Optimización
Programación, asignación, rutas, diseño y empaquetado. Usamos programación entera mixta donde escala y heurísticas a medida donde no.
Optimización matemática que funciona en problemas industriales reales.
Algoritmos a medida, incluso para problemas que los solvers estándar no pueden terminar.
Convertimos sus decisiones de programación, asignación, rutas y planificación en modelos matemáticos y creamos el software que los resuelve. Nuestros métodos están publicados y probados con datos operativos reales.
Problemas que resolvemos
Si una decisión tiene un objetivo y restricciones, probablemente podamos modelarla.
Programación
Líneas de producción, turnos, mantenimiento y planes de proyecto.
Asignación
Personal, máquinas, presupuestos y materiales limitados.
Rutas y flujos
Flotas, entregas y redes de suministro.
Ubicación y diseño de redes
Almacenes, plantas, puntos de servicio e infraestructura.
Corte y empaquetado
Corte de materiales y carga de contenedores y palés.
Planificación bajo incertidumbre
Inventario, capacidad y políticas probadas mediante simulación.
Resultados publicados
Lo que nuestros métodos han demostrado hasta ahora, en gran parte en logística. Las cifras son las indicadas en los artículos enlazados.
-
≈1%
arXiv 2610.30139
Más lejos que un solver exacto con límite de tiempo
En el diseño de redes logísticas, nuestra búsqueda de vecindad variable se mantiene a cerca del 1% de la mejor cota dual en redes pequeñas. En redes medianas es hasta un 55% mejor que un solver exacto con límite de tiempo.
-
5.0%
arXiv 2606.09455
Ahorros encontrados mediante simulación
Reproducir un mes de flujo real de paquetes en un simulador de eventos discretos mostró que una política en producción podía ahorrar un 5,0% del coste con el mismo plazo de entrega. La solución cambia dos parámetros y no requiere inversión de capital.
-
20%
Procedia CS, 2014
Restricciones reales a gran escala
Rutas de camiones con remolque con datos reales de distribución minorista: unas 400 tiendas y 100 vehículos por almacén, con ventanas de tiempo y entregas divididas. Nuestra heurística encontró soluciones un 20% más baratas que un método voraz simple.
-
4×4
arXiv 1712.08437
Modelar la propia estructura de la búsqueda
Un modelo de programación matemática de la mejor red para la búsqueda descentralizada del vecino más cercano. Lo resolvimos de forma exacta en una retícula de 4×4 y encontramos soluciones heurísticas de hasta 7×7.
-
NP
arXiv 2007.05020
Establecer la dificultad de un problema
Modelamos la selección de equipo del juego Dota Underlords como un programa entero, lo resolvimos con datos reales y demostramos que el problema es NP-completo.
Qué construimos
Cada proyecto es a medida, desde la primera formulación hasta el software en funcionamiento.
Simulación y modelos de agentes
Reproduzca sus datos operativos reales, explore distintas políticas y vea las concesiones antes de cambiar nada en producción.
Búsqueda vectorial
Mejor búsqueda aproximada de vecinos más cercanos, desde la estructura del grafo hasta el ajuste con sus datos en exhaustividad, latencia y memoria.
Aprendizaje automático y visión
Modelos de previsión, detección e inspección, incluidas las predicciones de demanda y averías de las que depende la optimización.
Los costes reales suben a saltos
Máquinas, turnos, lotes y vehículos vienen en unidades enteras, así que un pequeño aumento de la demanda puede obligar a pagar una más. Un modelo lineal no ve ese salto. Mueva el control para compararlos.
- Unidades necesarias
- –
- Relajación LP
- –
- Coste que la LP omite
- –
Ejemplo con una capacidad de C = 20 por unidad.
El modelo general
Se paga cada unidad y el trabajo que realiza
Se satisface toda la demanda
Funcionan suficientes unidades enteras para realizar el trabajo
Cómo avanza un proyecto
Empezamos por su operación, y usted conserva todo lo que construimos.
Formular
Definir el objetivo, las restricciones y las excepciones con las personas que dirigen la operación.
Medir una referencia
Evaluar su proceso actual con datos históricos, para que cada resultado tenga una comparación justa.
Resolver
Construir el algoritmo y probarlo frente a la referencia y a una cota matemática.
Implantar
Conectarlo a sus sistemas y entregar el código, el modelo y la documentación.
Artículos
De lectura abierta, con las formulaciones y los experimentos.
- 2026A General Variable Neighborhood Search for Logistic Network Flow Design with Nonlinear Edge Costs and Transshipment CapacitiesKovaleva, Ponomarenko
- 2026A Benchmark Generator of Realistic Logistic Transport Networks with Nonlinear Edge Costs and Transshipment CapacitiesKovaleva, Ponomarenko
- 2026Tuning Dispatch Thresholds for Fixed Last-Mile Routes: A Simulation-Based Pareto Analysis of a Production PolicyPonomarenko, Antonov
- 2021Overlapping community detection in networks based on link partitioning and partitioning around medoidsPonomarenko, Pitsoulis, Shamshetdinov
- 2020Dota Underlords Game is NP-CompletePonomarenko, Sirotkin
- 2017A Model of Optimal Network Structure for Decentralized Nearest Neighbor SearchPonomarenko, Utkina, Batsyn
- 2014Heuristic for a Real-Life Truck and Trailer Routing ProblemBatsyn, Ponomarenko