Javier Panadero: «Creando algoritmos inteligentes ayudamos a que los repartidores lleguen al mayor número de hospitales posibles»

Javier Panadero: «Creando algoritmos inteligentes ayudamos a que los repartidores lleguen al mayor número de hospitales posibles»

Entrevistamos a Javier Panadero y Laura Calvet, profesores de los Estudios de Informática, Multimedia y Telecomunicación de la UOC e investigadores del grupo ICSO@IN3 sobre su papel en la red de creación de algoritmos inteligentes para mejorar la logística entre el material creado por los makers y sus destinatarios: los hospitales.

¿Cómo surge la colaboración desde ICSO@IN3 de la UOC con Fhios, Coronavirus-makers y el sistema sanitario?

Javier Panadero (J.P):  Todo empezó cuando Miguel Saiz, doctorando de nuestro grupo de investigación y miembro de la comunidad maker, contactó con el profesor Ángel Juan, director del grupo de investigación,  y le propuso colaborar en el proyecto. Ángel nos lo comentó a los demás miembros del grupo, y enseguida todos aceptamos colaborar en el proyecto y ofrecer toda la ayuda que fuera necesaria, aportando nuestros conocimientos en algoritmos inteligentes para la gestión óptima de rutas. Cuando explicamos el proyecto en el cual estábamos colaborando a Fhios, empresa con la cual el grupo de investigación tiene muy buena relación, y varios proyectos de investigación en marcha, enseguida quisieron unirse  también al proyecto, aportando la parte de infraestructura de sistemas. 

Laura Calvet (L.C): Nuestro grupo de investigación tiene una red de contactos muy amplia, fruto de diversos proyectos de investigación y transferencia. El impulsor de la colaboración fue uno de esos contactos, Miguel Saiz, quien ha aplicado para hacer su tesis doctoral en la UOC. Cuando muchos estábamos en shock por la situación, él ya identificó la necesidad y nos llamó para que le ayudaramos con nuestros algoritmos inteligentes de optimización.

¿En qué consiste esta colaboración? ¿Hasta qué punto agilizan las tareas los algoritmos utilizados?

algoritmos inteligentes UOC

J.P: Nuestro grupo de investigación es experto en el diseño de algoritmos inteligentes, por lo que nuestra colaboración ha sido aplicar este tipo de algoritmos a la planificación de rutas de reparto. Debido a la problemática y falta de material que están los centros sanitarios, todo el material que crean los makers con sus impresoras 3D tiene que ser repartido a los hospitales lo antes posible, por lo que se requiere optimizar las rutas de reparto para poder llegar al máximo número de hospitales en el menor tiempo posible. El diseño óptimo de rutas es un problema extremadamente complejo que no puede ser planificado de forma manual, por lo que se requieren este tipo de algoritmos para poder crearlas. Con nuestros algoritmos, estas rutas pueden ser creadas en cuestión de unos pocos segundos, ayudando a que cada día los repartidores puedan llegar al mayor número de hospitales posibles.

L.C: Por un lado, los hospitales y centros sanitarios requieren viseras protectoras y tiradores. Por otro lado, los makers cuentan con la tecnología (impresoras 3D básicamente) para crear esos materiales. Nuestro rol en esta colaboración es el de diseñar rutas con el fin de optimizar los tiempos de recogida y entrega para poder abastecer más rápido y eficazmente a los hospitales y centros sanitarios, a la vez que conseguimos reducir la exposición de los conductores voluntarios. Esas rutas se generan mediante algoritmos de optimización. Dadas las necesidades actuales del sistema sanitario, es vital desarrollar algoritmos que proporcionen soluciones de elevada calidad, que lo hagan de manera rápida, y que fácilmente se puedan adaptar a condiciones que cambian cada día (por ejemplo, el número de vehículos/conductores, el número de hospitales a visitar, etc.).

¿Cómo os organizáis? ¿Cuál es el principal reto de vuestro trabajo?

J.P: Dentro del grupo de investigación tenemos expertos en varios ámbitos de conocimiento, por lo que creamos varios grupos de trabajo, los cuales estaban coordinados por el profesor Ángel Juan. El primer grupo estaba compuesto por el Dr. Pedro Copado, el Dr. Chis Bayliss, y yo mismo, y nos encargamos del diseño y codificación de los algoritmos. El segundo grupo estaba compuesto por Leandro Martins y Rafael Tordecilla, a cargo de la ejecución y ajuste de los algoritmos en función de los requerimientos diarios, los cuales eran completamente diferentes cada día. Finalmente, el último grupo, compuesto por la Dra. Laura Calvet, Alessandro Fusco, Mariem Gandouz y John Fredy estaba encargado de analizar los datos que nos llegaban cada día con la información de los puntos de reparto. Cabe también comentar la ayuda del profesor Josep Jorba, el cual nos ofreció todo el soporte técnico necesario para ejecutar nuestros algoritmos de forma remota en los servidores de la universidad.

L.C: Cada noche recibimos información sobre localizaciones a visitar para recoger el material que los makers han creado. También recibimos información (restricciones) a considerar para generar las rutas: número de vehículos/conductores y hospitales a visitar.

Hay muchos pasos a seguir:

1) una vez tenemos las localizaciones, calculamos las distancias y tiempos entre cada par de localizaciones
2) esta información, juntamente con las restricciones, constituyen los inputs (valores de entrada) del algoritmo
3) el algoritmo nos proporciona diferentes soluciones (es decir, posibles configuraciones de rutas) que debemos validar y valorar
4) enviamos a cada conductor la ruta que debe seguir. La principal dificultad es que estas restricciones pueden cambiar cada día y el tiempo que tenemos entre que disponemos de la información y los conductores necesitan las rutas es de una noche.

¿Cuál es el rol del big data y la inteligencia artificial en este reto logístico?

J.P: Con la llegada de las smart cities, las ciudades actuales se han convertido en sistemas extremadamente complejos y muy dinámicos. A partir del big data podemos analizar estas ciudades y modelizarlas, para poder estudiar las relaciones que existen entre todos sus elementos.
A partir de los modelos creados, podemos aplicar técnicas de inteligencia artificial para estudiar y predecir como evolucionaran, y anticiparnos al comportamiento que tendrán, con el objetivo de proponer soluciones a futuros problemas a los cuales nos tendremos que enfrentar en pocos años.

Cabe comentar, que para este proyecto no se han utilizado técnicas de inteligencia artificial, ya que este tipo de herramientas necesitan un período de tiempo considerable de aprendizaje, para poder dar buenas soluciones. Puesto que necesitábamos dar respuesta en cuestión de unos pocos segundos, hemos utilizado algoritmos ágiles, los cuales han sido desarrollados en nuestro grupo de investigación, y nos permiten dar soluciones muy buenas, en cuestión de milisegundos.

algoritmos inteligentes UOC

L.C: El rol de la inteligencia artificial es clave en el ámbito del transporte. Necesitamos algoritmos inteligentes que vayan aprendiendo para que, en cada iteración,  podamos obtener mejores soluciones. Aunque en este proyecto en concreto no usamos datos de manera masiva, en muchos retos logísticos se trabaja cada vez más con redes muy complejas y con un gran número de variables y restricciones. En línea con el objetivo de la UE de impulsar un desarrollo sostenible, en las actividades de logística cada vez se usan más indicadores medioambientales y sociales, además de otros más tradicionales, los económicos. 

¿Cómo valoras este tipo de colaboraciones entre la universidad, la empresa privada, la comunidad maker y el sistema sanitario?

J.P: Dentro de nuestro grupo de investigación valoramos muy positivamente la colaboración entre universidad-empresa. Actualmente colaboramos con varias empresas en proyectos de investigación para ayudarles a resolver problemas complejos. En mi opinión, creo que ambos mundos son necesarios y uno no puede existir sin el otro.  En cuanto a la colaboración con la comunidad maker, todo el grupo de investigación creemos que ha sido una experiencia muy enriquecedora poder contribuir a la sociedad con nuestro conocimiento. 

L.C: La comunidad maker es muy activa y tiene muchísimo potencial, especialmente en momentos de crisis. Estas colaboraciones nos permiten sumar fuerzas y encontrar soluciones de manera eficiente. Sin ninguna duda puede ser muy fructífero impulsar este tipo de colaboraciones.   

¿Crees que este tipo de colaboraciones basadas en la emergencia pueden sentar las bases para nuevas formas de trabajar y colaborar en un futuro?

J.P: La experiencia ha sido muy positiva, y creo que nos ha hecho reflexionar a todos sobre los retos que hay que afrontar tanto desde el punto tecnológico como sanitario. Estoy seguro que surgirán colaboraciones muy enriquecedoras en los próximos meses. En cuanto a las colaboraciones basadas en emergencias, desde mi punto de vista, cuántas menos mejor, ya que será señal de que no vivimos una situación social tan extraordinaria y catastrófica como esta…

L.C: Espero que sí. El excelente resultado de esta colaboración nos invita a reflexionar sobre qué otros retos sanitarios y sociales podemos afrontar juntos.   

¿Cómo puede colaborar con vosotros la comunidad UOC o quien lo desee?

J.P: Si están interesados pueden ponerse en contacto con nosotros en la web de nuestro grupo de investigación: http://dpcs.uoc.edu/wordpress/.

LC: Si están interesado en integrarse al colectivo makers pueden seguir su canal de Telegram Coronavirusmakers, y ver el webinar de Eloi Vilalta y Susanna Tesconi. Si están más interesados en el desarrollo de algoritmos inteligentes o en este proyecto en particular, pueden visitar la página del grupo y contactarnos  http://dpcs.uoc.edu/wordpress/.

Termina la frase: “En situaciones sanitarias y sociales tan extraordinarias como esta, la tecnología….”

J.P: Ayuda en momentos difíciles a las personas.

L.C: Juega un papel esencial, nos empodera y nos une. 

Comentar

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.