SCOOP – Computer Science for Supply Chain OptimizatiOn Problems

Investigador principal: Eduardo García Pardo y Jesús Sánchez-Oro Calvo Entidades financiadoras: Ministerio de Economía y Competitividad (PID2021-125709OA-C22). Duración: 2022 – 2024.

Resumen:

Esta propuesta científica se centra en resolver problemas NP-Difíciles de optimización que aparecen en el contexto de la cadena de suministro, mediante el uso de una combinación eficiente de técnicas de Investigación de Operaciones e Inteligencia Artificial. La cadena de suministro incluye los recursos, actividades y organizaciones involucradas en el movimiento de materias primas y productos, en su viaje desde los proveedores iniciales hasta los clientes finales.

Dentro de la cadena de suministro, este proyecto se centra en los procesos y sistemas relacionados con los almacenes, incluida la logística de entrada y salida de productos. La optimización de los procesos en este contexto reduce los costes y, por tanto, un aumento de los beneficios. En este proyecto se propone el estudio de cuatro familias de problemas de optimización:

  1. Recogida de pedidos en lotes: esta familia de problemas se centra en las actividades relacionadas con la recogida de pedidos en un almacén cuando la política de recogida sigue una estrategia de agrupación en lotes (varios pedidos se agrupan en un lote antes de iniciarse la ruta de recogida). Existen múltiples variantes de esta familia: offline (estáticos) / online (dinámicos); un operario / múltiples operarios; minimizando diferentes funciones objetivo (tiempo, longitud de ruta, balance de trabajo, costos, etc.).

  2. Enrutamiento: esta familia ocupa un lugar central en la cadena de suministro. En ella hay problemas de enrutamiento vehículos (llamados problemas de enrutamiento nodos) en los que los clientes pueden ser representados por nodos en una red; y problemas de provisión de servicio, en los que el servicio se realiza en los arcos o bordes de una red. Este proyecto se centra en tres variantes de problemas de enrutamiento realistas en el contexto de la cadena de suministro: suficientemente cercano, estocástico y multi-objetivo.

  3. Seguimiento: en la cadena de suministro, existen diversas redes cuya seguridad debe garantizarse: redes de comunicación, redes de transporte o redes de vigilancia. En este contexto, surgen muchos problemas de optimización como: seleccionar una cantidad de puntos que maximicen un área de vigilancia, determinar qué conexiones de red deben reforzarse, o elegir qué almacenes dominan/abastecen a otros.

  4. Almacenamiento y ubicación: en esta línea de investigación se estudia la ubicación de los almacenes (visión estratégica) así como la correcta ubicación de los productos dentro del almacén (visión táctica u operativa según el contexto). Estas aplicaciones pueden abordarse mediante el uso de modelos pertenecientes a la familia de los denominados problemas de diversidad/dispersión. Para solucionar los problemas de optimización antes mencionados, se hará uso de procedimientos heurísticos y metaheurísticos.

Computer Science for Supply Chain OptimizatiOn Problems

Estas técnicas de inteligencia artificial son capaces de proporcionar soluciones aproximadas de alta calidad (algunas veces incluso óptimas) en tiempos de cómputo reducidos. Estas técnicas son adecuadas para abordar tareas de optimización difíciles en escenarios reales, donde la calidad de las soluciones es casi tan importante como el tiempo necesario para encontrarlas.

Este proyecto se basa en la sólida y exitosa colaboración de dos grupos de investigación complementarios: matemáticos (Univ. de Valencia) coordinados por los Profs. Martí y Martínez-Gavara, e informáticos (Univ. Rey Juan Carlos) coordinados por los Profs. Pardo y Sánchez.

Sergio Cavero
Sergio Cavero
Artificial Intelligence Phd Student

Sergio Cavero nació en Madrid (España) el 24 de septiembre de 1997. Se graduó en Ingeniería del Software por la Universidad Politécnica de Madrid en 2019. Durante sus estudios de grado realizó una estancia en la Universidad de Bradford (Reino Unido). Además, fue galardonado en dos ocasiones con la Beca de Excelencia de la Comunidad de Madrid, así como con el premio al Mejor Proyecto Fin de Carrera. Posteriormente, realizó un Máster en Inteligencia Artificial en la misma universidad (UPM) obteniendo los premios al Mejor Expediente Académico (‘Premio José Cuena’) y al Mejor Trabajo Fin de Máster. Sus resultados académicos le permitieron ser beneficiario de una de las ‘Ayudas para la Formación de Profesorado Universitario (FPU)’, financiadas por el Gobierno español. Actualmente realiza su tesis doctoral en la Universidad Rey Juan Carlos, dirigida por los profesores Abraham Duarte y Eduardo G. Pardo. Sus principales intereses de investigación se centran en la interfaz entre las Ciencias de la Computación, la Inteligencia Artificial y la Investigación Operativa. La mayoría de sus publicaciones tratan sobre el desarrollo de procedimientos metaheurísticos para problemas de optimización modelados por grafos.