La gestión de residuos reciclables constituye uno de los mayores desafíos urbanos en la actualidad debido al crecimiento poblacional y al incremento en el consumo de productos envasados. De esta manera, esta gestión exige decidir qué ruta conviene cuando intervienen el tiempo, el costo, el riesgo, las emisiones y la cobertura del servicio. Este artículo describe una herramienta desarrollada en C# que combina el algoritmo Floyd-Warshall, para obtener caminos mínimos entre todos los pares de nodos, con métodos de toma de decisiones multicriterio (MCDM), en particular TOPSIS y VIKOR, para ordenar alternativas mediante criterios ponderados. La propuesta se probó con un escenario piloto construido a partir de ubicaciones de la Universidad Autónoma de Ciudad Juárez (UACJ), interpretadas como posibles puntos de generación o acopio. El sistema calcula la matriz de distancias mínimas y exporta las trayectorias en formato KML para su inspección cartográfica. Los resultados corresponden a una prueba de concepto basada en la distancia; por tanto, la evaluación multicriterio con datos operativos y su validación en campo constituyen la siguiente etapa del estudio. La contribución principal es una arquitectura modular que vincula optimización de rutas, análisis multicriterio y visualización geográfica para apoyar la planeación de la recolección de reciclables.
The automotive industry in Mexico faces significant logistical challenges in optimizing distribution routes, particularly in border regions, where traffic variability directly affects operational performance. This study proposes a multiperiod route optimization approach for a Tier 1 automotive supplier by applying the Floyd–Warshall algorithm to a cross-border transportation network. Distance matrices are constructed for multiple time windows to capture traffic-related variations in route efficiency. The algorithm is applied independently to each scenario, enabling the identification of time-dependent optimal routes and the development of alternative routing strategies. The results show that optimal routes vary across different periods of the day, leading to measurable improvements in routing efficiency and enhanced decision-making flexibility. The proposed approach supports more realistic logistics planning in congested urban environments and improves operational performance in cross-border automotive supply chains.