Modelo de centro de distribución verde: amigabilidad con el medio ambiente y eficiencia operacional usando un enfoque de procesos y un metaheurístico de búsqueda tabú

Rodrigo Andres Gomez Montoya, Alexander Alberto Correa Espinal, José Daniel Hernandez Vahos

Resumen


Este artículo tiene como objetivo desarrollar y validar un modelo de centro de distribución (CEDI) verde, que se conforma de tres componentes: un módulo de gestión, un sistema de administración de almacenes (WMS-Warehouse Management System) y un metaheurístico. Como resultado de la validación del modelo en un CEDI de una empresa mediana de alimentos, se obtuvo una reducción de las emisiones de CO2 equivalente de 731 kg/mes o un 37% de las emisiones en la preparación de pedidos. Además, se desarrolló el modelamiento de un metaheurístico de búsqueda tabú para resolver el problema de ruteo en la preparación de pedidos, lo que permitió incrementar la eficiencia de la operación en un 18,83%, así como obtener una reducción de 198 kg de CO2 equivalente por mes. Por lo tanto, el modelo CEDI verde, simultáneamente, aumentó la eficiencia y redujo la cantidad de kilogramos de CO2, utilizando un enfoque que no había sido abordado en la literatura para este proceso logístico.


Palabras clave


centro de distribución; emisiones CO2; logística verde; medio ambiente; metaheurísticos; tecnologías de la información y comunicaciones

Texto completo:

PDF XML

Referencias


A. Correa and R. Gómez, “Tecnologías de la Información en la cadena de suministro,” Dyna, vol. 76, n.° 157, pp. 37–48, 2009.

E. Frazelle and R. Sojo, Logística de almacenamiento y manejo de materiales de clase mundial. Bogotá: Grupo Editorial Norma, 2007.

J. J. Bartholdi and S. T. Hackman, Warehouse & Distribution Science: Release 0.96. The Supply Chain and Logistics Institute, 2014.

A. Correa, R. Gómez and J. Cano, “Gestión de almacenes y tecnologías de la información y comunicación (TIC),” Estudios Gerenciales, vol. 26, n.° 117, pp. 145–171, 2010.

S. Henn and V. Schmid, “Metaheuristics for order batching and sequencing in manual order picking systems,” Computers & Industrial Engineering, vol. 66, n.° 2, pp. 338–351, Oct. 2013.

H. Min, “Application of a decision support system to strategic warehousing decisions,” International Journal of Physical Distribution & Logistics Management, vol. 39, n.° 4, pp. 270-281, 2009.

S. Henn, “Metaheuristics for the order batching problem in manual order picking systems,” BuR Business Research Journal, vol. 3, n.° 1, pp. 1-24, 2010.

O. Kulak, Y. Sahin, and M. E. Taner, “Joint order batching and picker routing in single and multiple-cross-aisle warehouses using cluster-based tabu search algorithms,” Flex Serv Manuf J, vol. 24, n.° 1, pp. 52-80, Mar. 2012.

M. de Brito and R. Dekker, “Reverse logistics - a framework,” Econometric Institute Research Papers, vol. 1, pp. 1-19, Oct. 2002.

S. Ubeda, F. J. Arcelus, and J. Faulin, “Green logistics at Eroski: A case study,” International Journal of Production Economics, vol. 131, n.° 1, pp. 44-51, May 2011.

R. Dekker, J. Bloemhof, and I. Mallidis, “Operations Research for green logistics – An overview of aspects, issues, contributions and challenges,” European Journal of Operational Research, vol. 219, n.° 3, pp. 671-679, Jun. 2012.

U. Martinsen and M. Björklund, “Matches and gaps in the green logistics market,” Int Jnl Phys Dist & Log Manage, vol. 42, n.° 6, pp. 562-583, Jul. 2012.

G. Zhang and Z. Zhao, “Green Packaging Management of Logistics Enterprises,” Physics Procedia, vol. 24, Part B, pp. 900-905, 2012.

] Y. Y. Zhao and Y. J. Gu, “Green Logistics and Social Sustainable Development,” in Advanced Materials Research, 2014, vol. 962, pp. 2180-2184.

] I. Harris, C. L. Mumford, and M. M. Naim, “A hybrid multi-objective approach to capacitated facility location with flexible store allocation for green logistics modeling,” Transportation Research Part E: Logistics and Transportation Review, vol. 66, pp. 1-22, Jun. 2014.

S. Zhang, C. K. M. Lee, H. K. Chan, K. L. Choy, and Z. Wu, “Swarm intelligence applied in green logistics: A literature review,” Engineering Applications of Artificial Intelligence, vol. 37, pp. 154-169, Jan. 2015.

K. Lai and C. W. Y. Wong, “Green logistics management and performance: Some empirical evidence from Chinese manufacturing exporters,” Omega, vol. 40, n.° 3, pp. 267-282, Jun. 2012.

M. S. Pishvaee, S. A. Torabi, and J. Razmi, “Credibility-based fuzzy mathematical programming model for green logistics design under uncertainty,” Computers & Industrial Engineering, vol. 62, n.° 2, pp. 624-632, Mar. 2012.

K. Dobers, A. Klukas, W. Lammers, M. Laux, G. Mauer, and M. Schneider, “Green Logistics: Optimisation Approaches for Resource-Efficient Logistics Services,” in Efficiency and Logistics, U. Clausen, M. ten Hompel, and M. Klumpp, Eds. Springer Berlin Heidelberg, 2013, pp. 149-161.

G. Ćirović, D. Pamučar, and D. Božanić, “Green logistic vehicle routing problem: Routing light delivery vehicles in urban areas using a neuro-fuzzy model,” Expert Systems with Applications, vol. 41, n.° 9, pp. 4245-4258, Jul. 2014.




DOI: https://doi.org/10.22395/rium.v16n31a10

Enlaces refback

  • No hay ningún enlace refback.


Creative Commons License
Este trabajo esta licenciado bajo una Creative Commons Attribution-NonCommercial 4.0 International License.

© 2011 Sello Editorial. Universidad de Medellín.

 

 

Indexada en: