Models and Computational Intelligence Approaches for the Last Mile Delivery Problem in Food Supply Chain
Metadatos
Mostrar el registro completo del ítemAutor
El Raoui, HananeEditorial
Universidad de Granada
Departamento
Universidad de Granada. Programa de Doctorado en Tecnologías de la Información y la ComunicaciónMateria
Last mile Routing problem CVRP Perishable food distribution Many-objectives optimization Real road networks Metaheuristic Última milla Problema de enrutamiento Distribución de alimentos perecederos Optimización multiobjetivo Redes de carreteras reales Metaheurística
Fecha
2022Fecha lectura
2022-01-10Referencia bibliográfica
El Raoui, Hanane. Models and Computational Intelligence Approaches for the Last Mile Delivery Problem in Food Supply Chain. Granada: Universidad de Granada, 2022. [http://hdl.handle.net/10481/72455]
Patrocinador
Tesis Univ. Granada.Resumen
In cities, the "last mile" is not only a logistical issue, but also a significant
urban planning challenge. The final mile in the supply chain involves highfrequency,
low-volume, and short-haul distribution of products to end consumers.
The last leg of the supply chain is the most crucial, but also the
least efficient. Transportation planning is one of the major contributors to the
severity of last-mile delivery (LMD) issues in cities. The scope of our thesis
is on the transportation planning for perishable food supply chains.
In recent years, the global food market has shown substantial growth.
Therefore, posing new challenges, and initiating a drastic change in the last
mile logistics. These challenges are mainly related to the high perishability of
food product that require specific management approaches to maintain their
quality. Additionally, we mention the growing demand from customers for
deliveries to be made on time, at a lower cost, and in an environmentally
friendly manner. Customers search other alternatives, if the service doesn’t
meet their expectations. Last mile logistics is essential in developing brand
loyalty in this competitive environment, as it allows transporters to deliver
fresh and high quality products to consumers, faster and cost-effectively. The
aim of this thesis is to propose models and solving approaches that can support
decision-making process in food supply chain through addressing concerns
about transportation costs, carbon emissions, product quality, service
level, etc. Specifically, different decision problems that can be regarded as
routing problems, are considered.
We start by modelling a delivery problem with specific temporal customer’s
requirements as a capacitated vehicle routing problem with soft time
windows. The problem is formulated as a Mixed 0-1 non-Linear Program
(MINLP). The objective is to minimize the total cost, consisting of transportation
costs, food quality degradation costs, and time-windows violation costs.
To model the temporal preference of the customers in a most realistic way, we
provide another model that represent this preference information as a fuzzy
number with respect to the satisfaction of service time. This problem is a
Capacitated Vehicle Routing Problem with Fuzzy TimeWindows (CVPFTW)
and formulated as a fuzzy mixed-integer linear programming model. Both
problems are addressed on real road networks where arcs are labelled with
multiple attributes, and solved using CPLEX solver. The performance of the
proposed models is assessed through computational analyses on several test
instances. Some instances are derived from real-life applications, others are
randomly generated. The results proved that our approach can help reduce
the operational costs of delivery while improving customer service. To improve customer satisfaction, we propose a many-objective Customer-
Centric Perishable Food Distribution Problem. The proposed model focuses
on the cost, the quality of the product, and the service level improvement
by considering not only time windows but also the customers’ target time
and their priority. Owing the difficulty of solving such model, we propose a
General Variable Neighbourhood Search (GVNS) metaheuristic. By solving
a mono-objective sub-problem, such approach enables to generate a set of
diverse solutions. These solutions are evaluated over some non-optimized
criteria and then ranked using an a posteriori approach that requires minimal
information about decision maker preferences. The computational results
show: (a) GVNS achieved the same quality solutions as an exact solver
(CPLEX) in the sub-problem; (b) GVNS can generate a wide number of candidate
solutions, and (c) the use of the a posteriori approach makes easy to
generate different decision maker profiles which in turn allows obtaining different
rankings of the solutions.
Solving a perishable food distribution problem in a real world setting is
a very complex task. This is due to products characteristics, and the requirements
of customers.To ensure a safe, quality product with a desired service
level, a bunch of specifications should be included during the decision/optimization
process. Many times, the computational models necessarily leave
out of consideration several characteristics and features of the real world.
Thus, trying to obtain the optimum solution can not be enough for a problemsolving
point of view. To address this problem, we propose a modelling to
generate Alternatives- metaheuristic based approach to generate a set of alternative
solutions. The aim is to allow the decision maker to consider different
perspectives, and non-modelled criteria. En las ciudades, la "última milla" no es sólo una cuestión logística, sino también
un importante reto de planificación urbana. La última milla de la cadena
de suministro implica la distribución de alta frecuencia, bajo volumen y corta
distancia de los productos a los consumidores finales. El último tramo de
la cadena de suministro es el más crucial, pero también el menos eficiente.
La planificación del transporte es uno de los principales factores que contribuyen
a la gravedad de los problemas de la última milla (LMD) en las
ciudades. En los últimos años, el mercado mundial de la alimentación ha experimentado
un crecimiento considerable, lo que ha planteado nuevos retos
y ha provocado un cambio drástico en la logística de la última milla. Estos
retos están relacionados principalmente con el alto grado de perecederos
de los productos alimentarios, que requieren enfoques de gestión específicos
para mantener su calidad. Y la creciente demanda de los clientes de que
las entregas se realicen a tiempo, con un coste menor y de forma respetuosa
con el medio ambiente. La logística de última milla es esencial para desarrollar
la lealtad a la marca en este entorno competitivo, ya que permite a
los transportistas entregar productos frescos y de alta calidad a los consumidores,
de forma más rápida y rentable. El objetivo de esta tesis es proponer
modelos y enfoques de resolución que puedan apoyar el proceso de toma de
decisiones en la cadena de suministro de alimentos, abordando las preocupaciones
sobre los costes de transporte, las emisiones de carbono, la calidad
del producto y el nivel de servicio. Comenzamos modelando el problema
de las necesidades del cliente para una entrega en un rango de tiempo específico
como un problema de enrutamiento de vehículos capacitados con
una ventana de tiempo suave, para el que se formula un programa no lineal
mixto 0-1 (MINLP). El objetivo es minimizar los costes totales, que consisten
en los costes de transporte, los costes de degradación de la calidad de
los alimentos y los costes de violación de la ventana de tiempo. Para modelar
la preferencia de los clientes en términos de ventana de tiempo muy
bien, proporcionamos otro modelo que representa esta información de preferencia
como un número difuso con respecto a la satisfacción del tiempo de
servicio. Este problema se considera como un problema de enrutamiento
de vehículos capacitados con ventanas de tiempo difusas CVPFTW y se formula
como un modelo de programación lineal de enteros mixtos. Ambos
problemas se abordan en redes de carreteras reales en las que los arcos están
etiquetados con múltiples atributos, y se resuelven utilizando algoritmos exactos.
El rendimiento de los modelos propuestos se evalúa mediante análisis computacionales adecuados que tienen en cuenta varios conjuntos de instancias
de prueba, algunas derivadas de una aplicación real y otras generadas
aleatoriamente. Para aumentar la satisfacción del cliente, proponemos un
problema de distribución de alimentos perecederos centrado en el cliente que
se centra en el coste, la calidad del producto y la mejora del nivel de servicio
teniendo en cuenta no sólo las ventanas de tiempo, sino también el tiempo
objetivo de los clientes y su prioridad. Reconociendo la dificultad de resolver
este modelo, proponemos un enfoque metaheurístico basado en la Búsqueda
de Vecindario General (GVNS) que permite resolver eficientemente un subproblema
y obtener un conjunto de soluciones. Estas soluciones se evalúan
sobre algunos criterios no optimizados xiy luego se clasifican utilizando un
enfoque a posteriori que requiere una información mínima sobre las preferencias
del decisor. Los resultados computacionales muestran (a) que GVNS
logra soluciones de la misma calidad que un solucionador exacto (CPLEX)
en el subproblema; (b) que GVNS puede generar un amplio número de soluciones
candidatas, y (c) que el uso del enfoque a posteriori facilita la generación
de diferentes perfiles de tomadores de decisiones, lo que a su vez
permite obtener diferentes clasificaciones de las soluciones.La resolución de
un problema de distribución de alimentos perecederos en un entorno real es
una tarea muy compleja. Para garantizar un producto seguro y de calidad
con el nivel de servicio deseado, es necesario incluir un conjunto de especificaciones
durante el proceso de decisión y optimización de las operaciones.
Muchas veces, los modelos computacionales no tienen en cuenta varias características
y rasgos del mundo real, por lo que intentar obtener la solución
óptima puede no ser suficiente desde el punto de vista de la resolución de
problemas. Para abordar este problema, proponemos un enfoque basado en
la metaheurística Modeling to Generate Alternatives para generar un conjunto
de soluciones alternativas. El objetivo es permitir que el responsable de
la toma de decisiones considere diferentes perspectivas y criterios no modelados.