Aprendizaje automático en metaheurísticas
Date
2022Abstract
La logística colaborativa supone una estrategia útil que permite a las empresas ahorrar costes y proporcionar mejor servicio a sus clientes, especialmente a través de centros de cross-docking donde, en lugar de almacenar mercancía, se consolida y prepara, con un tiempo de permanencia inferior a las 24 horas.
Con los centros de cross-docking surgen varios problemas, entre ellos la localización de los centros, la asignación de camiones a las puertas del cross-dock, la gestión del flujo interno o del recorrido de los vehículos. En este trabajo de fin de grado, se aborda el problema de optimización de asignación de camiones a puertas de un centro de crossdocking, el cual es computacionalmente difícil y resulta de interés en un escenario real.
El objetivo es asignar los camiones de los proveedores a puertas de entrada y los de clientes a puertas de salida, minimizando el recorrido interno en el cross-dock. En este trabajo se proponen 6 algoritmos metaheurísticos para resolver el problema, donde se aplica aprendizaje automático a 2 de ellos, y se prueban en un conjunto de 50 instancias de la literatura científica. Además, se generan instancias adicionales para ampliar las
que encontramos en la literatura, y se visualizan gráficamente las soluciones obtenidas del problema. Collaborative logistics strategies are useful because they allow companies to save costs and provide better service to their customers, especially through cross-docking centres
where, instead of storing goods, they are consolidated and prepared, where shipments
typically spend less than 24 hours in the cross-dock.
Several problems arise with cross-docking centres, including the location of the centres, the assignment of trucks to the cross-dock doors, the internal flow management or the vehicles routing management. In this work, the Cross-Docking Assignment Problem (CDAP) is addressed, which is a challenging optimization problem in supply chain management with important practical applications in the trucking industry. The objective is to assign supplier trucks to inbound doors and customer trucks to outbound doors, while minimizing the internal path in the cross-dock. In this work, 6 metaheuristic algorithms are proposed to solve the problem, where machine learning is applied to 2 of them, and evaluated on a set of 50 instances obtained from the scientific literature. Furthermore, additional instances are generated to extend those found in the literature, and the obtained solutions are graphically visualized.