Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.

Modelo estocástico para apoyo a la toma de

decisiones en una red de logı́stica inversa.
Proyecto de Tesis

Ing. Leonardo Gabriel Hernández Landa

Programa de Posgrado en Ingenierı́a de Sistemas

Facultad de Ingenierı́a Mecánica y Eléctrica
Universidad Autónoma de Nuevo León

07 de Octubre del 2010

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.

Agenda.
1 Introducción
Definición
Motivación
2 Descripción del problema
Objetivo
Diagrama
3 Modelo
Notación
Función Objetivo
Restricciones
4 Resultados
Definición de escenarios
experimentación
Análisis de resultados preliminares
Conclusiones
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Introducción
Definición

Logı́stica inversa

Definición
“El proceso de planear,
implementar y controlar el flujo
eficiente de materiales, desde el
punto de consumo hasta el
punto de origen con el propósito
de recapturar valor o desechar los
productos de manera adecuada
”(Rogers and Tibben-Lembke,
1999).
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Introducción
Definición

Logı́stica inversa

Definición
“El proceso de planear,
implementar y controlar el flujo
eficiente de materiales, desde el
punto de consumo hasta el
punto de origen con el propósito
de recapturar valor o desechar los
productos de manera adecuada
”(Rogers and Tibben-Lembke,
1999).

Una de las caracterı́sticas principales de la logı́stica tanto tradicional

como inversa es la incertidumbre.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Introducción
Motivación

Motivación

Figure: Motivación
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Descripción del problema

Descripción del problema

Se presenta una red logı́stica de 2 niveles y deseamos conocer las mejores
zonas para localizar instalaciones de centros de almacenamiento,
inspección y plantas de remanufactura, que nos permita minimizar los
costos de distribución y recolección de producto.

Objetivo del problema

Se desea determinar un modelo para el problema estocástico, partiendo
de un modelo determinı́stico, dado que en las cadenas de suministro
siempre existe incertidumbre.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Descripción del problema
Objetivo

Objetivo del modelo

El objetivo es minimizar los costos generales, por medio de una buena
de localización de instalaciones, en conjunto con un óptimo diseño de
rutas y a la par encontrar el mejor precio de oferta al cliente para los
productos recuperados.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Descripción del problema
Diagrama

Diagrama
Plantas Almacenes Clientes
i j k

Escenario
d k rk
Figure: Gráfico de la red
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Modelo
Notación

Notación

Variables binarias.
Hi Indica cuando una PR es abierta en la zona i.
Yj Indica cuando un CD es abierta en la zona j.
Tj Indica cuando un CI es abierta en la zona j.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Modelo
Notación

Notación

Variables continuas.
Forward logistic.
Uijs Monto enviado de planta i al CD j en el escenario s.
Xjks Monto enviado de DC j a ZC k en el escenario s.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Modelo
Notación

Notación

Variables continuas.
Forward logistic.
Uijs Monto enviado de planta i al CD j en el escenario s.
Xjks Monto enviado de DC j a ZC k en el escenario s.
Reverse Logistic.
Wkjs Monto enviado de ZC k a CI j en el escenario s.
Vjis Monto enviado de CI j a PR i en el escenario s.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Modelo
Notación

Notación

Variables continuas.
Forward logistic.
Uijs Monto enviado de planta i al CD j en el escenario s.
Xjks Monto enviado de DC j a ZC k en el escenario s.
Reverse Logistic.
Wkjs Monto enviado de ZC k a CI j en el escenario s.
Vjis Monto enviado de CI j a PR i en el escenario s.

Rks Total recuperado de ZC k en el escenario s.

L Precio de compra.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Modelo
Función Objetivo

Función Objetivo

X X X
min z = fj Yj + gj Tj + hi H i Costos fijos
j j i
X XX XX
+ ps ( cij Uijs + ejk Xjks Flujo primal
s i j j k
XX XX
+ cpji Vjis + epkj Wkjs Flujo inverso
j i k j
X
+ (L − b)Rks ) Beneficio
k
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Modelo
Restricciones

Restricciones

X
Xjks = dks ∀ k, s. Satisfacción demanda
j
X
Wkjs = Rks ∀ k, s. Recolección
j
X X
Xjks = Uijs ∀ j, s. Conservar flujo
k i
X X
α Wkjs = Vjis ∀ j, s.
k i
X X
Uijs − Vjis ≤ ssi ∀ i.s. Capacidad en planta
i j
X
Vjis ≤ Uijs ∀ i, s.
j
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Modelo
Restricciones

restricciones

X
Vjis ≤ ai H i ∀ i, s. Cap. Remanufactura
j
Xjks ≤ dks Yj ∀ j, k, s. Validación flujo
Wjks ≤ τs dks Tj ∀ j, k, s.
L
Rks = τs dks ∀ j, s. Recolección
L+l
Xjks , Wkjs , Uijs , Vjis , L, Rks ≥ 0 ∀ i, j, k, s.
Yj , Tj , Hi ∈ (0, 1) i, j.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

¿Que escenarios usaremos?

Se desarrollaron diversos experimentos estadı́sticos, en base a la
aplicación del modelo determinı́stico con instancias pequeñas, con la
finalidad de determinar que escenarios son los más convenientes y los
valores que estos adquirirán para presentar una solución robuzta dentro
de nuestro modelo estocástico.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

Los factores de variación

Para determinar cuales factores evaluaremos bajo incertidumbre, se
experimento con la variación en los valores de los parámetros para
observar su tendencı́a y establecer de la misma manera su relevancı́a en
la afectación del valor objetivo.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

Se aplica la prueba de correlación a la demanda y el resultado marca una

tendencia negativa, con una precisión buena:-0.99815 y en la gŕafica
claramente se muestra su comportamiento.

Figure: Gráfica tendencia de la demanda

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

De manera simultanea se obtuvo el valor del coeficiente de correlación de

la tasa de retorno:-0.99673, que al igual que la demanda también tiene
un alto grado de correlación con el valor objetivo y tendencia es negativa.

Figure: Gráfica tendencia de la tasa de retorno

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

Finalmente también se analizó el valor del precio de adquisición del

competidor que si bien también obtuvo un valor de correlación alto de
0.92643 este marca una tendencı́a positiva, pero no se observa un claro
ajuste lineal.

Figure: Gráfica tendencia del precio de adquisición

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

Para saber que impacto tienen cada uno de estos factores, ası́ como su
interacción podemos observar los resultados obtenidos del análisis de la
varianza con respecto al valor de la función objetivo, se presenta la
siguiente tabla.

Origen Sum G.libertad µ cuad F P Fcrit

Demanda 1095337.4 18 60852.7 171.29 3.4-091 1.67
Retorno 5231.8 7 747.40 0.002 1 2.07
Interac. 63192.6 126 501.52 0.001 1 1.32

Table: Tabla de análisis de varianza

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

las estadı́sticas mostraron que los factores que mas influyen son: la
demanda y la tasa de retorno de producto. Claramente se observa
que la interacción de estos factores es muy influyente dentro del resultado
final, ası́ entonces podemos determinar que para el modelo la solución
sera muy robuzta en tanto a la variación de estos 2 parametros.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

La construcción de los escenarios es la siguiente:

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

La construcción de los escenarios es la siguiente:

1 Retorno alto, baja demanda.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

La construcción de los escenarios es la siguiente:

1 Retorno alto, baja demanda.
2 Retorno alto, alta demanda.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

La construcción de los escenarios es la siguiente:

1 Retorno alto, baja demanda.
2 Retorno alto, alta demanda.
3 Retorno bajo, baja demanda.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

La construcción de los escenarios es la siguiente:

1 Retorno alto, baja demanda.
2 Retorno alto, alta demanda.
3 Retorno bajo, baja demanda.
4 Retorno bajo, alta demanda.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

La construcción de los escenarios es la siguiente:

1 Retorno alto, baja demanda.
2 Retorno alto, alta demanda.
3 Retorno bajo, baja demanda.
4 Retorno bajo, alta demanda.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Definición de escenarios

Árbol

DA − RA
DA
DA − RB
Z
DB − RA
DB
DB − RB

Figure: Arbol de probabilidad

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
experimentación

Experimentación

1.0
10 5 3

0.8 4
6
5 9
0.6

9 10
2
3
yy1

6
0.4

7
7
8
1 8
5
4 2
2 4
0.2

1 3
0.0

0.0 0.2 0.4 0.6 0.8 1.0

xx1

Figure: Ejemplo de localización del modelo estocastico(5-10-30)

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Análisis de resultados preliminares

Desempeño de los métodos propuestos

Se evaluó el modelo primeramente en instancias pequeñas para observar

su comportamiento, en comparativa para ambos métodos tanto CPLEX
como para el método de descomposición de benders usando el método
de la sección dorada.

Con esto hemos evaluado el comportamiento y se ha observado que los 2

métodos tanto CPLEX como Benders obtienen buenos resultados pero en
tanto a la eficiencia del tiempo CPLEX demostro ser mucho mejor para
instancias pequeñas. Observemos la siguiente tabla:
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Análisis de resultados preliminares

CPLEX Benders
Inst Cost L T(seg) Cost L T(seg)
2-3-6 612.36 6.22 9.93 612.36 6.22 290.09
3-10-20 1181.69 6.28 241.29 1181.69 6.28 3115.55
5-10-25 1167.07 5.01 399.69 1167.07 5.01 5709.51
10-30-100 24930.01 2.50 58289.96 - - 360000+
Table: Tabla comparativa de desempeño entre métodos
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Análisis de resultados preliminares

Evaluación del desempeño del modelo estocástico

Una vez determinada la ventaja de el uso de CPLEX sobre el método de

descomposición de Benders para el modelo estocástico, se realiza la
comparativa de desempeño del modelo estocástico propuesto con el
modelo determinı́stico. La siguiente tabla proporciona información valiosa
sobre el comportamiento de este.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Análisis de resultados preliminares

Estocástico Determinı́stico Variación

Instancia Minimo L Tiempo(s) Minimo L Tiempo(s) +% Costo %L +Tiempo
5-10-20 30122.81 6.68 200.07 27531.55 6.66 5.5 9.41 0.30 30.04
5-10-30 28654.17 6.65 362.2 25538.57 6.64 7.05 12.20 0.15 54.55
5-20-60 25306.67 6.66 3367.16 17374.09 6.64 36.16 45.66 0.30 507.10
5-20-100 20524.43 6.66 10672.82 17275.05 6.66 89.21 18.81 0.00 1602.53
8-15-50 28298.29 3.32 3157.15 24435.89 3.32 19.81 15.81 0.00 950.95
8-20-50 24678.25 3.36 4256.86 24542.35 3.32 29.85 0.55 1.19 1282.19
10-20-50 29242.59 2.48 7925.93 25350.37 2.48 28.41 15.35 0.00 3195.94
10-20-60 28671.1 2.48 11012.39 25315.79 2.48 42.51 13.25 0.00 4440.48
10-30-50 29113.41 2.48 29113.41 25350.37 2.48 51.94 14.84 0.00 11739.28
10-30-100 ? ? ? 18413.27 2.48 292.72 ? ? ?

Table: Tabla de comparación en desempeño de modelo determinı́stico y

estocástico con 4 escenarios
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Análisis de resultados preliminares

precisión de la solución

Se observa claramente que el tiempo para nuestro modelo sigue siendo

un punto que tenemos que atacar para mejorar el desempeño en la
solución, se propone reducir la precisión del GAP en CPLEX
gradualmente y ver si esto afecta nuestra solución final.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Análisis de resultados preliminares

Instancia gapcplex gapGS Min ValorL Tiempo %Total %Lvalue %tiempo

5-10-30 0 0 28988.14 6.66 397.57 1.000 1.000 1.000
5-10-30 15 0 29316.55 6.66 122.21 0.989 1.000 3.253
5-10-30 30 0 29316.55 6.66 88.33 0.989 1.000 4.501
5-10-30 40 0 29316.55 6.66 109.85 0.989 1.000 3.619
5-10-30 0 10 29029.47 6.18 140.22 0.999 1.078 2.835
5-10-30 10 10 29220.5 5.28 85.43 0.992 1.261 4.654
5-10-30 20 10 29357.4 6.18 66.35 0.987 1.078 5.992
5-10-30 30 10 29357.4 6.18 9.83 0.987 1.078 40.445
5-10-30 40 10 29357.4 6.18 15.82 0.987 1.078 25.131
5-10-30 0 20 29029.47 6.18 92.04 0.999 1.078 4.320
5-10-30 10 20 29220.5 5.28 30.98 0.992 1.261 12.833
5-10-30 20 20 29357.4 6.18 38.72 0.987 1.078 10.268
5-10-30 30 20 29357.4 6.18 9.75 0.987 1.078 40.776
5-10-30 40 20 29357.4 6.18 13.34 0.987 1.078 29.803

Table: Tabla de rendimiento en reducción de precisión de la solución

Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Análisis de resultados preliminares

conclusiones preliminares

El modelo funciona correctamente, sin embargo el desempeño en el

tiempo de solución empeora conforme las instancias crecen.
El método de descomposición de benders, el cual obtuvo el mejor
desempeño para el modelo determinı́stico entre otros métodos, no
resulto eficiente para la formulación estocástica.
Se observo que el problema es robuzto ya que podemos decir que la
solución se mantiene buena cuando reducimos su precisión.
Modelo estocástico para apoyo a la toma de decisiones en una red de logı́stica inversa.
Resultados
Análisis de resultados preliminares

Gracias.