Análisis metaheurístico en la logística inversa de residuos

Abstract

El concepto genérico de Logística Inversa incluye el estudio de todos los flujos de materiales o productos en sentido inverso en la cadena logística. La vida de los productos no termina al alcanzar al usuario final, sino que perduran en el tiempo y generan residuos, suponiendo esto no sólo un coste sino un problema social por su posibilidad de contaminar el medioambiente. Dentro de la logística inversa, esta tesis se centra en la gestión de residuos sólidos urbanos, su reciclado y la optimización en la localización de las instalaciones de transferencia y las plantas de tratamiento. La metodología de optimización del problema de diseño de rutas de distribución de paquetería, minimización de costes y localización de hubs, almacenes, etc. que aparecen en la gestión de la cadenas de suministro directa (Dantzing (1955)), es aplicable al área de la logística inversa para resolver el problema de diseño de la red de transporte de residuos y localización de los diferentes centros de recogida, centros de transferencia y plantas de tratamiento. El objetivo de esta tesis es principalmente la utilización de algoritmos metaheurísticos de búsqueda para resolver un problema real, dinámico y determinista, de optimización de costes y localización en logística inversa dentro del ámbito de la gestión de Residuos Sólidos Urbanos (RSU) de la provincia de Málaga. Para ello, se analiza y valora la metodología utilizada en distintas tesis, revistas y congresos nacionales e internacionales desde el punto de vista de la utilización de técnicas metaheurísticas. En algunas soluciones existentes basadas en metaheurísticas se utiliza como estructura de resolución la compuesta por un algoritmo metaheurístico, un modelador (AIMMS, GAMS) y un solver (CPLEX) que resuelva de forma rápida modelos lineales continuos. Éste será el esquema que se seguirá en esta tesis. En la actualidad existen muchas y novedosas técnicas metaheurísticas de búsqueda, desde las existentes en la literatura convencional como los algoritmos genéticos (GA, Holland (1975)), búsqueda tabú (TS, Glover (1989)), búsqueda dispersa (SS, Glover (1977)), etc., hasta los más novedosos como los algoritmos de optimización por enjambre de partículas (PSO, Kennedy y Eberhart (1995)), otros como la búsqueda local iterada (ILS, Stútzle (1999)), etc. En esta tesis se han seleccionado dos técnicas metaheurísticas de cierta relevancia para probar la validez del enfoque propuesto: una técnica importante por su implantación internacional como es el algoritmo GA y otra técnica interesante por funcionar con inteligencia de enjambre (swarm intelligence) como es el algoritmo PSO. Estas técnicas metaheurísticas se utilizan para resolver los problemas de optimización de costes y localización de instalaciones de recuperación de RSU (centros de transferencia y plantas de tratamiento).