Green Location Routing: Competitive Bi-objective Bi-level Model and Solution
Este artículo propone un modelo de programación lineal entera mixta de nivel superior y de dos objetivos competitivo para problemas de localización-ruta de instalaciones verdes entre un fabricante y un distribuidor, el cual es resuelto mediante un novedoso algoritmo de Optimización por Reacción Química multiobjetivo de nivel superior que supera a las metaheurísticas existentes en pruebas de referencia.
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
Cada vez que un paquete viaja desde una fábrica hasta la puerta de un cliente, una compleja cadena de decisiones determina su trayectoria. Alguien debe decidir dónde construir los almacenes que guardan las mercancías, y alguien más debe decidir qué camiones transportarán esos bienes a los clientes y en qué orden. En el mundo real, estas decisiones rara vez son tomadas por una sola persona sentada en una oficina tranquila. En cambio, suelen ser el resultado de un tira y afloja entre diferentes empresas. Una empresa, generalmente el fabricante, quiere establecer instalaciones para mover los bienes de manera eficiente. Otra empresa, el distribuidor, quiere recoger esos bienes y entregarlos mientras obtiene un beneficio. Cuando estos dos grupos actúan de forma independiente, sus elecciones pueden chocar, lo que genera mayores costes y, cada vez más, más contaminación. Mientras el mundo lidia con el cambio climático, el sector del transporte ha sido objeto de un intenso escrutinio por su contribución a las emisiones de gases de efecto invernadero. El desafío para la logística moderna ya no es solo mover las cosas lo más rápido o lo más barato posible; se trata de hacerlo minimizando el daño a la atmósfera. Esto requiere un delicado equilibrio entre los objetivos económicos y la responsabilidad ambiental, un equilibrio que resulta aún más difícil de lograr cuando hay dos empresas compitiendo de por medio.
Investigadores de la Universidad de Kurdistán han abordado esta tensión específica creando una nueva forma de modelar estas interacciones. Se centraron en un escenario donde un fabricante actúa como el "líder" y un distribuidor actúa como el "seguidor". El fabricante decide primero, eligiendo dónde abrir nuevos depósitos y qué cantidad de producto enviar a ellos. Una vez tomadas esas decisiones, el distribuidor observa las opciones disponibles y decide cómo trazar las rutas de sus vehículos para atender a los clientes, con el objetivo de maximizar su propio beneficio mientras mantiene sus propios costes y emisiones bajos. Los investigadores construyeron un marco matemático para simular este proceso de dos pasos, pero con un giro: trataron a ambas empresas como si tuvieran dos objetivos a la vez. El fabricante quiere mantener bajos sus costes fijos y su huella de carbono, mientras que el distribuidor quiere maximizar sus beneficios y, simultáneamente, minimizar las emisiones de sus camiones. Este enfoque dual en el dinero y el medio ambiente crea un rompecabezas complejo donde mejorar un objetivo a menudo empeora el otro.
Para resolver este rompecabezas, el equipo desarrolló un nuevo algoritmo informático inspirado en la forma en que funcionan las reacciones químicas. En la naturaleza, las moléculas chocan, se rompen y se combinan para formar nuevas sustancias, buscando constantemente un estado de menor energía y mayor estabilidad. Los investigadores tradujeron este principio biológico en una herramienta digital que llaman optimización de reacción química de nivel bi (bi-level multi-objective chemical reaction optimization). En su sistema, las soluciones potenciales al problema logístico son tratadas como moléculas. Estas moléculas digitales interactúan entre sí, fusionándose, dividiéndose y cambiando sus propiedades para explorar millones de posibles combinaciones de ubicaciones de depósitos y rutas de camiones. El algoritmo está diseñado para encontrar los "puntos óptimos" donde tanto el fabricante como el distribuidor pueden alcanzar sus objetivos lo mejor posible sin destruir los intereses del otro. No busca solo una respuesta perfecta, sino más bien una gama de opciones equilibradas que muestren los mejores compromisos posibles entre el coste y las emisiones de carbono.
El equipo probó su nuevo método contra otras dos técnicas informáticas bien conocidas utilizadas para problemas similares: un algoritmo genético que imita la evolución y un método de búsqueda llamado búsqueda tabú (tabu search). Realizaron simulaciones utilizando varios tamaños de redes logísticas, que iban desde configuraciones pequeñas con pocas fábricas y clientes hasta sistemas grandes y complejos con muchos más. Los resultados mostraron que su enfoque inspirado en la reacción química era significímamente más rápido que los otros. En pruebas que involucraban diferentes números de ubicaciones y vehículos, el nuevo algoritmo encontró consistentemente soluciones de alta calidad en menos tiempo. Por ejemplo, en una prueba con una red de tamaño moderado, el nuevo método encontró una solución en poco más de dos décimas de segundo, mientras que los otros métodos tardaron más. Más importante aún, las soluciones que encontró no fueron solo rápidas; fueron efectivas. El algoritmo identificó con éxito rutas y ubicaciones de depósitos que mantuvieron los costes bajos y las emisiones reducidas para ambas empresas, demostrando que el proceso de decisión de dos pasos podía optimizarse sin sacrificar un objetivo por el otro.
Los investigadores también examinaron qué tan sensible era su modelo a los cambios en el mundo real. Ajustaron variables como el coste de transporte de mercancías y el impacto ambiental de abrir un nuevo depósito para ver cómo reaccionaría el sistema. Descubrieron que el algoritmo seguía siendo robusto incluso cuando estos costes fluctuaban drásticamente. Cuando los costes de transporte aumentaban, el sistema ajustaba naturalmente las rutas y las elecciones de los depósitos para compensar, manteniendo el plan general factible. Esto sugiere que el método es lo suficientemente flexible como para manejar la naturaleza impredecible de la logística del mundo real, donde los precios del combustible y las regulaciones ambientales pueden cambiar de la noche a la mañana. El estudio confirma que, al modelar la relación entre un fabricante y un distribuidor como un juego cooperativo pero competitivo, es posible encontrar estrategias que beneficien tanto a las partes como al planeta.
Si bien el estudio ofrece una nueva herramienta poderosa para la planificación, los autores advierten cuidadosamente sobre sus limitaciones. Su modelo asume que ambas empresas comparten información perfectamente y actúan de una manera que es mutuamente beneficiosa, un escenario que podría no ocurrir siempre en un mercado despiadado donde una empresa podría ocultar sus costes reales o actuar de forma agresiva. También se centraron en un único distribuidor, mientras que los mercados reales suelen tener múltiples empresas de entrega compitiendo entre sí. A pesar de estas simplificaciones, el trabajo proporciona un camino claro a seguir. Demuestra que la naturaleza compleja y jerárquica de las cadenas de suministro puede entenderse y optimizarse utilizando métodos computacionales avanzados que respetan tanto el beneficio económico como el medio ambiente. Al tratar la red logística como un sistema vivo de partes que interactúan, los investigadores han demostrado que es posible diseñar cadenas de suministro que no solo sean eficientes, sino también sostenibles, ofreciendo un plano para un futuro más verde en el comercio global.
¿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.