10  Conclusiones

Esta investigación ha desarrollado y validado rigurosamente un modelo de optimización determinista robusto para la gestión integrada de la ubicación de almacenes preposicionados y el control de inventario humanitario ante inundaciones en el sureste de México. El trabajo articula de manera coherente fundamentos teóricos de optimización no lineal, algoritmos numéricos de memoria limitada y aplicaciones empíricas en contextos de alta vulnerabilidad, estableciendo un marco metodológico reproducible para la planificación anticipada de respuestas a desastres. Las conclusiones que se presentan a continuación responden sistemáticamente a los tres objetivos específicos planteados, integrando las contribuciones teóricas de los Capítulos 4–5, los fundamentos algorítmicos del Capítulo 6 y los resultados empíricos de los Capítulos 8–9.

En relación con el objetivo específico 1 adaptar un modelo de localización–inventario humanitario bajo incertidumbre parametrizada que extienda el modelo clásico de cantidad económica de pedido (EOQ) para incluir inventario de seguridad, faltantes estocásticos penalizados y decisiones binarias de apertura de almacenes, se concluye que la formulación propuesta supera rigurosamente las limitaciones estructurales del EOQ tradicional mediante tres innovaciones teóricas fundamentales:

  1. Parametrización de la incertidumbre: incorporación del inventario de seguridad \(Z_\alpha \sigma_L\) como término determinista que internaliza la variabilidad estocástica sin requerir formulaciones estocásticas explícitas.

  2. Penalización asimétrica explícita por faltantes: incorporación del coeficiente \(\beta C\) que refleja la gravedad ética de los faltantes en contextos humanitarios, priorizando cobertura poblacional sobre minimización económica pura.

  3. Convexidad condicional en estructuras híbridas MINLP: demostración de que, al fijar las decisiones binarias de apertura de almacenes, el subproblema continuo recupera convexidad poliédrica, justificando teóricamente el esquema de descomposición híbrido.

Como se demostró en la Sección 5.4, la incorporación del inventario de seguridad parametrizado \(Z_\alpha \sigma_L\) y la penalización explícita por faltantes mediante el término \(\beta C\) transforman la función de costo total en una expresión no convexa y no separable:

\[ Z(Q) = \frac{D(S + \beta C)}{Q} + \frac{H}{2}Q + Z_\alpha \sigma_L H + DC, \]

cuya estructura refleja con mayor fidelidad los riesgos operativos en contextos humanitarios. El análisis de las propiedades analíticas (ver Sección 5.5) confirmó que, pese a la pérdida de convexidad global inducida por las variables binarias de apertura de almacenes, el subproblema continuo asociado a una configuración fija de infraestructura mantiene convexidad condicional, lo cual justifica teóricamente el enfoque de descomposición adoptado. Esta propiedad, formalizada en la Proposición (convexidad condicional) de la Sección 5.1.3.2, garantiza que para cualquier vector fijo \(\bar{x} \in \{0,1\}^m\), el subproblema

\[ \min_{(y,s) \in X(\bar{x})} Z(\bar{x}, y, s) \]

es un problema de programación lineal con conjunto factible poliédrico convexo. Además, el estudio comparativo cuantitativo (ver Sección 5.4.5) evidenció que el modelo extendido produce políticas de inventario significativamente más robustas que el EOQ clásico: en el ejemplo ilustrativo con demanda estocástica, el tamaño óptimo de lote aumentó de \(Q_{\text{EOQ}} = 200\) a \(Q^* \approx 490\) unidades, reduciendo en un \(8.4\%\) el costo total esperado y mitigando drásticamente el riesgo de faltantes catastróficos. Esta adaptación teórica, fundamentada en los preliminares matemáticos del Capítulo 4 (convexidad, diferenciabilidad y estructura de conjuntos), constituye una contribución que permite internalizar la incertidumbre sin recurrir a formulaciones estocásticas complejas, preservando así la rigurosidad analítica y la eficiencia computacional.

Respecto al objetivo específico 2 desarrollar un esquema de solución híbrido basado en optimización mixta entera no lineal (MINLP) que combine enumeración sobre variables binarias con el algoritmo L-BFGS-B para resolver eficientemente los subproblemas continuos no convexos, se concluye que la estrategia propuesta logra un equilibrio óptimo entre rigor teórico y viabilidad práctica. El Capítulo 6 estableció las bases matemáticas para garantizar la convergencia global del método L-BFGS-B hacia puntos que satisfacen las condiciones de Karush–Kuhn–Tucker bajo restricciones tipo caja, demostrando que, bajo hipótesis de Lipschitz-continuidad del gradiente y compacidad del dominio, toda subsucesión convergente de iteraciones satisface \(\nabla_\Omega f(x_k) \to 0\) (Teorema 6.2, Sección 6.3.2.1). Esta garantía teórica, complementada con el análisis de sensibilidad respecto al parámetro de memoria \(m\) (ver Sección 6.4.2), permitió configurar el algoritmo con \(m=10\) como valor óptimo para los problemas estudiados, logrando convergencia en menos de \(30\) iteraciones incluso en escenarios mal condicionados. La implementación computacional descrita en el Capítulo 7 validó empíricamente esta estrategia: al combinar la enumeración exhaustiva sobre las \(2^m\) configuraciones posibles de almacenes (factible dado el tamaño reducido de \(m\) en los casos de estudio) con la resolución eficiente de los subproblemas continuos mediante L-BFGS-B, se obtuvo una tasa de éxito del \(100\%\) en la convergencia para ambos escenarios analizados. Este esquema híbrido supera las limitaciones de métodos puramente heurísticos que no garantizan optimalidad y de enfoques exactos de gran escala que resultan computacionalmente prohibitivos, posicionándose como una alternativa robusta para problemas de localización–inventario con estructura mixta. La comparación numérica presentada en la Sección 6.4.4 demuestra que L-BFGS-B ofrece el mejor compromiso entre eficiencia (\(7\) iteraciones frente a \(1,183\) del gradiente descendente) y respeto a las restricciones físicas (a diferencia de BFGS sin proyección), justificando su elección como una buena alternativa de optimización para los subproblemas continuos.

En cuanto al objetivo específico 3 verificar el desempeño del modelo propuesto mediante estudios de caso en regiones vulnerables a inundaciones en Veracruz y replicar en el estado de Chiapas, se concluye que la metodología desarrollada demuestra una notable adaptabilidad y robustez operativa en contextos geográficos y demográficos heterogéneos. Los resultados del Capítulo 8 para Veracruz evidenciaron que la descentralización logística mediante dos almacenes (Jesús Carranza y Las Choapas) reduce en un \(23\%\) los costos de transporte respecto a una configuración centralizada (\(648.31\) millones MXN vs. \(837.54\) millones MXN), elevando simultáneamente el fill rate promedio del \(88\%\) al \(95\%\). Por su parte, la aplicación en Cacahoatán, Chiapas (Capítulo 9), reveló que, pese a las limitaciones infraestructurales y la topografía accidentada características de la región, una configuración centralizada con un único almacén estratégico en Salvador Urbina logra cobertura del \(100\%\) de la población afectada (\(7407\) habitantes) con un costo total anual optimizado de \(195.46\) millones MXN, aproximadamente el \(30\%\) del costo observado en Veracruz. Esta diferencia, atribuible a la menor escala territorial y demográfica del municipio chiapaneco, no compromete la eficiencia operativa, lo cual confirma que el modelo se adapta dinámicamente a las particularidades del territorio sin requerir recalibración estructural. La validación cruzada entre ambos escenarios demuestra que el enfoque propuesto no es un ejercicio teórico aislado, sino una herramienta práctica capaz de generar recomendaciones accionables para autoridades de protección civil, con implicaciones directas en la reducción de tiempos de respuesta y la mejora de la equidad en la distribución de recursos durante emergencias hidrometeorológicas. La robustez del modelo se verificó adicionalmente mediante pruebas de sensibilidad ante variaciones del \(10\%\) en la demanda, manteniendo un fill rate superior al \(90\%\) en todos los escenarios analizados (ver Sección 9.6.2).

Esta investigación contribuye a la literatura de optimización aplicada y logística humanitaria mediante la integración coherente de tres elementos:

  1. una formulación teórica rigurosa que extiende el EOQ clásico para incorporar incertidumbre parametrizada sin sacrificar rigurosidad analítica;

  2. un esquema algorítmico híbrido con garantías de convergencia teóricamente fundamentadas y eficiencia computacional validada empíricamente; y

  3. una verificación práctica en dos contextos mexicanos de alta vulnerabilidad que demuestra la adaptabilidad y utilidad operativa del modelo. Estas contribuciones no solo avanzan en el desarrollo metodológico de la optimización mixta entera no lineal, sino que también ofrecen un marco de trabajo replicable para la planificación anticipada de respuestas a desastres en regiones con recursos limitados.

Como trabajo futuro, se propone extender el modelo actual en dos direcciones complementarias con fundamentación teórica sólida: primero, integrar variables climáticas predictivas (como pronósticos de precipitación a \(72\) horas) para habilitar un sistema de reoptimización en tiempo real que ajuste las decisiones logísticas conforme evoluciona el evento hidrometeorológico, siguiendo los marcos de optimización robusta adaptable desarrollados por Bertsimas y Thiele (2006); y segundo, escalar la metodología a nivel estatal en Chiapas mediante una descomposición jerárquica que combine optimización a nivel municipal con coordinación regional, lo cual permitiría evaluar sinergias entre municipios y diseñar redes logísticas resilientes a nivel sistémico mediante técnicas de descomposición de Benders generalizado propuestas por Wolsey (1998). Estas extensiones no solo enriquecerían el modelo teórico, sino que también incrementarían su impacto práctico en la reducción de la vulnerabilidad territorial ante el cambio climático.