La capacidad es “el volumen de producción que un sistema es capaz de lograr en un período específico de tiempo” (Yang, 2001). Cuando se habla de capacidad, probablemente lo primero que se nos viene a la mente es la capacidad productiva. Sin embargo, capacidad es un término mucho más amplio y abarcador. En este artículo abordaremos el tema con un enfoque en las decisiones de capacidad en aplicaciones logísticas: ¿Cuántas rampas de conferencia se deben construir en la ampliación de un centro de distribución? ¿Qué tamaño deben tener los tanques de almacenamiento de productos terminados de una empresa petroquímica para soportar la operación en cinco años? ¿Qué impacto podrían tener las nuevas tecnologías en la operación futura? Estas son algunas preguntas que deben ser respondidas para la elaboración de una planificación estratégica de capacidades.
Es importante recalcar que, muchas veces, no se le da la debida importancia al tema de la capacidad en las empresas. Así, los ejecutivos pueden encontrarse en situaciones en las que se dan cuenta de que las inversiones ya deberían estar hechas y que no podrán atender la demanda por falta de capacidad.
La criticidad de la planificación de la capacidad aumenta con el tiempo necesario para implementar una expansión. Si la capacidad de una operación se puede ampliar en unos pocos días, un plan para los próximos cinco años puede parecer innecesario. Sin embargo, si los proyectos requieren meses o años para ejecutarse, la planificación estratégica de la capacidad es fundamental.
Al decidir qué nivel de capacidad mantener a lo largo del tiempo, una organización debe evaluar el equilibrio entre muy poco y demasiado. En un escenario de falta de capacidad, la empresa no satisface completamente la demanda, pudiendo perder clientes por el bajo nivel de servicio, dando paso al avance de la competencia. Por otro lado, el exceso de capacidad conduce a recursos ociosos, incurriendo en costos de oportunidad, oa estrategias forzadas para aumentar la demanda, como, por ejemplo, la reducción de precios.
Por lo tanto, nos encontramos con un problema muy similar al problema de definir las existencias de seguridad del producto. La literatura proporciona algunas metodologías para definir los llamados buffers de capacidad, que al igual que los stocks de seguridad, tienen como objetivo garantizar un cierto nivel de servicio, dada la variabilidad existente. Hayes y Wheelwright (1984), por ejemplo, analizan una metodología para definir este colchón de capacidad, que debería reflejar la magnitud de la relación:
 |
En la fórmula, Cs representa el costo de falta (corto) y Cx representa el costo del exceso (exceso). Sin embargo, este enfoque tiene algunas debilidades. Definir con precisión estos parámetros es algo sumamente difícil, si observamos que el costo del exceso puede, por ejemplo, variar dependiendo de la cantidad de capacidad a instalar; y el costo de la inasistencia puede incluir componentes difíciles de cuantificar, como por ejemplo, la pérdida de margen de ventas futuras por pérdida de clientes y daño a la imagen y reputación de la organización.
A pesar de esto, es importante enfatizar que la relación captura el tipo de compensación existente, lo que puede ayudar a guiar la decisión, incluso si el valor en sí no se usa matemáticamente para definir el colchón. Dependiendo de esta compensación, el plan de expansión de la capacidad puede estar impulsado por una de las políticas que se describen a continuación.
Política A: Evitar la ausencia
Si el costo de la falta es mayor que el costo del exceso, la organización debe tender hacia una política de mantenimiento de un colchón de capacidad relativamente grande y, por lo tanto, garantizar una baja probabilidad de no satisfacer la demanda. En estos casos, se debería, en el extremo, optar por el comportamiento de expansión ilustrado en el Gráfico 1.
 |
La falta de capacidad de almacenamiento en un proceso productivo continuo, como es el caso del sector petroquímico, puede provocar la parada de la planta. En este caso, el coste de la falta de capacidad está representado por la pérdida de margen provocada por la paralización, que es claramente superior al coste del exceso.
Política B: Seguir el pronóstico
Si el costo de la escasez es similar al costo del exceso, el plan de expansión debe garantizar que la probabilidad de ocurrencia de la falta de capacidad sea similar a la ocurrencia del exceso. Así, esta política sugiere que la organización trate de adaptar la capacidad productiva a la previsión de la demanda. El gráfico 2 representa el comportamiento de la capacidad frente a la demanda a lo largo del tiempo.
 |
Política C: Evitar excesos
Si el costo del exceso es mayor que el costo de la falta de capacidad, la empresa debe mantener un colchón “negativo”, a fin de asegurar que la probabilidad de ocurrencia de una escasez sea mayor que la probabilidad de exceso. Esta política conduce a una alta tasa de utilización de recursos, generando en consecuencia un mayor retorno de las inversiones que las otras dos ya presentadas. Sin embargo, se debe prestar atención al hecho de que su adopción también puede conducir a un deterioro de la imagen y el posicionamiento de la organización en el mercado. El comportamiento de expansión de capacidad relacionado con esta política se ilustra en el gráfico 3.
 |
Sin embargo, es importante enfatizar que la planificación estratégica de la capacidad debe estar alineada con la estrategia comercial de la organización. Dado que es extremadamente difícil calcular exactamente cuál es el tamaño ideal del colchón de capacidad, la organización debe prestar atención a otros factores estratégicos que generan y sufren las consecuencias derivadas de las decisiones de capacidad (cuándo expandirse, cuánto expandirse) al definir la planificación estratégica. .
Una expansión de capacidad puede usarse como disparador de la demanda, haciéndola crecer más rápido en comparación con un escenario sin expansión, o como una herramienta para intimidar a la competencia, principalmente a los jugadores más pequeños. Por ejemplo, un aumento en los recursos de una empresa, para que pueda estar presente y llevar sus productos a una determinada región a un precio más bajo, puede estimular la demanda, lo que no sucedería si no se hubiera tomado esa decisión.
Sin embargo, la capacidad de un sistema está directamente relacionada con la cantidad y características de los recursos disponibles. Y la capacidad total de un sistema difícilmente puede definirse por un solo recurso. Por lo general, se requiere un conjunto de diferentes recursos para formar la capacidad de un sistema. Por tanto, la Planificación Estratégica de la Capacidad debe definir la cantidad de cada uno de los recursos necesarios a lo largo del tiempo en base a supuestos y previsiones futuras.
Para esto, el tomador de decisiones necesita entender cómo se relacionan los recursos, cómo cada uno de ellos puede impactar a los demás, cómo la cantidad y eficiencia de cada uno de ellos puede cambiar la capacidad total y cómo reacciona el sistema bajo ciertas condiciones que no lo hacen. no existen hoy. , pero pueden hacerse realidad en el futuro. Tener esta base para la toma de decisiones no es nada sencillo, ya que una estrategia de capacidad se basa en una serie de supuestos y pronósticos a largo plazo sobre el mercado (demanda), la tecnología y el comportamiento competitivo, siendo los principales:
- La previsión de crecimiento y estimación de la variabilidad de la demanda;
- Eficiencia, disponibilidad y costos de construcción y operación de los recursos;
- El comportamiento de otros jugadores y proveedores.
Obviamente, todas estas predicciones y suposiciones son estrictamente necesarias y, por definición, conllevan un alto grado de incertidumbre que es necesario considerar adecuadamente.
LAS INCERTIDUMBRES
Tratar las incertidumbres de manera consistente en una organización no es una tarea trivial. Trabajar con valores únicos y medios en este tipo de entornos suele dar lugar a malas interpretaciones y, en consecuencia, a decisiones de gestión equivocadas. Al mismo tiempo, considerar estas incertidumbres en análisis y evaluaciones a través de estadísticas como percentiles, desviación estándar o covarianza tampoco es muy simple. En el caso de Planificación de Capacidad no es diferente. Además de la demanda futura, que es uno de los principales datos de entrada para un estudio de capacidad, también están presentes incertidumbres en otros parámetros, como por ejemplo, los tipos de recursos disponibles, la eficiencia de estos recursos o su disponibilidad.
O grau de incerteza presente é diretamente proporcional ao horizonte do planejamento, ou seja, para análises de capacidade de longo prazo, a incerteza contida nas estimativas de demanda futura é maior quando comparada à incerteza referente a previsões de demanda realizadas para alimentar análises de capacidade de corto plazo. Además, estimar otros factores como el comportamiento de competidores y proveedores a largo plazo es una tarea extremadamente difícil.
Incorporar las incertidumbres presentes, o al menos las principales, es muy importante para la planificación de la capacidad a largo plazo, ya que puede cambiar significativamente la decisión tomada y, en consecuencia, las inversiones necesarias para implementar el plan de expansión.
Existen algunos métodos que se pueden utilizar en un estudio de análisis de capacidad, como el modelado analítico, la programación estocástica y la simulación. Sin embargo, la complejidad generada por las incertidumbres presentes en varias variables interdependientes generalmente dificulta seriamente la adopción de una metodología analítica o de programación para resolver el problema. Así, se detallará cómo se puede aplicar la simulación en un estudio de análisis de capacidad.
INTRODUCCIÓN A LA SIMULACIÓN Y APLICACIÓN PRÁCTICA
Según Saliby (1999), “…la simulación consiste en el proceso de construir un modelo que replique el funcionamiento de un sistema real o idealizado (todavía por construir) y realizar experimentos computacionales con este modelo, con el fin de comprender mejor el problema. en estudio, probando diferentes alternativas para su funcionamiento y proponiendo así mejores formas de operarlo”. Esta definición deja en claro cómo se puede utilizar la simulación como una herramienta para un estudio de análisis de capacidad. El modelo debe representar el sistema o subsistema logístico a estudiar, considerando las relaciones existentes entre recursos y actividades, siendo lo suficientemente cercano a la operación real, para garantizar resultados robustos y confiables.
Para lograr este objetivo, se recomienda encarecidamente seguir la metodología que se muestra en la Figura 1.
 |
Paso 1: Recopilación de información
En este paso, el analista de simulación debe obtener toda la información necesaria para una clara comprensión del sistema a modelar y los objetivos que se deben alcanzar. Es importante definir claramente el alcance y tener en cuenta qué preguntas debe responder el modelo.
Paso 2: Modelado conceptual y de datos
En el modelado de datos, después de la recopilación, estos deben tratarse para identificar posibles fallas e inconsistencias que pueden afectar la calidad del resultado final: se aplica la máxima basura que entra, basura que sale. Después del tratamiento, los datos deben usarse para definir las distribuciones de probabilidad que representarán las incertidumbres y otros fenómenos aleatorios en el modelo.
Además, en esta etapa también se realiza la modelación conceptual, que consiste en definir la lógica del modelo y su representación para que todas las personas involucradas en el proceso puedan entenderlo. Es en esta etapa que se definen, por ejemplo, las prioridades de los servicios, el flujo de materiales, los recursos involucrados y sus relaciones con las actividades, entre otros. Se puede decir que este es el paso más importante en el desarrollo de un modelo de simulación.
Paso 3: Modelado Matemático
En él, el modelo conceptual se convierte en un modelo computacional mediante el uso de algún lenguaje de programación o algún software de simulación. Es importante señalar que el software de simulación actual permite un alto nivel de personalización, utilizando una interfaz gráfica y lo que lleva a una reducción en el tiempo de implementación del modelo. Así, un analista de simulación difícilmente necesitará recurrir a un lenguaje de programación específico.
Paso 4: Validación del modelo
Después de construir el modelo matemático computacional, debe compararse con el modelo conceptual para evaluar si la lógica definida anteriormente se implementó fielmente. Luego, se debe ejecutar el modelo y generar algunos resultados para verificar si es una representación precisa de la realidad. Esto generalmente se hace ingresando datos históricos para un período determinado y comparando la salida del modelo con lo que realmente sucedió en la operación durante ese período.
Es importante mencionar que, dependiendo de los resultados obtenidos, se puede identificar la necesidad de volver a los pasos anteriores. Esto se debe a que el modelo puede arrojar resultados erróneos debido a problemas de comprensión del sistema, modelado conceptual, datos de entrada o implementación computacional.
Paso 5: Análisis de resultados
Solo después de la validación se puede utilizar el modelo para llevar a cabo los experimentos. En esta etapa se realizan varias rondas dependiendo de los escenarios y variantes a evaluar. Es importante recalcar que la simulación por sí sola no responde cuál sería la mejor alternativa, sino cómo se comporta un sistema dada una determinada configuración. Se puede decir que la simulación es una técnica what-if?, es decir, “qué pasa si…” y no una técnica que devuelve un resultado óptimo, como la optimización. Así, el plan de experimentación de un modelo de análisis de capacidad debe diseñarse para estudiar diferentes escenarios de demanda, evaluar el impacto de cambios en la competencia o proveedores y, principalmente, verificar diferentes configuraciones de recursos.
Una vez construido, un modelo de simulación debe tener la siguiente estructura:
- parámetros de entrada
- lógica matemática
- datos resultantes
Tomemos como ejemplo el modelo desarrollado por Braskem – UNIB junto con CEL – Centro de Estudios en Logística, y presentado en el XII Foro Internacional de Logística (2006) para apoyar la elaboración de su Planificación Estratégica de Capacidades. Este modelo cubre varios subsistemas de diferentes productos terminados, el subsistema de materia prima y la relación de estos subsistemas con los puertos. La Figura 2 ilustra estos subsistemas y sus relaciones.
 |
Dada la complejidad del modelo completo, tomemos solo un subsistema, el del Producto Z, representado por la Figura 3.
 |
El subsistema ilustrado presenta cuatro grupos de entidades. El primero está compuesto por clientes del mercado nacional que son atendidos directamente desde la planta a través de ductos. El segundo grupo está formado por la planta de Braskem, que es responsable por producir y almacenar el producto terminado. El tercero representa el puerto de Aratu, que está conectado a la planta por un oleoducto y se utiliza para el atraque y carga de barcos que abastecen el mercado exterior y otros clientes del mercado interior vía cabotaje.
La operación en este subsistema depende de un cierto conjunto de características. La planta cuenta con dos tanques de almacenamiento, necesarios porque, naturalmente, no hay sincronización entre la producción continua y la demanda. Los oleoductos son recursos de gran importancia, ya que definen la capacidad para abastecer a los clientes 1, 2, 3 y 4 y para traspasar al puerto de Aratu. El tanque de puerto tiene la función de almacenar el producto mientras se esperan los barcos. Por último, los atraques portuarios restringen el número máximo de barcos que se pueden atracar y cargar al mismo tiempo.
Todos los recursos deben parametrizarse en el modelo. Las tuberías deben tener ingresadas sus capacidades. Los tanques de planta y puerto también deben tener definidas sus capacidades de almacenamiento. Por supuesto, también hay que sumar el número de literas. Además de estos, son necesarios otros parámetros de entrada: la demanda de cada uno de los clientes atendidos por el gasoducto; la tasa de producción de la planta; la frecuencia de llegada de los buques y su tasa de carga.
Algunos de estos parámetros se modelaron de forma determinista (valores únicos), como la capacidad de bombeo en los oleoductos, la capacidad de almacenamiento en los tanques, la tasa de producción y el número de atraques. Otros, por su variabilidad e incertidumbres, se modelaron mediante distribuciones de probabilidad, como la llegada de barcos y la demanda de clientes atendidos por gasoducto.
La lógica matemática del modelo debe representar la lógica de flujos y decisiones de la operación real. Esta lógica está representada por el diagrama de la Figura 4.
 |
Como sugiere el diagrama, se pueden considerar dos flujos: barcos y productos. El flujo de barcos comienza con la llegada de las embarcaciones y su envío a la cola de amarre. El amarre se realiza bajo dos condiciones: disponibilidad de amarre y producto en el tanque de puerto. Atracado, el barco se carga y se dirige a su destino.
El flujo del producto comienza en la producción. Si hay una solicitud para enviarlo a los clientes atendidos por tubería, se activa el bombeo y el producto se transfiere a los tanques de los clientes. De lo contrario, verifique si hay espacio de almacenamiento en el tanque de la planta. Si es así, el producto se bombea a este tanque. Si el tanque ya está lleno al 100%, la planta se detiene. El tanque de puerto se reabastece siempre que tiene capacidad y hay producto en el tanque de planta.
Los principales datos de salida del modelo de análisis de capacidad son los relacionados con el uso de recursos y el nivel de servicio. En el modelo ejemplificado, para evaluar el uso de los recursos se utilizaron tres estadísticos: uso promedio, percentil 90 de uso y porcentaje de tiempo que el uso estuvo por encima del 90%. El análisis conjunto de estas estadísticas permite concluir si un determinado recurso está subdimensionado o sobredimensionado.
Como se mencionó anteriormente, la simulación no arroja un resultado óptimo, sino cómo se comporta el sistema ante ciertas condiciones. Concluir que una característica está mal dimensionada conduce a una próxima ejecución del modelo, cambiando los parámetros de esta característica y volviendo a analizar los datos de salida. El gráfico 1 muestra algunos resultados de una ejecución del modelo.
 |
Se puede observar, por ejemplo, que el Tanque 1 de la planta parece estar subdimensionado, pues a pesar de presentar un uso promedio del 72%, el percentil 90 llega al 96% y en una quinta parte del tiempo el nivel del tanque está por encima 90% de capacidad. En esta operación, los tanques subdimensionados pueden llevar a la necesidad de parar la planta y, en consecuencia, a costos prohibitivos. Esta situación ilustra bien el caso en que el costo de la falta de capacidad es mayor que el costo del exceso de capacidad. Para evaluar cuál será la capacidad adecuada del tanque, se debe volver a ejecutar el modelo varias veces, con diferentes valores de capacidad del tanque 1, mayores que el primer valor.
Además de los datos sobre el uso de recursos como tanques y tuberías, también fue muy importante el estudio del uso de los atracaderos del puerto. La disponibilidad de amarres tiene un impacto directo en la cola de buques en el puerto. Las colas más largas conducen a tiempos de servicio más prolongados y costos de estadía más altos (multa por retraso en el atraque y liberación del barco). Así, el modelo también fue diseñado para devolver datos sobre el uso del puerto y la cola de barcos.
Construido considerando las principales incertidumbres, variabilidades e interdependencias de la operación actual y futura, el modelo desarrollado por Braskem-UNIB junto con la CEL permitió el estudio de diferentes escenarios y el dimensionamiento de los principales recursos logísticos involucrados. Así, se elaboró la Planificación Estratégica de Capacidades para un horizonte de diez años, definiendo las acciones a realizar en el tiempo, así como las inversiones necesarias.
CONCLUSIÓN
El proceso de elaboración de un Planeamiento Estratégico de Capacidad trae varios desafíos a las organizaciones. Uno de los más grandes es cómo lidiar con las incertidumbres que surgen de los pronósticos y estimaciones necesarios para la planificación. El tratamiento adecuado de estas incertidumbres es de suma importancia para garantizar la calidad de las decisiones tomadas.
Este artículo muestra cómo la simulación por computadora puede usarse como una herramienta en un estudio de análisis de capacidad. Un modelo de simulación permite probar ciertas acciones y analizar sus efectos sin llevarlos a la realidad.
Si bien el proceso de construcción de un modelo matemático no es una tarea sencilla, que requiere profesionales capacitados y el involucramiento de varias personas dentro de la organización, ciertamente se paga por la riqueza de los análisis que se pueden realizar y por la base y seguridad de las conclusiones que alimentarán la capacidad estratégica de planificación de la empresa.
Referencias
HAYES, ROBERT H.; WHEELWRIGHT, STEVEN C. Restaurando nuestra ventaja competitiva: competir a través de la fabricación. John Wiley & Sons, 1984.
CHWIF, LEONARDO; MEDINA, AFONSO C. Modelado y Simulación de Eventos Discretos. Bravart, 2006.
MIEGHEM, JAN A. VAN. Gestión de capacidad, inversión y cobertura: revisión y desarrollos recientes. Gestión de operaciones de fabricación y servicios, otoño de 2003.
MIRHASSANI, SA; LUCAS, C.; MITRA G.; MESINA, E.; POOJARI, CA Solución Computacional de Modelos de Planificación de Capacidad Bajo Incertidumbre. Computación paralela, 2006.
YANG, Y. HELIO; HADDAD, KAMAL; CHOW, CHEE W. Planificación de la capacidad utilizando la simulación de Monte Carlo: una aplicación ilustrativa del software de PC comúnmente disponible. Finanzas Gerenciales, 2001.
COTÍAS, ALMIR; NAZARIO, PABLO. Planificación Estratégica de Capacidades: Insumos Básicos de la ONU de Braskem. XII Foro Internacional de Logística, Agosto 2006.
