Planificación de Rutas en MIPYMES Integrando el Algoritmo del Agente Viajero con Google Maps, IA y Python: Un enfoque práctico

Autores/as

DOI:

https://doi.org/10.69639/arandu.v11i2.490

Palabras clave:

rutas, logística, algoritmo, ia, Python

Resumen

Este estudio explora un enfoque práctico para optimizar la planificación de rutas en MIPYMES utilizando el modelo matemático del Problema del Agente Viajero (TSP), la API de Google Maps, inteligencia artificial y Python. La investigación se centra en comparar rutas empíricas, basadas en la experiencia de los conductores, con rutas optimizadas generadas mediante un modelo matemático (MTZ). Para ello, se recopiló información geoespacial precisa de rutas reales y se procesaron mediante MTZ. Los resultados evidencian una mejora significativa en la eficiencia logística, logrando reducciones en distancias recorridas, consumo de combustible y emisiones de CO2. Estas conclusiones destacan la viabilidad de aplicar tecnologías avanzadas para transformar procesos logísticos en soluciones más sostenibles y competitivas para las MIPYMES.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Cota Salgado, M. J. (2020). Mortalidad infantil y contaminación ambiental en la Ciudad de México. http://repositorio-digital.cide.edu//handle/11651/4354

Hincapié, r. A., ríos porras, c. A., & gallego, r. A. (2004). Técnicas heurísticas aplicadas al problema del cartero viajante (tsp). Scientia et technica, x(24), 1-6.

Inventario Nacional de Emisiones de Gases y Compuestos de Efecto Invernadero (INEGyCEI)—Inventario Nacional de Emisiones de Gases y Compuestos de Efecto Invernadero INEGYCEI 2020-2021—Datos.gob.mx/busca. (s. f.). Recuperado 27 de octubre de 2023, de

https://datos.gob.mx/busca/dataset/inventario-nacional-de-emisiones-de-gases-y-compuestos-de-efecto-invernadero-inegycei/resource/d202a24f-cc1f-46d2-80e8-5d3389e92378

Kuo, Y., & Wang, C. (2011). Optimizing the VRP by minimizing fuel consumption. Management of Environmental Quality: An International Journal, 22(4), 440-450. https://doi.org/10.1108/14777831111136054

Villegas Flórez, J. A., Zapata Grisales, C. J., & Gatica, G. (2017). Una aplicación del método MTZ a la solución del problema del agente viajero. Scientia Et Technica, 22(4), 341-344.

Google. (s. f.). Usar capas del mapa. Recuperado 19 de noviembre de 2024, de https://support.google.com/mymaps/answer/3024933?hl=es&co=GENIE.Platform%3DDesktop

Rutas para vehículos | OR-Tools. (s. f.). Google for Developers. Recuperado 25 de abril de 2024, de https://developers.google.com/optimization/routing?hl=es-419

Google Colab. (s. f.). Recuperado 28 de mayo de 2024, de

https://research.google.com/colaboratory/intl/es/faq.html

Cindy Lara Gómez, Juan Fernando Mendoza Sánchez, María Guadalupe López Domínguez, Rodolfo Téllez Gutiérrez, Wilfrido Martínez Molina, & Elia Mercedes Alonso Guzmán. (2009). Propuesta metodológica para la estimación de emisiones vehiculares en ciudades de la República Mexicana.

https://imt.mx/archivos/Publicaciones/PublicacionTecnica/pt322.pdf

Rincón Abril, L. A. (2001). Investigación de operaciones para ingenierías y administración de empresas. Universidad Nacional de Colombia - Sede Palmira.

https://repositorio.unal.edu.co/handle/unal/51956

Descargas

Publicado

2025-01-14

Cómo citar

Muñoz Navarro, A. A., Salazar Medina, M., Romero Montoya, M., Gallardo Cordova, M., & Cabrera Zepeda, G. (2025). Planificación de Rutas en MIPYMES Integrando el Algoritmo del Agente Viajero con Google Maps, IA y Python: Un enfoque práctico. Arandu UTIC, 11(2), 3149–3162. https://doi.org/10.69639/arandu.v11i2.490

Número

Sección

Ciencias y Tecnologías

Artículos más leídos del mismo autor/a