En varias ocasiones en los capítulos anteriores insistimos en que algunos de los factores

fundamentales a considerar al diseñar SCN son variables aleatorias. Esto incluye la demanda del
producto y, por lo tanto, los requisitos de capacidad (ver Capítulo 8); tiempos de entrega y tarifas de
transporte debido, entre otras cosas, al costo del combustible y los errores de regresión de la función
de costo (ver Cap. 5); costos de recursos de producción, debido, en particular, a las variaciones del
tipo de cambio (véase el capítulo 9); y así. Cuando se consideran los horizontes de planificación de
varios años, uno está naturalmente expuesto a entradas y salidas de efectivo al azar (ver Capítulo 2).
A pesar de esto, los modelos de diseño SCN propuestos en capítulos anteriores suponen que todos
los datos requeridos se conocen con certeza. Además, en las últimas décadas, varias compañías han
sufrido desastres naturales, accidentes industriales, quiebras de proveedores, huelgas y otros eventos
disruptivos importantes, lo que resulta en una pérdida significativa de participación de mercado e
ingresos, la destrucción de recursos y altos costos de recurso . Los líderes empresariales deben ser
capaces de proporcionar una protección adecuada contra los eventos aleatorios habituales de los
negocios, así como eventos destructivos de alto impacto a través del diseño de SCN robustos y
resistentes. En consecuencia, este capítulo aborda los siguientes problemas: ¿Cómo se pueden
identificar las vulnerabilidades de un SCN? ¿Cómo se pueden anticipar los altibajos de los negocios
cotidianos? ¿Cómo se puede estimar la probabilidad y el impacto de eventos catastróficos? ¿Cómo
pueden usarse estos métodos para facilitar el diseño de SCN robustos? Las respuestas a estas
preguntas sugieren que se obtienen mejores diseños de SCN al considerar conjuntos de escenarios
futuros plausibles en lugar de un solo futuro esperado. Por lo tanto, el capítulo propone un enfoque
para modelar el riesgo y para la generación de escenarios futuros plausibles. El enfoque propuesto
se basa en conceptos estándar de probabilidad y estadística, y asumimos de ahora en adelante que el
lector está familiarizado con estas nociones.

10.1 Redes de la cadena de suministro bajo incertidumbre

10.1.1 Vulnerabilidades de la red de la cadena de suministro

El Centro de Investigación sobre Epidemiología de los Desastres (CRED www.emdat. Be)

identificó 330 desastres que afectaron a 108 países en 2013. La Tabla 10.1 proporciona una muestra
de los principales eventos catastróficos observados en las últimas dos décadas y destaca su impacto
en los SCN de las empresas. Muestra que pueden afectar la oferta, la capacidad de producción-
distribución y la demanda de SCN. Según una encuesta reciente (Taylor 2013), en 2012, el 63% de
las empresas europeas, de Medio Oriente y África experimentaron interrupciones SC debido a
eventos imprevistos fuera de su control vinculados al contexto económico (24%), desastres
naturales (19%) , dificultades del subcontratista (16%) e incluso terrorismo (5%). En promedio,
después de un incidente, a las empresas les ha llevado 63 días volver a sus actividades habituales.
Según una encuesta reciente del WEF (Bhatia et al. 2013), los desastres naturales son el principal
tipo de eventos extremos que amenazan a los SCN. Los conflictos, los disturbios políticos, el
terrorismo y las perturbaciones de la demanda (por ejemplo, la disminución de la demanda de
materiales de construcción en los Estados Unidos después de la crisis financiera de 2008) también
son preocupaciones importantes. El informe también subraya que el riesgo cibernético es un
problema cada vez más grave. En un estudio de 2007 (van Opstal 2007), el Consejo de
Competitividad descubrió que el 93% de las empresas que perdieron el acceso a sus centros de
datos durante diez días o más se declararon en bancarrota al año siguiente. Las interrupciones de
SCN resultan en pérdidas financieras significativas y amenazan la competitividad de las empresas.

Los efectos en cascada que las interrupciones importantes pueden tener en los grupos de empresas
interconectadas también pueden ser significativos. Por ejemplo, el tsunami japonés de 2011 resultó
en una reducción del 1.1% de la producción industrial mundial en el mes siguiente. En particular, el
PSA Peugeot Citroën en Europa se vio gravemente afectado. El cierre temporal de una planta de
Hitachi en Japón conduce a la interrupción del suministro de un componente electrónico a PSA, lo
que a su vez resultó en una reducción de la producción del 25–60% en ocho plantas de ensamblaje
de PSA en Francia, España y Eslovaquia (Bourgin y Lenoire 2012). Del mismo modo, después de
las inundaciones de Tailandia en 2012, más de 1000 plantas se vieron fuertemente afectadas en las
industrias automotriz y de alta tecnología. Los eventos catastróficos han sido ignorados en gran
medida por las empresas hasta los últimos años. Sin embargo, el análisis de riesgos ahora se
considera una parte importante de cualquier proyecto de diseño de sistemas SC, como lo confirma
su reciente incorporación al modelo SCOR (véase la sección 3.2.4).

En la Fig. 10.1 se distinguen tres categorías amplias de fuentes de vulnerabilidad de SCN: activos
internos de SCN, socios de SC e infraestructuras públicas. Los activos internos incluyen equipos,
vehículos, recursos humanos e inventarios encontrados en centros de producción - distribución,
centros de recuperación - rehabilitación y centros de servicio. Estos activos son vulnerables cuando
se encuentran en sitios expuestos a interrupciones. Los socios de SC incluyen clientes, proveedores
de materias primas y energía, fabricantes por contrato y 3PL. El SCN es vulnerable cuando existe
una fuente de suministro única para algunos materiales o componentes, cuando los carriles de
suministro son largos o cuando las ventas dependen en gran medida de un mercado de productos
principales expuesto. Las infraestructuras públicas (terminales de transporte, carreteras, redes de
telecomunicaciones, redes de electricidad, plantas de servicios públicos, etc.) utilizadas por un SCN
también pueden fallar. Los activos, socios e infraestructuras están ubicados físicamente en áreas
geográficas específicas. Por lo tanto, están expuestos a desastres naturales (ciclones, terremotos,
inundaciones, volcanes, incendios forestales, sequías, tormentas de hielo, epidemias de
enfermedades infecciosas, etc.). También pueden fallar debido a accidentes industriales, incendios,
disputas laborales, ataques terroristas, etc. La oferta y la demanda también pueden verse perturbadas
por la quiebra de un socio, las caídas repentinas en la disponibilidad de material, la inestabilidad
política, la falla del mercado, etc.

Los eventos empresariales aleatorios diarios son relativamente fáciles de modelar utilizando
procesos estocásticos. Sin embargo, incluso si pueden tener consecuencias catastróficas, los eventos
disruptivos importantes son difíciles de predecir y, por lo tanto, difíciles de modelar. Los desastres
naturales y accidentales siguen la ley de Pareto: una pequeña proporción de las interrupciones causa
una gran parte del daño (Sheffi 2005). Es por eso que la exposición a tales eventos generalmente se
evalúa asociando su probabilidad de ocurrencia con su impacto comercial. La matriz de exposición
al riesgo propuesta por Norrman y Jansson (2004), e ilustrada en el lado izquierdo de la Fig. 10.2,
resume las dos dimensiones de los enfoques básicos de evaluación de riesgos. Este tipo de matriz de
riesgo a menudo se usa en la práctica para clasificar las vulnerabilidades. Las matrices, como la que
se muestra a la derecha de la Fig. 10.2, a menudo se utilizan para asignar subjetivamente un nivel de
exposición a posibles peligros. Mostramos en este capítulo que este enfoque es bastante simplista y
que el modelado de eventos extremos requiere un enfoque de análisis estadístico más elaborado. La
Universidad de Cranfield desarrolló un libro de trabajo para la evaluación subjetiva de las
vulnerabilidades y para la evaluación de su impacto para el Departamento de Transporte del Reino
Unido (Christopher 2003).
10.1.2 Caracterización del entorno empresarial

Un SCN debe estar diseñado para hacer frente a su entorno futuro, pero en el momento en que se
rediseña, el futuro no se conoce con certeza. Los negocios como de costumbre y los eventos
extremos mencionados son fuentes importantes de incertidumbre, pero puede faltar la información
disponible para caracterizar algunos de ellos. Tales situaciones de toma de decisiones pueden
caracterizarse en función de la calidad de la información: las decisiones se toman con certeza
cuando hay información perfecta disponible y con incertidumbre cuando la información obtenible
es parcial (o imperfecta) (Klibi et al. 2010). El término incierto es de valor neutral, es decir, incluye
la posibilidad de ganancia y, por el contrario, la posibilidad de daño o pérdida. La incertidumbre
puede conducir al riesgo y este término se refiere a la posibilidad de que se puedan producir
resultados no deseados. El riesgo aumenta a medida que aumenta la probabilidad y el impacto
negativo de los posibles resultados, como lo ilustran las matrices de exposición al riesgo en la figura
10.2.

El horizonte de planificación considerado en los problemas de diseño de SCN bajo incertidumbre

cubre un conjunto de períodos operativos s 2 T u correspondientes a intervalos de tiempo discretos
entre las decisiones operativas de los usuarios de SCN, como días o semanas. Estos períodos son,
por lo tanto, mucho más cortos que los períodos de planificación agregados t 2 T definidos en el
capítulo. 8 para la formulación de modelos de diseño dinámico con certeza (ver Fig. 8.19). Como se
muestra en la figura 10.3, el entorno empresarial en el que operará la futura red logística
generalmente no se conoce cuando se toman las decisiones de diseño. Se conoce gradualmente a
medida que se toman decisiones operativas diarias. Sin embargo, para poder tomar decisiones de
diseño, debe anticiparse. La forma más sencilla de hacer esto es incorporar varios escenarios futuros
plausibles en los modelos de diseño SCN. Debido a que la recuperación de las interrupciones de
SCN puede durar solo una fracción de un período de planificación o puede superponerse a períodos
de planificación adyacentes, los escenarios futuros plausibles deben elaborarse durante períodos
operativos y luego agregarse en períodos de planificación para fines de diseño.

Durante el horizonte de planificación, el entorno evoluciona dinámicamente. Para simplificar,

suponemos que los cambios en el estado del medio ambiente solo pueden ocurrir al comienzo de los
períodos operativos. Por lo tanto, un entorno se define como las condiciones internas y externas
bajo las cuales opera el SCN durante un período operativo dado. El futuro se considera
especificando posibles secuencias de entornos en el horizonte de planificación. Cada posible
secuencia de entorno define un escenario futuro plausible. Un evento es un factor o incidente
medible (es decir, que tiene consecuencias observables) que influye en el entorno empresarial
durante un intervalo de tiempo determinado, es decir, durante un subconjunto adyacente de períodos
en Tu. Como se muestra en la figura 10.3, se pueden observar eventos de un solo período y de
varios períodos, dependiendo de la granularidad de los períodos operativos. El entorno del período
de planificación t 2 T es, por lo tanto, un evento compuesto, es decir, el resultado de todos los
eventos que ocurren durante el período de planificación t.

Bajo incertidumbre, diferentes calidades de información pueden estar disponibles. El peor de los
casos es la incertidumbre total o la ignorancia completa. Se pueden distinguir tres tipos de
incertidumbres cuando hay información parcial disponible: aleatoriedad, peligro e incertidumbre
profunda. La aleatoriedad se caracteriza por variables aleatorias relacionadas con los negocios como
operaciones habituales; peligro por baja probabilidad, alto impacto, eventos inusuales; y profunda
incertidumbre por la falta de información para evaluar la probabilidad de eventos extremos futuros
plausibles. A partir de esta caracterización de la incertidumbre, se ve que tres tipos de eventos dan
forma a los entornos SCN:
 • Eventos aleatorios, es decir, posibles resultados definidos en un solo período y de modo que
se pueda estimar su probabilidad de ocurrencia. La información histórica sobre la oferta, la
demanda, los costos, los plazos de entrega, las tasas de falla, las tasas de cambio, etc. se
pueden usar para estimar la distribución de probabilidad de variables aleatorias relacionadas
con el negocio como operaciones habituales de un SCN. Estos eventos incluyen el caso
degenerado de ciertos eventos que ocurre cuando hay información perfecta disponible.
• Eventos peligrosos (peligros), es decir, factores o incidentes que afectan una cantidad de
períodos adyacentes y resultan en interrupciones de SCN. Los peligros son eventos raros
pero repetitivos que pueden caracterizarse por procesos formales de ubicación, gravedad y
ocurrencia. Incluyen incidentes naturales, accidentales o intencionales que afectan los
recursos de SCN. También incluyen las interrupciones derivadas de los peligros naturales
que afectan a una región geográfica, como terremotos, inundaciones, tormentas de viento,
erupciones volcánicas, sequías, incendios forestales, olas de calor, heladas y olas de frío.
Para tales eventos, los modelos de catástrofe se han utilizado para proporcionar una
probabilidad de ocurrencia y / o una probabilidad de pérdidas monetarias asociadas basadas
en datos históricos y / u opiniones de expertos profesionales (Grossi y Kunreuther 2005).
Cuando los datos no son suficientes para estimar las probabilidades objetivas, subjetivas o
parcialmente subjetivas, se utilizan las probabilidades.
• Eventos profundamente inciertos, es decir, incidentes que afectan una cantidad de períodos
adyacentes para los cuales existe poca información. Estos eventos incluyen eventos
extremos aislados, no repetitivos para los cuales no se puede evaluar la probabilidad de
ocurrencia (Banks 2006). Los eventos relacionados con el terrorismo (sabotaje, bombardeo,
etc.) y la inestabilidad política (devaluación repentina de la moneda, golpe de estado, etc.),
con un tiempo impredecible de ocurrencia, gravedad y ubicación, se consideran
profundamente inciertos. En el pasado reciente, algunas de estas interrupciones, como el
ataque del 9/11 WTC, la epidemia de SARS y la Primavera Árabe, condujeron a fracasos
comerciales importantes.

En la figura 10.4 se proporciona un resumen de las características de los diferentes tipos de eventos
que afectan a los SCN.
10.2 Modelado de eventos aleatorios
Esta sección se centra en el modelado de eventos aleatorios habituales caracterizados por variables
aleatorias con funciones de probabilidad conocidas. Las funciones de probabilidad típicamente
utilizadas para modelar estos procesos estocásticos incluyen distribuciones continuas normales, log-
normales, exponenciales y uniformes, así como distribuciones discretas binomiales, de Poisson y
uniformes. Como se mencionó, suponemos que ocurren eventos aleatorios durante un solo período
operativo s. Antes de tomar una decisión de diseño, cada evento e se modela mediante una variable
aleatoria f, que puede depender del tiempo y / o variables explicativas exógenas. La figura 10.5
ilustra el modelado de un proceso estocástico estacionario (por ejemplo, demanda diaria o semanal).
Las observaciones históricas se utilizan para estimar la función de distribución acumulativa F e ðfÞ
de la variable aleatoria f e asociada con el evento. Esta distribución se utiliza para generar
escenarios futuros plausibles, es decir, series de valores posibles f e s de la variable aleatoria
durante los períodos s2Tu del horizonte de planificación. Las observaciones históricas utilizadas
para estimar la variable aleatoria no deberían verse afectadas por los peligros para capturar la
naturaleza fundamental del fenómeno subyacente.

La figura 10.6 ilustra las variables aleatorias típicas que afectan el entorno empresarial. El gráfico
del lado izquierdo muestra la fluctuación de los precios del petróleo crudo durante los últimos 15
años, uno de los principales determinantes de los costos de transporte. Dos fenómenos superpuestos
son visibles en este gráfico. En tiempos normales, los precios del petróleo aumentan gradualmente y
muestran variaciones de hasta ± USD 15 en torno a una tendencia al alza. Sin embargo, el impacto
de la crisis financiera de 2008 también es claramente visible. El diagrama a la derecha muestra el
gasto en construcción residencial en los Estados Unidos. La construcción de casas influye en la
demanda de muchos productos, como madera y otros materiales de construcción. El impacto de la
crisis económica 2006–2009 también es visible en este gráfico.
Otros ejemplos de variables aleatorias habituales incluyen los tipos de cambio Canadá – USD y
Euro – USD que se muestran en la figura 9.5, así como los errores de regresión para la función de
costo de transporte que se muestra en la figura 5.19.

Christopher y Holweg (2011) calcularon un índice agregado de volatilidad basado en los tipos de
cambio, las tasas de interés, los precios de las materias primas y los datos de costos de envío, y
descubrieron que los SC actualmente están experimentando su mayor nivel de volatilidad desde la
década de 1970. Desde un punto de vista estadístico, los procesos subyacentes también son a
menudo no estacionarios, y está claro que la aproximación de su comportamiento por los valores
esperados no es suficiente. Hoy en día, la mayoría de las empresas mantienen bases de datos
detalladas para rastrear las transacciones comerciales y el estado de sus recursos (ver Sección
3.2.3). Las bases de datos privadas o públicas sobre variables exógenas que afectan el entorno
empresarial también son más fáciles de acceder a través de Internet. Estos datos pueden usarse para
estimar los parámetros de los procesos estocásticos. Varios métodos de modelado y métodos de
estimación estadística están disponibles para hacer esto, pero su estudio en profundidad va más allá
del alcance de este capítulo. Los procesos estocásticos se pueden clasificar en tres grandes
categorías:

• Procesos simples que involucran una sola variable aleatoria, a menudo en forma de series de
tiempo. Su modelo se estima utilizando métodos estadísticos básicos o métodos de
 pronóstico como el suavizado exponencial (Makridakis et al. 1998). El proceso puede ser
estacionario o no estacionario, es decir, puede incorporar una tendencia, efectos estacionales
o efectos cíclicos. También puede evolucionar con el tiempo, lo que se tiene en cuenta al dar
más peso a los datos recientes.
• Procesos compuestos que involucran varias variables aleatorias. El modelo formulado para
describir el fenómeno es una función de las variables aleatorias especificadas. Se deben
estimar varias distribuciones de probabilidad.
• Procesos dependientes. En este caso, el fenómeno depende de variables explicativas
correspondientes a las decisiones a tomar (por ejemplo, la demanda de un producto depende
de su precio, tiempo de entrega y presupuesto publicitario) o de factores exógenos (por
ejemplo, los costos de transporte dependen de los precios del petróleo). Este es el dominio
del análisis de regresión y los modelos econométricos (Wooldridge 2008).

Los modelos de proceso estocástico se pueden estimar utilizando las herramientas de análisis de
datos de Excel o paquetes estadísticos especializados como IBM-SPSS, SAS y STAT-FIT. Al
examinar los fenómenos en profundidad, uno se da cuenta de que la aleatoriedad está presente
prácticamente en todas partes. Tener en cuenta todas las fuentes de aleatoriedad en un proyecto de
diseño de SCN se volvería rápidamente abrumador. Para evitar la parálisis por el síndrome de
análisis, el modelado estocástico debe limitarse a los procesos que tienen un impacto importante en
la calidad de los diseños SCN. El tipo de análisis estadístico requerido puede ilustrarse con los
siguientes dos ejemplos.