Todos los meses, llegan ejecutivos a pedirnos ayuda con problemas operacionales , solicitándonos generalmente una simulación. Sin embargo, algunas de esas veces no es la herramienta adecuada para resolver el problema presentado. En este post explicaremos el porqué.

¿Qué es la simulación de procesos?

La simulación de procesos es una representación matemática de la dinámica de un sistema real.

En una simulación, se representa la lógica operacional de un sistema, en detalle, lo que permite capturar el impacto de la variabilidad y la incertidumbre, además de analizar el desarrollo del sistema en el tiempo.

Dentro de las próximas semanas agregaremos un post detallado sobre que es, en detalle, la simulación de procesos.

¿Aparte de la simulación, qué otras herramientas existen para resolver problemas complejos?

La verdad es que la simulación es solo una de muchas herramientas diferentes disponibles en la investigación de operaciones para proponer soluciones a problemas operativos: Machine Learning, Modelos de Optimización, Modelos de Programación Dinámica, entre otras. Es fundamental, para cada caso, escoger la herramienta adecuada.

Cuándo utilizar simulación?

Si bien la determinación de la herramienta ideal para resolver un problema particular no es fácil (ya que implica, muchas veces, redefinir el problema), hay algunos indicios claros que permiten determinar cuándo un problema debe modelarse mediante una simulación.

Presencia de Aleatoriedad:

El primer elemento que indica la necesidad de utilizar una simulación es la aleatoriedad. Es decir, cuando existe incertidumbre tanto en variables externas (por ejemplo, demanda, clima, etcétera) como internas (tiempos de proceso, fallas de equipos,etcétera), y ésta influye en forma importante en el desempeño del sistema, es requerido utilizar una simulación discreta para la modelación del sistema.

Indicadores de desempeño de calidad de servicio:

Muchas empresas no llevan un seguimiento detallado de los indicadores de desempeño cruciales de su operación. Generalmente, se enfocan en indicadores de desempeño globales (ingresos, costos), que no permiten entender qué es lo que está sucediendo en el día a día, o en la relación con sus clientes.

Cuando uno piensa en indicadores de desempeño asociados a calidad de servicio, piensa en, por ejemplo, la proporción de clientes atendidos antes de X minutos, o el cumplimiento de un plan de despachos (medidos como la proporción de despachos entregados en un tiempo determinado, respecto al total de despachos realizados). Estos indicadores dependen de una compleja relación entre los recursos disponibles (la oferta) , el número de tareas que deben realizar (la demanda), su evolución en el tiempo, y sobre todo, de los procesos que se deben realizar para cumplir las tareas mencionadas. Para proyectar la evolución de estos indicadores, es clave utilizar una simulación, ya que los modelos determinísticos no consideran variabilidad, por lo que no reflejan correctamente los tiempos de espera.

Sistemas Interdependientes:

Los modelos analíticos son ideales para modelar situaciones en que la relación entre los indicadores de desempeño (por ejemplo, costos), son directamente calculables a partir de las variables de entrada de un modelo (por ejemplo, flota, número de viajes, personal contratado, etcétera).

Sin embargo, existen muchos sistemas en los cuales es difícil entender el impacto de una variable en los indicadores de desempeño. Consideremos, por ejemplo, un centro de distribución, en que se desea medir el cumplimiento de los pedidos, como el número de pedidos que son despachados antes de 24 horas desde su generación. ¿Cuál es el impacto en el cumplimiento de aumentar dos grúas horquilla en la bodega? Es evidente que este no es un proceso lineal. En un centro de distribución, existen distintos recursos clave para su operación: picking, packing, grúas, camiones, entre otros. El impacto del aumento de un recurso dependerá de cómo son los procesos dentro del centro de distribución, del nivel de automatización, y de los cuellos de botella. Si, por ejemplo, el cuello de botella del centro de distribución son los camiones, un aumento de dos grúas no surtirá prácticamente ningún efecto. Si el cuello de botella son, efectivamente las grúas, un aumento en su número generará un efecto positivo, pero no se puede determinar a priori su magnitud. Para eso se requiere una simulación.

En este post hemos visto, a grandes rasgos, los principales elementos que indican cuando es recomendable utilizar una simulación. En el próximo post veremos, a partir de dos ejemplos en profundidad, cómo impacta la pregunta a resolver en el tipo de modelación utilizada.