Algoritmo genético para el despacho de técnicos con dependencia del tiempo
Professor Advisor
dc.contributor.advisor
San Martín Zurita, Ricardo
Author
dc.contributor.author
Bravo Valenzuela, José Ignacio
Associate professor
dc.contributor.other
Urrutia Uribe, Rodolfo
Associate professor
dc.contributor.other
Thraves Cortés-Monroy, Charles
Admission date
dc.date.accessioned
2018-07-26T15:39:31Z
Available date
dc.date.available
2018-07-26T15:39:31Z
Publication date
dc.date.issued
2017
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/150320
General note
dc.description
Ingeniero Civil Industrial
es_ES
Abstract
dc.description.abstract
La empresa Xerox en Chile ofrece el servicio de reparación de equipos de oficina tales como impresoras y fotocopiadoras. Para ello cuenta con una dotación de técnicos que se trasladan hacia los clientes para realizar el trabajo. La estrategia de la empresa es atender las solicitudes de trabajo tan pronto como sean recibidas, es decir, organizar y atender durante el día las llamadas que van recibiendo por parte de sus clientes. Cuando esto no es posible, ciertos clientes son postergados para otro día. Como consecuencia de dicha estrategia, las llamadas que no alcanzaron a ser atendidas a tiempo por los técnicos llegó al 54% para el periodo 2002-2003 en la ciudad de Santiago, considerándose esto un deterioro en la calidad de atención.
En este trabajo se propuso disminuir la cantidad de clientes postergados junto con la distancia recorrida mediante la planificación eficiente de las rutas. La metodología consistió en abordar la situación como un problema de ruteo de vehículos, donde además los tiempos de viaje no son fijos, sino que dependen de la hora del día. Este problema es conocido como el Problema de Ruteo de Vehículos con Dependencia del Tiempo (TDVRP por sus siglas en inglés). Debido a la necesidad de encontrar soluciones rápidas, el problema fue resuelto mediante Algoritmo Genético, el cual consiste en generar un conjunto de rutas aleatorias de clientes y luego intercambiar entre sí pequeños segmentos para crear nuevas y mejores rutas, imitando de tal forma el proceso de recombinación genética presente en la naturaleza. Se consideró también un cambio en la política de atención, donde ahora todos los llamados serían atendidos al día siguiente para una mejor planificación.
Los resultados se obtuvieron para una semana de operación. Las soluciones alcanzaron tasas de retraso entre 6-20% en comparación con el 59% de la situación real de aquella semana. Respecto de la dependencia del tiempo, los resultados mostraron que no hubo diferencias significativas al incluir variación en los tiempos de viaje en comparación con tiempos de viaje fijos.
Se concluye que el cambio en la estrategia de atención y una buena planificación inicial mejoran ostensiblemente la cantidad de clientes que deben ser postergados, esto implica una oportunidad de mejora en la calidad de servicio que ofrece Xerox. Por otro lado, incluir dependencia de la hora del día en los tiempos de viaje no significó un aporte al modelo en cuanto calidad de las soluciones. Aquello podría explicarse por tiempos de servicio mayores que los tiempos de viaje, haciendo que el impacto de estos últimos sean irrelevantes para la solución del modelo en una ciudad.