Gestión cuantitativa del riesgo de plazo en proyectos de impresión 3D: de la distribución de tiempos de proceso al consumo de buffers, la probabilidad de retraso y los compromisos de entrega

Introducción: por qué los compromisos de entrega fallan siempre en el último momento

En la entrega de pedidos de impresión 3D, el elemento que más suele subestimarse no es la impresión en sí, sino las colas, el posprocesado, la inspección y el retrabajo que la rodean. El tiempo nominal de impresión de un pedido metálico LPBF puede ser de 38 horas, pero desde la preparación y anidado hasta el tratamiento térmico, el corte por hilo, el granallado y la inspección por máquina de medición por coordenadas, la duración calendario de toda la cadena suele alcanzar entre 6 y 9 días laborables. Cuando ventas promete cinco días basándose en el tiempo de impresión, la entrega real acaba repetidamente comprimida por las colas y los retrabajos, y finalmente se retrasa. Para convertir el plazo de entrega de una estimación basada en experiencia en un compromiso ejecutable, es necesario descomponer el riesgo de planificación en variables medibles: distribuciones de tiempos de proceso, restricciones de recursos paralelos, tamaño y velocidad de consumo de los buffers, y la propia probabilidad de retraso.

I. El tiempo de proceso no es una constante, sino una distribución

El punto de partida para crear un modelo de planificación consiste en registrar la duración de cada proceso como una distribución, no como un único valor. Tomando como ejemplo una pieza de soporte aeronáutica, las estadísticas de 30 lotes consecutivos muestran: media de impresión de 38 horas y desviación estándar de 4,2 horas; media de tratamiento térmico de 9 horas y desviación estándar de 1,1 horas; media de corte por hilo de 6 horas y desviación estándar de 2,4 horas; y media de inspección por coordenadas de 3,5 horas y desviación estándar de 1,8 horas. Las desviaciones estándar relativas de la inspección y el corte son claramente elevadas, debido a las decisiones de reparación y las diferencias en el montaje de los utillajes. Si se suman directamente las medias para obtener 56,5 horas y después se convierten según las horas efectivas diarias, se subestimará sistemáticamente el riesgo de cola. El enfoque correcto consiste en tomar el percentil P80 o P90 de cada proceso como referencia de planificación y conservar la desviación estándar para el cálculo posterior del buffer.

También deben distinguirse dos tipos de incertidumbre: una corresponde a la variación normal, procedente del estado del equipo, los lotes de polvo y la competencia de los operarios, y constituye ruido estadísticamente cuantificable; la otra corresponde a eventos anómalos, como paradas no planificadas del equipo, retrabajos activados por un fallo de inspección inicial o cambios de modelo solicitados por el cliente durante el proceso. La primera se describe mediante distribuciones; la segunda debe modelarse por separado como el producto de su probabilidad de ocurrencia y su duración de impacto.

II. Modelar explícitamente el paralelismo y las restricciones de recursos

Cuando varios pedidos se ejecutan en paralelo, el verdadero cuello de botella no suele ser la impresora, sino recursos compartidos como el posprocesado y la inspección. Un taller puede disponer de cuatro impresoras, pero de un solo horno de tratamiento térmico y una sola máquina de medición por coordenadas; por tanto, por alto que sea el paralelismo de impresión, el ritmo de entrega seguirá determinado por las colas del horno y del equipo de inspección. El método de modelado consiste en crear una cola para cada recurso compartido y emplear la utilización ρ=tasa de llegada/tasa de servicio para determinar si se ha entrado en una zona de congestión. En la práctica, cuando ρ supera 0,85, el tiempo de espera crece de forma no lineal; en ese momento, aumentar únicamente la capacidad de impresión solo acumulará trabajo en curso. Solo incorporando las restricciones de recursos a la programación se puede responder si un pedido adicional de un cliente aún permite mantener el compromiso original.

La identificación de la ruta crítica es igualmente importante. En una cadena de impresión 3D, la impresión y el tratamiento térmico suelen constituir la cadena crítica principal, mientras que la preparación de informes de inspección, el embalaje y el envío suelen disponer de holgura. Al utilizar el método de cadena crítica, el tiempo de seguridad de cada proceso debe reducirse en un 50 % y concentrarse en un buffer de proyecto y buffers de alimentación, en lugar de permitir que cada proceso conserve su propio margen: los márgenes dispersos son consumidos por el síndrome del estudiante y la ley de Parkinson sin aportar protección real al calendario.

III. Cuantificación del tamaño del buffer y supervisión de su consumo

Un buffer no consiste simplemente en añadir dos días de forma arbitraria. Existen dos métodos habituales. El primero es el método de la raíz de la suma de varianzas, en el que el tamaño del buffer es la raíz cuadrada de la suma de los cuadrados de las desviaciones estándar de los procesos de la cadena crítica; es decir, buffer=√(Σσ²). Con una estimación aproximada basada en los datos anteriores, si la cadena crítica incluye impresión, tratamiento térmico, corte e inspección, con σ de 4,2, 1,1, 2,4 y 1,8 respectivamente, entonces buffer≈√(17,6+1,2+5,8+3,2)≈5,3 horas, aproximadamente entre el 12 % y el 15 % de la duración de la cadena crítica. El segundo es el método porcentual, que toma directamente entre el 20 % y el 30 % de la duración calendario de la cadena crítica; resulta adecuado para las primeras etapas, cuando la acumulación de datos aún es insuficiente.

Una vez definido el buffer, debe supervisarse su tasa de consumo. Divídase el buffer en tres partes: un consumo inferior a 1/3 corresponde a la zona verde; entre 1/3 y 2/3, a la zona amarilla; y superior a 2/3, a la zona roja, que activa una intervención. Un indicador más preciso es el índice de consumo del buffer, igual al porcentaje de buffer consumido dividido por el porcentaje de avance de la cadena crítica. Un valor superior a 1 indica que la salud del calendario está empeorando; incluso si todavía no existe retraso, debe intervenirse con antelación. Tras introducir este indicador, un taller adelantó el punto de intervención desde después del retraso hasta la activación en zona amarilla, y redujo su tasa de retrasos del 18 % al 7 % en tres meses.

IV. Probabilidad de retraso y definición del compromiso de entrega

La fecha comprometida al cliente debe basarse en una estimación explícita de la probabilidad de retraso. La forma más sencilla de implementarlo es mediante simulación Monte Carlo: se asigna a la duración de cada proceso una distribución triangular —optimista, más probable y pesimista—, se incorporan ramificaciones de probabilidad de retrabajo y colas de recursos, y se ejecutan más de 5.000 simulaciones para obtener la curva de distribución acumulada de las fechas de finalización. Tomar P50 como objetivo interno y P85 o P90 como compromiso externo permite mantener la tasa de cumplimiento de compromisos entre el 85 % y el 90 %. Si el cliente requiere una mayor certidumbre, la fecha comprometida deberá desplazarse naturalmente hacia adelante, o deberá asumir un coste de urgencia para comprimir la cadena crítica.

Antes de comprometer una fecha también debe verificarse la capacidad de cumplimiento: la capacidad restante de los recursos críticos ocupada por los pedidos actuales en curso, la disponibilidad completa de materiales como polvo y placas base, y la carga ya comprometida en la cola de inspección. Si cualquiera de estos elementos no se cumple, no debe ofrecerse un compromiso definitivo, sino una respuesta condicionada. Dividir los compromisos en tres niveles —capacidad confirmable, compromiso condicionado y no confirmable— reduce más las disputas posteriores que aceptar genéricamente una fecha.

V. Cuantificación de eventos anómalos y límites de responsabilidad

El modelo también debe contemplar anomalías. Las paradas no planificadas de equipos pueden convertirse, a partir del MTBF y el MTTR históricos, en una duración esperada de pérdida por incidente, y multiplicarse después por la probabilidad de fallo de ese equipo dentro de la ventana del proyecto; la probabilidad de retrabajo por un fallo de inspección inicial puede inferirse de la tasa histórica de aceptación a la primera de piezas similares; y el impacto de los cambios del cliente puede calcularse según los días que separan el momento del cambio de la finalización, ya que el impacto aumenta cuanto más cerca esté la terminación. Al incorporar estas variables al registro de riesgos y asignarles una duración esperada de impacto, el director de proyecto puede comparar con un criterio uniforme qué riesgos justifican invertir en medidas de mitigación.

A nivel contractual, deben definirse claramente la responsabilidad por retrasos y los plazos de notificación para tres situaciones: fuerza mayor, cambios del cliente y anomalías en los materiales suministrados, evitando que todos los retrasos se atribuyan al proveedor. También deben acordarse las fórmulas de precio y ajuste de plazo para los cambios, de modo que el compromiso permanezca siempre alineado con el alcance más reciente.

Conclusión

Para transformar un plazo de entrega basado en experiencia en un plazo comprometido, hay tres elementos esenciales: describir los tiempos de proceso mediante distribuciones en lugar de medias, evaluar los recursos compartidos mediante modelos de colas en lugar de intuición, y supervisar el avance mediante la tasa de consumo del buffer y la probabilidad de retraso en lugar del porcentaje de finalización. La implementación puede comenzar con un ciclo mínimo: registrar primero los tiempos de cada proceso de 30 lotes y calcular sus desviaciones estándar; después, establecer un buffer mediante el método de raíz de suma de varianzas; y, por último, utilizar Monte Carlo para ofrecer un compromiso P85. Tras tres meses de acumulación de datos, la tasa de cumplimiento de compromisos y la rotación de trabajo en curso suelen mostrar mejoras medibles.