Caracterización del problema de planificación modelado

Como se comentó anteriormente, el problema estudiado y modelado, se ins- piró un problema real de planificación, que enfrenta una empresa que se desem- peña como operador especializado en un servicio independiente (Second Part Lo- gistics, 2PL), de distribución de mercadería a carga fraccionada, con volúmenes reducidos y plazos de entrega diarios.

La empresa realiza servicios de distribución de forma coordinada, a varios clientes mayoristas con presencia en los cuatro principales mercados regionales (L

= 4) que abastecen el área geográfica del Gran Buenos Aires (GBA). Tabla 5: Coordenadas Depósitos

Lat.: Xi Long.: Yi

1 Mercado Central de Buenos Aires 34°42'36.37"S 58°30'4.74"O 2 Mercado de Abasto 3 de Febrero 34°37'14.62"S 58°33'24.54"O 3 Mercado Consorcio de Beccar 34°27'44.95"S 58°32'49.81"O 4 Mercado de abasto de Quilmes 34°43'55.73"S 58°16'47.88"O

Fuente: elaboración propia.

Para la validación y experimentación computacional, se realiza sobre infor- mación de pedidos realizados en un día de operatoria habitual de la empresa. Se considera la información correspondiente a ( 200) clientes minoristas ubicados en Ciudad de Buenos aires y del Gran Buenos Aires (ver ¡Error! No se encuentra el origen de la referencia.).

Capítulo IV. Resolución e implementación Validación y testeo

109 Luego, el conjunto de nodos ∪ , que incluye los depósitos y los clientes minoristas, posee una cardinalidad de 204 nodos.

En entornos urbanos como el considerado, hay zonas o trayectos que tienen una velocidad promedio durante el día más bajas que otros, lo que implica un tiempo por kilómetro mayor. Esta dependencia temporal de la programación de la distribución, se considera en los tiempos, , para ir del nodo i al nodo j en una zona determinada, esto sería el peso de cada , . Estos tiempos fueron esti- mados a partir de la base de datos del GIS (Geographic Information System), uti- lizado por la empresa para el seguimiento satelital de los vehículos.

La flota de vehículos, , que es gestionada por la empresa, corresponde en parte a vehículos propios y otros contratados (como agente de cargas). Los vehícu- los no poseen características homogéneas en cuanto a las condiciones de frío ni en cuanto a su relación peso potencia. La capacidad de los vehículos, está restringida por la normativa para poder circular dentro de zonas urbanas. Por lo que a los fines de la modelización se consideró una flota homogénea, de camiones con 6.000 kg de carga útil ( 300 ). En este tipo de servicio, la unidad de carga habi- tual, son empaques homogéneos en forma de cajas de cartón corrugado apilables de dos piezas (telescópicas) o cajones de madera, con un peso de 20kg, largo 50 cm, ancho 32 cm y alto 30 cm.

Cada cliente , tiene una demanda determinada. La demanda individual, depende mucho de las características del cliente y de la época del año. En base a la información obtenida de la empresa, se utilizaron en la simulación computacio- nal demandas individuales entre 10 y 30 unidades diarias. Pero este es un dato que el agente decisor, posee con certeza al momento de la programación de la dis- tribución. Además, cada cliente estipula previamente un horario para la recepción de la mercadería. Estas ventanas temporales, generalmente responden a la dispo- nibilidad de personal o a restricciones de circulación o aparcamiento del vehículo en horarios determinados. Por lo que no se permite en la programación que el vehículo llegue después del horario establecido por el cliente. Sí puede llegar antes, pero se considera en los tiempos de la ruta programada, el tiempo de espera hasta que se pueda realizar el servicio.

Capítulo IV. Resolución e implementación Validación y testeo

110 Los tiempos de servicio al cliente , , deben considerar una serie de acti- vidades que se llevan a cabo desde el momento en que el vehículo llega a las ins- talaciones del cliente, o a los lugares habilitados para carga y descarga en la vía pública, hasta que parte nuevamente hacia su próximo destino. Por ejemplo, ade- más de las actividades de maniobra, cuya duración dependerán de las condiciones de acceso con las que cuente el cliente. Hay una serie de actividades de chequeo de la documentación, de descarga, de inspección, etc., con tiempos que varían en fun- ción del personal y del equipamiento, que posee cada cliente. En la simulación computacional, se trabajó en base a estimaciones de estos tiempos suministradas por la empresa.

No se consideraron relaciones de preferencia o asignaciones predetermina- das de clientes, a algún depósito en particular en el modelado, dado que esas polí- ticas implican considerar grupos de nodos ya asignados sin necesidad de agrupar de forma óptima, por lo que resultan en una simplificación del problema y se busca abordar el caso más general.

El agente decisor, en este caso, el responsable encargado de determinar el programa de distribución, conoce las regiones de interés en las que la herramienta computacional debe buscar. Luego, el problema consiste en encontrar los progra- mas óptimos de distribución, dentro de la región de interés del agente. Esto es determinar las secuencias óptimas de clientes a visitar por cada vehículo, para realizar la distribución diaria de mercaderías a doscientos clientes minoristas, a partir de cuatro mercados regionales donde posee sus depósitos. Buscando mini- mizar simultáneamente, el tiempo total necesario para cumplir con la distribución, y a la vez balancear la carga de trabajo entre los vehículos utilizados para llevarla a cabo. Cumpliendo con las restricciones de capacidad de cada vehículo, con las ventanas temporales de los clientes en las instalaciones del cliente, con la restric- ción de que la duración total de la ruta no debe exceder al máximo tiempo permi- tido para la misma y que el número de vehículos utilizados no debe exceder al número de vehículos disponibles.

De esta manera el decisor o responsable de determinar el programa óptimo de distribución, primero guía a la herramienta computacional para que busque

Capítulo IV. Resolución e implementación Validación y testeo

111 dentro de cierta zona de interés. Y luego selecciona la opción deseada, entre las alternativas óptimas encontradas en la región de interés.