Reducir los retrasos en un sistema de control no siempre lo mejora; a veces, alargarlos lo estabiliza. Esa es la conclusión contraintuitiva que extrae Martin Janiczek del libro 'Thinking in Systems' de Donella Meadows, cuyo capítulo sobre los retrasos resume en este artículo.
El autor plantea el ejemplo de una concesionaria que mantiene un stock de coches igual a diez veces las ventas diarias. Cuando la demanda sube, la gerente pide más vehículos. Si no hay retrasos, el sistema reacciona de forma inmediata, pero se vuelve frágil ante picos puntuales: con una sola demanda excepcional de 70 coches en un día, se piden 550 unidades que tardan mucho en revenderse.
Al introducir un retraso de entrega de cinco días y dividir la respuesta a la mitad (pedir solo la mitad del desfase cada día), el sistema entra en oscilación: nunca se estabiliza mientras la demanda permanezca constante. Y aquí viene lo sorprendente: si en lugar de acortar el retraso de respuesta se alarga (dividir por seis), las oscilaciones desaparecen y el inventario converge de forma suave hacia el nivel deseado.
Janiczek acompañó la lectura con un simulador Monte Carlo escrito en Elm —disponible en GitHub y como aplicación web— que reproduce los ejemplos del libro y permite experimentar con distintos parámetros. La lección, según Meadows, es que no existe una regla universal para los bucles de retroalimentación: hay que modelar el sistema, probar y decidir con datos, no con intuición.