Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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.
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.
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
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.
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.
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