Green Vehicle Routing for Mixed-Fleet Cold-Chain Distribution under Time- and Location-Dependent Traffic Congestion
Este estudio propone un modelo de rutas de vehículos de cadena de frío de flota mixta que integra la congestión del tráfico dependiente del tiempo y la ubicación en un marco de consumo de energía no lineal y lo resuelve utilizando un algoritmo de búsqueda de gran vecindad adaptativa mejorado para minimizar los costos totales de distribución, demostrando al mismo tiempo las ventajas operativas y económicas de las flotas mixtas bajo condiciones de congestión dinámica.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
En las arterias bulliciosas de las ciudades modernas, el movimiento de mercancías es un ballet constante de alto riesgo de precisión en tiempos y temperaturas. Para artículos perecederos como productos frescos, lácteos y medicinas, el viaje desde un almacén hasta la puerta del cliente no se trata solo de distancia; es una carrera contra el tiempo y el calor. Si un camión de reparto permanece demasiado tiempo en el tráfico, la unidad de refrigeración debe trabajar más duro, consumiendo energía y aumentando el riesgo de que la carga se eche a perder. Este delicado equilibrio se vuelve aún más complejo a medida que las ciudades introducen camiones eléctricos para reducir las emisiones de carbono. Si bien los vehículos eléctricos ofrecen un camino más limpio, conllevan un conjunto diferente de limitaciones: una vida útil de batería limitada y la necesidad de recarga. Los gestores de logística se enfrentan ahora a un rompecabezas difícil: cómo mezclar estos dos tipos de vehículos, navegar por los ritmos impredecibles del tráfico urbano y mantener la comida fresca sin gastar una fortuna. El desafío se ve agravado por el hecho de que el tráfico no se comporta de la misma manera en todas partes ni a todas horas; una carretera puede estar despejada al mediodía pero congestionada a las 5 PM, y un vecindario específico puede ser un cuello de botella mientras que la siguiente manzana fluye libremente.
Investigadores de la Universidad Forestal del Noreste en China han abordado este intrincado problema desarrollando una nueva forma de planificar rutas de entrega para una flota mixta de camiones refrigerados eléctricos y de combustible. Reconocieron que los métodos de planificación tradicionales suelen tratar el tráfico como un promedio estático o analizan el tiempo y la ubicación por separado, perdiendo de vista la realidad de que la congestión es un fenómeno tridimensional y cambiante. Para capturar esto, el equipo creó un modelo detallado que desglosa cada segmento de carretera en piezas más pequeñas, calculando cuánto tarda un camión en recorrer cada pieza basándose en la hora exacta del día y el nivel específico de congestión de esa zona. Este enfoque les permitió construir un calculador de costos integral. Este calculador no solo cuenta millas; tiene en cuenta la electricidad o el combustible consumido por el motor, la energía adicional necesaria para mantener fría la carga, la pérdida financiera si la comida se echa a perder debido a los retrasos, las penalizaciones por llegar demasiado temprano o demasiado tarde, y el costo de las emisiones de carbono. Al introducir estos datos complejos en un sofisticado algoritmo de búsqueda, los investigadores pudieron simular millones de posibles combinaciones de rutas para encontrar el camino más eficiente para una flota de vehículos mixtos.
El estudio se centró en un escenario específico donde un centro de distribución envía camiones para atender a muchos clientes dentro de ventanas de tiempo estrictas. Los investigadores probaron su modelo utilizando varios diseños de ciudades y patrones de tráfico, que iban desde pequeños vecindarios hasta distritos grandes y extensos. Encontraron que la estrategia más efectiva rara vez era utilizar solo camiones eléctricos o solo camiones de combustible. En cambio, una flota mixta demostró ser consistentemente la solución más económica y flexible. En sus simulaciones, combinar los dos tipos de vehículos permitió que el sistema se adaptara a las demandas específicas del día. Por ejemplo, en áreas con clientes densos y agrupados y rutas más cortas, los camiones eléctricos podrían prosperar, aprovechando sus menores costos operativos. Sin embargo, cuando las rutas se volvían largas, dispersas o se topaban con graves atascos que amenazaban con agotar una batería o incumplir una ventana de entrega, los camiones de combustible proporcionaban la necesidad de alcance y confiabilidad. Los resultados mostraron que este enfoque híbrido redujo significamente los costos totales de distribución en comparación con el uso de un solo tipo de vehículo, siendo la flota mixta la que mejor funcionó en casi todos los escenarios probados.
La investigación también destacó cuán sensibles son estos sistemas de entrega a las condiciones del tráfico. El equipo realizó simulaciones donde aumentaron la duración de la hora punta y el tamaño de las zonas congestionadas. Observaron que a medida que el tráfico empeoraba, los costos por deterioro, refrigeración y penalizaciones por ventanas de tiempo aumentaban drásticamente. Las velocidades más bajas significaban que los camiones pasaban más tiempo en la carretera, lo que no solo consumía más energía, sino que también aumentaba el tiempo que los productos perecederos estaban expuestos a posibles fluctuaciones de temperatura. En respuesta a estas condiciones más duras, el algoritmo naturalmente cambió su estrategia, desplegando más vehículos de combustible para asegurar que las entregas se completaran a tiempo, incluso si eso significaba un ligero aumento en el consumo de combustible. Este ajuste dinámico demostró que una flota rígida no puede hacer frente a la naturaleza fluida del tráfico urbano; la capacidad de cambiar entre tipos de vehículos basándose en las condiciones en tiempo real es crucial para mantener la eficiencia.
Además, los investigadores compararon su nuevo algoritmo con varios métodos existentes, incluyendo algoritmos genéticos estándar y otras técnicas de búsqueda. Su nuevo método, que combina una gran búsqueda de vecindad con un proceso de recocido simulado (simulated annealing), encontró consistentemente mejores soluciones. Fue particularmente efectivo para escapar de trampas locales —situaciones donde una ruta parece buena pero está lejos del mejor resultado posible— al aceptar ocasionalmente rutas ligeramente peores para explorar nuevas posibilidades. En pruebas que involucraron hasta cien clientes, el nuevo algoritmo encontró las rutas de menor costo en cada instancia, superando a los otros métodos por un margen notable. El estudio sugiere que para las empresas de logística que buscan volverse ecológicas sin sacrificar la confiabilidad, la respuesta no reside en una sola tecnología, sino en una mezcla inteligente y adaptable de tecnologías. Al comprender la naturaleza específica y cambiante del tráfico y emparejarla con la combinación adecuada de vehículos eléctricos y de combustible, las ciudades pueden avanzar hacia un futuro donde la distribución de la cadena de frío sea tanto respetuosa con el medio ambiente como económicamente viable.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.