ciencia de la administración inf ORMS ®

Vol. 51, No. 11, noviembre de 2005, pp. 1706-19

doi 10.1287 / mnsc.1050.0378
ISSN 0025-1909 eISSN 1526-5501 05 5111 1706
© 2005 INFORMS

Integrado el tamaño del lote en las cadenas de suministro en serie con

Las capacidades de producción

Stan van Hoesel

Facultad de Economía y Administración de Empresas, Universidad de Maastricht, PO Box 616,
6200 MD Maastricht, Países Bajos, s.vanhoesel@ke.unimaas.nl

H. Edwin Romeijn
Departamento de Ingeniería Industrial y de Sistemas, Universidad de Florida, 303 Weil Hall, PO Box 116595,
Gainesville, Florida 32611-6595, romeijn@ise.u fl. Edu

Dolores Romero Morales

Saïd Business School, Universidad de Oxford, la calle Park End, Oxford OX1 1HP, Reino Unido,
dolores.romero-morales@sbs.ox.ac.uk

Albert PM Wagelmans
Instituto econométrico, Universidad Erasmus de Rotterdam, PO Box 1738, 3000 DR Rotterdam, Países Bajos,
wagelmans@few.eur.nl

W están integrados
e considerar en lapara
un modelo presencia de capacidades
una cadena de en
de suministro producción y funciones
serie en la de costo de
que las decisiones cóncavas. El modelo
producción, se estudia
inventario generaliza el único tema de
y transporte
multinivel modelo económico del tamaño de lote de serie uncapacitated mediante la adición de capacidades de pro- ducción estacionarias a nivel del fabricante.
Presentamos algoritmos con un tiempo de ejecución que es polinomio en el horizonte de planificación cuando todas las funciones de costo son cóncavas. Además,
consideramos diferentes estructuras de transporte y el inventario de retención de costos que mejor rendimiento tiempos de funcionamiento: funciones de costes de
retención de inventario que son funciones lineales de transporte y costo que son bien lineal, o son cóncavos con una estructura fija de carga. En este último caso,
hacemos la suposición común y razonable adicional de que los inventarios de transporte y los costos variables son tales que la celebración de los inventarios en
niveles más altos en la cadena de suministro es más atractiva desde el punto de vista del costo variable. Mientras que los tiempos de ejecución de los algoritmos
son exponenciales en el número de niveles en la cadena de suministro en el caso de coste general cóncava, los tiempos de funcionamiento son notablemente
insensibles al número de niveles para las otras dos estructuras de costos.

palabras clave: el tamaño del lote; integración de la planificación de la producción y el transporte; programación dinámica;
algoritmos de tiempo polinómico
Historia: Aceptado por Thomas M. Liebling, programación y redes matemática; Recibido el 17 de junio del 2002.
En este trabajo se fue con los autores de 11 meses durante 2 revisiones.

1. Introducción añadido a un producto en una secuencia de instalaciones de producción, y

En este trabajo, consideramos que un problema en el que se integran pro-
ducción, el inventario y las decisiones de transporte en una cadena de
suministro básico. Los modelos tradicionales consideran por lo general sólo
uno o dos de estos aspectos en el aislamiento de la otra (s). existe evidencia
sustancial (véase, por ejemplo, Arntzen et al. 1995, Chandra y Fisher 1994,
Geoffrion y Powers 1995, y Thomas y Grif fi n 1996, así como las referencias
en él) que muestra que la integración de estas decisiones puede conducir a
aumentos sustanciales de e fi ciencia y efectividad. La integración de
diferentes decisiones en la cadena de suministro es particularmente
importante cuando los recursos son limitados y cuando los costos son no
lineales, por ejemplo, las economías de exhibición de escala.
Consideraremos una cadena de suministro de serie de la pro- ducción y
distribución de un producto. se producirá Tal cadena ply SUP-, por
ejemplo, cuando el valor es
deben ser transportados entre estas instalaciones bienes intermedios.
Kaminsky y Simchi-Levi (2003) describen un ejemplo de una cadena tal
como se plantea en la industria farmacéutica.
Otro ejemplo es la logística de terceros indus- tria. En este caso, un
centro de distribución aguas abajo que satisface las exigencias de una
determinada área geográfica pueden emplear los servicios de un almacén
de terceros antes de productos son transportados al centro de distribución
real para su distribución a sus minoristas. Un modelo de la cadena de
suministro en serie se puede usar entonces para representar parte de una
cadena de suministro que es relevante para el centro de distribu- ción
(véase Lee et al. 2003). Un ejemplo fi nal es una situación en la que la
producción se lleva a cabo en un fabricante. Los artículos que se producen
se almacenan a nivel del fabricante o transportados a nivel de almacén
primero. En cada uno de los niveles de almacén,

1706
Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS
los productos son más bien almacenados o transportados al almacén en el
siguiente nivel. Desde el nivel de alma- cén nal fi, los productos son a
continuación (posiblemente después de haber sido almacenado durante
algunos períodos) transportado a un minorista (posiblemente permitiendo por
las entregas anticipadas, es decir, Ries invento- a nivel minorista). Tal
estructura puede surgir si un minorista en realidad representa todo un
mercado, y la cadena de suministro desde el fabricante a este mercado es muy
largo. Esto podría hacer que sea ventajoso, en varias etapas, emplear
economías de escala mediante la trans- portar grandes cantidades a través de
largas distancias a intermedios instalaciones de almacenamiento antes de ser
distribuidos en el mercado real.
Todas las situaciones descritas anteriormente pueden ser representada
por un modelo genérico que consiste en un fabri- cante, varios niveles de
producción o distribución intermedios, y un nivel donde la demanda para el
producto final se lleva a cabo, lo que nos referiremos en este documento
como el nivel minorista (aunque esto no necesariamente REPRESENTA el
nivel en el que el consumo de la demanda real se lleva a cabo). De hecho,
en un modelo de este tipo, las etapas de producción y transporte
intermedios son indistinguible el uno del otro, de modo que en el resto de
este trabajo nos limitaremos a hacer referencia a todas las etapas
intermedias como etapas de transporte entre los almacenes.
El modelo de la cadena de suministro en serie esbozado más arriba se
puede ver como una generalización de un proble- Lem fundamental, que de
hecho es uno de los problemas más estudiados en la producción y
planificación de inventario, la
problema del tamaño de lote económico (ELSP). La variante básica de este
problema considera una planta de producción que se pro- duce y almacena un solo
producto para satisfacer las demandas conocidas para un horizonte de
planificación finita. El problema es entonces para determinar las cantidades de
producción para cada período de tal manera que todas las demandas son satis fi
cado a tiempo en el total de mínimos costes de producción y mantenimiento de las
existencias. Las funciones de coste se no decreciente en la cantidad producida o
almacenada, y por lo general se supone que son, fijada de carga lineal, o función
cóncava generales. La instalación de producción puede o no puede hacer frente a
una restricción de la capacidad de la cantidad producida en cada período.
Para modelar la cadena de suministro en serie, el ELSP clásica puede ser
extendida para incluir las decisiones de transporte, así como la posibilidad de
realizar el inventario en niveles dife- rentes en la cadena. Además de los
costos de producción y mantenimiento de las existencias, que entonces es
claro que también hay que incorporar los costos de transporte, lo que añade el
problema de la sincronización de transporte al problema del tiempo de la
producción. El objetivo será minimizar el costo de todo el sistema al tiempo
que satisface toda la demanda. Incluso si el fabricante y el minorista son de
hecho los distintos participantes en la cadena de suministro, cada uno de los
cuales se enfrenta a una parte de los costos de la cadena de suministro, este
problema va a ser relevante. En este caso, los participantes evidente que aún
tienen que decidir cómo distribuir los costos totales iMAL min-, que es un
problema de coordinación que
1707
está fuera del alcance de este documento. Alternativamente, SIN
EMBARGO, podemos interpretar los costos de inversión a nivel minorista
como pena o un descuento en el precio de compra de un artículo, que viene
dada por el fabricante al minorista si los artículos se entregan antes de
tiempo. En este caso, los costes minimizados por nuestro modelo de
optimización están incurridos por el fabricante. Como en problemas estándar
de tamaño lot-, todas las funciones de coste se supone que no decreciente
en la cantidad producida, almacenados, o enviados. Además, vamos a
suponer que todas las funciones de costo son cóncavas.
En general, todos los niveles en una cadena de suministro de serie,
independien- temente de si corresponden a las decisiones de producción o
el transporte, puede enfrentar capacidades. En este trabajo, nos
concentraremos en las cadenas de suministro de serie con las
capacidades a la producción (es decir, en primer lugar) Nivel solamente,
como un primer paso hacia el estudio de cadenas más generales de
suministro capacitados. Adición de capacidades en otros niveles (es decir,
el transporte) parece significativamente fi cambian la estructura del
problema, y ​por lo tanto el análisis de problemas. Por lo tanto, este tipo de
problemas son parte OUT- del alcance de este documento, pero siguen
siendo un tema de investigación en curso. Tenga en cuenta que en virtud
de las estructuras cierto coste, puede ser posible eliminar los niveles
capacitados de la cadena de suministro. Un ejemplo es proporcionado por
Kaminsky y Simchi-Levi (2003),
Vamos a llamar el problema de la determinación de la producción, el
transporte y tamaños óptimos lote de inventario en una cadena de suministro
en serie como se describe más arriba y debajo de la capacidad de producción
a nivel de producción del
problema del tamaño de lote de varios niveles con capacidades de producción
( MLSP-PC). En general, este problema es NP-duro, ya que es una
generalización directa de la ELSP NP-duro con capacidades de producción
general (ver Florian et al. 1980). El ELSP con capacidades de producción
estacionarios, cómo- nunca, es resoluble en tiempo polinómico (ver Florian y
Klein 1971). Debido a que nuestro objetivo es identificar polynomi- casos
tienen solución aliado del MLSP-PC, asumiremos que en la mayor parte de
este trabajo que las capacidades de producción son estacionarios.
Estudiamos problemas con ducción en general cóncava pro, más en
existencias, y los costos de transporte, así como problemas con los costos
de mantener inventario lineales y dos estructuras de costos de transporte
diferentes: (i) los costos de transporte lineales; y (ii) los costos de
transporte fija de carga sin motivos especulativos, lo que significa que con
respecto a los costes variables, inventario ing HOLD- es menos costoso en
niveles más altos que en los niveles inferiores de la cadena de suministro.
ods nuestra solución met se basan en un marco de programación dinámica
que utiliza un principio de descomposición que generaliza la clásica orden
cero inventario (ZIO) Propiedad
 Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
1708 Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS

de soluciones a los problemas del tamaño de lote uncapacitated como se describe en Zangwill
(1969) para el caso de múltiples niveles, y, por ejemplo, en Wagner y Whitin (1958) para el caso de
un solo nivel. En particular, en nuestro modelo de dos niveles, trabajamos con el nuevo concepto de
subplán, y demostrar que las soluciones extremas se descomponen en una serie de planes
secundarios consecutivos. Nuestros algoritmos para este modelo todos corren en tiempo polinómico
en el horizonte de planificación del problema. La generalización directa de este enfoque para el
caso de múltiples niveles conduce a un gran tiempo de ejecución. Logramos un ahorro sustancial al
introducir el concepto de un subplán relajado. En contraste con los enfoques existentes en la
literatura, nuestro programa de dinámica no representa necesariamente todos (o incluso sólo) las
soluciones de punto extremo al PC MLSP-. En adición, mientras que los caminos en el pro- grama
dinámico hacer todas corresponden a soluciones factibles del problema, los costes de un camino
pueden sobrestimar los costos de la solución correspondiente al problema. Estamos, sin embargo,
capaz de demostrar (basado en la concavidad de las funciones de costes) que nuestro pro- grama
en el siguiente nivel. Desde el nivel del almacén fi nal pro- ductos son entonces
(posiblemente después de haber sido almacenado durante algún período)
transportado al minorista.
Se considera un horizonte de planificación de T períodos. En cada
período t, el minorista se enfrenta a una demanda no negativo dado por re t, mientras
que la capacidad de producción de la ufacturer hombre-en el periodo t es
igual a segundo t. Vamos a considerar un total de L niveles, que incluye el
fabricante, el minorista, y L - 2 almacenes intermedios. Decimos que el
fabricante está en el primer nivel de la cadena, y el minorista está en el L º
nivel. Cada uno de los niveles intermedios corresponde a un almacén.
Dejar + designar el conjunto de los números reales no negativos. Para cada
período t = 1

dinámico resuelve el MLSP-PC para el óptimo. El algoritmo resultante para el caso de nes de coste T, los costos de producción son
+ +
generales cóncava fun- es exponencial en el número de niveles en la cadena de capas SUP-. Sin dada por la función pag t → , El transporta-
embargo, es extraordinariamente insensible al número de niveles para las dos estructuras de costos ción de los costes nivel a nivel 1 están dadas por las
+ +
fi específicos mencionados anteriormente. El algoritmo resultante para el caso de nes de coste función do t → (= 1 L - 1), y el invenciones
generales cóncava fun- es exponencial en el número de niveles en la cadena de capas SUP-. Sin tory costos de inversión a nivel vienen dados por la función
+ +
embargo, es extraordinariamente insensible al número de niveles para las dos estructuras de costos marido t → (= 1 L). A lo largo del documento,
fi específicos mencionados anteriormente. El algoritmo resultante para el caso de nes de coste supondremos que todas las funciones de costes son cóncavas, no
generales cóncava fun- es exponencial en el número de niveles en la cadena de capas SUP-. Sin disminuir, e igual a cero cuando su argumento es cero.
embargo, es extraordinariamente insensible al número de niveles para las dos estructuras de costos

fi específicos mencionados anteriormente. El MLSP-PC se puede formular como sigue:

( )
Σ Σ Σ
minimizar T pag t y t + L - 1 do t x t + L marido t yo t PAG
t=1 =1 =1

sujeto a
Este artículo está organizado de la siguiente forma: En el § 2,
introducimos el MLSP con los costos de producción y gene- ral no x 1t + yo 1t = y t + yo 1 t-1 t=1 T? (1)
decreciente producción cóncava, trans- porte, y funciones de costo de
x t + yo t = x - 1 t + yo t - 1 t=1 T? = 2 L-1 (2)
mantener inventario. Nos caracterizar las los puntos extremos de la región
factible del problema, y ​demostramos resultado la descomposición que re t + yo Lt = x L - 1t + yo L t-1
t=1 T? (3)
formará la base de nuestros algoritmos. En § 3, se estudia el problema de
y t ≤ segundo t t=1 T? (4)
dos niveles y proporcionar un marco de programación dinámica general
basada en el resultado derivado de descomposición anterior, lo que da un yo 0 = 0 =1 L? (5)
algoritmo de tiempo polinomial en el horizonte de planificación para los
yt≥ 0 t=1 T?
gastos generales cóncavas. En el § 4, este algoritmo es entonces
generalizar al pro- blema del tamaño de lote de varios niveles y se muestra xt≥ 0 t=1 T? = 1 L-1
que aún estaba en el polinomio de la Planificación horizonte, y mejores
yo t ≥ 0 t=1 T? = 1 L?
tiempos de ejecución se dan para dos variantes del modelo.
dónde y t denota la cantidad producida en el periodo t, x t es la cantidad
enviada desde el nivel a nivel 1 en
período t, y yo t denota la cantidad de inventario a nivel al final del periodo t. Restricciones
(1) - (3) Modelo el equilibrio entre en el flujo, almacenamiento y flujo de
salida en el fabricante, almacén, y los niveles de minoristas,
respectivamente, en cada período. La cantidad de producción en cada
período está restringido por las limitaciones de (4). Finalmente, straints
2. Modelo de Formulación y análisis
CON- (5) afirman que todos los niveles iniciales de inventario son igual a
2.1. El modelo cero. A diferencia del modelo tradicional del tamaño de lote de un solo nivel,
Como se describe en la introducción, vamos a estudiar un tamaño de lote de esto no es una suposición de que podemos hacer sin pérdida de
varios niveles problemwith una estructura en serie. En cada período, la generalidad, debido a la no linealidad de las funciones de costes de
producción puede tener lugar en la fabri- cante. Los artículos que se producen retención de transporte e inventario. Por lo tanto, vamos a discutir más
pueden ser almacenados a nivel del fabricante o transportado a la primera alma- adelante cómo hacer frente a casos de problemas donde esta restricción
cenes nivel de la casa. En cada uno de los niveles de almacén, los productos está ausente, y en su lugar (no negativo) Inventario inicial
son de nuevo o bien almacenarse o transportarse al almacén
Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS 1709

cantidades en todos los niveles se consideran como parte de los datos del
problema. A continuación, los algoritmos desarrollados se pueden aplicar en un
esquema de rodadura horizonte, en el que las nuevas instancias de tamaño lot- se
resuelven y sus solu- ciones óptimas implementan parcialmente -como pasa el
tiempo y las nuevas previsiones de demanda estén disponibles.
y T = 4. Esta representación facilitará la Ysis anal- de la estructura de
puntos extremos de la región ble via- de (P) en §2.4. Antes de continuar
con este análisis, en el § 2.2 vamos a discutir modelos relacionados y
algoritmos de la literatura, así como algunos casos especiales que reducen
a los modelos de un solo nivel en el § 2.3.

Para mayor comodidad, vamos a de fi nir re ts siendo la demanda acumulativo

2.2. Revisión de literatura
en períodos t ??? s, es decir,
La variante de un solo nivel de la MLSP-PC ha recibido mucha atención en
•
la literatura. El problema uncapacitated, la ELSP, es resoluble en tiempo
•• Σ
s

re para t = 1 s? s = 1 T? polinómico en la longitud del horizonte de tiempo; ver Wagner (1960) para
re ts ≡ =t (6)
•• este resultado básico. Más algoritmos e fi cientes para casos especiales
0 de otra manera han sido desarrollados por Aggarwal y Park (1993), Federgruen y Tzur
(1991), y Wagelmans et al. (1992). Cuando las capacidades de producción
Para garantizar la viabilidad de (P), vamos a suponer que la demanda
están presentes, se obtiene la así llamada- capacitado problema del
acumulada en los primeros t periodos no puede exceder la capacidad de
tamaño de lote
producción total en estos períodos,
es decir,
( CLSP). En contraste con la uncapacitated ELSP, este problema se sabe
Σ
re 1 t ≤ t segundopara cada t=1 T? (7) que es NP-difícil, incluso en muchos casos espe- ciales; ver Florian et al.
=1 (1980) y Bitran y Yanasse (1982). Un caso especial interesante e
importante que no permite un tiempo polinómico surge cuando algoritmo
Es fácil ver que esta condición es tanto ciente fi necesario y suf para (P)
de las capacidades de producción son estacionarios; véase, por ejemplo,
para tener una región factible no vacío.
Florian y Klein (1971), Florian et al. (1980), y van Hoesel y Wagelmans
(1996). Ver también las referencias en Baker et al. (1978) para otros
También podemos modelar el MLSP-PC como una red de costo mínimo
trabajos en la CLSP con capacidades de producción estacionarios, y
capacitado flujo problema en una red con una fuente (véase también
Chung y Lin (1988) y van den Heuvel y Wagelmans (2003) para otro caso
Zangwill 1969 para una discusión eral ge- sobre dicha red de costo mínimo
especial de la CLSP que es resoluble en tiempo polinómico.
flujo de problemas, así como una discusión de uncapacitated multinivel
ELSPs). Con este fin, definimos una red con una sola fuente 0, T nodos de
transbordo 1 t?

Zangwill (1969) estudió la versión uncapacitated de la MLSP-PC, y

en el nivel de producción (nivel 1, t = 1 T), T trans-
desarrolló un algoritmo ming dinámico programa- que es polinomio en
los nodos de envío t? en cada uno de los almacenes lev-
tanto el plan- Ning horizonte y el número de niveles L. Analizamos este
els ( t = 1 T? = 2 L - 1), y T nodos de demanda
algoritmo en el apéndice en línea (disponible en
L? T? con la demanda re t a nivel minorista (nivel L, t = 1
http://mansci.pubs.informs.org/ecompanion.html) y concluimos que se
T). Por último, la viabilidad dicta que el nodo fuente 0 tiene un
ejecute en O LT 4 tiempo, donde L es el número de niveles, o incluso en O
suministro de re 1 T unidades. La Figura 1 ilustra la representación de red de
T 3 para el caso espe- cial de L = 2. Lee et al. (2003) consideran un modelo
la MLSP-PC para L = 3
de dos niveles, donde los costos de transporte son funciones nonconcave.

Figura 1 Representación de la red MLSP-PC para L = 3 y T = 4

re 1 + re 2 + re 3 + re 4
Un estudio que se relaciona con la nuestra en el sentido de que también
considera las capacidades en un entorno de múltiples niveles es el de
0
Kaminsky y Simji-Levi (2003). Se pro- poner un modelo de tres niveles en el
que el primer y tercer nivel son las etapas de producción, y el segundo nivel
y1y2 y3 y4
es una etapa de transporte. Ambas etapas de producción están
(1, 1) (1, 2) (1, 3) (1, 4) capacitadas, mientras que la etapa de transporte es uncapac- itated. Se
yo 11 yo 21 yo 31 consideran los costes lineales mantener inventario que aumentan con el
x 11 x 21 x 31 x 41 nivel de la cadena de suministro, y los costes de producción lineales en
ambos niveles 1 y 3 que satisfacen una condición tradicional motivos no
(2, 1) (2, 2) (2, 3) (2, 4) especulativa (véase también § 2.3). Los costos de transporte en el segundo
yo 12 yo 22 yo 32
nivel son de la fijada de carga o en forma cóncava en general y se supone
x 12 x 22 x 32 x 42
que satisfacer una condición cional motivos no especulativa restrictiva y
nontradi-. Por significaría el fin de las decisiones de producción de tercer
(3, 1) (3, 2) (3, 3) (3, 4)
nivel, que reducen
yo 13 yo 23 yo 33

re 1 re 2 re 3 re 4
 Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
1710
el problema a un modelo de dos niveles que hereda sus estructuras función
de coste a partir del modelo de tres niveles. Por su clase de costos de
transporte fijo-carga, que proporcionan una O T 4 algoritmo para resolver el
modelo, incluso en el caso de capaci- dades de producción no estacionarios.
Por su clase de costos de transporte cóncavas que proporcionan una O T 8 algoritmo
para resolver el modelo en presencia de capacidades de producción
estacionarias. Plantean la complejidad de su modelo para las estructuras de
costos más generales como una pregunta abierta. En este trabajo se aborda
esta cuestión mediante la derivación de una O T 7 algoritmo para resolver el
problema de dos niveles en presencia de capacidades estacionarias.
2.3. Casos especiales
Es común en los problemas del tamaño de lote para modelar los costos de
mantenimiento de inventario como funciones lineales, es decir,
marido t yo t = marido t yo t para t = 1 T; = 1 L, con marido t ≥ 0 para
todas t y . Por lo tanto, vamos a considerar esta clase de problemas en
§§4.3 y 4.4. En § 4.3, tendremos en adi- ción suponer que los costos de
transporte tienen una estructura de carga xed- fi sin motivos especulativos.
Más formalmente, do t x? = f t 1 x> 0 + gramo t x, donde 1 x> 0 es una función indi-
cador tomando el valor 1 si x> 0, y 0 OTRO TIPO. La suposición de que no
hay motivos especulativos, lo que comúnmente se asume los costos ción y
mantener inventario productivos en los modelos de tamaño de lote
económi- cos tradicionales, significa en este contexto que, con respecto a
sólo inventario y transporte costes variables, es atractiva para transportar
tan tarde como posi- ble. Más formalmente, gramo t + marido + 1
t≥ marido t + gramo t + 1 para t = 1
1; = 1 L - 1.
Tenga en cuenta que si las funciones de costes de transporte son tanto
lineales como no presentan motivos especulativos, siempre es óptima para
almacenar la producción en la fabri- cante y el transporte sólo cuando la
demanda debe ser satisfecha. Por lo tanto, sin pérdida de optimalidad,
podemos suponer que yo t = 0 para todo t = 1
Ty=2
Del mismo modo, si los costos de transporte son lineales y
gramo t + marido +1
t ≤ marido t + gramo t + 1 para t = 1
T - 1; = 1
es más barato transportar tan pronto como producir y almacenar la
producción a nivel minorista. Entonces, con- cabo pérdida de optimalidad,
podemos suponer que yo t = 0 para todo t = 1
Ty=1 L - 1. Estos dos espe-
casos ciales de la MLSP-PC, por lo tanto producen una CLSP estándar.
Finalmente, una variante de la uncapacitated de dos niveles MLSP-PC
puede ser fácilmente reducido a un ELSP uncapacitated. Cuando los costos de
producción, así como los costos de inversión tory invenciones en ambos
niveles son lineales, dado que decidimos para transportar en un determinado
período, podemos determinar fácilmente el mejor periodo de producción, es
decir, el período que produce la producción mínima unidad total y los costos de
inventario a nivel de fabricante para el transporte en el periodo t. Redefiniendo
el costo de transporte fun- ción en consecuencia, lo que se puede hacer en O
LT? hora,
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS
nos permite eliminar las variables de producción, así como las variables de
inventario en el fabricante, produciendo un ELSP uncapacitated estándar.
El problema resultante puede ser resuelto de O T 2 tiempo para que los
costos generales de transporte cóncava (ver Wagner 1960), y en
O T Iniciar sesión T? tiempo para que los costos de transporte fijo de carga
(véase Aggarwal y Parque 1993, Federgruen y Tzur
1991, y Wagelmans et al. 1992).
2.4. Caracterización de los puntos extremos
Problema (P) tiene una función objetivo cóncavo, y su región factible es
definido por restricciones lineales. Esto implica que existe un punto de
solución óptima extrema a (P). Considere el de flujo en la red cor-
responder a cualquier solución factible punto extremo. Como es común en
los problemas de flujo de red, llamaremos a los arcos que llevan una
cantidad de flujo que es a la vez estrictamente positivo y estrictamente
inferior a su capacidad arcos libres. Es bien sabido (véase, por ejemplo,
Ahuja et al. 1993) que la subred que contiene sólo los arcos libre contiene
ningún ciclo.
2.4.1. Subplanes. Tenga en cuenta que sólo los arcos que tienen un
límite superior finito (que en nuestro caso son sólo los arcos de producción)
pueden llevar a fluir mientras que no son libres. Extracción de todos los
arcos de producción, la red que con- tienen todos los arcos libres restantes
se descompone en un número de componentes conectados. Limitándonos
por ahora a los componentes conectados que de hecho llevan flujo,
identificamos la primera y la última estación en el componente en cada nivel.
Para un componente dado, estos nodos pueden ser denotados por
T-
1+ 1y 2
para = 1 L, dónde
para = 1 L-1 (8)
1 ≤ + 1 1 <2 ≤ + 1 2
(Tenga en cuenta que la desigualdad estricta lleva a cabo debido a la de fi ni- ción de
la subplán: El primer período incluido en el nivel es
L. 1+ 1.) Con este enfoque, algunos nodos pueden estar
aislada y no incluido en cualquiera de los componentes que lleva flujo.
L - 1, se Asignamos a cada uno de los al componente que se encuentra junto a la
izquierda de ellos. La asignación de los nodos aislados se ilustra en la
Figura 2. Después de eli- ginarios los arcos de producción, obtenemos dos
componentes. La primera es definida por los nodos 1 1 y 1 4 en el Nivel 1,
2 1 y 2 4 en el nivel 2, y 3 1 y 3 6 en el nivel 3, y el segundo por los nodos 1
5 y 1 8 en el Nivel 1, 2 6 y 2 8 en el nivel 2, y 3 7 y 3 8 en el Nivel 3.
Podemos observar que el nodo 2 3 es parte del primer componente,
aunque no de flujo pasa a través de este nodo. Como se mencionó
anteriormente, el nodo aislado 2 5 se asigna al componente de izquierda.
En resumen, podemos descomponer una solución de punto extremo para (P)
en componentes, cada uno de los cuales con- tiene un conjunto de nodos
1+ 1 2 =1 L)
satisfactorio (8). Vamos a llamar a los componentes de este modo
Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS 1711

Figura 2 La estructura de una solución de punto extremo al MLSP-PC, Propuesta 2.2. Un subplán puede contener como máximo un arco de producción
L=3yT=8 libre.

0 Si el problema es uncapacitated, esta proposición implica que sólo un

arco de producción llevando flujo entra en cada uno de los planes
y1y2 y5 y6
secundarios, que a su vez significa que los flujos extremos son
arborescente. El algoritmo de programa- ción dinámica propuesta para
(1, 1) (1, 2) (1, 3) (1, 4) (15) (dieciséis) (1, 7) (1, 8)
yo 21 yo 31 yo 51 yo 61 yo 71 este problema mediante Zangwill (1969) se basa en esta propiedad; véase
x 11 x 41 x 61 x 81 el apéndice en línea.

(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6) (2, 7) (2, 8) Como ejemplo, en la Figura 2 sabemos que en el plan de sub- 0 4 0 5 0 6
yo 12 yo 62
x 12 x 22 x 42 x 72 x 82 los arcos de producción y 1 y y 2
No puede tanto ser libre; lo mismo vale para los arcos de producción y 5 y y 6 en

(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6) (3, 7) (3, 8)

subplan 4 8 5 8 6 8 .
yo 23 yo 33 yo 43 yo 53
2.4.3. Cantidades de transporte en un subplán.
re 1 re 2 re 3 re 4 re 5 re 6 re 7 re 8 La ausencia de ciclos que consisten en arcos libres solamente en una
solución punto extremo también se puede utilizar para iden- tificar
propiedades estructurales de los lazos el transporte cuanti. Considere un
adquirido subplanes. Vamos a representar un subplán por el 2 L períodos que período de, digamos t, en el que el transporte tiene lugar entre los niveles y 1,
la identifican: 1 2 L = 1 . A menudo se
es decir, el flujo en el arco entre los nodos
ser conveniente referirse a los períodos de producción y la demanda en un t? y 1 t? es x t> 0.
subplán separado, y vamos a menudo a continuación, utilizar la notación t 1 t 2 Dos situaciones pueden ocurrir con respecto al flujo total FL en nodos 1 + 1
1+ 1 + 1 t ?, es decir, el
1 2 ≡ 11 12 L 1 L 2 .

Por construcción, no hay inventario se realiza entre los planes secundarios, acumulativo envíos entre niveles y 1 hasta e incluyendo el período t dentro
por lo que el único flujo de entrar en un subplán proviene de arcos de del subplán:

producción asociados a los nodos del fabricante en el subplán. La cantidad • Es igual a la producción acumulada en ods peri t 1+ 1
s para algunos s ∈ t 1+ 1 t ?;
total producida en todos los períodos de producción en el subplan, es decir,
• Que satisface la demanda de los períodos 1+ 1 s para
la producción total en períodos t 1+ 1
algunos s ∈ 1+ 1 2.
t 2, se utiliza para suministrar
Si no, considere el último período de producción en el que algunos de la
la demanda de todos los nodos del minorista en el subplan, es decir, la
cantidad transportada x t fue producido, digamos s '. Habrá entonces un
demanda total en períodos 1+ 1 2. Vamos a llamar
'1 '2L=1 consecu- período cuya demanda se satisface parcialmente de la cantidad x t y
dos subplanes 1 2L=1 y
' 1 = 2 para =1 parcialmente de producción en el período s ' lo que queda en el inventario a
tivo Si L. Podemos resumir la
nivel al final del período t, la creación de un ciclo de con- tienen arcos única
estructura de soluciones de punto extremo de la siguiente manera.
libres. Este resultado se puede resumir de la siguiente manera.
Proposición 2.1. Cualquier solución factible punto extremo se puede
descomponer en una secuencia de subplanes consecutivos.

Proposición 2.3. En un subplan, la transportado can- tidad entre los niveles y +

La solución extrema dada en la Figura 2 se descompone en dos
1 en algún período o bien hace que las cantidades transportadas acumulados
subplanes, a saber, 040506y
hasta ahora en el subplan igual a las cantidades de producción acumulativos de
485868.
una secuencia inicial de los períodos de producción consecutivos en el subplan,
Tenga en cuenta que la primera subplan obtiene mediante la descomposición de una solución
o a la demanda acumulada de una secuencia inicial de los períodos de demanda
de punto extremo tal como se describe anteriormente tiene
en el subplan.
1= 0 para = 1 L. Sin embargo, en el resto de
este trabajo será conveniente para incluir también los planes secundarios
Las dos posibilidades para el transporte acumulativo pueden ilustrarse
1 2L=1 satisface (8), para el que algunos, pero
utilizando la figura 2. en subplán
no todos los valores de 1 son cero.
040506,
2.4.2. Las cantidades de producción en un subplán. El hecho de que los • x 1 1 es igual a la producción (acumulativo) en el Período 1, mientras x
1
flujos extremos son acíclicos implica que, aunque puede haber múltiples
1+ x1 2+ x1 3+ x 1 4 es a la vez igual a la
arcos de producción asociados con un subplán que llevan flujo, hay como la producción acumulada en los períodos 1 4 y satisface
máximo un tal arco con la producción debajo de su capacidad. En otras la demanda de los períodos 1 6;
palabras, no es a lo sumo un arco de producción libre de entrar en el • x 2 1 satisface la demanda del periodo 1; x 2 1+ x2 2 es

subplán. Esto produce la siguiente generalización de la caracterización de igual a la producción (acumulativo) en el Período 1; y
los puntos extremos de CLSPs de un solo nivel de Florian y Klein (1971). x 2 1+ x 22+ x 2 3+ x 2 4 es a la vez igual a la pro acumulada
ducción en Períodos 1 4 y satisface la demanda de
los períodos 1 6.
 Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
1712 Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS

3. El problema del tamaño de lote de dos NP-difícil para las capacidades de producción en general, vamos a restringir nuestra
atención en el caso de las capacidades de producción fijos, es decir, segundo t = segundo
niveles capacitado con costes cóncavos
para t = 1 T. En el
resto de esta sección, vamos a derivar un algoritmo de tiempo mial polyno-
Para claridad de la exposición, vamos a considerar primero la versión de
para el cálculo de los costes óptimos de todos los planes secundarios, y por
dos niveles de la MLSP-PC, que llamaremos la 2LSP-PC. En la siguiente
lo tanto para la 2LSP-PC. Antes de estudiar los subproblemas de cálculo de
sección, vamos a mostrar cómo la metodología se puede extender a las
los costes subplán óptimas, vamos a estudiar primero las implicaciones de
cadenas con más de dos niveles.
la hipótesis de que las capacidades de producción son estacionarios en la
siguiente sección.

3.1. Un enfoque de programación dinámica

En esta sección, vamos a describir un enfoque programa- ción dinámica
3.2. Implicaciones de las capacidades productivas
general a la 2LSP-PC. Este enfoque se basa en la descomposición de
estacionarios
solu- ciones punto extremo a (P) en subplanes consecutivos (ver
En la Fase 1 del enfoque de programación dinámica, tenemos que calcular
proponentes sición 2,1). En particular, definen F t ??
ser el los costes óptimos de todos los planes de sub, bajo la restricción adicional

mínimo coste asociado a la satisfacción de las demandas de los minoristas de que todos menos uno de los arcos de producción que entran en el

en períodos 1 T usando la producción en subplán llevar un equivalente de flujo a 0 o segundo. Considere un plan sub
períodos t + 1 T. Estamos entonces claramente interesado en concreto, dicen t 1 t 2
informática F 0 0 . Esto se puede lograr usando un enfoque de dos fases: 1 2, en el que la demanda total de
períodos 1+ 1 2 tiene que ser satisfechas mediante pro-
Fase 1. Para cada subplan t 1 t 2 ducción en períodos t 1+ 1 t 2. Después de Florian y
calcular 1 2,
los costos mínimos que se haya incurrido para satisfacer la demanda de Klein (1971), tenga en cuenta que la restricción en los valores de los arcos

ese subplán bajo la condición de que como máximo un arco de producción de producción que entran en el subplán implica que el número de arcos de

libre entra en el subplán. Denotar estos costos por producción que realizan flujo igual a la capacidad de producción es

t1 t2 exactamente igual a
1 2.
Fase 2. Calcular los valores F t 1 K = d 1+ 1 2 / segundo , y tity la producción restante can- es igual a! = re 1+ 1 2 - Kb. Está
1 0 para todos ≤ t 1 ≤
claro que tenemos que 0 ≤ <! segundo. Si!> 0, habrá exactamente un arco
1 ≤ T por darse cuenta de que una solución de punto extremo al

subproblema correspondiente está dada por un subplan de la producción de entrar en el subplán llevar este fl ujo.
t1 t2 1 2 y el subproblema restante F t 2 2

para algunos t 2 y 2. Esto da lugar a la siguiente recursión hacia atrás:

3.3. Los costos subplán
Vamos a formular el problema de determinar los costes óptimos de un
F t1 1= min t1 t2 1 2+ F t2 2 subplán como un problema ming programa- dinámico. Dicho de otra
t22 2 ≥ t 2> 1
manera, para cada subplan
de 0 ≤ t 1 ≤ 1 < T? t1 t2 1 2, vamos a de fi nir una red con la que pro- piedad
F t 1 T? = 0 de 0 ≤ t 1 ≤ T? t1 t2 1 2 es igual a la longitud de la

camino más corto entre un par de nodos fuente y sumidero en esta red.
Tenga en cuenta que en la Fase 1 que necesitamos para calcular O T 4

valores. La fase 2 es, de hecho, un problema del camino más corto en una red Hemos escogido los nodos en esta red para ser de la forma t? Y? X ?, dónde
con nodos que representan todas período de pares t indica un período, Y es igual a la cantidad de producción acumulada
t ?? de tal manera que 0 ≤ t ≤ ≤ T, y arcos que representan los subplanes con hasta e incluyendo el período t, y x es igual a la cantidad acumulativa de
los costos correspondientes. El camino mínimo- coste desde el nodo 0 0 a transporte hasta e incluyendo el período t.
cualquiera de los nodos t 1 T?
en esta red acíclico se puede encontrar en el tiempo lineal en el número de Nodo t 1 0 0 es la fuente, mientras que el nodo t 2 Kb + !? Kb + !? ≡ t 2 re 1+ 1 2 re 1+ 1 2
arcos, es decir, en O T 4 tiempo (véase Ahuja et al. 1993). Florian y Klein es el fregadero. por proposición
(1971) utilizan este marco de programación dinámica ge- neral para ción 2.2 y la discusión en el § 3.2, sabemos que la cantidad de producción
desarrollar una en un periodo de sólo puede asumir uno de los valores 0! ¿segundo?, con el
O T 4 algoritmo de programación dinámica para resolver el CLSP con valor! sólo en un período. Esto implica inmediatamente que Y sólo puede
capacidades fijas y funciones de costes de retención de producción e tomar los valores
inventario cóncavas generales.
Cuando el valor de · se da para cada subplan,
la 2LSP-PC es polinómicamente solucionable. Para lograr un algoritmo de ⋃
Y∈K kb? kb +! ??
tiempo polinómico para la 2LSP-PC, por lo tanto, el reto es proporcionar un
k=0
algoritmo de tiempo polinómico para el cálculo de los costes
correspondientes a todos los planes secundarios. Porque sabemos que el donde, además, = Y 0 si t = t 1, re 1+ 1 t ≤ Y ≤ t - t 1 K
2LSP-PC es para t = t 1+ 1 t 2 - 1, y Y = Kb +! Si t ≥ t 2 para asegurar
Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS 1713

que toda la demanda se produce dentro del conjunto de períodos de pro- se define anteriormente a cada subplan individuo produciría un algoritmo con el
ducción permitidos en el subplan. porque es evidente tiempo corriendo O T 8 de computa- ción los costos de todos los planes
K ≤ T, el número de valores permisibles para Y es O T?. secundarios. Sin embargo, el tiempo de ejecución se puede reducir mediante la
Además, por la Propuesta 2,3 sabemos que la cantidad transportada observación de que los costos de muchos planes secundarios están relacionados.
acumulativa hasta e incluyendo algún período es o bien igual a la cantidad En particular, observe que la red de programación dinámica correspondiente a
total de producción de una secuencia inicial de los períodos de producción cualquier subplan de la forma t 1 t 2
o satisface la demanda de una secuencia inicial de los períodos de es en realidad una
1 2
demanda en el subplan. Más formalmente, esto significa que subred de la red de programación dinámica para la subplán 0 t 2
1 2. Por lo tanto, el uso de Regreso
recursividad de barrio para resolver por el camino más corto entre los nodos 0 0 0
) )
⋃ ⋃ en lo ultimo
y t 2 re 1+ 1 2 re 1+ 1 2
x ∈ (K kb? kb + !? ∪ (2 re 1+ 1 s los rendimientos de red, como un subproducto, las rutas más cortas entre los
k=0 s =? 1+ 1
nodos t? 0 0 y t 2 re 1+ 1 t 2 re 1+ 1 t 2 para cada
donde, además, re 1+ 1 t ≤ x ≤ Y para asegurar que las demandas se satisfacen t=1 1. Por lo tanto, se deduce que sólo tenemos que con- Sider la O
a tiempo y los productos no son transportados antes de que se producen, y T 3 subplanes de la forma 0 t 2 1 2, el
X = 0 si t ≤ costes de lo que puede determinarse en O T 7 hora.
1y X = Kb +! Si t ≥ t 2 para garantizar que el transporte se lleva a cabo
dentro de la subplán. El número de permi- valores capaces de x es así O 3.4. Tratar con los inventarios iniciales
T? así, de modo que el número total de nodos de la red es O T 3 . Si las existencias iniciales en los niveles de fabricante y / o un minorista, yo
1
0 y yo 2 0, son estrictamente positivos, hay

Arcos en la red representan la producción, trans- porte, y las decisiones
de inventario. Arcs están presentes entre los pares de nodos en la red de
la forma t? Y? X? y t + 1 Y? ¿X?, con Y - Y ∈ 0! ¿segundo?
(Donde el valor! sólo se permite si Y = kb para algunos k = 0 1
K), y x ≥ X ( dónde x ∈ ¿X? Y? ∪
⋃2
re 1+ 1 s ). Es fácil ver que hay O T?
s =? 1+ 1
arcos que emana de cada nodo en la red, de modo que toda la red tiene O
T 4 arcos.
A partir de la información contenida en los nodos de fi n- ing un arco,
podemos calcular fácilmente la cantidad de producción en el periodo t + 1 ( Y
- Y), la cantidad de transporte en el periodo t + 1 ( x - X), el inventario realizado son claramente sigue siendo válido para los planes secundarios en el que t 1> 0.
a nivel del fabricante al final del periodo t + 1 ( Y -? X), y el inventario llevó a
cabo en el nivel minorista al final del periodo t + 1 ( x - re 1+ 1 t + 1). Los costos de
un arco son así dadas por
es un ligero cambio en la construcción de subplanes. Recordemos que
construimos planes secundarios que corresponden a una solución de punto
extremo determinado teniendo en cuenta todos los arcos (excepto los arcos
de producción) que llevan de flujo positivo. Los subplanes se forman entonces
por los componentes conectados resultantes junto con algunos nodos
aislados. Cuando hay inventarios iniciales, sin embargo, puede haber uno o
más componentes que llevan flujo pero que no contienen un período de
producción. En estos componentes, la demanda se satisface usando
inventarios iniciales a sólo niveles de almacén y el minorista, y que puede ser
asignado a la componente que contiene Período de produc- ción 1 (es decir,
el componente que contiene el nodo 1 1 ). Los resultados en §§2.4.2 y 2.4.3
Los planes Sin embargo, para sub- con t 1 = 1 = 0, los resultados continúan
manteniendo RESPETA pro vemos los inventarios iniciales totales yo 1

0+ yo 20 como un
pag t + 1 Y - Y? + C 1 cantidad de producción acumulada hasta e incluyendo el período 0, y el
t+1 x - ¿X? inventario inicial yo 2
0 en el Nivel 2 como el
+ marido
t+1 Y
1
-? X? + H 2 t+1 x - re 1+ 1 t + 1 la cantidad acumulada hasta el transporte y INCLUYENDO Período 0. A menos 2
= T, estos planes secundarios sólo pueden tener una solución factible si los
Si todas las funciones de costes se pueden evaluar en tiempo constante, los
inventarios iniciales totales no superen la demanda total que tiene que ser
costos de un arco dado se pueden calcular en tiempo constante siempre que
satisfactoria ed fi en el subplan. Para los planes secundarios con re 1 2 ≥ yo 1
determinamos todas las demandas acumuladas re tt '( en O T 2 tiempo) en una etapa
de preprocesamiento. 0+ yo 20, nosotros
Cualquier ruta de acceso en la red de la fuente t 1 0 0 al fregadero t 2 re 1+ 1 2 re 1+ 1obtener K = d 1 2 - yo 1 0 - yo 2 0 / segundo y! = re 1 - yo 1 0 - yo 2 0 - Kb. 2

Como ya fue mencionado, re 1 2 < yo 1 0 + yo 20 sólo puede ocurrir si

2 representa una de flujo factible en el subplán t 1 t 2

1 2 con sólo una productividad sin 2 = T. Si de hecho re 1 T < yo 1 0 + yo 20, un punto de solu- extrema

ción de arco. Por otra parte, es fácil ver que lo contrario también es cierto.
Por lo tanto, los costes subplan están dadas por la ruta de coste mínimo en
esta red desde el nodo origen al nodo receptor. El tiempo requerido para fi
Nding esta ruta de coste mínimo es proporcional al número de arcos de la
terminar como el inventario final. Esto puede ser fácilmente tratada mediante la
red, de modo que el coste de un solo subplan se puede determinar de O T 4 hora.
Porque hay O T 4 subplanes, una aplicación directa del algoritmo de
programación dinámica
ción contendrá una única subplán: 0 T? 0 T?,
y no hay producción se llevará a cabo en un periodo en el que subplán, es decir,
K =! = 0. El cultades fi cultades que queda en este caso es que no queremos
especificar por adelantado en el que el nivel del exceso de inventario va a
ampliación del horizonte de planificación por un período de, digamos T + 1. A
continuación, definimos la función de costo de producción de ese período como pag
T+1 0 = 0 y pag T + 1 y T + 1 = para
 Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
1714 Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS

todo 0 < y T + 1 ≤ segundo y la función de costo de transporte como basado en la idea de que la infor- mación más importante presente en la
doT 1+ 1 x T + 1 = 0 para todo x T + 1 ≥ 0. Finalmente, establezca re T + 1 = yo 1 0+ yo 20 - definición de un subplán es el conjunto de los períodos de producción t 1+ 1
re 1 T. Los costos de la única subplan 0 T? 0 T? en el problema original, t 2 y el conjunto de la demanda
entonces puede ser encontrada por hallazgo de los costos de la subplán 0 T períodos 1+ 1 2. La base de nuestra mejorada algo-
+ 1 0 T + 1 en el problema modi fi ed. rithm es entonces para permitir el transporte en los períodos
t 1+ 1 2( mientras que, por supuesto, la retención de los períodos
Ahora consideremos la red de programación dinámica se utiliza para calcular los ducción y la demanda pro- dados). entonces podemos utilizar el mismo enfoque
costos de un subplan. Para los planes secundarios que contienen los inventarios de programación dinámica como en el caso de dos niveles, donde sustituimos
iniciales, dejamos que el nodo de origen sea 0 yo 1
los costes subplán de dos niveles
0+ yo 20 yo 2 0 y el nodo de fregadero sea t 2 yo 1 0+ yo 20 + kb + t1 t2 1 2 por los costos mínimos de satisfy-
!?YO 01 + yo 20 + ! Kb +?. Para un estado t? Y? X ?, esto también significa que ing demanda en periodos 1+ 1 2 mediante la producción

en períodos t 1+ 1 t 2, donde a lo sumo uno de los pro-

⋃ { yo 1
ducción cantidades pueden ser diferentes de ambos 0 y segundo,
Y∈K 0+ yo 20 + kb? I 1 0+ yo 20 + kb +!}
k=0
y donde se permite el transporte a todos los niveles en los períodos t 1+ 1

y 2. Vamos a denotar los costes tradicionales

) ) por% t 1 t 2 1 2, y se refieren a vectores t 1 t 2 1 2 como
⋃ ⋃
subplanes relajado.
x ∈ (K yo 1 0 + yo0 2+ kb? I 1 0+ yo 20 + kb + !? ∪ (2 re 1 s
k=0 s =? 1+ 1 Para ilustrar el concepto de planes secundarios relajado, con- Sider el
siguiente ejemplo, el problema de la 2LSP-PC. Todas las demandas son
Por último, cabe destacar que para los planes secundarios con t 1> 0, deberíamos
iguales a 1; los costos de producción y trans- porte están dadas por
no tienen inventario positivo de flujo. Por lo tanto, en caso de que haya niveles de

inventarios iniciales no nulas, que realmente se necesita para calcular los costos de

todos los planes secundarios 0 t 2 0 2

teniendo en cuenta los niveles de inventario inicial, así como los costos de todos pag t y? = { 100 · 1 y> 0 + y Si t = 2
1 · 1 y> 0 + y de otra manera
los planes secundarios 0 t 2 1 2 para 1> 0
sin tomar en cuenta el nivel de inventario inicial en el fabricante. Esto
y
claramente no lo hace influir en el tiempo total de ejecución del algoritmo.

dot 1¿x? = { 50 · 1 x> 0 + x Si t = 2

1 · 1 x> 0 + x de otra manera
4. El caso de niveles múltiples
Por último, dejar que todas las funciones del costo de mantener inventario de ser
4.1. Introducción igual a cero. Los flujos óptimos en 1 4 2 4 y
Podemos extender el enfoque de programación dinámica desarrollada en § % 1 4 2 4 se dan en la Figura 3. Cuando el cálculo de los costes
3.1 para el caso de dos niveles para el caso multinivel, donde de nuevo 1 4 2 4 , El transporte sólo se permite
una red de programación dinámica Fase 2 representa todas las soluciones en períodos en los que tanto la producción puede tener lugar y la demanda
de punto extremo al MLSP-PC. Con este fin, debemos de definir se satisface (es decir, en períodos de 3 y 4 en el ejemplo), mientras que en
la versión relajada de la misma transporte subplan se permite en cualquier
F? a ser el mínimo coste asociado con sat-isfying las demandas de
1L=1 periodo en el que ya sea la producción puede tener lugar o la demanda es
los minoristas en períodos L 1+ 1 T?
satis fi ed (es decir, en periodos 2, 3 y 4 en los ejem- plo). Por lo tanto, los
mediante la producción en períodos 1 T?, y alma- cenes
11+ costos% 1 4 2 4 son inferiores
casa en períodos 1 T? para cada uno =
+ 1 1+
1 L - 2. Entonces estaríamos interesados ​en la informática
F 0 L = 1 . Es fácil ver que el tiempo de ejecución de la generalización
figura 3 La óptima los flujos de 1 4 2 4 y 1 4 2 4
correspondiente del programa dinámico Fase 2 sería O T 2 L . En esta
sección, vamos a obtener una modificación del programa dinámico Fase 2 2 2

que se ejecuta en O T 4 hora. Esta modi fi cación no hace Fase 1

computacionalmente más caro, e incluso puede hacer que sea menos
0 0
costoso.
2 2

En particular, vamos a desarrollar un enfoque más e fi ciente en el que

el programa dinámico Fase 2 no representa necesariamente todos (o (1, 2) (1, 3) (1, 4) (1, 2) (1, 3) (1, 4)
2
incluso solamente) las soluciones de punto extremo al MLSP-PC, y,
2 2
además, sobreestima los costos de muchos de los puntos no extremo
soluciones que representa. Sin embargo, como veremos, contiene una
(2, 4)
solución óptima punto extremo y está garantizado para hallar esta solución. (2, 2) (2, 3)
1
(2, 4) (2, 2)
2
(2, 3)
1

Este enfoque es
1 1 1 1
Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS 1715

1 4 2 4 porque en el subplán relajada podemos transportar en el
segundo período.
Estos cambios tienen dos consecuencias principales. Con- Sider un
camino desde la fuente hasta un sumidero en la red Fase 2. En primer
lugar, mientras que es fácil ver que la solución correspon- diente de la
MLSP-PC es de hecho factible, no es necesariamente una solución punto
extremo porque los nodos de producción y la demanda en dos planes sub
relajado contenidos en la solución pueden estar conectados por arcos que
contienen de flujo positivo. En segundo lugar, es posible que ciertos arcos
se utilizan en más de un subplán relajado. Esto significa que la longitud de
la ruta en la red puede no ser el mismo que los costos de la solución
correspondientes a la MLSP-PC. Tratar con este último primera cuestión fi,
el siguiente teorema muestra que la longitud del camino nunca es menor
que los costes reales de la solución,
El siguiente teorema muestra que existe una solución óptima al
problema del tamaño de lote que está representado por un camino en la
Fase 2 de programación dinámica de trabajo NET cuya longitud es igual a
los costes óptimos.
Teorema 4.3. La programación dinámica Fase 2 NET trabajo contiene un
camino que corresponde a una solución óptima a nuestro problema del
tamaño de lote, y la longitud de la ruta es igual al costo de esta solución.
Prueba. Considere un punto solución óptima extrema al problema del
tamaño de lote, por ejemplo con el costo y *. Como dis- cussed en §2.4, esta
solución óptima se descompone en una secuencia de subplanes
consecutivos. Es fácil ver que la dinámica de la red de programación con-
Fase 2 tains un camino por el cual los períodos de producción y la demanda
de cada uno de los arcos corresponden a esta secuencia de planes
secundarios. Lema 4.2 ahora dice que la longitud de la ruta de acceso en la
red de programación dinámica, dicen

Teorema 4.1. Cada camino desde la fuente hasta un sumidero en la red de
programación dinámica Fase 2 corresponde a una solución factible a la
MLSP-PC. La longitud de este camino no puede ser menor que el costo de la
solución correspondiente, y es igual al costo solución si todas las funciones de
costes de transporte y de inventario son lineales.
', y no excederá *. Sin embargo, por el teorema 4.1 sabemos que ' es una
sobreestimación de los costos de un cor- responder solución factible.
Optimalidad de Y * Ahora implica que, de hecho, '= & *, lo que demuestra el
resultado deseado.
Teoremas 4.1 y 4.3 implican claramente que nuestro algoritmo de dos
fases resuelve el MLSP-PC. Ahora podemos concluir que la Fase 2 del
algoritmo se ejecuta en O T 4

tiempo, dado que todos los valores% t 1 t 2 2 . El restante

Prueba. El hecho de que un camino desde la fuente hasta un sumidero 1

en el trabajo de la Fase 2 de programación dinámica NET corresponde a desafío es por tanto proporcionar algoritmos e fi cientes para calcular estos
valores.
una solución viable al problema de tamaño mucho- sigue inmediatamente
del hecho de que todas las limitaciones de la capacidad de producción, así
4.2. Los costes cóncavos
como todas las demandas, se satisfacen . Sin embargo, ciertos arcos ción
y de inventario transporta- pueden llevar fl positivo ow en las soluciones 4.2.1. Los costos de los subplanes relajado. En esta sección, vamos a
parciales correspondientes a más de un arco en la ruta, y cada uno de los formular el problema del determinismo ing la costes% t 1 t 2
flujos parciales se cobra por separado de acuerdo con la ción fun- costo 1 2 como un programa- dinámico
correspondiente. Debido a la concavidad de todas las funciones de costes, ming problema. Dicho de otra manera, definimos, para cada
que sigue al bajos que el costo del total de flujo no exceda la suma de los t1 t2 1 2, una red con la propiedad de que% t 1 t 2
costos de los flujos individuales en cualquier arco ular parti-, y por lo tanto 1 es igual a la trayectoria más corta entre un par de nodos fuente y
2

la longitud de un camino nunca será menor que los costos de la solución sumidero en esta red. Los nodos en esta red son de la forma T? Y? x 1
correspondiente. En adición, xL-1,
dónde t indica un período, Y es igual a la cantidad de producción
acumulativa hasta e incluyendo período
t, y x es igual a la cantidad acumulativa de transporte desde el nivel
a nivel 1 hasta e incluyendo
período t. Tenga en cuenta que la viabilidad dicta que debemos limitarnos a
El siguiente lema da una relación entre los costes asociados a un los valores re 1+ 1 t ≤ x L - 1 ≤ ··· ≤ x 1 ≤ Y.
subplan y la subplán relajado corres- pondiente. La fuente es el nodo t 1 0 0 , Mientras que el lavabo está

el nodo t 2 Kb +! ???? ! Kb +?. Al igual que en § 3.3, tenemos

ese
Lemma 4.2. Para cualquier subplán 1 2L=1, tenemos ⋃
ese Y∈K kb? kb +! ??
1 2L=1 ≥% 11 12 L 1 L 2 .
k=0

Prueba. Este resultado sigue inmediatamente al notar que tanto y el número de valores permitidos para Y es O T?.
y% 11
1 2L=1 12, L 1 L 2 son las Por otra parte, de una manera similar a la del caso de dos niveles,
valor óptimo de un problema de optimización con funciones de costo ticos tenemos que
iden-, pero donde la región factible de la primera es un subconjunto de la ) )
región factible de este último. ⋃ ⋃
x ∈ (K kb? kb + !? ∪ (2 re 1+ 1 s =1 L-1
k=0 s =? 1+ 1
 Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
1716 Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS

de modo que el número de valores admisibles para x es O T?
así como. Esto significa que el número total de nodos de la red es O T L + 1 .
Arcos en la red representan la producción, trans- porte, y las decisiones
de inventario, y están presentes entre los pares de nodos en la red de la
forma
t? Y? X 1 x L - 1 y t + 1 Y? x 1 , x L - 1 , dónde
Y - Y ∈ 0! ¿segundo? y x ≥ X (= 1 L - 1). Es fácil
para ver que hay O T L - 1 arcos que emana de cada nodo, para un total de O
T 2 L arcos de la red.
Al igual que en § 3.3, podemos calcular fácilmente la cantidad pro-
ducción en el periodo t + 1 ( Y - Y), la cantidad trans- porte entre los niveles y 1
en el periodo t + 1 ( x - x ), el inventario realizado a nivel del fabricante al final
del periodo t + 1 ( Y -? x 1), y el inventario llevó a cabo en el nivel minorista al
final del periodo t + 1 ( x L - 1 - re 1+ 1 t + 1). Los costos de un arco son así dadas por
gastos generales cóncavas de producción, y el inventario lineal que
sostienen los costos en todos los niveles, así como una de las siguientes
estructuras de costes de transporte dos: (i) cargo fijo sin motivos
especulativos; o (ii) lineal.
4.3. Con carga fija Transporte costes sin motivos especulativos
4.3.1. Introducción. En esta sección, se considera el caso de la fi-jos de
carga costos de transporte sin motivos especulativos y los costos de
mantener inventario lineales. Al igual que antes, vamos a determinar los
costos de cada subplan relajada usando programación dinámica. Después
de una etapa de preprocesamiento que se ejecuta en O LT 4 , este dinámico
programa se ejecuta en O T 4 tiempo para cada subplan relajado individuo.
Mediante el uso de la técnica de reducción al final de § 3.3, el costo de
todo O T 4 subplanes relajado se pueden calcular simultáneamente en O T 7

Σ hora. Por lo tanto, el tiempo de ejecución del enfoque de programación

pag t + 1 Y - Y? + L - 1 do t + 1 x - x ? + H 1 t+1 Y -? ¿X? dinámica para este caso especial de la MLSPPC es O T 7+ LT 4 . Cuando L = 2,
=1
podemos reducir este tiempo de funcionamiento a O T 6 .
L-1
Σ
+ marido t + 1 x - 1 -? x ? + H L t+1 x L - 1 - re 1+ 1 t + 1
=2 4.3.2. Propiedad cero inventario-pedidos en el
Detallista. Vamos a demostrar que, en fi costos de transporte de carga-jos sin
Si todas las funciones de costes se pueden evaluar en tiempo constante, los costos
motivos especulativos, las soluciones que satisfacen la cero inventario de
de un arco dado pueden ser computado en O L? tiempo de la misma manera como
pedidos (ZIO) propiedad en todos los niveles en 2
en el 2LSP-PC después de una etapa preprocesado teniendo O T 2 hora. Llegamos a
L ?, es decir, yo t x -t1+ 1 = 0 para t = 1 T-
la conclusión de que el costo de un solo subplán relajado se puede determinar de
1; = 2 L, son dominantes. Es decir, dado cualquier via-
solución ble a la subplan relajado t 1 t 2 1 2 , ahí
O LT 2 L hora.
Siempre existe otra solución que sea al menos tan buena y satisface la
Por último, señalar que hay O T 4 planes sub relajados y aplicando la
propiedad ZIO en todos los niveles 2 L ?.
misma técnica para la reducción ing el tiempo de ejecución, según se usa
al final del § 3.3, se obtiene un algoritmo para la MLSP-PC con la Teorema 4.4. Dado un subplán relajada t 1 t 2 1 2,
producción arbitraria- contraria cóncava, transporte y costos de inversión y el conjunto de soluciones con la propiedad ZIO en todos los niveles
de inven- tario capacidades estacionarias que se ejecuta en O LT 2 L + 3 hora. 2 L? es dominante.
Aunque esta vez es exponencial en el número de niveles, el orden del
Prueba. Dejar ¯ ¯¿x? ¿YO?
y? ¿
¯ YO? ser una solución viable para la
tiempo de ejecución estará limitado por el hecho de que el número de
niveles típicamente será relativamente pequeña. subplán relajada t 1 t 2 1 2 que no satisface
la propiedad ZIO en algún nivel. Dejar ¯ ser el último nivel, de manera que la
propiedad se mantiene para todos ZIO ∈ ¯ +

Este enfoque se puede ampliar fácilmente para hacer frente a los 1 L ?, pero no es cierto para el nivel ¯ . Podemos construir una nueva solución al

inventarios iniciales. Recuerde del § 3.4 que sólo los planes secundarios menos tan bueno como ¯ y? ¯¿x? ¿YO?,
¿
¯YO?, de tal manera que la

relajados con t 1 = 0 necesitan ser considerados. Para una subplán relajado, ZIO propiedad se cumple para todos ∈ ¯ L ?. Si ¯ = 2, a continuación,

debemos ver los inventarios iniciales totales Σ L = 1 yo 0 al menos cantidad hemos obtenido el resultado deseado. De lo contrario, repetimos el

producción acumulada hasta e incluyendo el período 0, y el inventario procedimiento con la nueva solución. Observe que este procedimiento
inicial Σ L = S + 1 yo 0 como la cantidad acumulada de transporte hasta e converge porque el nuevo ¯ ha disminuido por al menos una unidad.
incluyendo el período desde el nivel 0 s a nivel s + 1, para todos s ∈ 1
Dejar t¯ ∈ t 1+ 1 2 - 1 ser un período para que
¯ ¯x ¯ - 1
yo yo ¯
L - 1 . Al igual que en § 3.4, sin 0. El inventario positivo ¯
t¯¯ t¯ + 1> t¯ ha sido trans-

aumentar el tiempo de ejecución, estos inventarios iniciales pueden ser portado a nivel ¯ en un período anterior. Sin embargo, debido a la ausencia
incorporados en el enfoque de programación dinámica para calcular% t 1 t 2 de motivos especulativos, podemos volver a programar el transporte de la ¯

1 2 idóneas yo¯ ¯
t unidades a período ¯
t+1
Definiciones rede de los valores posibles de Y y X. sin aumentar los costes. La repetición de este argumento para cada
En las siguientes secciones, vamos a mostrar cómo el tiempo Ning periodo ¯ t violar la propiedad ZIO a nivel ¯ ,
Run-puede reducirse drásticamente para los casos de problemas que tienen se obtiene una solución en la que la propiedad ZIO es cierto para cada nivel ∈
capacidades de producción de papelería, ¯ L ?.
Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS
Podemos recordar que% t 1 t 2 1 2
costos mínimos entre las soluciones del plan sub relajada t 1 t 2
1 2 con a lo sumo una producción libre
arco. El siguiente corolario al teorema 4.4 establece que los hallazgo de
este mínimo restringido podemos volver a restringir nuestra búsqueda de
soluciones que satisfacen la propiedad ZIO en la tienda.
Corolario 4.5. El costo asociado con la subplan relajado t 1 t 2
1 2 se pueden encontrar entre todos solu- factible
ciones que satisfacen la propiedad ZIO en todos los niveles 2
Prueba. Esto se deduce inmediatamente de la demostración del Teorema 4.4
mediante la observación de que el catión modificado de la solución para obtener
una solución que satisface la pro- piedad ZIO no altera el flujos de producción.
Este corolario implica que en la búsqueda de% t 1
t2 1 2, podemos asumir que cualquier cantidad enviada es igual a la
demanda de un conjunto de periodos consecutivos. Esto ayudará a reducir
la información que se mantiene en el enfoque de programación dinámica
se describe en §4.2.1.
4.3.3. Los costos de una subplán relajado. En esta sección, vamos a
formular el problema del determinismo ing la costes% t 1 t 2
1 2 como fi cación simplificada de la
dinámica problema de programación definido en la §4.2.1. Todos los nodos
de la red de programación dinámica son de la forma t? Y? s ?, dónde t indica
un período, Y es igual a la cantidad de producción acumulada hasta e
incluyendo el período t, y s representa el último período cuya demanda se
satisface usando trans- porte desde el nivel 1 al nivel 2 hasta e incluyendo
el período t, dónde re 1+ 1 s ≤ Y y t ≤ s. Podemos observar que el teorema 4.4,
tenemos que x 1 = re 1+ 1 s en el programa dinámico de §4.2.1. La fuente es el
nodo
t 1 0 1 , mientras que el lavabo es el nodo t 2 Kb +! ?? 2 . Al igual que antes, sabemos
que Y sólo puede tomar los valores
⋃ estos casos el procedimiento más general desarrollado para el caso de las
Y∈K kb? kb +! ??
k=0
Arcs están presentes entre los pares de nodos en la obra NET de la
forma t? Y? s? y t? Y? ¯
0! ¿segundo? y ¯ s ≥ s. Es fácil ver que hay O T?
arcos que emana de cada nodo en la red, de modo que toda la red tiene O
T 4 arcos.
Los costos de un arco entre los nodos t? Y? s? y t +
1 Y? ¯ s? Ahora vienen dadas por
pag t + 1 Y - Y? + H 1 Y - re 1+ 1 ¯
t+1
+ dot +1 1 re s + 1 ¯ s + do t + 1 2 s + 1 ¯
dónde do t s 1 s 2 se definen como los costes óptimos de envío re s 1 s 2 unidades
de nodo t? ?
naciones, es decir, nodos de demanda L? S 1
utilizar el algoritmo de Zangwill, en una etapa de procesamiento previo, para
determinar los valores do t 2 s 1 s 2 para todos t = 2
1717
es igual a la s 1 = t ??? T; y s 2 = s 1 T en O LT 4 hora; ver el
apéndice en línea. Es importante tener en cuenta que aunque el modelo de
Zangwill permite funciones de porte y tenencia de inventarios de costes trans
cóncavas generales, no podemos usar el mismo enfoque que se ha descrito
anteriormente, en presencia de las capacidades de producción. La razón es
que en el caso uncapacitated, la propiedad ZIO se mantiene para las
funciones de costo arco cóncavo arbitrarias, mientras que este no es el caso
en el caso capacitado. Sin embargo, como hemos demostrado, en el caso de fi
jo carga transporta- ción costos que exhiben no hay motivos especulativos,
que también obtienen la propiedad ZIO, lo que permite el uso del algoritmo de
L ?.
Zangwill para determinar las entradas en nuestro algoritmo.
El problema de la determinación% t 1 t 2 1 2 reduce
a hallazgo de la longitud del camino más corto en la obra NET desde la
fuente hasta el fregadero, que se puede hacer en tiempo lineal en el
número de arcos. Es fácil ver que el número de nodos en la red es O T 3 y el
número de arcos O T 4 . Utilizando el mismo enfoque para el cálculo de
varios valores de la función% a la vez como hemos discutido para la
función% al final de § 3.3, esto produce una O T 7+ LT 4 algoritmo para
resolver la variante de varios niveles de este problema.
Cuando L = 2, este tiempo de funcionamiento se puede reducir
a O T 6 . Recordemos que el número de nodos en el enfoque de
programación dinámica anterior es O T 3 . Vamos a demostrar que el
número de arcos es también O T 3 . Para cada t existen O T? los nodos de
la forma t? · t ?, y
O T 2 los nodos de la forma t? · s? con s> t. Cada nodo de la forma t? · t? tiene O
T? sucesores, y cada nodo de la forma t? · s? con s> t tiene O 1 sucesores,
lo que hace un total de O T? · O T? · O T? T + O 2 · O 1 = O T 3 arcos de la red.
Esto produce una O T 6 algoritmo para resolver la variante de dos niveles de
este problema.
Por desgracia, en presencia de niveles de inventario iniciales no nulas
ZIO la propiedad no es necesariamente dominante más. Sin embargo, en
funciones de costo cóncavas arbitrarias, por supuesto, sigue siendo válida.
4.4. Los costos de transporte lineal
s ?, dónde Y - Y ∈
4.4.1. Introducción. En esta sección, vamos a con- Sider el caso en que
los costos de transporte y costos de mantenimiento de inventario son
lineales. Vamos a desarrollar un enfoque de programación dinámica que
el NDS fi los costes mal Opti de cada subplan relajado. Tras una etapa de
preprocesado que se ejecuta en O LT 2 tiempo, este algoritmo se ejecuta
en O T 2 tiempo para una sola subplán relajado, pero los costos de todos O
T 4 subplanes relajado pueden computadas simultáneamente en O T 5 hora.
s Esto se traduce en una O T 5+ LT 2 algoritmo para resolver esta clase de
casos de MLSP-PC.
s ??
a su DES-
L? S 2 . Podemos 4.4.2. Procesamiento previo. En términos de la red subyacente (tal como se
describe en § 2.1), una unidad produce en período t para satisfacer la
T; demanda en el periodo ≥ t será,
 Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
1718
en la solución óptima, flujo a lo largo del camino de costo mínimo de 1 t? a L
??? . En una etapa de procesamiento previo, nos
puede determinar los costos mínimos de transporte unidad asociados con la
producción de una unidad en período t para consumo en el período , Que
llamaremos GRAMO t? . Todos estos valores se pueden calcular en O LT 2 tiempo
por el Ing solv- T problema del camino más corto en gráficos acíclicos con
TL O? arcos utilizando recursión hacia atrás. Utilizando estos valores, se
puede determinar entonces de nuevo los costes totales de trans- porte
asociados con la producción, en período t,
toda la demanda de los períodos consecutivos 1+
1 2, suponiendo que el transporte está permitido en todos los períodos t ???
2, es decir, GD t? 1 2 ≡ Σ 2 r =? 1+ 1 re r GRAMO tr. En O T 3
tiempo, estos costes pueden ser calculados para todos t = 1
y t ≤ 1+ 1 ≤ 2 ≤ T. Esta información nos permitirá calcular los costos totales de
transporte asociados con la producción en el período t en tiempo
constante.
4.4.3. Los costos de una subplán relajado. En esta sección, vamos a
formular el problema de determinar la costes% t 1 t 2
1 2 como más fi cación simplificada de
la dinámica problema de programación definido en la §4.2.1. Todos los
nodos de la red de programación dinámica son de la forma t? Y?, dónde t indica
un período, y Y
es igual a la cantidad de producción acumulada hasta e incluyendo el
período t, dónde re 1+ 1 t ≤ Y y
⋃ clásica con estacionarios capaci- dades de producción que permite múltiples
Y∈K kb? kb +! ??
k=0
La fuente es el nodo t 1 0 , Mientras que el lavabo es el nodo t 2 ! Kb +?.
Arcs están presentes entre los pares de nodos en la red de la forma T?
Y? y t + 1 Y? cuando Y -
Y ∈ 0! ¿segundo?. Cada arco de la red descrita anteriormente representa una
posible decisión de producción. Dejamos que los costos de los arcos son
iguales a los costos totales asociados con la cantidad de producción.
Queda por demostrar que los costos de inversión de transporte y de
inventario se pueden calcular en tiempo constante. Además de la infor-
mación recopilada en la fase de pre-procesamiento se describe en §4.4.2,
también vamos a hallar, para cada nodo T? Y? en la red, el primer período
cuya demanda no es fi plenamente satisfecha por la producción acumulada
Y ( decir
s) así como la parte de la demanda de ese periodo que sigue siendo
satisfechas (por ejemplo,). Usando las demandas acumulativo re 1+ 1 t '( t '= 1+ 1
2) así como la
hecho de que el valor de Y sólo puede ser igual a kb o
kb +! para k = 0 K, Esta información adicional puede
ser obtenidos en O T? hora. Como veremos más adelante, esto no aumenta el
tiempo de funcionamiento del hallazgo de los costos de una sola subplán
relajado.
Consideremos ahora un arco que conecta los dos nodos
T? Y? ( con fi período de demanda primer restante s con la demanda
restante,) y t + 1 Y? ( con el primer ing restante período de demanda ¯
s con la demanda restante ,).
Cuando Y - Y ≤ ,, los costos unitarios de transporte de la
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS
cantidad producida en período t + 1 son iguales a GRAMO t + 1 s.
Cuando Y - Y> ,, los costos de transporte y mantenimiento de las existencias de
este arco se componen de hasta tres componen- tes: GRAMO t + 1 s, + GD t + 1 s? ¯
s - 1+ GRAMO t + 1 ¯ s re ¯ s - ?, , y puede
por lo tanto de hecho ser calculado en tiempo constante.
El problema de la determinación% t 1 t 2 1 2 reduce
a hallazgo de la longitud del camino más corto en la obra NET desde la
fuente hasta el fregadero, que se puede hacer en tiempo lineal en el
número de arcos. Es fácil ver que el número de nodos en la red es O T 2 , y
el número de arcos O T 2 . Utilizando el mismo enfoque para el cálculo de
varios valores de la función% a la vez como en § 4.3, esto produce una O
T 5+ LT 2 algoritmo para resolver esta variante del MLSP-PC.
T
Al igual que en la CLSP, inventarios iniciales pueden ser incor- formado
poros cuando todas las funciones de transporte y ing HOLD- inventario de
costes son lineales. En particular, los inventarios iniciales se utilizan para
satisfacer las primeras exigencias a través de los caminos más cortos
apropiados en la red, después de lo cual las demandas se actualizan y el
problema ing restante sin inventarios iniciales se resuelve.
5. Comentarios finales e investigaciones
futuras
En el presente trabajo, hemos considerado una generalización de la ELSP
niveles de almacenamiento, así como las correspondientes decisiones de
transporte para trans- portar entre los diferentes niveles. Tenemos identi fi
cado dos importantes casos especiales de este problema que se pueden
resolver en tiempo polinómico. Los tiempos de funcionamiento de los
algoritmos correspondientes son tiva notablemente insensible al número de
niveles en la cadena de suministro.
de temas pendientes para futuras investigaciones en esta área se pueden
dividir en tres direcciones generales. En primer lugar, las complejidades,
aunque polinomio en zon la planificación hori-, son de relativamente alto
orden: O T 5 a O T 7 para los casos de dos niveles. Sería interesante si el
orden del tiempo de funcionamiento se podría reducir, por ejemplo, mediante
la investigación de si más tiempo se puede ahorrar mediante la
determinación de los costos de muchos o todos los planes secundarios
simultá- neamente. Además, aunque el número de niveles será generalmente
relativamente pequeña, sería neverthe- menos será interesante determinar si
el caso multinivel con funciones de coste generales cóncavas puede ser
resuelto en tiempo polinómico, tanto en el horizonte temporal y el número de
niveles. Una segunda dirección es el estudio de las cadenas de suministro en
serie en la presencia de capacidades a otros o adicionales niveles de la
cadena. Por último, sería interesante considerar estructuras más complejas
SUP- cadena de capas, incluyendo, por ejemplo, las estructuras de montaje
de productos a nivel del productor, o múltiples minoristas.
Un apéndice en línea de este artículo está disponible en
http://mansci.pubs.informs.org/ecompanion.html.
Hoesel et al .: Integrado el tamaño del lote en las cadenas de suministro en serie con una capacidad de producción
Gestión de la Ciencia 51 (11), pp. 1706-1719, © 2005 INFORMS
Expresiones de gratitud
El trabajo de la segunda y tercera autores fue apoyado por la Fundación Nacional de
Ciencia en virtud de concesiones Nº DMI0085682 y DMI-0355533, Escuela de
Investigación de Maastricht de economía de la tecnología y las organizaciones
(METEOR), y la Organización Holandesa para Scientific Research (NWO).
referencias
Aggarwal, A., JK Park. 1993. Los algoritmos mejorados para la economía
problemas de tamaño de lote. Oper. Res. 41 ( 3) 549-571.
Ahuja, RK, TL Magnanti, JB Orlin. 1993. Los flujos de red: Teoría,
Algoritmos y aplicaciones. Prentice Hall, Englewood Cliffs, NJ.
Arntzen, BC, GG Brown, TP Harrison, LL Trafton. 1995.
gestión de la cadena de suministro global en Digital Equipment Cor- poración. Interfaces 25
( 1) 69-93.
Baker, KR, P. Dixon, MJ Magazine, EA Plata. 1978. Un algo-
rithm para el problema del tamaño de lote dinámico con limitaciones de capacidad pro- ducción
variables en el tiempo. Sci gestión. 24 ( 16) 1710-1720.
Bitran, GR, HH Yanasse. 1982. La complejidad computacional
del problema tamaño del lote capacitado. Sci gestión. 28 ( 10) 1174-1186.
Chandra, P., ML Fisher. 1994. Coordinación de la producción y
planificación de la distribución. EUR. J. Oper. Res. 72 503-517. Chung, C.-S., C.-HM Lin.
1988. Un O T 2 algoritmo para la
NI / G / NI / ND capacitado problema del tamaño del lote. Sci gestión.
34 ( 3) 420-426.
Federgruen, A., M. Tzur. 1991. Un algoritmo simple de resolver hacia adelante
modelos dinámicos de tamaño mucho generales con norte en períodos En Iniciar sesión ¿norte?
o ¿En?. Sci gestión. 37 909-925.
1719
Florian, M., M. Klein. 1971. determinista con la planificación de la producción
costes y limitaciones de capacidad cóncava. Sci gestión. 18
12-20.
Florian, M., JK Lenstra, AHG Rinnooy Kan. 1980. determinista
planificación de la producción: Algoritmos y complejidad. Sci gestión. 26 ( 7) 669-679.
Geoffrion, AM, RF Powers. 1995. Veinte años de dis- estratégica
el diseño del sistema tribución: Una perspectiva evolutiva. Interfaces
25 ( 5) 105-127.
Kaminsky, P., D. Simchi-Levi. 2003. Producción y distribución en el lote
apresto en una cadena de suministro en dos etapas. IIE Trans. 35 ( 11) 1065-1075.
Lee, CY, S. Çetinkaya, W. Jaruphongsa. 2003. Un modelo dinámico
para el inventario de tamaño de lote y la programación de salida envío en un almacén de
terceros. Oper. Res. 51 ( 5) 735-747.
Thomas, DJ, PM Griffith n. 1996. Coordinado hombre-cadena de suministro
agement. EUR. J. Oper. Res. 94 ( 1) 1-15.
van den Heuvel, W., APM Wagelmans. 2003. Un algo- geométrico
rithm para resolver el NI / G / NI / ND capacitado problema del tamaño de lote en O T 2 hora.
Informe técnico 2003-24, Econométrica informe del Instituto, Rotterdam, Países Bajos. van
Hoesel, CPM, APM Wagelmans. 1996. Un O T 3 algoritmo
para el problema del tamaño de lote económico con capacidades constantes.
Sci gestión. 42 ( 1) 142-150.
Wagelmans, A., S. van Hoesel, A. Kolen. 1992. dimensionamiento lote económico:
Un En Iniciar sesión ¿norte? algoritmo que se ejecuta en tiempo lineal en el caso Wagner-Whitin. Oper.
Res. 40 ( 1) S145-S156.
Wagner, HM 1960. Una posdata a problemas dinámicos de la teoría
de la fi rma. Res naval. Logist. Cuarto de galón. 7 7-12. Wagner, HM, TM Whitin. 1958.
versión dinámica del eco
modelo de tamaño del lote mico. Sci gestión. 5 89-96. Zangwill, WI 1969. Un modelo
backlogging y un multi-escalón
modelo de producción de tamaño de lote económico dinámico sistema- Un enfoque de
red. Sci gestión. 15( 9) 506-527.