Una planificación inteligente

En muchos casos los sistemas de información no se explotan en todas sus posibilidades. La planificación de los procesos productivos recae sobre expertos que conocen muy bien el funcionamiento de una organización y que a través de la experiencia acumulada a lo largo de los años han ido desarrollando una intuición y un saber hacer que les permite resolver estos problemas de forma satisfactoria en un tiempo aceptable. Fruto de esta experiencia es su habilidad para bregar con los distintos agentes, con intereses generalmente antagónicos, que se ven afectados por el resultado o por el desarrollo de la producción, como son la patronal, la clase trabajadora y los usuarios.

Veamos un ejemplo: imaginemos el trabajo de una persona experta del sector ferroviario que tiene que elaborar los turnos de trabajo de una plantilla de maquinistas que prestan sus servicios en una línea entre dos ciudades, como por ejemplo Oviedo y León, entre las que circulan a diario un número de trenes que además varían de un día a otro de la semana.

A partir de los “datos” del problema, como son el número de maquinistas, el número y horario de los distintos trenes, y un período temporal de un cierto número de semanas, la persona experta tiene que elaborar una solución “factible”, es decir una asignación de turnos de trabajo para cada uno de los maquinistas durante el período temporal indicado, de modo que se respeten una serie de “restricciones” y que además se consigan cumplir una serie de “objetivos”.

Las restricciones en este caso vienen impuestas por la normativa laboral de los trabajadores que fija el número máximo de horas de conducción de forma ininterrumpida, los períodos de descanso mínimos semanales o entre jornadas consecutivas, el número máximo de horas extras mensuales, etc. Los objetivos de este problema pueden ser muchos y de muy distinta índole, por ejemplo, hay que distribuir uniformemente la carga de trabajo entre los distintos trabajadores, ya que hay horarios muy diferentes de mañana, tarde o incluso de noche, y también turnos en días laborables y otros en fines de semana o festivos.

Además, los descansos deberían estar distribuidos de la forma más racional posible, evitando, por ejemplo, situaciones en las que un trabajador que descansa un fin de semana termine su turno el viernes a las 12 de la noche o que comience el siguiente turno el lunes a las 4 de la madrugada.

El secreto de las combinaciones

En la práctica, el problema tiene más datos, restricciones y objetivos de los que hemos expuesto aquí, y todos ellos tienen que estar en la cabeza del experto cuando éste hace su trabajo. La forma de resolver el problema no es otra que ir generando combinaciones, en este caso combinando maquinistas con servicios, hasta encontrar una solución completa. Para un problema de tamaño real, por ejemplo con una flota de 40 trenes, una plantilla de 50 maquinistas y un período de 50 semanas, el número de combinaciones posibles es mayor que 10 elevado a 50 (un 1 seguido de 50 ceros).

Ésta es una cantidad astronómica, muchísimo mayor que el tiempo en segundos transcurrido desde el big bang hasta el día de hoy (estimado en algo menos de 10 elevado a 18). A partir de estos números, es claro que el trabajo del experto no es fácil y que en el mejor de los casos la fracción de combinaciones que puede analizar es pequeñísima. Solamente con un conocimiento grande basado en buena parte en su experiencia será capaz el experto de encontrar alguna solución realmente satisfactoria. A la vista de los números anteriores, es evidente también que parece utópico plantearse encontrar “la mejor” de todas las soluciones posibles.

La distribución de los trenes sobre la línea ferroviaria, que evita colisiones en los tramos de vía única y minimiza los retrasos, es también un problema de naturaleza combinatoria. O bien, por poner un ejemplo de otro sector productivo también con implantación en Asturias, la planificación del corte de bobinas de film de plástico a partir de una bobina madre de gran tamaño.

En este caso los objetivos son satisfacer las demandas de los usuarios en el tiempo, pero a la vez se debe tratar de minimizar el desperdicio generado en el proceso productivo y mejorar al máximo las condiciones de trabajo (comodidad y seguridad) de los operarios que manipulan las máquinas de corte. Otros problemas como la distribución de turnos de personal sanitario o la planificación de rutas de vehículos para el transporte de mercancías o pasajeros, son también paradigmas de este tipo de problemas complejos.

¿Pueden las tecnologías de la información resolver este tipo de problemas complejos? La respuesta es afirmativa. Existen herramientas computacionales que los resuelven con éxito en muchos contextos, con el consiguiente alivio para los expertos de turno. Estas herramientas computacionales son capaces de generar combinaciones a una velocidad muy superior a la de un experto humano, por lo que en un tiempo breve, éste puede disponer de numerosas soluciones entre las que elegir.

Tecnología e Inteligencia Artificial

Disciplinas académicas como la Inteligencia Artificial se ocupan de resolver este tipo de problemas. Desde hace décadas, los investigadores relacionados con la Inteligencia Artificial desarrollan nuevos “métodos heurísticos” capaces de abordar los problemas cada vez más complejos que surgen en la sociedad. La palabra “heurístico” proviene del griego “heurisken” que significa descubrir (también se atribuye su origen a la palabra “eureka” que pronunció Arquímedes en su baño cuando descubrió el famoso principio que lleva su nombre).

En el contexto de la Inteligencia Artificial, los heurísticos son métodos de búsqueda de soluciones de problemas complejos que están guiados por conocimiento específico del dominio del problema (precisamente el conocimiento que acumulan los expertos fruto de su experiencia y que puede ser transferido a un programa de ordenador). Por supuesto, las altísimas prestaciones de los ordenadores actuales son determinantes para el éxito de los sistemas basados en Inteligencia Artificial, pero resultarían absolutamente inútiles sino contásemos con algoritmos de planificación inteligentes.

Algunos conceptos y técnicas relacionados con los métodos heurísticos, como los conjuntos borrosos (fuzzy sets), el término softcomputing, la computación evolutiva o la meta-heurística, pueden resultar conocidos para algunos sectores de la sociedad. En todo caso, lo que es realmente importante es saber que la Inteligencia Artificial es una disciplina científica y tecnológica que proporciona métodos para resolver problemas complejos que se presentan en diversos ámbitos sociales y productivos.

También es importante saber que en el ámbito universitario, existen grupos de investigación en Inteligencia Artificial y otras disciplinas afines, con gran capacidad e interés en colaborar con otros sectores de la sociedad en la resolución de sus problemas.