Por favor, use este identificador para citar o enlazar este ítem: http://www.dspace.espol.edu.ec/handle/123456789/60703
Título : Optimización de Rutas de Venta Directa de una Empresa de Alimentos en Guayaquil empleando Algoritmos Metaheurísticos
Autor : Sandoya Sánchez, Fernando Francisco , Director
Garzón Chávez, Erick Renato
Soledispa Núñez, Dana Nicole
Palabras clave : Clusterización
Algoritmo
Emisiones de ????2
Eficiencia operativa
mTSP
Fecha de publicación : 2023
Editorial : ESPOL.FCNM
Citación : Garzón Chávez, E. R. y Soledispa Núñez, D. N. (2023). Optimización de Rutas de Venta Directa de una Empresa de Alimentos en Guayaquil empleando Algoritmos Metaheurísticos. [Proyecto Integrador]. ESPOL.FCNM .
Descripción : Este proyecto aborda la problemática de determinar rutas óptimas de ventas directas para minimizar la distancia total recorrida y reducir las emisiones de ????2 en una empresa de la industria alimentaria. Con una cartera de 9.539 clientes y 53 rutas mal estructuradas desde el Centro de Distribución de Guayaquil, se enfrentaban inconvenientes, como visitas incompletas y recursos subutilizados. El objetivo general fue optimizar las rutas mediante un modelo matemático mTSP, complementado con el método de machine learning ?K-Medoids? y un modelo de clusterización, junto con el algoritmo metaheurístico GRASP. La sinergia de estos procedimientos más la capacidad de manejo de datos de Wolfram Mathematica proporcionó una estrategia eficiente para la distribución de rutas. Los resultados resaltaron una disminución en la flota de camiones y mejoras en las rutas, lo que contribuyó a la optimización de la logística y a un aumento en la satisfacción del cliente. Además, se logró una notable reducción de costos totales y de la huella de carbono. En conclusión, se logró optimizar las rutas de la empresa y se demostró el impacto positivo de los algoritmos metaheurísticos en la gestión logística. Palabras Clave: mTSP, Clusterización, algoritmo, emisiones de ????2, eficiencia operativa
metadata.dc.description.abstractenglish: This project addresses the challenge of determining optimal direct sales routes to minimize total distance traveled and reduce CO_2 emissions in a company in the food industry. With a portfolio of 9.539 clients and 53 poorly structured routes from the Guayaquil Distribution Center, issues such as incomplete visits and underutilized resources were encountered. The overall objective was to optimize routes using an mTSP mathematical model, complemented by the "KMedoids" machine learning method and a clustering model, along with the GRASP metaheuristic algorithm. The synergy of these procedures, combined with the data handling capabilities of Wolfram Mathematica, provided an efficient strategy for route distribution. The results highlighted a reduction in the truck fleet and improvements in routes, contributing to logistics optimization and increased customer satisfaction. Furthermore, a significant reduction in total costs and carbon footprint was achieved. All in all, the company's routes were successfully optimized, demonstrating the positive impact of metaheuristic algorithms on logistics management. Keywords: mTSP, Clustering, algorithm, ????2 emissions, operational efficiency.
URI : http://www.dspace.espol.edu.ec/handle/123456789/60703
metadata.dc.identifier.codigoproyectointegrador: MATE-185
Aparece en las colecciones: Tesis de Logística y Transporte

Ficheros en este ítem:
Fichero Tamaño Formato  
T-114180 MATE-185.pdf46.2 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.