Publicação: Algoritmo genético como instrumento para resolução, otimização e visualização do problema de localização de armazéns
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::ENGENHARIAS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
O problema de localização de armazéns exige a otimização de suas localidades. É
bem conhecido em pesquisa operacional que visa minimizar os custos gerais e
maximizar a satisfação do cliente na gestão da cadeia de abastecimento. Resoluções
sobre localizações necessitam do uso de modelos matemáticos, algoritmos e técnicas
que possam ser aplicadas, de acordo com a complexidade da problemática e da
conjuntura de dados relacionados (força bruta, programação linear, programação
inteira e heurística, por exemplo). O comércio eletrônico ou e-Commerce teve um
sensível crescimento nas últimas décadas e as empresas transportadoras de produtos
preocupam-se em facilitar a operação logística. A temática são os desafios que a
localização de armazéns capacitados representa em relação à demanda logística.
Neste estudo, define-se definir um conjunto de locais de armazenamento e conectá-lo
ao contingente de clientes, minimizando custos totais de abertura, fechamento e/ou
manutenção, preservando a satisfação do cliente (valor agregado) e redução ou
erradicação de restrições da capacidade desses CDs. A hipótese que se levanta é
que: distâncias entre os locais de armazenamento e a chegada dos veículos de
transporte demandam um sistema operacional eficiente e otimizado, que supere os
modelos e falhas que a logística tradicional oferece. Questiona-se como resolver o
problema de localização de armazéns capacitados na cadeia de abastecimento de
uma empresa, a fim de assegurar melhor qualidade para o cliente/consumidor final e
favorecer os parceiros da empresa em questão? Pressupõe-se que a solução pode
ser a aplicação do Algoritmo Genético. O objetivo é apresentar um Algoritmo Genético
com algumas restrições e que seja capaz de promover a otimização e visualização
sob demanda de soluções ou aproximações para o problema de localização de
armazéns capacitados. O método utilizado é a apresentação do modelo de Algoritmo
elaborado pelo autor, com base na rede de fornecedores participantes que se
candidataram à locação de armazéns no mesmo espaço ambiental ou próximos
desses candidatos. A Base de dados consultada foi pelo Kaggle, de Antony
Goldbloom, com o objetivo de hospedar competições de Data Science e disponibilizar
dados sobre diversos assuntos (datasets). Utilizamos o dataset “E-Commerce
Brazilian Data Set with 100k Orders from 2016 to 2018 – Olist (um conjunto de dados
públicos do e-Commerce brasileiro, fornecido pela Olist Store no segmento de
marketplace. Solução Ótima foi pelo Mixed Integer Linear Programming (MILP)
buscando a solução ótima para o problema de localização de armazéns capacitados;
foi utilizada uma biblioteca open source do Python, denominada PULP. Para o
Algoritmo Genético utilizou-se a biblioteca Distributed Evolutionary Algorithms
(DEAP). Concluiu-se que os resultados do Algoritmo apresentado são promissores.
De forma proporcional ao número de gerações, percebeu-se uma evolução vantajosa
da função fitness e a consequente aproximação em relação à solução ótima calculada
pelo MILP.
Abstract
The problem of locating warehouses requires optimizing their locations. It is well known
in operations research that it aims to minimize overhead costs and maximize customer
satisfaction in supply chain management. Location solutions require the use of
mathematical models, algorithms and techniques that can be applied, depending on
the complexity of the problem and the related data situation (brute force, linear
programming, integer programming and heuristics, for example). Electronic commerce
or e-commerce has grown significantly over the last few decades and product transport
companies are concerned with facilitating logistics operations. The subject is the
challenges posed by locating capable warehouses in relation to logistics demand. The
aim of this study is to define a set of warehouse locations and connect them to the
customer contingent, minimizing total opening, closing and/or maintenance costs,
preserving customer satisfaction (added value) and reducing or eradicating the
capacity constraints of these DCs. The hypothesis is that the distances between
storage locations and the arrival of transport vehicles require an efficient and optimized
operating system that overcomes the models and shortcomings offered by traditional
logistics. The question is how to solve the problem of locating capable warehouses in
a company's supply chain in order to ensure better quality. the solution could be the
application of the Genetic Algorithm. Objective: to present a Genetic Algorithm with
some restrictions that is capable of promoting the optimization and on-demand
visualization of solutions or approximations to the problem of locating capable
warehouses. Method: presentation of the Algorithm model developed by the author,
based on the network of participating suppliers who have applied to lease warehouses
in the same environmental space or close to these applicants. Database - Kaggle
database, by Antony Goldbloom, with the aim of hosting Data Science competitions
and providing data on various topics (datasets). We used the dataset "E-Commerce
Brazilian Data Set with 100k Orders from 2016 to 2018 - Olist (a public Brazilian e Commerce dataset, provided by Olist Store in the marketplace segment. Optimal
Solution - Mixed Integer Linear Programming (MILP) which seeks the optimal solution
to the problem of locating capable warehouses; an open source Python library called
PULP was used. Genetic algorithm: the Distributed Evolutionary Algorithms (DEAP)
library was used. Conclusion: the results of the algorithm presented are promising. In
proportion to the number of generations, there was an advantageous evolution of the
fitness function and the consequent approximation to the optimal solution calculated
by MILP. seeking the optimal solution to the problem of locating capable warehouses,
an open source Python library called PULP was used. The Distributed Evolutionary
Algorithms (DEAP) library was used for the Genetic Algorithm. It was concluded that
the results of the algorithm presented are promising. In proportion to the number of
generations, there was an advantageous evolution of the fitness function and the
consequent approximation to the optimal solution calculated by MILP.
Palavras-chave
Logística, Transporte, Problema de localização de armazéns capacitados, Otimização através de algoritmos genéticos, Última milha, Comércio eletrônico
Citação
MILAZZO, Flávio Oliveira. Algoritmo genético como instrumento para resolução, otimização e visualização do problema de localização de armazéns. 2023. 79 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2023.612.