Supply Chain Frontiers issue n.º 55. Lea todos artículos en este asunto.
Cuando se produce una catástrofe como una inundación, la respuesta puede ser caótica, ya que convergen en la zona afectada varias agencias y fuentes de suministros. Un modelo logístico humanitario desarrollado por el Centro Latinoamericano de Innovación en Logística (CLI) mejora la eficiencia de las tareas de respuesta al enfocar estas operaciones de modo holístico.
Ahora los investigadores del CLI están perfeccionado el modelo con la previsión de factores sociales, como la influencia de grupos de activistas en las operaciones de ayuda. El nuevo trabajo se está llevando a cabo en colaboración con la Universidad de Antioquia (Colombia), la Universidad de California (Davis, EE. UU.) y un experto independiente en el ámbito de las zonas de Colombia en conflicto.
El modelo actual se ve impulsado por la necesidad de minimizar tres características decisivas de las operaciones de ayuda: tiempos de evacuación, tiempos de distribución y coste total.
"Estos elementos se suelen gestionar independientemente en lugar de holísticamente, lo que proporciona unos resultados inferiores a los óptimos. Podemos usar el modelo para tener en cuenta todos los factores relevantes y ayudar a las agencias de ayuda a responder de modo más efectivo ante catástrofes frecuentes, como las inundaciones", explica Christopher Mejia, investigador postdoctoral asociado al CLI. Ha trabajando con investigadores del Tecnológico de Monterrey (México), la Universidad de Málaga (España) y la Universidad Complutense de Madrid (España) para desarrollar el modelo.
En el modelo se incorporan todos los elementos esenciales de una operación de ayuda. Estas actividades incluyen la distribución de la ayuda, los procedimientos de evacuación, la ubicación de las instalaciones de emergencia, como centros de distribución, puntos de encuentro y refugios, y las existencias de suministros posicionados previamente.
Otro elemento clave que se tiene en cuenta —y que pueden pasar por alto las agencias de ayuda— es la vulnerabilidad de ubicaciones específicas. Esto es importante sobre todo en inundaciones donde, por ejemplo, los puntos bajos de una ciudad son más propensos a la inundación que otras ubicaciones en terrenos más elevados. Las redes logísticas pueden verse gravemente afectadas si las instalaciones decisivas, como hospitales, refugios e infraestructuras, se sitúan en estas zonas de alto riesgo. El modelo incorpora un sistema de información geográfica que simula este tipo de resultados.
Un estudio de caso basado en una inundación catastrófica que afectó a la ciudad de Villahermosa (México) en 2007 supone una aplicación del modelo en el mundo real. Las aguas alcanzaron una altura de unos 4 metros en las zonas más bajas de la ciudad, la inundación afectó a 160.000 personas y causó daños por valor de 700 millones de dólares.
Un total de 129 zonas catastróficas fueron evacuadas durante la crisis y la operación usó 244 refugios y un centro de distribución. La red logística tenía 500 nodos.
Otras características de la operación que se usaron para poner a prueba el modelo incluyen las siguientes:
- La distribución espacial de las instalaciones, que tiene una gran repercusión en las operaciones de evacuación y abastecimiento.
- El número de instalaciones y la magnitud de los recursos disponibles para la ayuda (ambos suelen faltar en una catástrofe de esta magnitud).
- Los costes en términos de los recursos que se necesitaban sobre el terreno y el presupuesto asignado para el programa de respuesta.
El modelo consiguió unos resultados considerablemente mejores que los del programa de respuesta del gobierno en todos los factores que se tuvieron en cuenta. El análisis también nos ofreció varios hallazgos importantes. Por ejemplo, a medida que aumenta la distribución espacial, los índices de uso de los refugios y el número de puntos de encuentro activos aumentan. Además, los tiempos de máxima evacuación y distribución disminuyen a medida que el número de instalaciones aumenta.
El siguiente paso es incorporar factores sociales al modelo genérico inicial para alinearlo todavía mejor con las situaciones de crisis del mundo real. Según Mejia, su usarán investigaciones existentes sobre cómo los entornos sociales pueden modelar las redes logísticas.
Por ejemplo, cuando se emite una alerta por catástrofe, en ciertas comunidades las personas tienden a ignorar las medidas de evacuación y, en su lugar, prefieren quedarse y confiar en sus redes sociales para sobrevivir a la crisis. Este patrón de comportamiento repercute en la medida en que se necesitan refugios y otros servicios, así como en los flujos de evacuación. Para contrarrestar estas opciones, el personal de respuesta tiene que crear confianza y quizás educar a la población local sobre las implicaciones más amplias de sus decisiones.
La presencia de grupos políticos extremistas o criminales es otro factor social que puede tenerse en cuenta en algunos países. En Colombia, por ejemplo, las FARC (Fuerzas Armadas Revolucionarias de Colombia) son uno de estos grupos. Los extremistas pueden impedir el flujo de los suministros de ayuda robando mercancías y deteniendo los camiones. Pero sus acciones varían según la estrategia y misión de cada grupo. De hecho, en los casos en que tienen unas conexiones locales fuertes, pueden colaborar en las tareas de ayuda, sobre todo, si en ellas están implicadas organizaciones reconocidas como las Naciones Unidas y la Cruz Roja.
Las influencias sociales como esta afectan a importantes decisiones logísticas, entre ellas dónde ubicar los grandes centros de distribución y cómo entregar a los usuarios finales los suministros que necesitan urgentemente. "Y el flujo de la ayuda puede cambiar según la naturaleza de los conflictos locales y cómo se comportan los grupos de activistas", afirma Mejia.
El equipo de investigación tiene previsto completar la fase conceptual del proyecto en unos seis meses, y si la financiación está disponible, empezará a recopilar información sobre el terreno.
Para obtener más información sobre el proyecto, puedes contactar con Christopher Mejia (cmejia@logyca.org).