Abstract

[ES] La disponibilidad creciente de vehículos eléctricos en el mercado propone una nueva alternativa a propietarios de flotas que necesitan adquirir nuevos vehículos, y existe una necesidad de herramientas que apoyen la decisión de electrificar dichas flotas. En el contexto de la planificación de rutas de técnicos en un entorno urbano, muchos parámetros que tienen un impacto en el consumo de energía de los vehículos eléctricos cambian a diario. Por ello, se propone un modelo de simulación basado en agentes para generar diferentes escenarios que puedan proporcionar un enfoque más realista para el cálculo de los costes operacionales de varios grados de implementación de vehículos eléctricos, así como su huella medioambiental en términos de emisiones de CO2. El modelo de simulación propuesto integra una heurística ALNS para resolver el problema operacional de la planificación de rutas de técnicos. Además, el modelo de consumo de energía propuesto incluye un componente auxiliar debido a calefacción o aire acondicionado que no había sido considerado previamente en muchos estudios de optimización. Los resultados obtenidos en un caso proporcionado por una empresa demuestran que la introducción de electromovilidad en la logística urbana ofrece considerables beneficios económicos y medioambientales, aunque quizá el ahorro en costes operacionales no sea suficiente cuando es comparado con la gran diferencia en costes de adquisición. [EN] The growing availability of electric vehicles (EVs) in the market brings a new alternative to fleet managers that need to purchase new vehicles, and there is a need for tools to assess the decision of fleet electrification. In the context of the technician routing in an urban setting, many parameters that have an impact on the energy consumption of EVs change on a daily basis. Because of this, we propose an agent-based simulation model to generate different scenarios that can provide a more realistic approach to the computation of the operational costs of various degrees of EV implementation, as well as the environmental footprint of those fleets in terms of CO2 emissions. Our simulation model integrates an adaptive large neighborhood search heuristic to solve the operational technician routing problem. In addition, our energy consumption model includes an auxiliary component due to heating or air conditioning, which had not been included in many optimization studies. Our results on a case study show that the introduction of electro-mobility in urban logistics offers substantial economic and environmental benefits, although operational cost savings may not be enough when compared to the high difference in acquisition costs. Ramírez Martí, D. (2019). Análisis de la sostenibilidad de la electromovilidad para la planificación de rutas de técnicos de servicios. http://hdl.handle.net/10251/142245 TFGM