Design of a tool for the allocation of freight vehicles as a proposal for Grupo OET

El transporte de carga por carretera corresponde a la etapa de distribución de la cadena de abastecimiento, por lo tanto, es esencial para que las empresas puedan cumplir sus metas comerciales. El problema de asignación de vehículos de carga tiene como objetivo la planeación de un conjunto de vehículos que atenderán la demanda dispersa geográficamente. El presente documento desarrolla una herramienta de optimización, que realiza la asignación de vehículos de carga para la operación radicada en el puerto de Buenaventura, considerando las restricciones del Vehicle Allocation Problem (VAP), con el fin de maximizar la utilidad total que depende de los beneficios de transportar vehículos cargados y los costos asociados a reposicionar vehículos vacíos para el cumplimiento de la demanda.El proceso de diseño inició con un análisis estadístico para determinar los factores que afectan la utilidad total de la empresa y delimitan los parámetros y variables presentes en los modelos planteados. La solución propuesta corresponde a un modelo de programación lineal entera mixta (PEM), para instancias pequeñas, ejecutado en CPLEX en el servidor online Neos y a una metaheurística de recocido simulado (SA) programada en Visual Basic for Application (VBA). Para la ejecución de los modelos mencionados, el usuario debe ingresar los parámetros de entrada para obtener la planeación semanal, teniendo en cuenta las restricciones para hallar soluciones factibles.Para la verificación del diseño, se ejecutó el PEM y el SA con las mismas instancias reales que se presentan en la operación de la empresa, con el fin de evaluar el rendimiento de los modelos propuestos. Como resultado, al evaluar la utilidad total, se encontró que, al implementar el PEM y el SA, mejoran la solución un 32.1% y 43.2% respectivamente, comparado con la planeación real de la empresa en instancias pequeñas. Adicionalmente, el SA proporciona resultados más rápidos frente al PEM, aunque, en promedio, resultados un 8% debajo de la solución óptima. Finalmente, se compararon los resultados obtenidos en instancias más grandes presentadas en la operación de la empresa frente al SA. De este modo, el SA logró una mejora en la utilidad total de 42.4% en un tiempo de ejecución aceptable.Road freight transport corresponds to the distribution stage of the supply chain; thus, it is essential for companies can meet their commercial objectives. The Vehicle Allocation Problem (VAP) is aimed at planning of a set of vehicles that will attend the geographically dispersed demand. This paper develops an optimization tool that performs out freight transport assignation for the operation located in the port of Buenaventura, considering the restrictions for the VAP in order to maximize the total profit that depends on the benefits of transporting loaded vehicles and the associated costs of repositioning empty vehicles, to fulfill its demand.The design process began with a statistical analysis to determine the factors that affect the total profitability of the company, and it delimits the parameters and variables involved in the proposed model. The solution put forward corresponds to a Mixed Integer Linear Programming model (MILP) for small instances, CPLEX executed the Neos online server and to a Simulated Annealing (SA) metaheuristic programmed in Visual Basic for Application (VBA). For the execution of the above-mentioned models, the user must enter the input parameters to obtain the weekly planning taking into account the restrictions to find feasible solutions. For the design verification the MILP and the SA were implemented with the same real instances that are present in the operation of the company with the aim to evaluate the performance of the proposed models.As a result, when evaluating the utility, it was found that when implementing the MILP and the SA improve the solution by 32.1% and 43.2%, respectively compared with the actual planning of the company, in addition, SA provides faster results compared to the MILP, although on average it is 8% below the optimal solution. Finally, the results obtained were compared in larger instances presented in the operation of the company in comparison with the SA, in this way, the SA achieved an improvement in profit of 41.0% in an acceptable runtime.Ingeniero (a) IndustrialPregrad