Resumen Técnico: Un Marco de Soporte de Decisiones de Emergencia para Accidentes en Cubiertas de Vuelo

1. Planteamiento del Problema

La cubierta de vuelo de un buque naval representa un entorno operativo de alto riesgo donde un único evento iniciador (p. ej., colisión, fuga de combustible, aterrizaje forzoso) puede desencadenar cascadas de peligros acoplados. Estas cascadas involucran la propagación simultánea de incendios, el deterioro progresivo de las víctimas y la degradación de la estabilidad inducida por daños. Los autores identifican tres desafíos primarios al responder a tales escenarios:

1. Incertidumbre del Estado: Las condiciones de incendio, el estado de las víctimas y los márgenes de estabilidad evolucionan continuamente, lo que hace que los planes preestablecidos estáticos sean incapaces de cubrir todas las trayectorias posibles.
2. Tareas Fuertemente Acopladas: Equipos heterogéneos (supresión de incendios, rescate médico, despeje de escombros, aseguramiento de la estabilidad) deben operar de forma concurrente, compitiendo frecuentemente por recursos y rutas.
3. Recursos Limitados: Los objetivos de respuesta se extienden más allá de la supresión de incendios para incluir el tratamiento de víctimas durante la "hora dorada", el mantenimiento de la estabilidad residual y la recuperación de la misión, lo que requiere compensaciones complejas de múltiples objetivos.

Las investigaciones existentes han abordado el control de daños, la evacuación y la cooperación multiagente de forma aislada, pero carecen de un sistema de bucle cerrado que unifique la evolución del estado del accidente, la coordinación entre equipos y la ejecución dinámica de rutas para las restricciones específicas de la cubierta de vuelo.

2. Metodología: El Marco IEDFS

El artículo propone el Marco de Soporte de Decisiones de Emergencia Inteligente para la Seguridad en Cubiertas de Vuelo (IEDFS), una arquitectura de bucle cerrado compuesta por tres módulos estrechamente acoplados que operan en pasos de tiempo discretos.

2.1. Motor de Adjudicación Dinámica Impulsado por Conocimiento-Datos Duales

Este módulo realiza el modelado en línea del estado del accidente para proporcionar conciencia situacional.

• Mecanismo: Utiliza un marco basado en reglas donde las reglas se inicializan a partir del conocimiento experto (planes preestablecidos, regulaciones) y se extienden mediante la minería de datos de simulaciones históricas.
• Actualización Dinámica: Un mecanismo de actualización de confianza ajusta continuamente la fiabilidad de cada regla basándose en la desviación entre los resultados predichos y las observaciones reales (utilizando la distancia de Wasserstein). Las reglas que caen por debajo de un umbral de confianza quedan inactivas, mientras que se integran automáticamente nuevos patrones.
• Modelado Acoplado: Unifica el modelado de la propagación del fuego, la evolución de la condición de las víctimas (basada en la gravedad de las lesiones), la dispersión de peligros y las restricciones de estabilidad por daños (altura metacéntrica, escora, trimado) dentro de un solo paso de tiempo.

2.2. Módulo de Decisión Cooperativa Multiagente Mejorado por Atención

La asignación de tareas se formaliza como un Proceso de Decisión de Markov Parcialmente Observable Descentralizado (Dec-POMDP).

• Algoritmo: Los autores proponen Attention-QMIX, una extensión del algoritmo QMIX. Incorpora un mecanismo de atención de múltiples cabezales para agregar información de otros agentes, codificando explícitamente la heterogeneidad de los tipos de agentes (p. ej., equipos de supresión de incendios frente a equipos médicos) y las observaciones locales.
• Entrenamiento: El sistema emplea un Entrenamiento Centralizado con Ejecución Descentralizada (CTDE). Se utiliza una estrategia de aprendizaje por currículo, comenzando con escenarios de un solo peligro y aumentando progresivamente la complejidad (acoplamiento fuego-víctima, restricciones de comunicación, fallos de equipos).
• Estructura de Recompensa: La función de recompensa compartida equilibra cuatro incentivos (rescate de víctimas, control de incendios, recuperación operativa, seguridad de estabilidad) contra dos penalizaciones (retraso de tiempo, violaciones de límites de seguridad).

2.3. Módulo de Planificación de Rutas Jerárquico y Variable en el Tiempo

Este módulo traduce las asignaciones de tareas abstractas en rutas ejecutables, abordando la naturaleza dinámica del entorno.

• Arquitectura: Un enfoque de tres capas:
  1. Asignación de Tareas: Asigna nodos objetivo y prioridades.
  2. Planificación Global: Utiliza un algoritmo A* extendido en el tiempo sobre un grafo variante en el tiempo para generar rutas candidatas óptimas.
  3. Replanificación Local: Utiliza D Lite* para una replanificación incremental rápida cuando las condiciones locales cambian (p. ej., nuevo inicio de incendio, bloqueo de paso).
• Costos Diferenciados: Las funciones de costo de las aristas se parametrizan de forma distinta para cada tipo de equipo (p. ej., costo de alto peligro para equipos de incendios, costo de restricción de transporte alto para equipos médicos que transportan camillas).
• Resolución de Conflictos: Una estrategia basada en prioridades resuelve conflictos espaciotemporales, priorizando las tareas de la "hora dorada" de las víctimas sobre el crecimiento del fuego y los riesgos de estabilidad.

3. Contribuciones Clave

El artículo reclama las siguientes contribuciones principales:

1. Motor de Adjudicación Unificado: Un motor impulsado por conocimiento-datos dual que unifica el modelado de fuego, víctimas, peligros y estabilidad con actualización de confianza en línea, permitiendo la adjudicación del estado en tiempo real.
2. Modelo Multiagente Heterogéneo: Una formulación Dec-POMDP utilizando Attention-QMIX para soportar la optimización cooperativa entre equipos heterogéneos bajo observabilidad parcial, manejando explícitamente las diferencias de rol.
3. Planificación de Rutas Jerárquica: Un método que combina A* extendido en el tiempo y D* Lite con funciones de costo diferenciadas para manejar la evasión de peligros, restricciones de camillas y conflictos de equipos simultáneamente.
4. Verificación de Bucle Cerrado: Una plataforma de simulación integral (FDAS-Sim) y una serie de cinco escenarios de escalada progresiva utilizados para cuantificar el rendimiento del sistema y la sinergia de los módulos.

4. Resultados Experimentales

La validación se llevó a cabo en la plataforma FDAS-Sim a través de cinco escenarios (S1–S5), que van desde incendios localizados hasta condiciones extremas complejas con degradación de la comunicación. El IEDFS (B5) se comparó con cuatro líneas base (B1–B4) que representan reglas estáticas, programación heurística y la integración parcial de los módulos propuestos.

Métricas Clave de Rendimiento (Mejora sobre la Línea Base de Regla Estática B1):

• Tasa de Tratamiento de la Hora Dorada de Víctimas Críticas: Aumentó en 26.3 puntos porcentuales (del 54.2% al 80.5%).
• Tiempo de Contención de Incendio: Reducido en un 40.1% (de 18.7 min a 11.2 min).
• Tiempo de Recuperación Operativa de la Cubierta de Vuelo: Reducido en un 36.1% (de 34.6 min a 22.1 min).
• Tasa de Excedencia de Estabilidad por Daños: Reducida en un 53.2% (del 12.4% al 5.8%).
• Puntuación Compuesta: Mejoró en 0.256 (de 0.512 a 0.768).

Estudios de Ablación:

• Eliminar el motor de adjudicación dinámica causó una caída del 9.1% en la puntuación compuesta, debido principalmente a la degradación de las métricas de control de incendios y estabilidad.
• Eliminar el mecanismo de atención redujo la puntuación en un 6.8%, afectando principalmente las tasas de rescate de víctimas debido a una pobre coordinación entre equipos.
• Eliminar la planificación de rutas dinámica redujo la puntuación en un 7.4%, con el impacto más significativo en escenarios de alta complejidad (S4, S5) donde las rutas estáticas provocaron altas tasas de fallo.
• La integración de los tres módulos generó una ganancia sinérgica adicional del 4.6% más allá de la suma de las contribuciones individuales.

Análisis de Sensibilidad:
El sistema demostró robustez ante variaciones en los pesos de los objetivos y mostró un rendimiento superior en accidentes de gran escala y complejidad en comparación con escenarios más simples. Mantuvo su efectividad bajo tasas de pérdida de paquetes de comunicación de hasta el 60%, superando significativamente a las líneas base estáticas en condiciones de alta pérdida.

5. Significado y Reivindicaciones

El artículo posiciona al IEDFS como una base metodológica viable para la toma de decisiones inteligente y el entrenamiento de competencia basado en simulación para la respuesta a emergencias en cubiertas de vuelo.

• Integración Metodológica: El trabajo demuestra que la integración de la adjudicación de estado en línea, el aprendizaje por refuerzo multiagente heterogéneo y la planificación de rutas jerárquica crea un sistema de bucle cerrado robusto capaz de manejar el acoplamiento espaciotemporal de los accidentes en cubiertas de vuelo.
• Relevancia de Ingeniería: Al modelar explícitamente restricciones como el ancho de transporte de camillas, la inclinación del casco (escora/trimado) y la estabilidad por daños, el marco aproxima la realidad de ingeniería de las topologías cerradas de buques navales mejor que los modelos de evacuación genéricos.
• Aplicación Práctica: Los autores sugieren tres vías de aplicación inmediata:
  1. Integración en sistemas de entrenamiento y ejercicios para la generación de escenarios y evaluación de estrategias.
  2. Uso como una herramienta auxiliar de soporte de decisiones de mando que proporcione recomendaciones en tiempo real manteniendo la autoridad de anulación humana.
  3. Aplicación como una herramienta de evaluación de calidad de planes preestablecidos para identificar deficiencias de cobertura en los planes de emergencia estáticos existentes.

Los autores reconocen limitaciones, incluyendo los modelos físicos simplificados (CFD y modelos de lesiones), la abstracción de las restricciones de comunicación y la falta de mecanismos de interacción humano-en-el-bucle, señalándolos como direcciones para futuras investigaciones.