Llegas a la fila de una farmacia (en España se dice cola). El farmacéutico no deja de moverse, y aun así tu receta de tres minutos tarda cuarenta. Nadie es flojo, nadie es lento, y el local ni siquiera está especialmente lleno a esa hora de la tarde. Y aun así esperaste.
Un graduado de administración que cursó gestión de operaciones mira ese local y ve otra cosa: un proceso, con trabajo que entra, trabajo que espera, trabajo que se hace y trabajo que sale. La espera no es un estado de ánimo. Obedece leyes que se pueden escribir, y las mismas leyes gobiernan la sala de urgencias de un hospital, una planta de automóviles, una panadería y un sitio web. Esta pieza trata de las pocas leyes que enseña toda escuela de negocios, y de por qué sorprenden a la gente.
Dibuja cualquier operación como cajas en fila: tomar el pedido, cocinar, empacar, entregar. El trabajo entra por la izquierda y sale por la derecha. El ritmo al que sale el trabajo terminado es el flujo de producción (en inglés throughput). La caja que puede hacer menos por hora es el cuello de botella, y limita el flujo de toda la línea, sin importar lo que puedan hacer las demás.
Por eso un graduado pregunta "¿dónde está el cuello de botella?" antes de "¿cómo aceleramos?". Acelerar cualquier otra cosa solo compra una pila más grande de trabajo sin terminar delante del paso lento. La idea se hizo famosa como novela, con La meta (1984) de Eliyahu Goldratt, y como Teoría de las Restricciones. Pruébalo: cuatro estaciones en serie, y una pila que crece donde una estación alimenta a otra más lenta.
Simulación minuto a minuto durante 8 horas, con materia prima ilimitada y espacio para las filas. Números ilustrativos.
Con los valores iniciales la línea produce 40 por hora. Duplicar Cortar no cambia nada, solo añade trabajo a la pila delante de Soldar. Subir Soldar a 50 eleva la producción solo a 45, porque Empacar viene después. Cada mejora mueve el cuello de botella, por eso la búsqueda nunca termina.
Cuenta a las personas dentro de una cafetería. Ahora cuenta cuántas entran por hora y cuánto se queda cada una. Una ley ordenada conecta las tres cantidades. La ley de Little dice que el número promedio de elementos en un sistema es igual a la tasa promedio de llegada multiplicada por el tiempo promedio que cada uno pasa ahí. John Little la demostró en 1961; Philip Morse había publicado la forma unos años antes y retó a los lectores a encontrar un caso en que fallara.
Su fuerza es que vale sin saber nada de la forma del azar, del orden de atención ni de la distribución del local. Una cafetería con 30 llegadas por hora y una estancia de 15 minutos tiene en promedio 30 × 0.25 = 7.5 personas. Un hospital con 40 ingresos al día y una estancia promedio de 5 días tiene 200 pacientes. Un equipo de software que termina 10 tareas por semana y tiene 30 en curso tiene un tiempo de ciclo promedio de 3 semanas, y la forma más rápida de reducirlo es empezar menos cosas. Juega con ella y mira cómo una simulación aleatoria coincide.
Llegadas de Poisson, asientos para todos, 3,000 visitantes simulados, medidos entre la primera y la última llegada. Ilustrativo.
La ley de Little es contabilidad, no física. No puede acortar la fila por sí sola; te dice cuáles son las dos palancas. Para acortar el tiempo que la gente pasa en un sistema tienes que hacer pasar el trabajo más rápido o tener menos trabajo a la vez.
Este es el resultado que sorprende a casi todos. Si los clientes llegan al azar y un servidor tarda un tiempo aleatorio en atender, la espera promedio no crece al ritmo de lo ocupado que esté el servidor. Sube despacio y luego explota. Para el modelo más sencillo, un servidor con llegadas y tiempos de servicio aleatorios (llamado M/M/1), la espera promedio antes de ser atendido es el tiempo de servicio multiplicado por la utilización dividida entre uno menos la utilización.
Toma a un empleado que necesita 5 minutos por cliente. Con 50% de ocupación la espera es de 5 minutos. Con 80%, 20 minutos. Con 90%, 45. Con 95%, 95 minutos. Con 99%, casi 8 horas. Pasar de 90% a 95% de ocupación, un cambio aparentemente chico, duplica la espera. Un gerente que "aprovecha al personal al máximo" se compró una fila.
La segunda mitad de la historia es la variabilidad. La espera viene de la irregularidad, no de la carga promedio. La aproximación de Kingman, de los años sesenta, la divide en tres factores: qué tan ocupado (ρ/(1−ρ)), qué tan variable (el promedio de la variabilidad al cuadrado de las llegadas y del servicio) y el tiempo de servicio. Si las llegadas siguen un horario perfecto y el servicio tarda siempre lo mismo, la espera es cero incluso con 99%. Un dentista que da citas usa el primer factor para domar el segundo. Desliza para verlo, y luego simula.
Variabilidad 1 significa exponencial (al azar); por debajo de 1 es más regular, por encima más agrupada. La fórmula de Kingman es una aproximación para un servidor; con los valores iniciales coincide con la respuesta exacta de M/M/1. Ilustrativo.
Las reglas prácticas que lleva un graduado: nunca planees un recurso compartido al 100%; deja holgura donde el azar es grande (urgencias, centros de llamadas); y ataca la variabilidad misma, con citas, trabajo estandarizado y lotes más pequeños, porque eso baja todas las filas a la vez. Las mismas matemáticas fijan el tamaño del búfer en el enrutador de una red.
El inventario (en España, existencias) es una apuesta en dos direcciones. Si guardas muy poco, te quedas sin producto; si guardas mucho, el dinero duerme en un estante. Dos ideas de libro de texto cubren casi todo. La primera responde "¿de qué tamaño debe ser cada pedido?". Todo pedido tiene un costo fijo (papeleo, envío) y toda unidad en inventario tiene un costo de mantenerla (espacio, capital, merma). Pedidos grandes significan menos pedidos pero más inventario; pedidos chicos, lo contrario. El equilibrio es la cantidad económica de pedido (CEP, o lote económico de pedido; en inglés EOQ), formulada por Ford W. Harris en 1913 y popularizada por R. H. Wilson en los años treinta.
Una tienda que vende 12,000 unidades al año, paga $50 por pedido y $2 por unidad al año por mantenerla, debería pedir √(2 × 12,000 × 50 ÷ 2) ≈ 775 cada vez, por un total de unos $1,549 al año. Pedir 20% menos cuesta solo 2.5% más: el fondo de la curva es plano, así que una respuesta aproximada es casi tan buena como una exacta. La lección real es la raíz cuadrada: si la demanda se cuadruplica, el mejor pedido solo se duplica.
Mira qué pasa cuando h es enorme porque el producto se echa a perder en pocos días, como el pan fresco: el pedido óptimo se vuelve pequeño y frecuente. Es el mundo de las rutas de reparto diario de las panificadoras, como la red de más de 50,000 rutas que Wikipedia atribuye, con datos de la propia empresa, a Grupo Bimbo, fundada en la Ciudad de México en 1945.
La segunda idea es el inventario de seguridad (stock de seguridad), las unidades de reserva que te protegen de que la demanda sea mayor que el pronóstico mientras esperas una entrega. Si la demanda semanal oscila con una desviación estándar σ y el plazo de entrega es de L semanas, la oscilación durante el plazo es σ√L, y el colchón es un multiplicador z (de la curva normal) por eso. Una protección de 95% pide z ≈ 1.65, 99% pide 2.33, 99.9% pide 3.09: cada nueve extra cuesta más que el anterior.
Q* = √(2DK/h); costo total = KD/Q + hQ/2; inventario de seguridad = z·σ·√L con z de la normal inversa. Supone demanda estable y entrega instantánea y segura en la parte del tamaño del pedido. Ilustrativo.
Jay Forrester, del MIT, describió en Industrial Dynamics (1961) cómo los pedidos oscilan más cuanto más te alejas del cliente. Hau Lee, V. Padmanabhan y Seungjin Whang le pusieron nombre y cuatro causas en 1997: cada empresa pronostica a partir de los pedidos que ve, raciona cuando escasea, pide por lotes y reacciona a las promociones de precio. Cada paso distorsiona un poco y las distorsiones se multiplican. A eso se le llama efecto látigo (bullwhip effect).
Puedes sentirlo en el juego de la cerveza, desarrollado en la Escuela Sloan del MIT en los años sesenta: cuatro jugadores manejan un minorista, un mayorista, un distribuidor y una cervecera. Los clientes quieren 4 cajas por semana, y de pronto 8. No cambia nada más, y sin embargo los jugadores suelen pedir de forma errática, quedarse sin producto, entrar en pánico, pedir de más y terminar con montañas de cerveza. El artículo de John Sterman de 1989 en Management Science mostró que la causa es humana: los jugadores subestiman los pedidos que ya van en camino. Abajo hay una versión por computadora con una regla de pedido sensata, de modo que cualquier vaivén que veas viene de la estructura, no de malos jugadores.
Cada etapa pronostica con suavizado exponencial y pide hasta llegar a pronóstico × (retraso + 1) menos su posición de inventario (existencias, menos pedidos atrasados, más lo que está en camino). Los pedidos llegan a la etapa siguiente una semana después. Modelo ilustrativo, no un conjunto de datos.
Los valores iniciales dan una duplicación de la demanda real y un pico de fábrica de cerca de siete veces el nuevo nivel semanal. Compartir la demanda real con todos reduce mucho la amplificación, pero no la lleva a cero: aun con un pronóstico perfecto hay que formar existencias una vez para un negocio más grande. Las curas que usan las empresas son justo las palancas de aquí: compartir datos de ventas, acortar los retrasos, pedir menos y más seguido, y evitar promociones que vuelven irregular la compra.
La escasez de chips de 2021 es el caso real que volvió tema de sobremesa a las cadenas de suministro. En la primavera de 2020 los fabricantes de autos recortaron sus pedidos de chips cuando las ventas se hundieron; los fabricantes de chips pasaron su capacidad a la electrónica, cuya demanda subió; luego la demanda de autos regresó más rápido de lo esperado. Una serie de accidentes lo empeoró: una tormenta invernal de febrero de 2021 cerró plantas de Samsung, Infineon y NXP en Austin, Texas (The Verge, 17 de febrero de 2021), y un incendio en marzo de 2021 en una planta de Renesas en Japón amenazó a un proveedor de cerca de 30% de los microcontroladores para autos del mundo (Reuters, 31 de marzo de 2021). La estimación de una consultora, reportada por CNBC el 23 de septiembre de 2021, puso el golpe a los ingresos automotrices de 2021 en $210,000 millones, y la escasez había cedido en buena parte hacia 2023. Los analistas todavía discuten la lección: los críticos culpan a las cadenas de suministro esbeltas y de poco inventario; los defensores señalan que el límite fue la capacidad de los fabricantes de chips, no los hábitos de los fabricantes de autos, y que pocas empresas podían ver quién fabricaba los chips dentro de las piezas de sus proveedores. Los dos tienen algo de razón: poco inventario compra eficiencia y vende resiliencia.
Taiichi Ohno y Eiji Toyoda construyeron el Sistema de Producción Toyota entre 1948 y 1975. Sus dos pilares son el justo a tiempo (hacer solo lo necesario, cuando se necesita y en la cantidad necesaria) y el jidoka, "automatización con un toque humano": cualquier trabajador o máquina puede detener la línea cuando algo va mal, señalado en un tablero andon. Las tarjetas kanban jalan trabajo de arriba solo cuando abajo se terminó su inventario. La palabra esbelta (lean; en español también se dice manufactura esbelta o, en España, producción ajustada) se hizo popular tras el libro The Machine That Changed the World (en inglés) de Womack, Jones y Roos, de 1991. Toyota nombra el desperdicio (muda) en varias clases, y la sobreproducción es la peor, porque esconde todos los demás problemas bajo una pila de inventario.
La ley de Little explica por qué funciona. Si limitas el número de trabajos permitidos en la línea, como hace un sistema kanban, el tiempo de ciclo es trabajos entre producción, y la producción casi no baja al reducir el límite, hasta que el límite se vuelve muy chico. Para una línea equilibrada de cuatro estaciones con tiempos de trabajo aleatorios, la producción con w trabajos permitidos es la tasa de una estación por w ÷ (w + 3). Encuentra el codo.
Línea cerrada de 4 estaciones idénticas, cada una con un promedio de 60 trabajos/h y tiempos de trabajo exponenciales (aleatorios): producción = 60·w/(w+3), tiempo de ciclo = w ÷ producción. Es un resultado exacto estándar para líneas cerradas equilibradas. Ilustrativo.
Pasar de 40 trabajos en la línea a 12 sacrifica menos de una cuarta parte de la producción (de 55.8/h a 48/h), pero baja el tiempo que pasa cada trabajo de 43 minutos a 15. El lema esbelto de "menos trabajo en proceso" es un almuerzo gratis hasta cierto punto, y el modelo muestra dónde está ese punto. Lo esbelto también tiene críticas: puede volver frágil a una cadena ante los golpes, como arriba, y en los servicios puede convertirse en presión sobre los trabajadores. La versión propia de Toyota descansa en detener la línea y arreglar la causa, no en exprimir a la gente.
Todo proceso produce resultados que varían. Calidad significa mantener la variación dentro de lo que el cliente acepta: los límites de especificación. La pregunta es qué tan lejos, medido en desviaciones estándar (σ), está el límite de donde suele estar el proceso. Un límite lejano significa pocos defectos. Seis Sigma nació en Motorola en 1986 con el ingeniero Bill Smith y se hizo famoso cuando Jack Welch lo puso en el centro de General Electric en 1995. Su rutina de gestión es DMAIC: definir, medir, analizar, mejorar, controlar. En los programas de operaciones se estudia junto a las normas ISO de gestión de la calidad y modelos de excelencia como el EFQM, como en el temario de la Universidad de Cantabria.
El número famoso sale de la curva normal. Un proceso "seis sigma", con el límite a seis desviaciones estándar, produciría unos 2 defectos por mil millones. Pero la cifra que se cita es 3.4 defectos por millón, porque la convención supone que el proceso se desplaza 1.5σ hacia un límite con el tiempo, lo que deja una brecha de 4.5σ. Los estadísticos critican ese desplazamiento de 1.5σ por arbitrario (Donald Wheeler lo llamó "goofy", algo así como tonto). Los reportes de éxito son en su mayoría de las propias empresas, y un reporte de 2010 situó la proporción de proyectos que fracasan por encima de 60%; las herramientas son sólidas, el bombo no.
Distribución normal, contando los dos límites. Los libros suelen citar 66,807 con 3σ y 3.4 con 6σ y desplazamiento de 1.5σ, contando solo el límite más cercano. Ilustrativo.
Pon el desplazamiento en 1.5 y el nivel sigma en 6 para obtener 3.4. Y fíjate en lo que dice el resultado sobre las cadenas: un paso con 99% suena excelente, pero veinte seguidos dan solo 82% de piezas bien a la primera. Los problemas reales de calidad se esconden en el producto de muchos pequeños, por eso el graduado cuenta defectos por paso y no por producto.
Las operaciones son la ciencia de esperar. Encuentra el cuello de botella, cuenta lo que hay dentro del sistema (ley de Little), mantén los recursos ocupados lejos del precipicio del 100% y combate la variabilidad, no solo los promedios. Ten inventario a propósito, comparte la demanda real y recuerda que una larga cadena de pequeñas fallas es una gran falla.
Prueba esto: la próxima vez que hagas fila, calcula cuántas personas hay delante y qué tan rápido avanza la fila. Divide una cantidad entre la otra y mira si tu cálculo de la espera acertó. Luego pregunta qué persona o qué paso es el cuello de botella.
Fuentes. Ley de Little: John D. C. Little, "A Proof for the Queuing Formula: L = λW", Operations Research 9 (1961); la forma de Philip Morse de 1958, según la historia de Wikipedia. Cantidad económica de pedido: Ford W. Harris (1913); R. H. Wilson, "A Scientific Routine for Stock Control", Harvard Business Review (1934). Fórmulas de filas y de Kingman: teoría de colas estándar (Hopp y Spearman; Cachon y Terwiesch). Efecto látigo: Forrester, Industrial Dynamics (1961); Lee, Padmanabhan y Whang, "Information Distortion in a Supply Chain: The Bullwhip Effect", Management Science 43(4), 1997; Sterman, Management Science 35(3), 1989. Sistema de Producción Toyota: Ohno; Womack, Jones y Roos (1991). Seis Sigma: Motorola 1986; 3.4 DPMO con el desplazamiento de 1.5σ según los textos estándar; las críticas, de la revisión de la literatura en Wikipedia. Escasez de chips: The Verge (17 de febrero de 2021), Reuters (31 de marzo de 2021), CNBC (23 de septiembre de 2021 y 27 de julio de 2023), tal como los reúne la Wikipedia en inglés, 2020–2023 global chip shortage. Vocabulario en español: Wikipedia en español, artículos "Efecto látigo", "Manufactura esbelta" (también producción ajustada y producción esbelta), "Lote económico de pedido" y "Inventario" (cantidad económica de pedido, existencias); temario de Gestión de Operaciones de la Universidad de Cantabria (planificación agregada, cadena de suministro, normas ISO, modelo EFQM). Grupo Bimbo: Wikipedia en español y en inglés (fundada el 2 de diciembre de 1945 en la Ciudad de México; cotiza en la Bolsa Mexicana de Valores; más de 50,000 rutas de distribución, cifra que varía entre 54,000 y 57,000 según la versión y la fecha). La meta en español: catálogos de Profit Editorial (Barcelona, edición del 40.º aniversario) y de Granica (Buenos Aires). Todos los números de los interactivos se calcularon y comprobaron en código.