Técnicas para ayudar en la toma de decisiones

La sociedad de la que formamos parte confía cada vez más en sistemas tecnológicos complejos para prestar servicios y producir bienes de consumo. Podemos pensar en sistemas de gestión de tráfico y flotas de vehículos, sistemas de producción, puertos y aeropuertos, sistemas de mantenimiento industrial, redes de telefonía, sistemas de gestión médica y hospitalaria, sistemas de gestión de recursos en catástrofes naturales, etc.

Estos sistemas complejos deben ser diseñados y operados de manera que satisfagan las expectativas de los usuarios, que suelen ser muy exigentes, por lo que es necesario que su funcionamiento sea óptimo o, al menos, que utilicen de forma eficiente los recursos disponibles.

El diseño y la operación de estos sistemas exigen tomar numerosas decisiones, ya que suelen presentar muchos grados de libertad que deben ser configurados. Por ejemplo, al operar un sistema productivo es preciso definir el tipo de productos que se van a fabricar en cada momento, las materias primas y otros recursos, los flujos de información, recursos y productos, etc. Al diseñar un sistema productivo es necesario definir el tipo y número de máquinas que se instalarán, su ubicación y cómo será la operación de dicho sistema.

Problemas y dificultades

Uno de los problemas más difíciles en el contexto de la toma de decisiones en sistemas complejos es predecir cuáles serán las consecuencias de tal o cual decisión, especialmente en escenarios con alta incertidumbre. En ocasiones, una mala decisión puede tener consecuencias nefastas para la seguridad de las personas o para la supervivencia de una empresa.

Existen diversas técnicas que ayudan a tomar decisiones basándose en predicciones. Una de ellas está sustentada en modelos de simulación. Este concepto se basa en el desarrollo de una descripción cuantitativa del sistema complejo de interés. Puede realizarse por medio de un algoritmo, de un grafo (en la imagen inferior se muestra un tipo particular de grafos de sistemas complejos llamados redes de Petri) o de expresiones matemáticas como ecuaciones diferenciales o ecuaciones de estado para sistemas de eventos discretos.

 

Los modelos se pueden configurar con las decisiones que se deseen tomar y su evolución puede simularse en periodos de tiempo virtual, permitiendo así conocer los efectos de dichas decisiones. El grado de precisión de la predicción dependerá de lo fiel y detallado que sea el modelo respecto del sistema original, así como del grado de incertidumbre en la información disponible para construir el modelo.

Una dificultad añadida al problema de la toma de decisiones en sistemas complejos es la llamada explosión combinatoria. Este problema surge cuando se pueden construir soluciones al problema de decisión completo combinando soluciones parciales a cada grado de libertad del sistema. El número de combinaciones posibles en ese contexto puede ser gigantesco y es lo que define el tamaño del espacio de soluciones.

Selección de soluciones

La exploración exhaustiva del espacio de soluciones llevaría demasiado tiempo, por lo que solo suele ser posible analizar un pequeño número de ellas. Estas soluciones permiten configurar el modelo y simularlo para predecir los efectos de dicha decisión. La selección de las soluciones a simular se suele hacer de forma intuitiva. La intuición puede ser de personas expertas en el ámbito del problema, aunque también es posible utilizar la “intuición” de un algoritmo, como en el caso de las heurísticas y las metaheurísticas. Algunas de ellas imitan fenómenos naturales como el de la evolución de las especies, el comportamiento de colonias de hormigas, enjambres de partículas o el recocido de metales.

Una vez explorado un cierto número de soluciones prometedoras y evaluados los efectos de cada una de ellas en relación con los objetivos del sistema, es posible jerarquizar las soluciones analizadas o escoger una de ellas para una toma de decisiones. Este tipo de metodología ha sido planteado y aplicado satisfactoriamente por investigadores de la UPNA a sistemas de fabricación, industria alimentaria, industria 4.0, gestión de tráfico y redes logísticas, entre otros.

 

Este post ha sido realizado por Juan Ignacio Latorre Biel, profesor del Departamento de Ingeniería Mecánica, Energética y de Materiales de la Universidad Pública de Navarra (UPNA) y miembro del Institute of Smart Cities (ISC)

Estadística para la sociedad

Fermín Mallor Giménez, catedrático del Departamento de Estadística e Investigación Operativa de la Universidad Pública de Navarra (UPNA), donde es investigador del Instituto de Smart Cities (ISC), fue entrevistado hace unas semanas en la emisora de Onda Cero en Pamplona. Aquí tienes la entrevista completa.

En esta entrevista, este experto, que también es investigador del Instituto de Investigación Sanitaria de Navarra (IdiSNA), describió su trabajo de investigación, centrado en el análisis, la simulación y la optimización de sistemas complejos y sus aplicaciones a industria, energía y servicios.

La estadística y la matemática son herramientas que se utilizan para analizar los sistemas complejos. Estos se definen como aquellos que constan de diversos elementos relacionados entre sí, pero cuyas relaciones a veces no son bien comprendidas o producen resultados impredecibles para quien toma decisiones. Además, evolucionan en el tiempo de un modo cambiante y en contextos de incertidumbre donde no todos los factores del propio sistema y del entorno son conocidos.

Cualquier sistema real puede ser complejo. Por ejemplo, procesos de producción, sistemas de energías renovables o sistemas de salud lo son. Así, en el servicio de urgencias de un hospital, ningún día se sabe previamente el número de pacientes que van a llegar, con qué gravedad y patologías, qué medios se van a necesitar para atenderlos…

Gracias al análisis de estos sistemas complejos, el equipo de investigación dirigido por Fermín Mallor (DECYL-Datos, Estadística, Calidad y Logística) desarrolla herramientas cuantitativas de apoyo a la toma de decisiones. En el caso de Urgencias, por ejemplo, con técnicas estadísticas, se puede analizar cómo llegan esos pacientes. Es verdad que cada día son enfermos distintos, pero hay patrones repetitivos. Su equipo de investigación identifica el patrón de probabilidad con el fin de reproducirlo en un ordenador. Reproduce igualmente la atención que presta el personal sanitario, el flujo de los pacientes, los recursos utilizados… Y a partir de todo ello, se construyen modelos de simulación implementados en un ordenador, los cuales son útiles para determinar el efecto de cambios en el tamaño de la plantilla, en la afluencia de pacientes, en la disponibilidad de recursos, o para evaluar un nuevo modo de gestionar el servicio.

Cualquier decisión de mejora se puede probar con anticipación en un ordenador para conocer “a priori” sus consecuencias. Por ejemplo, cómo cambiaría la atención mediante la contratación de un médico más, o qué equipamiento sería más conveniente y dónde localizarlo… La finalidad de estos análisis: la mejora de los sistemas y su adecuación a las condiciones cambiantes. Se trata de buscar la calidad y la eficiencia de los sistemas: en otras palabras, hacer más y mejor con lo mismo, contribuyendo así a que el sistema sea sostenible.

El desarrollo de estas metodologías centradas en resolver problemas reales implica la utilización combinada de varias técnicas para para lograr una aproximación global a los problemas: el análisis de datos, la probabilidad, el modelado matemático, las técnicas clásicas de optimización, la inteligencia artificial, la simulación… Dichas metodologías son las que proporcionan el soporte para la toma de decisiones.

Dentro de un equipo multidisciplinar, los investigadores de la UPNA desarrollan técnicas y metodologías nuevas para analizar estos sistemas complejos en los contextos mencionados anteriormente. Actualmente, una de sus áreas prioritarias de trabajo es la sanitaria. De hecho, llevan varios años colaborando con el Complejo Hospitalario de Navarra (UCI, Servicio de Urgencias…). “Los sistemas de salud representan una oportunidad investigadora pues están inmersos en profundos cambios impulsados por la aplicación de las nuevas tecnologías y por la demanda creciente de una población cada vez más envejecida que requiere más y mejores servicios. La sostenibilidad de los servicios públicos va a depender del uso eficiente de los recursos asignados. En España, es escasa la aplicación del enfoque cuantitativo propuesto por nuestro grupo de investigación, aunque en países avanzados de nuestro entorno europeo sí lo es. Nuestro grupo se ha integrado en la comunidad científica europea con el fin de lograr nuestro empeño, que es introducir y desarrollar estas técnicas aquí para la mejora de nuestros servicios de salud”, asegura Fermín Mallor.

Este post ha sido editado por la Unidad de Cultura Científica (UCC) de la Universidad Pública de Navarra