La investigación liderada por Tito Homem-de-Mello, académico de la Universidad Adolfo Ibáñez, desarrolló modelos matemáticos que integran pronóstico de datos y toma de decisiones, con aplicaciones en sistemas energéticos, inventarios, y finanzas, entre otras áreas.
Tras cuatro años de trabajo, el proyecto Fondecyt Regular titulado “Integrando enfoques predictivos y prescriptivos en optimización estocástica” llega a su etapa de cierre consolidando resultados en un campo clave para enfrentar problemas complejos del mundo real: la toma de decisiones en contextos de incertidumbre.
La investigación fue liderada por Tito Homem-de-Mello, Ph.D. in Industrial and Systems Engineering por Georgia Institute of Technology, Estados Unidos (1998), y académico de jornada completa de la Escuela de Negocios de la Universidad Adolfo Ibáñez (UAI) desde 2011. Antes de integrarse a la UAI, desarrolló una trayectoria académica en Estados Unidos como profesor de jornada completa en Northwestern University, Ohio State University y University of Illinois at Chicago.
“Lo que me interesa es usar las matemáticas para resolver problemas complejos, construyendo modelos que permitan buscar la mejor manera de manejar un sistema”, explica el investigador.
Su interés por esta área surgió a partir de una experiencia práctica en la industria del acero en Brasil, donde pudo observar de primera fuente cómo las herramientas matemáticas podían tener un impacto concreto en procesos productivos reales. Desde entonces, ha desarrollado investigaciones aplicadas en ámbitos tan diversos como transporte, finanzas, minería, manufactura y, más recientemente, energía.
Decidir mejor cuando no se tiene toda la información
Uno de los focos principales del proyecto Fondecyt fue el estudio de la llamada optimización bajo incertidumbre, una línea de investigación que busca mejorar la toma de decisiones cuando no se conocen con exactitud variables futuras como la demanda, los costos o la disponibilidad de recursos.
Este problema es especialmente relevante en el área energética, explica el Dr. Homem-de-Mello, con la creciente incorporación de fuentes renovables, como la solar y la eólica, la generación eléctrica depende de factores variables como la radiación solar o el viento. A ello se suma la incertidumbre sobre la demanda de energía, lo que obliga a tomar decisiones anticipadas en escenarios cambiantes.
“En la vida real hay mucha incertidumbre. Uno no sabe exactamente cuánto va a vender una tienda, cuánto costará producir o cuánta energía podrá generar. Entonces se necesitan herramientas que permitan tomar decisiones informadas considerando esa variabilidad”, señala Homem-de-Mello.
Pronóstico más útil para decidir
Uno de los principales aportes del proyecto fue cuestionar una práctica tradicional en esta área, la cual consiste en hacer primero un pronóstico estadísticamente preciso y luego utilizarlo para optimizar un sistema
La propuesta del equipo fue distinta. En vez de buscar solo el “mejor pronóstico” desde el punto de vista estadístico, desarrollaron métodos para construir pronósticos pensados según el uso que tendrán en la toma de decisiones. Es decir, pronósticos que incorporan desde el inicio los costos de equivocarse.
El investigador ejemplifica esta idea con el caso de la demanda energética. Si una empresa subestima el consumo futuro, puede quedarse sin suficiente energía para abastecer a la población, con consecuencias severas. En cambio, si sobreestima la demanda, el impacto suele ser menor, porque esa energía extra puede almacenarse o, en el peor de los casos, no utilizarse. “Lo importante no es necesariamente tener el pronóstico estadísticamente más exacto, sino el más adecuado para el propósito con que se va a usar”, explica.
A partir de esa premisa, el proyecto desarrolló una metodología matemática capaz de determinar de manera rigurosa cuánto debe ajustarse un pronóstico según los costos asociados a los distintos tipos de error, reemplazando criterios empíricos que muchas veces dependen solo de la experiencia de quien opera el sistema.
Validación científica internacional
Uno de los resultados más relevantes del proyecto se publicó en el trabajo Pronosticando fuera de lo convencional: pronósticos puntuales óptimos guiados por la aplicación para una clase de programas estocásticos de dos etapas”, donde donde el Dr. Homem de Mello, juntamente a sus colaboradores Juan Valencia, Felipe Lagos y Guido Lagos de la UAI proponen una nueva manera una nueva manera de integrar aprendizaje y optimización en problemas estocásticos de dos etapas.
El estudio muestra que, para una clase relevante de problemas, es posible construir pronósticos puntuales “óptimos” orientados directamente a mejorar la decisión final. Además, los resultados numéricos demostraron un buen desempeño frente a métodos de referencia reportados en la literatura, tanto en problemas de inventario como en un caso de asignación de bicicletas compartidas a distintas estaciones, en base a datos reales
En el ámbito energético, esta línea permitió abordar un problema concreto, que es cómo definir de forma más robusta las reservas necesarias para operar un sistema eléctrico cuando existe incertidumbre tanto en la demanda como en la generación renovable.
Según explica el Dr. Homem-de-Mello, en muchos casos los operadores energéticos introducen ajustes a los pronósticos de manera empírica, basándose en su experiencia. La investigación permitió proponer una alternativa con base metodológica sólida y respaldo teórico.
“Mostramos una manera de hacer ese ajuste de forma óptima, no simplemente manual o intuitiva. El trabajo, realizado en colaboración con académicos y representantes de la industria energética de Brasil y Chile, fue publicado en una de las principales revistas internacionales del área”, comentó el investigador principal del estudio.
Se trata de un hallazgo relevante para el desarrollo de la optimización estocástica y del llamado decision-focused learning, un enfoque que ha crecido con fuerza a nivel internacional en los últimos años y que busca integrar los procesos de aprendizaje a partir de datos con la decisión final que se quiere tomar.
Impacto en formación e internacionalización
Además de los resultados científicos, el proyecto contribuyó a la formación de capital humano avanzado. Durante su ejecución participaron estudiantes de magíster y doctorado, entre ellos Cristofer Lizama, estudiante vinculado al Magíster en Ingeniería Industrial de la UAI, quien alcanzó un importante reconocimiento internacional.
Su trabajo fue seleccionado como finalista en la competencia INFORMS Undergraduate Prize, realizada en Estados Unidos, instancia organizada por una de las principales sociedades académicas del mundo en investigación de operaciones y ciencias de la gestión.
La investigación también fue difundida en congresos internacionales realizados en Estados Unidos, Italia, Canadá y Francia, fortaleciendo la visibilidad internacional del trabajo desarrollado desde Chile.
