SkillChain-Gym: A Benchmark for Reskilling-Aware Production-Inventory Control under Disruptions

Resumen Técnico: SkillChain-Gym

Planteamiento del Problema
La planificación de la producción requiere cada vez más tratar la capacidad de la fuerza laboral como una variable de decisión dinámica en lugar de un recurso fijo. Los estándares operativos actuales (por ejemplo, OR-Gym, MABIM) suelen modelar la mano de obra como algo exógeno o ausente, ignorando los estados de las habilidades, las acciones de capacitación y el olvido. Por el contrario, la literatura sobre planificación de la fuerza laboral modela las habilidades, el aprendizaje y el olvido, pero rara vez libera estos modelos como bancos de pruebas reutilizables y estandarizados con interfaces y líneas base comunes. Esta separación crea una brecha: no existe un entorno estándar para evaluar políticas que deban negociar explícitamente la capacidad de producción actual frente a la adquisición de habilidades futura (recapacitación) bajo restricciones de tiempo, umbrales de certificación y disrupciones.

Metodología y Diseño del Benchmark
El artículo introduce SkillChain-Gym, una especificación de benchmark para el control de inventarios y producción consciente de la recapacitación. Se formula como un Proceso de Decisión de Markov (MDP) episódico de horizonte finito para un entorno de sitio único.

• Dinámicas de Estado: El estado incluye inventario, pedidos pendientes (backlog), pronósticos de demanda y un nivel de habilidad continuo ($S_{w,k,t} \in [0,1]$) para cada trabajador $w$ y habilidad $k$. La certificación es un umbral estricto ($Q_{w,k,t} = 1$ si $S \ge \theta_k$); los trabajadores no certificados no pueden producir. Las habilidades decaen geométricamente (olvido) a menos que se mantengan.
• Espacio de Acción: El mecanismo central es que la capacitación es una acción que consume capacidad. Los trabajadores asignan un presupuesto de tiempo fijo ($H_w$) entre producción ($a^{prod}$) y capacitación ($a^{train}$). Cada hora dedicada a la capacitación es una hora que se deja de dedicar a la producción, creando un verdadero compromiso intertemporal.
• Escenarios de Disrupción: El benchmark utiliza escenarios controlados por semilla, incluyendo picos de demanda, ausentismo (eliminación de trabajadores específicos calificados) e introducciones de nuevos productos. Los nuevos productos se introducen en dos variantes: anunciados (visibles en la ventana de pronóstico) y sorpresa (ocultos hasta su activación).
• Factibilidad y Diagnósticos: El entorno soporta tres modos: proyecto (reparación determinista de acciones infactibles), estricto (ejecuta acciones reparadas con penalizaciones) y enmascarado (error por infactibilidad). La configuración experimental por defecto utiliza el modo proyecto, pero reporta diagnósticos de proyección para garantizar la transparencia.
• Métricas: La evaluación se extiende más allá del costo escalar para incluir métricas operativas (nivel de servicio, pedidos pendientes), resiliencia (tiempo de recuperación, episodios no recuperados), crecimiento de capacidad (nuevas certificaciones) y distribución de acceso a la capacitación (índices de Jain/Gini).

Taxonomía de Líneas Base (Baselines)
El artículo evalúa una taxonomía de políticas de línea base de factibilidad exacta, ninguna de las cuales está ajustada para ganar en escenarios específicos:

1. Solo Producción: Producción codiciosa (greedy) sin capacitación.
2. Adaptativa Reactiva: Políticas que capacitan hacia el mayor déficit de capacidad certificada anticipado (por ejemplo, GreedySkillGap).
3. Adaptativa de Llenado de Agua (Water-Filling): Similar a la reactiva, pero divide la capacidad de producción proporcionalmente a la necesidad para evitar artefactos de oscilación.
4. Seguro Estático: Un plan de capacitación cruzada de ciclo abierto y fijo ejecutado tempranamente (por ejemplo, StaticTrainingPlan) que pre-capacita para contingencias conocidas sin observar choques.
5. Variantes de Presupuesto Estático: Variaciones del plan estático con diferentes asignaciones de horas de capacitación.

Resultados Clave
Los hallazgos empíricos, derivados de horizontes de 60 turnos con pruebas estadísticas pareadas a través de 20–50 semillas, presentan un mapa de regímenes en lugar de un único ranking de políticas:

• Necesidad de Capacitación: Las políticas con capacidad de capacitación dominan la línea base de solo producción en todos los escenarios. Bajo tasas de olvido realistas, la capacitación de mantenimiento es obligatoria incluso sin disrupciones; de lo contrario, las certificaciones se erosionan y los niveles de servicio colapsan.
• Visibilidad vs. Sorpresa:
  • Choques Anunciados: Cuando los cuellos de botella son visibles en el pronóstico, las políticas adaptativas (reactivas o de llenado de agua) superan decisivamente a los planes estáticos. Pueden capacitar "justo a tiempo", evitando los costos de sobre-provisión de los seguros estáticos.
  • Choques Sorpresa y Ausentismo: Cuando los choques son ocultos o los trabajadores faltan repentinamente, un plan de capacitación cruzada estático y austero actúa como la línea base más fuerte. Sirve como un seguro efectivo, superando a las políticas adaptativas que no pueden reaccionar lo suficientemente rápido ante las restricciones estructurales de capacidad.
• Holgura de Capacidad y Recuperación: La frontera entre el dominio adaptativo y el estático está gobernada por la holgura de capacidad. Cerca del límite demanda-capacidad (holgura cero), los transitorios de reacción se vuelven estructuralmente irrecuperables, favoreciendo el seguro estático independientemente de la tasa de olvido.
• Artefactos de Asignación: El estudio aísla que parte de la brecha de rendimiento entre las políticas adaptativas se debe a artefactos de asignación (asignadores codiciosos miopes que causan pedidos pendientes tipo "ping-pong") más que a la clase de política en sí. La variante de llenado de agua mitiga esto, demostrando que la ventaja del plan estático bajo sorpresa es una economía de seguro genuina, no un fallo de la asignación adaptativa.
• Sensibilidad al Olvido: Deshabilitar el olvido reduce el valor de la fortificación temprana ciega (planes estáticos) contra los planes con sobre-provisión, pero no elimina la ventaja de los planes estáticos austeros bajo holgura cero.

Significancia y Reivindicaciones
El artículo afirma que SkillChain-Gym llena un vacío crítico al proporcionar un banco de pruebas reutilizable y estandarizado donde la capacidad de la fuerza laboral es un estado explícito y la recapacitación es una acción que consume capacidad. Su contribución principal no es la identificación de una política "ganadora", sino la caracterización de regímenes definidos por la visibilidad de los cuellos de botella, la holgura de capacidad y las tasas de olvido.

Los autores posicionan este benchmark como una base para trabajos futuros, motivando específicamente el desarrollo de controladores impulsados por pronósticos (horizonte de retroceso) que puedan decidir dinámicamente cuándo comprar seguro de habilidades (comportamiento tipo estático) y cuándo reaccionar (comportamiento adaptativo). El artículo evita explícitamente reclamar una calibración empírica con datos reales de la fuerza laboral, señalando que la dinámica de las habilidades son abstracciones estilizadas diseñadas para aislar el compromiso entre la producción actual y la capacidad futura.