josalhor.bsky.social
@josalhor.bsky.social
Tot això, col·laborant estretament amb la indústria i compartint el coneixement en fòrums científics de prestigi (CP, ECAI, revistes en procés de revisió). Enginyeria aplicada per als grans reptes del nostre temps!
June 10, 2025 at 5:01 PM
Hem aconseguit:
✅ Reduir significativament el malbaratament alimentari.
✅ Disminuir costos energètics i de manteniment.
✅ Augmentar l'eficiència i la fluïdesa de la producció i la logística.
✅ Contribuir a una indústria alimentària més sostenible i resilient.
June 10, 2025 at 5:01 PM
CONCLUSIÓ: IMPACTE REAL I ESTRATÈGIC 🌟
Aquesta tesi doctoral demostra que l'optimització matemàtica rigorosa, aplicada a problemes industrials complexos, genera solucions amb un impacte transformador. No és només teoria, són resultats tangibles!
June 10, 2025 at 5:01 PM
El simulador diu si una nova assignació redueix els embussos. L'LNS fa servir aquesta informació per proposar canvis, sempre dins del límit permès.
Resultat: la millor configuració va aconseguir una reducció del temps de bloqueig del 45%. 🚀 Un magatzem molt més fluid i productiu!
June 10, 2025 at 5:01 PM
La solució: Metaheurístiques de Cerca Local amb Exploració Acotada. Vam adaptar algorismes com la Cerca per Veïnatge Ampli (LNS). Aquests exploradors intel·ligents treballen amb un simulador del magatzem per provar noves assignacions.
June 10, 2025 at 5:00 PM
La caixa G provoca un embús, perquè no pot entrar a l'espai del magatzem que li correspon!

El desafiament: reassignar quin article va a quin robot-emmagatzemador per evitar aquests colls d'ampolla. Però l'empresa només permet uns POCS canvis sobre l'assignació actual per no trasbalsar-ho tot!
June 10, 2025 at 5:00 PM
TERCERA PARADA: Magatzems sense Embussos! ➡️💨
Després del classificador, les caixes van al magatzem automatitzat. Si moltes caixes s'assignen al mateix robot-emmagatzemador alhora, el seu buffer s'omple i... BUM! Embús a la cinta principal. 😫 Això paralitza part del sistema.
June 10, 2025 at 5:00 PM
Validat amb més de 100.000 caixes/setmana, vam aconseguir una reducció del cost de canvi del 60+% (en finestra estàtica) i del 48+% (variable). 🎉 Menys energia, menys desgast i una logística més eficient. (Amb dades públiques que contribueixen a la ciència oberta: ieee-dataport.org/documents/lo...)
June 10, 2025 at 4:59 PM
La solució: una estratègia d'Optimització Fluida (utilitzant MaxSAT). El sistema decideix la destinació de la caixa actual considerant una petita finestra de les següents, i recorda si hi ha desequilibris per compensar-los més tard. És superràpid ⏩!
June 10, 2025 at 4:59 PM
Repte: mantenir el mateix nombre de caixes de CADA tipus (S) a cada destinació (Q) que el sistema original, però amb molts menys canvis (C)!

Fixeu-vos que a l'exemple, hem canviat la segona caixa de B per la 3a. Hem passat d'un cost de 5 a un cost de 3! Fantàstic!
June 10, 2025 at 4:58 PM
SEGONA PARADA: Classificadors sense Estrès! 🚦📦
Un cop produïdes, les caixes viatgen per cintes i uns robots (sorters) les envien a l'esquerra o a la dreta segons la seva destinació. Cada canvi de direcció del classificador consumeix energia i el desgasta. Com podem minimitzar aquests canvis?
June 10, 2025 at 4:57 PM
Com funciona? Doncs identificant quins productes són més susceptibles de no vendre's, i estimant el cost d'arriscar-se a fabricar-los o no. Cal tenir en compte molts factors (cost 💲, dies de vida 📅, previsió de vendes 📈, etc.). És un problema molt difícil!
June 10, 2025 at 4:57 PM
Per al malbaratament, vam crear un model matemàtic que n'estima el risc.
Resultats: plans de producció més estables i una reducció del malbaratament (per pèrdua de frescor) superior al 20%. 💰 Això és un un estalvi de milers d'euros al mes! I, el que és crucial, menys menjar a les escombraries!
June 10, 2025 at 4:56 PM
La solució: un model de Programació Entera Mixta (MILP) Multinivell. És com un estrateg que optimitza diversos objectius en ordre:
1️⃣ Cobrir la demanda.
2️⃣ Assegurar l'estoc per als dies sense producció.
3️⃣ Equilibrar la càrrega de treball diària!
4️⃣ Minimitzar el malbaratament.
June 10, 2025 at 4:50 PM
A més, la fàbrica necessita estabilitat: produir quantitats similars cada dia per evitar el caos logístic i l'estrès del personal. Com podem aconseguir una producció homogènia I reduir el malbaratament? Un desafiament amb objectius que competeixen. 🎯
June 10, 2025 at 4:50 PM
Això genera un flux d'informació (blau clar), de producte (blau fosc) i d'informació de producte fet malbé (verd)!
June 10, 2025 at 4:49 PM
PRIMERA PARADA: Producció Intel·ligent i Sostenible! 🍽️🌿
Planificar la producció d'aliments frescos (hola, carn!) és un trencaclosques. Cal fabricar el que és just per a la demanda, però si et passes o ho fas massa aviat... es fa malbé! I llençar menjar NO és una opció. 😢
June 10, 2025 at 4:49 PM
Aplicar amb rigor tècniques d'Optimització Matemàtica i Intel·ligència Artificial permet entendre i resoldre problemes complexos, oferint solucions robustes i interpretables. Anem a veure-ho! ✨
June 10, 2025 at 4:48 PM
Vivim en un món complex: cadenes de subministrament sota pressió, tensions geopolítiques i una necessitat urgent de sostenibilitat. 🌍 Enfortir la indústria alimentària és clau. La meva recerca aplica l'optimització avançada a problemes industrials reals.
June 10, 2025 at 4:48 PM
Todo esto, colaborando estrechamente con la industria y compartiendo el conocimiento en foros científicos de prestigio (CP, ECAI, revistas en revisión). ¡Ingeniería aplicada para los grandes retos de nuestro tiempo!
June 10, 2025 at 4:44 PM
Hemos logrado:
✅ Reducir significativamente el desperdicio alimentario.
✅ Disminuir costes energéticos y de mantenimiento.
✅ Aumentar la eficiencia y fluidez de la producción y logística.
✅ Contribuir a una industria alimentaria más sostenible y resiliente.
June 10, 2025 at 4:43 PM
CONCLUSIÓN: IMPACTO REAL Y ESTRATÉGICO 🌟
En esta tesis demostramos que la optimización matemática rigurosa, aplicada a problemas industriales complejos, genera soluciones con un impacto transformador. No es solo teoría, ¡son resultados tangibles!
June 10, 2025 at 4:43 PM