Ruteo de ambulancias en caso de un sismo de gran magnitud en Lima Metropolitana y Callao: un enfoque de programación lineal entera mixta y heurística para su resolución

Abstract

Esta tesis se desarrolla en un escenario sísmico de 8.0Mw de magnitud en Lima Metropolitana y Callao y posterior ocurrencia de un tsunami, se estima que ese evento natural ocasionaría cerca de 110 000 fallecidos, 2 000 000 heridos y 900 000 viviendas afectadas (Instituto Nacional de Defensa Civil [INDECI], 2017). Asimismo, se presentan los planes del gobierno relacionados con la respuesta ante un desastre natural de esta magnitud, el Plan de Contingencia Nacional, el Plan de Operaciones de Emergencia de Lima y Callao y el Plan de Contingencia del sector salud en casos de sismos en las regiones de Lima y Callao. Posteriormente, se infiere la necesidad de un plan de traslado de heridos desde los puestos médicos de avanzada hacia los hospitales de campaña, con base en los sucesos del terremoto del 2007 en Pisco y se toma un escenario sísmico de magnitud 8.8 Mw en Lima Metropolitana y Callao con características similares al pronosticado por INDECI (2017), Centro de Estudios y Prevención de Desastres (PREDES, 2009) y Centro Nacional de Estimación, Prevención y Reducción del Riesgo de Desastres (CENEPRED, 2017). Se propone un modelo de programación lineal entera basado en el modelo “Vehicle Routing Problem with Time Windows” (VRPTW) para el traslado de los pacientes en el escenario sísmico presentado. Este modelo maximiza la cantidad de pacientes atendidos y toma en cuenta las restricciones de capacidad de las ambulancias, capacidad de camas hospitalarias y el tiempo máximo que puede esperar un paciente antes de fallecer. Asimismo, como no se conoce a priori la cantidad de ambulancias, se determina esa cifra experimentalmente maximizando la cantidad de pacientes atendidos. Debido a las limitaciones de cómputo que presenta el modelo al aumentar la cantidad de nodos, ya que VRPTW resulta en un problema NP-difícil, se propone una metaheurística inspirada en “Large Neighbourhood Search” (LNS) para hallar la solución al modelo, en donde se utilizan dos heurísticas para construir la solución inicial, ya sea una heurística de construcción de rutas u otra de inserción de rutas; así como la heurística “Variable Neighbourhood Descend” (VND) para la búsqueda local de la optimalidad. Finalmente, se aplica esta heurística a los seis clústeres dentro de la ventana de tiempo con las capacidades al 20%, 50% y 70% de los hospitales. Se observa que el modelo propuesto logra trasladar a una cantidad de pacientes igual a la capacidad total de los hospitales para los tres casos y el tiempo máximo de llegada del último paciente es menor a cuatro horas.