Optimización del transporte de caña de azúcar en Tucumán utilizando sistemas multiagentes

Autores

  • Nicolás Majorel Padilla Centro de Investigación en Tecnologías Avanzadas de Tucumán (CITAT), Universidad Tecnológica Nacional, Facultad Regional Tucumán (UTN-FRT), Tucumán, Argentina Departamento de Electricidad, Electrónica y Computación (DEEC), Universidad Nacional de Tucumán, Facultad de Ciencias Exactas y Tecnología (UNT-FACET), Tucumán, Argentina
  • Agustín Décima Centro de Investigación en Tecnologías Avanzadas de Tucumán (CITAT), Universidad Tecnológica Nacional, Facultad Regional Tucumán (UTN-FRT), Tucumán, Argentina
  • Adrián Will Centro de Investigación en Tecnologías Avanzadas de Tucumán (CITAT), Universidad Tecnológica Nacional, Facultad Regional Tucumán (UTN-FRT), Tucumán, Argentina Departamento de Matemática, Universidad Nacional de Tucumán, Facultad de Ciencias Exactas y Tecnología (UNT-FACET), Tucumán, Argentina
  • Sebastián Rodríguez Centro de Investigación en Tecnologías Avanzadas de Tucumán (CITAT), Universidad Tecnológica Nacional, Facultad Regional Tucumán (UTN-FRT), Tucumán, Argentina
  • Oscar Diez Estación Experimental Agroindustrial Obispo Colombres (EEAOC), Tucumán, Argentina

Palavras-chave:

Optimización, Transporte, Caña de Azúcar. Sistemas Multiagentes, Fuerzas de Atracción.

Resumo

El presente trabajo pretende mostrar el desarrollo de un modelo matemático y un Sistema Multiagentes para la optimización del transporte de caña de azúcar, desde el productor cañero hasta el ingenio. Llevar a cabo esta optimización implica considerar factores tales como la eficiencia de producción de caña, el rendimiento de los ingenios, los costos de transporte, etc., que hacen de la misma un problema complejo. Nuestra propuesta intenta maximizar el balance energético del sistema, teniendo en cuenta varias restricciones operativas, buscando un sistema escalable y paralelizable debido al tamaño y complejidad del problema. El sistema se prueba con datos sintéticos, y se compara con otro similar basado en Programación Lineal desarrollado en trabajos anteriores. Los resultados muestran que la herramienta es adecuada para el sistema planteado, obteniendo resultados similares en mucho menos tiempo.   10.13084/2175-8018.v03n06a07

Referências

AHO, A.; HOPCROFT, J.; ULLMAN, J. Data structures and algorithms. 2nd ed., Addison Wesley, 1987.

BAZARAA, M.; JARVIS, J.; SHERALI, H. Linear programming and network flows. 3rd ed., Wiley Interscience, 2005.

CHEN, B.; CHENG, H. A review of the applications of agent technology in trafic and transportation systems. IEEE Transactions On Intelligent Transportation Systems, v. 11, n. 2, Junio, 2010.

DIEZ, O.; WILL, A.; RODRIGUEZ, S.; et.al. Optimización del transporte de caña de azúcar desde el productor al ingenio en la provincial de Tucumán. Actas del primer Taller de Matemática Industrial, TAMI 2010, fascículo 6, serie B, Cursos y Seminarios en Matemática, FCEyN-UBA., 2010.

GEN, M.; CHEN, R.; LIN, L. Network models and optimization: a multiobjective genetic algorithms approach. Springer Decision Engineering Series, Springer, 2008.

GILES, R.; DINES, G.; LYNE, P.; BEZUIDENHOUT, C. The complexities of introducing the complexities of introducing the FREDD vehicle scheduling system into the Darnall mill area. Proc. South African Tech. Ass., v. 80, p. 66-70, 2006.

GILES, R.; LYNE P.; VENTER R.; VAN NIEKERK, J.; DINES G. Vehicle scheduling project success at South African and Swaziland sugar mills. Proc S Afr Sug Technol Ass, v. 82: 151-163, 2009

JOHNSON, Steven. Emergence: the connected lives of ants, brains, cities, and software. Scribner, 2003.

JORIO, R.; LEGENDRE, B.; GAUTZ, L.; ABDELLAOUI, R. Simulation model to reduce the impact of rain stops and breakdowns on sugar harvesting, transport, and crushing system performances. Proc. South African Tech. Ass., v. 80, p. 115-119, 2006.

LANNES, A; PUCCI, C. La agroindustria azucarera y su influencia en el PBI de Tucumán. Banco Santiago del Estero, 2007.

LE GAL, P.; LE MASSON, J., BEZUIDENHOUT, C., LAGRANGE, L.: Coupled modelling of sugarcane supply planning and logistics as a management tool, Comput. Electron. Agric. v. 2, n. 68, 168-177, 2009.

LI, Ling. Supply Chain Management: an evolutionary view. Chapter 1 in “Supply Chain Management: concepts, techniques, and practices”, World Scientific Publishing Co., 2007.

LOPEZ MILÁN, E., MIQUEL FERNANDEZ, S., & PLÁ ARAGONÉS, L. El Problema Del Transporte De La Caña De Azúcar En Cuba, Investigación Operacional 25 2 (2004), 148-157.

PARDOE, D.; STONE, P. An autonomous agent for supply chain management. Handbooks in Information Systems Series, Business Computing, Emerald Group, 2009.

PÉREZ, D.; FANDOS, C.; SCANDALIARIS, J.; MAZZONE, L.; SORIA, F.; SCANDALIARIS, P. Estado actual y evolución de la productividad del cultivo de caña de azúcar en Tucumán y el noroeste argentino en el período 1990-2007. EEAOC Publicación Especial 34, 2007.

SALLES SCARPARI, M.; BEAUCLAIR, E. G. F.. Optimized Agricultural Panning of Sugarcane using Linear Pogramming. Investigacion Operacional, v. 31, n. 2, p. 126-132, 2010.

SYARIF A.; GEN, M. Solving and extended logistics model using hybrid genetic algorithms. In: 11th Asian Pacific engineering and management systems conference, 2010.

ZHAO D.; YI J. Robot planning with artificial potential field guided ant colony optimization algorithm. Advances in Natural Computation, Springer, 2006.

Downloads

Publicado

2012-05-19

Edição

Seção

Artigos