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

Resumo Técnico: SkillChain-Gym

Definição do Problema
O planejamento de produção exige cada vez mais que a capacidade da força de trabalho seja tratada como uma variável de decisão dinâmica, em vez de um recurso fixo. Os benchmarks operacionais atuais (ex: OR-Gym, MABIM) tipicamente modelam o trabalho como exógeno ou ausente, ignorando estados de habilidade, ações de treinamento e esquecimento. Por outro lado, a literatura de planejamento de força de trabalho modela habilidades, aprendizado e esquecimento, mas raramente libera esses modelos como ambientes de teste reutilizáveis com interfaces e baselines comuns. Essa separação cria uma lacuna: não há um ambiente padrão para avaliar políticas que devem explicitamente equilibrar a capacidade de produção atual contra a aquisição de habilidades futura (requalificação) sob restrições de tempo, limiares de certificação e disrupção.

Metodologia e Design do Benchmark
O artigo introduz o SkillChain-Gym, uma especificação de benchmark para controle de estoque-produção consciente da requalificação. Ele é formulado como um Processo de Decisão de Markov (MDP) episódico de horizonte finito para um ambiente de site único.

• Dinâmica de Estado: O estado inclui inventário, backlog, previsões de demanda e um nível de habilidade contínuo ($S_{w,k,t} \in [0,1]$) para cada trabalhador $w$ e habilidade $k$. A certificação é um limiar rígido ($Q_{w,k,t} = 1$ se $S \ge \theta_k$); trabalhadores não certificados não podem produzir. As habilidades decaem geometricamente (esquecimento), a menos que sejam mantidas.
• Espaço de Ação: O mecanismo central é que o treinamento é uma ação consumidora de capacidade. Os trabalhadores alocam um orçamento de tempo fixo ($H_w$) entre produção ($a^{prod}$) e treinamento ($a^{train}$). Cada hora gasta em treinamento é uma hora renunciada para a produção, criando um verdadeiro compromisso intertemporal.
• Cenários de Disrupção: O benchmark utiliza cenários controlados por sementes (seeds), incluindo picos de demanda, absenteísmo (removendo trabalhadores específicos qualificados) e introdução de novos produtos. Novos produtos são introduzidos em duas variantes: anunciados (visíveis na janela de previsão) e surpresa (ocultos até a ativação).
• Viabilidade e Diagnósticos: O ambiente suporta três modos: projeto (reparo determinístico de ações inviáveis), estrito (executa ações reparadas com penalidades) e mascarado (erro por inviabilidade). A configuração experimental padrão usa o modo projeto, mas reporta diagnósticos de projeção para garantir transparência.
• Métricas: A avaliação estende-se além do custo escalar para incluir métricas operacionais (nível de serviço, backlog), resiliência (tempo de recuperação, episódios não recuperados), crescimento de capacidade (novas certificações) e distribuição de acesso ao treinamento (índices de Jain/Gini).

Taxonomia de Baselines
O artigo avalia uma taxonomia de políticas de baseline de viabilidade exata, nenhuma das quais é ajustada para vencer em cenários específicos:

1. Apenas Produção: Produção gananciosa sem treinamento.
2. Adaptativa Reativa: Políticas que treinam em direção ao maior déficit de capacidade certificada antecipado (ex: GreedySkillGap).
3. Adaptativa Water-Filling: Semelhante à reativa, mas divide a capacidade de produção proporcionalmente à necessidade para evitar artefatos de oscilação.
4. Seguro Estático: Um plano de treinamento cruzado de malha aberta e fixo executado precocemente (ex: StaticTrainingPlan) que pré-treina para contingências conhecidas sem observar choques.
5. Variantes de Orçamento Estático: Variações do plano estático com diferentes alocações de horas de treinamento.

Principais Resultados
Os achados empíricos, derivados de horizontes de 60 turnos com testes estatísticos pareados através de 20–50 sementes, apresentam um mapa de regimes em vez de um ranking único de políticas:

• Necessidade de Treinamento: Políticas capazes de treinamento dominam o baseline de apenas produção em todos os cenários. Sob taxas realistas de esquecimento, o treinamento de manutenção é obrigatório mesmo sem disrupções; caso contrário, as certificações erodem e os níveis de serviço colapsam.
• Visibilidade vs. Surpresa:
  • Choques Anunciados: Quando os gargalos são visíveis na previsão, políticas adaptativas (reativas ou water-filling) superam decisivamente os planos estáticos. Elas podem treinar no modelo "just-in-time", evitando os custos de sobreprovisionamento dos planos de seguro estático.
  • Choques de Surpresa e Absenteísmo: Quando os choques são ocultos ou trabalhadores desaparecem subitamente, um plano de treinamento cruzado estático enxuto atua como o baseline mais forte. Ele serve como um seguro eficaz, superando políticas adaptativas que não conseguem reagir rápido o suficiente às restrições estruturais de capacidade.
• Folga de Capacidade e Recuperação: A fronteira entre a dominância adaptativa e estática é governada pela folga de capacidade. Próximo à fronteira demanda-capacidade (folga zero), transientes de reação tornam-se estruturalmente irrecuperáveis, favorecendo o seguro estático independentemente da taxa de esquecimento.
• Artefatos de Alocação: O estudo isola que parte da lacuna de desempenho entre as políticas adaptativas deve-se a artefatos de alocação (alocadores gananciosos míopes causando backlogs de "ping-pong") e não à classe de política em si. A variante water-filling mitiga isso, mostrando que a vantagem do plano estático sob surpresa é uma economia de seguro genuína, não uma falha de alocação adaptativa.
• Sensibilidade ao Esquecimento: Desativar o esquecimento reduz o valor do fortalecimento cego precoce (planos estáticos) contra planos sobreprovisionados, mas não elimina a vantagem dos planos estáticos enxutos sob folga zero.

Significância e Alegações
O artigo alega que o SkillChain-Gym preenche uma lacuna crítica ao fornecer um ambiente de teste padronizado e reutilizável onde a capacidade da força de trabalho é um estado explícito e a requalificação é uma ação consumidora de capacidade. Sua contribuição primária não é a identificação de uma política "vencedora", mas a caracterização de regimes definidos por visibilidade de gargalos, folga de capacidade e taxas de esquecimento.

Os autores posicionam o benchmark como uma fundação para trabalhos futuros, especificamente motivando o desenvolvimento de controladores orientados por previsão (horizonte recuante) que possam decidir dinamicamente quando comprar seguro de habilidade (comportamento tipo estático) e quando reagir (comportamento adaptativo). O artigo explicitamente evita alegar calibração empírica para dados reais de força de trabalho, observando que as dinâmicas de habilidade são abstrações estilizadas projetadas para isolar o compromisso entre a produção atual e a capacidade futura.