Marcela María Morales, Ph.D.(C) Universidad Libre de Colombia

EL DISEÑO DE LA CADENA DE SUMINISTRO:

UN EQUILIBRIO NECESARIO ENTRE LAS DECISIONES

DE INSTALACIONES, TRANSPORTE E INVENTARIOS

Cadena de Suministro

“El conjunto de empresas integradas por proveedores,fabricantes, distribuidores y vendedores (mayoristas odetallistas) coordinados eficientemente por medio derelaciones de colaboración en sus procesos clave paracolocar los requerimientos de insumos o productos encada eslabón de la cadena en el tiempo preciso almenor costo, buscando el mayor impacto en lascadenas de valor de los integrantes con el propósito desatisfacer los requerimientos de los consumidoresfinales” (Jiménez, 2002). Figura 1. Cadena de Suministro de Biocombustibles

(Awudu & Zhang, 2012)

Decisiones estructurales

Diseño de la cadena de suministro:• Ubicación y capacidad de las instalaciones.• Diseño de la red de distribución y abastecimiento.• Capacidad y ubicación de almacenes.Implican efectos de largo plazo.

Decisiones infraestructurales

Hacen referencia al uso del sistema:• Asuntos relacionados con la gestión del abastecimiento.• Enfoques de colaboración, coordinación entre actores.• Gestión de redes de distribución, organización.• Gestión de la información. Estas decisiones pueden generar efectos de mediano y corto plazo.

La eficiencia de las decisiones infraestructurales, depende en gran medida de las decisiones estructurales

Gamborg, Millar, Shortall, & Sandøe,(2012), Seay & Badurdeen (2014),Duarte, Sarache & Costa (2014);Quek & Balasubramanian (2014).

Cadena de Suministro

SostenibilidadDiseño

Diseño de la cadena de suministro

Figura 1. Cadena de Suministro de Biocombustibles (Awudu & Zhang, 2012)

Equilibrio entre decisiones de:

• Instalaciones (LAP)• Ruteo (VRP)• Inventario (ICP)

InstalacionesLAP

RuteoVRP

InventarioICP

Diseño de la Cadena de Suministro

Si la demanda es menor a la capacidad del vehículo,

es necesario abastecer desde rutas

La asignación de clientes a las instalaciones debe considerar la cantidad y frecuencia de los

pedidos

Cantidad y frecuencia de pedidos para generar

rutas

Gastos de transporte considerados en el diseño de políticas de inventario

InstalacionesLAP

InventarioICP

RuteoVRP

Inventory Location ProblemILP

Diseño de la Cadena de Suministro

Location Routing ProblemLRP

Inventory Routing ProblemIRP

InstalacionesLAP

InventarioICP

RuteoVRP

Inventory Location Routing ProblemILRP

ILRP ÁREA DE ESTUDIO EMERGENTE:Zhang et al. (2014), Li, Guo, Wang & Fu (2013), Ahmadi-Javid & Seddighi (2012).

Diseño de la Cadena de Suministro

Modelo matemático ILRP

Zhang, Qi, Miao, & Liu (2014)

• Variables de decisión

푦 = 1 푠푖 푗 ∈ 퐽 푠푒 푎푏푟푒 0 푒푛 푐푎푠표 푐표푛푡푟푎푟푖표

푧 = 1 푠푖 푒푙 푐푙푖푒푛푡푒 푖 푒푠 푎푠푖푔푛푎푑표 푎푙 푑푒푝ó푠푖푡표 푗 0 푒푛 푐푎푠표 푐표푛푡푟푎푟푖표

푥 = 1 푠푖 푒푙 푛표푑표 푗 푒푠 푣푖푠푖푡푎푑표 푖푛푚푒푑푖푎푡푎푚푒푛푡푒 푑푒푠푝푢é푠 푞푢푒 푒푙 푛표푑표 푖 푒푛 푒푙 푝푒푟푖표푑표 푡 푐표푛 푒푙 푣푒ℎ푖푐푢푙표 푘 0 푒푛 푐푎푠표 푐표푛푡푟푎푟푖표

푞 Cantidad de producto entregado al cliente i , el periodo t , por el vehículo k

푤 Cantidad entregada al cliente i en el periodo p para satisfacer su demanda en elperiodo t

Modelo matemático ILRP

Zhang, Qi, Miao, & Liu (2014)

• Función objetivo:

Incorpora los costos de apertura, de

mantenimiento de inventario de los clientes y los

costos totales de distribución (ruteo) en el

horizonte de planificación.

min 휃 = 푓∈

푦 ℎ∈

12 푑 + 푤

∈ ,

푡 − 푝 + 퐻∈

+ 푐 푥∈∈∈∈ (1)

Modelo matemático ILRP • Restricciones:

Ec. 2-8Aseguran ruteo factible.

Ec. 2-4Conservación del flujo de vehículos.

Ec. 2Cuando un vehículo visita un nodo, tambiéndeberá partir de él.

Ec. 3,4Se permite a cada cliente ser servido pormáximo un vehículo en un período detiempo.

푥 −∈

푥 ∈

= 0 ∀ 푖 ∈ 푉, ∀ 푘 ∈ 퐾, ∀ 푡 ∈ 퐻

푥 ∈∈

≤ 1 ∀ 푡 ∈ 퐻, ∀ 푖 ∈ 퐼

푥 ∈∈

≤ 1 ∀ 푡 ∈ 퐻, ∀ 푖 ∈ 퐼

(2)

(3)

(4)

Modelo matemático ILRP Ec. 5Cada vehículo realiza máximo una ruta porperiodo de tiempo.

Ec. 6Evita que los vehículos viajen de un depósito aotro, lo que ayuda a reducir el espacio desoluciones.

Ec. 7Considera las limitaciones de capacidad de losvehículos.

Ec. 8Actúa como eliminación de sub-toursgarantizando que el depósito está presente entodas las rutas generadas.

푥 ∈∈

≤ 1 ∀ 푡 ∈ 퐻, ∀ 푖 ∈ 퐼

푥 = 0 ∀ 푖, 푗 ∈ 퐽, ∀ 푘 ∈ 퐾, ∀ 푡 ∈ 퐻, 푖 ≠ 푗

푞 ≤ 푄∈

∀ 푘 ∈ 퐾, ∀ 푡 ∈ 퐻

푥 ∈∈

≤ 푆 − 1 ∀ 푘 ∈ 퐾, ∀ 푡 ∈ 퐻, ∀푆 ⊆ 퐼

(6)

(7)

(8)

(5)

Modelo matemático ILRP Ec. 9-14Limitaciones de ubicación que conectan a x ,y y z.

Ec. 9,10Cada cliente debe asignarse a un solo depósitoabierto.

Ec. 11considera la capacidad de los depósitos.

(10)

(11)

(9)푧 = 1∈

∀ 푖 ∈ 퐼

푧 ≤ 푦 ∀ 푖 ∈ 퐼, ∀ 푗 ∈ 퐽

푧 푑∈

≤∈

퐶 ∀ 푗 ∈ 퐽

Modelo matemático ILRP

Ec. 12Un cliente i puede estar vinculado a undepósito j sólo si i es asignada al depósito j(zij =1).

Ec. 13-14Un vehículo se dirige desde un depósito si ysólo si se abre ese depósito.

(12)푥∈

+ 푥∈ ⁄

≤ 1 + 푧 ∀ 푖 ∈ 퐼, ∀ 푗 ∈ 퐽,

∀ 푘 ∈ 퐾, ∀ 푡 ∈ 퐻

푥∈∈∈

≥ 푦 ∀ 푗 ∈ 퐽

푥∈

≤ 푦 ∀ 푗 ∈ 퐽, ∀ 푘 ∈ 퐾, ∀ 푡 ∈ 퐻

(13)

(14)

Modelo matemático ILRP

Ec. 15-18Limitaciones de inventario.

Ec. 15Asegura la satisfacción de la demanda de cadacliente.

Ec. 16Relación entre la cantidad demandada porcada cliente y la cantidad entregada.

Ec. 17,18Si un cliente se abastece en el período t por elvehículo k, en consecuencia debe ser visitado.

(16)

(17)

(18)

(15)푤∈

≤ 푑 ∀ 푖 ∈ 퐼, ∀ 푡 ∈ 퐻

푤∈

≤ 푞∈

∀ 푖 ∈ 퐼, ∀ 푝 ∈ 퐻

푞 ≤ 푀 푥 ∈

∀ 푖 ∈ 퐼, ∀ 푡 ∈ 퐻, ∀ 푘 ∈ 퐾

푥 ∈

≤ 푀 푞 ∀ 푖 ∈ 퐼, ∀ 푡 ∈ 퐻, ∀ 푘 ∈ 퐾

Modelo matemático ILRP

Ec. 19-23Describen la naturaleza de las variables.

(20)

(21)

(22)

(19)푥 ∈ 0,1 ∀ 푖 ∈ 퐼, ∀ 푗 ∈ 퐽, ∀ 푡 ∈ 퐻, ∀ 푘 ∈ 퐾

푦 ∈ 0,1 ∀ 푗 ∈ 퐽

푦 ∈ 0,1 ∀ 푗 ∈ 퐽

푞 ≤ min 푄 , 푑∈

∀ 푖 ∈ 퐼, ∀ 푡 ∈ 퐻, ∀ 푘 ∈ 퐾

푤 ≤ 푑 ∀ 푖 ∈ 퐼, ∀ 푡, 푝 ∈ 퐻 (23)

• Red dirigida vs. no dirigida.

• Considerar o no limitaciones de capacidad en las instalaciones y/o vehículos.

• Flota de vehículos homogénea o heterogénea.

• Solución mono-objetivo vs. Multiobjetivo.

• Determinista vs. Estocástico.

• Continua vs Discreta.

• Estático vs. Dinámico.

• Rutas para vértices vs. Rutas para arcos.

• Recogida y entrega simultánea.

Las variantes del problema

InstalacionesLAP

InventarioICP

RuteoVRP

Inventory Location Routing ProblemILRP

COMPLEJIDAD DEL MODELO:Guerrero, Prodhon, Velasco & Amaya (2014); Nekooghadirli, Tavakkoli-Moghaddam, Ghezavati& Javanmard (2014); Ying Zhang et al. (2014).

La actividad de una cadena de abastecimiento

necesariamente demanda recursos que afectan el

medio ambiente, contribuyendo a los cambios

abruptos en el sistema climático. El calentamiento

global, el cual se atribuye en buena medida a la

actividad industrial y a los sistemas de transporte, se

ha convertido en un asunto de preocupación mundial

(IPCC, 2007).

Sostenibilidad de la cadena de suministro

Figura 3. Consecuencias cambio climático (Cuartero, 2014)

MONO-OBJETIVO ECONÓMICO:Chen, Olhager & Tang (2014), Melo, Nickel, & Saldanha-da-Gama (2009).

MULTIOBJETIVO:Čuček, Klemeš & Kravanja (2012).

AUSENCIA ENFOQUES INTEGRADOS: Eskandarpour, Dejax, Miemczyk, & Péton(2015), Boukherroub, Ruiz, Guinet, & Fondrevelle (2015), Seay &Badurdeen,(2014).

Sostenibilidad de la Cadena de Suministro

Balance entre metas:

• Económicas• Ambientales• Sociales

Bases de datos:

Scopus, Web of Science, AcademicSearch Complete, Business SourceComplete, Emerald, Scielo - ScientificElectronic Library Online, ScienceDirect.

Revisión sistemática de la literatura

Bases de datos

Ecuaciones de búsqueda

Clasificación de documentos

Análisis de contribuciones relevantes

Estado del arte

Ecuación de búsqueda: “Inventory" and "Location" and "Routing"

1

0

3

0

2

0 0

1

3

1

2

4

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Núm

ero

de d

ocum

ento

s

Años

Figura 2. Distribución de artículos en el tiempo

64.71%

17 Contribuciones14 Revistas36 Autores

Estado del arte

Análisis de contenido.

• Función objetivo• Componente de variabilidad• Método de solución• Líneas de investigación futura

Función Objetivo:Ausencia del componente de sostenibilidad

(Económico, Ambiental, Social)

• Función Objetivo:EconómicoEconómico-Tiempos: Nekooghadirli et al. (2014)

Estado del arte

• Componente de variabilidad

Modelos estocásticos : 7 contribucionesDemanda inciertaDemanda-Tiempos de viaje: Nekooghadirli et al. (2014)

Método de solución

Híbridos entre matemática exacta y heurísticas (o metaheurísticas).

Heurísticas o combinaciones de metaheurísticas.

Programación Entera Mixta (MIP). Ambrosino & Grazia Scutellà (2005).

• Método de solución

Estado del arte

• Líneas de investigación futura

Métodos de solución.Componente de incertidumbre.

Instancias:Dos niveles de decisión para el ruteo de vehículos.Múltiples objetivos.Ventanas de tiempo.Múltiples depósitos.Flota heterogénea.Múltiples productos.

Estado del arte

Existe una creciente necesidad entorno al diseño y optimización de cadenas de suministro a partir

de modelos integrales que capturen simultáneamente diversos aspectos pertinentes a los problemas

de la vida real. Considerando además de la localización de las instalaciones, otras decisiones claves

como las políticas de inventario y el ruteo de vehículos; bajo un enfoque de desarrollo sostenible

que permita generar procesos económicamente viables, ambientalmente benignos y socialmente

justos (Čuček et al., 2012).

Conclusión

Abdallah, T., Diabat, A., & Simchi-Levi, D. (2011). Sustainable supply chain design: a closed-loop formulation andsensitivity analysis. Production Planning & Control, 23 (2-3), 120-133.

Abdelmaguid, T. F., & Dessouky, M. M. (2006). A genetic algorithm approach to the integrated inventory-distribution problem. International Journal of Production Research, 44(21), 4445–4464.doi:10.1080/00207540600597138

Adulyasak, Y., Cordeau, J.-F., & Jans, R. (2015). The production routing problem: A review of formulations andsolution algorithms. Computers & Operations Research, 55, 141–152. doi:10.1016/j.cor.2014.01.011

Ahi, P., & Searcy, C. (2014). An Analysis of Metrics Used to Measure Performance in Green and SustainableSupply Chains. Journal of Cleaner Production, 86, 360–377. doi:10.1016/j.jclepro.2014.08.005

Ahmadi Javid, A., & Azad, N. (2010). Incorporating location, routing and inventory decisions in supply chainnetwork design. Transportation Research Part E: Logistics and Transportation Review, 46(5), 582–597.doi:10.1016/j.tre.2009.06.005

Referencias

Ahmadi-Javid, A., & Seddighi, A. H. (2012). A location-routing-inventory model for designing multisourcedistribution networks. Engineering Optimization, 44(6), 637–656. doi:10.1080/0305215X.2011.600756

Ambrosino, D., Sciomachen, A., & Scutellà, M. G. (2009). A heuristic based on multi-exchange techniques for aregional fleet assignment location-routing problem. Computers & Operations Research, 36(2), 442–460.doi:10.1016/j.cor.2007.09.012

Andersson, H., Hoff, A., Christiansen, M., Hasle, G., & Løkketangen, A. (2010). Industrial aspects and literaturesurvey: Combined inventory management and routing. Computers & Operations Research, 37(9), 1515–1536.doi:10.1016/j.cor.2009.11.009

Arabani, A. B., & Farahani, R. Z. (2012). Facility location dynamics: An overview of classification and applications.Computers and Industrial Egineering, 62(1), 408-420.

Aravendan, M. & Ramasamy, P. (2014). Literature Review on Network Design Problems in Closed Loop andReverse Supply Chains. Intelligent Information Management, 6 (3), 104-117.

Archetti, C., Bertazzi, L., Paletta, G., & Speranza, M. G. (2011). Analysis of the maximum level policy in aproduction-distribution system. Computers & Operations Research, 38(12), 1731–1746.doi:10.1016/j.cor.2011.03.002

Archetti, C., Bianchessi, N., Irnich, S., & Speranza, M. G. (2014). Formulations for an inventory routing problem.International Transactions in Operational Research, 21(3), 353–374. doi:10.1111/itor.12076

Atamtürk, A., Berenguer, G., & Shen, Z.-J. (Max). (2012). A Conic Integer Programming Approach to StochasticJoint Location-Inventory Problems. Operations Research, 60(2), 366–381. doi:10.1287/opre.1110.1037

Awudu, I., & Zhang, J. (2012). Uncertainties and sustainability concepts in biofuel supply chain management: Areview. Renewable and Sustainable Energy Reviews, 16(2), 1359–1368.doi:http://dx.doi.org/10.1016/j.rser.2011.10.016

Belenguer, J.-M., Benavent, E., Prins, C., Prodhon, C., & Wolfler Calvo, R. (2011). A Branch-and-Cut method forthe Capacitated Location-Routing Problem. Computers & Operations Research, 38(6), 931–941.doi:10.1016/j.cor.2010.09.019

Bell, W. J., Dalberto, L. M., Fisher, M. L., Greenfield, A. J., Jaikumar, R., Kedia, P., … Prutzman, P. J. (1983).IMPROVING THE DISTRIBUTION OF INDUSTRIAL GASES WITH AN ON-LINE COMPUTERIZED ROUTING ANDSCHEDULING OPTIMIZER. Interfaces (Providence, Rhode Island). Retrieved fromhttp://www.scopus.com/inward/record.url?eid=2-s2.0-0020911813&partnerID=tZOtx3y1

Bouzembrak, Y., Allaoui, H., Goncalves, G., & Bouchriha, H. (2013). A multi-modal supply chain network designfor recycling waterway sediments. International Journal of Environment and Pollution, 51(1/2), 15.doi:10.1504/IJEP.2013.053176

Caruso, C., Colorni, A., & Paruccini, M. (1993). The regional urban solid waste management system: A modellingapproach. European Journal of Operational Research, 70(1), 16–30. doi:10.1016/0377-2217(93)90229-G

Çetiner, S., Sepil, C., & Süral, H. (2010). Hubbing and routing in postal delivery systems. Annals of OperationsResearch, 181(1), 109–124. doi:10.1007/s10479-010-0705-2

Chen, Z., & Andresen, S. (2014). A Multiobjective Optimization Model of Production-Sourcing for SustainableSupply Chain with Consideration of Social, Environmental, and Economic Factors. Mathematical Problems inEngineering, 2014, 1–11. doi:10.1155/2014/616107

Chen, L., Olhager, J., & Tang, O. (2014). Manufacturing facility location and sustainability: A literature review andresearch agenda. International Journal of Production Economics, 149, 154–163. doi:10.1016/j.ijpe.2013.05.013

Čuček, L., Klemeš, J. J., & Kravanja, Z. (2012). A Review of Footprint analysis tools for monitoring impacts onsustainability. Journal of Cleaner Production, 34, 9–20. doi:10.1016/j.jclepro.2012.02.036

Cui, G. Bin, & Li, Y. J. (2007). Combined location routing and inventory problem with fuzzy demand in logisticssystem. Kongzhi Yu Juece/Control and Decision, 22(9). Retrieved fromhttp://www.scopus.com/inward/record.url?eid=2-s2.0-35548932473&partnerID=tZOtx3y1

Dalfard, V. M., Kaveh, M., & Nosratian, N. E. (2012). Two meta-heuristic algorithms for two-echelon location-routing problem with vehicle fleet capacity and maximum route length constraints. Neural Computing andApplications, 23(7-8), 2341–2349. doi:10.1007/s00521-012-1190-0

Dehghanian, F., & Mansour, S. (2009). Designing sustainable recovery network of end-of-life products usinggenetic algorithm. Resources, Conservation and Recycling, 53(10), 559–570.doi:10.1016/j.resconrec.2009.04.007

Derbel, H., Jarboui, B., Chabchoub, H., Hanafi, S., & Mladenovic, N. (2011). A variable neighborhood search forthe capacitated location-routing problem. In 2011 4th International Conference on Logistics (pp. 514–519). IEEE.doi:10.1109/LOGISTIQUA.2011.5939452

Devika, K., Jafarian, A., & Nourbakhsh, V. (2014). Designing a sustainable closed-loop supply chain network basedon triple bottom line approach: A comparison of metaheuristics hybridization techniques. European Journal ofOperational Research, 235(3), 594–615. doi:10.1016/j.ejor.2013.12.032

Diabat, A., & Al-Salem, M. (2015). An integrated supply chain problem with environmental considerations.International Journal of Production Economics, 164, 330–338. doi:10.1016/j.ijpe.2014.12.004

Diabat, A., Battaïa, O., & Nazzal, D. (2014). An improved Lagrangian relaxation-based heuristic for a jointlocation-inventory problem. Computers & Operations Research. doi:10.1016/j.cor.2014.03.006

Gracias

Marcela María Morales, Ph.D.(C) Universidad Libre de Colombiammorales@unilibrepereira.edu.co

EL DISEÑO DE LA CADENA DE SUMINISTRO:

UN EQUILIBRIO NECESARIO ENTRE LAS DECISIONES

DE INSTALACIONES, TRANSPORTE E INVENTARIOS