Publicación:

Un algoritmo genético para el diseño de una red de logística integrada directa e inversa

Resumen

El problema de diseño de la red logística abordado desde el enfoque de la integración de la red directa e inversa, con el fin de consolidar cadenas de suministro de circuito cerrado (CLSC), es la clave para enfrentar los desafíos emergentes de la transición de las empresas hacia la economía circular y el desarrollo sostenible. Este tipo de red integrada permite una mayor eficiencia y ofrece ventajas en costos e impacto ambiental durante la operación de recolección, reutilización y reciclaje de residuos. En este contexto, el presente proyecto propone un diseño de red logística integrada directa e inversa para la recolección de residuos electicos y electrónicos (RAEE), con el fin d apoyar las decisiones de nivel estratégicos de las empresas del país. La configuración de la red está basada en el trabajo de Pishvaee, quien resalta el aporte novedoso de la inclusión de plantas hibridas de distribución y recolección/inspección. El problema de asignación de recursos y aperturas de instalaciones se resuelve mediante un modelo de programación lineal entera mixta (MILP) con dos funciones objetivo: maximización de los costos totales y minimización del impacto ambiental, mediante la metodología de valoración del ciclo de vida del producto (LCA). Para la resolución del modelo se propone un algoritmo genético con codificación basada en la prioridad, función de aptitud basada en pesos aleatorios, método de selección por torneo y operadores de cruce y mutación basados en segmento. Para medir el rendimiento del algoritmo, se realiza un diseño de experimentos factorial de la forma 3 4 para tres tamaños de problema (pequeño, mediano y grande) y un contraste con el algoritmo mimético multiobjetivo (MOMA) desarrollado por Pishvaee. Los resultados muestran que, para cualquier tamaño de problema, el mejor desempeño del algoritmo se obtiene con una combinación de 500 iteraciones y 100 individuos en la población inicial. Finalmente, la prueba de contraste entre el AG y el MOMA reveló que el algoritmo genético propuesto es inferior en la cantidad de soluciones no dominadas encontradas. Es posible que esto se deba a las estrategias de búsqueda intensificada incorporadas en el MOMA. Sin embargo, esta diferencia de capacidad de búsqueda está justificada por el ahorro de tiempo de ejecución que presenta el AG.