Documente Academic
Documente Profesional
Documente Cultură
Grupo : Grupo N° 4
Integrantes : - Claudio Jara N.
: - Rodrigo Labarca N.
: - Daniel Lazo P.
Fecha : 28-04-2019
INTRODUCCIÓN
Cada año, las empresas invierten muchos de recursos en investigar e innovar respecto
a la resolución de problemáticas de optimización de recursos y disminución de costos de
producción.
Dentro de este contexto, es que Según Dror y Trudeau (1989, 1990), en el problema
SDVRP, el problema planteado y que varía desde el VRP, es que, a diferencia del segundo,
en donde la restricción de que cada cliente debe ser visitado sólo una vez por el proveedor,
en el primer caso se elimina.
La empresa como tal, cuenta con un número ilimitado de camiones de reparto, pero
su capacidad está restringida a 20 unidades (cajas) por camión. Por otra parte, el costo de
abastecimiento por rutas se encuentra definido, en virtud de los costes de personal,
combustible entre otros.
Es viable señalar que para este caso, se analizará un modelo sencillo, esto dado que,
para un número mayor de clientes, el problema tardaría días en brindar una solución (o más
de una) para resolver el caso.
A fin de lograr un óptimo resultado del planteamiento del problema y encontrar una
solución eficiente y a menor costo para la empresa, es que se aplicará el modelo matemático,
planteado por Archetti et al. (2006), integrando las variables del problema de reparto de
licores, introduciendo, además, valores teóricos para la situación propuesta, con el fin
comprender cómo incidirán cada una de las variables dentro del conjunto problema.
Dentro de aquello, es importante atender que únicamente para el caso de estudio son
soluciones válidas las planteadas, dado que de darse otros factores y variables que puedan
restringir al caso, el modelo debería ajustarse a dicha realidad, pudiendo éstas, incluso asomar
y dar atisbos a nuevas soluciones como las planteadas por Dror y Trudeau (1989), respecto
de las soluciones tabú y algunos algoritmos guiados por la heurística.
Finalmente, y en relación al caso del cual el SDVRP varía (entendiéndose el que SDVRP
es una variante del VRP), se establecerán algunas comparaciones en relación a la aplicación
de uso entre uno y otro, revisando cómo se comporta uno por sobre el otro en algunos casos.
1. DESCRIPCIÓN DE LOS PROBLEMAS SDVRP
Los problemas SDVRP (Split Delivery Vehicle Routing Problem), responden a una
variante de los problemas VRP (Vehicle Routing Problem) o problemas de enrutamiento
vehicular. Básicamente, y como su sigla en inglés lo plantea, es que en el presente caso, se
pueda dividir la entrega del producto a proveer a los clientes.
Se establece para este tipo de ejercicios, que se eliminen algunas de las restricciones
existentes en los casos tradicionales del VRP, como lo son por ejemplo, que un cliente sea
visitado por más de un vehículo de reparto o que la entrega pueda ser fraccionada cuidando,
además, que la demanda de los clientes deba ser satisfecha en un 100%, y que los vehículos
deben terminar su jornada en el aparcadero.
Dror y Trudeau, indican en su artículo, que, pese a que el SDVRP es una variación un
tanto más “relajada” del VRP, este caso sigue respondiendo a un problema NP-Hard, siendo
estos de difícil resolución en forma óptima para instancias mayores a 15 clientes. Es viable
indicar que, los problemas de este tipo (Problemas NP-Hard) son problemas de decisión para
los cuales existe un algoritmo de solución que se ejecuta en tiempo polinomial en una
(hipotética) máquina no determinista.
Para ello, el modelo SDVRP permite como herramienta, que las cargas (entregas) sean
divididas, esto quiere decir, que un cliente (o más de uno, según el caso) sean abastecido por
más de un proveedor, para satisfacer su demanda.
En virtud de lo anterior es que, el SDVRP permite disminuir los costos con respecto al
VRP (C. Archetti, M. G. Speranza y M. Savelsbergh, 2008).
Por otra parte, Sierksma, G. y G. Tijssen, (1998), realizaron una aplicación del SDVRP,
la cual se basaba en la búsqueda de encontrar los vuelos de helicópteros hacia plataformas
marinas con el fin de intercambiar las tripulaciones de la ellas.
Todas las aplicaciones antes señaladas, se han generado a partir de la búsqueda por
mejorar los modelos e ir obteniendo soluciones más óptimas en la medida que las
restricciones a cada caso lo vayan permitiendo.
Para entender de mejor forma lo planteado por los autores, es que a continuación se
modelará el caso solicitado por la jefatura, donde, con las variables y restricciones descritas
en los párrafos anteriores, se generará un Modelo de enrutamiento vehicular con entregas
divididas.
Las demandas a abastecer para cada uno de los clientes, responderán a lo siguiente:
Los Kilometrajes asociados al transporte desde el punto de distribución hacia cada uno
de los clientes, están dados por los siguientes valores:
a) Discoteca Z : 3 km
b) Discoteca Y : 3 km
c) Pub X : 4 km
d) Pub W : 3 km
Ahora bien, es conocido por la distribuidora que, las distancias entre los clientes están
dadas por:
a) Discoteca Z a Discoteca Y : 1 Km
b) Discoteca Y a Pub X : 1 Km
c) Pub X a Pub Y : 1 Km
Por su parte, APUNTO cuenta con una flota homogénea de vehículos, capaz de
transportar un máximo de 20 cajas de licores.
No existe una restricción por parte de los clientes respecto del horario de entrega durante
el día, dado que los locales atienden público durante la noche. Por otra parte, no existe
restricción por parte de los locales, para ser abastecidos por más de un vehículo.
APUNTO cuenta con un staff de trabajadores suficientes para realizar la carga y descarga
de los vehículos durante el día, por lo cual, la variable de dotación de personal es fija y no
influirá en los costos de transporte.
Dado los antecedentes anteriores, APUNTO busca minimizar los costos de entrega y
utilización de flota vehicular, cuidando mantener abastecidos a sus clientes, procurando que
la flota deba regresar a diario al punto de distribución.
Para el caso en cuestión, las demandas de cada uno de los clientes, responden a la
necesidad diaria de abastecerse con licores para su funcionamiento. Es importante señalar
y recalcar, que como se indica en los puntos anteriores, dichos requerimientos deben ser
cubiertos por la distribuidora a punto en un 100%, por lo cual, la demanda total DT, estará
dada por la suma de las demandas individuales de los clientes (Di).
4
𝐷𝑇 = ∑ 𝐷𝑖
𝑖=1
En relación a esta variable, es importante señalar que, durante el día, los vehículos de
encargados de la distribución de los licores, deberán realizar su salida desde el punto del
depósito de licores, realizando su ruta, según bitácora, debiendo terminar dicho recorrido
en el mismo punto.
Corresponde a las distancias en kilómetros que separa a cada uno de los clientes entre
sí, a fin de definir una ruta óptima para cada vehículo de reparto, satisfaciendo las
necesidades de cada uno de ellos.
Para el estudio de los modelos en cuestión, se considera que la compañía cuenta con
la flota necesaria para abastecer los puntos de los clientes.
La determinación del número de vehículos mínimos para abastecer, estará dada por:
∑𝑖 𝐷𝑖
= 𝐹𝑙𝑜𝑡𝑎 𝑀í𝑛𝑖𝑚𝑎 𝑁𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑎
𝑄𝑖
3. APLICACIÓN DE DIAGRAMA DE RUTA SEGÚN CASO EN ESTUDIO
∑𝑛𝑖=1 𝑑𝑖
, 𝑖 ∈ 𝑉 − {0} ,
𝑄𝑖
Donde,
V= Vértice o cliente.
{0}= Equivale al vértice del depósito.
N= número necesario para servir, decir la cantidad de clientes a despachar.
Así, el SDVRP para la minimización del consto puede ser formulado como:
𝑛 𝑛 𝑚
Desarrollando se tiene:
4 4 3
1 2 3 )) 1 2 3 ))
min{[(𝐶00 ∗ (𝑋00 + 𝑋00 + 𝑋00 + (𝐶01 ∗ (𝑋01 + 𝑋01 + 𝑋01
1 2 3 )) 1 2 3 ))
+ (𝐶02 ∗ (𝑋02 + 𝑋02 + 𝑋02 + (𝐶03 ∗ (𝑋03 + 𝑋03 + 𝑋03
1 2 3 )) 1 2 3 ))
+ (𝐶04 ∗ (𝑋04 + 𝑋04 + 𝑋04 + (𝐶10 ∗ (𝑋10 + 𝑋10 + 𝑋10
1 2 3 )) 1 2 3 ))
+ (𝐶11 ∗ (𝑋11 + 𝑋11 + 𝑋11 + (𝐶12 ∗ (𝑋12 + 𝑋12 + 𝑋12
1 2 3 )) 1 2 3 ))
+ (𝐶13 ∗ (𝑋13 + 𝑋13 + 𝑋13 + (𝐶14 ∗ (𝑋14 + 𝑋14 + 𝑋14
1 2 3 )) 1 2 3 ))
+ (𝐶20 ∗ (𝑋20 + 𝑋20 + 𝑋20 + (𝐶21 ∗ (𝑋21 + 𝑋21 + 𝑋21
1 2 3 )) 1 2 3 ))
+ (𝐶22 ∗ (𝑋22 + 𝑋22 + 𝑋22 + (𝐶23 ∗ (𝑋23 + 𝑋23 + 𝑋23
1 2 3 )) 1 2 3 ))
+ (𝐶24 ∗ (𝑋24 + 𝑋24 + 𝑋24 + (𝐶30 ∗ (𝑋30 + 𝑋30 + 𝑋30
1 2 3 )) 1 2 3 ))
+ (𝐶31 ∗ (𝑋31 + 𝑋31 + 𝑋31 + (𝐶32 ∗ (𝑋32 + 𝑋32 + 𝑋32
1 2 3 )) 1 2 3 ))
+ (𝐶33 ∗ (𝑋33 + 𝑋33 + 𝑋33 + (𝐶34 ∗ (𝑋34 + 𝑋34 + 𝑋34
1 2 3 )) 1 2 3 ))
+ (𝐶40 ∗ (𝑋40 + 𝑋40 + 𝑋40 + (𝐶41 ∗ (𝑋41 + 𝑋41 + 𝑋41
1 2 3 )) 1 2 3 ))
+ (𝐶42 ∗ (𝑋42 + 𝑋42 + 𝑋42 + (𝐶43 ∗ (𝑋43 + 𝑋43 + 𝑋43
1 2 3 ))]}
+ (𝐶44 ∗ (𝑋44 + 𝑋44 + 𝑋44
De lo anterior se deberá considerar que:
𝑖≠𝑗
Ya que no hay existencia de recorrido de un vehículo desde el mismo puto, es decir
que, debe recorrer de ir o recorrer, a un cliente o depósito y moverse otro cliente o depósito.
1 2 3 )) 1 2 3 ))
min{[(𝐶01 ∗ (𝑋01 + 𝑋01 + 𝑋01 + (𝐶02 ∗ (𝑋02 + 𝑋02 + 𝑋02
1 2 3 )) 1 2 3 ))
+ (𝐶03 ∗ (𝑋03 + 𝑋03 + 𝑋03 + (𝐶04 ∗ (𝑋04 + 𝑋04 + 𝑋04
1 2 3 )) 1 2 3 ))
+ (𝐶10 ∗ (𝑋10 + 𝑋10 + 𝑋10 + (𝐶12 ∗ (𝑋12 + 𝑋12 + 𝑋12
1 2 3 )) 1 2 3 ))
+ (𝐶13 ∗ (𝑋13 + 𝑋13 + 𝑋13 + (𝐶14 ∗ (𝑋14 + 𝑋14 + 𝑋14
1 2 3 )) 1 2 3 ))
+ (𝐶20 ∗ (𝑋20 + 𝑋20 + 𝑋20 + (𝐶21 ∗ (𝑋21 + 𝑋21 + 𝑋21
1 2 3 )) 1 2 3 ))
+ (𝐶23 ∗ (𝑋23 + 𝑋23 + 𝑋23 + (𝐶24 ∗ (𝑋24 + 𝑋24 + 𝑋24
1 2 3 )) 1 2 3 ))
+ (𝐶30 ∗ (𝑋30 + 𝑋30 + 𝑋30 + (𝐶31 ∗ (𝑋31 + 𝑋31 + 𝑋31
1 2 3 )) 1 2 3 ))
+ (𝐶32 ∗ (𝑋32 + 𝑋32 + 𝑋32 + (𝐶34 ∗ (𝑋34 + 𝑋34 + 𝑋34
1 2 3 )) 1 2 3 ))
+ (𝐶40 ∗ (𝑋40 + 𝑋40 + 𝑋40 + (𝐶41 ∗ (𝑋41 + 𝑋41 + 𝑋41
1 2 3 )) 1 2 3 ))]}
+ (𝐶42 ∗ (𝑋42 + 𝑋42 + 𝑋42 + (𝐶43 ∗ (𝑋43 + 𝑋43 + 𝑋43
Demanda Demanda
20 Cajas n=3 15 Cajas
1 Km.
PUP X
Discoteca
Y n=2
1 Km. Demanda
15 Cajas
Demanda
1 Km.
10 Cajas
4 Km.
PUP W
Discoteca 3 Km.
Z n=4
n=1
fdg
3 Km. 3 Km.
Depósito de la
distribuidora de
Licores
APUNTO v=1 v=2 v=3
Del gráfico y de la ecuación se tiene:
1 2 3 )) 1 2 3 )) 1 2 3 ))
min{[(3 ∗ (𝑋01 + 𝑋01 + 𝑋01 + (3 ∗ (𝑋02 + 𝑋02 + 𝑋02 + (4 ∗ (𝑋03 + 𝑋03 + 𝑋03
1 2 3 )) 1 2 3 ))
+ (3 ∗ (𝑋04 + 𝑋04 + 𝑋04 + (3 ∗ (𝑋10 + 𝑋10 + 𝑋10
1 2 3 )) 1 2 3 ))
+ (1 ∗ (𝑋12 + 𝑋12 + 𝑋12 + (2 ∗ (𝑋13 + 𝑋13 + 𝑋13
1 2 3 )) 1 2 3 ))
+ (3 ∗ (𝑋14 + 𝑋14 + 𝑋14 + (3 ∗ (𝑋20 + 𝑋20 + 𝑋20
1 2 3 )) 1 2 3 ))
+ (1 ∗ (𝑋21 + 𝑋21 + 𝑋21 + (1 ∗ (𝑋23 + 𝑋23 + 𝑋23
1 2 3 )) 1 2 3 ))
+ (2 ∗ (𝑋24 + 𝑋24 + 𝑋24 + (4 ∗ (𝑋30 + 𝑋30 + 𝑋30
1 2 3 )) 1 2 3 ))
+ (2 ∗ (𝑋31 + 𝑋31 + 𝑋31 + (1 ∗ (𝑋32 + 𝑋32 + 𝑋32
1 2 3 )) 1 2 3 ))
+ (1 ∗ (𝑋34 + 𝑋34 + 𝑋34 + (3 ∗ (𝑋40 + 𝑋40 + 𝑋40
1 2 3 )) 1 2 3 ))
+ (3 ∗ (𝑋41 + 𝑋41 + 𝑋41 + (2 ∗ (𝑋42 + 𝑋42 + 𝑋42
1 2 3 ))]}
+ (1 ∗ (𝑋43 + 𝑋43 + 𝑋43
La necesidad de imponer que cada vértice o cliente se visita al menos una vez.
𝑛 𝑚
∑ ∑ 𝑋𝑖𝑗𝑣 ≥ 1 , 𝑗 = 0, … , 𝑚
𝑖=0 𝑣=1
Para el caso sería:
𝑛
1
∑[(𝑋𝑖𝑗 + 𝑋𝑖𝑗2 + 𝑋𝑖𝑗3 )] ≥ 1
𝑖=0
1 2 3 1 2 3 1 2 3
[(𝑋0𝑗 + 𝑋0𝑗 + 𝑋0𝑗 ) + (𝑋1𝑗 + 𝑋1𝑗 + 𝑋1𝑗 ) + (𝑋2𝑗 + 𝑋2𝑗 + 𝑋2𝑗 )
1 2 3 1 2 3
+ (𝑋3𝑗 + 𝑋3𝑗 + 𝑋3𝑗 ) + (𝑋4𝑗 + 𝑋4𝑗 + 𝑋4𝑗 )] ≥ 1
Para j=0,
1
[(𝑋00 2 3 ) 1 2 3 ) 1 2 3 )
+ 𝑋00 + 𝑋00 + (𝑋10 + 𝑋10 + 𝑋10 + (𝑋20 + 𝑋20 + 𝑋20
1 2 3 ) 1 2 3 )]
+ (𝑋30 + 𝑋30 + 𝑋30 + (𝑋40 + 𝑋40 + 𝑋40 ≥1
Para j=1,
1
[(𝑋01 2 3 ) 1 2 3 ) 1 2 3 )
+ 𝑋01 + 𝑋01 + (𝑋11 + 𝑋11 + 𝑋11 + (𝑋21 + 𝑋21 + 𝑋21
1 2 3 ) 1 2 3 )]
+ (𝑋31 + 𝑋31 + 𝑋31 + (𝑋41 + 𝑋41 + 𝑋41 ≥1
Pero i =j=0 (no se puede ir y volver al mismo nodo o cliente), entonces,
1
[(𝑋01 2 3 ) 1 2 3 ) 1 2 3 )
+ 𝑋01 + 𝑋01 + (𝑋21 + 𝑋21 + 𝑋21 + (𝑋31 + 𝑋31 + 𝑋31
1 2 3
+ (𝑋41 + 𝑋41 + 𝑋41 )] ≥ 1
Las ecuaciones que permiten dar a la solución de este problema, pueden crear o
establecer ciertos tour que no pasan por todos los vértices o clientes. Muchas veces
se debe descartar estos ciclos o tour. Miller y Tucker (1960), desarrollaron una
fórmula para eliminar o evitar los subtour.
∑ ∑ 𝑋𝑖𝑗𝑣 ≤ |𝑆 − 1| , 𝑣 = 1, … , 𝑚 ; 𝑆 ⊆ 𝑉 − {0}
𝑖∈𝑆 𝑗∈𝑆
Se requiere además imponer que el vehículo “v” atiende al cliente “i” sólo si
“v” visita “i”, entonces,
𝑛
𝑌𝑖𝑣 ≤ 𝑑𝑖 ∑ 𝑋𝑖𝑗𝑣 , 𝑖 = 1, … , 𝑛 𝑣 = 1, … , 𝑚
𝑗=0
Reemplazando, se tiene:
1 1 1 1 1 )
𝑌11 ≤ 𝑑𝑖 (𝑋10 + 𝑋11 + 𝑋12 + 𝑋13 + 𝑋14
2 2 2 2 2 )
𝑌12 ≤ 𝑑𝑖 (𝑋10 + 𝑋11 + 𝑋12 + 𝑋13 + 𝑋14
3 3 3 3 3 )
𝑌13 ≤ 𝑑𝑖 (𝑋10 + 𝑋11 + 𝑋12 + 𝑋13 + 𝑋14
1 1 1 1 1 )
𝑌21 ≤ 𝑑𝑖 (𝑋20 + 𝑋21 + 𝑋22 + 𝑋23 + 𝑋24
2 2 2 2 2 )
𝑌22 ≤ 𝑑𝑖 (𝑋20 + 𝑋21 + 𝑋22 + 𝑋23 + 𝑋24
3 3 3 3 3 )
𝑌23 ≤ 𝑑𝑖 (𝑋20 + 𝑋21 + 𝑋22 + 𝑋23 + 𝑋24
1 1 1 1 1
𝑌31 ≤ 𝑑𝑖 (𝑋30 + 𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 )
2 2 2 2 2 )
𝑌32 ≤ 𝑑𝑖 (𝑋30 + 𝑋31 + 𝑋32 + 𝑋33 + 𝑋34
3 3 3 3 3 )
𝑌33 ≤ 𝑑𝑖 (𝑋30 + 𝑋31 + 𝑋32 + 𝑋33 + 𝑋34
1 1 1 1 1 )
𝑌41 ≤ 𝑑𝑖 (𝑋40 + 𝑋41 + 𝑋42 + 𝑋43 + 𝑋44
2 2 2 2 2 )
𝑌42 ≤ 𝑑𝑖 (𝑋40 + 𝑋41 + 𝑋42 + 𝑋43 + 𝑋44
3 3 3 3 3 )
𝑌43 ≤ 𝑑𝑖 (𝑋40 + 𝑋41 + 𝑋42 + 𝑋43 + 𝑋44
Otra restricción necesaria para que los clientes puedan satisfacer toda su demanda,
por la entrega de los vehículos, se tiene:
𝑚
∑ 𝑌𝑖𝑣 = 𝑑𝑖 , 𝑖 = 1, … , 𝑛
𝑣=1
Desarrollando,
∑ 𝑌𝑖𝑣 ≤ 𝑄 , 𝑣 = 1, … , 𝑚
𝑖=1
Además, la variable que está relacionada con los trayectos, es decir con los viajes, es:
𝑋𝑖𝑗𝑣 ∈ {0,1} , 𝑖 = 0, … , 𝑛; 𝑗 = 0, … , 𝑛; 𝑣 = 1, … 𝑚.
Donde,
𝑋𝑖𝑗𝑣 = 1
𝑋𝑖𝑗𝑣 = 0
𝑌𝑖𝑣 ≥ 0 , 𝑖 = 1, … , 𝑛; 𝑣 = 1, … , 𝑚
𝑌11 ≥ 0
𝑌21 ≥ 0
𝑌31 ≥ 0
Para el cliente 4 y el vehículo 1:
𝑌41 ≥ 0
𝑌12 ≥ 0
𝑌22 ≥ 0
𝑌32 ≥ 0
𝑌42 ≥ 0
𝑌13 ≥ 0
𝑌23 ≥ 0
𝑌33 ≥ 0
𝑌43 ≥ 0
METODOLOGÍA DE RESOLUCIÓN
𝑐𝑖 ≔ ∞
Repetir (condición de parada)
Fase 1 Generación de una Solución
Construir Solución X0
Fase 2 Mejora de la Solución
Aplicar método de mejora a la Solución X0
Sea X0 la solución obtenida
′)
If 𝑓 𝑥0 < 𝑐 ∗ entonces
(
𝒙∗ ≔ 𝒙′𝟎
𝒄∗ ∶= 𝑓(𝑥0′ )
Luego el método, se encarga de dividir (fraccionar) las rutas, en las que sean más óptimas.
- Crear viajes directos hacia los 4 clientes, considerando las demandas de cada uno de
ellos
- Si existen Clientes con demanda 0, se deben remover del modelo.
- Una vez conseguidos los clientes con demanda > 0, entonces crear una solución
factible con el Método Beasley.
Como el problema es amplio para este caso, se generará una instancia reducida (Ir) en la
cual, la demanda de los clientes estará dada, según cada caso en particular.
Luego de ello, y dado que se generó un Ir y un conjunto de rutas directas hacia los clientes
que cumplen con la característica que su demanda es mayor que 0 o igual a la capacidad de
los móviles de transporte, se buscará mejorar la solución ya planteada.
En la fase de mejora de la situación inicial, se utilizará una búsqueda Tabú planteada por
Arichetti et al. donde dicha búsqueda alcanzará un número Nmaz de iteraciones, hasta que el
algoritmo no logre encontrar una mejor solución que la encontrada hasta ese entonces.
Demanda cliente= 20
cajas
Entonces:
Q-10=10-20=-10
Le falta por entregar 10
cajas más
v=1 Discoteca
Capacidad disponible
10 cajas
Y
v=1
1 Km. Capacidad actual
Q=0 cajas
Discoteca
3 Km.
Z
fdg
Demanda cliente= 10
3 Km.
cajas
Entonces: Depósito de la
Q-10=20-10=10 v=1 distribuidora de
Cliente ok Capacidad=Q
Q=20 cajas Licores
APUNTO
Para el abastecimiento de los clientes, el recorrido del vehículo 2:
PUP X
1 Km.
Discoteca v=2
Capacidad actual
Y Q=10 cajas
v=2
Capacidad actual
Q=20 cajas v=2
3 Km.
Capacidad actual
Q=0 cajas
4 Km.
Depósito de la
distribuidora de
Licores
APUNTO
Para el abastecimiento de los clientes, el recorrido del vehículo 3:
v=3 1 Km.
Capacidad actual
Q=15 cajas
PUP W
3 Km.
v=3
Capacidad actual
Q=20 cajas
3 Km. v=3
Capacidad actual
Q=0 cajas
Depósito de la
distribuidora de
Licores
APUNTO
CONCLUSIONES
Tras un análisis completo del problema en estudio, y una vez logradas identificar las
variables que intervienen en el SDVRP, se advierten situaciones dentro del caso que, según
lo plantea Salas (2012), se puede comparar con el modelo principal de VRP, del cual se
pueden extraer situaciones como que:
Para este caso, se demostró que para satisfacer la demanda de los 4 clientes, fue
necesario la participación de sólo 3 vehículos de reparto, lo cual tendrá una
implicancia directa en la cantidad de choferes y horas hombre, por lo que la empresa
surtidora realizará ahorros significativos en dichos puntos.
b) Para el presente caso, si la demanda de los clientes es muy pequeña, comparada con
la capacidad de los vehículos, se podrá disminuir aún más la cantidad de vehículos en
operación.
En relación a este punto, plantea Salas (2012) que, la demanda de los clientes debe
estar en el intervalo [0.5*Q, 0.75*Q], donde Q es la capacidad de los vehículos.
c) Para los casos de SDVRP en que los costos relacionados con las distancias entre los
Clientes entre sí (discoteca Y, Discoteca Z, Pub X y Pub W) sea mayor a los costos
relacionados con las distancias recorridas por los vehículos para llegar desde el punto
de reparto hacia el Cliente, el Modelo SDVRP no reportará menores que el VRP, por
lo que el ahorro en número de uso de flota, se podría traducir en mayor costo en
distancias de traslado.
d) Lo óptimo para este tipo de repartos, será buscar siempre, que cada vehículo, al
término de su recorrido, haga entrega de la totalidad de su carga, a fin de evitar
traslados de mercadería sin entregar o sin recepción, o bien costos en almacenaje
innecesarios.
Como resultado de la investigación, se logran dar atisbos de sus usos generales dentro de
la industria del reparto, pero es un modelo restringido para pequeñas empresas, donde su uso
podría resolver gran parte de sus problemas para lograr recorridos óptimos.
La realidad de las grandes empresas dista de aquello, donde se deben satisfacer a un gran
número de clientes, y es donde el modelo se torna más ineficiente en su implementación, y
donde se deben aplicar métodos heurísticos para complementar el modelo con las
restricciones que el mercado les impone.
A medida que se sumen más clientes a satisfacer, se harán necesarios nuevos mecanismos
para poder interpretar las necesidades con las que ellos cuenten, y por ende, se generaran
matrices de datos que complementen la información de reparto, además de las necesidades
de cada cliente en específico.
Por otra parte se harán necesarios el conocer otras variables que influyan directamente en
el modelo, como lo son las variables de tráfico, clima, condiciones de tránsito, restricciones
horarias para entrega.
Es aquí donde las nuevas técnicas de uso de datos como Big Data toman roles
protagónicos, donde por un lado, se pueda realizar el cruzamiento de datos de variables, con
el modelo matemático, y así poder construir soluciones más optimas de reparto.
Por otra parte, se puede visualizar que el SDVRP entrega herramientas potentes
incluso para el manejo de personal, dado que su objetivo principal es la minimización de
costos, por ende, si lo llevamos al plano de recursos humanos, podría ser aplicable para la
destinación de tareas dentro de una organización, evaluando por ejemplo, si distribuir una
labor, llámese la fabricación de algún componente, o el diseño de un elemento, entre tantos,
es más eficiente que entregar dicha tarea a un solo colaborador.
BIBLIOGRAFÍA