Transport deadlines and common demand batches in regional generator spare stock allocation

Cuando un generador masivo falla en una ubicación remota, la diferencia entre unas pocas horas de inactividad y un cierre catastrófico suele depender de una sola pieza de repuesto que se encuentra en un almacén. El desafío para los ingenieros es decidir dónde guardar esas piezas. ¿Debería una empresa mantener un almacén central masivo con un gran inventario, con la esperanza de enviar una pieza a cualquier ubicación cuando ocurra un desastre? ¿O debería dispersar existencias más pequeñas en diferentes regiones, manteniendo las piezas más cerca de las máquinas que las necesitan? Esta pregunta está en el corazón de la gestión de inventarios, un campo que intenta equilibrar el costo de mantener artículos adicionales contra el riesgo de quedarse sin ellos cuando más se necesitan. Una complicación clave es que las máquinas no siempre fallan una por una. A veces, un solo evento —una tormenta, una sobrecarga de energía o una revisión de mantenimiento coordinada— puede causar que múltiples generadores se rompan exactamente al mismo tiempo, creando una demanda repentina y simultánea de piezas en diferentes lugares. Comprender cómo estas demandas de "lote" interactúan con el tiempo que toma transportar una pieza es crucial para mantener las luces encendidas.

Un estudio reciente realizado por Mahmoud Abdelfattah Abbas Mahmoud aborda este problema construyendo un modelo matemático preciso para comparar estas dos estrategias: un fondo central único frente a tres existencias regionales separadas. El investigador no utilizó datos del mundo real de una empresa específica, sino que construyó un escenario hipotético con tres regiones distintas, cada una con su propia tasa de fallas aleatorias de una sola unidad. Crucialmente, el modelo también incluyó un flujo separado de "eventos comunes", donde un incidente único activaría una solicitud de una pieza en cada región simultáneamente. El estudio asumió que cada vez que se necesitaba una pieza, se realizaba inmediatamente un pedido a un proveedor, y que esta nueva pieza llegaría exactamente siete días después, sin importar qué. El objetivo era ver qué tan bien podía cada sistema cumplir con un plazo estricto para llevar la pieza al sitio, que variaba de ocho horas a cuarenta y ocho horas.

El estudio reveló que la respuesta depende enteramente de cuánto tiempo se permite para la entrega. Cuando el plazo es ajustado, como ocho horas, la estrategia regional gana decisivamente. En el escenario específico probado con nueve piezas de repuesto totales, la configuración regional pudo satisfacer aproximadamente el 91 por ciento de las solicitudes dentro del plazo. El almacén central, sin embargo, logró solo alrededor del 21 por ciento. Esto no se debe a que al almacén central le faltaran piezas, sino a que el tiempo que tomaba enviar una pieza desde el centro a las regiones más distantes simplemente excedía el límite de ocho horas. Incluso si el almacener central tuviera existencias infinitas, no podría superar el tiempo de viaje físico hacia los sitios más remotos. A medida que el plazo se extendía a veinticuatro horas, el desempeño del almacén central mejoró significitivamente, alcanzando aproximadamente el 51 por ciento. Para cuando el plazo se estiró a cuarenta y ocho horas, el almacén central se convirtió en la opción superior, cumpliendo con casi el 98 por ciento de las solicitudes, mientras que las existencias regionales se mantuvieron estables en su nivel anterior.

La investigación también descubrió una falla sutil pero importante en cómo algunas empresas podrían estimar sus necesidades. Un enfoque común en la planificación de inventarios es tratar todas las demandas como si fueran eventos independientes y aleatorios, ignorando el hecho de que a veces llegan en grupos. El estudio mostró que si se utiliza este método simplificado de "promedio" para planificar para un objetivo de servicio alto, se subestimará la cantidad de piezas que realmente se necesitan. En un ejemplo donde la meta era tener una pieza lista el 98 por ciento de las veces, el método simplificado sugirió que dieciséis piezas eran suficientes. El cálculo exacto, que tenía en cuenta las demandas simultáneas de tres piezas, mostró que en realidad se requerían dieciocho piezas. Depender de la matemática más simple habría dejado al sistema con un déficit de dos unidades, haciendo que no cumpliera su objetivo.

El estudio fue un paso más allá al observar qué sucede cuando una pieza no está disponible de inmediato. En el mundo real, si una pieza no está en stock, la solicitud espera en fila hasta que llega un nuevo envío. El investigador calculó el tiempo total desde el momento en que una máquina se rompe hasta el momento en que se entrega la pieza, incluyendo este período de espera. Cuando se incluyó este tiempo de espera, el desempeño de ambos sistemas mejoró, pero el almacén central ganó más. Con un plazo de cuarenta y ocho horas, la tasa de éxito del sistema central saltó de aproximadamente el 98 por ciento a más del 99 por ciento, mientras que el sistema regional subió a un 95 por ciento. Esto sugiere que, si bien los stocks regionales son más rápidos para las necesidades inmediatas, un almacén central es sorprendentemente efectivo para ponerse al día y entregar piezas a tiempo, incluso si tienen que esperar a que llegue un nuevo envío primero.

En última instancia, el artículo proporciona una comparación clara y exacta de estas dos arquitecturas, mostrando que ninguna es universalmente mejor. La elección depende de las restricciones específicas de la operación: qué tan lejos deben viajar las piezas, cuánto tiempo toma la reposición de la cadena de suministro y con qué frecuencia ocurren las fallas en grupos. El estudio enfatiza que, si bien las matemáticas pueden predecir la probabilidad de que una pieza llegue a tiempo, no garantizan que la máquina se repare, ya que eso depende de muchos otros factores como el diagnóstico y la instalación. Sin embargo, al separar la logística de mover la pieza de la mecánica de reparar la máquina, este trabajo ofrece una herramienta precisa para que los gerentes decidan dónde colocar su inventario. Destaca que la aplicación práctica requiere datos calibrados de demanda, reposición y transporte, y que los resultados identifican el tipo de datos necesarios para decidir si un almacén central, un stock regional o una arquitectura mixta amerita un análisis más detallado.