Please use this identifier to cite or link to this item: http://www.dspace.espol.edu.ec/handle/123456789/60703
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSandoya Sánchez, Fernando Francisco , Director-
dc.contributor.authorGarzón Chávez, Erick Renato-
dc.contributor.authorSoledispa Núñez, Dana Nicole-
dc.creatorESPOL.FCNM-
dc.date.accessioned2024-03-11T20:32:46Z-
dc.date.available2024-03-11T20:32:46Z-
dc.date.issued2023-
dc.identifier.citationGarzón 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 .-
dc.identifier.urihttp://www.dspace.espol.edu.ec/handle/123456789/60703-
dc.descriptionEste 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-
dc.formatapplication/pdf-
dc.format.extent228 página-
dc.language.isospa-
dc.publisherESPOL.FCNM-
dc.rightsopenAccess-
dc.subjectClusterización-
dc.subjectAlgoritmo-
dc.subjectEmisiones de ????2-
dc.subjectEficiencia operativa-
dc.subjectmTSP-
dc.titleOptimización de Rutas de Venta Directa de una Empresa de Alimentos en Guayaquil empleando Algoritmos Metaheurísticos-
dc.typeIngeniero en Logística y Transporte-
dc.identifier.codigoespolT-114180-
dc.description.cityGuayaquil-
dc.description.degreeEscuela Superior Politécnica del Litoral-
dc.identifier.codigoproyectointegradorMATE-185-
dc.description.abstractenglishThis 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.-
Appears in Collections:Tesis de Logística y Transporte

Files in This Item:
File SizeFormat 
T-114180 MATE-185.pdf46.2 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.