La idea detrás de esta nueva metodología es conseguir que el sistema encuentre por sí solo una secuencia ordenada de acciones que permitan alcanzar unos objetivos (en un estado final) a partir de la situación y recursos iniciales. Por ejemplo, ante un conjunto de camiones y mercancías, estas técnicas permiten optimizar mediante planificación automática las mejores rutas y modos de transporte, por horarios y productos. La metodología presentada por estos científicos permitiría, en este caso, crear planes en situaciones en las que no se pueden entregar todos los paquetes, como ocurre cuando el tiempo necesario para hacerlo es mayor que el disponible porque no se dispone de los recursos adecuados. De esta forma, el sistema intentaría encontrar un plan mediante el que se entregara el mayor número posible de mercancías, minimizando el coste.
En tiempo, nuestra técnica es entre tres y diez veces más rápida, mientras que en calidad las soluciones que conseguimos son similares a las de la mejor técnica disponible actualmente", revela uno de los investigadores, Ángel García Olaya, del grupo de PLG del Departamento de Informática de la UC3M. "Ahora —indica— estamos realizando modificaciones con las que esperamos conseguir mejorar la calidad de nuestras soluciones". Este estudio ha sido presentado en la última Conferencia Española para la Inteligencia Artificial (Caepia) de Tenerife, donde recibió el premio al mejor artículo. La investigación de la UC3M ha contado con financiación de la Comunidad de Madrid y el Ministerio de Ciencia e Innovación.
Aplicaciones en logística
Esta nueva metodología se puede aplicar en cualquier sector en el que tenga sentido implementar la planificación automática, como ya se hace en el caso de la extinción de incendios, el control autónomo de robots, la enseñanza online, la logística, etc. En este último campo, de hecho, estos investigadores ya realizaron un proyecto con Acciona para la gestión de su división de logística, subvencionado por el Ministerio de Industria, Turismo y Comercio. En concreto, crearon un sistema de planificación automática para el transporte multimodal de mercancías. Los datos que se proporcionaban al sistema eran las posiciones de los camiones, así como los horarios de barcos y trenes de transporte, junto a las características de los pedidos de los clientes (situación de contenedores, ruta, tipo de mercancía). Con esta información, el sistema decidía primero qué camión y contenedor debía realizar cada servicio, para después calcular la ruta a seguir, el orden de reparto y, si hiciera falta, cambiar el método de transporte (camión, tren y/o barco).
"En los entornos reales ocurre muy a menudo que no existe ningún plan que alcance todas las metas por limitaciones de algún recurso, como tiempo, dinero, combustible, batería... y aquí es donde se puede usar la metodología propuesta en el artículo", explica el profesor Ángel García Olaya. Los investigadores lo han probado en una serie de dominios que simulan entornos reales y que son los habituales en la comunidad de planificación y ya se ha integrado en una arquitectura para el control autónomo de robots en la que está trabajando el grupo.
