Este estudio propone un modelo matemático novedoso para optimizar los sistemas de entrega de camiones eléctricos y UAV en condiciones climáticas inciertas, con el objetivo de minimizar los costos y el tiempo de entrega. El modelo incorpora consideraciones prácticas como tipos de paquetes, agotamiento de la batería de los camiones, opciones de recarga y acceso a estaciones de carga. Para manejar la incertidumbre de las condiciones climáticas, se aplica el enfoque de optimización robusta de BOX, que garantiza la adaptabilidad a la variabilidad del mundo real. Además, los algoritmos metaheurísticos NSGA-II y MOPSO se utilizan para resolver eficientemente el problema, demostrando su capacidad para optimizar los sistemas de transporte y rutas. Esta investigación no sólo contribuye al avance de los sistemas de entrega híbridos, sino que también proporciona información valiosa para investigadores y profesionales en este campo.
La revisión de la literatura muestra que todos los estudios han prestado atención a la limitación de la carga de drones. Sin embargo, se ha descuidado la limitación de la carga de los camiones (combustible). Además, las condiciones climáticas inciertas se han abordado menos. Es obvio que considerar todas estas cuestiones en el modelo de programación matemática hace que el modelo sea más realista. En este estudio se tienen en cuenta los factores que afectan a la realización de la ruta, como el ángulo y la velocidad del viento, así como el ángulo del dron con respecto a la línea del horizonte. Además, se supone que la velocidad del UAV es diferente cuando transporta un paquete desde el momento en que se entrega el paquete y el UAV regresa. Esta cuestión también se considera en esta investigación.
The simultaneous use of the truck and UAV and considering the truck as a charging station for the UAV increases the efficiency of the delivery system. The good distribution systems with UAVs are currently being used in many reputable companies around the world. The first model for the drone-truck routing problem was presented by Murray & Chu in 2015 and was called the Flying Sidekick Traveling Salesman Problem (FSTSP). Since then, several models have been presented in previous studies for this problem. However, one of the most important issues that should be considered in modeling is the possibility of providing energy for the truck carrying UAVs. Despite this matter being extremely important when the service range is wide, it has not been considered in previous research works. In the present research, a solution is presented for managing the energy of the truck through the allocation of charging stations along the route of the truck. Also, it is assumed that the trucks are electric. In addition, different weather conditions and their effect on fuel consumption and the length of the UAV’s trip as well as the temperature fluctuations that affect the energy consumption of EVs are considered in this study. The goal is to find the optimal routes that minimize the total cost of energy consumption and the total flight time of UAVs.
En los últimos años, el enrutamiento de camiones y UAVs ha surgido como un desafío significativo en el sector del transporte, especialmente con el creciente interés en los UAVs como una solución viable para la entrega de paquetes en entornos urbanos. Este estudio propone un novedoso modelo multi-objetivo para abordar el problema logístico de coordinar múltiples vehículos eléctricos (EVs) y UAVs. Considera factores críticos como el costo del combustible, el tiempo de vuelo, las capacidades de entrega directa, el impacto de la temperatura en el consumo de combustible del vehículo y el efecto de las condiciones climáticas en el tiempo de vuelo del UAV. La principal innovación de esta investigación radica en el desarrollo de un modelo multi-objetivo integral adaptado para sistemas de transporte multipropósito que involucran UAVs. Este modelo incorpora de manera única la influencia de la temperatura en la eficiencia del combustible del vehículo y las condiciones climáticas en el rendimiento de vuelo del UAV, ofreciendo un enfoque más realista y práctico para optimizar los sistemas de transporte basados en UAVs. Estas contribuciones proporcionan información valiosa que puede mejorar el diseño, la operación y la optimización de la logística de UAVs, ofreciendo soluciones prácticas para aplicaciones del mundo real. Además, este modelo puede guiar a los responsables políticos y expertos en mejorar la eficiencia y sostenibilidad de las redes de transporte de UAVs. El análisis de sensibilidad de la velocidad del viento demostró el impacto significativo de las condiciones climáticas en el rendimiento del sistema. Por ejemplo, una reducción del 20% en la velocidad del viento no solo condujo a una disminución sustancial tanto en los costos de combustible como en los tiempos de vuelo, sino que también permitió entregas directas de UAVs a todos los clientes, eliminando la necesidad de EVs. Este hallazgo subraya el potencial de controlar factores ambientales, como la velocidad del viento, para optimizar la eficiencia económica y operativa de los sistemas de transporte basados en UAVs.
Además, la investigación propuso un esquema de presentación efectivo para lograr soluciones óptimas a través de algoritmos metaheurísticos. Los resultados indicaron que las soluciones generadas por estos algoritmos coincidían estrechamente con las derivadas del método exacto AEC. Entre los algoritmos, NSGA-II demostró un rendimiento superior en términos de los indicadores MID y tiempo de CPU, mientras que MOPSO sobresalió en los indicadores de diversidad y NOS. Un análisis estadístico confirmó una diferencia significativa en el rendimiento de los dos algoritmos, particularmente en términos de MID y Diversidad. De cara al futuro, hay varias áreas de investigación futuras que podrían mejorar aún más los modelos de logística de UAVs. Una de ellas es determinar el número óptimo de UAVs por depósito o estación, que sigue siendo un tema relativamente inexplorado. Además, la integración de parámetros operativos de UAV más realistas, como el costo, el alcance de vuelo y las restricciones del mundo real, como las zonas de exclusión aérea, las preocupaciones de privacidad y las regulaciones de seguridad, agregaría otra capa de practicidad a los modelos de optimización. La consideración de la demanda incierta de los clientes y los tiempos de viaje variables de los vehículos también podría mejorar la robustez del modelo. Además, el proceso de carga y descarga de paquetes es un aspecto crucial de la logística de UAVs, e incluir esto en futuras investigaciones conduciría a modelos más completos. Finalmente, las limitaciones en las áreas de cobertura de los UAVs deben incorporarse en modelos futuros, ya que no siempre es posible entregar paquetes en todas partes. Abordar estos desafíos permitiría el refinamiento adicional de los sistemas de entrega basados en UAVs, haciéndolos más adaptables y confiables en aplicaciones del mundo real.
Referencia:
Ali Heidari, Seyed Mohammad Hossein Orazani, Mohammad Khalilzadeh, Fariborz Jolai, A multi-objective model for cooperative delivery of customer orders using multiple trucks and UAVs considering weather conditions, Internet of Things, Volume 29,2025,
