Planejamento operacional integrando cross-docking e roteamento de veículos para um sistema de distribuição 

• Ano de defesa: 2019
• Autor(a) principal: Bernardes, Eduardo Delcides
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Cross-docking; Heuristic methods; Mathematical modelling; Métodos heurísticos; Modelagem matemática; Rede de varejo; Retail network; Roteamento de veículos; Vehicle routing
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-04022020-091158/

A gestão de uma cadeia de suprimentos requer o controle e a integração de diferentes processos entre fornecedores e clientes. Cross-docking é uma estratégia de distribuição bastante adotada na prática que considera instalações intermediárias (cross-docks) e tem como objetivo reduzir custos logísticos, principalmente, com estoques. De acordo com a literatura, tanto no crossdocking quanto na rede da qual faz parte, existem diferentes problemas de decisões que devem ser considerados de forma integrada para a definição de um planejamento de distribuição mais eficiente. Neste trabalho, abordamos os problemas de programação de cross-dock e de roteamento de veículos de forma integrada baseados em um sistema de distribuição de uma rede de varejo. No que é de nosso conhecimento, existem apenas dois trabalhos similares ao abordado nesta Tese. Porém, estes consideram produtos perecíveis com características específicas, diferentes do contexto aqui considerado. Para o problema estudado, desenvolvemos dois modelos de programação inteira mista. Além disso, apresentamos também uma análise sobre a relevância da integração dos dois problemas ao comparar com estratégias hierárquicas para resolvê-los. Os resultados mostram que é possível obter um planejamento com menor custo total e menos violações dos prazos das entregas utilizando a estratégia integrada aqui proposta. Para tratar problemas de dimensões maiores, desenvolvemos três métodos heurísticos. Primeiro, apresentamos uma heurística construtiva com a qual é possível obter soluções rapidamente, principalmente para instâncias com maior possibilidade de consolidação de cargas. Em seguida, desenvolvemos uma meta-heurística de busca em vizinhança variável com a qual obtivemos soluções com ganhos de até 27% em relação a soluções obtidas para o problema utilizando modelagem e o solver Gurobi. Finalmente, adaptamos a matheurística Proximity Search para resolver o problema estudado. Neste caso, como esperado, o método apresenta um melhor desempenho para as instâncias maiores.