Operaciones reales vs. operaciones de diseño

Mismo promedio, distinto desempeño: una introducción visual a por qué la variabilidad importa en gestión de operaciones.
Escenario determinístico Variabilidad leve Variabilidad alta

Marco teórico: por qué aparece variabilidad en operaciones

En gestión de operaciones solemos arrancar diseñando un sistema “ordenado”: definimos recursos, tareas, secuencias, capacidades y tiempos esperados. Ese sistema diseñado es una representación ideal del proceso. Sin embargo, cuando el sistema se pone en marcha aparece el sistema real: clientes que no llegan perfectamente espaciados, operarios que tardan un poco más o un poco menos, máquinas que se detienen, retrabajos, prioridades cambiantes o pedidos que se acumulan en ciertos momentos.

Además, muchas veces no vemos directamente el sistema completo, sino solo el sistema observado: los datos que logramos registrar. Por ejemplo, podemos observar la cantidad procesada por hora, la cola en una etapa o los pedidos entregados al final del día, pero no siempre todo lo que ocurrió internamente. Por eso, en operaciones conviene distinguir tres niveles:

  • Sistema diseñado: cómo debería funcionar según el plan, los tiempos estándar y la capacidad nominal.
  • Sistema real: cómo efectivamente funciona cuando interactúan personas, equipos, materiales y demanda.
  • Sistema observado: lo que logramos medir del sistema real mediante indicadores y datos.

El punto central es que dos sistemas con el mismo promedio pueden comportarse de manera muy distinta. Si una etapa recibe en promedio 10 unidades por período y también puede procesar en promedio 10, uno podría pensar que el sistema está “bien balanceado”. Pero si algunos períodos llegan 7, otros 13, y además la capacidad efectiva también fluctúa, empiezan a aparecer colas, acumulación interna y pérdida de estabilidad.

Idea clave

En operaciones, el desempeño no depende solo de los promedios. También depende de la variabilidad y de dónde esa variabilidad impacta en el flujo.

Mensaje para llevarse: un proceso puede estar bien diseñado “en promedio” y aun así funcionar mal en la práctica.
De dónde sale la variabilidad
  • llegadas de clientes o pedidos;
  • tiempos de servicio o de proceso;
  • microparadas, fallas o retrabajos;
  • diferencias entre operadores, turnos o lotes;
  • cambios de mezcla de productos o prioridades.
Qué consecuencias genera
  • colas antes de ciertas etapas;
  • tiempos de espera crecientes;
  • trabajo en proceso acumulado (WIP);
  • salidas por período más inestables;
  • dificultad para prometer plazos y cumplirlos.
Conexión con temas del curso
  • Teoría de colas: la variabilidad ayuda a explicar la espera.
  • TOC: una restricción inestable amplifica el problema.
  • Pronósticos: la demanda rara vez coincide exactamente con el plan.
  • Simulación: permite experimentar con sistemas inciertos sin frenarlos.
Una formalización mínima, sin ponerse pesado

Si llamamos Demanda media a \(\bar{D}\) y Capacidad media a \(\bar{C}\), un análisis demasiado simplificado diría que el sistema está cómodo cuando \(\bar{C} > \bar{D}\). Eso sirve como primera aproximación, pero no alcanza. En la práctica importa también cuánto se alejan los valores reales de esos promedios período a período. En otras palabras:

Desempeño del sistema ≠ función solo del promedio
Desempeño del sistema = promedio + variabilidad + interacción entre etapas.

En esta web aparece una medida muy usada en operaciones: el WIP (Work In Process), es decir, el trabajo acumulado dentro del sistema. Cuando el sistema no puede absorber rápidamente los picos de llegada o las caídas transitorias de capacidad, el WIP crece. Ese crecimiento suele venir acompañado de más espera, más desorden y más dificultad para controlar el flujo.

Por eso, la pregunta importante no es solo “¿cuál es el promedio?”, sino también: ¿qué tan estable es el proceso?, ¿qué tan rápido se recupera de un pico? y ¿dónde se acumula el trabajo?

Cómo usar la interactividad de esta página

Qué podés tocar
  • Períodos: cambia la longitud de la simulación.
  • Demanda media: ajusta cuántas unidades llegan, en promedio, en cada período.
  • Capacidad media etapa 1, 2 y 3: cambia la capacidad promedio de cada etapa del flujo.
  • Variabilidad leve / alta: define cuánto fluctúan demanda y capacidades alrededor del promedio en esos escenarios.
  • Semilla: permite repetir exactamente la misma corrida aleatoria.
  • Velocidad replay: controla la rapidez de la reproducción paso a paso.
  • Métrica graficada: cambia lo que ves en el gráfico temporal.
Qué hace cada botón
  • Simular: recalcula los tres escenarios con los parámetros actuales y muestra el resultado final.
  • Reproducir: recorre la simulación período por período para que puedas ver cómo se van formando colas y acumulación.
  • Volver al final: salta otra vez a la foto final de la corrida ya simulada.
  • Preset balanceado: propone un sistema relativamente razonable para arrancar.
  • Preset cuello de botella: deja a la etapa 2 más justa que las demás para mostrar acumulación.
  • Preset sobrecarga: eleva la demanda para mostrar un sistema exigido aun antes de aumentar mucho la variabilidad.
Sugerencia de recorrido
  1. Empezá con el preset balanceado y mirá las diferencias entre los tres escenarios.
  2. Sin cambiar los promedios, aumentá solo Variabilidad alta y observá si suben el WIP y las colas.
  3. Pasá a la métrica Salida por período y compará estabilidad de throughput.
  4. Luego elegí Cola antes de la etapa 1 para ver si el atraso queda retenido al ingreso del sistema.
  5. Probá el preset cuello de botella y fijate qué etapa parece gobernar el comportamiento del flujo.
  6. Finalmente, usá Reproducir para ver no solo cuánto se acumuló, sino cómo se acumuló.
Qué conviene mirar mientras explorás
  • Si la salida promedio se mantiene parecida pero el WIP promedio aumenta mucho.
  • Si el sistema vuelve rápido a niveles bajos de acumulación o si el atraso “queda pegado”.
  • Si una etapa actúa como restricción y hace crecer las colas aguas arriba.
  • Si la variabilidad afecta más a la estabilidad que al promedio de salida.
  • Cómo cambia la lectura del sistema al pasar de una foto final a la reproducción paso a paso.
Interpretación sugerida: cuando toques un control, no te quedes solo con “sube” o “baja”. Tratá de explicar por qué cambió el flujo: si fue por más demanda, por menor capacidad, por un cuello de botella o por mayor variabilidad con el mismo promedio.
Objetivo didáctico puntual

Que el estudiante vea que un sistema de operaciones puede tener las mismas capacidades medias y, aun así, comportarse muy distinto cuando aparece variabilidad en la demanda o en la capacidad efectiva.

Pregunta disparadora

Si dos plantas tienen el mismo diseño promedio, ¿por qué una vive con colas, atrasos y trabajo acumulado, mientras la otra parece más estable?

Idea central

En operaciones no alcanza con conocer el promedio. También importa cuánto fluctúan la llegada de trabajo y la capacidad real de las etapas.

Período visible: final
Ejecutá la simulación para generar una lectura automática de los resultados.

Configuración del experimento

60
10
12
10
11
12%
35%
Qué hace exactamente esta simulación
En cada período entran unidades a la cola de la etapa 1. Luego cada una de las 3 etapas procesa lo que puede según su capacidad efectiva de ese período. En el escenario determinístico, la demanda y las capacidades son siempre iguales a su valor medio. En los otros dos escenarios, esos valores fluctúan alrededor del mismo promedio.

Fotografía del sistema

Cada tarjeta muestra el estado del flujo en el período seleccionado: colas, salida y carga del sistema.

Qué observar

  • Compará si los escenarios tienen salidas promedio parecidas pero colas muy diferentes.
  • Fijate qué pasa con el trabajo acumulado cuando la etapa 2 queda justa respecto de la demanda.
  • Probá mantener los mismos promedios y aumentar solo la variabilidad.
  • Mirá si el sistema “recupera” rápido los picos o si el atraso se queda instalado.

Aplicación a operaciones y mini actividad

  • Colas: ayuda a entender por qué aparecen tiempos de espera aunque el promedio “parezca suficiente”.
  • TOC: muestra que una restricción inestable puede amplificar la acumulación aguas arriba.
  • Simulación: permite experimentar sin necesidad de fórmulas al principio.
  • Desafío: encontrá una configuración donde el throughput medio cambie poco, pero el WIP promedio se dispare.