Mixed-Integer Linear Programming Model for Reducing the Backlog of Service Orders at Electric Power Utilities

Cuando una compañía eléctrica se enfrenta a una tormenta repentina o a un aumento en las fallas de los equipos, el trabajo no se detiene; se acumula. Esta acumulación de solicitudes de reparación sin completar se conoce como un rezago o backlog. Para las empresas de servicios públicos, gestionar este rezago es un delicado acto de equilibrio. Deben decidir qué técnico va a qué casa, cuándo enviarlos y cómo manejar los retrasos inevitables causados por el mal tiempo o la escasez de trabajadores. Si se equivocan en esto, los clientes esperan demasiado tiempo para que se restablezca la energía, y la empresa enfrenta multas cuantiosas y ciudadanos indignados. El desafío no es solo tener suficientes personas para realizar el trabajo, sino organizar ese trabajo para que las reparaciones más críticas ocurran primero, mientras se sigue progresando en las menos urgentes. Este es un problema de logística y prioridad, donde un pequeño error en la programación puede provocar un retraso masivo en el servicio.

Un equipo de investigadores de Brasil ha desarrollado una nueva forma de resolver este problema utilizando un sofisticado modelo computacional diseñado para organizar equipos de servicio de campo. En lugar de simplemente enviar a los trabajadores en el orden en que llegan las solicitudes, su sistema analiza la lista completa de trabajos, las habilidades de los técnicos disponibles y la urgencia específica de cada tarea. Los investigadores probaron este modelo contra el método tradicional utilizado por muchas empresas, que consiste simplemente en trabajar a través de la lista de arriba hacia abajo, un método conocido como "primero en entrar, primero en salir" (first-in, first-out). Sus hallazgos muestran que, al usar este nuevo enfoque, una empresa de servicios públicos puede despejar su rezago mucho más rápido, gastar significativamente menos dinero en horas extras y evitar que sus trabajadores se agoten debido a agendas caóticas.

Los investigadores construyeron un modelo matemático que actúa como un despachador altamente eficiente. En el mundo real, una compañía eléctrica podría tener cientos de técnicos y miles de órdenes de reparación esperando ser atendidas. Algunas de estas órdenes son emergencias, como un cable eléctrico caído que podría causar un incendio o dejar a un hospital sin electricidad. Otras son tareas de mantenimiento rutinarias que pueden esperar unos días. El nuevo modelo separa estas tareas de inmediato. Garantiza que cada orden de emergencia sea asignada a un técnico el mismo día en que se reporta, asegurando que la infraestructura crítica nunca se quede esperando. Una vez que esos trabajos urgentes están asegurados, el modelo utiliza el tiempo y la energía restantes de la fuerza laboral para abordar la acumulación de órdenes antiguas y retrasadas.

Una característica clave de este sistema es cómo trata la antigüedad de una solicitud. En un sistema estándar, una solicitud de reparación de baja prioridad podría permanecer en la cola durante semanas si siguen llegando nuevas solicitudes ligeramente más urgentes. El nuevo modelo cambia esto al aumentar automáticamente la prioridad de un trabajo a medida que pasa el tiempo. Si una reparación de rutina ha estado en el rezago durante varios días, el sistema reconoce que se está volviendo más importante y la mueve hacia arriba en la lista. Esto evita la situación en la que los trabajos menores se olvidan indefinidamente mientras la empresa persigue nuevas emergencias. El modelo también tiene en cuenta la realidad del trabajo humano, como los técnicos que toman licencia por enfermedad, llegan tarde o necesitan trabajar horas extras. Calcula las horas reales disponibles para cada trabajador cada día y asigna las tareas en consecuencia, asegurando que nadie esté sobrecargado mientras otros permanecen ociosos.

Para ver si esta idea funcionaba en la práctica, los investigadores realizaron una simulación utilizando datos del mundo real de una empresa de servicios públicos. Alimentaron el modelo con 2,847 órdenes de servicio distribuidas en un período de 30 días, un volumen que imita un mes ocupado para una ciudad de tamaño mediano. Compararon los resultados de su nuevo sistema contra el antiguo método de "primero en entrar, primero en salir". La diferencia fue sorprendente. Bajo el nuevo sistema, el tiempo promedio que un cliente esperaba por una reparación disminuyó casi un 43 por ciento. Mientras que el método antiguo dejaba las órdenes esperando un promedio de 14.3 días, el nuevo modelo redujo esa espera a solo 8.2 días. Esta mejora ocurrió incluso cuando el nuevo sistema utilizó un 51 por ciento menos de horas extras que el anterior. Los investigadores descubrieron que el método antiguo era ineficiente; obligaba a los trabajadores a quedarse tarde en tareas de baja prioridad mientras las órdenes críticas del rezago permanecían sin atender. El nuevo sistema concentró ese tiempo extra donde más importaba.

El impacto financiero de esta eficiencia también fue sustancial. Al reducir la necesidad de horas extras excesivas y evitar las multas regulatorias por un servicio lento, la simulación mostró un ahorro potencial de 754,000 dólares durante ese único mes. Los investigadores calcularon que el costo de implementar el sistema se recuperaría en menos de nueve días. Más allá del dinero, el sistema mejoró la estabilidad de la fuerza laboral. El método antiguo creaba un entorno caótico donde las horas extras diarias fluctuaban salvajemente, lo que dificultaba la planificación de turnos o la predicción de cuándo estarían disponibles los trabajadores. El nuevo sistema suavizó estos picos y valles, creando un horario más predecible que redujo el estrés para los técnicos y disminuyó el riesgo de errores causados por la fatiga.

Los investigadores también probaron qué tan bien se mantendría su modelo bajo presión extrema, simulando escenarios donde la demanda se triplicaba o donde la mitad de la fuerza laboral no estaba disponible debido a una crisis. Incluso en estas situaciones de peor escenario, el modelo mantuvo su capacidad para manejar reparaciones de emergencia sin fallar. Mientras que el método antiguo colapsaba bajo tal estrés, dejando trabajos críticos sin atender, el nuevo sistema se adaptaba al priorizar las tareas más vitales y gestionar el rezago de una manera que evitaba el estancamiento total. Esta resiliencia sugiere que el modelo no es solo una herramienta para los días normales, sino una red de seguridad robusta para la naturaleza impredecible de la gestión de la red eléctrica.

El estudio concluye que el secreto para reducir los rezagos no es solo contratar a más personas, sino organizar el trabajo que ya tienen de una manera más inteligente. Al utilizar un sistema que ajusta dinámicamente las prioridades basándose en cuánto tiempo ha esperado un trabajo y separa estrictamente las emergencias del trabajo rutinario, las empresas de servicios públicos pueden atender a sus clientes de manera más rápida y confiable. Los investigadores sugieren que este enfoque podría aplicarse a otras industrias donde los equipos gestionan una mezcla de tareas urgentes y rutinarias, desde las telecomunicaciones hasta los sistemas de agua. Por ahora, la evidencia de la simulación es clara: una forma más inteligente de programar el trabajo puede convertir un rezago caótico en un flujo manejable, manteniendo las luces encendidas y a los clientes satisfechos.