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
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
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.
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.