Spelling suggestions: "subject:"transporte - modelos matematicáticas"" "subject:"transporte - modelos matematicáricos""
1 |
Esquema de enfoque GRASP para el problema de asignación y despacho de camiones mezcladores con ventanas de tiempo: Un caso de uso en Santiago de ChileCerda Jer, Mauricio David January 2018 (has links)
Magíster en Gestión de Operaciones / En la presente tesis, se presenta un esquema de solución para resolver un problema de asignación y despacho de camiones mezcladores con ventanas de tiempo. Se resuelve el problema a nivel táctico, por lo que la naturaleza del problema es estática. Los insumos, clientes, recursos, procesos y viajes poseen valores conocidos. El problema consiste en que, dados los requerimientos de los clientes, se les debe abastecer de hormigón, y para ello se debe decidir qué recursos se utilizaran en la producción y despacho de productos. El esquema de solución presenta dos procesos descritos a continuación: Considerando las solicitudes de los clientes, se conforman despachos de pedido, que incluyen una ventana de horario de entrega, sku, , obra y espaciamiento entre despachos. Resolver el problema de asignación de despacho a depósitos de producción y camiones, mediante un enfoque greedy y GRASP.
Respecto de los resultados numéricos, el algoritmo propuesto (ADH), obtiene resultados bastante favorables con respecto a la evidencia empírica de la operación actual de una empresa de producción y despacho de hormigón en Santiago de Chile. Se construyeron escenarios con información real, que presentaron los problemas a la que se somete la industria, a través de su demanda, costos y escasez de recursos. El esquema presenta mejorías en la calidad de servicio y disminución de costos.
|
2 |
Modelo de equilibrio urbano generalVallejos Muñoz, Tomás Alejandro January 2018 (has links)
Tesis para optar al grado de Magíster en Ciencias de la Ingeniería, Mención Transporte / Memoria para optar al título de Ingeniero Civil / El presente trabajo de tesis aborda el desafío de formular un modelo integrado, que contenga un equilibrio entre los sistemas de transporte, uso de suelo e intercambio de bienes y servicios.
Para este propósito, se utiliza como base el modelo RELUTRAN (Anas y Liu, 2007), que formula un equilibrio en los sistemas de uso de suelo, transporte y consumo de bienes y servicios; en este caso, se asume que los agentes se localizan maximizando su utilidad, por lo tanto, es un modelo tipo ``Choice''; el modelo del sistema de transporte se basa en ``Stochastic cost minimization model'' (Daganzo y Sheffi, 1997) y no tiene demostración de convergencia ni de unicidad de la solución. Sin embargo, iterativamente se llega a una solución.
Luego, el modelo propuesto en esta tesis recibe el nombre de MEGU (Modelo de equilibrio general urbano), se asume que el mercado del suelo se transa mediante remates, por lo tanto, es un modelo tipo ``Bid''. Se definen dos tipos de agentes, ``Hogares'' y ``Firmas''; los primeros maximizan una función de utilidad tipo Cobb-Douglas aleatoria, mientras que las Firmas, minimizan una función aditiva de costos; en ambos casos el término de error para las funciones de disposición a pagar resultantes, distribuye Fréchet (Mattsson. et al., 2011). El trade-off consiste en que los hogares demandan suelo, consumen bienes y servicios y ofertan mano de obra; mientras que las firmas demandan suelo, producen bienes y servicios y demandan mano de obra. Para la oferta inmobiliaria, se utiliza como referencia la formulación propuesta en MUSSA (Martínez y Donoso, 2010), pero con una distribución de error tipo Fréchet. El sistema de transporte que se utilizará está basado en el MTE (Baillon y Cominetti, 2008).
Se diseña un algoritmo de iteración y solución secuencial por etapas, que comienza determinando las variables representativas del sistema de transportes dada la localización de los agentes, luego encuentra la solución para el sistema de intercambio de bienes y servicios y finalmente actualiza la localización de los agentes.
Con el fin de verificar el correcto funcionamiento de la formulación propuesta, se diseñan escenarios de simulación que permiten analizar casos tipo y se programa una rutina específicamente desarrollada para M.E.G.U., que se aplica en una ciudad ficticia.
Finalmente, se reportan las principales conclusiones obtenidas y se sugieren posibles líneas de investigación futura. / FONDEF D10I-1002 "Tecnología Avanzada para Ciudades del Futuro"
|
3 |
Algoritmo genético para el despacho de técnicos con dependencia del tiempoBravo Valenzuela, José Ignacio January 2017 (has links)
Ingeniero Civil Industrial / La empresa Xerox en Chile ofrece el servicio de reparación de equipos de oficina tales como impresoras y fotocopiadoras. Para ello cuenta con una dotación de técnicos que se trasladan hacia los clientes para realizar el trabajo. La estrategia de la empresa es atender las solicitudes de trabajo tan pronto como sean recibidas, es decir, organizar y atender durante el día las llamadas que van recibiendo por parte de sus clientes. Cuando esto no es posible, ciertos clientes son postergados para otro día. Como consecuencia de dicha estrategia, las llamadas que no alcanzaron a ser atendidas a tiempo por los técnicos llegó al 54% para el periodo 2002-2003 en la ciudad de Santiago, considerándose esto un deterioro en la calidad de atención.
En este trabajo se propuso disminuir la cantidad de clientes postergados junto con la distancia recorrida mediante la planificación eficiente de las rutas. La metodología consistió en abordar la situación como un problema de ruteo de vehículos, donde además los tiempos de viaje no son fijos, sino que dependen de la hora del día. Este problema es conocido como el Problema de Ruteo de Vehículos con Dependencia del Tiempo (TDVRP por sus siglas en inglés). Debido a la necesidad de encontrar soluciones rápidas, el problema fue resuelto mediante Algoritmo Genético, el cual consiste en generar un conjunto de rutas aleatorias de clientes y luego intercambiar entre sí pequeños segmentos para crear nuevas y mejores rutas, imitando de tal forma el proceso de recombinación genética presente en la naturaleza. Se consideró también un cambio en la política de atención, donde ahora todos los llamados serían atendidos al día siguiente para una mejor planificación.
Los resultados se obtuvieron para una semana de operación. Las soluciones alcanzaron tasas de retraso entre 6-20% en comparación con el 59% de la situación real de aquella semana. Respecto de la dependencia del tiempo, los resultados mostraron que no hubo diferencias significativas al incluir variación en los tiempos de viaje en comparación con tiempos de viaje fijos.
Se concluye que el cambio en la estrategia de atención y una buena planificación inicial mejoran ostensiblemente la cantidad de clientes que deben ser postergados, esto implica una oportunidad de mejora en la calidad de servicio que ofrece Xerox. Por otro lado, incluir dependencia de la hora del día en los tiempos de viaje no significó un aporte al modelo en cuanto calidad de las soluciones. Aquello podría explicarse por tiempos de servicio mayores que los tiempos de viaje, haciendo que el impacto de estos últimos sean irrelevantes para la solución del modelo en una ciudad.
|
Page generated in 0.1151 seconds