La Universidad de Granada lidera la puesta a punto de esta tecnología que pretende contribuir a una respuesta efectiva frente a los desastres naturales
El equipo de investigación encabezado por el profesor Daniel Arias Aranda, catedrático del Departamento de Organización de Empresas I de la UGR, ha desarrollado un sistema de apoyo a la decisión que utiliza inteligencia artificial para mejorar la asignación de personas afectadas por desastres a centros de ayuda, hospitales y refugios.
La herramienta, presentada en un artículo de la revista científica Applied Sciences, aborda uno de los retos más complejos de la logística humanitaria: decidir quién recibe ayuda primero cuando los recursos son limitados y el tiempo es crítico.
“Tras una catástrofe, los equipos de protección civil y respuesta humanitaria enfrentan decisiones imposibles: enviar a las personas al centro más cercano puede saturarlo, priorizar a los más vulnerables puede alargar los desplazamientos, y distribuir la carga entre centros puede obligar a algunos afectados a recorrer rutas peligrosas”, explica el profesor de la Universidad de Granada.
El nuevo modelo, creado por Daniel Arias Aranda y Peyman Rabiei, de la UGR y de la Vladimir Stantchev – SRH University of Applied Sciences Berlin, no busca una única solución. En su lugar, genera un conjunto de alternativas óptimas de compromiso (frontera de Pareto) donde cada opción representa un equilibrio diferente entre cuatro objetivos clave: equidad para las personas más vulnerables, rapidez de desplazamiento, viabilidad de las rutas y distribución equilibrada de la carga entre centros.
Marco 4R aplicado a emergencias
La investigación se basa en el marco de las 4R de la resiliencia, utilizado en gestión de riesgos y cadenas de suministro.
Capacidad de respuesta: priorizar a quienes tienen mayor vulnerabilidad y necesidad; robustez: garantizar que las rutas sean factibles pese a daños o peligros; rapidez: minimizar el tiempo de desplazamiento hacia los centros; y redundancia: distribuir la carga entre múltiples centros para evitar dependencia excesiva de uno solo.
Uno de los aspectos más innovadores del sistema es su uso de lógica difusa para incorporar evaluaciones humanas que no encajan en categorías exactas. Conceptos como «persona muy vulnerable», «carretera parcialmente bloqueada» o «centro cercano a la saturación» se transforman en puntuaciones comparables mediante inferencia difusa de tipo Mamdani, permitiendo que el modelo trabaje con la misma incertidumbre que enfrentan los equipos sobre el terreno.
Libre acceso
El proyecto incluye un demostrador interactivo disponible en http://pva.presidio-group.eu/ que permite a profesionales de protección civil, investigadores y estudiantes simular escenarios posteriores a un desastre. La herramienta visualiza las consecuencias de cada decisión mediante mapas, indicadores de equidad, carga de desplazamiento y nivel de saturación de centros.
“A diferencia de sistemas que imponen una única recomendación, este portal muestra explícitamente qué se gana y qué se sacrifica en cada alternativa. Los responsables de la operación mantienen el control final de la decisión, pero cuentan con información transparente y comparable sobre las consecuencias de cada opción”, detalla el catedrático de la UGR Daniel Arias.
El estudio compara tres algoritmos evolutivos multiobjetivo (NSGA-II, NRGA y NSGA-III) en 540 ejecuciones. Los resultados indican que NSGA-III es un 32% más rápido que NSGA-II en todos los tamaños de problema analizados, aunque la calidad de las soluciones depende de cómo se defina el punto de referencia para medir el espacio de compromisos cubierto.
“La comparación es relevante porque en emergencias humanitarias la velocidad de cómputo puede ser tan importante como la calidad de las soluciones. Disponer de alternativas bien distribuidas en minutos, no en horas, marca la diferencia en las primeras fases de una catástrofe”, recuerda el profesor de la Universidad de Granada.
El artículo enfatiza la reproducibilidad como una propiedad esencial de resiliencia digital. La implementación se publica como código abierto en Python, con pruebas continuas y auditoría de dependencias, permitiendo que otros equipos revisen, ejecuten y validen los resultados en hardware convencional. Los escenarios del demostrador se generan de forma sintética, sin almacenar datos de personas reales, facilitando su uso pedagógico y de entrenamiento.
Aplicaciones más allá de la respuesta inmediata
Aunque el modelo se centra en la fase de respuesta inmediata posterior a un desastre, sus principios son aplicables a otros contextos de logística humanitaria: asignación de voluntarios a tareas, distribución de suministros médicos, planificación de evacuaciones temporales y gestión de capacidad en redes de refugios a medio plazo.
Contacto:
Daniel Arias Aranda
Departamento de Organización de Empresas I
Facultad de Relaciones Laborales y Recursos Humanos
Universidad de Granada
Correo electrónico: darias@ugr.es
Referencia bibliográfica:
Resilient Last-Mile Allocation in Humanitarian Supply Chains: A Reproducible Four-Objective Fuzzy Framework» ha sido publicado en Applied Sciences, volumen 16, número 15, artículo 7581, en 2026. DOI: 10.3390/app16157581