Podríamos decir que, en promedio, el bus pasa más o menos cada quince minutos y que, en promedio, en los buses hay bastante espacio, pero esta justificación es absurda.
ESTAMOS BIEN… EN PROMEDIO
¿Ha estado en un paradero en el que la información decía que el bus pasaba “cada quince minutos” y ha tenido que esperar más de media hora? Una vez que se sube, el bus está lleno. Un amigo, por otro lado, decide dejar pasar el bus que usted abordó, y toma el siguiente que pasa tres minutos después, el cual viene vacío.Experiencias similares a esta nos hacen pensar que los que diseñaron las líneas o los que informan están equivocados y que la gestión es deficiente.
Figura 1
DIFERENCIAS EN LOS TIEMPOS
En el caso del transporte urbano, las condiciones de tráfico, el tipo de conducción, la dinámica de los pasajeros al abordarlo, introducen diferencias en los tiempos.¿La consecuencia? A veces pueden acumularse pasajeros en los paraderos, y entonces observaremos buses muy llenos y otros más bien vacíos. Esto justifica el desarrollo y uso de sistemas de control del avance de los vehículos, típicamente rastreados con GPS, que se usan en muchas urbes del mundo, incluso Santiago.
Fenómenos parecidos ocurren en los sistemas productivos. Supongamos que una pizzería tiene un sistema de reparto a domicilio y ha diseñado el servicio para atender, por ejemplo, 10 órdenes por hora, número promedio según información histórica.
Pero en algunos momentos pueden llegar menos pedidos y de pronto generarse muchos al mismo tiempo. El promedio todavía es 10/h, pero el impacto de ese patrón puede ser catastrófico: en muchas ocasiones puede que se forme una cola de órdenes y que el tiempo de entrega se incremente significativamente. También tendremos una gran cantidad de inventario en proceso (órdenes pendientes) esperando. Dentro de una fábrica pueden ocurrir cosas parecidas.
La Figura 1 ilustra la formación de colas frente a un “servidor” que atiende las órdenes. Al igual que en la pizzería, si se estima el tiempo de cumplimiento de las órdenes sobre la base del promedio, la estimación probablemente esté incorrecta. Más aún, el error será mayor mientras más grandes sean las variabilidades y mientras más cercana a la capacidad productiva sea la tasa de llegada de órdenes. Lo mismo en una calle o autopista que ha alcanzado la capacidad o el límite de saturación: el sistema colapsa y se forma un taco.
En este sentido, la variabilidad e incertidumbre se convierte en una de las fuentes más importantes de “desperdicio” dentro de los sistemas productivos. Por esa razón es tan importante entender los orígenes de esta variabilidad y cómo controlarla.
LAS LEYES DE LA FÍSICA (DE LA FÁBRICA)
Los fenómenos anteriores se pueden estudiar, y existe una relación entre los tiempos de cumplimiento de órdenes de un proceso productivo, o tiempos de flujo o lead-time, los inventarios existentes y el nivel de incertidumbre y variabilidad. Esto es estudiado por la Teoría de Colas o de Sistemas de Espera.La Figura 2 resume los resultados. La primera relación es la Ley de Little: el tiempo total de flujo de un proceso y el inventario en proceso (órdenes que están siendo procesadas, más las que están esperando), son proporcionales.
Figura 2
El factor de variabilidad depende de la estructura del proceso. Si no hay variabilidad en el sistema (tiempos exactos, sin fallas, etc.), entonces este factor es cero, pero cuando sí la hay, al tiempo de proceso se suma el de espera en cola, el cual crece al aumentar la variabilidad, pero también al aumentar la utilización.
Aquí se ve que si la utilización se hace cercana al 100% (cuando la tasa de llegada de órdenes es cercana a la capacidad productiva), el tiempo de flujo crece en forma significativa, a menos que el factor de variabilidad sea muy pequeño.
Por ejemplo, si el tiempo de proceso es una hora, el factor de variabilidad es 0,1 (esto es típico de un proceso que posee una variabilidad en el tiempo de ejecución y en las llegadas de órdenes de alrededor del 30%), y el nivel de utilización del proceso es del 70%, el tiempo de flujo total resultante es de algo más de una hora, en promedio, hay cerca de 15 minutos de espera en cola.
Sin embargo, si el nivel de utilización aumenta al 95%, entonces el tiempo de flujo promedio aumenta a tres horas, fenómeno producido por una espera en cola promedio de ¡dos horas!
En resumen, no podemos trabajar con alta utilización y tener poca espera en las órdenes, a menos que se reduzca la variabilidad. El gráfico muestra esas relaciones para distintos niveles de variabilidad. Si no es posible, hay que mantener una “reserva” para poder reaccionar frente a las fluctuaciones.
Podría argumentarse que eso significa costos al no usar los recursos al 100%. Pero, ¿cuánto es el costo de los retrasos, inventarios acumulados y otros? Lo que realmente se debe hacer es entender el origen de la variabilidad e incertidumbre y poner en práctica los mecanismos para reducirla en la medida posible.
REDUCIR VARIABILIDAD
Si la variabilidad es grasa, entonces debe controlarse. Las fuentes de esta pueden ser externas, como la demanda del mercado, que no siempre es controlable (ver segundo tema). Pero también puede haber variabilidad interna provocada, por ejemplo, por irregularidades de los procesos, equipos que fallan, mala planificación e incomunicación entre las áreas comercial y de producción.Entonces, hay grandes posibilidades de lograr aumentos en la eficiencia y eficacia abordando las causas raíces de esos problemas.
No podemos trabajar con alta utilización y tener poca espera en las órdenes, a menos que se reduzca la variabilidad.
¿Y LAS OTRAS INCERTIDUMBRES?
Ya hemos comentado que la variabilidad interna de los sistemas productivos puede ser abordada a través de buenas políticas de mejoramiento continuo, pero esta no es la única fuente de incertidumbre.Muchas veces, enfrentamos situaciones en donde la demanda de nuestros consumidores o usuarios es muy variable, incluso en el corto plazo. Esto pasa muy frecuentemente en diversos ámbitos de servicios, y estos plantean desafíos adicionales.
Por ejemplo, al administrador de un servicio de urgencia de un hospital le encantaría que las emergencias llegaran en forma espaciada y planificada, lo cual es obviamente imposible.
Sin embargo, hay diferentes patrones de urgencias entre días de semana y fin de semana, y esto puede ser aprovechado para la programación de los recursos.
En otras ocasiones, la incertidumbre de demanda puede ser abordada dentro de las decisiones de planificación de la producción (clase 2). La planificación de mediano plazo se hace sobre la base de estimaciones de la demanda futura, la cual es incierta, pero no totalmente desconocida.
Los modelos de optimización que se usan para llevar adelante la planificación pueden incorporar esa variabilidad y tomarla en cuenta, de modo que, por ejemplo, el plan de producción que se genere tenga una alta probabilidad de cumplirse.
Cuando se acerca el corto plazo, la planificación se puede repetir, pero sobre horizontes más cortos y con períodos de decisión también más cortos. En estos problemas, se incorporará toda nueva información que se va generando sobre la demanda, para obtener estimaciones cada vez más confiables, y eso hace que la planificación de corto plazo sea sucesivamente más “robusta”.
Este proceso de permanente revisión en horizonte rodante e incorporación de la variabilidad en los modelos, permite generar políticas de operación que tengan más posibilidades de cumplir con la demanda.
Recordemos, eso sí, que no nos hemos deshecho de la incertidumbre: estamos reconociendo que existe y tratando de hacer que nuestras políticas de producción la tomen en cuenta.
¡Hasta el próximo lunes!
El profesor ayudante de este curso es Marco Melo, ingeniero industrial UC.
No hay comentarios:
Publicar un comentario