LOGISTICA DE DISTRIBUCION Y TRANSPORTE PUERTO SECO DE GUADALAJARA DE BUGA

1. LOGISTICA DE DISTRIBUCION Y TRANSPORTEPUERTO SECO DE GUADALAJARA DE BUGA Diana Fernanda Bolaños Oscar David Calero Universidad del Valle – Sede Buga

2. REFERENTES • SELECCIÓN DE RUTAS DE DISTRIBUCIÓN UTILIZANDO OPTIMIZACIÓN POR COLONIA DE HORMIGAS (Feitó C. Michael - Cespón C. Roberto) La optimización por colonia de hormigas (OCH) es una metaheurística que se inspira en el comportamiento que rige a las hormigas de diversas especies para encontrar los caminos más cortos entre las fuentes de comida y el hormiguero. El modo de operación básico de un algoritmo de optimización por colonia de hormigas se muestra a continuación: las m hormigas (artificiales) de la colonia se mueven, concurrentemente y de manera asíncrona, a través de los estados adyacentes del problema. Este movimiento se realiza siguiendo una regla de transición que está basada en la información local disponible en los nodos.. Universidad del Valle – Sede Buga

3. REFERENTES Esta información local incluye la información heurística (pesos o costos de ir del nodo i al nodo j) y la memorística (rastros de feromona) para guiar la búsqueda. El algoritmo también aprovecha la información heurística utilizando el parámetro conocido como peso y puede estar asociado a distancia a recorrer, costo de transportación, etc Figura No. 1. Comportamiento de la colonia de hormigas naturales. Universidad del Valle – Sede Buga

4. REFERENTES • Modelo de envíos Envíos hub-&-spoke. La construcción de centros de consolidación de carga (hubs) comporta la concentración de la mercancía en estos puntos y la optimización de la capacidad de los vehículos en escenarios con una distribución espacial de demanda no uniforme; esto permite incrementar el factor de carga de los vehículos y en consecuencia, se reduce el coste unitario de transporte a nivel general de toda la red así como el tiempo total de la distribución. Universidad del Valle – Sede Buga

5. REFERENTES • Considerando un solo origen, N destinos y nombrando los destinos por n=1,2,…,N, se puede asumir la siguiente notación: • Qn= flujo desde el origen al punto n de destino (tonelada/día) • Fn= coste de fletar un vehículo directo desde el origen hasta el punto de destino n. • Tn= tiempo de viaje directo (día) • Q = flujo total desde el origen a la terminal (tonelada/día) • F = coste de envío de un vehículo desde el origen a la terminal ($) • τ = tiempo de viaje desde el origen a la terminal (día) Universidad del Valle – Sede Buga

6. REFERENTES • Resolución del problema de enrutamiento de vehículos con limitaciones de capacidad utilizando un procedimiento metaheurístico DE DOS FASES (Julio Mario Daza, Jairo R. Montoya, Francesco Narducci) Este artículo presenta un procedimiento alternativo para resolver el problema de enrutamiento de vehículos con limitaciones de capacidad y flota homogénea (CVRP). Se propone un algoritmo metaheurístico que consta de la combinación de dos fases: diseño de rutas y planificación de la flota. En la fase de Diseño de rutas se utiliza el Método de asignar primero, rutear después; Primero se busca generar grupos de clientes, también llamados clusters, que estarían en una misma ruta en la solución final. Luego, para cada clusterse crea una ruta que visite a todos sus clientes. Las restricciones de capacidad se consideran en la primera etapa, asegurando que la demanda total de cada clusterno supere la capacidad del vehículo. Universidad del Valle – Sede Buga

7. REFERENTES La segunda fase es la Planificación de la flota de vehículosy se busca disminuir los costos en que incurre un operador logístico al definir una cantidad de vehículos en un ruteo determinado. Consiste en la asignación de un conjunto de vehículos en un orden y a ciertos instantes determinados, con el fin de completar una serie de tareas de carga/despacho para obtener ciertos resultados (función objetivo), como el mínimo tiempo libre de los vehículos, o incluso el tiempo de terminación más corto, bajo ciertas restricciones. Es notable el grado de optimización mostrado en la herramienta algorítmica propuesta, El resultado para la instancia real asciende a la utilización de 15 camiones, la herramienta estableció un total de 6 vehículos, lo que muestra ahorros significativos. Este resultado fortalece la validez y la pertinencia del procedimiento. Universidad del Valle – Sede Buga