En Simio Sync 2026 surgió un tema común en las presentaciones de Boeing, Chevron, Northwell Health, SimWell y otros líderes del sector: la calidad de los resultados de la simulación está directamente relacionada con la eficacia con la que las organizaciones gestionan la integración de datos y la automatización del flujo de trabajo. Como subrayó Jason, ingeniero senior del grupo de Consultoría y Servicios de Simio, en su presentación sobre requisitos funcionales, "la calidad de su modelo está limitada por la claridad de sus requisitos", un principio que va más allá de los requisitos para abarcar todo el ecosistema de datos que alimenta los entornos de simulación modernos.
La conferencia mostró la transformación que se está produciendo en todos los sectores -desde la fabricación aeroespacial hasta la sanidad y la energía-, donde las organizaciones están dejando atrás los procesos de datos manuales para pasar a flujos de trabajo de simulación integrados y automatizados que ofrecen información en cuestión de minutos en lugar de semanas.
El reto de los datos: Un problema universal en todos los sectores
Por qué luchan los proyectos de simulación
Tal y como se expuso en Sync, los proyectos de simulación a menudo no se enfrentan a problemas técnicos de modelado, sino a problemas fundamentales de datos y requisitos. Jason Ceresoli, de Simio, explicó: "La mayoría de los modelos se construyen correctamente, siguen buenas prácticas y son técnicamente sólidos. El verdadero problema es que responden a las preguntas equivocadas. Cuando esto ocurre, el alcance empieza a ampliarse. La alineación empieza a romperse y las partes interesadas pierden confianza".
Y continúa: "Lo que solemos ver es un flujo de trabajo como este para los proyectos. Se define el problema, se construye el modelo y se entregan los resultados. Y la verdad es que tiene sentido. Modelar es la parte divertida. Se siente como un progreso. Es donde naturalmente queremos pasar nuestro tiempo como simuladores y modeladores". "Pero cuando nos saltamos una fase de requisitos estructurada, esto es lo que ocurre: Los requisitos surgen durante la construcción. Las partes interesadas reaccionan a lo que ven en lugar de definir sus necesidades por adelantado, y el alcance empieza a expandirse sin control."
Este reto se ve agravado por la realidad de que la preparación de los datos consume históricamente entre el 60 y el 80% del tiempo del proyecto de simulación, lo que deja muy poco ancho de banda para el análisis y la toma de decisiones que realmente impulsan el valor empresarial.
Integración de datos en el mundo real: Lecciones de Simio Sync 2026
SimWell y Mitchel Lincoln: Gestión de datos de fabricación complejos
La presentación de SimWell sobre el escalado de una planta de cartón ondulado, con capacidad para 2.000 millones de pies cuadrados de producción anual, proporcionó información convincente sobre la simulación basada en datos. Joanie Robichaud y Akrem Dhahri, consultores de simulación de SimWell, junto con Christian Roy, Vicepresidente de Operaciones y Cadena de Suministro de Mitchel Lincoln, demostraron cómo abordaron un complejo reto de fabricación en el que los cuellos de botella impedían a la planta alcanzar su capacidad teórica.
"La primera [razón por la que elegimos Simio] es porque se basa realmente en los datos", explicó el equipo de SimWell. "Es fácil tener muchas tablas de datos y organizarlas bien en el software para utilizarlas eficazmente en el modelo. Como ya hemos dicho, los pedidos son realmente personalizados. Tenemos cada pedido personalizado para el cliente. Así que eso ya significa muchos datos".
La estructura de su modelo de simulación ejemplificaba la integración moderna de datos: Los datos de entrada recogían todos los datos históricos de producción: número de expedientes, características de los pedidos simplificadas en familias según distribuciones, fluidos, colores, parámetros de los equipos, programas de producción, tiempos de ciclo, tiempos de preparación y disponibilidad de mano de obra. El modelo de simulación contenía todo el flujo de materiales, las reglas de encaminamiento, la lógica operativa y los parámetros específicos de los equipos. Los resultados se centraron en la medición del rendimiento, la utilización de los equipos, el análisis del estado del tiempo y el seguimiento de las colas de trabajo en curso.
El equipo de SimWell aprovechó ampliamente las capacidades de experimentación de Simio: "Utilizamos mucho la experimentación, la pestaña de experimentos de Simio. Y podíamos hacer ajustes rápidos de los parámetros y observar realmente las variables de respuesta y su cambio. Cuando cambiábamos de escenario, lo utilizábamos para realizar análisis de sensibilidad... para identificar rápidamente los cuellos de botella".
Innovación clave en la integración de datos: El equipo de SimWell simplificó un sistema de garajes de 65 carriles en 15, manteniendo la capacidad total. Al carecer de datos históricos sobre los tiempos de carga y descarga de trenes, crearon ecuaciones basadas en la profundidad de las pilas y los ciclos de carga: "Nuestro experto en sistemas estimó que se trataba de una ecuación que dependería de la profundidad de la pila en el garaje... y basada en el número de ciclos de carga que deben producirse".
Joanie, de SimWell, explicó el desarrollo de la ecuación: "Por ejemplo, si tienes una pila grande como esa, el tren tiene tres transportadores. Así que sólo tiene que empujar esta pila y ya está cargada. Y ya está. Pero si hay pilas más pequeñas, hay que cargar cada transportador por separado. Entonces tendrías y igual a tres ciclos de carga. Y x sería la profundidad".
Northwell Health: Modelado de datos del servicio de urgencias
La presentación de Northwell Health sobre la optimización del flujo de pacientes en el servicio de urgencias demostró la sofisticada integración de datos en entornos sanitarios. Su equipo combinó datos cualitativos y cuantitativos para construir un completo modelo de simulación que respondiera a un aumento previsto del 10-30% en el volumen de pacientes tras el cierre de un hospital cercano.
El modelo de Northwell Health incorporaba nueve tipos de entidades distintos basados en el nivel de triaje y el modo de llegada, con tasas de llegada personalizadas, tiempos de proceso de tareas definidos por distribuciones estadísticas, probabilidades de encaminamiento y programas semanales precisos de dotación de personal. Liam Coen, del equipo de Northwell, explicó: "Recortamos el 5% superior de pacientes en todas nuestras distribuciones debido a los valores atípicos de la documentación, e hicimos una validación adicional para ver por qué esto era apropiado", demostrando rigurosos procesos de validación de datos.
Su enfoque de la integración de datos: "Utilizamos un software externo para ajustar las distribuciones basándonos en nuestros datos de entrada... el azul son los datos reales, y esa línea roja es una línea de datos ajustada... una distribución Pearson seis, esencialmente una distribución normal que está sesgada a la izquierda".
En la presentación de Northwell Health se destacaron las capacidades futuras, señalando que las funciones de integración de Python que está desarrollando Simio podrían simplificar significativamente los procesos de ajuste de distribuciones, en particular para los conjuntos de datos sanitarios a gran escala que contienen decenas de miles o cientos de miles de encuentros con pacientes.
Chevron: De la intuición al conocimiento en ingeniería y construcción
La presentación de Chevron, "From Intuition to Insight: How Chevron Uses Simulation to Improve Engineering and Construction Performance", mostró los retos de la integración de datos en múltiples tipos de proyectos. Nick Wann, asesor de ejecución de proyectos de Chevron, presentó varios casos prácticos que demuestran cómo la simulación transforma la toma de decisiones en entornos complejos.
Sistema de producción de ingeniería: Producción de planos ISO
El primer caso práctico se centró en la producción de 100 planos isométricos de tuberías a la semana para la fabricación de plataformas marinas en Corea. "La consecuencia de no hacerlo es que hay astilleros enteros parados esperando los planos. Las consecuencias son bastante graves", explica Nick, de Chevron. Este entorno de alto riesgo exigía una integración de datos precisa para modelar los ciclos de comprobación y reelaboración inherentes a los flujos de trabajo de ingeniería.
El planteamiento de Chevron incluía el seguimiento de múltiples pasos del proceso -preparación de planos, comprobación, depuración, retrocomprobación, control de calidad-, cada uno con sus correspondientes probabilidades de repetición y necesidades de recursos. Su análisis reveló que los cálculos tradicionales no tenían en cuenta la variabilidad: "Dijimos que en realidad necesitábamos tres recursos y un tercio para conseguir 100 ISO por semana. Pero redondearemos a cuatro... Bueno, el contratista propuso al propietario... cuatro recursos a tiempo completo más un recurso a tiempo parcial".
La simulación validó la petición del contratista al incorporar la variabilidad del proceso que los cálculos estáticos pasaban por alto, lo que demuestra el valor de la simulación basada en datos frente a los enfoques analíticos simplificados.
Optimización de rutas de camiones: Toma de decisiones en tiempo real
Otro caso práctico de la presentación se centró en la optimización de la ruta de transporte de camiones en una mina. Nick, de Chevron, demostró la rápida iteración desde los resultados de la simulación hasta su aplicación: "Lo que hacíamos era hacer recomendaciones al contratista. Pero ellos veían los resultados. Al día siguiente, sus conductores pusieron en práctica esta nueva ruta, y al tercer día ya habían invertido totalmente el tráfico en la obra".
Este ejemplo ilustra el poder de los flujos de trabajo de datos bien integrados: la simulación podía probar escenarios de seguridad (invertir el tráfico para reducir las interacciones entre vehículos), cuantificar el impacto (reducción del 50% en las interacciones entre vehículos, aumento del 6% en la productividad) y permitir una aplicación casi inmediata.
Nick, de Chevron, resumió el mensaje central: "El poder está, obviamente, en los experimentos y en realizar múltiples simulaciones y resumir toda esa información. A los equipos directivos... siempre les gusta la simulación. Les encanta ver cómo se mueven las cosas. Son buenas presentaciones. Pero el poder está en los datos".
Boeing: Movimiento dinámico del trabajo e integración cultural de datos
La presentación de Boeing sobre el modelado para el movimiento dinámico del trabajo abordó aspectos organizativos más amplios de la integración de datos. El equipo de Boeing subrayó: "Dadas estas realidades, las hojas de cálculo y los análisis estáticos, bueno, a menudo son insuficientes. Y ahí es donde la simulación realmente entra en juego y brilla al construir un modelo realista del sistema de producción."
La presentación también hizo hincapié en la transformación cultural: "La cultura actual de Boeing está cambiando. Todavía no está ahí, pero la cultura está definitivamente en alza". Este elemento cultural es fundamental para el éxito de la integración de datos: las organizaciones deben fomentar entornos en los que "los que están en la base, los que construyen el producto... quieran hacer un buen trabajo y tengan buenas ideas". Para que la integración de datos sea eficaz, es necesario captar los conocimientos de las personas más cercanas a los procesos que se están modelando.
Capacidades técnicas presentadas en Sync
Diseño modular y orientado a objetos
Varios ponentes destacaron la importancia de los componentes reutilizables. El equipo de SimWell señaló: "También es un diseño modular orientado a objetos. Todas las prensas y trenes se desarrollaron como [objetos] reutilizables. Y luego, con el tiempo, podemos simplemente moverlos o cambiar los parámetros para tener una nueva prensa en el modelo. Y eso fue muy rápido, muy fácil y muy eficaz".
Experimentación rápida y análisis de sensibilidad
Las capacidades de experimentación de Simio se destacaron constantemente. SimWell ejecutó más de 100 experimentos, lo que permitió realizar análisis de sensibilidad exhaustivos para identificar rápidamente los cuellos de botella. Esta capacidad de iteración rápida transforma la simulación de una herramienta de análisis puntual en un sistema dinámico de apoyo a la toma de decisiones.
Visualización para la participación de las partes interesadas
La visualización de Gantt se mencionó repetidamente como valiosa para depurar modelos durante el desarrollo. La posibilidad de ver el flujo de materiales, los cuellos de botella que se forman y los camiones que se mueven genera el compromiso de las partes interesadas, mientras que el análisis de los datos subyacentes impulsa la toma de decisiones.
Desarrollo de capacidades internas
El equipo de Boeing debatió la creación de "SimBits internos", es decir, piezas modulares de lógica que resuenan entre los usuarios finales de la empresa. Un representante de Boeing explicó: "Este enfoque de la creación de capacidades internas de simulación acelera la adopción y mejora la integración de datos en toda la organización.
Impacto cuantificable: El caso empresarial de la integración de datos
Eficiencia en la fabricación
El proyecto Mitchel Lincoln de SimWell tenía como objetivo aumentar la capacidad de producción de 1.400 millones de pies cuadrados a 2.000 millones de pies cuadrados, un 43% más. La simulación identificó que el tren (sistema de manipulación de materiales) y las prensas eran los principales cuellos de botella que impedían que las instalaciones alcanzaran su capacidad teórica tras una actualización de las onduladoras.
El enfoque del equipo de SimWell para el análisis del tamaño de los lotes, aplicando los principios de la fabricación ajustada ("el famoso cada producto cada intervalo de la fabricación ajustada"), demostró cómo la simulación basada en datos permite probar las estrategias operativas antes de su implantación.
Optimización sanitaria
La simulación de Northwell Health reveló las repercusiones precisas de los aumentos de volumen: con un aumento del 20% en el volumen de pacientes, el tiempo de espera entre la puerta y el proveedor aumentó hasta una media de 18 minutos, el tiempo de tratamiento y liberación se incrementó en torno al 12%, hasta algo más de 200 minutos, y la utilización nocturna de enfermeras alcanzó el 87%, lo que lo identificó como un posible cuello de botella.
El equipo de Northwell Health explicó su toma de decisiones: "El centro adoptó nuestra recomendación de simulación de añadir un turno de ocho horas los domingos por la noche, ya que el volumen aumentaba gradualmente entre un 7% y un 10% en el momento de la implantación", lo que representa el paso de una gestión reactiva de la capacidad asistencial a una proactiva.
Seguridad y productividad en la construcción
La simulación de producción de planos ISO de Chevron evitó disputas sobre la asignación de recursos cuantificando el impacto de la variabilidad del proceso. En lugar de basarse en cálculos simplificados que sugerían que cuatro revisores a tiempo completo eran suficientes, la simulación validó la necesidad de recursos adicionales a tiempo parcial para tener en cuenta la variabilidad del mundo real.
Su caso práctico de optimización de rutas de camiones consiguió reducir en un 50% las interacciones entre vehículos (un indicador del riesgo para la seguridad) y, al mismo tiempo, aumentar la productividad en un 6%. La rapidez de la implantación -desde los resultados de la simulación hasta la implantación completa en tres días- demuestra el valor de contar con una infraestructura de integración de datos.
Marcos estratégicos presentados en Sync
Enfoque de especificación de requisitos funcionales (FRS)
La presentación de Simio sobre requisitos funcionales proporcionó un marco para garantizar que los proyectos de simulación aporten valor empresarial desde el principio. Jason, de Simio, explicó que el enfoque en cuatro fases -definir requisitos, construir modelo, validar, entregar- garantiza la alineación antes de que comience un trabajo de modelado significativo.
Preguntas clave del taller presentadas por Jason de Simio:
-
"Si pudieras tener cualquier cosa de esta herramienta, ¿qué sería?" - Hace que las partes interesadas reflexionen sobre cuestiones clave
- "¿Qué decisiones tomarías a partir de esta respuesta? - Garantiza que el alcance se centre en ideas prácticas.
- "Si la respuesta es ninguna, puede que no sea importante para el ámbito de aplicación".
Este marco aborda directamente el reto de la integración de datos aclarando qué datos se necesitan y por qué antes de empezar a modelar.
Validación mediante la colaboración
Varios ponentes destacaron la importancia de la validación con expertos en la materia. El equipo de SimWell colaboró estrechamente con el equipo de operaciones de Mitchel Lincoln para validar los supuestos sobre el sistema de cocheras de 65 carriles, las operaciones de los trenes y las características de los pedidos.
El equipo de Northwell Health llevó a cabo un mapeo exhaustivo de los procesos de las vías de natación con el personal del servicio de urgencias: "Esta recopilación de datos cualitativos, junto con el análisis de datos cuantitativos, dio lugar a modelos en los que el personal confió y que la dirección adoptó.
Equilibrio entre el detalle y la complejidad del modelo
Se preguntó al equipo de Northwell Health por su decisión de segmentar a los pacientes en nueve tipos de entidades distintas. Su respuesta puso de relieve la compensación: "Esas diferencias de tiempo entre ellos... no sólo para la estancia total del paciente, sino también para los distintos pasos del proceso que observamos".
Esta decisión ejemplifica la estrategia de integración de datos: suficiente granularidad para captar diferencias significativas, pero no tanta como para que el modelo se vuelva difícil de manejar o los requisitos de datos se vuelvan imposibles de cumplir.
Perspectivas de aplicación: Pasar de las hojas de cálculo a la simulación
Las limitaciones del análisis estático
El equipo de Boeing abordó un reto fundamental en la fabricación compleja: "Dadas estas realidades, las hojas de cálculo y los análisis estáticos, bueno, a menudo son insuficientes. Y ahí es donde la simulación realmente entra en juego y brilla al construir un modelo realista del sistema de producción".
Esta observación se repitió en todas las presentaciones. La experiencia de Nick, de Chevron, con las herramientas analíticas frente a la simulación fue instructiva: "Cuando nos introdujeron por primera vez en el concepto de considerar nuestros proyectos como sistemas de producción... empezamos con algunas herramientas analíticas... El problema que encontramos con las herramientas analíticas es que parecían una caja negra, y nadie entendía realmente lo que estaba pasando".
Y continuó: "No podíamos verlo, no podíamos sentirlo. No podíamos observar el comportamiento. Así que cuando obteníamos resultados contrarios a la intuición o a lo que esperábamos, lo que no entendía era la luz natural. Es un poco como una caja negra. No voy a confiar en ella".
La transparencia de los modelos de simulación -la capacidad de observar el comportamiento, ver cómo se forman cuellos de botella y comprender las relaciones causa-efecto- genera una confianza en las partes interesadas que los cálculos estáticos no pueden igualar.
Planificación de requisitos de datos
La experiencia de SimWell puso de manifiesto la importancia de planificar las carencias de datos. Cuando no se disponía de datos históricos sobre la carga y descarga de trenes, desarrollaron ecuaciones de estimación con expertos en sistemas en lugar de abandonar ese aspecto del modelo.
El planteamiento de Northwell Health para gestionar los datos atípicos -recortar el 5% superior tras validar que representaban errores de documentación y no experiencias reales de los pacientes- demostró una gestión rigurosa de la calidad de los datos.
Integración de múltiples fuentes de datos
Las presentaciones mostraron la integración de diversos tipos de datos:
-
Datos operativos históricos (registros de producción de SimWell)
- Mapeo de procesos y perspectivas cualitativas (50 pasos del proceso de Northwell, 15 puntos de decisión)
- Estimación experta (ecuaciones de carga de trenes)
- Distribuciones estadísticas (distribuciones ajustadas de Northwell para tiempos de procesamiento de pacientes)
- Reglas operativas en tiempo real (lógica de garaje, decisiones de enrutamiento)
- Datos externos (patrones de llegada de pacientes, especificaciones de los equipos)
Esta integración de múltiples fuentes requiere capacidades organizativas que van más allá de un simple software de simulación: exige colaboración interfuncional, gobernanza de datos y procesos de validación sistemáticos.
Integración de Python para el procesamiento de datos
SimWell demostró la sofisticada integración de Python para el procesamiento de datos. Akram de SimWell explicó: "Al principio recopilamos todos los datos brutos que estaban en archivos Excel. Y algunos de ellos eran estimaciones de expertos que convertimos en fórmulas y diferentes cosas que procesamos utilizando un script de Python. Luego limpiamos los datos e hicimos el análisis exploratorio de datos".
El equipo continuó: "Extrajimos los parámetros importantes y ajustamos la distribución utilizando el script de Python todavía. Y entonces todo estuvo listo. Creamos las tablas de entrada directamente en Simio... Y luego, una vez descargados esos CSV, pudimos procesarlos utilizando de nuevo un script de Python, porque a veces ejecutábamos algunos escenarios en un ordenador en el ordenador de Akram, y luego yo ejecutaba otros, y luego lo juntábamos todo como agregados".
Este flujo de trabajo demuestra la evolución de la manipulación manual de datos al procesamiento automatizado de datos basado en scripts que permite proyectos de simulación escalables.
El camino a seguir: Lecciones de Simio Sync 2026
La cultura como base
El énfasis de Boeing en la transformación cultural resuena en todos los esfuerzos de integración de datos: "Escuche a sus empleados, los que están en la base, los que construyen el producto, los que están metidos hasta el cuello en... lo que entra en estos aviones, quieren hacer un buen trabajo y tienen buenas ideas".
La integración eficaz de datos no puede ser puramente técnica, sino que requiere culturas organizativas que la valoren:
-
La toma de decisiones basada en datos
- La colaboración entre los equipos de modelización y los expertos operativos
- La voluntad de desafiar la intuición con conocimientos de simulación
- La iteración y el aprendizaje rápidos
Creación de capacidades internas
El énfasis en la creación de SIMbits internos y componentes reutilizables apunta a un modelo de madurez para la adopción de la simulación. Las organizaciones pasan de:
-
Proyectos de simulación ad hoc con consultores externos
- Capacidades de simulación sistemática con expertos internos
- Simulación democratizada en la que los líderes operativos pueden modificar y ejecutar escenarios
Esta progresión requiere la creación deliberada de capacidades y la transferencia de conocimientos, como subrayó el equipo de Boeing.
Integración con los procesos empresariales
Las presentaciones más impactantes de Sync mostraron la integración de la simulación en los procesos empresariales:
-
El ciclo de tres días de Chevron desde los resultados de la simulación hasta la implementación completa de la inversión del tráfico.
- La planificación proactiva de la capacidad de Northwell Health en respuesta a los cambios del mercado.
- La identificación sistemática de cuellos de botella de SimWell para la toma de decisiones de inversión de capital.
Estos ejemplos demuestran que la simulación es una herramienta de apoyo continuo a la toma de decisiones y no un ejercicio de análisis ocasional.
Evolución tecnológica
Aunque el equipo de SimWell analizó los detalles específicos de la integración avanzada con Python en su flujo de trabajo de procesamiento de datos, la referencia de Northwell Health a las próximas capacidades apunta a la evolución continua de la tecnología de simulación.
El objetivo sigue siendo permitir una integración de datos más rápida y precisa para que los analistas puedan dedicar tiempo a la generación de conocimientos en lugar de a la gestión de datos.
Conclusión: La integración de datos como capacidad estratégica
Las presentaciones de Simio Sync 2026 reforzaron una verdad fundamental: la simulación moderna triunfa o fracasa en función de la eficacia de la integración de datos. Organizaciones que abarcan desde la industria aeroespacial hasta la asistencia sanitaria en el sector energético demostraron que romper las barreras de los datos es necesario:
Capacidades técnicas:
-
Estructuras de datos flexibles que soporten reglas operativas complejas
- Marcos de experimentación rápida que permitan análisis de sensibilidad
- Herramientas de visualización que aumentan la confianza de las partes interesadas
- Componentes modulares y reutilizables que aceleran el desarrollo
Capacidades organizativas:
-
Colaboración interfuncional entre modeladores y operadores
- Procesos sistemáticos de validación que garanticen la precisión del modelo
- Compromiso cultural con la toma de decisiones basada en datos
- Inversión en la creación de capacidades internas
Integración de procesos:
-
Definición clara de los requisitos antes de empezar a modelar
- Enfoques estructurados para gestionar las lagunas de datos y la incertidumbre
- Rápida iteración desde el conocimiento hasta la aplicación
- Uso continuo de la simulación para la optimización continua
Como demostró el equipo de SimWell con sus más de 100 experimentos, como demostró Northwell Health con su planificación proactiva de la capacidad, y como ilustró Chevron con su ciclo de implantación de tres días, las organizaciones que dominan la integración de datos obtienen importantes ventajas competitivas.
El futuro pertenece a las organizaciones que reconocen la integración de datos como una capacidad estratégica más que como una necesidad técnica. Aquellas que inviertan hoy en arquitecturas de simulación automatizadas y bien integradas se encontrarán mejor posicionadas para aprovechar los crecientes volúmenes de datos y la creciente complejidad de los entornos operativos modernos.
El mensaje de Simio Sync 2026 fue claro: romper las barreras de los datos no consiste en tener más datos, sino en integrarlos de forma más eficaz, validarlos con mayor rigor y actuar con mayor rapidez a partir de los conocimientos adquiridos. Las empresas que dominen esta integración liderarán sus sectores en excelencia operativa.