Un algoritmo mejorado de optimización animada de avena multiobjetivo para el diseño de la organización de proyectos de construcción con restricción de recursos

Por qué los cronogramas de obra necesitan una planificación más inteligente

Cuando se levanta un nuevo bloque de apartamentos o un conjunto de viviendas en una ciudad densamente poblada, un cronograma mal planteado puede traducirse en costes en espiral, trabajadores inactivos una semana y escasez la siguiente, y residentes enfadados esperando las llaves. Este artículo presenta un nuevo método informático de planificación que trata la programación de la construcción como un rompecabezas complejo con múltiples compensaciones: duración del proyecto, coste y uso eficiente de la mano de obra—y muestra cómo un algoritmo inspirado en la naturaleza puede encontrar soluciones mejores que las herramientas actuales.

Proyectos urbanos grandes, objetivos enredados

Los proyectos de construcción modernos deben equilibrar varios objetivos a la vez. Los promotores quieren que los edificios se terminen rápido para empezar a generar ingresos. Los contratistas deben controlar los costes para mantener la rentabilidad. Los encargados de obra necesitan mantener a las cuadrillas ocupadas pero no sobrecargadas, afrontando límites diarios en la disponibilidad de trabajadores. Las técnicas tradicionales de planificación, como diagramas de Gantt hechos a mano o reglas de software sencillas, a menudo tratan un objetivo a la vez—normalmente la duración total del proyecto—y se apoyan mucho en la experiencia. En proyectos urbanos complejos con plazos ajustados y mano de obra limitada, esto puede provocar retrasos, sobrecostes y oscilaciones caóticas en la demanda de personal de un día para otro.

Aprendiendo de las semillas rodantes

El estudio se basa en un método de optimización relativamente nuevo “bioinspirado” llamado Optimización Animada de Avena, que imita cómo las semillas de avena salvaje ruedan y se catapultan por el suelo para encontrar buenos lugares donde germinar. En la versión original, este comportamiento se usaba para resolver problemas de un solo objetivo: las semillas vagan ampliamente al principio (exploración) y luego se asientan en zonas prometedoras (ajuste fino). Los autores extienden esta idea para que pueda manejar varios objetivos a la vez, creando lo que llaman el algoritmo de Optimización Animada de Avena Multiobjetivo, u MOAOO. En lugar de buscar una única “mejor” respuesta, el método explora una familia de cronogramas que equilibran de distintas formas tiempo, coste y estabilidad de la mano de obra.

Convertir la construcción en un problema de búsqueda

Para aplicar el método, los investigadores primero traducen un proyecto real de vivienda pequeña en Chengdu, China, a un modelo matemático. Cada tarea de construcción—como excavación, cimientos, estructura e instalación de equipos—tiene un tiempo de inicio, una duración y un número de trabajadores asignados. Las tareas deben seguir un orden lógico (no se pueden levantar muros antes del cimiento), y existe un límite diario superior sobre la mano de obra disponible. El modelo monitoriza tres aspectos: la duración total del proyecto, el coste total (principalmente mano de obra más una cantidad fija por tarea y penalizaciones por horas extra) y cuánto varía el número total de trabajadores en obra de un día a otro. Una curva de ocupación suave implica menos picos y valles, lo que facilita la contratación, la formación y la gestión de horas extras.

Cómo el nuevo algoritmo explora las opciones

MOAOO despliega una población de “cronogramas candidatos”, cada uno representado como una semilla rodante en un espacio multidimensional. En cada ciclo de cálculo, algunos candidatos reciben impulsos aleatorios para explorar nuevas posibilidades, mientras que otros siguen patrones inspirados en la física de las semillas que ruedan y oscilan—ajustes cortos para mejoras locales y saltos más largos para escapar de callejones sin salida. Al mismo tiempo, el método mantiene una memoria evolutiva de cronogramas especialmente buenos que no son superados en ninguno de los tres objetivos. Estos candidatos “élite” ayudan a guiar la búsqueda. Un sistema por capas comprueba y repara las violaciones del orden de las tareas, los tiempos y los límites de recursos, y un monitor integrado detiene la búsqueda anticipadamente cuando las mejoras se vuelven insignificantes, ahorrando tiempo de cómputo.

Qué logra el método en la práctica

Usando el proyecto residencial de Chengdu como caso de estudio, los autores muestran que MOAOO puede generar rápidamente una amplia gama de cronogramas factibles. En sus pruebas, el algoritmo típicamente convergía en unas 118 iteraciones de cálculo. Un cronograma centrado en la rapidez redujo la duración del proyecto en alrededor de una quinta parte respecto a la referencia, aunque con un coste mayor. Otro cronograma minimizó el coste aceptando un tiempo de construcción más largo. Lo más llamativo fue un plan de compromiso que finalizó el proyecto en 279 días con un coste de aproximadamente 1,34 millones de dólares, mientras reducía las fluctuaciones en el uso de mano de obra en un 72,7 por ciento. Esto significa que las cuadrillas se utilizan de forma mucho más constante a lo largo del tiempo, algo atractivo para contratistas reales que intentan evitar picos de horas extras y periodos de inactividad.

Por qué esto importa para futuros proyectos de construcción

Más allá de un solo caso, el equipo probó MOAOO en puntos de referencia matemáticos estándar y descubrió que es competitivo o mejor que varios métodos multiobjetivo bien conocidos, lo que sugiere que el enfoque es sólidamente prometedor. Para el público general, el mensaje central es que los cronogramas de construcción ya no tienen que ser compromisos rígidos ajustados a mano. Tomando ideas del movimiento de las semillas en la naturaleza, este algoritmo puede proponer automáticamente muchos planes distintos, cada uno equilibrando de forma transparente tiempo, dinero y estabilidad de la mano de obra. Los encargados de proyecto pueden entonces elegir el cronograma que mejor encaje con sus prioridades y restricciones, haciendo la construcción urbana más predecible, eficiente y resistente.

Cita: Xue, Q., Wu, C., Nie, J. et al. An improved multi-objective animated oat optimization algorithm for resource-constrained construction project organization design. Sci Rep 16, 10239 (2026). https://doi.org/10.1038/s41598-026-39502-7

Palabras clave: planificación de la construcción, optimización multiobjetivo, gestión de recursos, algoritmos bioinspirados, planificación de proyectos