Analysis and Design of Spare Strategy for Large-Scale Satellite Constellation Using Direct Insertion under (r,q) Policy

Resumen Técnico: Análisis y Diseño de Estrategia de Repuestos para Constelaciones de Satélites a Gran Escala Mediante Inserción Directa bajo Política (𝑟, 𝑞)

Enunciado del Problema
Las constelaciones de satélites en Órbita Terrestre Baja (OTB) a gran escala requieren políticas robustas de gestión de repuestos para mantener el rendimiento ante fallos de satélites. Si bien la reparación en órbita suele ser prohibitivamente costosa, el lanzamiento de satélites de reemplazo es cada vez más rentable debido a la disminución de los costos de lanzamiento y a las eficiencias de la producción en masa. Existen dos estrategias principales de reabastecimiento: indirecta (agrupar repuestos en órbitas de aparcamiento para una transferencia posterior basada en deriva) y directa (inserción inmediata en los planos de la constelación). Este artículo se centra en la estrategia de repuestos directa, abordando la necesidad de un marco analítico riguroso y eficiente para modelar, evaluar y optimizar la política de inventario $(r, q)$ (punto de reorden $r$, cantidad de pedido $q$) específica para la inserción directa. A diferencia de estudios previos que pueden depender de simulaciones computacionalmente intensivas, este trabajo busca proporcionar un método analítico rápido y preciso, adecuado para la optimización del diseño.

Metodología
Los autores proponen un marco basado en cadenas de Markov de tiempo discreto para modelar la dinámica estocástica de los fallos de satélites y los tiempos de entrega de los vehículos de lanzamiento (VL). La metodología procede a través de los siguientes pasos:

1. Modelado del Sistema:

   • Definición del Estado: El número de satélites (operativos más repuestos) en un solo plano orbital se modela como un estado $X_k \in \{0, 1, \dots, N_{sat}\}$.
   • Dinámica de Fallos: Los fallos de satélites siguen un proceso de Poisson con tasa $\lambda_{sat}$. Se construye una matriz de transición $P_f$ para modelar las disminuciones de estado, asumiendo el reemplazo inmediato de los satélites operativos fallidos por repuestos y que los propios repuestos no fallan.
   • Dinámica del Tiempo de Entrega: El tiempo de entrega de reabastecimiento desde tierra se modela como una distribución exponencial desplazada ($T \sim \text{Exp}(\mu_{lv}) + \tau_{lv}$), donde $\tau_{lv}$ es un retraso de procesamiento constante.
   • Lógica de la Política: Se hace cumplir la política $(r, q)$: si el nivel de stock cae a o por debajo de $r$, se realiza un pedido de $q$ repuestos.

2. Derivación Analítica:
   La contribución central es la derivación de la distribución de estado estacionaria sobre un ciclo completo de reabastecimiento ($\pi_{rc}$) descomponiendo el ciclo en dos periodos distintos:

   • Periodo Inter-Pedido (IP): El tiempo desde la llegada de un reabastecimiento hasta que el nivel de stock alcanza el punto de reorden $r$. Los autores derivan la distribución de estado esperada $\pi_{io}$ y la duración $k_{io}$ utilizando matrices de proyección ($C_r^+$) para aislar los estados por encima de $r$.
   • Periodo de Tiempo de Entrega (TE): El tiempo desde la realización del pedido hasta la llegada de los nuevos repuestos. La distribución esperada $\pi_{lt}$ y la duración $k_{lt}$ se derivan utilizando la densidad de probabilidad del tiempo de entrega y la matriz de fallos $P_f$.
   • Agregación del Ciclo: La distribución estacionaria global $\pi_{rc}$ se calcula como una combinación lineal ponderada de $\pi_{io}$ y $\pi_{lt}$, normalizada por sus respectivas duraciones esperadas.

3. Marco de Optimización:
   Utilizando el $\pi_{rc}$ derivado, los autores formulan un problema de optimización para minimizar el costo operativo total esperado ($C_{total}$), definido como la suma de los costos de fabricación, almacenamiento y lanzamiento. El problema está sujeto a:

   • Restricción de Resiliencia: El déficit esperado ($S$) no debe superar un umbral definido por el usuario $\epsilon$.
   • Restricción de Carga Útil: La masa total del pedido ($q \times m_{sat}$) no debe exceder la capacidad de carga útil del vehículo de lanzamiento.
   • Variables de Decisión: Los valores enteros para la cantidad de pedido $q$ y el punto de reorden $r$.

Contribuciones Clave

• Análisis de Estrategia Directa: El artículo proporciona un modelo analítico detallado específicamente para la estrategia de reabastecimiento de repuestos directa, ampliando trabajos previos que se centraron en estrategias indirectas.
• Solución No Iterativa: A diferencia del análisis de la estrategia indirecta, que puede requerir procedimientos iterativos, el análisis de la estrategia directa presentado aquí es no iterativo. Resuelve la distribución estacionaria mediante operaciones matriciales, reduciendo significativamente la complejidad computacional.
• Métricas de Costo y Resiliencia: El marco cuantifica explícitamente la compensación entre los costos operativos (fabricación, almacenamiento, lanzamiento) y la resiliencia del sistema (déficit esperado), permitiendo decisiones de diseño basadas en datos.
• Validación: El modelo analítico se valida frente a simulaciones de Monte Carlo en 100 casos de prueba con parámetros variables (tasas de fallo, tiempos de entrega, tamaños de pedido).

Resultados

• Precisión y Eficiencia: La validación numérica demuestra que el método analítico logra un error relativo máximo inferior al 1% en comparación con simulaciones de Monte Carlo de 20 años (promediadas sobre 1.000 ejecuciones). El método analítico calcula los resultados en menos de un milisegundo, mientras que las simulaciones requieren varias horas, confirmando su idoneidad como bucle interno para la optimización.
• Hallazgos de Optimización:
  • En un escenario base (tasa de fallo $\lambda_{sat} = 0.05$, umbral de déficit $\epsilon = 0.25$), se encontró que la política óptima es $q=2$ y $r=39$.
  • Compartición de Lanzamiento vs. Contrato Completo: El análisis revela que reservar el vehículo de lanzamiento completo es generalmente óptimo, incluso cuando existen oportunidades de compartición, debido a las estructuras de costos específicas asumidas (una prima del 20% para la fijación de precios por unidad). La compartición solo se vuelve rentable en un régimen de fallos muy bajo ($\lambda_{sat} \in [0.001, 0.008]$).
  • Sensibilidad: A medida que aumenta la tasa de fallo de los satélites, el punto de reorden óptimo $r$ aumenta (por ejemplo, de 39 a 42) para mantener el nivel de resiliencia requerido, mientras que el costo total aumenta en consecuencia.

Significado y Afirmaciones
El artículo afirma que el marco propuesto basado en cadenas de Markov ofrece una herramienta rápida y precisa para el análisis y diseño de políticas de gestión de repuestos para constelaciones a gran escala. Su principal significado radica en permitir la optimización del diseño al proporcionar una alternativa computacionalmente eficiente a los enfoques basados en simulaciones intensivas. Los autores declaran que los resultados optimizados para la estrategia directa sirven como contraparte para la comparación con la estrategia indirecta en un estudio complementario. Además, el marco se presenta como extensible a otras configuraciones de constelaciones (por ejemplo, agentes heterogéneos) y políticas de reabastecimiento alternativas, aunque el trabajo actual se centra estrictamente en la estrategia directa bajo una política $(r, q)$.