El transporte asistencial para personas con movilidad reducida, especialmente en el ámbito de la enfermería, plantea un desafío logístico de alta complejidad. Gestionar flotas de vehículos adaptados, respetando horarios de recogida y entrega, compatibilidad entre usuarios y limitaciones de capacidad, requiere algoritmos de optimización que van más allá del clásico problema de ruteo de vehículos. En este contexto, la combinación de programación lineal entera (PLI) con aprendizaje automático supervisado emerge como una solución híbrida poderosa, capaz de equilibrar tiempo de operación, eficiencia computacional y mínimas violaciones de restricciones.
El problema conocido como 'Nursing Care Taxi Dispatch' es una variante del Vehicle Routing Problem donde las restricciones son múltiples y complejas: uso de silla de ruedas, compatibilidad entre pacientes, ventanas de tiempo y número limitado de vehículos. La dificultad radica en que el espacio de soluciones se reduce drásticamente, haciendo que los enfoques tradicionales basados en redes neuronales, que solo manejan unas pocas restricciones simples, resulten insuficientes. Por ello, la propuesta de entrenar un modelo Transformer mediante aprendizaje supervisado, utilizando soluciones de alta calidad generadas previamente por un solver de PLI, representa un avance significativo. Además, se incorpora un post-procesado que garantiza el cumplimiento de todas las restricciones, algo crítico en un entorno donde una violación puede tener consecuencias graves para los pacientes.
Los resultados experimentales con datos reales de instalaciones sanitarias muestran reducciones de hasta un 8% en el tiempo de operación para problemas con menos de 30 usuarios, manteniendo una tasa de incumplimiento mínima. Esto demuestra que la sinergia entre optimización exacta y aprendizaje automático puede ofrecer soluciones más rápidas y robustas que los métodos puramente heurísticos o exactos. Para empresas del sector salud o logística que buscan implementar sistemas similares, disponer de un software a medida que integre estos algoritmos es fundamental, ya que permite adaptar la lógica de negocio a las particularidades de cada operación.
En Q2BSTUDIO, como empresa de desarrollo de software, trabajamos con tecnologías de inteligencia artificial para empresas para resolver problemas de optimización complejos. Nuestros servicios incluyen desde la creación de aplicaciones a medida para la gestión de flotas hasta el despliegue de modelos de machine learning en entornos productivos. Además, apoyamos a nuestros clientes en la integración de servicios cloud AWS y Azure para garantizar escalabilidad, y ofrecemos servicios de inteligencia de negocio con Power BI para visualizar métricas operativas. Todo ello acompañado de un enfoque en ciberseguridad, protegiendo datos sensibles de pacientes durante el procesamiento.
La tendencia hacia el uso de agentes IA y modelos de aprendizaje automático en la planificación de rutas no se detiene. A medida que las restricciones se vuelven más dinámicas —como cambios de última hora en las citas o condiciones de tráfico— la capacidad de reoptimizar en tiempo real se convierte en un diferenciador competitivo. Por eso, contar con un socio tecnológico que entienda tanto la parte matemática como la implementación práctica es clave para cualquier organización que desee transformar su logística asistencial. En Q2BSTUDIO ofrecemos precisamente eso: soluciones de software a medida, adaptadas a las necesidades de cada negocio, desde el diseño hasta el soporte continuo, pasando por la automatización de procesos y la gestión de datos en la nube.