Análisis de escenarios

01 · Punto de partida

Del modelo validado a la decisión

En el Tema 38 dejamos el modelo comparado con la realidad: sabemos dónde responde. Ahora lo usamos para lo que fue construido: preguntar por futuros que aún no pasaron. ¿Qué pasa si la demanda crece 30%? ¿Y si abrimos otra caja? ¿Y si ambas cosas a la vez?

Analizar escenarios es correr esos futuros con el mismo modelo, las mismas métricas y las mismas réplicas, para comparar decisiones en igualdad de condiciones. No adivina el futuro: ordena las opciones ante futuros posibles.

• ¿Cuál es el escenario base contra el que se compara todo?
• ¿Qué cambia en cada variante y qué queda fijo?
• ¿La ventaja sobrevive al ruido de las réplicas?
• ¿Qué escenario rompe el sistema y dónde está el límite?

02 · Vocabulario mínimo

Base, variante y supuesto

03 · Tres reglas

Cómo comparar sin autoengañarse

1. 1
   Anclar a la base.

   Toda variante se mide contra la base con las mismas semillas: la diferencia es del escenario, no del azar.

2. 2
   Cambiar poco a la vez.

   Una diferencia por variante al principio; las combinaciones después, como factorial del Tema 32.

3. 3
   Declarar supuestos.

   Lo que queda fijo se escribe: horizonte, warm-up, réplicas. Sin eso, los escenarios no son comparables.

Escenario

Futuro posible con cambios y supuestos declarados.

Base

Escenario de referencia: el presente calibrado.

Variante

Base más un cambio explícito de condiciones.

Ruptura

Escenario donde el sistema deja de responder aceptablemente.

04 · Protocolo

El abanico en cinco pasos

Se fija la base, se declaran pocas variantes, se corren todas con las mismas semillas y métricas, se comparan contra la base y se cuenta la historia para decidir. El Tema 40 preguntará qué parámetro mueve cada resultado.

05 · En Python

Escenarios como datos

Cada escenario es un diccionario con los mismos campos: solo cambian los valores declarados. El modelo no se toca, solo se alimenta distinto.

escenarios = [
    {"nombre": "base", "demanda": 5, "cajeros": 1},
    {"nombre": "pico", "demanda": 8, "cajeros": 1},
    {"nombre": "refuerzo", "demanda": 8, "cajeros": 2},
]

for e in escenarios:
    print(e["nombre"], "demanda:", e["demanda"], "cajeros:", e["cajeros"])

Correr todos con la misma vara

La misma función, las mismas réplicas por escenario: la diferencia que aparezca es del escenario.

import random

def espera(demanda, cajeros, semilla):
    rng = random.Random(semilla)
    ruido = rng.choice([-1, 0, 1])
    return max(0, 2 + 1.2 * (demanda - 2.5 * cajeros) + ruido)

for e in escenarios:
    medias = [espera(e["demanda"], e["cajeros"], 7000 + r) for r in range(5)]
    print(e["nombre"], round(sum(medias) / len(medias), 2))

06 · Exploración

Laboratorio: pico y refuerzo

Partís de tu base (demanda y cajeros a elección). El laboratorio construye dos variantes: pico (+3 de demanda) y refuerzo (pico + 1 cajero). ¿El pico rompe el sistema? ¿El refuerzo lo salva?

Tres barras: espera media de 20 réplicas por escenario, con las mismas semillas. Línea: umbral de ruptura en 8.

Preguntas para explorar

1. Con base 5 y 1 cajero, ¿el pico supera el umbral de 8? ¿El refuerzo lo devuelve abajo?
2. Subí la base a 7. ¿El refuerzo sigue alcanzando o el sistema pide más que un cajero?
3. ¿Por qué los tres escenarios usan las mismas 20 semillas? ¿Qué pasaría con semillas distintas?

07 · Comprensión

Confusiones frecuentes

08 · Práctica guiada

Ejercicios con Python

Ejercicio 1: declarar la familia

Escribí base, pico y refuerzo como lista de diccionarios con los mismos campos.

escenarios = [
    {"nombre": "base", "demanda": 5, "cajeros": 1},
    {"nombre": "pico", "demanda": 8, "cajeros": 1},
    {"nombre": "refuerzo", "demanda": 8, "cajeros": 2},
]
print(len(escenarios), "escenarios")

Ejercicio 2: correr con la misma vara

Corré los 3 escenarios con las mismas 5 semillas y compará medias.

import random

def espera(demanda, cajeros, semilla):
    rng = random.Random(semilla)
    return max(0, 2 + 1.2 * (demanda - 2.5 * cajeros) + rng.choice([-1, 0, 1]))

for e in escenarios:
    ms = [espera(e["demanda"], e["cajeros"], 7000 + r) for r in range(5)]
    print(e["nombre"], round(sum(ms) / len(ms), 2))

Ejercicio 3: buscar la ruptura

Bar ré la demanda con 1 cajero y encontrá dónde la espera cruza el umbral 8.

def espera_media(demanda, cajeros=1):
    ms = [espera(demanda, cajeros, 7000 + r) for r in range(5)]
    return sum(ms) / len(ms)

for d in [5, 6, 7, 8, 9]:
    print(d, round(espera_media(d), 2))

09 · Síntesis

Ideas para recordar

En el próximo tema preguntaremos qué mueve cada resultado: el análisis de sensibilidad.