logo móvil
Contáctanos

Modelos de optimización basados en aprendizaje automático para definir reglas de almacenamiento en patios de contenedores marítimos

Autores: Ambrosino, Daniela; Xie, Haoqi

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Modelos de optimización basados en aprendizaje automático para definir reglas de almacenamiento en patios de contenedores marítimos


Categoría

Procesos industriales

Subcategoría

Simulación de procesos industriales

Palabras clave

Propone
Estrategia de consignación
Contenedores
Clases de peso
Algoritmo basado en datos
Modelos de optimización

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 28

Citaciones: Sin citaciones


Descripción
Este artículo propone un enfoque integrado para definir la mejor estrategia de consignación para almacenar contenedores en un patio de exportación de un terminal marítimo. La estrategia de almacenamiento identifica las reglas para agrupar contenedores homogéneos, que se definen simultáneamente con la asignación de cada grupo de contenedores a los bloques disponibles (ubicaciones de bahía) en el patio. A diferencia de la literatura reciente, este estudio se centra específicamente en las clases de peso y sus respectivos límites al establecer la estrategia de consignación. Otro aspecto novedoso de este trabajo es la integración de un algoritmo basado en datos y la investigación operativa. El enfoque integrado se basa en el aprendizaje no supervisado y modelos de optimización, lo que nos permite resolver grandes instancias en unos pocos segundos. Los resultados obtenidos por el agrupamiento espectral se tratan como conjuntos de datos de entrada para los modelos de optimización. Se describen y comparan dos formulaciones diferentes: la principal diferencia radica en cómo se asignan los contenedores a las ubicaciones de bahía, pasando de una asignación de contenedores individuales que consume tiempo a la asignación de grupos de contenedores, lo que ofrece ventajas significativas en eficiencia computacional. Las pruebas experimentales se organizan en tres campañas para evaluar lo siguiente: (i) El tiempo computacional y la calidad de la solución (es decir, la utilización del espacio) de los modelos propuestos; (ii) El rendimiento de estos modelos frente a un modelo de referencia; (iii) La efectividad práctica del enfoque de solución propuesto.

Otros recursos que podrían interesarte

Temas Virtualpro