Reconfiguration of last-mile supply chain for parcel delivery using machine learning and routing optimization

Abstract

La entrega de última milla tiene varios impactos ambientales negativos en las áreas urbanas debido a sus altos niveles de emisiones de gases de efecto invernadero y contaminación del aire, así como a la congestión del tráfico. Estos problemas motivan a los tomadores de decisiones a rediseñar las redes de entrega y hacerlas más sostenibles y eficientes. Un diseño de territorio bien planificado puede reducir los tiempos totales de viaje y las distancias en los sistemas de distribución urbana, además de equilibrar la carga de trabajo entre los conductores. En este estudio, se considera una red de distribución de paquetes de dos escalones modelada como el problema de enrutamiento de vehículos de dos escalones con diseño de territorio y decisiones de ubicación satelital. Se propone un algoritmo de descomposición de tres etapas para resolver este problema. En la primera etapa, se aplica un método de agrupamiento de aprendizaje automático no supervisado, seguido de un algoritmo basado en el procedimiento de enrutamiento del vecino más cercano, para encontrar un conjunto de rutas para el segundo y primer escalones. También se aplicó una heurística de mejora para mejorar los resultados en términos del enrutamiento del segundo escalón, considerando la complejidad computacional de una instancia a gran escala. Se adopta un estudio de caso basado en datos reales de una empresa de entrega en la ciudad de París, Francia, para realizar los experimentos. Los resultados de este trabajo muestran una mejora del 22,6% en el tiempo y la distancia de viaje. Esta reducción también se evalúa con indicadores de desempeño como el uso del suelo, los costos fijos, el consumo de energía, el dióxido de carbono equivalente y las emisiones de partículas finas.