No estoy aquí para discutir si la energía de los renos es 100% ecológica y/o sostenible. Lo que sí sé, después de ver la película Elf, es que Papá Noel necesitó la ayuda de algunos combustibles fósiles y de una multitud que coreaba "I believe" para continuar su viaje desde Central Park, Nueva York. ¿Qué nos depara el futuro en cuanto a la planificación de la cadena de suministro de fuentes de energía para su trineo y nuestros vehículos ligeros más tradicionales? ¿Cómo predecir y prever piezas para lo desconocido?
No cabe duda de que las plantas motrices de nuestros vehículos serán de algún tipo de electrificación en el futuro. En la actualidad, la combinación de tecnologías en torno a los vehículos de tipo híbrido y eléctrico puro sigue desplegándose como una historia de frontera del "salvaje oeste". A medida que la adopción crece a nivel mundial y las tendencias varían según los países, existen problemas similares para las organizaciones de I+D y los planificadores de la cadena de suministro.
Qué tecnología de baterías y bola de cristal deben utilizar los planificadores de la cadena de suministro para resolver los problemas de: autonomía insuficiente; tiempos de carga excesivos; escasez de materias primas e impacto en el medio ambiente; y, por último, demasiada masa y coste? Tras una década de rápido crecimiento, en 2020 el mercado mundial de coches eléctricos alcanzará los 10 millones de unidades, un 43% más que en 2019. Los vehículos eléctricos de batería (BEV) representaron dos tercios de las nuevas matriculaciones de coches eléctricos y dos tercios de los inventarios en 2020.
A medida que la tecnología cambia con rapidez y se impone la Ley de Moore, las previsiones basadas en el retrovisor no son tan aplicables a la disrupción de nuevos productos. En el caso de las baterías, las de iones de litio, aunque crecen rápidamente en los laboratorios de desarrollo de los ingenieros, empiezan a enfrentarse a los retos de las baterías de estado sólido. Con los plazos de entrega de los conceptos automovilísticos que llevan años gestándose, los retos a los que se enfrentan los planificadores de los OEM de suministros de automoción no difieren de los de los planificadores de piezas de recambio u otras tecnologías en avance. ¿Qué métodos y enfoques están dando buenos resultados?
Existen algoritmos de previsión y es muy útil utilizar la inteligencia artificial de empresas que, como Blue Ridge Global, pueden detectar patrones y seleccionar automáticamente el algoritmo "más adecuado" a partir de varios patrones de datos. Lo que hay que tener en cuenta con los grandes avances tecnológicos es que, aunque los percibamos como funciones escalonadas, son pequeños pasos evolutivos que se agrupan y se llevan al mercado.
La previsión tradicional necesita de dos a cinco años de datos de ventas para garantizar un nivel aceptable de precisión. Con los artículos nuevos, no se dispone de historial de ventas. Aun así, no se puede descuidar la previsión de la demanda, ya que impulsa múltiples procesos importantes, desde el aprovisionamiento hasta la gestión logística y el apoyo al marketing.
El aprendizaje automático ha demostrado su eficacia en escenarios complicados analizando datos de lanzamientos anteriores y detectando patrones de comportamientos comunes de la demanda, lo que permite a distribuidores y fabricantes mejorar significativamente la precisión de las previsiones de ventas. 
Incorporar puntos de datos causales más allá de la historia es fundamental para determinar si las unidades de una nueva tecnología para un problema específico serán suficientes, al tiempo que se determina el ritmo de crecimiento de la tecnología específica para las necesidades concretas. Por ejemplo, las necesidades de baterías de iones de litio de un teléfono móvil son muy diferentes de las de un automóvil. Así, a medida que la tecnología avanza de forma incremental, se producen diferentes demandas de mercado para la misma tecnología.
En el sector de la automoción y los recambios se desarrollan y comercializan nuevas tecnologías a un ritmo alarmante, lo que dificulta enormemente la tarea de previsión. En este escenario, un proceso de estimación de la demanda implica examinar las tendencias de consumo, la estacionalidad y otros factores externos, incluidos los datos históricos vinculados a ofertas similares anteriores.
En el caso concreto de las baterías, el reto para los planificadores de la cadena de suministro es gestionar las necesidades futuras de la demanda y los proveedores de baterías nuevas y recicladas de una industria muy descentralizada. Dado que la batería de un VE representa la mayor parte del coste del vehículo, los mercados posventa pueden utilizar baterías nuevas y recicladas en la búsqueda de los consumidores por prolongar la vida útil de lo que se considera otro bien desechable, como en otros mercados de electrónica y telefonía móvil.
Esta creciente dependencia entre la cadena de suministro directa e inversa exige a las organizaciones un enfoque ESG coordinado. La planificación de las decisiones y la ejecución de las opciones de fin de vida útil las toma la cadena de suministro inversa, mientras que la demanda procede de la cadena de suministro anterior.
Así que, a medida que el trineo de Papá Noel se vaya electrificando en los próximos años y la tecnología evolucione, es posible que Santa Claus tenga en su lista de deseos nuevas características para su trineo, además de las baterías más eficientes. Puede que pida a los elfos un piloto automático para los renos e incluso un portavasos.
