nPlan: Programación Predictiva y Mitigación de Riesgos en Construcción mediante Machine Learning
Identidad Corporativa y Ciencia de Datos Aplicada
Datos Fundacionales y Liderazgo Estratégico
nPlan Ltd. es una empresa británica de tecnología profunda fundada en 2016 por Dev Amratia y Alan Mosca. Con sede en Londres, la compañía se ha especializado en el nicho de la programación predictiva ('Predictive Scheduling'), utilizando inteligencia artificial para abordar el problema sistémico de los retrasos en la industria de la construcción. Su enfoque se aleja de las estimaciones subjetivas, basándose en el análisis empírico de datos históricos masivos.
Bajo la dirección de Dev Amratia como CEO, nPlan ha logrado posicionarse como un referente en la gestión de la incertidumbre para grandes programas de infraestructura. La empresa mantiene una estructura privada y opera desde su centro tecnológico en Hanbury Street, Londres, donde un equipo multidisciplinario de científicos de datos e ingenieros civiles desarrolla algoritmos que aprenden de la ejecución real de proyectos pasados para informar el futuro de la industria.
El Dataset de Programaciones más Grande del Mundo
La ventaja competitiva de nPlan reside en su motor de Machine Learning (ML), el cual ha sido entrenado con la base de datos de programaciones de construcción más extensa del mercado. Al cierre de 2024, el sistema ha procesado más de 750,000 programas de obra individuales, que representan billones de dólares en valor de activos. Esta escala de datos permite a la IA identificar patrones de comportamiento y correlaciones que son invisibles para los métodos de planificación tradicionales.
A diferencia de las simulaciones de Monte Carlo, que dependen de distribuciones de probabilidad asignadas manualmente por humanos, nPlan utiliza aprendizaje profundo para calcular la probabilidad de retraso de cada actividad en un diagrama de red. El software analiza cómo se han comportado tareas similares en contextos parecidos, proporcionando un 'nivel de confianza' basado en la realidad histórica, lo que permite una cuantificación del riesgo mucho más precisa para el cronograma maestro.