III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIN DE OPERACIONES

UN MODELO DE INVENTARIOS RS PARA LOGSTICA DE REVERSA

Fidel Torres(*)

(*)Universidad de Los Andes, Departamento de Ingeniera Industrial, Bogot,

COLOMBIA
Email: ftorres@uniandes.edu.co

Abstract: En logstica de reversa el manejo adecuado de la combinacin

de los inventarios de manufactura y de todos los inventarios revertidos a
la planta de produccin para remanufactura, es un tema de importancia
prctica y fundamental. Para este problema, el diseo ptimo de las
polticas de control de los inventarios se hace necesario con el fin de
alcanzar un balance adecuado del sistema y lograr al mismo tiempo un
desempeo ptimo de los indicadores logsticos. En este trabajo se
propone una metodologa, apoyada en simulacin y heursticas de
optimizacin basadas en teora de inventarios, por medio de las cuales,
se puede simular el comportamiento del sistema y obtener muy buenos
estimados de los parmetros de control de una poltica RS teniendo en
cuenta costos de inventario, faltantes y un modelo realista de la demanda
y del flujo de inventarios revertidos a la planta.
Keywords:
Manufacturing
Modeling,
Advanced
Technology. Reverse Logistics, Inventory Management.

Manufacturing

1. INTRODUCCIN
Las empresas y pases en nuestra poca se ven en la necesidad de responder a las
necesidades de recuperacin, respuesta o tratamiento del impacto ambiental de los productos o
servicios que las empresas venden a sus clientes. Al final de su ciclo de vida, estos productos
pueden ser reciclados o recuperados en las mismas plantas de produccin originales y
remanufacturados para ser de nuevo vendidos a los clientes. La llamada Logstica de reversa

pretende tratar esta problemtica a travs de propuestas gerenciales y metodolgicas de todo

tipo. En este trabajo estudiamos el problema de inventarios en Logstica de reversa en una
situacin hipottica en donde el producto recuperado puede ser remanufacturado para ser de
nuevo vendido a los clientes. Para propsitos de anlisis proponemos un modelo de revisin
continua de tipo RS (Silver, Pyke, Peterson, 1998) para el cual suponemos conocidos las tasas
de demanda y de flujo de retorno de carcasas, y todos los costos de inventario y de faltantes. El
sistema propuesto es estudiado en simulacin. Al mismo tiempo proponemos una heurstica a
travs de la cual se obtiene muy buenos estimados de los parmetros de control de inventarios.
El resto de este trabajo est organizado de la siguiente manera: en la seccin 2 se presenta la
descripcin detallada del sistema . En la seccin 3 se presenta el comportamiento en simulacin
del sistema bajo estudio, variando diferentes parmetros de control. La seccin 4 muestra la
heurstica utilizada para estimar los parmetros ptimos de control. La seccin 5 discute los
resultados computacionales de la implementacin de la heurstica propuesta en diferentes
situaciones, y finalmente la seccin 6 presenta las conclusiones y recomendaciones para
trabajos futuros
2. DESCRIPCIN DEL SISTEMA
El sistema objeto de estudio ha sido tomado de la literatura (Mahadevan, Pyke and Fleischmann,
2002), correspondiente a la adaptacin del caso Breeze-Eastern. All se considera la situacin de
una planta de produccin que recibe productos a reciclar (que vamos a llamar carcasas) en
virtud de un proceso de Poisson de tasa r carcasas / da. La planta mantiene por lo tanto
inventarios de productos (carcasas o inventario a remanufacturar), listos a remanufacturar y al
mismo tiempo inventarios de productos terminados (inventario manufacturado), listos para la
venta. Los costos de mantenimiento de inventario correspondientes al inventario
remanufacturado son hr $ / (unidad de producto x da) y los correspondientes al inventario
manufacturado son hm $ / (unidad de producto x da). Los bienes remanufacturados pueden ser
reciclados durante un tiempo Lr das Los bienes manufacturados son producidos durante un
tiempo Lm das. En el modelo analizado estos retardos se consideran constantes para lograr
claridad sobre el efecto de estos parmetros en el desempeo del sistema. La demanda de
productos terminados sigue una distribucin de Poisson de tasa m unidades / da. La demanda
no satisfecha de producto terminado tiene un costo de p $ / unidad. Se asume que la tasa de
manejo de inventario es conocida y constante y que los costos de produccin de remanufactura
(tratamiento de carcasas) son menores a los costos de manufactura (produccin de unidades
nuevas).
El proceso de produccin es controlado a travs de un modelo de revisin continua, (Zypkin,
2000) usando punto de reorden R para la posicin de inventario, y tamaos de lotes de
produccin Qr y Qm correspondientes al tamao de los lotes de produccin de remanufactura y
manufactura respectivamente. Si Ip es la posicin de inventario, sta se define como la suma del
inventario a la mano de producto terminado disponible, y del tamao de las rdenes de
produccin de carcasas (ordenes de remanufactura) y de manufactura.

Inventario o
Posicin de inventario

Lr

Lr

S=R+Q

Qm
Lm
Qr
R

Qm
Qr
tiempo

Nivel de inventario
Posicin de inventario

Figura 1. Descripcin del sistema

La poltica de control funciona de la siguiente manera: si Ip es menor que R, se debe lanzar una
orden de produccin de remanufactura con el nmero Qr de carcasas que hasta ese momento se
tengan disponibles en la planta, sin que la posicin de inventario sobrepase el nivel mximo S.
La orden de produccin de unidades remanufacturadas tendr un tamao Qrm dado por (ver
figura 1):
si Q r < S R
Q
Q rm = r
S

R
si
Qr S R

S R Q r
Qm =
0

si Q r < S R
si Q r S R

El costo total de la poltica de inventarios puede considerarse como la suma de los costos de
inventario de manufactura y remanufactura y el costo de faltantes de producto terminado.
Todos los parmetros de la poltica de control aparecen en la siguiente tabla:
Parmetro
r
d
Lr
Lm
n
hr

Significado y unidades
Tasa de remanufactura
(unidades / da)
Demanda de producto
terminado (unidades / da)
Retardo de remanufactura
(das)
Retardo de
manufactura(das)
Multiplicador de retardos,
L m = n Lr
Costo de inventario de
remanufactura ($ / (unidad x
da) )

hm

Costo de inventario de
manufactura
($ / (unidad x da) )
Costo del faltante, p = jhm ($ /
unidad)
Punto de reorden (unidades)
Tamao total del lote

p
R
Q

El multiplicador j (unidades en das) corresponde a una constante de proporcionalidad entre el

costo del faltante y el costo de inventario de piezas terminadas.
Un modelo de simulacin fue desarrollado en el paquete ARENA, utilizando el siguiente diseo
experimental (Mahadevan, Pyke and Fleischmann, 2002),

Parmetro
r
d
Lr
Lm
n
hr
hm
p
j
Q

Significado y unidades
0, 4, 8 unidades / da
10 unidades / da
2, 5 das
L m = n Lr
0.5, 1, 2, 4
0.4 $ / (unidad x da)
0.8 $ / (unidad x da)
p = jhm ($ / unidad)
5.7, 10, 20, 50 das
50, 70, 80, 90 unidades

Los tamaos de lote escogidos permiten comparar el desempeo del sistema en simulacin
con relacin a la heurstica propuesta para estimar los puntos de reorden ptimos.

3. COMPORTAMIENTO EN SIMULACIN DEL SISTEMA ESTUDIADO

El modelo fue estudiado en simulacin en el software ARENA 6, en donde se elabor un
modelos utilizando los bloques y elementos estndares. En cada simulacin se seleccion un
tamao de lote Q = S - R= 50, valor que permita obtener resultados en un rango razonable. Para
cada combinacin de los parmetros de la simulacin, se tomaron 10 rplicas. En cada uno de
los 96 experimentos resultantes se calcul el costo total promedio y se llevaron registros de
valores mnimos y mximos obtenidos en cada simulacin. Esto se hizo con el fin de comparar
los resultados de la simulacin con una heurstica de optimizacin que se propuso.
El punto de reorden y los costos ptimos aparecen en las siguientes tablas.

n
0.5

j
5.7
10
20
50
5.7

r=0
9
14
18
21
17

Lr=2
r=4
9
14
15
21
17

r=8
9
15
20
24
17

r=0
17
24
29
32
44

Lr=5
r=4
24
28
32
36
44

r=8
33
44
51
57
44

n
0.5

10
20
50
5.7
10
20
50
5.7
10
20
50

j
5.7
10
20
50
5.7
10
20
50
5.7
10
20
50
5.7
10
20
50

24
24
24
54
54
54
29
29
29
60
60
60
32
32
32
65
65
65
35
25
18
90
69
54
44
29
25
104
82
62
50
32
29
112
89
69
54
36
33
118
96
76
71
49
23
184
127
67
84
57
33
204
140
82
90
63
40
214
150
92
97
68
47
223
160
101
Tabla 1. Punto de reorden ptimo en simulacin
Lr=2
Lr=5
r=4
r=8
r=0
r=4
r=0
51.37 51.39 53.85 59.82 64.00
53.74 53.75 56.75 62.64 66.31
55.82 56.73 59.47 65.10 68.74
58.00 59.19 62.52 67.71 71.58
60.71 59.83 59.82 84.99 84.99
63.53 62.65 62.65 88.82 88.82
65.98 65.10 65.10 92.02 92.02
68.59 67.71 67.71 95.46 95.46
76.91 64.25 60.91 125.3 107.8
80.43 66.55 63.62 130.4 112.9
83.42 68.93 66.05 134.7 117.1
86.60 71.77 68.71 139.2 121.6
109.2 87.52 68.73 205.8 155.3
113.9 91.12 73.43 212.7 161.9
117.7 94.46 77.75 218.5 168.0
121.9 98.18 82.29 224.8 174.8
Tabla 2. Costos ptimos en simulacin

r=8
77.02
81.87
85.90
89.91
84.99
88.82
92.02
95.45
92.32
96.60
100.9
105.8
108.9
115.4
121.5
128.5

La forma de la curva de costo total puede variar de acuerdo a los parmetros de demanda, y
costos, como se puede apreciar en la figura 2. La simulacin permite obtener los ptimos locales
factibles en cada situacin.

n=2, Lr=5, j=50, R=2

n=4, Lr=5, j=5.7, R=8
n=4, Lr=5, j=5.7, R=4
175
165

$/da

155
145
135
125
115
105
100

120

140

160

180

200

Figura 2. Costo diario en funcin del nivel mximo S

4. LA HEURSTICA PROPUESTA PARA ESTIMAR LOS PARMETROS PTIMOS DE
CONTROL
Para estimar el valor de los parmetros ptimos de la poltica de control de inventarios,
proponemos la siguiente heurstica inspirada en la literatura (Johnson, Montgomery, 1974).
La funcin objetiva a optimizar es el costo total esperado de faltantes y mantenimiento de
inventario (Nahmias, 1999).
G (S) =

p d
n (Sm ) + n (Sm ) + h mS




Q debido
debido a SSm
a SSr

En donde SSr y SSm son los inventarios de seguridad de remanufactura y manufactura

respectivamente. La funcin n(Sm) es el nmero promedio de unidades faltantes. Si Q es el
tamao del lote, y T es el perodo de ciclo ptimo se obtiene:
G (Sm ) =

jh m d
n (Sm ) + n (Sm ) + h mSm




T d debido
debido a SSm
a SSr

Derivando e igualando a 0 para obtener el ptimo:

G (Sm ) =

jh m
Pr (X Sm ) Pr (X Sm ) + h m = 0
 
 

T debido
debido a SSm
a SSr

Aproximando a la normal, se debe cumplir la condicin:

S r
Pr z m
r

S m
+ Pr z m
m

T
=
j

En donde z es una variable aleatoria normal estndar y r y r son la media y la desviacin

estndar de la demanda durante un ciclo de remanufactura y m y m son la media y la
desviacin estndar de la demanda durante un ciclo de manufactura. Estos valores pueden ser
estimados usando las siguientes aproximaciones:
Inventario

Lm
S

Lr

R
SSr

SSm
t

2T

3T

4T

Nivel de inventario

Figura 3: Caso Lm > Lr,

En el caso en que Lm > Lr, el inventario de seguridad SSr (ver Figura 3) ser S menos la

Lr
Lm
T + L r T T unidades de tiempo, ms una cantidad igual a un
T

L
L

mltiplo de veces m r el nmero promedio de carcasas acumuladas durante T. Por otro
T T

demanda durante T +

lado, el inventario de seguridad SSm (ver Figura 3) ser S menos la demanda durante T + Lm
L L

unidades de tiempo, ms un nmero de veces m r + 1 el nmero promedio de carcasas

T T
acumuladas durante T.

Inventario

Lr
S

Lm

R
SSm

SSr
t

2T

3T

4T

Nivel de inventario

Figura 4: Caso Lm < Lr,

En forma anloga, en el caso en que Lm < Lr, el inventario de seguridad SSr (ver Figura 4) ser
S menos la demanda durante T + Lr unidades de tiempo, ms una cantidad igual a un mltiplo

 Lr Lm
+ 1 el nmero promedio de unidades manufacturadas durante T. Por otro
T

de veces

lado, el inventario de seguridad SSm (ver Figura 4) ser S menos la demanda durante T + Lm
unidades de tiempo.
Por las propiedades de la distribucin de Poisson:
L

L L
L
r = m + 1T + L r r T d m r r T
T

T T
T
L
L L

L
2r = m + 1T + L r r T d + m r r T
T
T T

T
L L
m = (L m + T ) d m r + 1 r T
T T
L L
2m = (L m + T ) d + m r + 1 r T
T T

Si Lm < Lr,
L Lm
r = (L r + T ) d r
+ 1( d r )T
T
L Lm
2r = (L r + T ) d + r
+ 1T r
T
m = (L m + T ) d
2m = (L m + T ) d

Donde [x ] =Parte entera de x,

Usando la herramienta Buscar objetivo (en el men Herramientas) de la hoja de clculo
EXCEL, se pueden calcular los valores ptimos de S y R para un Q=S-R dado. El nmero n(S)
de unidades faltantes se calcula (Hopp y Spearman, 2001).
n (S) = L(z ), con
L(z ) = (z) z(1 (z )),
con (z) =

z2
1
exp , y
2
2

(z ) = ( t )dt

5. RESULTADOS DE LA HEURSTICA PROPUESTA

La heurstica propuesta en la seccin anterior, derivada de la teora tradicional de inventarios,
adaptada a nuestro problema fue implementada con los 96 problemas definidos en el marco
experimental. Las diferencias porcentuales entre los costos ptimos resultantes de la simulacin
y los que arroja la heurstica aparecen en las tabla 3, 4 y 5.

n
0.5

j
5.7
10
20
50
5.7
10
20
50
5.7
10
20
50
5.7
10
20
50

r=0
3.76
1.49
-0.11
-1.52
-2.16
-1.54
-1.58
-1.78
3.63
2.91
2.12
1.48
0.33
1.19
1.22
1.27

Lr=2
r=4
3.06
1.32
1.45
0.51
3.09
1.95
0.86
-0.07
2.29
1.40
0.59
-0.07
2.16
1.79
1.21
0.67

r=8
-1.32
-1.00
-1.21
-1.57
3.78
2.09
0.92
-0.06
4.32
3.16
2.10
1.27
2.46
1.63
1.07
0.62

r=0
-3.34
-4.66
-5.71
-6.57
-2.59
-1.52
-1.25
-1.09
-2.80
-1.57
-1.07
-0.73
-2.71
-1.59
-1.07
-0.57

Lr=5
r=4
-1.95
-2.74
-3.30
-3.69
2.74
2.50
1.92
1.46
-0.34
-0.04
-0.37
-0.68
-2.25
-1.79
-1.62
-1.35

r=8
2.13
2.59
2.13
1.43
3.66
2.75
2.01
1.48
1.61
-0.24
-1.11
-1.47
0.06
-1.00
-1.77
-1.98

Tabla 3. Diferencias porcentuales de la funcin de costos entre el valor promedio de las

simulaciones y la heurstica propuesta.

n
0.5

j
5.7
10
20
50
5.7
10
20
50
5.7
10
20
50
5.7
10
20
50

r=0
2.68
0.47
-1.03
-2.42
-2.38
-1.75
-1.78
-2.12
3.41
2.67
1.89
1.10
0.00
0.89
0.90
0.87

Lr=2
r=4
1.97
0.28
0.29
0.05
1.96
0.84
-0.19
-1.12
2.03
1.09
0.22
-0.59
1.74
1.24
0.68
0.07

r=8
-1.79
-1.49
-1.91
-2.55
2.66
0.98
-0.11
-1.10
4.07
2.93
1.90
0.93
1.86
1.04
0.38
-0.26

r=0
-4.55
-5.83
-6.81
-7.69
-2.84
-1.74
-1.48
-1.51
-3.13
-1.85
-1.44
-1.25
-3.11
-1.95
-1.40
-0.95

Lr=5
r=4
-2.08
-2.96
-3.65
-4.24
2.50
2.29
1.70
1.04
-0.81
-0.54
-0.69
-1.22
-2.82
-2.45
-2.19
-1.92

r=8
1.86
2.40
1.92
0.92
3.42
2.54
1.79
1.07
1.13
-0.69
-1.56
-1.87
-0.68
-1.68
-2.47
-2.92

Tabla 4. Diferencias porcentuales de la funcin de costos entre el valor mnimo de las

simulaciones y la heurstica propuesta.

r=0

Lr=2
r=4

r=8

r=0

Lr=5
r=4

r=8

0.5

5.7
10
20
50
5.7
10
20
50
5.7
10
20
50
5.7
10
20
50

6.04
3.76
2.17
0.86
-2.04
-1.30
-1.16
-1.12
3.80
3.11
2.38
2.00
0.60
1.41
1.55
1.63

5.38
3.58
3.65
1.14
4.59
3.46
2.40
1.37
2.52
1.77
1.13
0.60
2.52
2.07
1.51
1.14

-0.98
-0.51
-0.72
-0.79
5.27
3.60
2.46
1.38
4.46
3.40
2.52
1.84
2.97
2.19
1.62
1.00

-1.74
-3.03
-4.07
-5.04
-2.37
-1.35
-0.94
-0.68
-2.57
-1.27
-0.82
-0.29
-2.47
-1.28
-0.65
-0.10

-1.78
-2.40
-2.82
-2.94
2.95
2.66
2.22
1.86
-0.09
0.26
0.01
-0.11
-1.63
-1.25
-0.99
-0.43

2.32
2.82
2.43
1.85
3.86
2.91
2.31
1.88
1.97
0.13
-0.65
-0.73
0.88
-0.33
-1.14
-0.80

Tabla 5. Diferencias porcentuales de la funcin de costos entre el valor mximo de las

simulaciones y la heurstica propuesta.
6. CONCLUSIONES Y RECOMENDACIONES PARA TRABAJOS FUTUROS
La implementacin del modelo de inventarios aqu estudiado en el software de simulacin
ARENA 6 fue realizada escogiendo un diseo experimental ya utilizado en trabajos anteriores
sobre otros modelos. La heurstica que permite obtener los parmetros de control del modelo
RS muestra muy buen desempeo. Los porcentajes de error entre los costos ptimos entre las
simulaciones y los que arroja la heurstica son en la gran mayora de casos muy bajos. Se
observa que rara vez los errores mximos, mnimos y promedio sobrepasan el 4 %.
Los mayores errores fueron observados para valores de n menores de 1. En general se observ
que para valores relativamente grandes de los costos de faltantes (j), del mltiplo n y del Lead
Time de remanufactura, Lr, el desempeo de la heurstica es mejor.
Estos hechos corroboran que la teora clsica de inventarios puede ser aplicada en problemas
de inventarios del mundo real, si se adaptan apropiadamente los modelos, a travs de
heursticas que resultan fciles de implementar y que proporcionan resultados muy aceptables
desde el punto de vista prctico.
Se propone para futuros trabajos estudiar el efecto en simulacin de diferentes modelos
probabilsticas de demanda, ya que suponer demandas diarias de tipo Poisson parece a priori
demasiado restrictivo. Tambin es necesario estudiar el modelo con Lead Time variable y
proponer heursticas apropiadas a esta nuevas situaciones. Queda pendiente el estudio del
efecto del ciclo de vida del producto (variacin en el tiempo de la tasa r) y el estudio de otras
polticas de control: Control P, Control Q, etc.

REFERENCIAS
Mahadevan B., Pyke D., Fleischmann M. (2002). Periodic Review, Push Inventory Policies for

Remanufacturing. ERIM Report Series Research in Managment. ERS-2002-35-LIS. March

2002.
Hopp W., Spearman M. (2001). Factory Physics. Mc Graw-Hill Higher-Education. Second
Edition.
Johnson L.A., Montgomery D.C. (1974). Operations Research in Production Planning,
Scheduling, and Inventory Control. Jhon Wiley & Sons.
Nahmias S. (1999). Anlisis de la Produccin y las operaciones. Compaa Editorial
Continental, S.A. CECSA.
Silver E.A., Pyke D., Peterson R. (1998). Inventory Management and Production Planning and
Scheduling. Jhon Wiley & Sons. Third Edition.
Zypkin P. (2000) Foundations of Inventory Management. Mc Graw-Hill International Editions.