Herramientas de Optimización aplicadas a la industria forestal en procesos con incertidumbre.

Abstract

Esta tesis propone un conjunto de algoritmos y técnicas de optimización estocástica para mejorar la planificación de operaciones en la cadena de suministro forestal, considerando la incertidumbre climática que afecta fuertemente los costos logísticos y de transporte de la cosecha de madera en Uruguay. Se desarrollan métodos computacionales para asignación y ruteo óptimo de equipos ante múltiples escenarios de disponibilidad de los lugares a cosechar. En primer lugar, se presenta una metodología para optimizar (usando programación lineal mixta entera) esa asignación y el ruteo de los equipos de empresas contratistas forestales (Forest Harvest Tour Problem, FHTP), con el objetivo de mejorar la eficiencia económica y logística en las operaciones. Luego se formula un problema de optimización estocástica para el FHTP, considerando la incertidumbre en la accesibilidad a las zonas de cosecha, proponiendo una función objetivo estocástica y las restricciones para modelar la disponibilidad aleatoria de los sitios de cosecha en los diferentes períodos del horizonte de planificación. También se plantea un enfoque de reducción de escenarios basado en técnicas de “clustering” para simplificar la dimensionalidad del problema estocástico, manteniendo la calidad de la solución pero con menores requerimientos de tiempo y recursos computacionales.

Los experimentos numéricos demostraron la efectividad de este enfoque para preservar la calidad de la solución obtenida en comparación con utilizar el conjunto completo de escenarios. Esto resalta la utilidad de la optimización estocástica y las técnicas de reducción de escenarios para abordar la incertidumbre en la planificación forestal y tomar decisiones más robustas. Adicionalmente, se propuso una extensión al algoritmo de Progressive Hedging que, contemplando la metodología de reducción de escenarios, aceleró los tiempos de resolución del problema estocástico. Se realizaron experimentos utilizando la librería Python mpi-sppy, diseñada para resolver problemas de programación estocástica mediante técnicas de computación paralela. Esta investigación aporta una novedosa combinación de programación estocástica, reducción de escenarios y estrategias de computación paralela, para mejorar la planificación de operaciones en la cadena de suministro forestal. Se espera que estas herramientas proporcionen soluciones de alta calidad en tiempos razonables, lo que resultaría en una reducción significativa de costos operativos y una mejora en la eficiencia de la planificación en un sector económico clave para Uruguay y la región.