Un innovador algoritmo multicriterio demuestra que comprar materiales un 27% más caros en origen puede generar un ahorro del 53% en el presupuesto total de obra al eliminar la “miopía logística”.
Las grandes obras de infraestructura en hubs críticos como el Aeropuerto Adolfo Suárez Madrid-Barajas se han regido durante décadas por un modelo tradicional: adjudicar el suministro de materiales al proveedor con el precio unitario más bajo. Sin embargo, este enfoque sufre de una severa ineficiencia técnica. Al evaluar únicamente el costo del material en origen, el sistema ignora por completo las externalidades del transporte en carretera, lo que termina disparando las emisiones y los costes reales de la obra.
Para solucionar este problema estructural, se ha propuesto un innovador módulo de Inteligencia Artificial integrado directamente en el ERP de compras de la gestora aeroportuaria. Este motor de decisión actúa como un recomendador multicriterio que cruza los pliegos de contratación con mapas GIS en tiempo real, evaluando variables financieras, ambientales, circulares y de riesgo logístico.
Datos Clave del Proyecto
- Fin de la “miopía logística”: Seleccionar un material local a 15 km (23 €/t) frente a uno a 300 km (18 €/t) genera un ahorro neto de 280.600 € por cada 10.000 toneladas, un 53% menos de coste.
- Sostenibilidad real: Se reduce un 95% la huella de carbono del transporte, pasando de 204 a solo 10,2 toneladas de CO₂.
- Economía circular: El algoritmo premia agresivamente a los proveedores que reintroducen Residuos de Construcción y Demolición (RCDs) madrileños.
Blindaje de la capacidad de pista y fiabilidad operativa
Uno de los aspectos más críticos y valiosos de este trabajo es su impacto directo sobre las operaciones aeroportuarias. El reasfaltado de pistas se ejecuta en ventanas nocturnas muy estrictas (de 00:00 a 05:00 AM). En el modelo tradicional, depender de un proveedor a 300 km somete a la obra a un alto riesgo de retraso debido al tráfico en vías como la A-1 o la A-2. Si la pista no abre a tiempo, las penalizaciones ascienden a 10.000 € por cada 15 minutos de demora.
El algoritmo multicriterio desarrollado asigna una probabilidad predictiva de incidencia. Al optar por el radio metropolitano de 15 km, la probabilidad de fallo logístico se desploma del 12% al 0,5%, reduciendo el riesgo financiero latente de 72.000 € a unos residuales 3.000 €. De esta forma, la IA no solo ahorra dinero, sino que asegura la continuidad de las operaciones de vuelo de Barajas.
La Inteligencia de Procesos detrás de la solución:
La viabilidad técnica de este proyecto reside en la automatización del análisis de datos. El algoritmo, desarrollado mediante Machine Learning en entornos como Python, procesa las variables de los proveedores y aplica factores de penalización por distancia y carbono. El output no es una caja negra: la información se vuelca en un cuadro de mando interactivo en Power BI. Utilizando modelos tabulares y complejas medidas DAX, el departamento de compras cuenta con parámetros What-If e
integraciones visuales geoespaciales para simular escenarios y tomar decisiones 100% basadas en datos.
Un cambio de paradigma en el sector
Este trabajo pone de manifiesto que la verdadera rentabilidad no radica en encontrar el precio base más barato, sino en calcular el coste total optimizado. La automatización de este proceso de licitación mediante inteligencia artificial establece un nuevo estándar ESG, demostrando matemáticamente que la proximidad y la circularidad son, ante todo, sinónimos de eficiencia financiera y resiliencia operativa.
