Laura Alma Díaz Torres, ingeniera egresada de la Escuela Superior de Cómputo (ESCOM) del Instituto Politécnico Nacional (IPN) desarrolló una aplicación una plataforma con ayuda de Inteligencia Artificial (IA) para mejorar el servicio y evitar retrasos del servicio del Metrobús de la Ciudad de México.
Díaz Torres desarrolló dicha metodología para Grupo CISA Corredor Insurgentes, S.A. de C.V. con ayuda de algoritmos matemáticos y modelos probabilísticos, que predice y calcula la tasa de fallas de las unidades de transporte.
Con ayuda de especialista de del Grupo CISA, Díaz desarrolló el proyecto titulado: “Metodología de Estimación de Flota de Reserva con Máquinas de Markov”, el cual fue elogiado por académicos de universidades y especialistas que participaron en el Congreso World 4 S (World Conference on Smart Trends in Systems, Security & Sustainability), celebrado en Reino Unidos.
La ingeniera explicó que el proyecto inició en febrero de este año y la metodología incorpora datos sobre mantenimientos preventivos y correctivos que exigen las entidades reguladoras del transporte, así mismo información de las unidades que identifican fallas recurrentes en las unidades.
IA para mejorar el servicio
“Con estos datos y la máquina de Markov -que es un modelo matemático-probabilístico, que registra una serie de eventos y la probabilidad de que ocurra un nuevo evento depende del evento inmediato anterior y cuyo nombre obedece al matemático ruso reconocido por sus trabajos en la teoría de los números-, fue posible concretar la metodología, la cual es similar a la que se emplea en sistemas de transporte aéreo”, explicó.
Con el apoyo de Grupo CISA se logró conjugar esta colaboración con el fin de mejorar el servicio en la Ciudad de México. En la actualidad, el grupo opera en unas 2 mil unidades de transporte a través de las 24 empresas que administra, entre ellas, cinco brindan servicio al Metrobús.
“La metodología permite conocer cuántas unidades se requieren tener en reserva para asegurar que el servicio de transporte no tenga intermitencias, sea eficiente y seguro para los usuarios. La Inteligencia Artificial nos ayuda a predecir las fallas y adelantarse a los escenarios posibles”, explicó.
Y agregó: “También -dijo- se toma en cuenta la estacionalidad, la antigüedad de las unidades y las horas que trabaja cada motor para crear campañas de mantenimiento. Algo en lo que nos ayudó la máquina de Markov es que, con datos históricos de 2024, se identificaron las fallas frecuentes y, con mantenimiento preventivo, esperamos que no se vuelvan a repetir en el siguiente año”.
Laura Alma Díaz Torres actualmente está estudiando una maestría en bioética en la Escuela Superior de Medicina (ESM) y su trabajo se publicará en la revista especializada Springer Nature en 2025.
Únete a nuestro canal de WhatsApp, hay memes, noticias y regalitos, da clic aquí
