Tecnología de optimización matemática para buques de carga

Optimización de la red de transporte de buques de carga: técnicas de optimización matemática

Resumen

• El equipo de investigación de Google anunció una nueva Shipping Network Design API.
• Esta API ayuda a resolver problemas de diseño de red y programación de itinerarios para buques de carga.
• Esta solución es más rápida y eficiente que los métodos existentes, permite duplicar los ingresos y transportar más contenedores con menos embarcaciones.

Contexto

• El LSNDSP (problema de diseño y programación de redes navieras) se compone de tres elementos: diseño de red, programación de la red y enrutamiento de contenedores.
• Antes, estos problemas se resolvían por separado, pero al resolverlos de manera simultánea se pueden encontrar mejores soluciones.

Metodología

• El problema de optimización está compuesto por variables, restricciones y una función objetivo.
• Google resolvió el problema usando dos enfoques: Double Column Generation y CP-SAT.
• Estos métodos ofrecen soluciones óptimas para problemas de tamaño pequeño y mediano, pero no son adecuados para problemas a gran escala.
• Para resolver problemas de gran escala se utilizan Large Neighborhood Search y Variable Neighborhood Search.
• Estos métodos reducen el espacio de búsqueda y aumentan la eficiencia mediante procesamiento en paralelo.

Resultados

• El rendimiento se evaluó usando el benchmark LINERLIB.
• La solución de Google permite transportar más contenedores con menos embarcaciones.
• En cada escenario mejora la eficiencia y aumenta significativamente los ingresos.

Conclusión

• La técnica de optimización de Google es el primer método capaz de resolver problemas de diseño y programación de redes navieras a gran escala.
• Se espera que esta investigación contribuya a mejorar la eficiencia de la cadena de suministro global.

La opinión de GN⁺

• Antecedentes técnicos: LSNDSP es un problema de optimización complejo que requiere resolver al mismo tiempo el diseño de red, la gestión de itinerarios y el enrutamiento.
• Importancia industrial: Como el 90% del comercio global depende del transporte marítimo, resolver este problema tiene un gran impacto económico.
• Desafío técnico: Para resolver problemas de gran escala se necesitan técnicas avanzadas como procesamiento en paralelo y reducción del espacio de búsqueda.
• Productos competidores: Otras soluciones de optimización con funciones similares incluyen CPLEX de IBM y Gurobi.
• Aspectos a considerar: Al introducir una nueva tecnología puede haber costos iniciales de configuración y una curva de aprendizaje. Sin embargo, a largo plazo puede mejorar notablemente la eficiencia y la rentabilidad.

[GN⁺]

Opiniones de Hacker News

• Opinión desde el lado de la terminal: la optimización de terminales es muy compleja, y como cada terminal funciona de manera distinta, es difícil escalarla.
• Recomendación del libro "The Box": es un libro sobre la historia temprana de la contenerización, y una lectura interesante que mezcla ingeniería, diseño, negocios e historia.
• Problema de optimización de contenedores: el problema de optimización de contenedores para grandes flotas sigue sin resolverse.
• Mejora de Google OR: Google OR mejora entre 10% y 20% las soluciones existentes.
• Uso de la API: se cuestiona si vale la pena intentarlo en una situación donde no se considera el demurrage.
• Curiosidad sobre el uso del endpoint de la API: hay curiosidad por saber si realmente se usaría el endpoint de API ofrecido por Google.
• Recomendación de Omega Tau Podcast: tiene un excelente episodio sobre transporte de contenedores y optimización.
• Ejecución en contenedor Docker: solo funciona cuando se ejecuta dentro de un contenedor Docker.
• Sugerencia de uso de algoritmos: se plantea si no sería posible resolver con algoritmos la planificación de horarios del personal de medio tiempo.
• Prestación de OR-tools como servicio: parece que comenzaron a ofrecer OR-tools como servicio. Si hubiera una mejor API, habría disposición a pagar los costos de cómputo de GCP.
• Duda sobre el plan de carga: el plan de carga es un problema que debe resolverse en la etapa siguiente a la planificación de rutas. Se presenta un cálculo aproximado de la velocidad de operación de las grúas y del proceso de carga/descarga.
• Complejidad del plan de carga: el plan de carga incluye criterios como peso, equilibrio, energía y aceptabilidad del valor. Debido a esta complejidad, se intenta hacer un cálculo simple.