El desafío
por Oroselfia Sánchez e Idalia Flores (Universidad Nacional Autónoma de México)
Según lo presentado en la Conferencia de Simulación de Invierno 2017
Las organizaciones recopilan datos durante diferentes periodos para poder utilizarlos con fines de gestión y negocio. Sin embargo, los datos no siempre llegan en la forma más adecuada para su análisis, y muchas veces es necesario prepararlos, para lo cual existen diversos métodos, entre ellos la simulación. Este artículo presenta un caso en el que la simulación se utiliza como herramienta para obtener información sobre la demanda, a partir de datos históricos. Mediante la simulación, extraemos los eventos de demanda más frecuentes para dos tipos de trabajos, junto con los peores eventos. El modelo de simulación se basa en los datos históricos de una empresa petrolera privada que opera en México. Además, mostramos cómo los resultados de la simulación mejoran la información sobre los datos del Cuadro de Mando registrados durante un año de trabajo.
1 Introducción
Las organizaciones generalmente registran datos de demanda para utilizarlos en la previsión de posibles necesidades futuras y así estar en condiciones de evitar o prevenir riesgos como penalizaciones, retrasos, capacidad insuficiente, entre otros. Sin embargo, estos datos normalmente necesitan ser pretratados para ajustarse a los requisitos del análisis.
Para facilitarlo, muchas organizaciones cuentan con sólidos sistemas de registro en los que los empleados anotan los datos puntualmente; sin embargo, no siempre se registra cada paso de una operación. Este es un problema persistente en varias organizaciones, lo que significa que los datos históricos tienen que prepararse antes de su análisis. Pero, ¿qué ocurre cuando la información registrada debe utilizarse pero no está en la forma adecuada para el análisis? En la actualidad, muchas empresas prefieren no utilizar esta información, mientras que otras emplean diversos métodos para obtener la mayor cantidad de información posible para planificar sus actividades futuras; métodos como redes (Zou et al. 2011); suavización exponencial (Mohammed et al. 2017); modelos de series temporales (Qiu et al. 2016); modelos causales y estocásticos (Ma et al. 2015) y simulaciones (Chen et al. 2010).
La veracidad de la información puede abrir la posibilidad de una planificación más precisa de los recursos, del presupuesto y de posibles nuevas ubicaciones, nuevos puestos de trabajo o programación de actividades. En este trabajo, se analizan los datos históricos de un cuadro de mando y se preparan utilizando el método de simulación, ya que nos permite generar una gran cantidad de escenarios posibles diferentes para las entidades del modelo. El objetivo de este análisis es identificar los riesgos mediante la obtención de eventos de demanda que puedan presentarse día a día para cada mes del año.
2 Datos históricos de demanda disponibles
Los datos de demanda que analizamos son los datos históricos de una organización que cementa pozos petroleros en diferentes estados de la República Mexicana. Básicamente, ofrece dos tipos de servicios: el primero es el Trabajo de Cementación (i) que incluye el diseño de la lechada de cemento y la construcción de una pared circular dentro del pozo petrolero, mientras que el segundo se refiere al Trabajo de Bombeo (j), que consiste en el arrendamiento de recursos. Para satisfacer la demanda de ambos servicios, la organización utiliza los mismos recursos para los dos tipos de servicios, i y j. El número total de cada tipo de trabajo por mes durante un año se registra en un cuadro de mando, cuyos datos figuran en la Tabla 1.
En la práctica, la organización utiliza el cuadro de mando para prever el comportamiento futuro de su trabajo. No es infrecuente que se cometan errores que signifiquen que hay insuficiencia o exceso de recursos en determinados lugares. Esto ocurre porque el número total de trabajos registrados no muestra los posibles eventos que pueden ocurrir día a día ni la frecuencia de cada evento. Por ejemplo, en la Tabla 1 no podemos ver cuántos trabajos se solicitaron a la empresa el 3 de julio, ni durante cuántos días de un mes se utilizaron los recursos al máximo de su capacidad. Estos detalles se omiten en este tipo de registros.
En este trabajo, partiendo de los datos del Cuadro de Mando, se establece un modelo para obtener información sobre los eventos que permitirá a la organización conocer mejor cómo se comporta su demanda. Especialmente los eventos más frecuentes y aquellos que sólo ocurren esporádicamente pero que podrían causar riesgos operativos para la organización, como retrasos, penalizaciones e incumplimientos.
La solución
3 Modelo de simulación de la demanda
El objetivo del modelo de simulación es generar los eventos más frecuentes y encontrar los que podrían ser críticos para la empresa. El modelo de simulación de la demanda se ejecuta para cada mes del año en el que se ha simulado la demanda según los datos de la Tabla 1.
3.1 Aspectos relevantes del Modelo de Simulación
SIMIO es la plataforma de simulación que hemos elegido para ejecutar el modelo porque sus características son adecuadas para desarrollar el modelo y utilizarlo posteriormente con otros modelos. El modelo de simulación dispone de servidores para generar entidades, que representan los trabajos i y j. Cada servidor responde a las distribuciones que cumplen los datos de la Scorecard (Tabla 1). Ambos servidores están conectados a un sumidero que cuenta el número de trabajos de cada tipo por día. Como resultado del modelo, se obtiene mensualmente el número de días en que se producen i trabajos de cementación y j trabajos de bombeo.
El modelo registra los resultados a partir del día 1200 a efectos de informe de resultados. Los resultados de la simulación se han determinado tras 1000 días de simulación.
Los resultados de la validación del modelo se ilustran comparando la Tabla 2 con la Tabla 1, que ofrece las medias de las ejecuciones del modelo por trabajo para cada mes.
Además del modelo de simulación, se ha construido un modelo matemático que permite comparar los sucesos resultantes.
2 Diseño de la simulación
El sistema consiste en un "mundo virtual" realista en 3D del campus de Bethesda de los NIH que puede utilizarse en diversas aplicaciones para comprender mejor y potenciar la planificación y mejorar la prestación de servicios. Desde una perspectiva visual, el modelo está diseñado para ser visto e interactuar con él a través de una pantalla de ordenador o hardware de RV. Además, se pueden obtener resultados cuantitativos mediante experimentos/escenarios.
El modelo también permite ejercitar con mayor detalle un escenario de emergencia o un proceso concreto de funcionamiento del campus. Los escenarios de emergencia considerados inicialmente son la evacuación de un edificio/campus y un escenario de tirador activo. El sistema está diseñado para que el usuario comprenda cómo podría desarrollarse un escenario de este tipo en un edificio concreto del campus y la forma en que el escenario afecta e interactúa con las operaciones en todo el campus.
Los sistemas operativos iniciales del campus incluidos son el acceso del personal y de los visitantes, y el sistema de autobuses lanzadera. El sistema está diseñado de forma que represente con precisión las entradas y salidas de estos procesos y la interacción con todo el campus, y tiene capacidad para seguir a una persona a lo largo de todo el sistema (por ejemplo, un visitante entra en el campus, pasa por la inspección de seguridad, aparca, se dirige a un edificio, participa en un simulacro de evacuación, vuelve al edificio, regresa al vehículo y sale del campus).
Este modelo se utiliza para experimentar cambios en los servicios con el fin de adecuar mejor la capacidad a la demanda, contribuyendo así a un uso rentable de los limitados recursos presupuestarios y a planificar escenarios emergentes, como el cierre de las carreteras del campus, la evacuación de edificios, de parte o de todo el campus, o un escenario de tirador activo.
3 Enfoque de modelización
Se desarrolla un modelo base de alto nivel, de modo que los procesos u operaciones particulares puedan representarse a un nivel granular y puedan añadirse mayores niveles de detalle cuando sea necesario, tanto desde una perspectiva visual como analítica. Los modelos más detallados ayudan a desarrollar e informar los parámetros de tiempo de procesamiento que se utilizarán en el modelo principal. De este modo, pueden desarrollarse y construirse modelos detallados cuando sea necesario.
Este modelo base consiste en un modelo 3D realista de la red de carreteras y de circulación peatonal del campus, así como de los edificios del campus con las entradas y salidas de los edificios representadas. Este modelo base incluye varios subsistemas del campus desarrollados previamente como modelos independientes que ahora se integran en un único modelo. Estos sistemas incluyen el acceso al campus, un sistema de autobuses lanzadera, el tráfico del campus (tanto el flujo típico como durante una evacuación) y escenarios de tiradores activos.
Por ejemplo, en el modelo básico, un edificio se representa como una "caja negra" con entradas y salidas definidas. De este modo, un edificio tiene un número definido de ubicaciones en las que los ocupantes pueden entrar/salir, y pueden desarrollarse procesos más detallados dentro del edificio en un submodelo separado que puede ejecutarse de forma independiente o interconectarse con el modelo más amplio (por ejemplo, una evacuación del edificio o un escenario de tirador activo.) El modelo actual se ha desarrollado utilizando el software de simulación Simio junto con el socio de Simio, Mosimtec, LLC. El modelado 3D se ha realizado con Trimble Sketchup y datos de ORF y Open Street Maps. Los enfoques anteriores para modelar estos subsistemas se desarrollaron en Arena.
El impacto empresarial
3.2 Resultados del modelo de simulación
El modelo de simulación genera una combinación de Trabajos i y j con la frecuencia correspondiente de cada evento para cada mes del año. Esta combinación de un número de trabajos nos permite agrupar los eventos más frecuentes y nos permite entender la demanda por mes. Al mismo tiempo, la información sobre los eventos nos proporciona datos útiles para la gestión de los recursos.
Al disponer de información detallada, es posible conocer aquellos eventos o escenarios que no son frecuentes pero que pueden ocurrir en algún día del año. La Figura 1 también muestra eventos cercanos a la región de probabilidad de eventos pero con un tiempo de diferencia en la frecuencia obtenida. Estos eventos pueden analizarse con el fin de saber cómo reaccionará la organización en caso de que se produzcan y, en consecuencia, formular un plan de acción.
Figura 1. Número de trabajos i y j generados en la simulación de enero. La importancia de preparar los datos utilizando la metodología presentada en este trabajo radica en que el conocimiento de los detalles de la información puede evitar riesgos operativos al reducir el factor sorpresa del sistema.
4 Conclusión y debate
Debido al entorno cambiante y a la resiliencia que deben tener los sistemas respecto a su propia realidad, los enfoques y herramientas más robustos pueden ofrecer mejores resultados. En este sentido, la Identificación de Riesgos, utilizando herramientas que proporcionan información más detallada sobre un sistema, ofrece grandes perspectivas sobre las distintas situaciones de riesgo a las que puede enfrentarse la organización. La simulación es una herramienta que permite analizar mejor y más rápidamente un sistema y su información, permitiendo emular cambios inesperados con posibles comportamientos de un sistema.
Esta herramienta de simulación ha contribuido a evitar costes significativos en todo el NIH y ha mejorado los esfuerzos de planificación de emergencias que afectan a la vida y el bienestar en el NIH. Los proyectos realizados han permitido que la investigación continúe sin interrupciones y que se tomen decisiones informadas que afectan a la seguridad de los NIH y de la comunidad circundante.
El desarrollo y análisis de las métricas de salida proporcionadas por la simulación han permitido a los responsables de la toma de decisiones comprender mejor el impacto de los cambios en el sistema sobre la prestación de servicios, así como identificar, comprender y mitigar mejor los riesgos identificados a través de la experimentación con la amplia gama de escenarios que la simulación es capaz de proporcionar.
Mediante el uso de este enfoque escalable y modular, existe un potencial significativo para integrar otros sistemas del campus y de investigación en este modelo, y permitir que los responsables de la toma de decisiones tengan una mayor comprensión de cómo los sistemas interactúan entre sí y repercuten en objetivos más amplios. Aunque estos modelos se han desarrollado específicamente para los NIH, otras agencias y organizaciones pueden aprovechar estos enfoques para resolver retos relacionados. 4480 Rodríguez y
AGRADECIMIENTOS
El equipo de OQM desea expresar su agradecimiento a la dirección de los NIH y de ORS/ORF, así como al numeroso personal que ha apoyado este proyecto.