Modelo de optimización multiobjetivo para el 2e-lirp multi-producto aplicado a la gestión de la cadena de suministro humanitaria

Simple item page
dc.contributor.advisorLamos Díaz, Henry
dc.contributor.authorAngarita Monroy, Andrés Guillermo
dc.date.accessioned2024-03-04T01:28:33Z
dc.date.available2021
dc.date.available2024-03-04T01:28:33Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractLos desastres en todo el mundo son cada vez más frecuentes, diversos, complejos y extremadamente desafiantes, ya que causan millones de víctimas y afectan tanto el desarrollo humano como los recursos disponibles. En consecuencia, el presente estudio aborda un problema multiobjetivo de localización, inventario y ruteo multiescalón (2ELIRP), el cual apoya la toma de decisiones integrales, para que el encargado de diseñar y gestionar la red logística obtenga una adecuada planeación estratégica frente a la incertidumbre y el impacto negativo que puede generar un evento adverso. Más aún, el problema es formulado como un modelo de programación lineal entera, teniendo como principales objetivos, minimizar los costos logísticos privados y su vez, maximizar el bienestar de las áreas afectadas, considerando demanda dinámica, múltiples productos y flota heterogénea. Debido a la complejidad computacional asociada al modelo, se propone un nuevo enfoque de solución, basado en el diseño de algoritmos metaheurísticos evolutivos; el primero, conocido como algoritmo genético de ordenamiento no dominado versión II (NSGAII), el segundo, algoritmo evolutivo de fuerza de Pareto versión II (SPEAII) y el tercero, llamado algoritmo genético (GA), programados en paralelo y ejecutados individualmente bajo un entorno de cooperación. Finalmente, la experimentación llevada a cabo permite inferir que el enfoque paralelocooperativo y netamente paralelo aplicado al NSGAII, mejora sustancialmente los tiempos de procesamiento y la cantidad de soluciones no dominadas, si se compara con los resultados obtenidos por el SPEAII, diseñado bajo idénticas condiciones. Además, al construir un GA con estas mismas características, mejora hasta el 50% de las soluciones en el conjunto de prueba utilizado, con tiempos de cómputo semejantes a su contraparte secuencial. 1
dc.description.abstractenglishDisasters around the world are becoming more frequent, diverse, complex and extremely challenging, causing millions of casualties and affecting both human development and available resources. Consequently, the present study addresses a multiobjective location, inventory and multiechelon routing problem (2ELIRP), which supports comprehensive decision making, so that the logistics network designer and manager can obtain adequate strategic planning in the face of uncertainty and the negative impact that an adverse event can generate. Moreover, the problem is formulated as an integer linear programming model, having as main objectives to minimize private logistics costs and maximize the welfare of the affected areas, considering dynamic demand, multiple products and heterogeneous fleet. Due to the computational complexity associated with the model, a new solution approach is proposed, based on the design of evolutionary metaheuristic algorithms; the first one, known as Nondominated Sorting Genetic Algorithm version II (NSGAII), the second one, Strength Pareto Evolutionary Algorithm version II (SPEAII) and the third one, called Genetic Algorithm (GA), programmed in parallel and executed individually under a cooperative environment. Finally, the experimentation carried out allows inferring that the parallelcooperative and purely parallel approach applied to the NSGAII, substantially improves the processing times and the number of nondominated solutions, if compared to the results obtained by the SPEAII, designed under identical conditions. Moreover, by building a GA with these same characteristics, it improves up to 50% of the solutions in the test set used, with computation times similar to its sequential counterpart
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Industrial
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/42186
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Industrial
dc.publisher.schoolEscuela de Estudios Industriales y Empresariales
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectInventario
dc.subjectLocalización
dc.subjectLogística humanitaria
dc.subjectMultiproducto
dc.subjectOptimización evolutiva
dc.subjectruteo.
dc.subject.keywordEvolutionary optimization
dc.subject.keywordHumanitarian logistics
dc.subject.keywordInventory
dc.subject.keywordLocation
dc.subject.keywordMultiproduct
dc.subject.keywordrouting.
dc.titleModelo de optimización multiobjetivo para el 2e-lirp multi-producto aplicado a la gestión de la cadena de suministro humanitaria
dc.title.englishMultiobjective optimization model for multiproduct 2ELIRP applied to humanitarian supply chain management*3
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
109.53 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.62 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
273.09 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Industrial