Optimización robusta para sistemas de apoyo a la toma de decisiones a problemas industriales bajo componentes estocásticos

El Valle del Cauca es uno de los departamentos con mayor aporte en la economía nacional, siendo, según el DANE en el 2020, el tercero en Colombia con una contribución de más del 9.67% en el Producto Interno Bruto. Por esto se considera como un departamento promisorio y de gran potencial, pero se requiere del desarrollo de metodologías innovadoras en la gestión de sistemas, optimización en los procesos productivos e integración de tecnologías inteligentes. Las problemáticas industriales derivadas de este contexto se han venido estudiando en la literatura científica desde diferentes áreas, pero convergen en una especifica: la Investigación de Operaciones, y dentro de ella la denominada Programación de Tareas (Scheduling) y el enrutamiento de vehículos (routing).  La Programación de Tareas es considerada la piedra angular de la planeación y gestión de proyectos, tanto a nivel estratégico como táctico. Son especialmente relevantes para la manufactura, la industria, la gestión de personal, la computación y la construcción, pero fácilmente ampliable a muchos otros campos, como la medicina, la biología, la genética o la física. Su estudio también abarca problemas logísticos en los que la asignación de recursos sea determinante para realizar entregas de pedidos de forma eficiente. Esta investigación aborda cinco problemas, considerados los más relevantes de esta área: el primero es el Problema de Programación de Tareas con Recursos Restringidos (Resource-Constrained Project Scheduling Problem, RCPSP), el segundo es el Problema de Ruteo de Vehículos (Vehicle Routing Problem, VRP), el tercero es el Problema de Programación de Enfermeras (Nurse Rostering Problem, NRP), el cuarto es el Problema de Programación de Operaciones Flexibles con Tiempos Dependientes de la Secuencia (Flexible Job Shop Problem with Sequence-Dependent Setup Times, FJSP-SDST), y finalmente, el Problema de Programación de Cirugías (Surgery scheduling problem, SSP).  Gran parte del esfuerzo académico se ha dedicado al estudio y desarrollo de métodos de solución a estos problemas bajo un entorno determinista. Es decir que todos los datos sobre el sistema son constantes. Por tanto, las duraciones de las actividades, la asistencia del personal o demandas se mantendrían constantes durante la ejecución del proyecto. Este supuesto es poco realista en la práctica puesto que las actividades pueden sufrir un contratiempo (una disrupción). En estos casos no solo se debe encontrar una solución que minimice un objetivo específico, sino también una que sea capaz considerar las variaciones aleatorias. Este tipo de sistemas se conocen como problemas de optimización bajo incertidumbre, considerados altamente complejos. Dado que la literatura científica es escasa cuando se trata de encontrar soluciones que impliquen incertidumbre, este proyecto aborda el RCPSP, el VRP, el NRP, el SSP y el FJSP-SDST integrando modelos matemáticos y algoritmos inteligentes de búsqueda para medir y encontrar soluciones robustas.