Análisis del impacto de la disposición en la asignación de recursos para la votación

Caso práctico

Para investigar el impacto de las decisiones de disposición en las operaciones de un centro de votación en persona, se seleccionó como caso de estudio un centro de votación del condado de Los Ángeles (LAC), California. Dado que LAC alberga a más de 5,5 millones de votantes registrados (Secretaría de Estado de California, 2020) y que ha implementado un nuevo conjunto de equipos de votación para las primarias presidenciales de 2020, la cuestión de cuál es la mejor disposición de un centro de votación es un componente crítico de la planificación electoral. En primer lugar, se elaboró y verificó una representación general del centro de votación observado. Los datos recogidos a partir de observaciones manuales del proceso electoral se ajustaron a distribuciones de probabilidad, en su caso, para su introducción en el modelo de simulación. A continuación, se codificó una representación simulada del centro de votación utilizando el software Simio versión 11.197.19514. Este modelo de referencia se verificó a continuación utilizando el comportamiento conocido del proceso y se validó basándose en estudios de tiempo observados. Un diseño experimental varió la disposición y el flujo del centro de votación para identificar el impacto de tales cambios.

Modelización conceptual

El sistema investigado fue un centro de votación de LAC en funcionamiento durante las elecciones primarias presidenciales de 2020. Un centro de votación es un lugar de votación presencial al que acuden votantes de varios distritos electorales para emitir su voto. De acuerdo con la Ley de Elección del Votante de California (S.B. 450 2016 [promulgada]), los centros de votación LAC permiten a cualquier votante dentro de su condado emitir su voto dentro de cualquiera de sus ubicaciones (1.000 para esta elección específica). La elección observada tuvo lugar el día de las elecciones-Super Martes, 3 de marzo de 2020-representando la mayor participación de votantes por día del período de votación de LAC de 10 días.

La votación en LAC requiere un proceso de uno, dos o tres pasos, dependiendo de la elegibilidad del votante. En el caso de los votantes inscritos que entregan una papeleta premarcada (es decir, el voto por correo), el sistema de una sola etapa requiere que introduzcan la papeleta en una urna segura. Este proceso de un solo paso se excluyó de este análisis, ya que es independiente del sistema general. Para un votante registrado, se trata de un proceso de dos pasos: (paso 1) identificación e impresión de la papeleta en el momento de registrarse, seguido de un proceso de marcado y escaneado de la papeleta en una estación (paso 2). En determinadas circunstancias (por ejemplo, registro en el mismo día), los votantes presentan una papeleta provisional en un proceso de tres pasos: (1) registro, (2) marcado de la papeleta y (3) regreso al puesto de registro para finalizar su papeleta. Independientemente del tipo de votante, el equipo de registro y marcado de papeletas es idéntico. La figura 1 ilustra estos procesos de votación dentro del sistema.

Durante el proceso de registro, los votantes proporcionan información a los trabajadores electorales para garantizar su elegibilidad; en el Estado de California no se requiere ningún tipo de identificación. La información se procesa con una libreta electoral electrónica, KNOWiNK Poll Pad® (una tableta con pantalla táctil modificada que accede a la base de datos de registro de votantes), que indica a una impresora de papeletas especializada qué información de la papeleta debe imprimir. A continuación, se imprime la papeleta por votante, en función de su papeleta específica para el lugar donde está inscrito, y se entrega al votante. Tras este proceso, el votante localiza un dispositivo de marcado de papeletas (BMD) de Voting Solutions for All People (VSAP) (es decir, una cabina de votación electrónica en la que los votantes introducen su papeleta y la marcan digitalmente utilizando una interfaz de pantalla táctil diseñada específicamente por LAC). Una vez marcada la papeleta en el BMD, se imprime la papeleta marcada por el votante para su revisión. A continuación, el votante deposita su papeleta introduciéndola de nuevo en el escáner integrado de la BMD y verificando su presentación en la interfaz de la BMD. Los votantes provisionales vuelven a registrarse, introducen su papeleta en un sobre, rellenan la información requerida en dicho sobre y la depositan en una urna segura. Una vez emitido su voto, el votante puede salir del sistema. La instalación del centro de votación corre a cargo del personal de la oficina del Secretario del Condado de LAC; sin embargo, no están claras las decisiones de diseño previstas ni la posición/orientación de los equipos.

Entradas del modelo

Las entradas principales en la simulación del sistema incluyeron el comportamiento de las llegadas, los tiempos de procesamiento, el recuento de equipos y la disponibilidad de las estaciones. Las llegadas de votantes se separaron por tipo de votante, provisional y no provisional. Se recopiló una combinación de estudios de tiempo observacionales y datos generados electrónicamente. A pesar de que la mayor parte del proceso de votación genera registros de transacciones que describen los acontecimientos que se producen en cada dispositivo del sistema de votación, el acceso a estos registros por parte de personas ajenas a la Junta Electoral del Condado se retrasa hasta que finalizan los procesos de autenticación y verificación de las elecciones. Para completar los datos del análisis inicial del sistema, se realizaron estudios de tiempo de los procesos de registro y de marcado de papeletas. Se extrajeron recuentos de los archivos de registro disponibles en Poll Pads® para determinar el número total de votantes provisionales y no provisionales.

Los tiempos de procesamiento se determinaron generando distribuciones representativas de los datos recogidos mediante observaciones manuales de los procesos de registro (n = 506) y de marcado y escaneado de papeletas (n = 304). Las distribuciones se ajustaron utilizando el paquete fitdistrplus de RStudio, en el que se ajustaron automáticamente varias distribuciones y se compararon con los datos utilizando gráficos P-P y gráficos Q-Q. El ajuste de distribución resultante para el proceso de registro fue una distribución log-logística con una forma de 3,532 y una escala de 107,191. El proceso de marcado y escaneado de papeletas se ajustó a una distribución log-logística con un parámetro de forma de 3,521 y un parámetro de escala de 339,560.

Otros datos críticos del modelo fueron las tasas de llegada al sistema y la lógica de recorrido de los votantes. Debido a la formación de una fila fuera del centro de votación, la llegada de nuevos votantes no pudo observarse directamente durante la recogida de datos. Para tener esto en cuenta, se utilizó la literatura que investigaba los sistemas de votación para generar un patrón de participación esperado estimado. En general, se acepta que los votantes llegarán a los centros de votación principalmente a primera hora del día, así como a media tarde (Edelstein 2006; Yang et al. 2014; Yang et al. 2009). Las tasas de participación presentadas en Yang et al. (2009, p.3143) asumen que el 47% de los votantes llegan antes de las 11:00 a.m. con otro pico a media tarde (es decir, 24% entre las 11:00 a.m. y las 3 p.m.). El comportamiento de llegada presentado en Yang et al. (2009) se utilizó para la estimación del patrón de llegada en este estudio. Se hicieron ajustes a las tasas horarias para que coincidieran con la cola observada durante la recogida de datos, que se formaba antes del registro y duraba de 8:00 a 22:00. Las llegadas dentro de las horas seguían un proceso de Poisson no homogéneo y todas las llegadas terminaban a las 20:00, según la ley LAC.

Durante la recogida de datos, se registraron los recuentos y la disponibilidad de los equipos. Se utilizaron siete Poll Pads® durante toda la jornada electoral. Un total de 75 DMO estaban presentes en el centro de votación, sin embargo, sólo 64 estuvieron en uso durante todo el día. De los 64 dispositivos, 53 estuvieron disponibles para su uso desde las 7:00 hasta las 17:00 horas, después de lo cual los 64 estuvieron disponibles. Los 11 DMO restantes no se utilizaron debido a que se formó una fila detrás de los dispositivos con línea de visión directa a la interfaz de pantalla táctil. En aras de la privacidad de los votantes, estos dispositivos se apagaron y se impidió su uso. Para tener en cuenta los comportamientos observados que no pudieron incluirse en el modelo debido a la falta de datos y a la imposibilidad de realizar un seguimiento de procesos específicos, fue necesario adoptar otras hipótesis. Se supuso que los votantes emitían correctamente la primera papeleta que se les entregaba; por tanto, una papeleta por persona. Aunque esto no es representativo de las elecciones reales, era difícil hacer un seguimiento observacional de cuándo un votante debe entregar o anular una papeleta incorrecta y obtener una nueva. Por lo tanto, se asumió que los votantes no provisionales nunca volverían a los puestos de registro y potencialmente serían reetiquetados como votantes provisionales. También se supuso que los votantes no se cruzarían entre sí antes de llegar al puesto de registro, es decir, la cola seguirá el orden FIFO (primero en entrar, primero en salir), pero pueden cruzarse entre sí cuando se encuentren en el mismo camino hacia una DMO o una salida. En la práctica, los centros de votación LAC también permiten a los votantes depositar los votos por correo en buzones seguros dentro de los centros de votación. Este subsistema estaba predominantemente aislado de los otros procesos de votación en términos de llegadas, colas y procesamiento; por lo tanto, fue excluido de los modelos de simulación.

Codificación del modelo

Se creó un modelo DES en Simio para representar el centro de votación LAC. El enfoque de la modelización se centró menos en una representación exacta del centro de votación, que sería prácticamente imposible debido a la disponibilidad de datos, y se centró más bien en aproximar su comportamiento. Incluso con una representación aproximada del sistema, el impacto de los cambios en el sistema proporciona diferencias de rendimiento útiles y relativas (Banks et al. 2010) siempre que la lógica del modelo sea representativa. Por lo tanto, se generó un diagrama estimado del centro de votación en Simio. A continuación, el espacio del modelo se pobló con servidores para representar los procesos de registro y de DMO, con un único servidor representando hasta dos puestos de registro u once DMO, respectivamente. Se desarrolló una lógica de enrutamiento para garantizar que los votantes provisionales volvieran a la facturación antes de salir del sistema. Las trayectorias de los votantes se modelaron basándose en las observaciones realizadas durante la recogida de datos, con rutas opcionales disponibles. Los recorridos antes de la facturación no permitían el paso, ya que los votantes eran facturados siguiendo una estrategia FIFO, sin embargo, los recorridos más allá de la facturación sí permitían el paso para que los votantes pudieran acceder a cualquier DMO o salida disponible. Las rutas de salida (recorridos) eran opcionales, y los recorridos más cortos eran los preferidos por las entidades de votantes. Para todos los recorridos se utilizó una velocidad de paso estándar de 1,4 m/s (valor por defecto de Simio).

Verificación y validación

El modelo se verificó observando la simulación visual 2D y 3D proporcionada en Simio. La representación del sistema se juzgó por el comportamiento de encaminamiento y desplazamiento adoptado por las entidades en todo el sistema. Se dio prioridad a la prevención del retroceso de votantes no provisionales, a la formación adecuada de colas y a la lógica de selección de equipos. Cuando los comportamientos de las entidades y los procesos eran razonablemente representativos del centro de votación de LAC, se validaba el modelo. El método de validación comparó principalmente los resultados simulados con las estadísticas descriptivas de los datos de observación. Las medidas clave para la validación incluyeron los tiempos medios de procesamiento en la facturación y los BMD y el comportamiento de formación de colas antes de la facturación. El tiempo medio de procesamiento resultante para el proceso de facturación simulado fue de 2,161 minutos, un promedio de medias sobre 100 réplicas (n 1 = 100), que no fue estadísticamente diferente del tiempo medio de facturación observado de 2,223 minutos (n 2 = 500) con un intervalo de confianza del 95% sobre la diferencia de (-0,242, 0,028) (es decir, prueba t de dos muestras con p = 0,121). El tiempo medio de procesamiento del DMO simulado fue de 6,861 minutos, un promedio de medias sobre 100 réplicas (n 3 = 100), que no fue significativamente diferente del promedio observado de 6,783 minutos (n 4 = 300) con un intervalo de confianza del 95% sobre la diferencia de (- 0,923, 0,313) (es decir, prueba t de dos muestras con p = 0,332). Para validar aún más el patrón de llegada determinado y el comportamiento del proceso de registro, se observó la longitud de la cola a lo largo de la simulación y se comparó con el recuento real de colas realizado durante la recogida de datos. Aunque el recuento exacto de votantes en la cola difirió entre las elecciones simuladas y las observadas, el patrón de comportamiento de la cola y su magnitud relativa fueron suficientemente similares (es decir, la cola se formó a las 8:00 a.m. y se mantuvo hasta aproximadamente las 10:00 p.m.).

Diseño experimental

Se realizaron siete simulaciones aplicando estrategias de distribución alternativas (Tabla 1) y se compararon con el modelo de referencia para investigar el impacto de la distribución en el rendimiento del centro de votación. Cada modelo de simulación incluyó las mismas entradas de datos para todos los parámetros (es decir, patrones de llegada, cantidades de recursos y tiempos de procesamiento) e incluyó la implementación de números aleatorios comunes para cada distribución de procesamiento. Los parámetros del sistema, como las cantidades de recursos, no se modificaron para no confundir la influencia de la distribución en el rendimiento del sistema. Las simulaciones se realizaron durante 16 horas, lo que representa el tiempo transcurrido desde la apertura de las urnas (es decir, a las 7:00 horas) hasta la salida del último votante del sistema (es decir, aproximadamente a las 23:00 horas). Las llegadas finalizaban a la hora 13 (es decir, a las 20:00) por ley. Cada modelo se replicó 100 veces para conseguir suficientes observaciones para generar un intervalo de confianza (IC) del 99,3%, resultante de un IC del 95% corregido por Bonferroni sobre las métricas de rendimiento deseadas (Banks et al 2010, p. 477). Aunque existe una gran cantidad de investigaciones y algoritmos avanzados dedicados a optimizar la disposición de las instalaciones (por ejemplo, Sherali et al. 2003; Amaral 2006), se aplicó un enfoque no combinatorio al desarrollo de disposiciones alternativas para la experimentación porque el objetivo era probar un conjunto de opciones viables. Estas distribuciones se desarrollaron siguiendo las mejores prácticas recomendadas para el diseño de los centros de votación (por ejemplo, Comisión de Asistencia Electoral de EE.UU. n.d.; Centro de Diseño Cívico 2014), las ideas propuestas por los administradores electorales y los expertos electorales (es decir, separar el procesamiento de los votantes provisionales), y las mejores prácticas generales de tráfico peatonal (es decir, evitar el tráfico cruzado). El objetivo de determinar alternativas de disposición utilizando opciones realistas se basa en la accesibilidad. El desarrollo de métodos de optimización de la disposición para generar alternativas de disposición que puedan utilizarse en un DES queda fuera del alcance de este documento. La tabla 1 enumera y describe las alternativas de trazado y proporciona la referencia de las figuras.

Para medir el rendimiento de cada alternativa, se consideraron dos medidas: el tiempo medio en el sistema (ATS) y el tiempo máximo en el sistema (MTS). Estas medidas se seleccionaron debido a su relevancia en el dominio electoral, donde las elecciones pasadas han sido criticadas por los largos tiempos para votar (por ejemplo, Harmon et al. 2015; Arnsdorf 2018; Cassidy et al. 2018). Las medidas de cada alternativa se comparan con el modelo Baseline para determinar el margen de mejora logrado por la alteración del diseño. Cada variación en el diseño experimental se explora individualmente y los resultados se comparan en función del rendimiento relativo. Las métricas basadas en el tiempo (es decir, ATS y MTS) se tienen en cuenta debido a la observación de votantes que esperan varias horas para votar en el centro de votación de LAC. Mediante la evaluación de ATS y MTS, podemos identificar posibles oportunidades de mejora del sistema que no requieren recursos adicionales dentro de un centro de votación, pero ayudan a alcanzar el objetivo nacional que establece que ningún votante debería tener que esperar más de 30 minutos para emitir su voto (Bauer et al. 2014). Todos los resultados se presentan considerando un alfa corregido por Bonferroni (es decir, α i = 0,05/7 = 0,007 para la comparación de los modelos con un sistema existente, donde K = 8 y C = 7). Utilizando técnicas de evaluación del rendimiento relativo, se determinan y comparan las diferencias en las métricas de rendimiento medio (es decir, ATS y MTS) (Banks et al 2010, p. 476-477).

Tabla 1: Descripción de las alternativas de modelo.

Figura 3: Variaciones del modelo incluidas en el diseño experimental. Las líneas azules corresponden a las vías de entrada de los votantes, las rojas a las vías de los votantes provisionales y las negras a las vías de salida.

Resultados

Los resultados se presentan en términos de cambio en el tiempo (en horas), así como el cambio porcentual en ATS y MTS, presentados en la Tabla 2. No hubo diferencias significativas entre el modelo de referencia y el modelo de puesto de facturación desplazado. El IC del 99,3% de la diferencia en ATS del modelo de Puesto de Facturación Desplazado comparado con el modelo de Referencia fue (-8 minutos, +2 minutos). Mientras que el IC del 99,3% de la diferencia en el MTS fue de (-18 minutos, +9 minutos) con respecto al modelo de referencia. Teniendo en cuenta que tanto los intervalos de confianza de ATS como de MTS contenían cero, no se indicaba ninguna diferencia significativa. El modelo Looping Voter Path no fue significativamente diferente del modelo Baseline. El IC del 99,3% en la diferencia de ATS comparado con el modelo de referencia fue (-5 minutos, +5 minutos), y el IC del 99,3% en la diferencia de MTS fue (-13 minutos, +13 minutos). Debido a que tanto el IC de ATS como el de MTS contenían cero, el modelo Looping Voter Path no fue significativamente diferente del modelo Baseline. El modelo de Procesamiento provisional separado dio lugar a una reducción de la ETA de entre el 28,59% y el 43,44% (IC del 99,3%, reducción de 18,83 minutos a 28,61 minutos), lo que supone una diferencia significativa en comparación con el modelo de referencia. El MTS del modelo fue entre un 7,86% y un 27,30% menor (IC del 99,3%, reducción de 10,39 minutos a 36,12 minutos) que el del modelo de referencia. Estos resultados indican una diferencia significativa de rendimiento entre el modelo de tramitación provisional separada y el modelo de referencia.

Tabla 2: Diferencias de rendimiento con respecto al modelo básico.

Nota: * p < 0,007. Calculado como (Línea de base - Opción), los valores negativos suponen un aumento del tiempo y los positivos, una reducción.

De los cuatro modelos combinados, tres mostraron una diferencia significativa estimada en ATS y MTS en comparación con el modelo de referencia. El único modelo combinado que no demostró una diferencia significativa en ATS y MTS con respecto al modelo de referencia fue el modelo de ruta de votante en bucle y puesto de facturación desplazado. El modelo de Puesto de Registro Desplazado y Procesamiento Provisional Separado dio como resultado un cambio porcentual en ATS con un IC del 99,3% (+22,76%, +38,47%), lo que significa una reducción de 15,00 minutos a 25,33 minutos en ATS y un IC del 99,3% en MTS (+6,48%, +26,14%) que también dio como resultado una reducción de 8,57 minutos a 34,57 minutos en MTS en comparación con el modelo base. El IC del 99,3% para el ATS del modelo de Recorrido electoral en bucle y Procesamiento provisional separado fue de (+17,79 minutos, +27,54 minutos), lo que indica una reducción del 27,01% al 41,81% en comparación con el ATS del modelo base. La MTS del modelo Looping Voter Path y Separated Provisional Processing también mostró una diferencia significativa respecto a la MTS del modelo Baseline, con una reducción de entre 11,12 y 36,20 minutos. El modelo combinado final, Recorrido del votante en bucle, Puesto de registro desplazado y Procesamiento provisional separado, demostró reducciones de tiempo de entre el 22,28% y el 37,82% (es decir, 14,68 minutos y 24,91 minutos) en el ATS y de entre el 6,33% y el 26,00% (es decir, 8,37 minutos y 34,40 minutos) en el MTS en comparación con el modelo de referencia.

Debate y conclusiones

Los resultados de este estudio indican que la disposición y las estrategias de procesamiento utilizadas en los centros de votación influyen en el tiempo que los votantes pasan en un centro de votación. Estos resultados indican la posibilidad de reducir el tiempo de votación sin requisitos financieros adicionales por parte de los administradores electorales. Las largas colas y los tiempos de espera para votar son motivo de preocupación en las elecciones debido a la expectativa de que los votantes se abstengan si se supera su umbral de espera, lo que les priva efectivamente del derecho al voto (Piras 2009; Yang et al. 2014). La investigación ha demostrado que los votantes tienen una cantidad máxima de tiempo que están dispuestos a esperar antes de renegar, sin embargo, incluso aquellos que esperan "tanto como sea necesario" (Stewart y Ansolabehere 2003, p.2) pueden experimentar la privación del derecho de voto (Stewart y Ansolabehere 2003). Para demostrar aún más la importancia de reducir los tiempos de espera, las comunidades con menos recursos y menos representadas, en particular, experimentan tiempos de espera para votar más largos que la media (Pettigrew 2017; Allen y Bernshteyn 2006). Este análisis preliminar ha demostrado que los tiempos de espera pueden reducirse sin recursos ni gastos financieros adicionales. De los modelos con una única variación, el modelo de Procesamiento Provisional Separado demostró la reducción más significativa tanto en el ATS como en el MTS en comparación con el modelo de Referencia. Los tres modelos combinados con tramitación provisional separada también mostraron una reducción significativa de las ATS y las MTS en comparación con el modelo de referencia. La separación del procesamiento de los votantes provisionales fue la única variación consistente entre los modelos que difería significativamente del modelo base. Esta variación del modelo permitió que la mayoría de los puestos de registro fueran utilizados por los votantes que se sometían a un proceso de dos pasos, por lo que nunca tuvieron que volver a registrarse. Por lo tanto, los votantes provisionales sometidos a un proceso de tres pasos podrían formar una cola aislada al volver a facturar que no obstruiría otros puestos de facturación. La separación del proceso también permitió separar la cola que conducía a los puestos de facturación de la entrada del centro de votación. En el modelo de Puesto de Registro Desplazado, el modelo de Recorrido del Votante en Bucle y el modelo combinado de Recorrido del Votante en Bucle y Puesto de Registro Desplazado, no se observaron diferencias significativas en comparación con el modelo de Referencia.

A pesar de la falta de pruebas estadísticas de que los modelos de Recorrido del Votante en Bucle y Puesto de Registro Desplazado tengan un impacto en la cantidad de tiempo que todos los votantes pasan dentro del centro de votación, puede haber otras medidas de rendimiento no consideradas que demostrarían un beneficio de estos cambios. Algunos ejemplos potenciales pueden ser la congestión, la utilización, una mayor percepción de la claridad del sistema en general, la reducción de la distancia recorrida, la reducción de la ansiedad, el aumento de la facilidad de uso y la accesibilidad del sistema debido a un flujo más intuitivo. Además, la percepción de la privacidad de los votantes también puede beneficiarse de estos cambios, ya que el modelo de referencia incluía una fila de votantes esperando para registrarse formada dentro de un pasillo de DMO. La falta de privacidad significaba que la gente tenía la posibilidad de interactuar con otras personas que estaban votando activamente, lo cual está totalmente desaconsejado, y que varios DMO quedaban inactivos debido a su orientación (es decir, con la pantalla mirando hacia la cola de facturación). Otra ventaja no tenida en cuenta del modelo de puesto de facturación desplazado, y de los modelos combinados que incluyen la misma variación en la disposición de los equipos, es que los DMO incurren en un aumento de capacidad de once unidades, lo que da cuenta de los DMO que debían permanecer inactivos por motivos de privacidad.

Estos hallazgos iniciales identificaron diferencias significativas entre una combinación de estrategias de proceso y disposición para el rendimiento del centro de votación. Deben realizarse investigaciones adicionales para comprender mejor la relación entre la planificación de la disposición de las instalaciones y las estrategias de enrutamiento y procesamiento y su impacto combinado en el rendimiento del centro de votación. Algunas de las limitaciones de este estudio que ofrecen oportunidades de trabajo en el futuro incluyen la consideración de múltiples ubicaciones con diferentes restricciones de disposición. Mientras que este estudio identificó impactos significativos en ATS y MTS para un centro de votación en particular, el rendimiento de otros centros de votación puede experimentar resultados diferentes. Además, el estudio de una ubicación con datos históricos adicionales, aunque poco común, permitiría la incorporación de eventos y sucesos adicionales que ocurren dentro del centro de votación modelado. No todos los sucesos podrían modelarse a pesar de su presencia en el centro de votación observado (por ejemplo, errores de marcado de papeletas, averías de las máquinas).

Otras oportunidades para futuras investigaciones incluyen la consideración de diferentes medidas de rendimiento además de las medidas de tiempo en el sistema, una gama más amplia de variaciones del modelo y la comparación de cómo la planificación de la disposición de las instalaciones afecta a los centros de votación frente a los colegios electorales tradicionales. Para seguir innovando en el ámbito de la planificación de la disposición de las instalaciones para la administración electoral, son fundamentales las técnicas de optimización de la disposición de las instalaciones. Mediante la superposición de técnicas establecidas y avanzadas para el diseño y la evaluación de sistemas, pueden superarse muchos de los retos a los que se enfrentan los administradores electorales y los votantes. Entre los futuros trabajos que aborden los centros de votación de forma más general se incluyen el desarrollo y las aplicaciones de estudios avanzados de colas. Aunque la teoría básica de colas ya se ha aplicado anteriormente a los sistemas electorales, el avance de estas técnicas puede proporcionar de forma holística una mejor comprensión de los sistemas electorales y ofrecer una visión de la asignación de recursos electorales.

Los resultados de este estudio indican que la consideración de la disposición de las instalaciones, el procesamiento y el enrutamiento, así como el desarrollo de sus métodos aplicados, pueden garantizar que los ciudadanos puedan emitir su voto de forma eficaz y eficiente. Los métodos tradicionales empleados para reducir los tiempos de espera de los votantes simplemente añadían más equipamiento o proponían la apertura de locales de votación adicionales; sin embargo, futuras investigaciones en este ámbito pueden identificar técnicas de configuración de los centros de votación y diseños de disposición que reduzcan drásticamente los tiempos de votación y cuya aplicación no suponga costes adicionales.

Agradecimientos

Este trabajo ha sido financiado en parte por The Democracy Fund (R-201903-03975) como parte del proyecto URI VOTES. Los autores desean dar las gracias al Registro Civil del Condado de Los Ángeles (Los Angeles County Registrar-Recorder/County Clerk's Office) y a los trabajadores electorales por su inestimable ayuda para hacer posible esta investigación y que trabajan incansablemente para que las elecciones funcionen. Gracias también a los votantes del condado de Los Ángeles. Gracias al equipo adicional de URI VOTES James Houghton, Tim Jonas y Emma McCool-Guglielmo.

Actas de la Conferencia de Simulación de Invierno de 2020 K.-H. Bae, B. Feng, S. Kim, S. Lazarova-Molnar, Z. Zheng, T. Roeder y R. Thiesing, eds.

Nicholas D. Bernardo Gretchen A. Macht

Dept. of Mechanical, Industrial and Systems Eng.
University of Rhode Island 260 Fascitelli Center
for Advanced Engineering 2 East Alumni
Avenue Kingston, RI 02881, EE.UU.

Jennifer Lather

Durham School of Arch. Eng. y Construcción
Universidad de Nebraska-Lincoln PKI 206C
1110 S. 67th Street Omaha, NE 68182, EE.UU.

Referencias

Acar, Y., S. N. Kadipasaoglu, y J. M. Day. 2009. "Incorporación de la incertidumbre en la toma de decisiones óptimas: Integrating Mixed- integer Programming and Simulation to Solve Combinatorial Problems". Computers & Industrial Engineering 56(1):106- 112.
Allen, T. y M. Bernshteyn. 2006. "Mitigating Voter Waiting Times". CHANCE 19(4):25-34.
Amaral, A. R. S. 2006. "On the Exact Solution of a Facility Layout Problem". European Journal of Operational Research 173(2):508-518.
Arnolds, I. V. y D. Gartner. 2018. "Improving Hospital Layout Planning Through Clinical Pathway Mining". Anales de investigación operativa 263(1):453-477.
Arnolds, I. V. y S. Nickel. 2015. "Layout Planning Problems in Health Care". En Applications of Location Analysis. International Series in Operations Research & Management Science, editado por H. A. Eiselt y V. Marianov. Cham: Springer.
Arnsdorf, I. 2018. These Voters Had to Wait for Hours: It Felt Like a Type of Disenfranchisement'. Propublica. https://www.propublica.org/article/these-voters-had-to-wait-for-hours-it-felt-like-a-type-of-disenfranchisement, consultado el 13 de agosto de 2020.
Banks, J., J. S. Carson, B. L. Nelson y D. M. Nicol. 2010. Discrete-Event System Simulation. 5th ed. Upper Saddle River, Nueva Jersey: Prentice-Hall, Inc.
Bauer, R. F., B. L. Ginsberg, B. Britton, J. Echevarria, T. Grayson, L. Lomax, M. C. Mayes, A. McGeehan, T. Patrick, C. Thomas y N. Persily. 2014. La experiencia del voto estadounidense: Informe y recomendaciones de la Comisión Presidencial sobre Administración Electoral. Collingdale, Pensilvania: Diane Publishing Co.
Bruzzone, A. y R. Signorile. 1998. "Simulation and Genetic Algorithms for Ship Planning and Shipyard Layout". SIMULATION 71(2):74-83.
Burden, B. C. y J. Milyo. 2015. "Las cantidades y cualidades de los trabajadores electorales". Revista de derecho electoral: Rules, Politics, and Policy 14(1):38-46.
Secretaría de Estado de California. 2020. Report of Registration - February 18, 2020. https://www.sos.ca.gov, consultado el 24 de abril de 2020. Cassidy, C. A., C. Long, y M. Balsamo. 2018. Machine Breakdowns, Long Lines Mar Vote on Election Day. Associated Press. https://apnews.com/6fb6de6fdb034b889d301efd12602e21, consultado el 13 de agosto de 2020.
Centro para el Diseño Cívico. 2014. Polling Place Layout Diagrams. https://civicdesign.org, consultado el 13 de agosto de 2020. Das, S. K. 1993. "A Facility Layout Method for Flexible Manufacturing Systems". International Journal of Production Research 31(2):279-297.
Edelstein, W. A. 2006. New Voting Systems for NY - Long Lines and High Cost. New Yorkers for Verified Voting. http://www.wheresthepaper.org/DREsCauseLongLines061114.pdf, consultado el 13 de agosto de 2020. Edelstein, W. A. y A. D. Edelstein. 2010. "Queuing and Elections: Long Lines, DREs and Paper Ballots". En Proceedings of the 2010 International Conference on Electronic Voting Technology/Workshop on Trustworthy Elections, 9-10 de agosto de 2010, Washington, DC, EEUU.
Edwards, B. 2004. The Modern Airport Terminal: New Approaches to Airport Architecture. London: Taylor & Francis. Francis, R. L., L. F. McGinnis y J. A. White. 1992. Facility layout and location: an analytical approach. Englewood Cliffs, NJ: Prentice Hall.
Harmon, L., C. Posner, M. Jawando y M. Dhaiti. 2015. "La salud de las democracias estatales". Fondo de Acción del Centro para el Progreso Americano.
Holst, M. K. 2015. "Diseño óptimo de la distribución hospitalaria". Tesis doctoral, Universidad de Aalborg, Aalborg, Dinamarca.
Hosseini-Nasab, H., S. Fereidouni, S. M. T. Fatemi Ghomi y M. B. Fakhrzad. 2018. "Clasificación de los problemas de disposición de instalaciones: un estudio de revisión". Revista internacional de tecnología de fabricación avanzada 94(1):957-977.
Jamali, N., R. K. Leung, y S. Verderber. 2020. "A Review of Computerized Hospital Layout Modelling Techniques and their Ethical Implications". Frontiers of Architectural Research. doi: 10.1016/j.foar.2020.01.003 3138Bernardo, Lather, y Macht Kimball, D. C. 2013. "¿Por qué las colas para votar son más largas para los votantes urbanos?". Actas de la Conferencia de la Asociación de Ciencias Sociales del Suroeste, 29 de marzo de 2013, Nueva Orleans, LA, Estados Unidos.
Li, J. P. 2000. "Estudio del flujo de pasajeros en estaciones de tren". En Proceedings of the 2000 Winter Simulation Conference, editado por A. J. Joines, R. R. Barton, K. Kang y P. A. Fishwick, 1173-1176. Piscataway, Nueva Jersey: Institute of Electrical and Electronics Engineers, Inc.
Manataki, I. E., y K. G. Zografos. 2009. "A Generic System Dynamics Based Tool for Airport Terminal Performance Analysis". Transportation Research Part C: Emerging Technologies 17(4):428-443.
Olabisi, U. O. y N. Chukwunoso. 2012. "Modeling and Analysis of the Queue Dynamics in the Nigerian Voting System" (Modelización y análisis de la dinámica de las colas en el sistema electoral nigeriano). The Open Operational Research Journal 6:9-22.
Pettigrew, S. 2017. "La brecha racial en los tiempos de espera: Why Minority Precincts Are Underserved by Local Election Officials". Political Science Quarterly 132(3):527-547.
Piras, B. M. 2009. "Long Lines at the Polls Violate Equal Protections and Require Judicial and Legislative Action". University of St. Thomas Law Journal 6(3):658-679.
Sánchez, S. M. 2018. "Agricultura de datos: Mejores datos, no solo big data". En Proceedings of the 2018 Winter Simulation Conference, editado por M. Rabe, A. A. Juan, N. Mustafee, A. Skoogh, S. Jain y B. Johansson, 425-439. Piscataway, Nueva Jersey: Instituto de Ingenieros Eléctricos y Electrónicos, Inc.
S.B. 450. 2016. "Elecciones: Voto por correo y elecciones con voto por correo". Legislatura del Estado de California, período de sesiones 2015-16. https://elections.cdn.sos.ca.gov/vca/sb450-chaptered-legislation.pdf, consultado el 13 de agosto de 2020. Sherali, H. D., B. M. P. Fraticelli, y R. D. Meller. 2003. "Enhanced Model Formulations for Optimal Facility Layout". Operations Research 51(4):509-679.
Spencer, D. M. y Z. S. Markovits. 2010. "¿Las largas colas en los colegios electorales? Observations from an Election Day Field Study". Revista de Derecho Electoral: Rules, Politics, and Policy 9(1):3-17.
Stewart III, C. 2015. "Gestión de los recursos de los colegios electorales". Caltech/MIT VTP. http://web.mit.edu/vtp, consultado el 13 de agosto de 2020. Stewart III, C. y S. Ansolabehere. 2013. "Esperando en la cola para votar". Documento de trabajo n.º 114, Caltech/MIT VTP. Tam, K. Y. 1992. "Genetic algorithms, function optimization, and facility layout design". European Journal of Operational Research 63(2):322-346.
Taylor, S. J. E., S. E. Chick, C. M. Macal, S. Brailsford, P. L'Ecuyer y B. L. Nelson. 2013. "Grandes retos del modelado y la simulación: An OR/MS Perspective". En Proceedings of the 2013 Winter Simulation Conference, editado por R. Pasupathy, S.- H. Kim, A. Tolk, R. Hill, y M. E. Kuhl, 1269-1282. Piscataway, NJ: Institute of Electrical and Electronics Engineers, Inc. Tompkins, J. A., J. A. White, Y. A. Bozer, y J. M. A. Tanchoco. 2010. Planificación de instalaciones. 4th ed. Hoboken, New Jersey: John Wiley & Sons.
Comisión de Asistencia Electoral de EE.UU.. N.d. Election Management Guidelines. U.S. Election Assistance Commission, Washington, D.C. https://www.eac.gov/election_management_resources/election_management_guidelines.aspx, consultado el 28 de junio de 2020.
Vahdat, V., A. Namin, R. Azghandi, y J. Griffin. 2019. "Improving Patient Timeliness of Care Through Efficient Outpatient Clinic Layout Design Using Data-driven Simulation and Optimization". Sistemas de salud 8(3):162-183.
Yang, M., M. J. Fry, y W. D. Kelton. 2009. "¿Son todas las colas de votación iguales?". En Proceedings of the 2009 Winter Simulation Conference, editado por M. D. Rossetti, R. R. Hill, B. Johansson, A. Dunkin, y R. G. Ingalls, 3140-3149. Piscataway, NJ: Institute of Electrical and Electronics Engineers, Inc.
Yang, M., M. J. Fry, W. D. Kelton y T. T. Allen. 2014. "Mejora de los sistemas de votación a través de la gestión de operaciones de servicio". Production and Operations Management 23(7):1083-1097.