La demanda de los despachos 'express', de productos de poco volumen y maniobrables, ha planteado un gran desafío a las empresas virtuales, que están obligadas a dinamizar sus técnicas para una mayor efectividad y rentabilidad.
Por Koko Zavala. 28 enero, 2020.
Para el doctor Mathias Klapp, experto en optimización de operaciones, logística y docente e investigador de la Universidad Católica de Chile, lograr una operación eficiente requiere de la aplicación de técnicas de optimización dinámica. Así lo explicó en la conferencia “Planificación dinámica de operaciones mediante simulación-optimización y su aplicación al despacho a domicilio en ciudades”, dirigida a estudiantes y profesores de las facultades de Ingeniería y Ciencias Económicas y Empresariales de la UDEP. de la Universidad de Piura.
El profesor Klapp inició su exposición detallando el uso de modelos y su importancia en la realización de todo tipo de operaciones. “Un modelo de simulación es una caricatura de la realidad por poseer las características más relevantes del sistema (realidad) y las peculiaridades más importantes a considerar dependiendo del uso. Por ejemplo, existen modelos de simulación de pruebas de manejo, los muñecos que simulan ser pacientes de los dentistas, la simulación computacional del clima, entre otros”, anotó.
Reiteró que la necesidad de modelar es importante para experimentar, analizar y planificar la operación de un sistema complejo a bajo costo y fuera de línea (offline), con lo que se evita alterar la realidad y se comprime el tiempo de ejecución a un instante. “Los modelos de simulación computacional imitan el comportamiento de un sistema real para estudiarlo, y tiene como objetivo realizar estimaciones estadísticas de variables de salida, mediante la simulación de la realidad o réplicas”.
Entre los modelos de simulación computacional mencionó la simulación de los cajeros en los supermercados, de procesos productivos de una fábrica, atención a pacientes en una sala de emergencia, operaciones portuarias, terminales aéreos e inventarios de una bodega.
Refiriéndose al dinamismo del análisis predictivo, indicó que existen nuevas técnicas de computación y estadística, i.e. Machine Learning, que permiten actualizar automáticamente pronósticos del futuro al conocer más información dinámicamente en el tiempo y, por lo tanto, se requiere dinamizar decisiones, pues no basta con planificar la operación con la información disponible antes de ejecutar.
“Se deben planificar decisiones dinámicas que sean reactivas (feedback) que adapten las decisiones durante la ejecución para reaccionar a cambios de información conocida; y que sean proactivas (feedforward) que adapten decisiones durante la ejecución para anticipar un cambio de pronósticos y futuras decisiones”, acotó.
