T08-F04 · Sistema de Análisis Causal de Disponibilidad Operativa (SACDO)
Código original: P-04
Condiciones: Validación técnica obligatoria de que los ERPs logísticos actuales capturan marcas temporales granulares suficientes para permitir la descomposición causal.
1. Identificación de la propuesta
- Código
P-04
- Nombre de la propuesta
Sistema de Análisis Causal de Disponibilidad Operativa (SACDO)
- Origen
Documento de organismo público o usuario institucional
- Línea estratégica
Fusión de datos, IA y apoyo a la decisión
- Dominio
Terrestre
- Tipo de uso
Defensa
- Fecha de análisis
22/05/2024
- Responsable de la ficha
Pipeline automático - pendiente de asignación
- Estado
En análisis
2. Problema concreto
- Descripción
Existe una fragmentación estructural en la información del Sustainment (sostenimiento, que engloba todas las actividades logísticas necesarias para mantener la capacidad operativa de una fuerza) de flotas terrestres. No es posible desglosar si la baja disponibilidad operativa se debe a fallos intrínsecos del material o a ineficiencias en los procesos logísticos [ev_0004].
- Consecuencia principal
Opacidad informativa que impide optimizar la asignación de recursos de mantenimiento y priorizar reparaciones basadas en la causa raíz [ev_0004].
- Usuario afectado
Centro de mando
- Criticidad
Alta
- Frecuencia estimada
Continua
- Entorno de aparición
Normal
3. Ejemplo operativo y evidencia
4. Solución propuesta
- Descripción de la solución
Implementación de una plataforma de observabilidad logística (SACDO) que transforme datos transaccionales en indicadores de rendimiento causal, segregando el tiempo técnico de reparación del tiempo de demora administrativa.
- Datos de entrada
Marcas temporales del ciclo de vida del fallo (detección, solicitud de repuesto, recepción, ejecución de reparación) procedentes de ERPs logísticos y estado de unidades desde los BMS.
- Procesamiento principal
Cálculo y segregación de MTTR vs ALDT; análisis de correlación entre tipos de fallo y nodos organizativos mediante un motor de trazabilidad temporal.
- Resultado / salida
Dashboards de readiness granular, mapas de calor de cuellos de botella logísticos y alertas de fallos recurrentes por lote o unidad.
- Sistema, arquitectura e integración
Capa analítica integrada sobre un Data Lake (repositorio centralizado de datos brutos) que consume datos de los ERPs logísticos y BMS existentes.
- Funcionamiento resumido
1. Entrada: Captura de hitos temporales del fallo desde ERP/BMS. 2. Procesamiento: Aislamiento de variables (Fiabilidad vs Eficiencia). 3. Resultado: Visualización de cuellos de botella y KPIs causales. 4. Integración: Dashboard para tomadores de decisiones.
- Componentes funcionales
- Módulo de Captura y Etiquetado Temporal
- Motor de Segregación MTTR/ALDT
- Analizador de Correlación Causal
- Panel de Visualización de Readiness Granular
5. Aportaciones concretas de SIXTEMA
6. Capacidades reales que respaldan la propuesta
- Capacidad real
IA y Soporte a la Decisión
- Proyecto / experiencia
Sistemas de detección de anomalías e identificación de patrones
- Qué demuestra
Capacidad técnica para procesar grandes volúmenes de datos y extraer indicadores causales o alertas, base necesaria para el análisis de readiness (preparación operativa)
- Nivel evidencia
Alta
- Capacidad real
Arquitecturas Escalables Cloud-Native
- Proyecto / experiencia
Infraestructura para despliegue de servicios operativos en entornos distribuidos
- Qué demuestra
Capacidad para implementar el Data Lake (repositorio centralizado de datos brutos) y asegurar el intercambio seguro de datos entre sistemas heterogéneos
- Nivel evidencia
Alta
7. Capacidades futuras o en evolución
- Capacidad futura
Gemelos Digitales de Misión (DMT)
- Proyecto / iniciativa
Línea de desarrollo interna de simulación operativa avanzada
- Estado
En curso
- Resultado esperado
Extender la simulación desde el ámbito de la misión hacia el sostenimiento logístico, permitiendo análisis 'what-if' sobre la disponibilidad de flotas
- Capacidad futura
Fusión Avanzada de Datos Multifuente
- Proyecto / iniciativa
Integración de telemetría y sensores avanzados en vehículos terrestres
- Estado
En curso
- Resultado esperado
Habilitar la alimentación de datos en tiempo real para modelos de degradación de activos y Gemelos Digitales (GD-Sust)
8. Tecnología involucrada
- Capa / función
Almacenamiento e Integración
- Tecnología / patrón
Data Lake (repositorio centralizado de datos brutos)
- Situación en SIXTEMA
Dominada
- Responsable / socio
Equipo interno
- Capa / función
Análisis y Visualización
- Tecnología / patrón
Business Intelligence (BI - inteligencia de negocios) para análisis causal
- Situación en SIXTEMA
Dominada
- Responsable / socio
Equipo interno
- Capa / función
Simulación Predictiva
- Tecnología / patrón
Modelado de Sistemas Discretos y Simulación de Monte Carlo
- Situación en SIXTEMA
Disponible parcialmente
- Responsable / socio
Equipo interno / Socio especialista en simulación
- Capa / función
Interconectividad
- Tecnología / patrón
Integración con BMS (Battle Management Systems - sistemas de mando y control) y ERPs logísticos
- Situación en SIXTEMA
Pendiente de validar
- Responsable / socio
Equipo interno / Integrador Prime
9. Encaje con programas y marcos europeos
- Programa europeo
EDF
- Convocatoria / topic
Pendiente de búsqueda (Área de superioridad de la información)
- Marco / estándar prioritario
Superioridad de la información, C2 y nube táctica
- Valoración del encaje
Alto
- Justificación
La propuesta se alinea con las prioridades del EDF en inteligencia de datos y superioridad de la información aplicada al sostenimiento logístico.
- Fuente de referencia
financiacion.md (Propuesta)
10. Diferenciación aportada
- Diferenciador
Especialización en capa analítica granular
- Por qué es relevante
Permite diferenciar la fiabilidad del material de la eficiencia logística, algo que los grandes integradores (centrados en el hardware) suelen omitir
- Evidencia
Experiencia en IA y Soporte a la Decisión para detección de patrones
- Diferenciador
Sinergia entre análisis reactivo y simulación predictiva
- Por qué es relevante
Capacidad de ofrecer tanto el diagnóstico del pasado (SACDO) como la predicción del futuro (GD-Sust)
- Evidencia
Desarrollo actual de Gemelos Digitales de Misión (DMT)
11. Actores objetivo y vías de entrada
- Actor identificado
Airbus Defence and Space
- Necesidad / interés
Optimización del sostenimiento de las plataformas terrestres que integra
- Vía de entrada
Consorcio
- Relación actual
Existente
- Actor identificado
Indra
- Necesidad / interés
Capa analítica avanzada para sus sistemas de mando y control (C2)
- Vía de entrada
Tractora
- Relación actual
Incipiente
- Actor identificado
DGAM (Ministerio de Defensa)
- Necesidad / interés
Reducción de la opacidad informativa en el sustainment (sostenimiento logístico) de flotas
- Vía de entrada
Convocatoria
- Relación actual
Sin relación
12. Brechas y dependencias
- Brecha / dependencia
Calidad y granularidad de los datos temporales en ERPs (Sistemas de Planificación de Recursos Empresariales) logísticos
- Impacto
Crítico: Si no existen marcas temporales precisas entre hitos (detección, solicitud, recepción), el SACDO no puede segregar la causa raíz de la baja disponibilidad.
- Cómo cubrirla
Auditoría técnica de los sistemas de gestión de mantenimiento actuales y definición de un estándar mínimo de captura de datos.
- Responsable potencial
DGAM (Ministerio de Defensa) / Socio Prime integrador del ERP
- Brecha / dependencia
Conocimiento específico de los esquemas de datos de los ERPs logísticos militares
- Impacto
Afecta la velocidad de desarrollo y la capacidad de integración inicial.
- Cómo cubrirla
Colaboración con un socio experto en el dominio logístico militar o acceso a documentación técnica del usuario final.
- Responsable potencial
Socio Prime (Airbus, Indra)
- Brecha / dependencia
Acceso a telemetría y modelos de degradación del fabricante (para la solución GD-Sust)
- Impacto
Bloquea la viabilidad de la alternativa de Gemelos Digitales.
- Cómo cubrirla
Acuerdos de intercambio de datos con los desarrolladores originales del material.
- Responsable potencial
Materiel developers (Desarrolladores de material)
13. Valoración final por criterios
| Criterio | Valoración | Justificación |
|---|---|---|
| Relevancia del problema | Alta | Afecta directamente a la readiness (preparación operativa) de las flotas terrestres en niveles táctico, operacional y estratégico. |
| Calidad de la evidencia | Media | Identifica claramente la falla estructural (ev_0004), pero carece de métricas cuantitativas para dimensionar el impacto. |
| Encaje con SIXTEMA | Alta | Alineado con capacidades en C2, inteligencia de datos y soporte a la decisión. |
| Capacidades reales disponibles | Alta | Se puede reutilizar el motor de fusión de datos multifuente y arquitecturas cloud-native. |
| Diferenciación | Media | Aporta una capa analítica granular que los grandes integradores suelen omitir en favor de la plataforma física. |
| Encaje europeo | Alta | Potencial encaje en EDF (European Defence Fund) bajo el área de superioridad de la información. |
| Actor o vía de entrada identificada | Media | Identificados DGAM y grandes integradores como posibles vías, pendiente de validación manual. |
| Potencial dual | Alta | La segregación MTTR vs ALDT es un estándar aplicable a cualquier flota industrial o civil. |
| Madurez preliminar | Media | SACDO se sitúa en TRL 4-5 (Prototipo), mientras que GD-Sust está en fase de concepto. |
| Cobertura brecha tecnológica | Alta | Resuelve la opacidad informativa transformando datos transaccionales en indicadores causales. |
| Autonomía respecto a socios | Media | Alta autonomía en el desarrollo del software, pero dependencia total de los datos proporcionados por terceros. |
| Viabilidad preliminar | Alta | Técnicamente viable mediante Data Lakes y BI; el riesgo es puramente la calidad del dato de entrada. |
14. Decisión y conclusión final
- Resultado
Avanzar con condiciones
- Condiciones para avanzar
Validación técnica obligatoria de que los ERPs logísticos actuales capturan marcas temporales granulares suficientes para permitir la descomposición causal.
- Validaciones pendientes
Confirmar disponibilidad de datos en los sistemas actuales y contrastar el interés de actores como DGAM o integradores Prime.
- Próximo hito
Realizar una auditoría de datos o entrevista técnica con un gestor logístico para validar la existencia de hitos temporales en el ciclo de fallo.
- Síntesis
Solución de alta relevancia que resuelve la opacidad en el sostenimiento terrestre mediante análisis causal. Encaja perfectamente con las capacidades de datos de SIXTEMA y posee alto potencial dual. La viabilidad depende críticamente de la calidad de los datos temporales en los ERPs actuales.
15. Fuentes y trazabilidad
Sin referencias registradas.Evidencias del clúster: ev_0004