Diseo de un modelo de optimizacin de rutas de transporte

ELVER A. BERMEO MUOZ* JAIME HERNN CALDERN SOTERO**

Laboratorio de LOGYCA-GS1 Bogot, 2008

* Facultad de Ingeniera. Departamento de Sistemas de Produccin. Universidad Autnoma de Occidente. ebermeo@uao.edu.co ** Integrante del Grupo de Investigacin en Competitividad y Productividad Empresarial GICPE. Universidad Autnoma de Occidente. jhcalderon@uao.edu.co Fecha de recepcin: junio 17 de 2008 Fecha de aceptacin: febrero 10 de 2009

52

El Hombre y la Mquina No. 32 Enero-Junio de 2009

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

Resumen En la actualidad las ciudades se componen de una serie de redes logsticas que estructuran una entidad compacta y compleja, cuya optimizacin juega un rol de gran importancia frente a la sostenibliidad del sistema. En la actualidad existen varios mtodos para la optimizacin de redes logsticas centradas en el transporte urbano de personas y mercancas: TSP (Traveling salesman problem), CPP (Chinese postman problem) y finalmente el VRP (Vehicle routing problem). Cada uno de ellos permite disear rutas de transporte para varios vehculos, que visiten varios puntos especficos, y para entregas que se encuentran dispersas geogrficamente. Sus caractersticas ms importantes son la posibilidad de conocer con anticipacin el tipo de vehculo a utilizar, sus dimensiones, peso mximo a cargar, topologa de las cajas, horario de atencin a cada uno de los clientes, etc. La metodologa (VRP) es poco usada por los operadores logsticos en el pas, quienes utilizan su experticia para programar cada una de las entregas de sus vehculos a los clientes; debido a esto se presentan errores en el desarrollo de las rutas que afectan el servicio prestado. Uno de estos casos es la programacin excesiva de la capacidad de los camiones (sobrepeso) la cual no permite que se realicen todas las entregas a tiempo. Palabras clave: Investigacin de operaciones, logstica, transporte. Abstract At present the cities are made up of a series of logistics nets that structure a compact and complex organization, where their optimi-

Key words: Operations research, Logistics, Transport. Introduccin

zation plays a very important role in the sustainability of the system. At present several methods for the optimization of centered logistics nets in urban transport of people and merchandise: TSP (Traveling Salesman problem), CPP (Chinese postman problem) and finally the VRP (Vehicle routing problem). Each one of them allows designing routes of several vehicles that visit several specific points which are dispersed geographically and some benefits are: the possibility of knowing with anticipation the type of vehicle to use, their dimensions, maximum weight to load, topology of the boxes, schedule of attention to each one of the clients, etc. VRP methodology is seldom used by the logistic operators in the country, who use their experience to program each one of the visits of the trucks to the clients, due to this, errors appear in the development of the routes that affect service, one of them is the excessive programming of the capacity of the trucks (Overweight) which does not allow that all the deliveries are on time.

El sistema de transporte es el componente ms importante para la mayora de las organizaciones, debido a que el xito de una cadena de abastecimiento est estrechamente relacionado con su diseo y uso adecuados. El transporte es el responsable de mover los productos terminados, materias primas e insumos, entre empresas y clientes que se encuentran dispersos geogrficamente, y agrega valor a los productos trans-

El Hombre y la Mquina No. 32 Enero-Junio de 2009

53

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

portados cuando estos son entregados a tiempo, sin daos y en las cantidades requeridas. Igualmente el transporte es uno de los puntos clave en la satisfaccin del cliente. Sin embargo, es uno de los costos logsticos ms elevados y constituye una proporcin representativa de los precios de los productos. Los costos asociados con el transporte son altamente representativos en la cadena de abastecimiento y estn involucrados directamente con la relacin que se tiene con proveedores, clientes y competidores. En Colombia (Acosta de Valencia, 2004): El transporte de carga es una actividad fundamental en el aparato productivo colombiano ya que es el sector que permite que un producto llegue al consumidor final, genere la circulacin de bienes y dinamice la economa. As mismo dice el autor que Se debe resaltar la importancia del transporte de carga por carretera, no slo en cuanto a la carga que se transporta en el territorio nacional, sino tambin en lo relativo a la competitividad de nuestras exportaciones. El sistema de transporte debe integrar las principales zonas de produccin y de consumo del pas, y por lo tanto, la demanda y los costos de transporte juegan un papel determinante en el precio final de los bienes. Tambin se debe tener en cuenta que entre los diferentes modos de transporte de carga, en Colombia resulta particularmente importante la movilizacin por carretera. Por este medio se transporta alrededor del 80% de la carga del pas. Adicionalmente, los costos del transporte son altamente representativos en la cadena de abastecimiento (se ha observado que el movimiento de carga equivale a 1/3 y 2/3 de los costos totales de logstica). Debido a lo anterior, para una administracin efectiva del sistema de transporte es necesaria la

utilizacin de un sistema de asignacin de rutas (VRP), enfocado a la optimizacin del proceso de distribucin de personas y mercancas cuyo objetivo principal es minimizar tiempos y costos en el proceso de entrega y recogida y en general los costos totales de toda organizacin, agregando valor al producto a entregar. Adems, mediante la administracin de un sistema de transporte eficiente y de bajo costo las organizaciones pueden obtener un aumento en la competitividad, en las economas de escala y una reduccin los precios de los productos.

Ahora bien, teniendo en cuenta lo mencionado, la motivacin principal para la realizacin del proyecto Diseo de un modelo de optimizacin de rutas de transporte fue el fomentar el uso de herramientas logsticas para optimizacin de procesos y operaciones, mediante el uso de tcnicas y mtodos que encuentren una solucin adecuada a los problemas complejos como, por ejemplo, la asignacin de vehculos a una ruta de transporte. Este proyecto de iniciacin fue realizado por los estudiantes: Jaime Hernn Caldern Sotero, Yury Shirley Rodrguez y Adriana Mara Molano, de la Universidad Autnoma de Occidente; dirigido por el ingeniero Elver Alfonso Bermeo Muoz, Director del GICPE, y asesorados por el ingeniero Giovanni Arias docente de la Universidad Autnoma de Occidente Definicin VRP (Vehicle Routing Problem) El problema del asignacin de rutas (VRP) es el nombre dado a todas las clases de problemas en donde un conjunto de rutas para una serie de vehculos tienen como origen uno o varios depsitos que se encuentran ubicados geogrficamente, y deben atender un nmero

54

El Hombre y la Mquina No. 32 Enero-Junio de 2009

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

de clientes o ciudades. El objetivo del VRP es minimizar el costo de las rutas, que inician y terminan en un depsito, para un conjunto de clientes con demandas conocidas. El VRP es un problema combinatorio cuyo campo de juego son los las fronteras de un grafo G(V,E). La notacin utilizada para este problema es la siguiente:

v0 , v1 ,.....vn } un con Sea V = { junto de vrtices en donde: v 0 } como el - Sea V = V \ { conjunto de ciudades.

- Se considera un deposito ubicado en v0.

Tambin se considera un tiempo de servicio i (Tiempo necesario para descargar todos los artculos), requerido por un vehculo para descargar la cantidad qi en vi. Se requiere que la duracin total de la ruta de cualquier vehculo (tiempos de servicio adicionales) no sobrepase el limite dado D, as que, en este contexto el costo Cij se toma como el tiempo de transporte entre ciudades. Una solucin factible est compuesta por: Una particin R1,.,Rm de V; Una permutacin i de Ri U 0 Especificando el orden de los clientes en la ruta i.

C es una matriz no negativa de costos o distancias Cij entre los clientes vi y vj. D es un vector de la demandas de los clientes.

A = v , v /v , v V ;i j i j i j como un conjunto de arcos

{ (

El costo de una ruta dada (Ri={v0,v1,,vm+1}), donde vi V y v0=vm+1=0 (0 denota al depsito), es dada por: Una ruta Ri es factible si las paradas del vehculo son exactamente una en cada cliente y la duracin total de la ruta no exceda el limite especificado D: C(Ri ) D. Finalmente, El costo de la solucin del problema S es:

C (Ri ) = i =0 ci , i +1 + i =1 i.
m m

Ri es la ruta para los i vehculos.

Con cada vrtice en V es asociado una cantidad qi de algunos artculos que sern entregados por el vehculo. Adicionalmente el VRP consiste en determinar un conjunto de m rutas vehiculares con un mnimo costo, que empiezan y terminan en un depsito tal, que cada vrtice en V es visitado una vez por uno solo vehculo. Para un fcil cmputo, puede ser definido b(V ) = di / C iV como un lmite inferior obvio en un nmero de camiones necesitados para servir los clientes en el conjunto V.

Cuando Cij = Cji para todos los (vi,vj) se dice que el problema es simtrico y es comn reemplazar los arcos A con un conjunto de frontera E = vi , v j | vi , v j V ;i < j .

m es el numero de vehculos (Todos idnticos). Una ruta es asignada a cada vehculo.

{(

Los diferentes tipo se problemas VRP disponibles se encuentran descritos en la Tabla 1. Metodologas de solucin para sistemas vrp Para solucionar los diferentes tipos de VRP ilustrados en la Tabla 1, se utilizan las siguientes tcnicas:
Mtodos de aproximacin exacta

FVRP (S ) = i =1 C ( Ri ) .
m

[(

) ]

Ramificacin y acotamiento (Branch and Bound) El algoritmo de ramificacin y acotamiento (branch and bound) pertenece a una variedad de estrategias de particin para resolver mo-

El Hombre y la Mquina No. 32 Enero-Junio de 2009

55

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

Tabla 1: Tipos de problemas de asignacin de rutas a vehculos

Tipo de VRP Objetivo Formulacin

Capacitado

Minimizar la ota de vehculos y la suma total del tiempo de transporte, y la demanda total de artculos para una ota mixta de vehculos de Q= Capacidad del vehculo entrega con una capacidad uniforme que debe atender una demanda de clientes conocida para un solo artculo, con un mismo depsito y Demanda total de la ruta= Q : un costo de transporte mnimo.

m i =1

di Q

Multidepsito

Minimizar la ota de vehculos, la suma total del tiempo de transporte, Se denotan el conjunto de depsitos como: y la demanda total de artculos que deben ser entregados desde V0 = { v01 ,......, v0 d } varios depsitos. d , v1 ,...., vm , d }, con Una ruta i es denida por R i = { d V0 . Minimizar la ota de vehculos y la suma total del tiempo de transporte Cada cliente en el PVRP debe ser visitado k veces, donde 1 k M. necesario para suplir todos los clientes. La planeacin se hace para En el modelo clsico del PVRP, La demanda Diaria de un cliente siempre determinado periodo. es ja. Minimizar la ota de vehculos y la suma total del tiempo de transporte necesario para atender a todos los clientes en cada recorrido, Clientes estocsticos: cada cliente vi esta presente con una probabilidad se consideran aleatorios sus demandas, tiempo de servicio y/o pi y esta ausente 1-pi. transporte. Demandas estocsticas: La demanda di de cada cliente es aleatoriamente variable. Tiempos estocsticos: Los tiempos de servicio i y los tiempos de transporte tij son aleatoriamente variables.

Peridico

Estocstico

Backhauls (Retornos fuera El objetivo es encontrar un conjunto de rutas que minimice la dis- El costo de cada ruta es como en el caso de VRP, con restricciones adiciode ruta) tancia total transportada, los clientes pueden demandar o regresar nales. Una ruta es factible si solamente es de entrega, recogida y/o carga. algunos artculos. As que se debe tener en cuenta que el vehculo no sobrepase su capacidad. Entrega y Reparto Minimizar la ota de vehculos y la suma total del tiempo de transpor- Dada una ruta Ri={v0,v1,, vm+1} y el vehculo asignado con una te, con la restriccin de que cada vehculo debe tener la capacidad capacidad C donde: suciente para transportar artculos que vayan a ser repartidos y unos C ( v ) C C (v ) > C p k y d k +1 ; de ellos recogidos en los clientes para regresarlos al deposito. Cd(vk) es la cantidad total de artculos entregados a todos los clientes del a todos los clientes del camino de una ruta que empieza en v0 (deposito) y que terminan en vk: C d (vk ) = vi P (1, vk ) di . P(1,vk) denota los clientes junto al camino desde el deposito hasta C d (vk ) = vi P (1, vk ) di , Incluyendo a este cliente. Ventanas de tiempo Minimizar la ota de vehculos, la suma total del tiempo de transporte y el tiempo de espera necesitado para atender los clientes en una Una ruta ser factible si e0i b0i l 0i , 1 i m y b0 m + 0 m + c0 m, 0 l 0 hora determinada. El costo de la ruta esta dado por m m m

C VRPTW = i = 0 ci ,i +1 + i = 0 i + i = 0 w0i

56

El Hombre y la Mquina No. 32 Enero-Junio de 2009

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

ORIGEN

delos de optimizacin global. Este algoritmo se encarga de mantener un lmite inferior y superior (global) del valor ptimo de la funcin objetivo. Sin embargo, puede ser lento y el esfuerzo crece exponencialmente con el tamao del problema. El problema se divide en dos procesos: En el proceso de ramificacin tendremos en las ramas finales del rbol, todas las soluciones factibles enteras del problema original. Sin embargo, un nodo del rbol puede no requerir ms ramificaciones, en cuyo caso se dice que se acota (poda) esa rama. Esto ocurre porque el problema en el nodo es infactible por lo que todos los subproblemas generados a partir de l sern infactibles tambin (Ver Figura 3).

X1=0 38

Figura 1. Solucin de un sistema TSP para seis ciudades

32.33 X2=0 32.33 X1=1 32.5 X6=1 37

X2=1

2
X1=0 32.5 X4=0 43 43

X4=1

32.5 X4=0 32.67

3
X6=0 X4=1 32.75 X4=0 18.5 33

4 9 6

Pruned for bound 33

10

11

X1=1

Ramificacin y corte (Branch and cut)

8
47

Pruned X4=1 for bound

Pruned for bound

14

15

Pruned for optimality 38

Pruned for optimality

Pruned for optimality

12

Pruned for bound

13

Figura 2. Mtodo utilizado por el algoritmo de ramificacin y acotamiento

Pruned for bound

Fuente: Kunthal, Samantha. Tabu Search for Pure 0-1 Integer Programs. [en lnea] Universidad de Buffalo. Buffalo: New York. [consultado el 2 de Marzo 2004] Disponible en web: <http://www.eng. buffalo.edu/~ksamanta/projects/index.html.>

El algoritmo de ramificacin y corte es una generalizacin del algoritmo de ramificacin y acotamiento (branch and bound); emplea una combinacin de planos de corte y enumeracin implcita para resolver problemas. La idea bsica es encontrar las restricciones vulneradas (Ver Figura 3).
Mtodos heursticos

Construccin: Crea de forma gradual una solucin factible a la vez que trata de minimizar el cosoe, pero de por s no tiene una fase de mejora. Modelo de los ahorros (Savings Criterion Clarke and Wright 1958) El algoritmo del ahorro de Clarke and Wright es una de las heursticas VRP ms conocidas. Este

Realizan una exploracin limitada en el espacio de soluciones. Producen soluciones razonablemente buenas con tiempos de computacin modestos. A su vez se clasifican en:

Figura 3. Mtodo utilizado por el algoritmo de ramificacin y corte Fuente: Jnger M. and Strmer P. Solving large-scale traveling salesman problems with parallel Branch-and-Cut.[en lnea] Universitt Passau. Frankurt: Alemania [consultado el 2 de Marzo 2004] disponible en web: <http://www.informatik.uni-koeln.de/oldls_juenger/staff/stoermer.html> El Hombre y la Mquina No. 32 Enero-Junio de 2009

57

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

modelo se aplica a problemas en los cuales el nmero de vehculos no es fijo, y funciona adecuadamente para problemas directos e indirectos. Cuando dos rutas (0,...,i,0) y (0,j,...,0) pueden ser fusionados en una sola ruta (0,...,i, j,...,0), una distancia de ahorro es generada (0,...,i, j,...,0). Esta metodologa se divide en tres fases (Ver Figura 4):

Determine el primer ahorro ki o kl que puede ser factible para fusionar la ruta actual con otra ruta que termine con (k,0) y empiece (0,l) Luego, se implementa la fusin y se repite esta operacin para la ruta actual. Si no existen ms fusiones factibles, considera una nueva ruta y aplica las operaciones realizadas anteriormente. El proceso se detiene cuando no se encuentran rutas para fusionar que sean factibles. Con respecto al clculo del ahorro, este se hace para todos los pares de clientes, seleccionando el que presenta mayor ahorro y que sea factible. Igualmente hay que satisfacer todas las restricciones del caso, tales como ventanas de tiempo, capacidad del vehculo, entre otras restricciones. Finalmente, el conjunto de rutas se revisa y el proceso de clculo de ahorros contina hasta no tenerlos. As mismo, los ahorros tambin pueden ser estimados considerando la incorporacin de clientes en rutas con varios clientes.
Mtodos meta heursticos

Figura 4. Modelo de los ahorros - Clarke and Wright

Fase I: Clculo del ahorro

2. Cree n rutas vehiculares (0 ,i,0) Para i = 1,,n. 3. Ordene las rutas sin aumentar el ahorro.
Fase II: La mejor fusin factible

1. Calcule el ahorro ij= ci 0 + c0 j cij para i, j, .., n y i j.

Empezando del encabezado de la lista de los ahorros, ejecute lo siguiente: Dado un ahorro ij, determine cul de las dos rutas existentes pueden ser fusionadas factiblemente: Una que empiece con (0, j) Una que termine con (i ,0) Combine estas dos rutas borrando (0, j) y (0, i ) e introduciendo (i ,j) .
Fase III: Versin secuencial

Considere la ruta (0, i , .., j, 0)

Ant colony (Colonia de hormigas): Esta meta heurstico utiliza una sola colonia de hormigas para minimizar simultneamente las tres funciones objetivo: el nmero de vehculos utilizados, la distancia total recorrida y el tiempo total de entrega. Todas las funciones comparten los mismos rastros de feromonas. De esta manera, el conocimiento de buenas soluciones es igualmente importante para cada funcin objetivo.

Son mtodos que realizan una exploracin intensiva del espacio de soluciones. La calidad de las soluciones de estos mtodos es mucho mayor que la obtenida por los heursticos clsicos. A continuacin se describirn algunos de estos:

58

El Hombre y la Mquina No. 32 Enero-Junio de 2009

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

Algoritmos genticos: Los algoritmos genticos son mtodos sistemticos para la resolucin de problemas de bsqueda y optimizacin que aplican a estos los mismos mtodos de la evolucin biolgica: seleccin basada en la poblacin, reproduccin sexual y mutacin. En un algoritmo gentico, tras parametrizar el problema en una serie de variables, (xi,..., xn) se codifican en un cromosoma. Las soluciones codificadas en un cromosoma compiten para ver cul constituye la mejor solucin (aunque no necesariamente la mejor de todas las soluciones posibles). Metodologa
Utilizando un sistema VRP

Bsqueda tab (Tab search): La bsqueda tab es un procedimiento o estrategia dado a conocer en los trabajos de Glover (1998 y 1990), y est teniendo grandes xitos y mucha aceptacin en los ltimos aos. Es un procedimiento que explora el espacio de soluciones ms all del ptimo local. Se permiten cambios hacia arriba o que empeoran la solucin, una vez que se llega a un ptimo local. Simultneamente los ltimos movimientos se califican como tabs durante las siguientes iteraciones para evitar que se vuelva a soluciones anteriores y el algoritmo cicle. El trmino tab hace referencia a un tipo de inhibicin a algo, debido a connotaciones culturales o histricas y que puede ser superado en determinadas condiciones.

relacionada con toda la cadena de abastecimiento. En la operacin diaria del transporte es necesario decidir cules clientes visitar con un vehculo, los puntos de entrega, las capacidades de los vehculos y la secuencia de cada una de las visitas, con el fin de obtener menores costos y cumplir con un nivel de servicio dado. Debido a la complejidad de los problemas en la operacin del transporte, existe un efecto combinado de variabilidad, incertidumbre, dinmica y complejas interdependencias entre los elementos del sistema.

La mayor parte de empresas transportadoras y operadores logsticos realizan la planeacin de la operacin de una manera emprica, basados en la experiencia de su personal, y en muchos casos generan sobrecostos por la no utilizacin de un modelo que optimice la distribucin y el transporte. Debido a lo anterior, y mediante este proyecto, se quera que con la utilizacin de un sistema VRP, la organizacin seleccionada diera respuesta a sus problemas en la planeacin de la operacin del transporte mediante la utilizacin de tcnicas y herramientas (cuantitativas) que le permitieran plantear un modelo que pudieran utilizar sin importar los cambios que presenten las variables analizadas en el tiempo. Para alcanzarlo se escogi una empresa transportadora representativa que manejara un volumen considerable de carga en la regin del Valle del Cauca.

En el mercado actual altamente competitivo, la presin del costo y los requerimientos de servicio conducen a la necesidad de tener una estrategia slida de administracin de activos, automatizacin de procesos, operaciones de enrutamiento y transporte, siendo esta ltima una importante decisin operacional

A continuacin se describirn cada una de las fases realizadas para la aplicacin de este modelo.
Fase I: Aprendizaje

Antes de iniciar cualquier proceso de adaptacin e implementacin VRP, era necesario que el

El Hombre y la Mquina No. 32 Enero-Junio de 2009

59

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

equipo investigador comprendiera esta metodologa, sus alcances, utilizacin y conceptualizacin. Como referencia para adentrarse en la conceptualizacin del VRP se analizaron alrededor de ocho papers, de los cuales se destacan: 1. Un problema hbrido de dos etapas de bsqueda local para ruteo de vehculos con ventanas de tiempo.

2. Flexibilidad en la programacin y maximizacin de la contribucin en problemas de ruteo de vehculos con ventanas de tiempo. 3. Mtodo de descomposicin de redes que identifica la estrategia ptima de transporte (1981)

En tanto la estructura matemtica es utilizada para modelar el sistema de transporte inicial, la metodologa informtica depende de la complejidad del sistema. Esta encontrar una solucin ptima mediante herramientas de programacin. Todas las soluciones a un sistema VRP son aproximadas, hasta la fecha no ha sido posible encontrar una solucin 100% cercana al ptimo, lo mximo ha sido un 98%.

Entonces, el grupo de investigadores analiz los siguientes modelos:

Despus de analizar esta documentacin se estableci que eran necesarios dos factores fundamentales para un sistema VRP: una metodologa matemtica y una metodologa informtica.

1. Un problema hbrido de dos etapas de bsqueda local para ruteo de vehculos con ventanas de tiempo. Funcin objetivo: Minimiza los costos de transporte, con pocas rutas y altos costos de transporte.

La metodologa matemtica buscaba que la situacin real pudiera ser modelada en un sistema de ecuaciones, utilizando la ya conocida programacin lineal. Este sistema se encuentra compuesto principalmente por una funcin objetivo que busca minimizar los costos de transporte o la distancia recorrida. Luego, se definen una serie de restricciones matemticas que buscan adaptar la formulacin del problema a las diferentes situaciones particulares del sistema del transporte como la capacidad del vehculo, velocidad, nmeros de clientes a atender, horario de salida y regreso de los vehculos al depsito central, etc. Igualmente, las restricciones permiten regular los diferentes escenarios del problema, como por ejemplo que la capacidad y el volumen disponibles en los vehculos no se sobrepase.

Heurstica utilizada: Simulated Annealing.

Este modelo de ruteo est dividido en dos etapas fundamentales: Minimizar el nmero de rutas, como primera fase y minimizar el costo de transporte, como segunda fase. Estas dos etapas son utilizadas debido a que si se centra solo en el costo de transporte puede hacer que se dificulte la solucin al modelo, dando como resultado menos rutas y esto puede obligar a degradar considerablemente la funcin objetivo.

En la primera fase, minimizacin de rutas, se utiliza una vecindad grande o neigboorhood, grande, es decir una agrupacin de clientes de un sector, y los reubica de tal manera que los clientes de rutas pequeas se ubiquen en una ruta grande, mientras las violaciones a las ventanas de tiempo y retrasos al plan de ruteo original sean mnimos. En la segunda fase se evala el costo de ubicar el cliente en la nueva vecindad y se hacen n pruebas en

60

El Hombre y la Mquina No. 32 Enero-Junio de 2009

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

las que se minimiza el costo total de la ruta.

Formulacin matemtica Funcin objetivo

0 = 0 i = max( i- + ci-i , ei ) El tiempo de servicio ms temprano i , denotado por ai , es definido como ai = max ( i-+ ci-I , ei) ( i customers) + ss ( i customers)

Donde =
m i =1

f() = , t (r )
r

Y su tamao es { r cust(r) 0 } y t(r)= c0v2 + cv1v2+ + cv1-nvn + cvn0

cust (ri ) = Custumers cust (ri ) cust (rj)= 0 (1 i < j m)

Es el costo total de visitar todos los clientes de una ruta r. Restricciones

Capacidad

Y el tiempo tardo para un cliente i, el cual no viola las restricciones de las ventanas de tiempo de i en esa ruta, denotada por zi , est definida recursivamente como: z0 = l0 zi = min(zi + -cii + -si , li) (i customers)
Costos

q (r ) =

Donde,

q (rj ) Q ( 1 j m);

q i 0 La demanda de cada cliente i es mayor que cero Ventanas de tiempo El lmite inferior de la ventana de tiempo de una ruta debe ser inferior al lmite superior de la misma ventana. El lmite inferior de la ventana de tiempo de un cliente i debe ser inferior al lmite superior de la misma ventana. El tiempo de servicio de un cliente i debe ser mayor que cero. El tiempo de salida a un cliente i est dado por: si 0 ai li (i customers) a(rj) l0 ( 1 j m)

La sumatoria de la demanda de cada cliente de una ruta no excede la capacidad del camin1.

c cust ( r )

Los costos de transporte satisfacen la siguiente inecuacin triangular: El costo normalizado de transcij porte es c =
ij i , jsitios

cij + cjk cik.

max cij

2. Flexibilidad en la programacin y maximizacin de la contribucin en problemas de ruteo de vehculos con ventanas de tiempo.[9]
Caractersticas generales

Funcin objetivo: Maximizar la utilidad recibida del transporte, por ahorros de tiempo y evitando las penalizaciones por llegadas tardas.

Heurstica utilizada: Generalizad savings criterion, Generalizad Regret criterion, y insertion Heuristic. La maximizacin de la contribucin en un problema de ruteo de

1 Los camiones son idnticos; tienen igual capacidad.

El Hombre y la Mquina No. 32 Enero-Junio de 2009

61

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

vehculos con ventanas de tiempo (CMVRPTW) en donde la capacidad de los vehculos ubicados en un depsito es requerida por el esparcimiento geogrfico de los clientes en una regin dada, dentro de un periodo especifico de programacin.

=1k K

w W j j NU d k

X { ( )}

w o ( k ), j , k

(5)

Las bondades de este modelo es que puede ser usado para estudiar un nmero de combinaciones de precios y para la distribucin de la programacin El modelo se apoya en la flexibilizacin de la programacin, en donde se aprovecha el cumplimiento del horario asignado por los clientes a un vehculo. Los transportadores de carga pueden utilizar esta flexibilidad para reducir los costos de operacin diseando rutas ms eficientes. Una de las principales caractersticas de este modelo es que a un vehculo se le permite llegar tarde a una entrega, y cuando esto sucede incurre en una penalizacin econmica. Formulacin matemtica
Funcin objetivo

En donde todos los vehculos pueden partir de su ubicacin original o(k), y transportarse a uno de los clientes j N o a su destinacin d(k) (5).
w W j i NU o k

X { ( )}
w W iN U d k

w i, j , k

= 0 k K , j N
Despus de realizar un servicio, cada vehculo puede partir al cliente (6)
w W d ( k) i NU o ( k )

X { ( )}
i

w j ,i, k

(6)

=1 k K

X { }

w i ,d ( k ), k

(7 )

y finalmente tiene que arribar a su ubicacin destino d(k) (7). La factibilidad del tiempo de programacin es garantizada por las restricciones 8 y 9
wj X ijk (bi + si +tij b w j )0 (8) k K ,w W j, (i,j ) A k

max
w W

kK jV

c
K

(p(q , w)
k K (i, j ) A
K

ciwj k Xiwj k (2)

k f

w X oj k

Restricciones

Sujeto a
d (k )} wW j k K j N U{

k K , w W j , j V k
(3)

e jw b w j l jw

(9)

X iwj k =1 i N

Las restricciones 10 a 12 aseguran la factibilidad de la carga

wj (Qik + q j Q jk ) 0 X ijk

La restriccin 3 asegura que cada cliente j sea servido exactamente una vez en una de las ventanas de tiempo permitidas por un vehculo en particular.

k K,w W j, (i,j ) Ak

(10)

w W j kK j N

w o ( k ), j ,k

( 4)

q j Q jk C k (11) k K, j N U{d ( k )}
Qok( k ) =q o (k ) k K (12)

62

El Hombre y la Mquina No. 32 Enero-Junio de 2009

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

y las condiciones binarias en el flujo de variables definidas en la restriccin 13. Determinacin del rea de anlisis Se determin un rea especfica para realizar el modelo, y considerando la finalidad acadmica del proyecto se seleccion una zona que proporcionara la informacin necesaria para un anlisis significativo del proceso de asignacin de rutas actual. La empresa transportadora tiene designadas unas 45 rutas que comprenden la zona urbana de Cali, sus corregimientos y municipios vecinos; cada ruta puede contener alrededor de unos 75 clientes (aproximadamente 3.375 clientes). Para realizar el modelo se tom la zona que representa la mayor agrupacin de clientes y presentaba mayores problemas a la organizacin. Se escogi la zona centro de la ciudad de Cali en un rea comprendida entre la Carrera 1 y la Carrera 25, entre Calles 1 y 14. En este sector las rutas de reparto correspondientes son de la 2 a la 5 y de la 7 a la 9. Primero, se observ el proceso de enrutamiento, actividad clave para el modelo y se encontr que la asignacin de rutas era realizada por una persona con gran experiencia que organiza las entregas segn su parecer, por lo tanto, no exista un criterio cuantitativo que permitiera asignar las entregas a los vehculos teniendo en cuenta el lugar, el tiempo, el costo, etc.

Laboratorio de LOGYCA-GS1 Bogot, 2008

Segundo, se realiz el acompaamiento a cada una de las rutas seleccionadas con la finalidad de recolectar datos como distancias, tiempos, y verificar la metodologa utilizada para hacer las entregas y las recogidas de mercanca. Un factor predominante que se detect en este acompaamiento fue la diferencia que existe en lo que se hace

Adems, durante los recorridos se observ que la presencia de guardas de trnsito en el sector no permite ubicar el vehculo cerca de los destinatarios, lo cual ocasiona que se deban asignar puntos temporales de descarga de la mercanca en donde un estibador se encarga de las entregas, mientras el otro cuida la mercanca. Mientras tanto, el vehculo realiza un recorrido adicional hasta que pueda encontrar una zona de parqueo. En algunas ocasiones los destinatarios no reciban la mercanca sin cita previa y por lo tanto la entrega no poda ser cumplida. As mismo se detect en el proceso de distribucin de mercanca la inadecuada asignacin de estos tres factores: ruta, vehculo, conductor y estibador; en este proceso se utilizan medios manuales y por su misma naturaleza se programa diariamente, sin tener en cuenta una asignacin habitual de conductores y estibadores que puedan manejar ms

y lo que se planea, debido a que el enrutador planea el recorrido que debe realizar cada vehculo, pero este recorrido no se cumple debido a que los conductores cambian la asignacin original que se plante.

efectivamente la ruta, y periodos de descanso para el personal, de tal forma que eviten el levantamiento continuo de pesos elevados. Finalmente, el tiempo para entregar la mercanca tambin se ve afectado por factores externos tales como la espera de ascensores, los tiempos de espera en colas cuando se hacen entregas en almacenes de cadena y el tiempo destinado por los clientes cuando cancelan el servicio en efectivo. Fase III: Seleccionando el modelo a utilizar La complejidad de un modelo de asignacin de rutas que permita la representacin de un sistema depende directamente de la informacin de entrada que se suministre; a medida que se posea un mayor conocimiento e informacin del sistema el modelo permitir una mejor representacin del sistema real y por consiguiente la calidad de los resultados ser mayor.

Para seleccionar un modelo a utilizar se debe tener en cuenta cmo se realiza la actividad de entregas y qu restricciones se presentan en el transcurso de la mis-

El Hombre y la Mquina No. 32 Enero-Junio de 2009

63

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

2. Algoritmo de construccin: Savings Criterion (Mtodo de los ahorros) Fase IV: Simulacin del modelo
Adaptacin de los datos

Al finalizar la recoleccin de datos en el acompaamiento, era necesario adaptar la informacin de manera que se pudiera procesar en la aplicacin informtica. Para ello se realizaron los siguientes pasos (Ver Figuras 5 y 6) 1. Identificacin de destinatarios y su frecuencia de visita
Laboratorio de LOGYCA-GS1 Bogot, 2008

2. Construccin de una lista de clientes por ruta. 3. Ubicacin de cada cliente (latitud- longitud) con respecto al origen de coordenadas: Bodega principal. Para este procedimiento se utiliz un mapa digital para obtener una mayor precisin. 4. Unificacin de una lista de clientes de todas las rutas analizadas teniendo en cuenta su posicin (longitud, latitud y peso a entregar). Resultados obtenidos Al obtener esta lista unificada era posible ingresar al software la informacin para ser procesada. Igualmente fue necesario determinar la capacidad del vehculo de reparto local que en este caso se tom como un estndar por vehculo de 2.8 toneladas, el cual es un factor predominante en la organizacin analizada. Por limitaciones del software se dividi la lista de clientes en dos grandes grupos: de la ruta 2 a la 5 y de la ruta 5 a la 9. Para cada grupo se realizaron treinta simulaciones. Luego de cumplido el nmero de iteraciones (determinado en los

ma, como por ejemplo tiempos de espera para entregar la mercanca, tiempo de pago, pago del servicio, sistemas de probabilidad en el caso que se desconozca la ubicacin de los clientes y el volumen a entregar. Se seleccionar el modelo VRP que se adapte a las necesidades y se da con frecuencia la necesidad de combinar varios modelos que representen la situacin actual. El modelo seleccionado utiliza el mtodo de los ahorros, con el fin de reducir la distancia total viajada por todos los vehculos y minimizar indirectamente el nmero de vehculos necesarios para atender todas las paradas, sin exceder su capacidad. El mtodo de valoracin de ahorros de Clarke and Wright es suficientemente flexible como para manejar un amplio rango de restricciones prcticas, siendo relativamente rpido de calcular en una computadora para problemas con un nmero moderado de paradas y capaz de obtener soluciones que se encuentran al 2% del ptimo.
Software a utilizar

tas de transporte: Nivel acadmico y Nivel industrial. Las diferencias radican en la capacidad para el procesamiento de datos y el nmero de restricciones que involucran. Debido a la falta de un acuerdo con los representantes de Caps Logistics para la adquisicin del software Route Pro que permita manejar parmetros ms complejos como ventanas de tiempo y costos, se utiliz el software VRP Solver 1.3 [19] para realizar la simulacin de las rutas de la zona centro, como resultado se obtuvo una serie de rutas asignadas de acuerdo con la distancia entre los clientes y la capacidad (carga) de los vehculos de reparto local. Implementa la adaptacin del algoritmo del ahorro de ClarkeWrignt para problemas VRP. Utiliza operadores de movimiento de Intercambio (Swap) y reubicacin (Or-opt) en su heurstica de mejoramiento. El software VRP Solver 1.3 [19] utiliza para la solucin de este tipo de problemas dos tipos de herramientas: 1. Algoritmo de exploracin: Branch and Bound

Existen dos tipos de software utilizados para la asignacin de ru-

64

El Hombre y la Mquina No. 32 Enero-Junio de 2009

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

parmetros) para cada simulacin, se encontr la mejor solucin, la cual contiene:

Nmero de rutas requeridas para visitar TODOs los clientes de la lista, en un solo viaje, sin sobrepasar la capacidad del vehculo, mediante un criterio cuantitativo definido.

Posicionamiento de clientes en cada ruta, a una distancia mnima y aplicando los principios de VRP (Ver Figura 7). La mejor optimizacin fue encontrada en la ruta 2, en donde se logr disminuir la distancia total recorrida en un 8% (de 11,93 km. a 10.98 km.) y la ruta 8 en un 19% (teniendo en cuenta que se puede optimizar hasta un 20%) del 18% (de 17,56 km. a 14,34 km). Igualmente se le entregaron a la empresa los estndares para cada ruta: Tiempo de entrega, distancia recorrida, y unidades a entregar. Esta informacin es de vital importancia para continuar la utilizacin de la metodologa VRP (ver Figura 8).

Figura 5. VRP Solver

Finalmente, adems de estos resultados, se crearon una serie de recomendaciones a tener en cuenta por la gerencia para optimizar el proceso, tales como: mejorar la comunicacin del conductor y del enrutador para analizar las ltimas novedades en la ruta. Una opcin puede ser que haya semanal o quincenalmente una reunin para discutir cada ruta individualmente; a tal reunin deben asistir los conductores que hayan realizado la ruta y los enrutadores. Esta no debe ser mayor de 20 minutos y su resultado debe ser un reporte de inconvenientes y aportes y/o sugerencias de cada conductor con respecto a la ruta en discusin y establecer polticas para la asignacin de conductores y estibadores a los mviles que se adapten a los cambios continuos que se deben realizar, con

Figura 6. Insercin de datos en el VRP Solver

una rotacin moderada y sanamente asignada, que vigile la integridad fsica y mental de los empleados y que respete sus preferencias y las de los clientes, para que exista un mayor nivel de satisfaccin de los clientes internos y externos.

Conclusiones

Como respuesta a las condiciones globales es necesario que los operadores logsticos tomen una actitud agresiva frente a las nuevas exigencias del mercado, ms aun cuando estamos en vspe-

El Hombre y la Mquina No. 32 Enero-Junio de 2009

65

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

Figura 9. Mejores simulaciones encontradas

Figura 7. Determinacin de parmetros para la simulacin

Simulacin Distancias Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5 Ruta 6 Ruta 7 Total Peso Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5 Ruta 6 Ruta 7 Total Time Build Time Improve Time Or-Opt Time Num Or-Opt[3]

17 53.52 56.51 58.43 50.76 51.25 72.8 64.5 407.77 2742.21 2795.64 2541.81 2373-45 2366.5 2797.44 2782.38 93.62 1.11 95.52 36.84 27 97.94% 99.84% 90.78% 84.77% 84.52% 99.91% 99.37%

La caracterstica ms importante de utilizar simulacin es la evaluacin de alternativas operativas (escenarios) mediante las tcnicas de simulacin que permiten recrear la actividad actual de cualquier organizacin y tomar decisiones no tan apresuradamente, como suele hacerse. Los ahorros de la simulacin se comprueban al identificar y eliminar problemas e ineficiencias que no podran ser detectadas antes de la implementacin, reduce costos al eliminar sobre diseos y factores excesivos de seguridad que son aadidos cuando algunos proyectos son inciertos. Investigaciones futuras Este proyecto es solo una pequea parte de la aplicacin que puede drsele a los sistemas de VRP; a continuacin se exponen las investigaciones futuras que se derivan del proyecto Diseo de un modelo de optimizacin de rutas de transporte como la construccin de un modelo matemtico de ruteo VRP que utilice simultneamente la variabilidad de demanda y clientes como parmetros. Igualmente desarrollar una heurstica de solucin que se acerque al ptimo necesario. La implementacin de un sistema VRPTW a un operador logstico de la regin por un tiempo extendido. Para cumplir esta investigacin es necesario que la empresa dispuesta a participar en el proyecto est comprometida con este mejoramiento, y realizar un diagnstico entre los operadores logsticos de la regin, en el que se describan las diferentes herramientas que utilizan para la programacin y asignacin de rutas. Esta investigacin permitir que las empresas se actualicen y se adapten a un sistema VRP en caso de que alguna no lo utilice.
El Hombre y la Mquina No. 32 Enero-Junio de 2009

petitiva y a su vez analizar y dar soluciones a los requerimientos de los clientes con un mnimo costo.

Figura 8. Resultados VRP Solver

ras de adoptar el Tratado de Libre Comercio-TLC en nuestro pas, el cual sin duda, traer consigo nuevas empresas de transporte que muy probablemente dominarn eficientes herramientas de anlisis para la toma de decisiones que les permitir minimizar riesgos y ofrecer atractivas ofertas de servicio. El VRP es una tcnica para asignar rutas de transporte a una serie de vehculos que deben entregar mercanca definida, y reemplaza las tcnicas actuales que se rigen por la experiencia y que estn siendo utilizadas por las organizaciones colombianas. Con la implementacin de esta tcnica podran optimizar la planeacin de la estrategia com-

Simulacin Distancias Ruta 1 Ruta 2 Ruta 3 Ruta 4 Total Peso Ruta 1 Ruta 2 Ruta 3 Ruta 4 Total Time Build Time Improve Time Or-Opt Time Num Or-Opt[3] Num Or-Opt[2] Num Or-Opt[1] Num 2-Oct: Num Swap

15 66.54 47.23 70.05 26.08 209.9 2768.69 2619.43 2796.85 843 58.77 0.44 58.33 160.45 48 225 11 20 37

66

Elver A. Bermeo Muoz Jaime Hernn Caldern Sotero

Diseo de un modelo de optimizacin de rutas de transporte

[1] Acosta de Valencia, Zenaida. Regulacin de los servicios de transporte en Colombia y comercio internacional. Bogot: Colombia. Departamento Nacional de Planeacin (DNP). 2004. 40 p. [2] Aksen, Denise. Customer selection and profit maximization in profit maximization in vehicle routing problems. Istanbul: Turqua. Koc University. 2005. 13 p. [3] Ballou, Ronald H. Business logistics management: Planning organizing, and controlling the suppy chain. 4 ed. Uppler Saddle River: New Jersey. Prentice-Hall, 1999 + 1 C. D. 2000. 816 p. [4] Baptista Lucio, Pilar; Fernndez Collado, Carlos y Hernndez Sampiere, Roberto. Metodologa de la investigacin. Ciudad de Mxico: Mxico. Mc Graw Hill, 1996. 505 p. [5] Baran, Benjamn. Comparacin de un sistema de colonias de hormigas y una estrategia evolutiva para el problema del ruteo de vehculos con ventanas de tiempo en un contexto multiobjetivo. [en lnea]. Asuncin: Uruguay. Centro Nacional de Computacin, Universidad Nacional de Asuncin. 2004. [Consultado 11 Febrero de 2004] Disponible en web: <http://www.cnc.una.py/cms/invest/ download.php?id=94784,52,1> [6] Bent, Rusell y Hentenryck, Pascan Van. Two stage hibrid local search for vehicle routing problem with time Windows. Brown University. 2001. 26 p. [7] Bramel, Julien. Logic of Logistics: Theory, Algorithms, & Applications for Logistics Management. New York: New York. Springer-Verlag, 1997. 285 p [8] Christopher, Martin. Estrategia Logstica. 3ed. Mxico. Limusa, 2000. 327 p. [9] Clarke, G. and Wright J. Scheduling of vehicles from a central depot to a number of delivery points, Operations Research, 12 #4, 568 p -581 p, 1964.

Bibliografa

[10] Dullaert, Wort. Scheduling flexibility and the contribution maximizing vehicle routing problem. [en lnea] Providence: RI. Brown University. [Consultado 11 de Febrero de 2004] Disponible en web: < http:// ingenieur.kahosl.be/vakgroep/IT/ Patat2002/OtherTT/Dullaert.pdf [11] Hall, Randolph. Handbook of Transportation Science. Stanford: California. Kluwer Academic Publishers, 2002. 570p. [12] Hillier, Frederiks, Lieberman, Gerald J. Introduccin a la Investigacin de Operaciones. Editorial Mc graw Hill, Bogot: Colombia. 2001. 1088 p. [13] Jhonson, David s y McGeoch, Lyle A. The Traveling Salesman Problem: A Case Study in Local Optimization. Amherts College. Department of Mathematics and Computer Science. 1995. [14] Larse, Allan. The Dinamic Vehicle Routing Problem. Copenhague: Dinamarca. Editorial MM, 2000. 208 p. [15] M. W. P , Savelsbergh. An Efficient Approximation Algorithm for the Fixed Routes Problem. Eindhoven University of Technology. [en lnea]. Atlanta: Georgia. Georgia Institute of Technology. 1992. [Consultado 11 de Marzo de 2004] Disponible en web: <http:// www2.isye.gatech. edu/~mwps/publications/jobl16. pdf> [16] I. H. Osman. Metastrategy simulated annealing and tabu search algorithms for the vehicle routing problem. Annals of Operations Research, 41:421 - 451, 1993. [17] Rego, Cesar. Node Ejection Chains for the Vehicle Routing Problem: Sequential and Parallel Algorithms. [en lnea]. Oxford: Misssissipi. Hearin Center for Enterprise Science, School of Business Administration. University of Mississipi.1997. [Consultado Febrero 20 de 2004] Disponible en web: <http://uportu.pt/~crego/ papers/parallel.ps> [18] Rusell, Bent. A two stage hybrid local search for vehicle routing problem with time windows. Ufsia-Ruca

Faculty of Applied Economics. [en lnea]. Antwerpen: Blgica. University of Antwerp. 2001. [Consultado Febrero 20 de 2004] Disponible en web: http:// citeseer.ist.psu.edu/ brent01twostage.html [19] Salesbergh, M.W.P. An Efficient Approximation Algorithm for the Fixed Routes Problem. Atlanta: Georgia. University of Georgia. 1992. 18 p. [20] Snider Larry, VRP Solver Version 1.3. [en lnea]. Philadelphia: Pennsylvania. Lehigh University. 2004 [Consultado Marzo 24 de 2004]. Disponible en web: http://http:// www.lehigh.edu/~lvs2/download/ vrpsolver.html [21] Taha Hamdy A. Investigacin de Operaciones. Mxico. Editorial Prentice may Pearson, 1998. 848 p [22] Dorronsoro, Bernab. VRP web. [en lnea]. Malaga: Espaa. Universidad de Malaga, Departmamento de ciencias de la computacin. 2004. [Consultado Enero 24 de 2004] Disponible en Web: http:// http://neo. lcc.uma.es/radi-aeb/WebVRP/ [23] Vidal, Carlos Julio. Modos de Transporte e Indicadores. Presentacin en powerpoint. Cali: Colombia. Universidad del Valle. 2004. 57p. [24] Vidal, Carlos Julio. Introduccin a los sistemas de Transporte. Presentacin en powerpoint. Cali: Colombia Universidad del Valle. 2004. 43 p. [25] Vidal, Carlos J. A Global Supply Chain Model UIT Transfer Pricing and Transportation Cost Allocation. Thesis in partial fulfillment of the requeriments for the degree Doctor of Philosophy in Industrial Engineering, Georgia Institute of Technology. Atlanta, Georgia. Mayo de 1998. 24 p. [26] Vidal, Carlos J y Goetschalckx, Mark. Modeling the impact of uncertainties on global logistics systems. Working Paper # 97-003, The Georgia Tech Center for International Business Education and Research, Octubre de 1997.

El Hombre y la Mquina No. 32 Enero-Junio de 2009

67