Modelo de optimización multi-objetivo 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.contributor.evaluatorGutiérrez Gutiérrez, Elena Valentina
dc.contributor.evaluatorDíaz Bohórquez, Carlos Eduardo
dc.date.accessioned2022-04-01T04:04:39Z
dc.date.available2022-04-01T04:04:39Z
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 multi-objetivo de localización, inventario y ruteo multi-escalón (2E-LIRP), 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 (NSGA-II), el segundo, algoritmo evolutivo de fuerza de Pareto versión II (SPEA-II) 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 paralelo-cooperativo y netamente paralelo aplicado al NSGA-II, mejora sustancialmente los tiempos de procesamiento y la cantidad de soluciones no dominadas, si se compara con los resultados obtenidos por el SPEA-II, 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.
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 multi-objective location, inventory and multi-echelon routing problem (2E-LIRP), 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 Non-dominated Sorting Genetic Algorithm version II (NSGA-II), the second one, Strength Pareto Evolutionary Algorithm version II (SPEA-II) 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 parallel-cooperative and purely parallel approach applied to the NSGA-II, substantially improves the processing times and the number of non-dominated solutions, if compared to the results obtained by the SPEA-II, 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/20.500.14071/9492
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Industrial
dc.publisher.schoolEscuela de Estudios Industriales y Empresariales
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
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-nd/4.0/
dc.subjectInventario
dc.subjectLocalización
dc.subjectLogística humanitaria
dc.subjectOptimización evolutiva
dc.subjectRuteo
dc.subject.keywordEvolutionary Optimization
dc.subject.keywordHumanitarian Logistics
dc.subject.keywordInventory
dc.subject.keywordLocation
dc.subject.keywordRouting
dc.titleModelo de optimización multi-objetivo para el 2E-LIRP multi-producto aplicado a la gestión de la cadena de suministro humanitaria
dc.title.englishMulti-objective optimization model for multi-product 2E-LIRP applied to humanitarian supply chain management
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
181173_licence.pdf
Size:
109.53 KB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
181173_nota.pdf
Size:
273.09 KB
Format:
Adobe Portable Document Format
Description:
Download
Thumbnail Image
Name:
181173_trabajo.pdf
Size:
1.97 MB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Industrial