Investigación e Innovación en la planificación de recursos

Innovación

El Proyecto

FEDER

CDTI

El proyecto PGPlanning nace de la apuesta de Globales por la internacionalización de sus soluciones. Para ello se ha analizado la evolución que deben dar sus líneas de desarrollo. Nacido de la experiencia en el sector educativo se construye un desarrollo más genérico que permite abarcar un mayor número de sectores objetivo.

PGPlanning se ha diseñado desde la experiencia de un equipo de profesionales con amplios conocimientos en desarrollo de este tipo de soluciones y que se han plasmado en la concepción del proyecto.

El objetivo de PGPlanning es automatizar la generación de planificaciones complejas de plantillas de trabajo de la mejor forma posible. La gestión de los turnos de trabajo en los que hay que coordinar diferentes horarios, necesidades de servicio y restricciones del personal puede resultar una tarea imposible.

Este proyecto de dos años de duración ha sido llevado a cabo desde Junio de 2012 a Mayo 2014. Debido a los satisfactorios resultados del proyecto, PGPlanning se situará como referente para la gestión de planificaciones en el mercado.

El proyecto ha sido financiado por el Centro para el Desarrollo Tecnológico Industrial (CDTI) y cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) dentro del programa operativo Fondo Tecnológico 2007-2013.

El Problema a Resolver

El problema a resolver

Para encuadrar el tipo de problema que nos ocupa primeramente lo enmarcaremos dentro de la teoría de la complejidad computacional, que es la rama de la teoría de la computación que estudia, de manera teórica, la complejidad inherente a la resolución de un problema computable. Para ello los recursos que principalmente estudia son el tiempo (número y tipo de pasos de ejecución de un algoritmo necesarios para su resolución) y el espacio (cantidad de memoria utilizada en su resolución).

Los problemas relacionados con horarios, como el que se quiere resolver en este proyecto están agrupados dentro de la clase de complejidad NP-completo.

Los problemas que no pueden ser resueltos por nuestras computadoras (máquinas determinísticas), que en general poseen costes factorial o combinatorio pero que podrían ser procesados por una máquina no-determinista, están agrupados en la clase NP. Estos problemas no tienen una solución práctica, es decir, una máquina determinística no puede resolverlos en un tiempo razonable. La clase de NP es el acrónimo en inglés de Nondeterministic Polynomial time (tiempo polinomial no determinista). Dentro de esta clase se encuentra a su vez los NP-Completo para los cuales no es posible encontrar un algoritmo mejor que simplemente realizar una búsqueda exhaustiva.

La Resolución

La resolución

La resolución de este tipo de problema supone la prueba de todas las posibles combinaciones de soluciones y la evaluación del grado de resolución del mismo.

Un criterio erróneo en la elección de las soluciones produce que se siga una línea de posibles soluciones que se alejen de la solución real.

Aplicado a la resolución de algoritmos complejos la heurística nos servirá para balancear las decisiones en un sentido u otro en base a criterios no determinísticos. Podríamos definirla como aquellos criterios tomados en base a la experiencia de los que llevan haciendo manualmente la misma operación que queremos resolver y usan de su intuición y experiencia para probar antes unas soluciones u otras.

Según el tipo de algoritmo que se emplee tendrá implícita una heurística propia (por ejemplo los algoritmos genéticos usan una heurística basada en la teoría de la evolución de Darwin).

Un Producto Innovador

Un producto Innovador

El equipo de investigación junto con el departamento de innovación han conseguido desarrollar una solución capaz de resolver la problemática planteada:

  • Analizando y estudiando diferentes algoritmos e implementaciones posibles para los distintos problemas de planificación a resolver.
  • Desarrollando distintas técnicas heurísticas y de optimización para encontrar las mejores soluciones posibles implementando el método más eficaz y eficiente.
  • Diseñando un entorno de alta capacidad en cloud para aprovechar todas las ventajas yla potencia de cálculo del data center.
  • Incorporando funciones de mejora de los algoritmos en base a la acumulación de soluciones de múltiples clientes.
  • Diseñando e implementando componentes de distribución de carga y reparto de los cálculos dentro de la infraestructura.
  • Escogiendo el camino más óptimo para llegar a la mejor solución en base a un sistema de decisión basado en una red neuronal.
 

  Acepto la Política de privacidad

  Te llamamos Gratis