| dc.description.abstract | El principal objetivo de este estudio es explorar y probar una nueva metodología para estimar el requerimiento de personal en sistemas de servicio con demanda variable, utilizando inteligencia artificial y simulación. La metodología propuesta consiste en emplear una red neuronal para estimar la dotación, dada la demanda a lo largo del día, y un nivel de servicio deseado. Para lograr esto se genera un set de datos con un modelo de simulación del sistema de servicio, cuyos principales inputs son la dotación y demanda, mientras que el nivel de servicio es el output relevante. Luego se entrena la red con nivel de servicio y demanda como inputs, y el requerimiento como output. Para el análisis se usa información real de una empresa del sector previsional chileno, entregada por una consultora que trabajó el caso. Se contó con una heurística de simulación-optimización, desarrollada por la consultora para determinar el requerimiento de personal en las sucursales, la cual se usa como punto de referencia para comparar el desempeño de la metodología. Luego de experimentar con distintas redes neuronales, los resultados computacionales muestran que es posible alcanzar un nivel de precisión satisfactorio con esta metodología, es decir, que las dotaciones recomendadas por la red, aseguran un nivel de servicio suficientemente cercano al deseado, en cada escenario. La heurística alcanza un nivel de precisión mayor, pero tarda alrededor de 144 minutos en estimar la dotación para un mes en la sucursal con mayor demanda, mientras que la red neuronal tarda 0.027 segundos. La herramienta es capaz de estimar dotaciones para distintos escenarios de demanda y horizontes de tiempo largos, en segundos, mientras que la heurística de comparación tardaría horas. | |
