Tecnologías Específicas

Computación

Descripcion y Objetivos

Descripción:

Este Trabajo Fin de Grado aborda la planificación diaria del transporte en una empresa logística, centrada en la asignación eficiente de pedidos entre flota propia de camiones y servicios de mensajería externa. En la práctica, esta decisión suele tomarse de forma manual, lo que limita la reproducibilidad, el control de costes y la escalabilidad del proceso.

Para mejorar esta situación, el problema se formula como un modelo de Programación Lineal Entera Mixta que incorpora costes fijos y variables, restricciones de capacidad, limitaciones asociadas al transporte de mercancías peligrosas (ADR) y un mecanismo para incentivar la anticipación de pedidos futuros. El modelo se implementa mediante Pyomo y se integra en Microsoft Excel utilizando SolverStudio, facilitando su uso en entornos empresariales reales.

La validación se realiza mediante experimentos computacionales sobre instancias sintéticas de distinto tamaño, analizando la calidad de las soluciones y los tiempos de resolución con el solver CBC. Los resultados muestran que el modelo proporciona soluciones operativamente coherentes en tiempos compatibles con la planificación diaria, demostrando el potencial de la Investigación Operativa como apoyo a la toma de decisiones logísticas.

Objetivos del proyecto

Objetivo general

Desarrollar un modelo de optimización que mejore la asignación diaria de pedidos entre flota propia y mensajería externa bajo restricciones operativas reales.

Objetivos específicos

1. Formular el problema de planificación diaria del transporte como un modelo de Programación Lineal Entera Mixta.

2. Incorporar costes, restricciones de capacidad, limitaciones ADR y criterios de anticipación de pedidos.

3. Implementar el modelo en Pyomo e integrarlo en Excel mediante SolverStudio.

4. Evaluar el modelo mediante experimentos computacionales, analizando calidad de solución y tiempos de cálculo.

 

Metodología y Competencias

Metodología:

1. Estudio del problema para entender los principales elementos y la utilidad del algoritmo.
2. Estudio del estado del arte, qué algoritmos hay, cómo abordan el problema, qué resuelven, qué técnicas utilizan y cómo lo hacen.
3. Implementación de los algoritmos planteados.
4. Testeo y pruebas de los algoritmos implementados.

Competencias:

• Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.

• Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.

• Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes entornos inteligentes.

 

Medios a utilizar

El estudiante tendrá acceso a la infraestructura para desarrollar, probar e implementar el software.

Medios software

• Un IDE de programación (Visual Studio Code o similar).
• Una versión académica de GUROBI y/o CPLEX.

Medios hardware

• Un PC

 

Bibliografía

[1]    Dantzig, G. and Ramser, J. (1959) The Truck Dispatching Problem. Management Science, 6, 80-91. http://dx.doi.org/10.1287/mnsc.6.1.80
[2]    Kuhn, H. W. (1955). The Hungarian method for the assignment problem. Naval Research Logistics Quarterly, 2(1–2), pp. 83–97. http://dx.doi.org/10.1002/nav.3800020109
[3]     Tarantilis, C.D. and Kiranoudis, C.T. (2001). Using the vehicle routing problem for the transportation of hazardous materials. Operational Research International Journal, 1, pp. 67–78. https://doi.org/10.1007/BF02936400
[4]    Keshavarzfard, R. and Naderi, A. (2024). A sustainable HazMat logistic network design considering scale of economy and route sensitivity and solving with Hybrid GA-SA. International Journal of Research in Industrial Engineering, 13(3), pp. 257–273. https://doi.org/10.22105/riej.2024.420988.1397
[5]    Redmer, A. (2022). Strategic vehicle fleet management – a joint solution of make-or-buy, composition and replacement problems. *Journal of Quality in Maintenance Engineering*, 28(2), pp. 327–341. https://doi.org/10.1108/JQME-04-2020-0026
[6]    Baeza, E., Montt, C. and Quezada, L. (2019). Methodological proposal to evaluate the alternative of outsourcing the transportation fleet of a company. Procedia Manufacturing, 39, pp. 1545–1551. https://doi.org/10.1016/j.promfg.2020.01.292 
[7]    Bertoluci, R., Ramos, A. G., Lopes, M. and Bastos, J. (2019). Capacitated Vehicle Routing Problem with Heterogeneous Fixed Proprietary Fleet and Outsourcing Delivery—A Clustering-Based Approach. In: Alves, M., Almeida, J., Oliveira, J. and Pinto, A. (eds) Operational Research. IO 2018. Springer Proceedings in Mathematics & Statistics, vol. 278. Springer, Cham. https://doi.org/10.1007/978-3-030-10731-4_4
[8]    SolverStudio (2024). SolverStudio User Guide. Available at: https://solverstudio.org