Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal

Blu Logistics es una empresa que a nivel nacional ofrece soluciones logísticas entre ellas el transporte de paquetes. Actualmente, todos sus procesos son desarrollados de manera empírica y tradicional. El problema que se presenta es que la técnica utilizada para la asignación de guías a vehículos en...

Full description

Autores:
Manotas Cabreras, Vanesa Maria
Suárez Paternina, Andrea Marcela
Velásquez De Arco, Andrea Carolina
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
spa
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/8003
Acceso en línea:
http://hdl.handle.net/10584/8003
Palabra clave:
Logistic
Genetic Algorithm
Allocation
Logística
Algoritmo Genético
Asignación
Rights
License
Universidad del Norte
id REPOUNORT2_210fb4964c32fa1933b557b8ae2a99fe
oai_identifier_str oai:manglar.uninorte.edu.co:10584/8003
network_acronym_str REPOUNORT2
network_name_str Repositorio Uninorte
repository_id_str
dc.title.es_ES.fl_str_mv Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal
dc.title.en_US.fl_str_mv Design of a computational tool to assign packages in different types of vehicles
title Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal
spellingShingle Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal
Logistic
Genetic Algorithm
Allocation
Logística
Algoritmo Genético
Asignación
title_short Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal
title_full Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal
title_fullStr Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal
title_full_unstemmed Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal
title_sort Diseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncal
dc.creator.fl_str_mv Manotas Cabreras, Vanesa Maria
Suárez Paternina, Andrea Marcela
Velásquez De Arco, Andrea Carolina
dc.contributor.advisor.none.fl_str_mv Rojas Santiago, Miguel Antonio
dc.contributor.author.none.fl_str_mv Manotas Cabreras, Vanesa Maria
Suárez Paternina, Andrea Marcela
Velásquez De Arco, Andrea Carolina
dc.subject.en_US.fl_str_mv Logistic
Genetic Algorithm
Allocation
topic Logistic
Genetic Algorithm
Allocation
Logística
Algoritmo Genético
Asignación
dc.subject.es_ES.fl_str_mv Logística
Algoritmo Genético
Asignación
description Blu Logistics es una empresa que a nivel nacional ofrece soluciones logísticas entre ellas el transporte de paquetes. Actualmente, todos sus procesos son desarrollados de manera empírica y tradicional. El problema que se presenta es que la técnica utilizada para la asignación de guías a vehículos en la operación troncal, no cumple con dos de las políticas establecidas por la empresa, las cuales limitan el tiempo determinado para la asignación de guías y el porcentaje de utilidad destinado para el pago de fletes. Al no cumplir con estas políticas se generan consecuencias económicas es decir, sobrecostos en la operación e incumplimiento al cliente en la promesa de entrega. Como solución a esta problemática se utilizó el algoritmo genético el cual permite realizar la asignación de guías a vehículos de manera rápida y automática, para generar una combinación factible teniendo en cuenta cada una de las restricciones y consideraciones que Blu Logistics ha constituido. Para configurar el algoritmo se utilizaron datos reales donde la población inicial fue de 257 guías, haciendo posible validar los resultados del método propuesto versus el método actual. Con el método propuesto encontramos que el 80% de la veces la solución de asignación encontrada por el algoritmo fue mejor o igual al método utilizado por la compañía generando en promedio un ahorro por día de $650.000 en los costos relacionados al pago del flete; además, el tiempo destinado a este proceso se redujo en promedio un 95% permitiendo una posible reasignación de las tareas de operaciones enfocadas en la planeación de estrategias de mejora de la operación. Estos resultados indican que el método brinda una solución factible donde se reducen los costos y el tiempo aplicado para esta actividad.
publishDate 2018
dc.date.accessioned.none.fl_str_mv 2018-06-02T16:06:19Z
dc.date.available.none.fl_str_mv 2018-06-02T16:06:19Z
dc.date.issued.none.fl_str_mv 2018-06-02
dc.type.es_ES.fl_str_mv article
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10584/8003
url http://hdl.handle.net/10584/8003
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.rights.es_ES.fl_str_mv Universidad del Norte
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Universidad del Norte
http://purl.org/coar/access_right/c_abf2
dc.publisher.es_ES.fl_str_mv Barranquilla, Universidad del Norte, 2018
institution Universidad del Norte
bitstream.url.fl_str_mv http://172.16.14.36:8080/bitstream/10584/8003/1/Im%c3%a1gen%20Espa%c3%b1ol.pdf
http://172.16.14.36:8080/bitstream/10584/8003/2/Im%c3%a1gen%20Espa%c3%b1ol.png
http://172.16.14.36:8080/bitstream/10584/8003/3/Im%c3%a1gen%20ingl%c3%a9s.pdf
http://172.16.14.36:8080/bitstream/10584/8003/4/Im%c3%a1gen%20ingl%c3%a9s.png
http://172.16.14.36:8080/bitstream/10584/8003/5/license.txt
bitstream.checksum.fl_str_mv e1d53d629bc035d12440543408513aef
3d94964fe76f431af500bab61f16df67
726341dfce9657aeff434c2a3186d986
70bc204c0576d43b1c394c2a48b75157
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital de la Universidad del Norte
repository.mail.fl_str_mv mauribe@uninorte.edu.co
_version_ 1812183133313826816
spelling Rojas Santiago, Miguel AntonioManotas Cabreras, Vanesa MariaSuárez Paternina, Andrea MarcelaVelásquez De Arco, Andrea Carolina2018-06-02T16:06:19Z2018-06-02T16:06:19Z2018-06-02http://hdl.handle.net/10584/8003Blu Logistics es una empresa que a nivel nacional ofrece soluciones logísticas entre ellas el transporte de paquetes. Actualmente, todos sus procesos son desarrollados de manera empírica y tradicional. El problema que se presenta es que la técnica utilizada para la asignación de guías a vehículos en la operación troncal, no cumple con dos de las políticas establecidas por la empresa, las cuales limitan el tiempo determinado para la asignación de guías y el porcentaje de utilidad destinado para el pago de fletes. Al no cumplir con estas políticas se generan consecuencias económicas es decir, sobrecostos en la operación e incumplimiento al cliente en la promesa de entrega. Como solución a esta problemática se utilizó el algoritmo genético el cual permite realizar la asignación de guías a vehículos de manera rápida y automática, para generar una combinación factible teniendo en cuenta cada una de las restricciones y consideraciones que Blu Logistics ha constituido. Para configurar el algoritmo se utilizaron datos reales donde la población inicial fue de 257 guías, haciendo posible validar los resultados del método propuesto versus el método actual. Con el método propuesto encontramos que el 80% de la veces la solución de asignación encontrada por el algoritmo fue mejor o igual al método utilizado por la compañía generando en promedio un ahorro por día de $650.000 en los costos relacionados al pago del flete; además, el tiempo destinado a este proceso se redujo en promedio un 95% permitiendo una posible reasignación de las tareas de operaciones enfocadas en la planeación de estrategias de mejora de la operación. Estos resultados indican que el método brinda una solución factible donde se reducen los costos y el tiempo aplicado para esta actividad.Blu Logistics is a company that offers logistics solutions nationwide, including the transportation of packages. Currently, all their data processes have been done empirically, which has caused that the technique used for the assignment of guides to vehicles in the trunk operation does not meet with two of the policies established by the company. As a result, the actual method limits the time determined for the assignment of guides and the percentage of utility designated for the payment of freights. Failure to comply with these policies could result in cost overruns in the operation and noncompliance with the customer delivery promises. As a solution to this problem, a genetic algorithm was developed for the assignment of guides to vehicles in a fast and automatic way, in order to generate a feasible combination taking into account each one of the restrictions considered by Blu Logistics. For running the algorithm, real data were used to validate the results of the proposed method versus the current method, and the initial population was set to 257 guides. Results show that 80% of the time the allocation solution found by the algorithm was better than or equal than the method currently used by the company, generating an average saving of $ 650.000 per day in the costs related to the payment of freights. Additionally, the time allocated to this process was reduced by an average of 95%, allowing a possible reassignment of tasks focused on planning the operation. In summary, the proposed method provides a reduction in time and costs.spaBarranquilla, Universidad del Norte, 2018Universidad del Nortehttp://purl.org/coar/access_right/c_abf2LogisticGenetic AlgorithmAllocationLogísticaAlgoritmo GenéticoAsignaciónDiseño de una herramienta computacional para la asignación de paquetes a vehículos en operación troncalDesign of a computational tool to assign packages in different types of vehiclesarticlehttp://purl.org/coar/resource_type/c_6501ORIGINALImágen Español.pdfImágen Español.pdfMétodo actual vs Método propuesto application/pdf42324http://172.16.14.36:8080/bitstream/10584/8003/1/Im%c3%a1gen%20Espa%c3%b1ol.pdfe1d53d629bc035d12440543408513aefMD51Imágen Español.pngImágen Español.pngMétodo actual vs Método propuesto image/png121383http://172.16.14.36:8080/bitstream/10584/8003/2/Im%c3%a1gen%20Espa%c3%b1ol.png3d94964fe76f431af500bab61f16df67MD52Imágen inglés.pdfImágen inglés.pdfCurrent Method vs Proposed Methodapplication/pdf54569http://172.16.14.36:8080/bitstream/10584/8003/3/Im%c3%a1gen%20ingl%c3%a9s.pdf726341dfce9657aeff434c2a3186d986MD53Imágen inglés.pngImágen inglés.pngCurrent Method vs Proposed Methodimage/png153834http://172.16.14.36:8080/bitstream/10584/8003/4/Im%c3%a1gen%20ingl%c3%a9s.png70bc204c0576d43b1c394c2a48b75157MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://172.16.14.36:8080/bitstream/10584/8003/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5510584/8003oai:172.16.14.36:10584/80032018-06-02 11:06:19.24Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.co