Simulation-based optimization for the capacitated location routing problem with time windows in e-grocery

The thesis includes an introduction to the emerging e-grocery sector. The analysis focuses on market share and growth trends, moving on to describe the key characteristics that constitute it and the ways in which this service is offered: Home Delivery and Click & Collect. The introduction goes on to list the main costs associated with this business identified in picking and last-mile delivery. The study includes a systematic literature review concerning performance optimization, which revealed that the state-of-the-art in this field still has many gaps, leaving the door open for new research. The dissertation focuses on defining the research questions of how to identify a model that is able to generate the best design for a distribution network in e-grocery, minimizing all logistics costs on the three decision-making levels: strategic, tactical, and operational. In the literature, this problem is identified as a location routing problem with the addition of capacity and time windows constraints, which, given the vast dimension of complexity associated with it, finds metaheuristic techniques as the only solution. Therefore, the methodology adopted was simulation-based optimization. A genetic algorithm (GA) combined with a routing solver were responsible for the optimization part, while a discrete event model (DES) was responsible for the simulation part. To make this possible Python 3.11 with Spyder 5.4 (IDE) was used as the programming language given its various advantages. The main ones are the ability to integrate different modules within the same code and the large community of developers to support it. The thesis goes on to describe the parameterization adopted in the model, which includes context data associated with the areas served and depots and input data representative of cost, level of service, and continuous approximation. The research concludes with a quantitative investigation of the outputs obtained, comparing the scenarios found by the algorithm given different input parameters following a sensitivity analysis. The results validate the methodology adopted by showing how the model can be of interest to both academics and practitioners.

L’elaborato comprende un’introduzione del settore emergente dell’e-grocery. L’analisi si focalizza sulle quote di mercato ed il trend di crescita, passando poi a descrivere le caratteristiche chiave che lo costituiscono e le modalità in cui questo servizio è offerto: Home Delivery e Click & Collect. L’introduzione prosegue elencando i principali costi associati a questo business identificati nel picking e nella last-mile delivery. La tesi include una revisione sistematica della letteratura riguardante l’ottimizzazione delle performance, la quale ha fatto emergere come lo stato dell’arte in questo campo presenti ancora molte lacune lasciando aperte le porte per nuove ricerche. Lo studio si concentra, quindi, sulla definizione delle domande di ricerca, che si interrogano sul come identificare un modello che sia in grado di generare il miglior design per una rete distributiva nell’e-grocery, minimizzando tutti i costi logistici sui tre livelli decisionali: strategico, tattico e operativo. In letteratura tale problema viene identificato come location routing problem con l’aggiunta di vincoli di capacità e fasce orarie, il quale, data la vasta dimensione di complessità ad esso associata, trova come unica soluzione tecniche metaeuristiche. Perciò, la metodologia adottata è stata quella dell’ottimizzazione basata sulla simulazione. Un algoritmo genetico (GA) combinato ad un risolutore di routing sono stati responsabili della parte di ottimizzazione, mentre un modello ad eventi discreti (DES) è stato responsabile per quella di simulazione. Per rendere questo possibile Python 3.11 con Spyder 5.4 (IDE) è stato utilizzato come linguaggio di programmazione dati i vari vantaggi che presenta. I principali sono la possibilità di integrare diversi moduli all’interno dello stesso codice e l’ampia community di sviluppatori a supporto. La tesi prosegue con la descrizione della parametrizzazione adottata nel modello, la quale comprende dati di contesto associati alle aree servite e ai depositi e dati in input rappresentativi dei costi, del livello di servizio e dell’approssimazione continua. La ricerca si conclude con un’indagine quantitativa degli output ottenuti, comparando gli scenari trovati dall’algoritmo dati i diversi parametri in input a seguito di un’analisi della sensitività. I risultati validano la metodologia adottata mostrando come il modello possa essere di interesse sia per accademici che per professionisti.