Solución a un modelo de optimización para la gestión de inventario y ruteo de vehículos de dos escalones con transbordos laterales (2e-irpt) a través de una metaheurística hibrida

Abstract

En la presente investigación se aborda el problema de gestión de inventarios y ruteo de vehículos de dos escalones considerando transbordos laterales (Two Echelon Inventory Routing Problem with Transshipment, 2E-IRPT), enfocado a una cadena de suministro de repuestos cuyos integrantes finales (clientes) desarrollan programas de mantenimiento predictivo. El problema planteado es formulado como un modelo de programación lineal entera mixta, buscando minimizar los costos logísticos totales (transporte e inventario) y considerando restricciones de capacidad, tanto en los nodos de la red, como en las flotas de cada escalón. Por otra parte, la demanda de los clientes de la cadena es considerada determinística para cada periodo, la cual, es satisfecha únicamente desde los distribuidores, quienes se encuentran en el eslabón intermedio. Los transbordos laterales solo se ejecutan entre distribuidores, y se realizan con la flota perteneciente al segundo escalón. Para dar solución al problema, se desarrolla una metaheurística híbrida compuesta por dos metodologías: Algoritmo Genético y Búsqueda Tabú. Para validar el algoritmo propuesto, se ejecuta un diseño factorial en el que, a partir de nueve instancias de diferente tamaño, se evalúa su comportamiento en función de los costos totales y del recurso computacional consumido. Los resultados muestran que el algoritmo obtiene buenas soluciones, reduciendo el tiempo computacional requerido por las metodologías exactas. Finalmente, a partir del análisis estadístico, se recomiendan dos configuraciones de los factores propuestos a partir del objetivo del modelador. Una enfocada a la función objetivo en la que ejecutar la metaheurística híbrida con dos Búsquedas Tabú, antes y después del Algoritmo Genético, así como con un tamaño de población igual a 100 individuos resulta ideal, y otra, enfocada al recurso computacional, en la que la mejor configuración resulta en disponer los factores estudiados en nivel bajo.