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...
- 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 |