Está en la página 1de 12

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/26460748

Solución al problema combinado de ubicación estratégica de almacenes y


asignación de inventarios usando técnicas heurísticas

Article  in  Dyna (Medellin, Colombia) · March 2005


Source: DOAJ

CITATION READS

1 142

3 authors:

Javier Díaz Luis Fernando Moreno


National University of Colombia National University of Colombia
7 PUBLICATIONS   10 CITATIONS    13 PUBLICATIONS   19 CITATIONS   

SEE PROFILE SEE PROFILE

Juan David Velásquez


National University of Colombia
147 PUBLICATIONS   296 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Data Science Tutorials and How-To View project

CASCADE CORRELATION NETWORKS FOR ELECTRICITY SPOT PRICE FORECASTING IN BRASIL View project

All content following this page was uploaded by Juan David Velásquez on 01 June 2014.

The user has requested enhancement of the downloaded file.


Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Sistema de Información Científica

LUIS FERNANDO MORENO VELÁSQUEZ, JUAN DAVID VELÁSQUEZ HENAO, FRANCISCO JAVIER DÍAZ
SERNA
Solución al problema combinado de ubicación estratégica de almacenes y asignación de inventarios usando
técnicas heurísticas
Dyna, vol. 72, núm. 145, marzo, 2005, pp. 57-66,
Universidad Nacional de Colombia
Colombia

Disponible en: http://www.redalyc.org/articulo.oa?id=49614505

Dyna,
ISSN (Versión impresa): 0012-7353
dyna@unalmed.edu.co
Universidad Nacional de Colombia
Colombia

¿Cómo citar? Fascículo completo Más información del artículo Página de la revista

www.redalyc.org
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
SOLUCIÓN AL PROBLEMA COMBINADO DE UBICACIÓN
ESTRATÉGICA DE ALMACENES Y ASIGNACIÓN DE
INVENTARIOS USANDO TÉCNICAS HEURÍSTICAS

SOLUTION TO PROBLEM OF LOCATION OF WARE


HOUSES AND ALLOCATION OF INVENTORIES USING
HEURISTIC TECHNIQUES

LUIS FERNANDO MORENO VELÁSQUEZ


Escuela de Sistemas, Facultad de Minas, Universidad Nacional de Colombia

JUAN DAVID VELÁSQUEZ HENAO


Escuela de Sistemas, Facultad de Minas, Universidad Nacional de Colombia

FRANCISCO JAVIER DÍAZ SERNA


Escuela de Sistemas, Facultad de Minas, Universidad Nacional de Colombia

Recibido para revisión 3 de Marzo de 2003, aceptado 23 de -Febrero de 2004, versión final recibida 17 de Marzo de 2004

RESUMEN: El problema combinado de ubicación de almacenes y asignación óptima de


inventarios es bastante difícil de plantear y resolver por métodos analíticos. Se busca
determinar los almacenes que deben seleccionarse de un conjunto dado, así como los
inventarios asociados a cada uno de ellos, para atender la demanda de un conjunto de artículos
con un nivel de confianza dado. En este artículo se presenta un análisis del planteamiento del
problema para atender la demanda de repuestos y dos metodologías heurísticas de solución.
La primera, propuesta por los autores y llamada Búsqueda Exhaustiva con Poda, BEP, es
basada en el recorrido del espacio de soluciones, eliminando durante la ejecución del
algoritmo aquellas que sean dominadas, la cual puede ser usada en problemas con un número
moderado de almacenes; y la segunda corresponde a la Búsqueda Tabú, la cual se usa cuando
la BEP no se hace apropiada. Se realiza una comparación de ambas metodologías.

PALABRAS CLAVE: ubicación de almacenes, inventarios, optimización heurística,


Búsqueda Tabú, búsqueda exhaustiva con poda.

ABSTRACT: The combined problem of location of warehouses and optimal allocation of


inventories is quite difficult to pose and to solve by analytical methods. It is searched to
determine the warehouses that must be selected of a given set, as well as the inventories
associated to each one of them, to satisfy the demand of an article set with a given confidence
level. It is presented an analysis of the generic exposition of the problem and a heuristic
methodology of solution based on the exploration of the space of solutions, eliminating during
the execution of the algorithm, those that are dominated, which must used in problems with a
moderated number of warehouses. The second, is the Tabu Search Method, which is used
when BEP is inappropriate. A comparison between BEP and Tabu Search method is made.

KEYWORDS: warehouse location, inventories, heuristic optimization, Tabu Search,


exhaustive search with pruning.

Dyna, Año 72. No. 145, pp. 57-66. Medellín, Marzo de 2005. ISSN 0012-7353
58 Moreno et al

1 INTRODUCCIÓN 2 FORMULACIÓN MATEMÁTICA DEL


MODELO
En el mundo real, la representación del
fenómeno de interés puede involucrar una El problema en cuestión se obtiene por la
gran complejidad. Por lo tanto, la toma de confluencia simultánea de tres problemas: el
decisiones se realiza, usualmente, sobre sub- problema del transporte, la ubicación de
problemas que pueden conducir a puntos almacenes y la determinación del volumen
subóptimos o a puntos óptimos locales, con óptimo de inventarios. Se presenta a
valores alejados del óptimo global del sistema continuación una descripción de ellos.
real. 2.1 EL PROBLEMA DEL TRANSPORTE
Este es el caso, en las decisiones sobre
aspectos logísticos, especialmente en el El problema del transporte consiste en
problema de ubicación estratégica de determinar, dados un grupo de m sitios de
almacenes y en la determinación de los oferta, que en adelante se denominarán
niveles óptimos de inventario, donde se almacenes, y n sitios de demanda, que
intenta minimizar separadamente dos también se denominarán plantas, la cantidad
funciones de costo que tienen un impacto de artículos que deben ser enviados desde
conjunto en los estados financieros de la cada almacén hasta cada sitio de demanda,
empresa. Estos son dos problemas minimizando los costos totales de transporte.
tradicionales de la Investigación de Este problema puede expresarse como el
Operaciones que han sido solucionados de siguiente modelo de programación lineal:
forma independiente, debido a la complejidad
que representa su solución conjunta. m n

Formalmente, el problema consiste en


Minimizar ∑ ∑
i =1 j =1
cij xij (1)
seleccionar de un conjunto A de posibles
Sujeto a:
almacenes o bodegas, denominados sitios de n
oferta, un subconjunto de ellos, los cuales
deben contener un conjunto de repuestos R,
∑j =1
xij = si para i = 1, 2, .., m
para atender la demanda de otro conjunto de m
sitios, de tal forma que se minimicen los
costos de operación de la empresa. Dichos
∑i =1
xij = dj para j = 1, 2, ..., n

repuestos atienden un conjunto de sitios para xij ≥ 0


los cuales se conoce su demanda, D, esto es, para i = 1, 2, .., m; j = 1, 2, ..., n
su función de distribución de probabilidad y
los parámetros que la caracterizan. donde cij es el costo unitario de enviar el
Para el problema planteado, los autores no artículo del almacén i al sitio de demanda j;
han encontrado un método de solución directa xij es la cantidad de artículos enviados del
en la literatura de Investigación de almacén i al sitio de demanda j; si es la
Operaciones. Por lo tanto, su solución debe existencia u oferta de artículos del almacén i;
ser encontrada usando métodos heurísticos. y dj es la demanda del sitio j.
Para este caso, en particular, se utiliza un El primer conjunto de restricciones obliga a
método de ramificación y poda del espacio de que el despacho total de artículos desde el
soluciones, llamado por los autores Búsqueda almacén i sea igual a sus existencias, mientras
Exhaustiva con Poda, BEP, y el método de que el segundo conjunto indica que el total de
Búsqueda Tabú, ambos combinados con artículos que llegan al sitio de demanda j sea
simulación. igual a sus requerimientos.
A continuación se presenta una descripción Este es un problema bastante sencillo que
formal del problema y las metodologías puede resolverse por el algoritmo Simplex de
empleadas por los autores para su solución. programación lineal, o por algoritmos
especializados más eficientes para el
problema del transporte.
Dyna 145, 2005 59

2.2 EL PROBLEMA DE LA UBICACIÓN Operaciones. La diferencia principal con el


DE ALMACENES problema del transporte radica en la
ineficiencia computacional de los algoritmos
El problema de la ubicación de almacenes es
de programación entera en comparación con
una extensión del problema anterior. Consiste
los problemas puramente lineales.
en determinar no solamente cuanto se debe
enviar de cada almacén a cada sitio de El problema del volumen óptimo de
demanda sino también cuales son los inventarios
almacenes que deben seleccionarse para
El siguiente nivel de complejidad que puede
atender una demanda de artículos,
obtenerse a partir del problema anterior,
minimizando los costos fijos de operación de
consiste en considerar adicionalmente a las
los almacenes y los de transporte. La
variables anteriores, el nivel óptimo de
diferencia con el problema anterior consiste
inventario de cada uno de los repuestos en
en que en este nuevo problema, los almacenes
cada uno de los almacenes.
deben justificar su existencia y por ello se
Además de las dos categorías de costos
involucran los costos fijos necesarios para
descritas anteriormente: fijos (de operación
mantenerlos seleccionados.
de los almacenes) y de transporte, aparecen
Este problema puede plantearse de forma
otras dos categorías adicionales relacionadas
general como el modelo de programación
con el manejo de inventarios que
lineal entera:
corresponden al costo de tener inventarios
m n m
muy altos o muy bajos. Altos niveles de
Minimizar ∑ ∑
i =1 j =1
cij xij + ∑
i =1
f i yi (2) inventario podrían ocasionar grandes costos
de almacenamiento y de oportunidad del
Sujeto a: capital. Por el contrario, inventarios
n demasiados bajos ocasionarían pérdidas,
∑j =1
xij ≤ siyi para i = 1, 2, .., m debido a un posible déficit en el momento de
atender la demanda de artículos, ocasionando
m la interrupción de la producción o pérdida de
∑i =1
xij = dj para j = 1, 2, ..., n ventas, según el caso. Al igual que en el
problema de ubicación de almacenes, este
algoritmo determina cuáles almacenes deben
xij ≥ 0 para i = 1, 2, .., m; j = 1, ser seleccionados, y cuánto debe mantenerse
2,..., n en inventario de cada repuesto en cada uno de
ellos, para atender los sitios de demanda con
1:si el el almacén i es un nivel de confianza dado.
seleccionado Este es un problema más complejo que el de
yi = ubicación de almacenes, ya que aparecen
0: si el almacén i no es conceptos estadísticos no lineales como el
seleccionado nivel de confianza (o probabilidad de
encontrar un repuesto en el almacén cuando
donde cij son los costos unitarios de sea solicitado) y la distribución estadística
transporte y fi los costos fijos de operación de que modela la demanda,
los almacenes (que pueden incluir sus costos Por facilidad, los costos en pesos por año
de construcción diferidos en el tiempo). ($/año) se denotarán como se muestra a
Nótese que yi es una variable binaria que continuación.
indica si el almacén debe ser seleccionado o - C1: costos fijos de operación de
no, mientras que xij indica la cantidad de los almacenes.
artículos que debe enviarse de cada almacén a - C2: costos de transporte de los
cada sitio de demanda. repuestos de los almacenes a las plantas
Este es un problema de programación entera, de producción.
también clásico en la Investigación de
60 Moreno et al

- C3: costos de falla de los El costo de conservación de los inventarios,


repuestos. C4, es el costo en que se incurre por tener los
- C4: costos de conservación de los artículos almacenados. Dicho costo
inventarios. corresponde al volumen de inventario de cada
repuesto, VIR (en número de respuestos), por
El costo de transporte de los repuestos, C2, se su costo unitario, CUR (en $/repuesto), por
obtiene como el producto del costo en pesos una tasa de conservación TC (en %/año, tal
de transportar un artículo desde un sitio de como se indica en (5), donde R es el conjunto
oferta hasta un sitio de demanda, por la de repuestos.
frecuencia de falla anual del repuesto en el
sitio de demanda (medido en veces/año)
C4 = ∑R
VIR · CUR · TC (5)

El costo de falla de los repuestos ocurre


cuando la máquina falla, aunque el repuesto La tasa de conservación, por unidad de
se encuentre disponible en el almacén, tiempo, es un porcentaje del costo de
causando una interrupción de la producción. adquisición y representa el costo de
Este costo, C3, puede calcularse de la oportunidad del dinero invertido en inventario
siguiente manera: Llámese p la pérdida más algunos costos adicionales causados por
monetaria de no tener operativa la maquinaria tener el repuesto almacenado, tales como
cuando se presenta una falla y FNO la vigilancia, seguros y obsolescencia, entre
frecuencia de no operación o número otros.
promedio de veces que falla la máquina por Para encontrar el volumen óptimo de
unidad de tiempo. Si cuando se presenta la inventarios de cada repuesto, es necesario
falla, el repuesto se encuentra en un almacén suponer una distribución de probabilidades de
de la empresa su expresión es: la demanda. Para las simulaciones realizadas
se supuso que la probabilidad de falla de los
C3 = p ⋅ FNO (3) repuestos permanece constante en el tiempo,
tal como ocurre por ejemplo, en la mayoría de
donde p es el producto de dos factores: la los repuestos eléctricos. Tal situación se
duración de no operación (en horas) y el representa matemáticamente por la
costo por unidad de tiempo de no operación distribución de Poisson.
(en $/hora). FNO está dado en número de Aunque se utilizó esta distribución, en casos
veces/año. más generales podrían utilizarse otras
Los distintos ítems se calculan de la siguiente distribuciones como la Normal, o la de
forma: la duración de la no operación Weibull donde la tasa de fallas de los
producida por la falla de un repuesto es igual repuestos no es constante durante su vida, o
a la duración del transporte más la duración algunas más complejas según las
del montaje; la duración del transporte es características de los repuestos.
función de la ubicación del almacén y del La demanda promedio de un repuesto en una
sitio de demanda; la duración del montaje es planta j, puede obtenerse dividiendo la
función del repuesto y del tipo de máquina. El cantidad de ese tipo de repuestos instalados
costo por unidad de tiempo de no operación en la máquina, NR, por su vida útil promedio,
es la utilidad dejada de percibir que puede ser VUR, tal como se indica en (6). La vida útil
una multa o la contribución marginal de la del repuesto puede ser diferente en cada sitio.
máquina, entre otros.
En la formulación de este problema, se d = NR / VUR (6)
considera que el consumo de los repuestos es
unitario. No se considera el problema del lote
El problema de la ubicación de almacenes y
económico (ya que se trata de resolver un
los volúmenes de inventario
problema entre el almacén de la empresa y la
planta, no entre el proveedor y este almacén). Al combinar de forma simultánea los
problemas de ubicación de almacenes y del
Dyna 145, 2005 61

volumen de inventario, se obtiene un 3 SOLUCIÓN MEDIANTE LA BÚS-


problema mucho más complejo que los QUEDA EXHAUSTIVA CON PODA DE
presentados. En este último se pretende SOLUCIONES DOMINADAS (BEP)
obtener tanto la ubicación de almacenes como
Determinación de la prioridad de los
los volúmenes asociados de inventarios, de tal
almacenes para atender cada sitio de
forma que se minimice la suma de los cuatro
demanda
tipos de costos enunciados. Para este
problema no se conoce solución analítica Se asume que cada sitio de demanda es
directa y es necesario recurrir a métodos atendido únicamente por un almacén; por lo
heurísticos para su solución. tanto, es posible determinar los costos C2 y C3
A continuación se realiza un análisis para cada sitio de demanda si este fuese
comparativo de dos técnicas de solución. La atendido por cada uno de los almacenes.
primera, propuesta por los autores y llamada Como resultado se obtendría, para cada sitio
Búsqueda Exhaustiva con Poda, BEP, donde de demanda, el orden en que deberían ser
se ejecuta una búsqueda exhaustiva del considerados los almacenes para que fuesen
espacio de soluciones, utilizando heurísticas asignados a dicho sitio, de acuerdo con la
para evitar regiones de soluciones dominadas suma de costos asignados. De esta forma,
donde no puede ocurrir el mínimo. La cada sitio de demanda tendría un proveedor
segunda explora la técnica de optimización natural de repuestos, que corresponde al
conocida como Búsqueda Tabú (Glover & almacén cuya suma de costos C2 y C3 sea
Laguna, 1997). mínima.
Los costos de transporte, C2, se calculan
Para ambas estrategias de solución, se asume como la sumatoria, sobre el conjunto de
que todos los repuestos suministrados a una repuestos, de la demanda promedio del
planta van desde un solo almacén, es decir, se repuesto por el costo unitario de transporte
asigna a cada planta un almacén. No se entre el almacén y el sitio de demanda.
considera la posibilidad de suministrar Determinación de la importancia de los
diferentes repuestos a una planta desde almacenes
almacenes diferentes, ya que, aunque podría
obtenerse una solución mejor, el algoritmo Para hacer esta clasificación, que mide la
requiere una cantidad mayor de recursos importancia relativa de cada almacén, se
computacionales, al aumentarse el tamaño el utiliza una heurística denominada costo de
espacio de soluciones. oportunidad del almacén, la cual mide el
incremento en los costos del sistema si el
almacén no existiese.
El planteamiento general del problema. Para su determinación, se estima el total de
En resumen, el problema a resolver es: los costos C2 y C3 considerando todos los
Minimizar C1 + C2 + C3 + C4 almacenes; posteriormente, para cada
Sujeto a: almacén existente, se recalcula el total de
estos costos como si dicho almacén no
• Restricciones de exigencia de nivel existiese. La diferencia entre estos dos costos
de confianza de cada repuesto en cada sitio de corresponde al costo de oportunidad de dicho
oferta almacén.
Valores altos en este costo indican que se
• Restricciones de exigencia de atender requiere que el almacén sea seleccionado, ya
cada sitio de demanda sólo desde un sitio de que no existen almacenes sustitutos con
oferta, donde las variables tienen 3 subíndices costos similares, mientras que valores bajos
correspondientes al sitio de oferta, el sitio de indican que éste puede ser sustituido por otro
demanda y el repuesto. debido a que hay almacenes que podrían
reemplazarlo con un costo similar.
62 Moreno et al

Representación de la solución binaria con tantos valores iguales a uno como


almacenes tiene el problema. En cada
La solución del problema se representa
iteración se considera una nueva combinación
mediante una cadena de variables binarias,
de almacenes seleccionados. Para obtener la
donde cada una de ellas, esta asociada a uno
siguiente combinación, se considera el
de los almacenes. Un almacén se considera
número binario inmediatamente inferior al
seleccionado si su variable asociada tiene un
representado por la solución actual. Para ello,
valor de uno, y no seleccionado en caso
se resta la unidad al número binario actual y
contrario.
se procede al cálculo de los costos totales de
Los almacenes son ordenados en la cadena
la nueva solución. Esta nueva solución es
binaria de manera descendente por su costo
almacenada si su costo total es menor que el
de oportunidad, de tal forma, que los
mínimo encontrado hasta el momento, y
almacenes con costos de oportunidad más
corresponderá a la solución del problema.
altos se encuentran más a la izquierda de la
Para n almacenes, el algoritmo recorrerá 2n
cadena, mientras que aquellos que tienen
soluciones. Cuando n es un valor pequeño,
costos más bajos están más a la derecha.
como por ejemplo 15, el algoritmo evaluará
Al realizarse la BEP sobre el espacio de
215 = 32768 soluciones, que es un número
soluciones del problema para alcanzar el
relativamente pequeño teniendo en cuenta la
óptimo global, este ordenamiento no tiene
capacidad de cómputo de las máquinas
ningún efecto sobre el desempeño del
actuales. Sin embargo, para valores mayores,
algoritmo. Sin embargo, si se restringe la
tal como 30 almacenes, el algoritmo recorrerá
solución, a que debe permanecer un número
230 = 1073 millones de soluciones, lo cual es
mínimo, k, de almacenes seleccionados, dicha
un número muy alto aún para los
heurística permite considerar como siempre
procesadores actuales.
seleccionados los almacenes correspondientes
a las primeras k variables binarias. De esta Estimación de los costos de transporte y de
manera no se consideran todas las posibles falla de los repuestos.
combinaciones de los n almacenes, sino que
Los costos de transporte y de falla de los
se reduce el espacio de soluciones a un
repuestos pueden ser obtenidos de los
tamaño menor, es decir (n-k).
cálculos realizados en el numeral 3.2, ya que
El valor de k se determina de modo que su
sólo es necesario determinar para cada sitio
complemento (n-k), que representa el número
de demanda, cual es el almacén menos
de almacenes que pueden ser seleccionados o
costoso que se encuentra abierto.
no (toman el valor cero o uno) permita un
tiempo razonable de la ejecución del Estimación de los costos de conservación de
algoritmo. los inventarios
Para este caso, tal como se observa en la Una vez se ha determinado para cada sitio de
Figura 1 más adelante, un valor de n-k igual a demanda el almacén que debe atenderlo, se
15 llevaría a un tiempo de ejecución procede a calcular la demanda total de
aproximado de 14 segundos. Hasta este valor repuestos que tiene cada almacén, como la
el problema se puede resolver utilizando la suma de las demandas de todos los sitios que
BEP. De este valor hacia arriba el éste atiende.
crecimiento del tiempo de ejecución es Posteriormente, para determinar el nivel de
exponencial y es aquí donde se justifica la inventario que debe tener cada almacén, por
Búsqueda Tabú. cada repuesto, es necesario definir un nivel de
Algoritmo de Solución confianza en la atención, esto es, la
probabilidad de encontrar el repuesto en
El algoritmo de solución es un proceso
inventario cuando éste sea requerido por
iterativo en el cual se parte de que todos los
cualquiera de los sitios de demanda que
almacenes se encuentran seleccionados, lo
atiende el correspondiente almacén.
cual equivale a tener inicialmente una cadena
Dyna 145, 2005 63

El nivel de inventario se calcula como la los cuales son números binarios que se
cantidad de repuestos para la cual, dada una caracterizan por cambiar únicamente en un
distribución de probabilidades, se excede la bit de un número al siguiente. Esto posibilita
confiabilidad requerida. El costo de recalcular únicamente los inventarios de
inventarios se calcula entonces usando (5). aquellos almacenes que sufren una
modificación en la demanda, con el
Estimación de los costos fijos de los
consiguiente ahorro en tiempo de cómputo.
almacenes
4 SOLUCIÓN USANDO BÚSQUEDA
Los costos fijos de operación de los
TABÚ
almacenes, C1, se obtienen al sumar sobre el
conjunto de almacenes seleccionados, el La Búsqueda Tabú (BT) es una técnica de
costo fijo de cada uno de ellos. optimización heurística inspirada en los
principios generales de la Inteligencia
Poda del árbol de búsqueda
Artificial (Glover & Laguna, 1997), la cual es
Durante el proceso de búsqueda se conserva considerada como un metaheurístico que guía
siempre la solución óptima encontrada de un proceso de búsqueda local sobre diferentes
modo que cuando se está calculando una regiones del espacio de soluciones.
nueva solución, correspondiente a una Este, se considera un proceso inteligente de
combinación diferente de almacenes, se búsqueda ya que incorpora los conceptos de
verifica si la suma de costos parciales es memoria adaptativa y exploración
mayor o igual a la mejor encontrada hasta el responsable. La memoria adaptativa se refiere
momento. Si se detecta esta condición, la al no uso de un proceso determinístico para
solución parcialmente evaluada se descarta alcanzar el siguiente punto del espacio
como una solución dominada. solución; no se refiere a un proceso aleatorio
o semialeatorio usado por como otras técnicas
Reducción heurística del espacio solución como el Temple Simulado o los Algoritmos
Evolutivos. El concepto de exploración
Cuando el número de almacenes a considerar responsable se refiere a la suposición de que
es alto, es posible limitar la búsqueda a los una mala selección estratégica puede dar más
almacenes que tienen un costo de oportunidad información que una buena selección
bajo. Para ello, simplemente es necesario realizada al azar.
considerar que los primeros k almacenes
siempre serán seleccionados, es decir, Representación de la solución
aquellos con costo de oportunidad más alto. La Búsqueda Tabú, BT, usa una cadena
binaria que representa la solución al problema
Optimización desde el punto de vista de optimización. En este caso particular, la
computacional representación se realiza de forma idéntica a
la planteada para el método de Búsqueda
Ya que el algoritmo propuesto es intensivo en Exhaustiva con Poda, BEP.
cálculos, es necesario hacer consideraciones
desde el punto de vista de la optimización. Vecindad de la Solución
Puesto que el recorrido de las soluciones se La vecindad de la solución actual, N(x), es el
hace teniendo en cuenta la sucesión de los conjunto de todas las soluciones alcanzables
números binarios, es necesario en cada paso desde x, a partir de un movimiento elemental.
recalcular completamente los volúmenes de Una forma tradicional de obtener una
inventario de cada repuesto en cada almacén solución vecina de x es rotar uno de sus bits
seleccionado. (cambiar su valor). Esta es la considerada en
Sin embargo, es posible realizar este el presente trabajo.
recorrido en una secuencia diferente sin Uno de los mecanismos para forzar la
afectar la solución obtenida. Esta secuencia exploración de nuevas regiones del espacio
de recorrido corresponde a los códigos Gray, de soluciones, es bloquear ciertos bits de la
64 Moreno et al

solución actual durante un número dado de Evaluación de la función de costo


ciclos del algoritmo, lo cual hace que a partir
Ya que la BT usa la misma representación de
de la vecindad N(x) de la solución actual x,
la solución por BEP, los costos son evaluados
solo sea posible alcanzar un subconjunto de
de la misma forma que para ella.
ellos, N*(x).
5 CASO DE APLICACIÓN
Optimización Local
Para mostrar la viabilidad del modelo y del
Cuando se inicia el proceso de optimización,
método de solución, se utilizó un conjunto de
BT actúa como un algoritmo de descenso en
problemas de prueba correspondientes a
la dirección del gradiente, así: de la vecindad
varios casos, así: 10 almacenes y 10 plantas
de x, N(x), se escoge la solución, x*, que
de producción, 11 almacenes y 11 plantas de
cause la mayor disminución del valor de la
producción, y así sucesivamente hasta
función objetivo, (en un problema de
alcanzar un total de 30 almacenes y 30
minimización) respecto a x. Este es el nuevo
plantas de producción.
punto óptimo, y el bit que fue rotado para
Cada uno de los problemas fue solucionado
alcanzar el nuevo punto se hace tabú durante
por el método de BEP y por el método de
un número dado de iteraciones; esto es, para
Búsqueda Tabú, en la misma máquina. Se
la obtención de la nueva vecindad, N(x*), los
registraron los tiempos requeridos (en horas:
bits catalogados como tabú no pueden ser
minutos: segundos) para alcanzar la solución,
rotados.
así como los valores óptimos encontrados.
Durante el proceso, mientras las nuevas
Los costos óptimos y los tiempos requeridos
soluciones generan nuevos bits tabú, aquellos
para alcanzar la solución se presentan en la
bits tabú más viejos van perdiendo este status.
Tabla 1 y en la Figura 1.
El proceso continúa hasta que no sea posible
Para un número inferior a 10 almacenes, la
encontrar dentro de la vecindad de x, una
BEP es más rápida que la BT aunque la
solución que tenga un valor mejor que el del
diferencia es de unos pocos segundos. A
propio x.
partir de 12 almacenes, la BT muestra su
Memoria de Largo Plazo eficiencia en el recorrido del espacio de
soluciones, siendo siempre más eficiente que
Cada vez que se alcanza una nueva solución
la BEP.
mejor que la anterior, se introduce en una
Para un número de 17 almacenes, la BE
memoria de largo plazo que almacena los
requiere más de una hora de procesamiento,
puntos recorridos por el algoritmo.
mientras que la BT converge en menos de
Esta memoria tiene dos objetivos, en primer
tres minutos. Para un número superior a 20
lugar, cuando se evalúa la vecindad de una
almacenes se hace inviable la solución
solución, se eliminan de ella, aquellas
usando BEP debido a los tiempos de
soluciones que se encuentran en la memoria
procesamiento requeridos.
de largo plazo, obligando a que el algoritmo
Desde el punto de vista de calidad de la
recorra nuevas regiones del espacio solución.
solución, ambos métodos convergen para una
En segundo lugar, una vez se ha alcanzado un
cantidad de almacenes igual o inferior a 16. A
punto de mínima, el proceso es reiniciado
partir de este punto, la BT encuentra
usualmente a partir de la selección aleatoria
subóptimos, que en términos prácticos no son
de una de las soluciones almacenadas en la
muy distantes del óptimo global encontrado
memoria de largo plazo. Otra forma de
usando la BEP.
obtener este punto de reinicio, es generar una
Ya que la BT no garantiza encontrar el
solución donde todas sus posiciones se
óptimo global, el proceso de reinicio en el
generan de forma aleatoria.
espacio de soluciones se realiza de la
siguiente forma: en la fase inicial, se parte de
un vector binario de ceros con un costo
infinito, para lograr que el algoritmo de BT
Dyna 145, 2005 65

considere todas las soluciones con un único


00:17:17
almacén seleccionado, y continúe su
recorrido del espacio de soluciones a partir de
aquella que minimiza el costo total. En el
00:14:24
primer reinicio, se parte de un vector solución
de unos, indicando que se inicia con todos los
almacenes seleccionados. Los siguientes N
00:11:31
reinicios se realizan seleccionando un punto
de la memoria de largo plazo. Finalmente,

Tiempo Total
los últimos N reinicios se realizan de puntos
00:08:38
generados aleatoriamente.

00:05:46
Tabla 1. Tiempo total requerido para encontrar la
solución y costo óptimo asociado para diferentes
tamaños del problema 00:02:53

Table 1. Total time required to final the solution


and associated optimal cost from different 00:00:00
problem sizes 10 15 20 25 30
Número de Almacenes

Número Búsqueda Tabú BEP B. Tabú B. Exhaustiva


Almacenes Tiempo Costo Tiempo Costo
10 00:00:17 6684 00:00:23 6684
11 00:00:21 7064 00:00:48 7064 Figura 1. Tiempos requeridos para alcanzar una
12 00:00:30 7894 00:01:38 7894 solución por cada uno de los métodos.
13 00:00:43 8154 00:03:28 8154
14 00:01:01 8444 00:07:19 8444 Figure 1. Time required to achieve a solution of
15 00:01:16 9234 00:15:54 9154 the each one methods
16 00:01:25 9824 00:33:07 9824 6 CONCLUSIONES
17 00:02:03 10254 01:12:06 10204
18 00:01:58 10570 02:33:17 10320 En este artículo se ha explorado el problema
19 00:02:29 11528 05:16:41 11184 real de la ubicación de almacenes,
20 00:02:51 11888 10:32:58 11574 determinación de niveles de inventarios, y
21 00:03:09 12468 transporte de forma simultanea, mostrando
22 00:03:59 13142 como el problema real puede ser planteado
23 00:03:55 13722 como un modelo matemático. Igualmente se
24 00:05:04 14154
ha propuesto una metodología de solución
25 00:05:55 14724
26 00:06:11 15114 que combina, simulación y optimización. La
27 00:07:50 15612 metodología propuesta fue implementada en
28 00:08:45 15792 un programa de computador, y ha permitido
29 00:09:55 16204 encontrar soluciones a varios problemas de
30 00:11:15 16384 prueba. Para un problema con diez almacenes
y diez sitios de demanda, con veinte
repuestos en cada sitio de demanda, el
modelo encuentra una solución en unos dos
minutos, usando un procesador Pentium III de
550 MHz, mientras que para quince
almacenes y quince sitios de demanda, se
requieren unos diez minutos de
procesamiento. Cuando la cantidad de sitios
66 Moreno et al

de demanda y almacenes se aumenta a veinte, [3] Davis, K. R. & McKeown, P. G. 1986.


se requieren dos horas de procesamiento. Para Modelos Cuantitativos para
problemas mayores no es práctico usar la Administración. Grupo Editorial
técnica BEP, considerando que todos los Iberoamericana.
almacenes pueden ser seleccionados. En este
[4] Glover, F. & Laguna, M. 1997. Tabú
punto, la heurística para reducción del
Search. Kluwer Academic Publishers.
espacio de soluciones se hace muy valiosa
London
para reducir el tamaño del problema,
pudiendo obtenerse soluciones cercanas al [5] Murty, K. 1992. Network Programming.
óptimo global en tiempos inferiores. Prentice Hall, Upper Saddle River, N.J.
REFERENCIAS [6] Nemhauser, G. & Wolsey, L. 1988.
Integer and Combinatorial Optimization.
[1] Bazaraa, M., Jarvis, J. & Sherall, H.
Wiley, Nueva York.
1990. Linear Programming and Network
Flows. 2nd Ed. Wiley , Nueva York. [7] Taha, H.. 1978. Programming. Capítulo
II-1 Handbook of Operations Research.
[2] Dantzing, G. 1963. Linear Programming
J. Moder y S. Elmaghraby (editores).
and Extensions. Princenton University
Van Nostrand Reinhold. Nueva York.
Press, Princenton, N.J.

View publication stats