seguir mejorndolos con el tiempo. A medida que la competencia global se intensifica, la
medida en que una empresa hace esto se convertir no slo en una cuestin de rentabilidad,
sino de supervivencia. Factory Physics proporciona un marco para la comprensin de estos
procesos centrales y las relaciones entre las medidas de rendimiento.

Aprenderemos de la historia o seguiremos siendo desviados por el atractivo de una solucin

rpida? Traeremos ideas juntas dentro de un marco cientfico racional o continuamos
simplemente a jugar el juego que compone nuevas palabras de moda. O, peor an, nos
cansaremos y comenzaremos a concatenar palabras de moda ya existentes, como en el caso
del "sigma"?
Creemos que la era de la ciencia en la fabricacin est a la mano. Como se ver en la Parte II,
se conocen muchos principios bsicos que rigen el comportamiento de los sistemas de
fabricacin. Si construimos sobre stos para proporcionar un marco para las muchas ideas
inherentes en las tendencias de la gerencia que hemos discutido arriba, podemos finalmente
realizar la promesa de la gerencia cientfica: la gestin cientfica basada en la ciencia!

Puntos de discusin
1. Considere la siguiente cita que se refiere al problema de programacin minimizarmakespan de dos mquinas:
En este momento, parece que un trabajo de investigacin (de Johnson) estableci una ola de
investigacin en movimiento que devor los recuerdos de aos-persona de tiempo de
investigacin sobre un problema insoluble de poca consecuencia prctica. (Dudek, Panwalkar y
Smith, 1992)
(A) Por qu los acadmicos trabajan en un problema de este tipo?
(B) Por qu las revistas acadmicas publican tal investigacin?
(C) Por qu los profesionales de la industria no redirigieron la investigacin acadmica o
desarrollaron herramientas de programacin eficaces por su cuenta?
2. Considere las siguientes citas:
Un sistema MRP es insensible a la capacidad, y adecuadamente, ya que su funcin es
determinar qu materiales y componentes sern necesarios y cundo, para ejecutar un
programa maestro de produccin determinado. Slo puede haber una respuesta correcta a
eso, y por lo tanto no puede variar dependiendo de qu capacidad existe o no existe. (Orlicky
1975)
Durante al menos diez aos, hemos estado escuchando cada vez ms razones por las que el
enfoque basado en MRP no ha reducido inventarios o mejorado el servicio al cliente del sector
manufacturero de los Estados Unidos. Primero nos dijeron que la razn MRP no funcion fue
porque nuestros registros de la computadora no eran precisos. As que los arreglamos; MRP
todava no funcion. Entonces nos dijeron que nuestros programas maestros de produccin no
eran "realistas". As que empezamos a hacerlos realistas, pero eso no funcion. Luego nos
dijeron que no tuvimos la participacin de la direccin; As que la alta direccin se involucr.
Finalmente nos dijeron que el problema era la educacin. As que capacitamos a todos y
generamos la edad de oro de la consultora basada en MRP. (Kanet 1988)
(A) Quin tiene razn? Es MRP fundamentalmente defectuoso, o puede su paradigma bsico
ser hecho para trabajar?
B) Qu tipos de entorno son los ms adecuados para MRP?

(C) Qu enfoques se pueden imaginar para hacer que un sistema MRP tenga en cuenta la
capacidad finita?
(D) Sugerir oportunidades para integrar conceptos JIT en un sistema MRP