Un Modelo de Asignación y Enrutamiento de Buques de Múltiples Tipos para la Distribución de Aceite de Múltiples Productos en Indonesia con Consideraciones de Inventario y Minimización de Costos: Un Enfoque de Programación Lineal Entera Mixta
Autores: Sirait, Marudut; Charnsethikul, Peerayuth; Paoprasert, Naraphorn
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Un Modelo de Asignación y Enrutamiento de Buques de Múltiples Tipos para la Distribución de Aceite de Múltiples Productos en Indonesia con Consideraciones de Inventario y Minimización de Costos: Un Enfoque de Programación Lineal Entera Mixta
Categoría
Gestión y administración
Subcategoría
Gestión logística
Palabras clave
Archipelágico
Islas
Flota
Optimización
Embarcaciones
Logística
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Indonesia es un país archipelágico con 17,508 islas repartidas entre los océanos Pacífico e Índico, con miles de rutas interinsulares que requieren una flota grande y comprometida. La vasta extensión del país también conlleva desafíos relacionados con la cobertura óptima de la flota, la planificación de rutas y la distribución de petróleo, manteniendo al mismo tiempo la rentabilidad y un suministro confiable. Este estudio combinó un modelo de programación lineal entera mixta (MILP) con un enfoque de metodología de superficie de respuesta (RSM) para optimizar simultáneamente y de manera integral la asignación de embarcaciones, las rutas de los barcos y el control de inventarios en tres clústeres regionales (es decir, Indonesia Occidental, Central y Oriental). El modelo tiene en cuenta una flota de 28 embarcaciones (13 de rango medio [MR] y 15 de propósito general [GP]) que pueden distribuir tres productos petroleros: gasolina, diésel y queroseno. La solución optimizada ofrece un 100% de fiabilidad en el servicio a un costo operativo de $2.83 millones por mes, muy por debajo de los servicios actualmente en operación. El modelo es robusto frente a variaciones en la demanda (+/-20%), congestión portuaria (+/-50%) y cambios en los precios del combustible (+/-50%), lo que se confirma mediante un análisis de sensibilidad. El alto coeficiente de correlación (0.987) entre los resultados de MILP y RSM confirma la precisión del marco. Al mismo tiempo, se encontraron que los factores críticos de rendimiento eran la velocidad de la embarcación (13.5 nudos), el tamaño de la flota y el tiempo de operación del puerto. El estudio ofrece un modelo rentable e intensivo en datos que podría implementarse como un marco de logística marítima, así como áreas potenciales para trabajos futuros y perspectivas para las partes interesadas relevantes. La investigación futura tendrá que integrar la fusión de datos en tiempo real, principalmente debido a la necesidad de métodos de modelado ambiental y estocástico para fomentar la resiliencia operativa en ecosistemas empresariales marítimos dinámicos.
Descripción
Indonesia es un país archipelágico con 17,508 islas repartidas entre los océanos Pacífico e Índico, con miles de rutas interinsulares que requieren una flota grande y comprometida. La vasta extensión del país también conlleva desafíos relacionados con la cobertura óptima de la flota, la planificación de rutas y la distribución de petróleo, manteniendo al mismo tiempo la rentabilidad y un suministro confiable. Este estudio combinó un modelo de programación lineal entera mixta (MILP) con un enfoque de metodología de superficie de respuesta (RSM) para optimizar simultáneamente y de manera integral la asignación de embarcaciones, las rutas de los barcos y el control de inventarios en tres clústeres regionales (es decir, Indonesia Occidental, Central y Oriental). El modelo tiene en cuenta una flota de 28 embarcaciones (13 de rango medio [MR] y 15 de propósito general [GP]) que pueden distribuir tres productos petroleros: gasolina, diésel y queroseno. La solución optimizada ofrece un 100% de fiabilidad en el servicio a un costo operativo de $2.83 millones por mes, muy por debajo de los servicios actualmente en operación. El modelo es robusto frente a variaciones en la demanda (+/-20%), congestión portuaria (+/-50%) y cambios en los precios del combustible (+/-50%), lo que se confirma mediante un análisis de sensibilidad. El alto coeficiente de correlación (0.987) entre los resultados de MILP y RSM confirma la precisión del marco. Al mismo tiempo, se encontraron que los factores críticos de rendimiento eran la velocidad de la embarcación (13.5 nudos), el tamaño de la flota y el tiempo de operación del puerto. El estudio ofrece un modelo rentable e intensivo en datos que podría implementarse como un marco de logística marítima, así como áreas potenciales para trabajos futuros y perspectivas para las partes interesadas relevantes. La investigación futura tendrá que integrar la fusión de datos en tiempo real, principalmente debido a la necesidad de métodos de modelado ambiental y estocástico para fomentar la resiliencia operativa en ecosistemas empresariales marítimos dinámicos.