Dr. Oliva-San Martín, Cristian

This study addresses a real-world logistics problem in forestry operations: the distribution of plants from cultivation centers to planting sites under strict delivery time windows and limited depot resources. We introduce the Coordinated Truck Loading and Routing Problem (CTLRP), an extension of the classical Vehicle Routing Problem with Time Windows (VRPTW) that integrates routing decisions with truck loading schedules at a single depot with constrained capacity. To solve this NP-hard problem, we develop a metaheuristic algorithm based on Ant Colony Optimization (ACO), enhanced with a global memory system and a novel stochastic return rule that allows trucks to return to the depot when additional deliveries are suboptimal. Parameter calibration experiments are conducted to determine optimal values for the return probability and ant population size. The algorithm is tested on a real forestry dispatch scenario over six working days. The results show that an Ant Colony System (ACS–CTLRP) algorithm reduces total distance traveled by 23%, travel time by 22%, and the number of trucks used by 13 units, while increasing fleet utilization from 54% to 83%. These findings demonstrate that the proposed method significantly outperforms current company planning and offers a transferable framework for depot-constrained routing problems in time-sensitive distribution environments.

Este trabajo propone un modelo conceptual de comunidades portuarias basado en benchmarking y análisis de enfoque sistémico para sistemas complejos. Este cuenta con ocho dimensiones, las que se interrelacionan y tienen como base de construcción elementos comunes que se identificaron a través de revisión bibliográfica y benchmarking. Estas determinan el funcionamiento operacional y el rol que cumplen las comunidades portuarias insertas en un sistema portuario. Esta propuesta fomenta la competitividad de la propuesta de valor para una comunidad portuaria.

Este artículo presenta un caso particular del problema de localización de instalaciones. La característica de este es que considera un conjunto de clusters que representan la acumulación de clientes que demandan un producto en particular. Se desea localizar P centros de distribución donde la demanda de los clusters se satisface solo si localizamos un centro de distribución en dicho cluster. Además, se debe determinar tanto el número de plantas como sus respectivas ubicaciones con el fin de abastecer los diferentes centros de distribución localizados. El objetivo es maximizar la utilidad considerando, por un lado, los ingresos que se obtienen por satisfacer la demanda de los diferentes clusters y, por otro lado, los costos de instalación que se incurren al localizar los centros de distribución y las plantas como también los costos de transporte de material desde las plantas a los centros de distribución. Otras aplicaciones de este problema se aprecian en redes de telecomunicaciones, redes eléctricas, etc. Se presenta un nuevo modelo de programación lineal entera que permite resolver instancias pequeñas, hasta 300 clusters, en un tiempo CPU aceptable, los problemas fueron programados con AMPL, y resueltos con CPLEX 11.0. Para instancias de mayor tamaño se presentan heurísticas que permiten obtener soluciones con un GAP menor al 1%.