Daniel Montes López es ingeniero en el área de sistemas de proceso, en la que se emplean herramientas de modelado, simulación, optimización y control para buscar soluciones a los problemas de la industria. Durante el grado, Daniel se sentía muy atraído por el modelado y la simulación, lo que lo llevó a desarrollar su TFG en este ámbito. Fue ahí cuando descubrió que el mismo conocimiento necesario para simular los procesos se puede usar para controlarlos y optimizarlos.
Desde entonces, Daniel ha continuado su camino en la investigación y actualmente se encuentra realizando su tesis doctoral en el Instituto de Procesos Sostenibles de la universidad de Valladolid. Su investigación está enfocada en desarrollar métodos de descomposición para resolver problemas de optimización de gran escala que involucren variables discretas. En otras palabras, la optimización busca encontrar una serie de decisiones que minimicen cierta función objetivo y que satisfagan algunas restricciones. Algunas de esas decisiones pueden estar representadas por variables discretas, como pueden ser encender o apagar una máquina, alimentar un reactivo en cierto instante en lugar de otro, etc. Esto complica enormemente la resolución del problema general, por lo que el objetivo de su trabajo es dividirlo en partes más pequeñas que sean más fáciles de resolver y que permitan acortar el tiempo de resolución.
Este método de descomposición que ha desarrollado busca ser aplicado a problemas de scheduling (o planificación), en los que algunas variables pueden ser inciertas, como el clima o la llegada de materiales. Esto se puede incorporar en el proceso de toma de decisión a través de lo que se llama la programación de dos etapas. El problema es que cuando se aplica en instalaciones de escala real, el tiempo de cómputo se vuelve prohibitivo por la dimensión del problema matemático. Con el método que ha ido desarrollando a lo largo de su tesis se han encontrado reducciones de tiempo de cómputo lo suficientemente significativas como para permitir tener en cuenta la incertidumbre en instalaciones industriales de gran tamaño.
Uno de los casos de estudio que ha empleado en la investigación fue el de una fábrica de producción de fibras de madera. En el proceso principal de esta fábrica se utilizan cinco solventes para generar las fibras de maderas, los cuales en el proceso se van diluyendo y perdiendo calidad. Para evitar su desecho y ahorrar costes, estos se procesan en 23 plantas de evaporación. Sin embargo, estas plantas se ensucian con el tiempo y aumentan el consumo energético de la instalación, por lo que deben limpiarse al cabo de cierto tiempo para recuperar su eficiencia nominal. Por otra parte, la capacidad de procesamiento de cada planta depende de la temperatura exterior y se debe planificar con un mes de antelación la parada para la limpieza y asignación de productos a plantas. Si se tiene en cuenta la incertidumbre, el problema de optimización resultante tiene alrededor de 600 mil variables, 90% de las cuales son discretas, lo que requiere un tiempo de cómputo de 10 días. Con el método de descomposición estudiado por Daniel, se puede llegar a la misma solución en tan solo 3 horas.
En resumen, podría decirse que la aplicación de la incertidumbre en el proceso de planificación de una planta industrial permitiría tomar mejores decisiones adaptando las operaciones a las situaciones que puedan ir surgiendo con el tiempo. En este sentido, la investigación de Daniel Montes contribuye a que se logre ese objetivo al reducir enormemente los tiempos de cómputo sin comprometer la calidad de las soluciones matemáticas. Para Daniel, su trabajo es apasionante y disfruta de encontrar soluciones que puedan mejorar la eficiencia de las operaciones industriales. Además, su experiencia en esta área le ha enseñado que “los problemas deben verse siempre desde distintos ángulos, desde un panorama general. A veces las soluciones vienen de donde menos te lo esperas.”
