INDICADORES DE DESEMPEÑO EN AMBIENTES DE INCERTIDUMBRE

El ambiente de incertidumbre propio de las cadenas de abastecimiento supone ciertas limitaciones al momento de implementar sistemas de indicadores de desempeño de las mismas bajo el enfoque de métodos exactos o determinísticos, dado que éstos requieren conocer con exactitud el valor de los datos que alimentan el sistema. Según Petrovic et al [22], tradicionalmente, la literatura ha modelado los parámetros de incertidumbre en problemas propios de gestión de cadenas de abastecimiento, usando distribuciones de probabilidad que se derivan de las evidencias registradas en el pasado. Sin embargo, cuando no se posee dicha evidencia o falta certidumbre sobre la misma, los métodos probabilísticos estándar no son apropiados. En este caso, los parámetros de incertidumbre se especifican con base en la experiencia y el juicio subjetivo del tomador de decisiones. 

La teoría de conjuntos difusos proporciona una estructura apropiada para describir y tratar la incertidumbre relacionada con la imprecisión. Por ejemplo: se puede expresar la demanda en términos de vaguedad y representarla en conjuntos difusos con distribuciones de posibilidad asociadas. 

Lau et al [23], consideran que es posible utilizar la lógica difusa para resolver situaciones complejas en cadenas de suministros analizando el desempeño de sus integrantes, y desarrollaron una metodología para analizar y monitorear el desempeño de los proveedores en una cadena de suministros, basados en los criterios de calidad de producto y tiempo de entrega. Los factores desconocidos para la construcción de un indicador global de desempeño fueron tratados, usando el enfoque de lógica difusa. El resultado del proceso de inferencia es un conjunto con una distribución difusa como respuesta. Sin embargo, dado que generalmente se utilizan respuestas puntuales como insumo para la toma de decisiones, en cuanto a cantidad de bienes por ordenar de un proveedor específico, se necesita eliminar la difusidad para obtener un número discreto. Existen varios métodos para eliminar la difusidad como el del Centro de Gravedad y Media de los Máximos; el método adecuado depende del grado de ajuste del mismo, a las consideraciones y restricciones de la cadena de abastecimiento.

 Chan et al [20], propusieron un modelo matemático que emplea la teoría de conjuntos difusos para medir el desempeño integral de una cadena de abastecimiento en ambientes de incertidumbre (figura 2). Inicialmente se obtienen los datos de los indicadores de desempeño adecuados, los cuales son ponderados, encontrando el peso normalizado de su importancia la escala geométrica de un número difuso triangular; la asignación de estos pesos relativos está a cargo de un Equipo de Medición del Desempeño, conformado por personal de todas las áreas de la organización, con capacitación y experiencia en el tema. Luego, se define un grado difuso de desempeño para encontrar el resultado difuso de la medición y calcular la calificación del desempeño; la determinación del intervalo de la escala de desempeño (nivel aceptable hasta nivel totalmente satisfactorio), se hace contrastando los objetivos establecidos en la planeación con los registros históricos y el entorno donde se lleva a cabo la operación. Finalmente, se elimina la difusidad de los resultados de los indicadores, para obtener un indicador que permita ser usado para reflejar el desempeño de la cadena de suministro en evaluación.

Dado lo anterior y con el fin de dar claridad al modelo desarrollado en este articulo, se ha considerado que la lógica difusa es una herramienta modelizadora apropiada para evaluar matemáticamente algunas de sus variables en condiciones de incertidumbre.

INDICADORES DE DESEMPEÑO CUALITATIVOS

Son aquellos para los cuales no existe medida numérica directa, aunque algunos aspectos pueden ser cuantificados. En esta categoría, se encuentran entre otros, los siguientes indicadores, según Chan [20]:

• Satisfacción del cliente: grado con el cual los clientes son satisfechos con el producto o servicio recibido. 
• Flexibilidad: capacidad de la cadena de abastecimiento para responder a las fluctuaciones aleatorias en los patrones de demanda. 
• Integración de los flujos de materiales e información: grado en el cual todas las funciones en la cadena de abastecimiento, pueden intercambiar información y materiales sin inconvenientes. 
• Gestión efectiva del riesgo: grado en el cual se minimizan los efectos de los riesgos. 
• Desempeño de proveedores: mide el desempeño de los proveedores de materias primas en cuanto a calidad de las mismas y tiempo de entrega.

referencias

[20] Chan F. et al. (2003) A conceptual model of performance measurement for supply chains. Management Decision, Vol. 41, N° 7, pp. 635 – 642. 

[21] Nyhuis P., (2007) Fundamentals of production logistics: Theory, Tools and Applications. 2 ed. Londres: Springer. 300 p. 

[22] Petrovic D. et al. (1999) Supply chain modeling using fuzzy sets. International Journal of Production Economics, Vol. 59, pp. 443 – 453. 

[23] Lau H. et al. (2002) Methodology for monitoring supply chain performance: a fuzzy logic approach. Logistics Information Management, Vol. 15, N°4, pp. 271 – 280.