Optimization method for area controller scheduling integrating efficiency, fatigue, and fairness

Resumen Técnico: Método de Optimización para la Programación de Controladores de Área Integrando Eficiencia, Fatiga y Equidad

Planteamiento del Problema
El artículo aborda el desafío crítico de programar controladores de tráfico aéreo de área, un problema de optimización combinatoria complejo caracterizado por fluctuaciones dinámicas de la demanda, estrictas restricciones de seguridad y la necesidad de equilibrar la eficiencia operativa con los factores humanos. Las prácticas de programación actuales suelen depender de plantillas empíricas y reglas estáticas, las cuales no logran igualar dinámicamente la capacidad de los controladores con las demandas de tráfico variables en el tiempo. Esto genera ineficiencias, como una capacidad insuficiente durante las cargas pico o la sobreconcentración de personal altamente calificado en períodos de baja demanda. Además, los métodos existentes frecuentemente simplifican en exceso el riesgo de fatiga tratándolo como mera acumulación de horas de trabajo, descuidando el declive cognitivo inducido por deberes de alta intensidad consecutivos. Adicionalmente, la programación carece de mecanismos cuantitativos para asegurar la distribución equitativa de las horas de trabajo y la exposición a puestos de alta carga, lo que potencialmente socava la equidad organizacional y la estabilidad del equipo. El problema central es desarrollar un marco de optimización multiobjetivo que coordine simultáneamente la eficiencia operativa, el riesgo de fatiga y la equidad en el tiempo de trabajo bajo estrictas restricciones de cumplimiento obligatorio (hard constraints).

Metodología
La solución propuesta integra un modelo de optimización multiobjetivo con un marco de resolución híbrido que combina la Programación de Restricciones (CP-SAT) y el Algoritmo de Depredadores Marinos Multiobjetivo (MOMPA).

1. Modelo de Optimización Multiobjetivo:

   • Eficiencia: La eficiencia operativa se cuantifica como una variable de suministro de capacidad. El modelo busca alinear el suministro de eficiencia de los controladores con la intensidad de la demanda del sector, priorizando a los controladores de alto grado para posiciones ejecutivas de alta demanda.
   • Control de Fatiga: El riesgo de fatiga se descompone en dos componentes: acumulación de duración (total de horas de servicio) y acumulación de intensidad (exposición a períodos de alta demanda). Este enfoque dual captura tanto el volumen de trabajo como la carga cognitiva del deber de alta intensidad continuo.
   • Equidad: La equidad se caracteriza por la dispersión de las horas totales de trabajo entre los controladores, con el objetivo de minimizar la varianza en la distribución de la carga de trabajo.
   • Restricciones: El modelo incorpora restricciones estrictas (hard constraints) que incluyen la cobertura de posiciones (roles ejecutivos y de planificación), la correspondencia de cualificaciones, la activación/desactivación de sectores, los límites de horas de trabajo diarias y por ciclo, y los períodos de descanso obligatorios entre turnos (por ejemplo, recuperación de turno nocturno).

2. Marco de Solución Híbrido:

   • CP-SAT para la Factibilidad: Para manejar la naturaleza NP-dura del problema y las estrictas restricciones de cumplimiento, se emplea un resolvedor de Satisfacibilidad de Programación de Restricciones (CP-SAT). Este genera programas iniciales estrictamente factibles y realiza "reparaciones de perturbación mínima" en los programas candidatos. Esto asegura que cualquier programa propuesto por el algoritmo de optimización cumpla con todas las reglas operativas sin requerir una reprogramación extensiva que alteraría la estructura de la solución.
   • MOMPA para la Búsqueda de Pareto: Se utiliza el Algoritmo de Depredadores Marinos Multiobjetivo (MOMPA) para buscar el frente de Pareto dentro de la región factible definida por el CP-SAT. El MOMPA simula comportamientos de depredación marina, utilizando movimiento browniano para la exploración global en las etapas iniciales y vuelo de Lévy para la explotación local en las etapas posteriores. Mantiene un archivo externo de soluciones no dominadas para asegurar la diversidad y la convergencia.

Contribuciones Clave

• Modelado Integrado: El artículo construye un modelo multiobjetivo unificado que cuantifica explícitamente la eficiencia operativa, descompone el riesgo de fatiga en componentes de duración e intensidad, y caracteriza la equidad a través de la dispersión de las horas de trabajo, pasando del juicio empírico al insumo algorítmico.
• Enfoque Algorítmico Híbrido: Propone un nuevo marco donde el CP-SAT garantiza la estricta factibilidad y la reparación de perturbación mínima, mientras que el MOMPA explora eficientemente el frente de Pareto. Esto aborda el problema común de las altas tasas de infactibilidad en los enfoques metaheurísticos para problemas de programación altamente restringidos.
• Gestión Estratégica de Compromisos (Trade-offs): El método genera un conjunto de soluciones candidatas (frente de Pareto) en lugar de un único resultado, lo que permite a los tomadores de decisiones seleccionar programas basados en preferencias específicas (por ejemplo, prioridad de fatiga, prioridad de equidad o un compromiso integral).

Resultos
El método fue validado utilizando datos operativos reales de un centro de control regional en el sur de China Central, cubriendo seis sectores y 73 controladores con licencia durante un período de 24 horas con nueve intervalos de tiempo.

• Desempeño Algorítmico: Los experimentos comparativos contra un Algoritmo de Ordenamiento No Dominado Genético II (NSGA-II) mejorado demostraron que el MOMPA superó significativamente al referente. El MOMPA logró un Hipervolumen (HV) más alto de 0.8976 (frente a 0.4422), una Distancia Generacional Invertida (IGD) menor de 0.0000 (frente a 0.3424) y una métrica de Espaciamiento más pequeña (0.0253 frente a 0.0442). Además, el MOMPA requirió menos tiempo computacional (473.5s frente a 671.7s).
• Resultados Operativos: Los programas optimizados lograron una estrategia de "alta demanda con alta correspondencia, baja demanda con asignación conforme".
  • Eficiencia: Se redujo la dispersión del suministro de eficiencia a través de los sectores, asegurando que las posiciones críticas fueran atendidas por controladores de alto grado durante las cargas pico.
  • Fatiga: Se comprimió la cola derecha de la distribución de fatiga, reduciendo el número de controladores asignados a deberes de alta intensidad o consecutivos excesivos.
  • Equidad: Se redujo significativamente la proporción de valores extremos de horas de trabajo, lo que condujo a una distribución más equilibrada de la carga de trabajo entre el personal sin comprometer la cobertura de capacidad.

Significancia y Reivindicaciones
El artículo sostiene que el método propuesto proporciona una vía técnica para transformar la programación de controladores de prácticas basadas en la experiencia a la optimización basada en datos. Al integrar eficiencia, fatiga y equidad en un solo marco, el método ofrece una solución de "compromiso integral" que equilibra la seguridad, la eficiencia y la estabilidad organizacional. Los autores afirman que el enfoque demuestra una buena interpretabilidad y viabilidad de ingeniería, como lo evidencia la estrategia de reparación de perturbación mínima y la aplicación exitosa a datos operativos del mundo real. El estudio destaca que el valor de la solución reside no solo en la optimalidad matemática, sino en su capacidad para proporcionar a los tomadores de decisiones opciones interpretables y conscientes de los compromisos (trade-offs), adecuadas para diversos escenarios operativos (por ejemplo, tráfico pico, clima adverso o operaciones de rutina).