Ilustración del efecto látigo: el cliente final realiza un pedido (látigo), que distorsiona cada vez más las interpretaciones de la demanda a medida que se avanza en la cadena de suministro .
El efecto látigo es un fenómeno de la cadena de suministro en el que los pedidos a los proveedores tienden a tener una mayor variabilidad que las ventas a los compradores, lo que da como resultado una variabilidad de la demanda amplificada en sentido ascendente. En parte, esto da como resultado oscilaciones crecientes en el inventario en respuesta a los cambios en la demanda del consumidor a medida que uno se mueve más arriba en la cadena de suministro. El concepto apareció por primera vez en Dinámica industrial de Jay Forrester (1961) [1] y, por lo tanto, también se lo conoce como el efecto Forrester . Se ha descrito como "la propensión observada de que los pedidos de materiales sean más variables que las señales de demanda y de que esta variabilidad aumente cuanto más arriba se encuentre una empresa en la cadena de suministro". [2]
La investigación en la Universidad de Stanford ayudó a incorporar el concepto en la jerga de la cadena de suministro utilizando una historia sobre Volvo . Al sufrir un exceso de autos ecológicos, el departamento de ventas y marketing desarrolló un programa para vender el exceso de inventario. Si bien tuvo éxito en generar la atracción del mercado deseada, el departamento de fabricación no sabía sobre los planes promocionales. En cambio, interpretaron el aumento de las ventas como una indicación de la creciente demanda de autos ecológicos y aumentaron la producción. [3]
Las investigaciones indican que una fluctuación del cinco por ciento en la demanda en el punto de venta será interpretada por los participantes de la cadena de suministro como un cambio en la demanda de hasta el cuarenta por ciento. De manera muy similar al chasquido de un látigo , un pequeño movimiento de muñeca (un cambio en la demanda en el punto de venta) puede provocar un gran movimiento en el extremo del látigo (la respuesta de los fabricantes). [4]
Causas
Efecto látigo
Como la demanda de los clientes rara vez es perfectamente estable, las empresas deben prever la demanda para posicionar adecuadamente el inventario y otros recursos. Los pronósticos se basan en estadísticas y rara vez son perfectamente precisos. Como los pronósticos se dan por sentados, las empresas suelen tener un inventario de reserva llamado " stock de seguridad ".
A medida que se avanza en la cadena de suministro , desde el consumidor final hasta el proveedor de materias primas , cada participante de la cadena de suministro tiene una mayor variación observada en la demanda y, por lo tanto, una mayor necesidad de existencias de seguridad. En períodos de aumento de la demanda, los participantes de la cadena de suministro aumentan los pedidos. En períodos de caída de la demanda, los pedidos disminuyen o se detienen, por lo que no se reduce el inventario. El efecto es que las variaciones se amplifican a medida que uno se desplaza hacia arriba en la cadena de suministro (más lejos del cliente). Esta secuencia de eventos está bien simulada por el juego de distribución de cerveza que fue desarrollado por la Escuela de Administración Sloan del MIT en la década de 1960.
Las primeras teorías que se centraron en el efecto látigo se centraban principalmente en el comportamiento irracional del ser humano en la cadena de suministro, destacándolo como la principal causa del efecto látigo. A partir de los años 90, los estudios evolucionaron, colocando el mal funcionamiento de la cadena de suministro en el centro de sus estudios abandonando los factores humanos. [5]
Los modelos de teoría de control anteriores han identificado como causas el equilibrio entre el rendimiento estacionario y dinámico [6] , así como el uso de controladores independientes. [7] De acuerdo con Dellaert et al. (2017), [8] una de las principales causas conductuales que contribuyen al efecto látigo es la subestimación del pipeline. [9] Además, el sesgo complementario, la sobreestimación del pipeline, también tiene un efecto negativo en tales condiciones. Sin embargo, se ha demostrado que cuando el flujo de demanda es estacionario, el sistema es relativamente robusto a este sesgo. En tales situaciones, se ha comprobado que las políticas sesgadas (tanto las que subestiman como las que sobreestiman el volumen de ventas) funcionan tan bien como las políticas imparciales.
Se pueden destacar otras causas conductuales:
Mal uso de las políticas de stock base
Percepciones erróneas de la retroalimentación y demoras en el tiempo. En 1979, Buffa y Miller destacaron esto en su ejemplo. Si un minorista ve una caída permanente del 10% de la demanda el día 1, no realizará un nuevo pedido hasta el día 10. De esa manera, el mayorista notará la caída del 10% el día 10 y realizará su pedido el día 20. Cuanto más larga sea la cadena de suministro, mayor será este retraso y el jugador al final de la cadena de suministro descubrirá la disminución de la demanda después de varias semanas.
Reacciones de pedidos de pánico ante una demanda insatisfecha
Riesgo percibido de racionalidad limitada de los demás jugadores . Siguiendo la lógica del ejemplo de Buffa y Miller, después de varias semanas de producir al ritmo clásico, el productor recibirá la información de la caída de la demanda. Como la caída fue del 10%, durante el retraso de la circulación de la información el productor tenía un excedente del 11% diario, acumulado desde el día 1. Por lo tanto, está más inclinado a recortar más de lo necesario. [2]
Los factores humanos que influyen en el comportamiento en las cadenas de suministro son en gran medida inexplorados. Sin embargo, los estudios sugieren que las personas con una mayor necesidad de seguridad parecen tener un peor desempeño que las personas que asumen riesgos en un entorno simulado de cadena de suministro. Las personas con alta autoeficacia experimentan menos problemas para manejar el efecto látigo en la cadena de suministro. [10]
Causas operacionales
Un estudio seminal de Lee et al. (1997) concluyó que el efecto látigo no era resultado únicamente de una toma de decisiones irracional: también concluyó que, en determinadas circunstancias, es racional que una empresa haga pedidos con una variabilidad mayor que la variabilidad de la demanda, es decir, distorsione la demanda y cause el efecto látigo. Establecieron una lista de cuatro factores principales que causan el efecto látigo: procesamiento de señales de demanda, juego de racionamiento, agrupación de pedidos y variaciones de precios. [2] Esta lista se ha convertido en un estándar y se utiliza como marco para identificar el efecto látigo. [ cita requerida ]
La actualización de las previsiones de demanda se lleva a cabo de forma individual por todos los miembros de una cadena de suministro. Cuando un miembro de la cadena realiza un pedido, automáticamente añadirá al stock que necesita un stock de seguridad para responder a un evento inesperado. Cuando el proveedor del primer miembro va a realizar un pedido a su propio proveedor, también añadirá un stock de seguridad, en función del pedido total del primer miembro. Cuantos más miembros haya en la cadena, más stock de seguridad se creará, lo que dará lugar a un aumento artificial de la demanda. [11]
Agrupamiento de pedidos . Para minimizar los costes y simplificar la logística de una empresa, la mayoría de las empresas prefieren acumular la demanda antes de realizar el pedido. De esa manera, pueden beneficiarse de una mayor venta de su pedido (economía de escala) y tienen la posibilidad de pedir un camión o contenedor completo, lo que reduce en gran medida el coste de transporte. Cuanto más centralizados estén los pedidos, más errático será el gráfico de demanda, lo que crea una variabilidad artificial en la demanda y puede influir en las industrias vecinas, lo que probablemente aumente el efecto látigo.
Las fluctuaciones de precios como resultado de factores inflacionarios, descuentos por cantidad o rebajas tienden a incitar a los clientes a comprar cantidades mayores de las que necesitan. El juego de rebajas y descuentos empuja, en el caso de que la economía de ventas sea mayor que los gastos de almacenamiento, a la empresa a comprar una cantidad mayor de la que necesita. Esto aumenta la variabilidad al tener picos de demanda y luego una línea de aplanamiento en el momento en que el cliente vende el excedente de existencias. Esto conduce a una mayor incertidumbre por parte de los diferentes actores y a una predicción del momento en que aumentará la demanda. Todo esto conduce al efecto látigo. Si puede parecer tan fácil de contrarrestar deteniendo las ventas importantes, un competidor ocuparía su lugar ofreciendo mejores precios.
El racionamiento y el juego se producen cuando un minorista intenta limitar las cantidades de los pedidos al proporcionar solo un porcentaje del pedido realizado por el comprador. Como el comprador sabe que el minorista está entregando solo una fracción del pedido realizado, intenta "engañar" al sistema haciendo un ajuste al alza en la cantidad del pedido. El racionamiento y el juego generan inconsistencias en la información de pedidos que se recibe. [12]
Gestión de inventarios al estilo Lean y JIT y estrategia de producción en serie
Consecuencias
Además de mayores stocks de seguridad, el efecto descrito puede dar lugar a una producción ineficiente o a un exceso de inventario, ya que cada productor debe satisfacer la demanda de sus clientes en la cadena de suministro. Esto también conduce a una baja utilización del canal de distribución.
A pesar de contar con stocks de seguridad, existe el riesgo de que se agoten las existencias, lo que se traduce en un mal servicio al cliente y en una pérdida de ventas. Además de las consecuencias (financieramente) difíciles de medir de un mal servicio al cliente y del daño a la imagen pública y a la lealtad, una organización tiene que hacer frente a las ramificaciones de un incumplimiento, que pueden incluir sanciones contractuales. Además, la contratación y el despido reiterados de empleados para gestionar la variabilidad de la demanda generan más costes debido a la formación y a posibles despidos.
El impacto del efecto látigo ha sido especialmente agudo en las etapas iniciales de la pandemia de COVID-19 , cuando los picos repentinos en la demanda de todo, desde suministros médicos como mascarillas o respiradores [13] hasta artículos de consumo como papel higiénico o huevos, crearon ciclos de retroalimentación de compras de pánico, acaparamiento y racionamiento. [14]
Contramedidas
El intercambio de información a lo largo de la cadena de suministro es una estrategia eficaz para mitigar el efecto látigo. Por ejemplo, se ha implementado con éxito en el sistema de distribución de Wal-Mart . Las tiendas individuales de Wal-Mart transmiten datos del punto de venta (POS) desde la caja registradora a la sede corporativa varias veces al día. Esta información sobre la demanda se utiliza para poner en cola los envíos desde el centro de distribución de Wal-Mart a la tienda y desde el proveedor al centro de distribución de Wal-Mart. El resultado es una visibilidad casi perfecta de la demanda de los clientes y el movimiento de inventario a lo largo de la cadena de suministro. Una mejor información conduce a un mejor posicionamiento del inventario y menores costos a lo largo de la cadena de suministro.
Otra estrategia recomendada para limitar el efecto látigo es la suavización de órdenes. [7] Investigaciones anteriores han demostrado que la suavización de órdenes y el efecto látigo son concurrentes en la industria. [15] Se ha demostrado que la suavización de órdenes es beneficiosa para el rendimiento del sistema cuando la demanda es estacionaria. Sin embargo, su impacto se limita a la amplificación de órdenes en el peor de los casos cuando la demanda es impredecible. Dicho esto, el análisis dinámico revela que la suavización de órdenes puede degradar el rendimiento en presencia de shocks de demanda. El sesgo opuesto (es decir, la reacción exagerada a los desajustes), por otro lado, degrada el rendimiento estacionario pero puede aumentar el rendimiento dinámico; la reacción exagerada controlada puede ayudar al sistema a alcanzar sus nuevos objetivos rápidamente. El sistema, sin embargo, es considerablemente sensible a ese comportamiento; la reacción exagerada extrema reduce significativamente el rendimiento. En general, las políticas imparciales ofrecen en general buenos resultados bajo una amplia gama de tipos de demanda. Aunque estas políticas no dan como resultado el mejor rendimiento bajo ciertos criterios, siempre es posible encontrar una política sesgada que supere a una política imparcial para cualquier métrica de rendimiento.
Métodos destinados a reducir la incertidumbre, la variabilidad y el plazo de entrega:
Restringir devoluciones y cancelaciones de pedidos
Asignación de pedidos basada en ventas pasadas en lugar del tamaño actual en caso de escasez
Látigo financiero
Muchos estudios demuestran el efecto látigo en una cadena de suministro desde diferentes perspectivas, incluyendo el intercambio de información (Lee et al., 2000), [16] la distorsión de la información (Lee et al., 2004), [17] los eventos de quiebra (Lee et al., 2004, Mizgier et al., 2012 [18] ) y el riesgo sistemático (Osadchiy et al., 2015). [19] La mayoría de ellos se dedican a explorar el efecto látigo desde las perspectivas del riesgo de flujo de inventario y el riesgo de flujo de información en lugar del riesgo de flujo de caja. Para el riesgo de liquidez interna de una empresa (Chen et al., 2011), [20] es un proxy apropiado para el riesgo financiero de una empresa .
A partir de la noción de un efecto látigo derivado de las acciones, existe un "efecto látigo financiero" similar, explorado en (Chen et al., 2013), [21] sobre la riqueza de los tenedores de bonos a lo largo de una cadena de suministro al examinar si el efecto del riesgo de liquidez interna sobre los diferenciales de rendimiento de los bonos se vuelve mayor a medida que ascienden en las contrapartes de la cadena de suministro.
Efecto dominó financiero
Esto se modela de manera más general en (Proselkov et al., 2023), [22] que utiliza modelos complejos de sistemas adaptativos para estudiar fallas en cascada como consecuencia de látigos financieros. En concreto, crean un modelo de simulación de red de suministro basado en agentes que captura los comportamientos de las empresas con dinámicas de poder asimétricas con sus socios. Para seguir operando, maximizan su liquidez negociando plazos de reembolso más largos y financiación más barata, distribuyendo así el riesgo a las empresas más débiles y propagando el estrés financiero. Esto da como resultado un colapso en toda la red.
^ Forrester, Jay Wright (1961). Dinámica industrial . MIT Press.
^ abc Lee, H.; Padmanabhan, V.; Whang, S. (1997). "Distorsión de la información en una cadena de suministro: el efecto látigo". Management Science . 43 (4): 546–558. doi :10.1287/mnsc.43.4.546.
^ Reacción en cadena: la gestión de una cadena de suministro se está convirtiendo en algo parecido a la ciencia espacial, The Economist , 31 de enero de 2002
^ "Efecto látigo. El efecto látigo es un fenómeno del canal de distribución en el que las previsiones arrojan ineficiencias en la cadena de suministro. Se refiere a oscilaciones crecientes en la cadena de suministro". ww.en.freejournal.org . Consultado el 2 de junio de 2021 .
^ "Facultad de Ciencias" (PDF) .
^ Hoberg, K.; Thonemann, U. (2014). "Modelado y análisis de retrasos de información en cadenas de suministro utilizando funciones de transferencia". Revista Internacional de Economía de la Producción . 156 : 132–145. doi :10.1016/j.ijpe.2014.05.019.
^ ab Disney, S. (2008). "Análisis de aperiodicidad, látigo y estabilidad de la cadena de suministro con Jury's Inners". IMA Journal of Management Mathematics . 19 (2): 101–116. doi :10.1093/imaman/dpm033.
^ Udenio, Maximiliano; Vatamidou, Eleni; Fransoo, Jan C.; Dellaert, Nico (3 de octubre de 2017). "Causas conductuales del efecto látigo: un análisis utilizando la teoría del control lineal". Transacciones IISE . 49 (10): 980–1000. doi : 10.1080/24725854.2017.1325026 . ISSN 2472-5854. S2CID 53692411.
^ Sterman, J. (1989). "Modelado del comportamiento gerencial: percepciones erróneas de la retroalimentación en un experimento de toma de decisiones dinámica". Management Science . 35 (3): 321–339. doi :10.1287/mnsc.35.3.321. hdl : 1721.1/2184 .
^ Brauner P., Runge S., Groten M., Schuh M., Ziefle M. (2013). Factores humanos en la gestión de la cadena de suministro. Lecture Notes in Computer Science, volumen 8018, 2013, págs. 423-432
^ "Facultad de Ciencias" (PDF) .
^ "Libros de texto abiertos".
^ "Cómo responden los sistemas de salud a medida que el COVID-19 comprime la cadena de suministro médico". Supply Chain Dive . Consultado el 21 de julio de 2020 .
^ "Lo que los gerentes de compras deberían esperar de un 'látigo con crack'". Supply Chain Dive . Consultado el 21 de julio de 2020 .
^ Bray, RL; Mendelson, H. (2015). "Suavizado de la producción y el efecto látigo". Gestión de operaciones de fabricación y servicios . 17 (2): 208–220. doi :10.1287/msom.2014.0513.
^ Hau L. Lee; Kut C. So; Christopher S. Tang (2000). "El valor de compartir información en una cadena de suministro de dos niveles". Management Science . 46 (5): 626–643. doi :10.1287/mnsc.46.5.626.12047.
^ Hau L. Lee; V. Padmanabhan; Seungjin Whang (2004). "Distorsión de la información en una cadena de suministro: el efecto látigo". Management Science . 50 (12): 1875–1886. doi :10.1287/mnsc.1040.0266.
^ Mizgier, Kamil J.; Wagner, Stephan M.; Holyst, Janusz A. (2012). "Modelado de valores predeterminados de empresas en redes de cadenas de suministro de múltiples etapas". Revista Internacional de Economía de la Producción . 135 (1): 14–23. doi :10.1016/j.ijpe.2010.09.022.
^ Nikolay Osadchiy; Vishal Gaur; Sridhar Seshadri (2015). "Riesgo sistemático en redes de cadenas de suministro". Management Science . 62 (6): 1755–1777. doi :10.1287/mnsc.2015.2187.
^ Chen, Minjia; Guariglia, Alessandra (2013). "Restricciones financieras internas y productividad de las empresas en China: ¿Importan la liquidez y el comportamiento exportador?". Journal of Comparative Economics . 41 (4): 1123–1140. doi :10.1016/j.jce.2013.05.003.
^ Chen, Tsung Kang; Liao, Hsien Hsing; Kuo, Hui Ju (2013). "Riesgo de liquidez interna, efectos látigo financieros y diferenciales de rendimiento de bonos corporativos: perspectivas de la cadena de suministro". Journal of Banking and Finance . 37 (7): 2434–2456. doi :10.1016/j.jbankfin.2013.02.011.
^ Yaniv Proselkov; Jie Zhang; Liming Xu; Erik Hofmann; Thomas Y. Choi; Dale Rogers; Alexandra Brintrup (2023). "Efecto dominó financiero en redes de suministro adaptativas complejas: un modelo basado en agentes". Revista Internacional de Investigación en Producción : 1–23. doi : 10.1080/00207543.2023.2173509 . S2CID 257149106.
Lee, Hau L; Padmanabhan, V.; Whang, Seungjin (1997). "El efecto látigo en las cadenas de suministro". Sloan Management Review . 38 (3): 93–102.
Mason-Jones, Rachel; Towill, Dennis R. (2000). "Cómo afrontar la incertidumbre: reducir el comportamiento de "látigo" en las cadenas de suministro globales". Supply Chain Forum . 1 : 40–44. doi :10.1080/16258312.2000.11517070. S2CID 7920876.
Bean, Michael (2006). "Látigos y cerveza: por qué la gestión de la cadena de suministro es tan difícil". /forio (blog).[ ¿ Fuente poco confiable? ]
Literatura
Bray, Robert L. y Haim Mendelson. “Transmisión de información y el efecto látigo: una investigación empírica”. Management Science 58.5 (2012): 860–875.
Buffa Elwood S y Jeffrey G Miller. 1979. Sistemas de producción e inventario: planificación y control . 3.ª ed. Homewood Ill: Richard D. Irwin.
Cannella S. y Ciancimino E. (2010). Sobre la fase de evitación del efecto látigo: colaboración en la cadena de suministro y suavización de pedidos. Revista internacional de investigación de la producción, 48 (22), 6739-6776
Chen, YF, Z. Drezner, JK Ryan y D. Simchi-Levi (2000), Cuantificación del efecto látigo en una cadena de suministro simple: el impacto de la previsión, los plazos de entrega y la información. Management Science, 46, 436–443.
Chen, YF, JK Ryan y D. Simchi-Levi (2000), El impacto de los pronósticos de suavizado exponencial en el efecto látigo. Naval Research Logistics, 47, 269–286.
Chen, YF, Z. Drezner, JK Ryan y D. Simchi-Levi (1998), El efecto látigo: perspectivas gerenciales sobre el impacto de la previsión y la información en la variabilidad de una cadena de suministro. Modelos cuantitativos para
Disney, SM y Towill, DR (2003). Sobre el efecto látigo y la variación de inventario producida por una política de pedidos. Omega, la revista internacional de ciencias de la gestión, 31 (3), 157–167.
Lee, HL, Padmanabhan, V. y Whang, S. (1997). Distorsión de la información en una cadena de suministro: el efecto látigo. Management Science, 43 (4), 546–558.
Lee, HL (2010). Cómo domar el látigo. Journal of Supply Chain Management 46 (1), págs. 7–7.
Gestión de la cadena de suministro, S. Tayur , R. Ganeshan y M. Magazine, eds., Kluwer, págs. 417–439.
Selwyn, B. (2008) Retomando las relaciones sociales: (re)conceptualizando el "efecto látigo" en las cadenas globales de productos básicos. Revista internacional de conceptos y filosofía de la gestión, 3 (2)156-175.
Tempelmeier, H. (2006). Gestión de inventarios en redes de suministro: problemas, modelos, soluciones, Norderstedt:Books on Demand. ISBN 3-8334-5373-7 .
