búsqueda de vecindad variable básica para la minimización del tiempo máximo en el problema del...

1/25

Introduccion Busqueda de Vecindad Variable Basica Experimentos Conclusiones

Busqueda de Vecindad Variable Basica para laminimizacion del tiempo maximo en el Problema

del Empaquetamiento de Pedidos

Borja Menendez 1, Eduardo G. Pardo 2, Abraham Duarte 3

Universidad Rey Juan Carlos 1 2 3

[email protected] 1, [email protected] 2, [email protected] 3

5 de febrero, 2015

Borja Menendez URJC

BVNS aplicado a almacenes

2/25


Indice

1 Introduccion

2 Busqueda de Vecindad Variable Basica

3 Experimentos

4 Conclusiones

Borja Menendez URJC


3/25


Indice

1 Introduccion


3 Experimentos

4 Conclusiones

Borja Menendez URJC


4/25


Introduccion

Problema ampliamente estudiado en los ultimos anos

Diferentes variantes

Dos problemas diferentes:

Empaquetamiento

Generacion de rutas

Borja Menendez URJC


5/25


Consideraciones previas del almacen

Pasillos paralelos (misma longitud). Dos pasillos transversales.

Borja Menendez URJC


6/25


Problema del Empaquetamiento de Pedidos

Dos estrategias basicas de recogida:

Por orden estrictoEmpaquetamiento

Borja Menendez URJC


7/25



Dos estrategias basicas de recogida:

Por orden estrictoEmpaquetamiento

Empaquetamiento: varios pedidos en lotes

Numero fijo de lotes

Lotes asignados a trabajadores

Objetivo: minimizar tiempo maximo de recogida de los lotes

Borja Menendez URJC


8/25


Estrategias de ruteo (S-Shape)

Borja Menendez URJC


9/25


Estrategias de ruteo (Largest gap)

Borja Menendez URJC


10/25


Estrategias de ruteo (Combined)

Borja Menendez URJC


11/25


Estado del arte

Problema NP-difıcil (numero de pedidos por lote > 2)

Tres categorıas de heurısticos (De Koster et al., 1999):

Metodos basicos como FCFSLos metodos semilla generan lotes secuencialmenteMetodos de ahorro como Clarke and Wright

Gademann et al. (2001) → heurıstico y exacto

Borja Menendez URJC


12/25


Estado del arte

Exacto: ramificacion y acotacion

Arbol de exploracion de n nivelesNueva rama por cada lote no vacıo y no completoVarias cotas inferioresReordenacion de pedidos

Heurıstico:

Cota superior al problemaSolucion aleatoriaBusqueda local basada en intercambios

Borja Menendez URJC


13/25


Indice

1 Introduccion


3 Experimentos

4 Conclusiones

Borja Menendez URJC


14/25


Busqueda de Vecindad Variable Basica

VNS: basada en cambios sistematicos de vecindad

Tres hechos simples:

Un mınimo local en una estructura de vecindad no lo esnecesariamente con otraUn mınimo global es un mınimo local con respecto a todas lasposibles estructuras de vecindadPara muchos problemas, los mınimos locales con la misma odistinta estructura de vecindad estan relativamente cerca

Diferentes esquemas → VNS Basica (BVNS)

Borja Menendez URJC


15/25


Pseudocodigo BVNS

Algoritmo 1 BVNS(f , tmax , kmax)1: repeat2: k ← 13: repeat4: f ′ ← Perturbacion(f , k)5: f ′′ ← BusquedaLocal(f ′)6: CambioDeVecindad(f , f ′′, k)7: until k > kmax

8: until t ≥ tmax

9: return f

Borja Menendez URJC


16/25


Pseudocodigo BVNS - Perturbacion

Figure 1: Movimiento de perturbacion en paso 4.

Borja Menendez URJC


17/25


Pseudocodigo BVNS - Busqueda Local

Intercambios con paquete “cuello de botella”

First improvementTiempo de recogida de ambos paquetes menor que el “cuellode botella”

Funcion objetivo secundaria

Intercambios entre dos paquetesNinguno es el “cuello de botella”

Borja Menendez URJC


18/25


Indice

1 Introduccion


3 Experimentos

4 Conclusiones

Borja Menendez URJC


19/25


Experimentos

Instancias:

Varios grupos de pedidos: 16, 20, 24, 28, 32, 36Subgrupos dependientes del numero de lotes5 instancias por subrupo, 75 instancias en totalAlmacen de 10 pasillos, 90 productos por pasillo, ABC45 largo, 3 ancho pasillo, 2 ancho estanterıaDistribucion ABC

Maquina: Intel Core i7 (3.4 GHz), 4 GB RAM

Borja Menendez URJC


20/25


Experimentos previos

CPUt (s) #Opt GAP

Exacto 238.51 48 64.53

Tabla 1: Algoritmo de Ramificacion y Acotacion.

kmax Dev. (%) #Best

1 0.35 4

2 0.49 5

3 0.29 5

4 0.76 1

5 0.34 4

6 0.74 2

Tabla 2: Ajuste del parametro kmax .

Borja Menendez URJC


21/25


Comparativas con el heurıstico

Heurıstico CPUt (s) Dev.(%) #Best

Gademann 0.19 0.27 46

BVNS 0.20 0.08 65

Tabla 3: Comparativa entre heurısticos.

Heurıstico Dev.(%) #Best #Opt

Gademann 0.45 31 31

BVNS 0.26 48 33

Tabla 4: Comparativa entre heurısticos teniendo en cuenta el exacto.

Borja Menendez URJC


22/25


Indice

1 Introduccion


3 Experimentos

4 Conclusiones

Borja Menendez URJC


23/25


Conclusiones

Problema del Empaquetamiento de pedidos, minimizar tiempomaximo

Propuesta de Busqueda de Vecindad Variable Basica (BVNS)

BVNS comparado con el estado del arte, mejorandolo

Borja Menendez URJC


24/25


Referencias

Gademann, N. and S. Velde (2001), “Order batching tominimize total travel time in parallel-aisle warehouse”, IIETransactions, 37 (1), 63–75

De Koster, R., E. van der Poort and M. Wolters (1999),“Efficient orderbatching methods in warehouses”, Int J ProdRes, 37 (7), 1479–1504

Borja Menendez URJC


25/25


Busqueda de Vecindad Variable Basica para

la minimizacion del tiempo maximo en el


Borja Menendez 1, Eduardo G. Pardo 2, Abraham Duarte 3

Universidad Rey Juan Carlos 1 2 3

[email protected] 1, [email protected] 2, [email protected] 3

Borja Menendez URJC


búsqueda de vecindad variable básica para la minimización del tiempo máximo en el problema del...

Engineering

problema soluc

arte problema np

jo de lotes lotes asignados

tiempo maximo de recogida

arte exacto

metodos de ahorro

metodos semilla

metodos basicos