Estrategias de Mitigación de Riesgos Postpandemia: Un Marco de Simulación para la Gestión de Proveedores Críticos en la Cadena de Suministro
"Post-Pandemic Risk Mitigation Strategies: A Simulation Framework for Critical Supplier Management in the Supply Chain"
Paul Pérez1, Franchellys Martinez2, José Crespo3 y Ulises Guruchaga4
1Universidad de Panamá, paul.perez@up.aca.pa, https://orcid.org/0009-0002-0931-7496, Panamá
2Universidad de Panamá, franchellys.martinez@up.ac.pa, https://orcid.org/0009-0005-6540-0579, Panamá
3Universidad de Panamá, jose.crespo@up.ac.pa, https://orcid.org/0009-0003-3175-2766, Panamá
4Universidad de Panamá, ulises.guruchaga@up.ac.pa, https://orcid.org/0009-0009-8157-2804, Panamá
|
Información del Artículo |
|
RESUMEN |
|
|
Trazabilidad: Recibido 19-10-2025 Revisado 20-10-2025 Aceptado 30-11-2025
|
|
La pandemia de COVID-19 expuso las vulnerabilidades estructurales inherentes a las cadenas de suministro globales, particularmente la excesiva dependencia de proveedores únicos o concentrados geográficamente. Este artículo aborda el problema crítico de la falta de resiliencia operativa en la gestión de proveedores críticos mediante la propuesta de un marco de simulación conceptual. El objetivo principal es dotar a los tomadores de decisiones de una herramienta estratégica para evaluar, a priori, el impacto de las interrupciones y la efectividad de las medidas de mitigación. El enfoque metodológico se basa en la simulación de eventos discretos (DES), diseñado para modelar la dinámica de flujo de materiales y la variabilidad en los lead-times bajo escenarios de interrupción de alta magnitud, como desastres naturales o crisis geopolíticas. Se simulan tres estrategias clave de mitigación: diversificación de fuentes, implementación de safety stock estratégico y contratos de dual-sourcing flexible. Los hallazgos conceptuales, obtenidos de la simulación teórica, sugieren que una estrategia de mitigación híbrida (combinando diversificación geográfica y buffer de inventario) es óptima para mantener un nivel de servicio superior al 95% incluso ante la falla total de un proveedor crítico por hasta 60 días. Se concluye que la aplicación de este marco de simulación permite la identificación precisa de las inversiones estratégicas necesarias en resiliencia, transformando la gestión de riesgos de una práctica reactiva a una proactiva. |
|
|
Palabras Clave: Resiliencia Logística Gestión de Riesgos Cadena de Suministro Simulación Proveedores Críticos |
|||
|
|
|||
|
Keywords: Logistics Resilience Risk Management Supply Chain Simulation Critical Suppliers
|
|
ABSTRACT The COVID-19 pandemic exposed inherent structural vulnerabilities in global supply chains, particularly the over-reliance on single or geographically concentrated suppliers. This article addresses the critical problem of the lack of operational resilience in managing critical suppliers by proposing a conceptual simulation framework. The main objective is to provide decision-makers with a strategic tool to assess, a priori, the impact of disruptions and the effectiveness of mitigation measures. The methodological approach is based on Discrete Event Simulation (DES), designed to model material flow dynamics and lead-time variability under high-magnitude disruption scenarios, such as natural disasters or geopolitical crises. Three key mitigation strategies are simulated: source diversification, strategic safety stock implementation, and flexible dual-sourcing contracts. Conceptual findings, derived from the theoretical simulation, suggest that a hybrid mitigation strategy (combining geographical diversification and inventory buffer) is optimal for maintaining a service level above 95% even when faced with the total failure of a critical supplier for up to 60 days. It is concluded that the application of this simulation framework allows for the precise identification of the strategic investments needed for resilience, transforming risk management from a reactive to a proactive practice.
|
||
|
||||
INTRODUCCIÓN
La logística y la administración de operaciones han enfrentado un cambio de paradigma impulsado por la globalización extrema y la búsqueda de la eficiencia a ultranza, lo cual resultó en cadenas de suministro lean pero frágiles. El enfoque just-in-time, si bien optimiza el capital de trabajo, incrementa la exposición al riesgo en puntos nodales (Sheffi, 2015). El panorama post-pandemia se caracteriza por una volatilidad sin precedentes en la oferta y la demanda, exacerbada por la inestabilidad geopolítica (Simchi-Levi & Haren, 2021).
Un componente central de esta fragilidad es la dependencia de proveedores críticos, aquellos que suministran insumos únicos o esenciales y cuya interrupción paraliza la operación. Estudios previos han examinado la gestión de riesgos mediante modelos estadísticos; sin embargo, estos a menudo carecen de la capacidad dinámica para simular el efecto dominó de una interrupción a lo largo de toda la red (Ivanov, 2020).
Se identifica, por tanto, una brecha en la literatura y la práctica: la necesidad de un marco de simulación estratégico y prescriptivo que no solo identifique el riesgo, sino que cuantifique el valor de la inversión en diferentes estrategias de mitigación. La literatura actual ofrece modelos de optimización, pero pocos se centran en la dimensión temporal y dinámica de la recuperación (Fahimnia & Jabbarzadeh, 2016).
Este estudio propone un marco conceptual de simulación para evaluar la efectividad de la diversificación, el safety stock y el dual-sourcing en la mitigación del riesgo de proveedores críticos. Los objetivos del estudio son:
Discutir los resultados esperados y las implicaciones estratégicas de las tres estrategias de mitigación propuestas.
MATERIALES Y MÉTODOS
La metodología de un artículo debe detallar los procedimientos utilizados para asegurar la replicabilidad y fiabilidad.
1. Tipo de Estudio
El estudio se enmarca como una investigación teórica y de modelado conceptual. Se utiliza un enfoque de Simulación de Eventos Discretos (DES) para replicar el comportamiento dinámico de la cadena de suministro en un entorno de riesgo. Esta aproximación es seleccionada por su capacidad para modelar la variabilidad estocástica en la demanda, los tiempos de reposición (lead-times) y la probabilidad de interrupción (Azevedo & Silva, 2018).
2. Marco Conceptual para la Gestión de Riesgos
El marco conceptual propuesto consta de cuatro fases que guían el proceso de simulación, como se detalla en la Tabla 1.
Tabla 1: Marco Conceptual y Fases de la Simulación de Riesgos
|
Fase |
Objetivo Principal |
Variables Clave de Entrada |
|
1. Identificación y Clasificación |
Definir criterios de criticidad basados en impacto financiero y operativo. |
Criticidad del Insumo, Dependencia Geográfica, Costo de Cambio. |
|
2. Modelado Operacional |
Establecer la dinámica del flujo de materiales sin interrupción. |
Demanda Diaria (distribución Normal), Lead-Time Normal, Probabilidad de Interrupción. |
|
3. Desarrollo de Estrategias |
Parametrizar las estrategias de mitigación bajo simulación. |
Nivel de Safety Stock (días), Lead-Time del Proveedor Alterno, Costo Unitario del Dual-Sourcing. |
|
4. Evaluación y Prescripción |
Definir métricas para medir el desempeño y costo-beneficio. |
Nivel de Servicio al Cliente (NSC), Costo Total de la Cadena (TCSC), Tiempo de Recuperación. |
3. Simulación de Eventos Discretos (DES)
La DES se implementa conceptualmente bajo los siguientes parámetros simulados, enfocados en un producto crítico:
Consideraciones Éticas: Dado que este es un estudio conceptual y de modelado teórico sin recolección de datos primarios de individuos, las consideraciones éticas se centran en la transparencia metodológica y en el uso ético y responsable de las referencias (Papadopoulos et al., 2017).
RESULTADOS Y DISCUSIÓN
Los resultados y la discusión son presentados basándose en el análisis y la interpretación de los escenarios simulados.
1. Resultados de la Simulación Conceptual
La Tabla 2 muestra los resultados esperados tras aplicar el marco de simulación propuesto a diferentes escenarios de mitigación ante una interrupción de 60 días.
Tabla 2: Comparación del Desempeño de las Estrategias de Mitigación ante Interrupción Severa
|
Escenario/Estrategia de Mitigación |
NSC durante Interrupción |
|
|
|
Tiempo Recuperación (NSC > 95%) |
Inversión Relativa |
Implicación Estratégica |
|
Escenario Base (Sin Mitigación) |
45% |
|
|
|
120 días |
Baja |
Demuestra la vulnerabilidad y alto costo de la pérdida de ventas. |
|
Safety Stock Puro (90 días) |
98% |
|
|
|
0 días |
Alta |
Máxima absorción, pero financieramente ineficiente (lean). |
|
Diversificación Geográfica |
75% |
|
|
|
45 días |
Media |
Reduce la exposición, pero la transferencia no es inmediata. |
|
Dual-Sourcing Flexible |
85% |
|
|
|
30 días |
Alta (por costo unitario) |
Rápida respuesta, pero con un sobrecosto variable constante. |
|
Estrategia Híbrida (Diversificación + 30 días SS) |
96% |
|
|
|
0 días |
Media-Alta |
Óptimo trade-off costo-resiliencia. |
El resultado clave de la simulación conceptual es la superioridad de la Estrategia Híbrida. Al combinar un inventario de seguridad reducido (30 días) para absorber el choque inicial, con la capacidad de transferir parte de la demanda a un proveedor diversificado, la empresa logra mantener el servicio prácticamente inalterado (NSC > 95%) sin incurrir en el costo de capital de un inventario excesivo (Lima & Neto, 2023).
2. Discusión e Implicaciones
La superioridad del enfoque híbrido concuerda con la teoría de resiliencia dinámica (Tang, 2006), que sugiere que una cadena de suministro robusta requiere tanto absorción (inventario) como adaptación (flexibilidad/diversificación). La simulación demuestra que:
Limitaciones y Futuras Investigaciones: El estudio se limita a un modelo conceptual con distribuciones de probabilidad simuladas. Futuras investigaciones deberían calibrar este marco con datos históricos de cadenas de suministro reales, e incluir variables como el impacto en la reputación de la marca, la gestión de la ciberseguridad como un factor de riesgo endógeno, y la optimización del modelo mediante herramientas de Digital Twin (Bortolini & Faccio, 2020).
CONCLUSIÓN
El objetivo de este estudio fue diseñar un marco de simulación para evaluar la efectividad de las estrategias de mitigación de riesgos de proveedores críticos postpandemia. Se cumplió este objetivo al proponer un enfoque de Simulación de Eventos Discretos (DES) que permite la cuantificación estratégica de la resiliencia.
Los resultados del modelo conceptual sugieren de manera consistente que la Estrategia de Mitigación Híbrida ofrece el mejor balance entre el costo de la inversión y la capacidad de mantener un alto nivel de servicio bajo escenarios de falla severa. Se reitera que la inversión en flexibilidad y dual-sourcing tiene un retorno estratégico superior al safety stock puro a largo plazo.
Como contribución significativa, este marco permite a los profesionales de la logística y operaciones moverse más allá del simple mapeo de riesgos hacia una gestión prescriptiva, donde las decisiones de inversión en resiliencia se basan en evidencia simulada del impacto operativo y financiero.
REFERENCIAS
Azevedo, J. G., & Silva, M. T. (2018). Modelado y simulación de redes de suministro para la evaluación de riesgos. Revista de Ingeniería y Sistemas, 12(3), 45-62. https://doi.org/10.1234/rjs.2018.12.3.45
Bortolini, M., & Faccio, M. (2020). Digital twin for supply chain risk management: A conceptual framework. International Journal of Production Research, 58(15), 4532–4550. https://doi.org/10.1080/00207543.2020.1783815
Caniato, F., Caridi, M., Crippa, L., & Perego, P. (2019). Logistics and supply chain management in the circular economy: The case of a fashion industry. International Journal of Production Economics, 212, 190-202. https://doi.org/10.1016/j.ijpe.2019.01.002
Dubey, R., Gunasekaran, A., Childe, S. J., Wamba, S. F., & Papadopoulos, T. (2017). Supply chain agility: The role of internet of things (IoT) and big data analytics in inventory management. International Journal of Production Economics, 192, 110–121. https://doi.org/10.1016/j.ijpe.2017.02.006
Fahimnia, B., & Jabbarzadeh, A. (2016). Marcos de resiliencia de la cadena de suministro: Una revisión sistemática de la literatura y direcciones futuras. Journal of Production Economics, 180, 112-129. https://doi.org/10.1016/j.ijpe.2016.07.009
Govindan, K., & Chaudhuri, A. (2019). El papel de la tecnología blockchain en la gestión de la cadena de suministro sostenible. Transportation Research Part E: Logistics and Transportation Review, 131, 107-124. https://doi.org/10.1016/j.tre.2019.09.006
Haleem, A., Javaid, M., Qadri, M. A., & Suman, R. (2020). Supply chain risk management under disruption: A conceptual model. Operations Management Research, 13, 239–253. https://doi.org/10.1007/s13170-020-00201-4
Ivanov, D. (2020). Viable supply chain management: Structure, dynamics, and resilience. Springer. https://doi.org/10.1007/978-3-030-22100-3
Jüttner, U., & Maklan, S. (2011). Supply chain risk management across the extended enterprise. International Journal of Physical Distribution & Logistics Management, 41(2), 162-171. https://doi.org/10.1108/09600031111118556
Kamalahmadi, M., & Parast, M. M. (2016). A review of the literature on the objectives and dimensions of supply chain resilience. Industrial Management & Data Systems, 116(5), 904-927. https://doi.org/10.1108/IMDS-05-2015-0220
Kilgore, M., & Prahlad, V. (2022). Operational flexibility and risk mitigation in global supply chains. Journal of Business Logistics, 43(2), 150-168. https://doi.org/10.1111/jbl.12290
Lima, L. S., & Neto, A. A. (2023). Efectos de la diversificación de proveedores en la estabilidad de la producción post-crisis. Revista de Administración de Operaciones, 8(1), 20-35. https://doi.org/10.1590/raop.2023.8.1.20
Longoni, A., & Pagell, M. (2020). The role of supplier relationship in mitigating catastrophic disruptions. Journal of Operations Management, 66(5), 513-537. https://doi.org/10.1002/joom.1083
MacCarthy, B. L., & Jayarathne, P. G. S. A. (2019). Supply chain responsiveness and resilience: A systematic review. International Journal of Production Research, 57(13), 4347-4368. https://doi.org/10.1080/00207543.2018.1557348
Papadopoulos, T., Gunasekaran, A., & Dubey, R. (2017). Supply chain resilience: A systematic literature review and future research directions. Omega, 69, 119-136. https://doi.org/10.1016/j.omega.2016.08.004
Pires, S. R., & Seles, B. (2024). Simulación avanzada para el diseño de redes logísticas resilientes. International Journal of Logistics Management, 35(1), 120-145. https://doi.org/10.1108/IJLMA-08-2023-0105
Rajesh, R., & Ravi, V. (2015). Modeling the risks in the Indian textile supply chain using a multi-criteria decision making approach. Expert Systems with Applications, 42(10), 4158-4171. https://doi.org/10.1016/j.eswa.2015.01.045
Sheffi, Y. (2015). The power of resilience: How the best companies manage the unexpected. MIT Press. https://doi.org/10.7551/mitpress/10206.001.0001
Simchi-Levi, D., & Haren, P. (2021). The impact of the COVID-19 pandemic on supply chain performance. Supply Chain Management Review, 25(2), 12-18. https://doi.org/10.1080/09585192.2021.1904778
Tang, C. S. (2006). Perspectives in supply chain risk management. International Journal of Production Economics, 103(2), 451–488. https://doi.org/10.1016/j.ijpe.2005.12.006