• Optimización en las plantas de proceso bajo incertidumbre.
• Optimización de diseños y carga de sistemas de almacenamiento de energía.
• Optimización y problemas inversos en sistemas de reacción e imagen.
• Optimización sobre hardware no convencional.

Los principales resultados alcanzados han sido:

• Mejorar el proceso de toma de decisión en los planes de producción y de inversión. Se trató de introducir la incertidumbre inherente al mercado (precios y demandas, por ejemplo) y al propio proceso productivo en el problema de programación matemática, lo que revertirá en mejores decisiones estratégicas y de operación en la compañía.

• Optimizar las baterías de uso en vehículos eléctricos mediante simulaciones extremadamente rigurosas de su operación y de su degradación. Se desarrollaron diseños más seguros y con una mayor vida útil. También se trabajó en los protocolos para su recarga, que permiten un proceso de carga más rápido, eficiente y seguro.

• Obtener modelos matemáticos rigurosos que simulen fenómenos físicos y químicos de sistemas industriales a partir de datos experimentales, lo que redundará en menores costes asociados a la experimentación en laboratorio y plantas piloto y a una mejora operativa del sistema industrial.

La ventaja competitiva que ha obtenido Repsol haciendo uso de una herramienta transversal como es la de Matemática Industrial, ha sido optimizar sus procesos industriales, un mejor diseño de sus procesos y productos, y ha generado herramientas de ayuda a la toma de decisiones basadas en criterios más objetivables. Sin duda esto permite a la empresa realizar innovaciones más reseñables con respecto a sus competidores, la reducción de sus costes de producción y al mismo tiempo de los tiempos de desarrollo de nuevas tecnologías.