CIENCIAS DE LA GESTIÓN Inf Ormr ®

Vol. 51, No. 11, noviembre de 2005, págs. 1706–1719

dos 10.1287/mnsc.1050.0378
issn 0025-1909 eissn 1526-5501 05 5111 1706 © 2005 INFORMA

Tamaño de lote integrado en cadenas de

suministro serie con capacidades de producción
Stan van Hoesel
Facultad de Economía y Administración de Empresas, Universidad de Maastricht, P.O. 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, P.O. Box 116595,
Gainesville, Florida 32611-6595, romeijn@ise.ufl.edu

Dolores Romero Morales

Escuela de Negocios de la Universidad de Oxford, Park End Street, Oxford OX1 1HP, Reino Unido,
dolores.romero-morales@sbs.ox.ac.uk
Albert P. M. Wagelmans
Instituto Econométrico, Universidad Erasmus Rotterdam, P.O. Box 1738, 3000 DR Rotterdam, Países Bajos,
wagelmans@few.eur.nl

W e considerar un modelo para una cadena de suministro en serie en la que las decisiones de producción, inventario y
transporte se integran en presencia de capacidades de producción y funciones de costo cóncavo. El modelo que estudiamos
generaliza el modelo de tamaño de lote económico multinivel de un solo elemento en serie sincapacitado mediante la adición de
capacidades de producción estacionarias a nivel de fabricante. Presentamos algoritmos con un tiempo de ejecución que es
polinomio en el horizonte de planificación cuando todas las funciones de coste son cóncavas. Además, consideramos diferentes
estructuras de costes de retención de inventario y transporte que producen tiempos de ejecución mejorados: funciones de coste
de retención de inventario que son lineales y funciones de coste de transporte que son lineales o son cóncava con una estructura
de carga fija. En este último caso, hacemos la suposición adicional común y razonable de que los costos variables de transporte e
inventario son tales que mantener inventarios en niveles más altos en la cadena de suministro es más atractivo desde una
perspectiva de costo variable. Si bien los tiempos de ejecución de los algoritmos son exponenciales en el número de niveles en la
cadena de suministro en el caso de costo cóncavo general, los tiempos de ejecución son notablemente insensibles al número
de niveles para las otras dos estructuras de costos.
Palabrasclave: 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 matemática y redes; recibido el 17 de junio de 2002.
Este artículo estuvo con los autores 11 meses para 2 revisiones.
Consideraremos una cadena de suministro en serie para
la pro-ducción y distribución de un producto. Tal cadena
1.Introducción sup-ply ocurrirá, por ejemplo, cuando el valor es
En este documento, consideramos un problema en el que
se integran las decisiones de pro-ducción, inventario y
transporte en una cadena de suministro básica. Los
modelos tradicionales suelen considerar sólo uno o dos de
estos aspectos de forma aislada de los otros. Existen
pruebas sustanciales (véanse, por ejemplo, Arntzen et al.
1995, Chandra y Fisher 1994, Geoffrion y Powers 1995, y
Thomas y Griffin 1996, así como las referencias en ellas)
que demuestran que la integración de estas decisiones
puede conducir a aumentos sustanciales en eficiencia y
eficacia. 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, exhiben economías de escala.

un producto en una secuencia de facilidades de producción,
y las mercancías intermedias deben ser transportadas entre
estas instalaciones. Kaminsky y Simchi-Levi (2003)
describen un ejemplo de una cadena tal como surge en la
industria farmacéutica.
Otro ejemplo es el indus-try de logística de terceros. En
este caso, un centro de distribución aguas abajo que
satisfaga las demandas en una determinada zona
geográfica puede emplear los servicios de un almacén de
1706
terceros antes de que los productos se transporten al
centro de destri-bution real para su distribución a sus
minoristas. A continuación, se puede utilizar un modelo de
cadena de suministro en serie para representar parte de
una cadena de suministro que sea relevante para el centro
de distri-bution (véase Lee et al. 2003). Un último ejemplo
es una situación en la que la producción tiene lugar en un
fabricante. Los artículos que se producen se almacenan a
continuación en el nivel de fabricante o se transportan al
primer nivel de almacén. En cada uno de los niveles de
almacén, ,
Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA 1707
distintos en la cadena de suministro, cada uno de los cuales se
los productos se almacenan de nuevo o se transportan al enfrenta a una parte de los costos de la cadena de suministro,
almacén en el siguiente nivel. Desde el nivel final de la casa este problema será relevante. En este caso, es evidente que
de vajilla, los productos se transportan entonces los participantes todavía tienen que decidir cómo distribuir los
(posiblemente después de haber sido almacenados costes totales mínimos, que es un problema de coordinación
durante algunos períodos) a un minorista (posiblemente que
permitiendo entregas tempranas, es decir, invento-ries a
nivel de minorista). Tal estructura puede surgir si un
minorista representa realmente un mercado completo, y la
cadena de suministro del fabricante a este mercado es muy
larga. Esto podría hacer que sea ventajoso emplear
economías de escala trans-mediante la trans-portabilidad
de grandes cantidades a largas distancias a instalaciones de
almacenamiento inter mediate antes de ser distribuidas en
el mercado real.
Todas las situaciones descritas anteriormente pueden ser
reenviadas por un modelo genérico que consiste en un
manufac-turer, varios niveles intermedios de producción o
distribución, y un nivel donde se produce la demanda del
producto final, al que nos referiremos en este documento
como el nivel de minorista (aunque esto no necesariamente
re-resente el nivel en el que se produce el consumo real de la
demanda). De hecho, en tal modelo las etapas de producción
y transporte intermedi-ate son indistintables entre sí, por lo
que en el resto de este documento simplemente nos
referiremos a todas las etapas intermedias como etapas de
transporte entre almacenes.
El modelo de cadena de suministro en serie esbozado
anteriormente puede ser visto como una generalización de un
prob-lem fundamental, que de hecho es uno de los problemas
más estudiados en la producción y la planificación de
inventario, el problema económico de tamaño de lotes (ELSP).
La variante básica de este problema considera una instalación
de producción que pro-duces y almacena un solo producto
para satisfacer las demandas conocidas en un horizonte de
planificación finito. A continuación, el problema consiste en
determinar las cantidades de producción para cada período de
forma que todas las demandas se satisfagan a tiempo a los
costes mínimos de producción total y de retención de
inventario. Las funciones de coste no están disminuyendo en
el importe producido o almacenado, y normalmente se supone
que son funciones lineales, de carga fija o cóncava generales.
La instalación de producción puede o no enfrentarse a una
restricción de capacidad sobre la cantidad producida en cada
período.
Para modelar la cadena de suministro en serie, el ELSP
clásico se puede ampliar para incluir decisiones de transporte,
así como la posibilidad de mantener el inventario en niveles
diferentes en la cadena. Además de los costos de producción
y de retención de inventario, entonces claramente también
necesitamos incorporar los costos de transporte, lo que agrega
el problema del tiempo de transporte al prob-lem de la
sincronización de la producción. El objetivo será minimizar el
costo de todo el sistema y satisfacer toda la demanda. Incluso
si el fabricante y el minorista son de hecho participantes
 retención es menos costoso en niveles más altos que en
está fuera del alcance de este documento. niveles más bajos en la cadena de suministro. Nuestra
Alternativamente, cómo es posible que interpretemos los solución meth-ods se basan en un marco de programación
costos de retención a nivel de minorista como una dinámico que utiliza un principio de descomposición que
penalización o un descuento en el precio de compra de un generaliza la propiedad clásica de orden de inventario cero
artículo, que es dado por el fabricante al minorista si los (ZIO)
artículos se entregan temprano. En este caso, los costes
minimizados por nuestro modelo de optimización son
incurridos por el fabricante. Al igual que en los problemas
estándar de tamaño de lote, se supone que todas las
funciones de coste no están disminuyendo en la cantidad
producida, almacenada o enviada. Además, asumiremos
que todas las funciones de coste son cóncavas.
En general, todos los niveles de una cadena de
suministro en serie, sin tener en cuenta si corresponden a
decisiones de producción o de transporte, pueden
enfrentar capacidades. En este documento, nos
concentraremos en las cadenas de suministro en serie con
capacidades en el nivel de producción (es decir, primero)
solamente, como un primer paso hacia el estudio de
cadenas de suministro capacitadas más generales. La
adición de capacidades a otros niveles (es decir, transporte)
parece cambiar significativamente la estructura del
problema y, por lo tanto, el análisis del problema. Por lo
tanto, estos problemas están fuera del alcance de este
documento, pero siguen siendo un tema de investigación
en curso. Tenga en cuenta que bajo ciertos costos struc-
tures puede ser posible eliminar los niveles capacitados de
la cadena de suministro. Un ejemplo de ello lo
proporcionan Kaminsky y Simchi-Levi (2003), que
transforman un modelo de cadena de suministro en serie
de tres niveles en el que el primer y tercer nivel se capacitan
a un modelo de cadena de suministro en serie de dos
niveles con capacidades solo en el primer nivel.
Llamaremos al problema de determinar los tamaños
óptimos de producción, transporte e inventario en una
cadena de suministro en serie como se describió
anteriormente y bajo capacidades de producción a nivel de
producción el problema de tamaño de lote multinivel con
capacidades de producción (MLSP-PC). En general, este
problema es NP-duro, ya que es una generalización directa
del NP-hard ELSP con capacidades generales de producción
(véase Florian et al. 1980). El ELSP con capacidades de
producción estacionarias, how-ever, es solucionable en
tiempo polinómico (véase Florian y Klein 1971). Debido a
que nuestro objetivo es identificar los casos solucionables
de polinomi-aliado del MLSP-PC, asumiremos en la mayoría
de este documento que las capacidades de producción son
estacionarias.
Estudiamos los problemas con la pro-ducción cóncava
general, la retención de inventario y los costos de
transporte, así como los problemas con los costos de
retención de inventario lineal y dos estructuras de costos
de transporte diferentes:
(i) costos de transporte lineal; y ii) los costos de transporte
de carga fija sin motivos especulativos, lo que significa que
con respecto a los costos variables, el inventario de
 Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
1708 Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA
Como se describe en la introducción, estudiaremos un
soluciones a problemas de tamaño de lote no problema de tamaño de lote multinivel con una estructura
concapacitados como se describe en Zangwill (1969) para serie. En cada período, la producción puede tener lugar en el
el caso multinivel y, por ejemplo, en Wagner y Whitin manu-facturer. Los artículos que se producen pueden
(1958) para el caso de un solo nivel. En particular, en almacenarse a nivel de fabricante o transportarse al primer
nuestro modelo de dos niveles trabajamos con el nuevo nivel de la casa de vajilla. En cada uno de los niveles de
concepto de un subplan, y mostramos que las soluciones almacén, los productos se almacenan de nuevo o se
extremas se descomponen en una serie de subplanos transportan al almacén
consecutivos. Nuestros algoritmos para este modelo se
ejecutan en tiempo polinómico en el horizonte de
planificación del problema. La generalización directa de
este enfoque para el caso multinivel conduce a un tiempo
de ejecución muy grande. Logramos ahorros sustanciales
mediante la introducción del concepto de un subplan
relajado. A diferencia de los enfoques existentes en la
literatura, nuestro programa dinámico no representa
necesariamente todas (o incluso sólo) soluciones de punto
extremo para la MLSP-PC. Además, mientras que los
caminos en el pro-gram dinámico corresponden a
soluciones factibles del problema, los costos de un camino
pueden sobreestimar los costos de la solución
correspondiente al problema. Sin embargo, podemos
demostrar (basado en la con-cavidad de las funciones de
costo) que nuestro pro-gramo dinámico resuelve el MLSP-
PC a la optimización. El algoritmo resultante para el caso de
las funciones de costo cóncavo general es exponencial en
el número de niveles en la cadena sup-ply. Sin embargo, es
notablemente insensible al número de niveles para las dos
estructuras de costos específicas mencionadas
anteriormente.
Este documento está organizado de la siguiente manera.
En el número 2, presentamos la MLSP con costos de
producción y funciones de producción cóncava, transporte
y retención de inventario. Caracterizamos los puntos
extremos de la región factible del problema, y
demostramos un resultado de descomposición que
formará la base de nuestros algoritmos. En el número 3,
estudiamos el problema de dos niveles y proporcionamos
un marco de programación dinámica gen-eral basado en el
resultado de descomposición derivado anteriormente, que
produce un algoritmo de tiempo polinómico en el horizonte
de planificación para los costos cóncavos generales. En el
número 4, este algoritmo se generaliza al prob-lem de
tamaño de lote multinivel y se muestra que sigue siendo
polinómico en el horizonte de planificación, y se dan
mejores tiempos de ejecución para dos variantes del
modelo. El documento termina en el número 5 con algunas
observaciones finales y cuestiones para la investigación
posterior.

2.Formulación y análisis del modelo

2.1.El modelo
 costo de retención de inventario y transporte. Por lo
en el siguiente nivel. A partir del nivel de almacén final, los tanto, más adelante discutiremos cómo tratar con las
prod-ucts se transportan al minorista (posiblemente instancias problemáticas en las que esta restricción está
después de haber sido almacenados durante algún ausente y, en su lugar, el inventario inicial (no negativo)
período).
Consideramos un horizonte T de planificación de los
períodos T. En cada período t, el minorista se enfrenta a una
demandano negociativa dada por dt , mientras que la
capacidad de producción del fabricante en el período t es igual
a bt . Consideraremos un total de niveles L, que incluye al
fabricante, al minorista y a los almacenes intermedios L L 2.
Decimos que el fabricante está en el primer nivel de la cadena,
y el minorista está en el nivel L. Cada uno de los niveles
intermedios corresponde a un almacén. Deje + denotar el
conjunto de números reales no negativos.
, los costes de producción
Para cada período t 1 son
+
dada por la función pt → +, the transporta-
costos de ción desde el
nivel al nivel + 1 son dados por el
N.o
función ct + + ( 1 1), y la inven-
costos de tenencia de tory a
nivel son dados por la función
+ +
ht - '1' = 1 ). A lo largo del papel, we
asumirá que todas las funciones de costo son cóncava, no
disminuyen e iguales a cero cuando su argumento es cero.
El MLSP-PC se puede formular de la siguiente manera:
T El 1er L
p +h
Minimizar tt + ct t tt t P
t1 N.o 1 N.o 1
sujeto a
N.o
xt1 +It1 áyt +It1x1 1 (1)
1
xt +Tt áxt a +It1 N.o 1 N.o 2 1 (2)
L' L '1 L
dt 'It xt L 'It '1 N.o 1 (3)
yt ábt N.o 1 (4)
I0 x 0 N.o 1 (5)
yt ≥0 N.o 1
xt N.o 0 N.o 1 N.o 1 1
I
N.o 0 N.o 1
t N.o 1
donde yt denota la cantidad producida en el período t, xt
es la cantidad enviada desde el nivel hasta el nivel +1 en el
período t , y t denota la cantidad de inventario a nivel al
final del período t I. Las restricciones (1)–(3) modelan el
equilibrio entre entrada, almacenamiento y salida a nivel
de fabricante, almacén y minorista, de forma resúltil, en
cada período. La cantidad de producción en cada período
está restringida por restricciones (4). Por último, los con-
straints (5) afirman que todos los niveles de inventario
iniciales son iguales a cero. A diferencia del modelo
tradicional de tamaño de lote de un solo nivel, esto no es
una suposición que podamos hacer sin pérdida de
generalidad, debido a la no linealidad de las funciones de
Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA 1709
(3, 1) (3, 2) (3, 3) (3, 4)

cantidades en todos los niveles se consideran como parte I13 I23 I33

de los datos problemáticos. A continuación, los algoritmos d1 d2 d3 d4

desarrollados se pueden aplicar en un esquema de
horizonte continuo, en el que se resuelven nuevas
instancias de tamaño de lote y se implementan
parcialmente sus solu-ciones óptimas, a medida que pasa
el tiempo y se dispone de nuevas previsiones de demanda.
Para mayor comodidad, definiremos dts para ser la
cumu-
demanda lativa en los períodos t , es decir,
s
d
dts ≡ Tt para t 1 s N.o 1 (6)

0 Lo contrario

Para garantizar la viabilidad de (P), asumiremos que la

demanda acumulada en los primeros períodos t no puede
exceder la capacidad total de producción en estos períodos,
es decir,
T
d1t á b para cada t 1 (7)
N.o 1
Es fácil ver que esta condición es necesaria y suficiente para
que (P) tenga una región no suficientemente factible.
También podemos modelar el MLSP-PC como un
problema de flujo de red de costo mínimo capacitado en
una red con una fuente (véase también Zangwill 1969 para
una discusión gen-eral sobre tales problemas de flujo de
red de costo mínimo, así como una discusión de ELSP
multinivel nocapacitados). Para ello, definimos una red con
una sola fuente 0, nodos de transbordo T 1
a nivel de producción (nivel 1, t t.1 ), T trans-
en cada uno de los almacenes, la
nodos de envío t lev-
nodos de
els (t 1 N.o 2 No 1), y T demanda
t con demanda dt a nivel de minorista (nivel L,,
t .1 ). Por último, la viabilidad dicta que el nodo de origen 0
tiene un suministro de unidades d1T. El cuadro 1 ilustra la
representación de la red del MLSP-PC para L n.o 3

Figura 1 Representación de la red de la MLSP-PC para L 3 y T n.o 4

d1 - d2 - 3 - d4

y1 y2 y3 y4

(1, 1) (1, 2) (1, 3) (1, 4)

I11 I21 I31
x 11 x2 1 x3 1 x41

(2, 1) (2, 2) (2, 3) (2, 4)

I12 I22 I32
x12 x2 2 x3 2 x4 2
y T 4. Esta representación facilitará la análisis de la
estructura de los puntos extremos de la región feasi-ble de
(P) en el punto 2.4. Antes de proceder con este análisis, en
el punto 2.2 discutiremos modelos y algoritmos
relacionados de la literatura, así como algunos casos
especiales que se reducen a modelos de un solo nivel en el
número 2.3.

2.2.Revisión de la literatura
La variante de un solo nivel de la MLSP-PC ha recibido
mucha atención en la literatura. El problema no
concursado, el ELSP, es solucionable en tiempo polinómico
en el horizonte temporal; véase Wagner (1960) para este
resultado básico. Los algoritmos más eficientes para casos
especiales han sido desarrollados por Aggarwal y Park
(1993), Federgruen y Tzur (1991) y Wagelmans et al. (1992).
Cuando las capacidades de producción están presentes,
obtenemos el llamado problema de tamaño de lote
capacitado (CLSP). A diferencia de la ELSP no concapitar, se
sabe que este problema es NP-duro, incluso en muchos
casos spe-cial; véase Florian et al. (1980) y Bitran y Yanasse
(1982). Un caso especial interesante e importante que
permite un algoritmo de tiempo polinómico surge cuando
las capacidades de producción son estacionarias; véase, por
ejemplo, Florian and Klein (1971), Florian et al. (1980) y van
Hoesel y Wagelmans (1996). Véase también refer-ences en
Baker et al. (1978) para otros trabajos sobre el CLSP con
capacidades de producción fijas, y Chung y Lin (1988) y van
den Heuvel y Wagelmans (2003) para otro caso especial del
CLSP que se puede resolver en tiempo polinómico.
Zangwill (1969) estudió la versión no concapiada de la
MLSP-PC, y desarrolló un algoritmo dinámico de programa-
ming que es polinomio tanto en el horizonte de
planificación como en el número de niveles L. Analizamos
este algoritmo en el apéndice en línea (disponible en
http://mansci.pubs.informs.org/ecompanion.html) y
llegamos a la conclusión de que se ejecuta en OLT 4
tiempo, donde L es el número de niveles, o incluso en OT
3
para el caso spe-cial de L .2. (2003) consideran un
modelo de dos niveles en el que los costos de transporte
son funciones no concátacas.
Un estudio que está relacionado con el nuestro en el sentido
de que también considera las capacidades en un entorno
multinivel es el de Kaminsky y Simchi-Levi (2003). Pro-pose un
modelo de tres niveles en el que el primer y tercer nivel son
etapas de producción, y el segundo nivel es una etapa de
transporte. Ambas etapas de producción son capacitadas,
mientras que la etapa de transporte no tiene forma de
cachapac. Consideran los costos de retención de inventario
lineal que aumentan con el nivel de la cadena de suministro, y
los costos de producción lineales en ambos niveles 1 y 3 que
satisfacen una condición tradicional de motivos no específicos
(véase también el artículo 2.3). Los gastos de transporte en el
segundo nivel son de la forma de cargo fijo o cóncava general
y se supone que satisfacen una condición restrictiva y no
específica de motivos no específicos. Al eliminar las
decisionesde producción they de tercer nivel,
 Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
1710
el problema a un modelo de dos niveles que hereda sus
estructuras de función de coste del modelo de tres niveles.
Para su clase de costos de transporte de carga fija,
proporcionan un algoritmo OT 4 para resolver el modelo,
incluso en el caso de capacidades de producción no
estacionarias. Para su clase de costos de transporte
cóncavo proporcionan un algoritmo OT 8 para resolver el
modelo en presencia de capacidades de producción
estacionarias. Plantean la complejidad de su modelo para
estructuras de costos más generales como una pregunta
abierta. En este artículo, abordamos esta pregunta
derivando un algoritmo OT 7 para resolver el problema de
dos niveles en presencia de capacidades estacionarias.
Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA
Por último, una variante del MLSP-PC de dos niveles
sincapacitado se puede reducir fácilmente a un ELSP sin
vacitar. Cuando los costes de producción, así como los
costes de retención de invención en ambos niveles son
lineales, dado que decidimos transportar en un período
determinado, podemos determinar fácilmente el mejor
período de producción, es decir, el período que produce los
costes unitarios mínimos de producción y de inventario a
nivel de fabricante para el transporte en el período t.
Redefinir el costo de transporte func-tion en consecuencia,
que se puede hacer en tiempo OLT,

2.3. Casos especiales

Es común en los problemas de tamaño de lote modelar la
Sostenien como funciones, es
Inventario do Costos lineal decir,
•hht
ht t t t para t 1 ; N.o 1
t , con ht 0 para
todo
t Y . Por lo tanto, consideraremos esta clase de
problemas en los puntos 4.3 y 4.4. En el punto 4.3, en el
addi-tion asumiremos que los costos de transporte tienen
una estructura de cargo fijo sin motivos especulativos. Más
formalmente, ct áft 1> 0 + gt x, donde1> 0 es una función
de indi-cator tomando el valor 1 si x > 0, y 0 oth-erwise. La
suposición de que no hay motivos especulativos, que
comúnmente se asume para los costos de producción y
retención de inventario en los modelos tradicionales de
tamaño de lote eco-nomico, significa en este contexto que,
con respecto a los costos variables de inventario y
transporte solamente, es atractivo transportar tan tarde
como possi-
Ble. Más formalmente, gt +ht +1 áht +ggt+1 para t 1 −
1; N.o 1 No 1.
Nota que si el costo de transporte funciona Son
tanto lineales como sin motivos especulativos, siempre es
óptimo almacenar la producción en el manufac-turer y
transportar sólo cuando la demanda necesita ser
satisfecha. Por lo tanto, sin pérdida de optimización,
podemos
asumir que yot 0 para todos los t
1 Costo Y N.o 2 .
Del mismomodo, si el transporte s Son Lineal Y
N.o
gt +ht +1 áht +ggt+1 para t a 1 No 1; 1 No 1,
es más barato transportarlo tan pronto como producimos y
almacenamos la producción a nivel de minorista. Entonces,
con la pérdida de optimización, podemos suponer que not
para todos los t 1 y 1-1. Estas dos espe-

por lo tanto, los casos ciales del MLSP-PC producen un CLSP

estándar.
 En resumen, podemos descomponer una solución de
permite eliminar las variables de producción, así como las punto extremo a (P) en componentes, cada uno de los
variables de inventario en el fabricante, produciendo un ELSP cuales con-
estándar sin vacitar. El problema resultante se puede resolver
contiene un conjunto de nodos 1 +1 2x
en el tiempo de 2 OT para los costos generales de transporte 1 )
de la con-cueva (véase Wagner 1960), y en el tiempo de satisfactorio (8). Llamaremos así a los componentes
transporte de cargafija de OT para los costos de transporte
de carga fija (véase Aggarwal y Park 1993, Federgruen y Tzur
1991, y Wagelmans et al. 1992).

2.4.Caracterización de puntos extremos

El problema (P) tiene una función objetiva cóncava y su
región factible se define mediante restricciones lineales.
Esto implica que existe una solución óptima de punto
extremo a (P). Considere el flujo en la red que responde a
cualquier solución factible de punto extremo. Como es
común en los problemas de flujo de red, llamaremos a los
arcos que llevan una cantidad de flujo que es estrictamente
positivo y estrictamente menor que sus arcos libres
decapacidad. Es bien sabido (véase, por ejemplo, Ahuja et
al. 1993) que la subred que contiene sólo los arcos libres no
contiene ningún ciclo.
2.4.1. Subplanes. Tenga en cuenta que solo los arcos que
tienen un límite superior finito (que en nuestro caso son
sólo los arcos de producción) pueden transportar flujo
mientras no estén libres. Al eliminar todos los arcos de
producción, la red que contiene todos los arcos libres
restantes se descompone en una serie de componentes
conectados. Limitándonos por ahora a los componentes
conectados que efectivamente llevan flujo, identificamos el
primer y último nodo del componente en cada nivel. Para
un componente determinado, ,
estos nodos pueden ser denotados
por 1 +1 Y 2
para el
número 1 , donde
1o < a para
+1 1 2 +1 2 N.o 1 1 (8)
(Tenga en cuenta que la desigualdad estricta se mantiene
debido a la definición del subplan: El primer período
incluido en el nivel es 1 +1.) Con este enfoque, algunos
nodos pueden estar aislados y no incluirse en ningún
componente que transporte el flujo. Asignamos cada uno
de ellos al componente adyacente a la izquierda de ellos.
La asignación de los nodos aislados se ilustra en la Figura
2. Después de la impresión de los arcos de producción,
obtenemos dos compo-nents. El primero se define 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 forma parte del primer
componente, aunque ningún flujo pase a través de este
nodo. Como se mencionó anteriormente, el nodo aislado 2
5 se asigna al componente izquierdo.
Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA 1711
2.4.2. Cantidades de producción en un Subplan. El hecho
Figura 2La estructura de una solución de punto extremo para el MLSP-PC, de que los flujos extremos sean acíclicos implica que,
L3yT8 aunque puede haber múltiples arcos de producción
asociados con un subplan que transportan el flujo, hay
0
como máximo uno de esos arcos con producción por debajo
y1 y2 y y de la capacidad. En otras palabras, hay como máximo un
5 6
arco de producción libre que introduce el subplan. Esto
(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6) (1, 7) (1, 8)
I21 I31 I51 I61 I 71
produce la siguiente generalización de la caracterización de
x11 x41 x6 1 x81 puntos extremos de CLSPs de un solo nivel por Florian y
Klein (1971).
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6) (2, 7) (2, 8)
I1 2 I62
x12 x22 x42 x72 x82

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

I 23 I 33 I43 I53

d1 d2 d3 d4 d5 d6 d7 d8

subplanes obtenidos. Representaremos un subplan por el

2L períodos que lo identifican: 12X1 . A menudo

ser convenientes para referirse a los períodos de

producción y demanda en un subplan por separado, y a
continuación, a menudo utilizaremos la notación 1 2 1 2 ≡
11 12 L1 L2 . Por construcción, no se transporta ningún
inventario entre subplanes, por lo que el único flujo que
entra en un subplan procede de arcos de producción
asociados a los nodos del fabricante en el subplan. La
cantidad total producida en todos los períodos de
producción del subplan, es decir, el total de
producción en los períodos t1 +1 2, se utiliza paraabastecer
la demanda de todos los nodos minoristas en el subplan, es
decir,
Período . We
la demanda total en s 1 + 1 2 Llamaremos L L

N.o
N.o 1
dos subplanes 1 2 1 Y 12 consecuente-
N.
tive si 1 x 2 Para o 1 . Podemos resumir la
estructura de soluciones de puntos extremos de la
siguiente manera.
Proposición 2.1. Cualquier solución factible de punto extremo
se puede descomponer en una secuencia de subplanes
consecutivos.

La solución extrema indicada en la Figura 2 se descompone

en dos subplanes, a saber,0 40 50 6 y
485868.
Tenga en cuenta que el primer subplan obtenido
mediante la descomposición de una solución de punto
extremo como se ha descrito anteriormente ha
1 x 0 para el número 1 . Sin embargo, en el resto de este
documento será conveniente incluir también sub-
Planes 12-1 s atis factorio (8), para el cual algunos , pero,

L
no todos los
valores de 1 son cero.
 • x12 satisface la demanda del Período 1; x12 +x22 es
Proposición 2.2. Un subplan puede contener como igual a la producción (acumulativa) en el Período 1; y x12 +x22
máximo un arco de producción libre. +x32 +x42 es igual a la pro-ducción acumulada en los Períodos
Si el problema no está concapacitado, esta propuesta 1 4 y satisface la demanda de la demanda de
implica que sólo un arco de producción que lleva flujo entra Períodos 1 6.
en cada uno de los subplanes, lo que a su vez significa que
los flujos extremos son arborescentes. El algoritmo
dinámico pro-gramming propuesto para este problema por
Zangwill (1969) se basa en esta propiedad; ver el apéndice
en línea.
Por ejemplo, en la Figura 2 sabemos que en el subplano
0 4 0 5 0 6 los arcos de producción y1 y y2 no pueden ser
libres; las mismas retenciones para los arcos de producción
y5 y y6 en el subplan 4 8 8 8 6 8 .
2.4.3. Cantidades de transporte en un Subplan. La
ausencia de ciclos que consisten en arcos libres sólo en una
solución de punto extremo también se puede utilizar para
iden-tify propiedades estructurales de los cuanti-ties de
transporte. Considere un período, digamos t, en el cual
el transporte
tiene lugar entre niveles y +1, es decir, el flujo
en el arco entre los nodos t Y +1 es xt > 0.
A continuación, pueden ocurrir dos situaciones con
respecto al total de
, es decir,
flujo en nodos +1 +1 1 +1 +1 el
envíos acumulativos entre niveles Y +1 hasta
e incluir el período t dentro del subplan:
• Es igual a la producción acumulada en per-
ods t1 +1para algunos s ∈ 1 +1 ;
• Satisface la demanda de los períodos 1 +1 para
algunos s ∈ 1 +1 2 .
Si no es así, tenga en cuenta el último período de
producción en el que se produjo parte de la cantidad
transportada xt, digamos s . A continuación, habrá un
período cuya demanda se satisfaga parcialmente a partir de
la cantidad xt y parcialmente de la producción en el
período s que permanece en el inventario al final del
período t, creando un ciclo que contienesólo arcos libres.
Este resultado se puede resumir de la siguiente manera.
Proposición 2.3. En un subplan, la cuánza transportada
entre niveles y +1 en algún período hace que las cantidades
transportadas acumuladas hasta ahora en el subplan sean
iguales a las cantidades de producción acumuladas de una
secuencia inicial de períodos de producción consecutivos en el
subplan, o a la demanda acumulada de una secuencia inicial
de períodos de demanda en el subplan.
Las dos posibilidades de transporte acumulativo se
pueden ilustrar mediante la Figura 2. En el subplan
04 05 06,
• x11 es igual a la producción (acumulativa) en el
Período 1, mientras que x11 +x21 +x31 +x41 es igual a la
producción acumulada en los Períodos 1 4 y satisface
la demanda de los Períodos
1 6;
 Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
1712 Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA
un algoritmo de programación dinámica OT 4 para resolver
3. El problema de tamaño de lote el CLSP con capacidades estacionarias y funciones
capacitado de dos niveles con generales de producción cóncava e inventario de retención
de inventario.
Costos cóncavos
Cuando el valor de ? se da para cada subplan, el 2LSP-PC
Para mayor claridad de la exposición, primero
es polinomialmente solucionable. Para lograr un algoritmo
consideraremos la versión de dos niveles del MLSP-PC, que
de tiempo polinómico para el 2LSP-PC, el desafío es, por lo
llamaremos el 2LSP-PC. En la siguiente sección,
tanto, proporcionar un algoritmo de tiempo polinómico
mostraremos cómo la metodología se puede extender a
para calcular los costos correspondientes a todos los
cadenas con más de dos niveles.
subplanes. Porque sabemos que el 2LSP-PC es
3.1.Un enfoque de programación dinámica
En esta sección, describiremos un enfoque dinámico
general de pro-gramming para el 2LSP-PC. Este enfoque se
basa en la descomposición de solu-ciones de punto
extremo a (P) en subplanos consecutivos (véase Propo-
sition 2.1). En particular, defina Ft como el costo mínimo
asociado con el cumplimiento del minorista
demandas en períodos +1utilizándose la producción en

puntos t +1. Entonces estamos claramente interesados en

computación F 0 0 . Esto se puede lograr mediante un

enfoque de dos fases:
Fase 1. Para cada subplan 1 2 1 2 , calcule los costes
mínimos en los que se incurra para satisfacer la demanda
de ese subplan con la condición de que, como máximo, un
arco de producción libre entre en el subplan.
Denotar estos costos en t 1 2 1 2.
1 1 para todos los
Fase 2. Calcular los valores Ft 0ot1o
1 -T al darse cuenta de que una solución extrema para
el subproblema correspondiente se da mediante un
subplano
12 1 2 y el subproblema restante Ft 2 2
para algunos
t2 Y 2. Esto da lugar a lo siguiente
recursividadhacia
atrás:
Pi min +Ft
es 1 1 = 2 2 2t2> 1 T 1212 22
≥

para 0ot1 a 1 < T

Pi
es 1 0 para 0ot1o T
Tenga en cuenta que en la Fase 1 necesitamos calcular los
valores de OT 4. La fase 2 es, de hecho, un problema de
ruta más corta en una red con nodos que representan
todos los pares de períodos, de modo que lost arcos de 0
aT y de los subplanes con los costes correspondientes. La
mínima-
ruta de coste desde el nodo 0 0 a cualquiera de los nodos
1
en esta red acíclica se puede encontrar en el tiempo lineal
en el número de arcos, es decir, en OT 4 tiempo (véase
Ahuja et al. 1993). Florian y Klein (1971) utilizaron este
marco de programación dinámica gen-eral para desarrollar
 k0
NP-duro para las capacidades generales de producción, donde, además, Y 0 si t át1, d ≤Y ≤ −t1
+1
1
vamos a restringir nuestra atención al caso de pro-
si t tt2 para
capacidades de ducción, es decir, bt ab para t a 1 . En el para t át1 +12 x 1, e Y aKb + asegurar
resto de esta sección, derivaremos un algoritmo de tiempo
polino-mial para calcular los costos óptimos de todos los
subplanes, y por lo tanto para el 2LSP-PC. Antes de estudiar
los subproblemas de la computación de los costos óptimos
del subplan, primero estudiaremos las implicaciones de la
suposición de que las capacidades de producción son
estacionarias en la siguiente sección.

3.2.Implicaciones de las capacidades de

producción estacionarias
En la Fase 1 del enfoque de programación dinámica,
necesitamos calcular los costos óptimos de todos los
subplanes, bajo la restricción adicional de que todos los
arcos de producción que entran en el subplan, excepto uno,
llevan un flujo igual a 0 o b. Considere un sub-
plan,
digamos 12 1 2 , en el que la demanda total de
Períodos 1 +1 2 debe ser satisfecho usando pro-
ducción en períodos t1 +1 2. Después de Florian y
Klein (1971), tenga en cuenta que la restricción de los
valores de los arcos de producción que entran en el subplan
implica que el número de arcos de producción que
transportan el flujo igual a la capacidad de producción es
exactamente igual a
K - d 1 +1 2
/b , y el resto de la produc-
Tity es igual ad 1+1 2 áKb. Claramente, tenemos que
0o . Si 0, habrá exactamente una producción
arco que entra en el subplan que lleva este flujo.

3.3.Los costos del subplan

Formularemos el problema de determinar los costos
óptimos de un subplan como programa dinámico-
Pon
Ming problema. er diferente, para cada subplano
12 1 2 , definiremos una red con la prop-
erty que t 1 2 1 2 es igual a la longitud de la
ruta de acceso más corta entre un par de nodos de origen
y receptor en esta red.
Elegimos los nodos de esta red para que sean de la
formulario t , donde t indica un período, Y es igual a la
cantidad de producción acumulada hasta el período t e
incluido ,y X es igual a la cantidad de transporte acumulada
hasta e incluido el período t.
es la fuente, mientras que el
Nodo 1 0 0 nodo 2b +
Propositi
Kb + ≡ 2 1+1 21+1 2 es el fregadero.. Por i-
2.2 y la discusión en el punto 3.2, sabemos que la cantidad
de producción en cualquier período sólo puede asumir
uno de los valores 0 , con el valor sólo en un período. Esto
implica inmediatamente que Y sólo puede asumir los
valores
K
Y∈ bkb +
Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA 1713
El tiempo necesario para encontrar esta ruta de coste
que toda la demanda se produce dentro del conjunto de mínimo es proporcional al número de arcos en la red, de
períodos de producción permitidos en el subplan. Debido a modo que el coste de un único subplano se puede
que claramente K -T , el número de valores permitidos para determinar en EL tiempo OT 4.
Y es OT . Además, mediante la Proposición 2.3 sabemos Debido a que hay subplanes OT 4, una aplicación directa
que la cantidad transportada acumulada hasta algún del algoritmo de programación dinámica
período, incluso, es igual a la cantidad total de producción
1212
de una secuencia inicial de peri-ods de producción o
satisface la demanda de una secuencia inicial de períodos
de demanda en el subplan. Más formalmente, esto
significa que
K 2

X∈ Bkb + ∪ 1+1

k0 s1 +1
para asegurar
donde, en adición, D 1+1 ≤X ≤Y que
las demandas se satisfacen a tiempo y los productos tno se
transportan antes de que se produzcan, y X a 0 si t a 1 y
X a Kb + si t a t2 para garantizar que el transporte se lleva
a cabo dentro del subplan. El número de valores permitidos
para X es, por tanto, OT también, de modo que el número
total de nodos en la red es OT 3.
Los arcos de la red representan decisiones de
producción, trans portuaria y inventario. Los arcos están
presentes present
Entre pares de nodos de la red de el
forma t Y +1 Y X , with Y −Y ∈ 0
(donde el valor sólo se permite si Y =kb Para
unos 2 k01 ), y X xX (dondewhere X ∈ Y∪
s1 +1 1+1 ). Es fácil ver que hay OT
arcos que emanan de cada nodo de la red, de modo que
toda la red tiene arcos OT 4.
A partir de la información contenida en los nodos que
defin a un arco, podemos calcular fácilmente la cantidad de
producción en el período t +1 (Y -Y ), la cantidad de
transporte en el período t +1 (X x X), el inventario
mantenido en el nivel del fabricante al final delperíodo t
+1 (Y xX), y el inventario mantenido a nivel minorista al final
delperíodo t +1 (X ád 1+1 +1). Los costos de un arco son
dados por
pt'1 Y' -Y -ct1-1 X -X

+ h 1t'1 Y Y' 'X 'hh2t'1 X' d 1'1' +1

Si todas las funciones de coste se pueden evaluar en tiempo

constante, los costes de un arco determinado se pueden
calcular en tiempo de control siempre que determinemos
todas las demandas acumulativas dtt (en tiempo OT 2) en
un paso de preprocesamiento.
Cualquier ruta en la red desde la fuente 1 00
hasta
el fregadero
2 1+1 2representa un flujo factible
1+1 2

en el subplan 12 1 2 con un solo produc-

arco de la ción. Además, es fácil ver que lo contrario
también es cierto. Por lo tanto, los costes del subplan se
proporcionan mediante la ruta de acceso de coste mínimo
en esta red desde el nodo de origen hasta el nodo receptor.
 antemano en qué nivel el exceso de inventario terminará
definido anteriormente a cada subplan individual como inventario final. Esto se puede tratar fácilmente
produciría un algoritmo con tiempo de ejecución OT 8 para extendiendo el horizonte de planificación por un período,
calcular los costos de todos los subplanes. Sin embargo, el digamos T +1. A continuación, defina la función de coste
tiempo de ejecución se puede reducir observando que los de producción para ese período como pT +1 0 a 0 y pT +1
costos de muchos subplanes están relacionados. En
particular, observe que la red de programación dinámica T +1 para
correspondiente a
cualquier subplan de la formis en realidad un

subred de la red de programación dinámica para el

subplano 0 2 1 2 . Por lo tanto, el uso de la recursividad de
barrio trasero para resolver el camino más corto entre
+1
Nodos 000 Y 2 1 +1 2 1 2 En este último
rendimientos de la red, como los caminos más
subproducto, cortos
para
+1
entre nodos 00 Y 2 1 2 1+1 2 cada
t1 1. De ello sededuceque sólo necesitamos con-
sider el OT subplanes de la forma 0 2 1 2 , el
7
cuyos costes pueden determinarse en el OT Hora.
3.4. Tratar con inventarios iniciales
Si los inventarios iniciales a nivel de fabricante y/o
minorista, I01 y I02, son estrictamentepositivos, hay un
ligero cambio en la construcción de subplanes. Recuerde
que construimos subplanes correspondientes a una
solución de punto extremo determinada considerando
todos los arcos (excepto los arcos de producción) que llevan
flujo positivo. A continuación, los subplanes se forman
mediante los componentes conectados resultantes junto
con algunos nodos aislados. Sin embargo, cuando hay
inventarios iniciales, puede haber uno o más componentes
que transporten el flujo pero no contengan un período de
producción. En estos compo-nents, la demanda se satisface
utilizando únicamente inventarios iniciales a nivel de
almacén y minorista, y se pueden asignar al componente
que contiene el período 1 (es decir, el componente que
contiene el nodo
1 1 ). Los resultados de los puntos 2.4.2 y 2.4.3 siguen
siendo claramente válidos para los subplanes en los que t1
> 0. Sin embargo, en el caso de los sub-planes con t1 a 1
a 0, los resultados siguen manteniendo pro-vided vemos los
inventarios iniciales totales I01 +I02 como una cantidad de
producción acumulada hasta e incluyendo el Período 0, y el
inventario inicial I02 en el Nivel 2 como la cantidad de
transporte acumulada hasta e inclu-
Período de ing 0. A menos que 2 -T , estos subplanes sólo
pueden tener una solución factible si los inventarios iniciales
totales no exceden la demanda total que debe ser satis-
en el subplan. 1Para2subplanes con d1 2 a1I 01 +2I 02,
obtener Y Y
K 1 −I −I Y D o o Kb.
< 1 Y 2o 1 0−
1 2O 0o 0 ? 0
?
2

Como ya se ha mencionado, d puede Yo o sólo ocurrir si

1 1 2 0+ 0 2
2 -T . Si de hecho d1T < I0 +I0 , un punto extremo solu-
contiene ción sólo un soltero subplan: 0 0,
y no se llevará a cabo ninguna producción en ningún
período de ese subplan, es decir, K a 0. La única dificultad
que queda en este caso es que no queremos especificar de
 Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
1714 Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA
En particular, desarrollaremos un enfoque más eficiente en
todos
0< y ? b y la función de coste de transporte como
el que el programa dinámico Fase 2 no representa
T+1
1 1 2 necesariamente todas (o incluso sólo) soluciones de punto
T +1 a 0 para todos xT +1 a 0. Por último, establezca dT +1 aI0
c
T +1 +I0 ?
extremo para el MLSP-PC, y además sobreestima los costos de
d1T . Los costes del subplan único 0 0 en el
el problema original se puede encontrar encontrando los muchas de las soluciones de punto no extremo que
costos del subplan 0 +1 0 +1 en el problema modificado. representa. Sin embargo, como demostraremos, contiene una
Ahora considere la red de programación dinámica solución óptima de punto extremo y se garantiza que
utilizada para calcular los costos de un subplan. Para los encontrará esta solución. Este enfoque es
subplanes que contienen inventarios iniciales, dejamos que
el nodo de origen
1 2 2 1 2
Se y el nodo del sumidero
0 0
r 1 2 +I0 0 ser 2 0 +I0 +Kb +
, esto también
Yo 0 +I0 +Kb + . Para un estado t significa
ese K

Y∈ I01 +I 02 +kbI 01 +I 02 +kb +

k0
Y
K 2
1
X∈ 0 +I02 +kbI 0
1
+I02 +kb + ∪ 1s
k0 s1 +1
Por último, tenga en cuenta que para los subplanes con
t1 > 0, no deberíamos tener ninguna entrada de inventario
positiva. Por lo tanto, en caso de que haya niveles de
inventario iniciales distintos de cero, en realidad
necesitamos calcular los costos de todos los subplanes 0 2
0 2 teniendo en cuenta los niveles de inventario iniciales,
así como los costos de todos los subplanes 0 2 2 para 1 >
0 sin tener en cuenta el nivel de inventario inicial en el
fabricante. Esto claramente no influye en el tiempo de
ejecución general del algoritmo.

4.El caso multinivel

4.1.Introducción
Podemos ampliar el enfoque de programación dinámica
desarrollado en el punto 3.1 para el caso de dos niveles al
caso de varios niveles, donde de nuevo una red de
programa dinámico de fase 2 representa todas las
soluciones de punto extremo para el MLSP-PC. Con este
fin, debemos definir
L
F 1 1 para ser el coste mínimo asociado con el sat-
isfying las demandas del minorista en los períodos L1 +1
utilizando la producción en los períodos
11 +1 , y ware-
para cada uno
Casa en períodos +1 de los
+1 1

1 2. Entonces estaríamos interesados en calcular F 0

L.1 . Es fácil ver que el tiempo de ejecución de la
correspondiente generalización del programa dinámico
Fase 2 sería OT 2L. En esta sección, derivaremos una
modificación del programa dinámico Fase 2 que se ejecuta
en OT 4 tiempo. Esta modificación no hace que la Fase 1
sea más costosa computacionalmente, e incluso puede
hacerla menos costosa.
basado en la idea de que la información-ción más 2 2

importante presente en la definición de un subplan es el

(1, 2) (1, 3) (1, 4) (1, 2) (1, 3) (1, 4)
conjunto de 2
períodos de producción t1 +1 2 y el conjunto de 2 2
demanda
períodos 1 +1 2. La base de nuestra mejor algo- (2, 2) (2, 3) (2, 4) (2, 2) (2, 3) (2, 4)
rithm es entonces permitir el transporte en los períodos 1 2 1

t1 +1 2 (mientras que, por supuesto, conserva los períodos 1 1 1 1

de pro-ducción y demanda dados). A continuación,
podemos utilizar el mismo enfoque de programación
dinámica que en el caso de dos niveles, donde
reemplazamos el subplan de dos niveles
costos t 1 2 1 2 por los costes mínimos de satisfac-
2 utilizando la
Demanda en periodos 1 +1 producción
en los períodos t1
+1 2, donde a lo sumo uno de los pro-
las cantidades de ducción pueden ser diferentes de 0 y b,y
cuando se permite el transporte a todos los niveles en
períodos t1 +1 2. Vamos a denotar los últimos costos
por t 1 2 1 2 , y se refieren a los vectores 1 2 1 2 como
subplanes
relajados..
Para ilustrar el concepto de subplanos relajados, con-
sider la siguiente instancia de problema del 2LSP-PC. Todas
las demandas son iguales equal a 1; la producción y trans-
the
los costos de portación son dados
por

100·1> 0 +y si t 2
Lo
pt = 1·1> 0 +y contrario
Y

1 50 x 1> 0 +x
si t 2
Lo
ct = 1-1> 0 +x contrario
Por último, deje que todas las funciones de coste de
retención de inventario sean iguales a cero. Los flujos
óptimos en 1 4 2 4 y 1 4 2 4 se indican en la Figura 3. Al
calcular
los costos 1 4 2 4 , el transporte sólo se permite en los
períodos en los que puede tener lugar tanto la producción
como se satisface la demanda (es decir, en los períodos 3 y
4 del ejemplo), mientras que en la versión relajada del
mismo subplan se permite el transporte en cualquier
período en el que la producción pueda tener lugar o se
satisfaga la demanda (es decir, en los períodos 2 , 3 y 4 en
el examen-
son menores
ple). Por lo tanto, los costes 1424 que

Figura 3 Los flujos óptimos en 1424y 1424

2 2

0 0
Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA 1715
Prueba. Este resultado se produce inmediatamente al
1 4 2 4 porque en el subplan relajado podemos señalar
transportar en el segundo periodo. que tanto y 1112, , L1 L2 son el
Estos cambios tienen dos consecuencias importantes.
Con-sider una ruta de acceso desde el origen a un receptor valor óptimo de un problema de optimización con
en la red de fase 2. En primer lugar, si bien es fácil ver que funciones de costo iden-tical, pero donde la región factible
la solución de correlación del MLSP-PC es realmente de la primera es un subconjunto de la región factible de la
factible, no es necesariamente una solución de punto segunda.
extremo porque los nodos de producción y demanda en
dos sub-planes relajados contenidos en la solución pueden
estar conectados por arcos que contienen flujo positivo. En
segundo lugar, es posible que ciertos arcos se utilicen en
más de un subplan relajado. Esto significa que la longitud
de la trayectoria en la red puede no ser lo mismo que los
costos de la solución del corre-sponding al MLSP-PC. Al
tratar primero este último problema, el siguiente teorema
muestra que la longitud de la ruta nunca es menor que los
costos reales de la solución, y es igual a los costos de la
solución si todas las funciones de costo de transporte e
inventario son lineales.
Teorema 4.1. Cada trayecto del origen a un receptor en la red
de programación dinámica de la fase 2 corresponde a una solución
factible al MLSP-PC. La longitud de esta ruta no puede ser menor
que el coste de la solución correspondiente y es igual al coste de la
solución si todas las funciones de coste de transporte e inventario
son lineales.

Prueba. El hecho de que una ruta desde el origen a un

receptor en la fase 2 de programación dinámica de trabajo
neto corresponde a una solución factible al problema de
tamaño de lote se deriva inmediatamente del hecho de que
se satisfacen todas las restricciones de capacidad de
producción, así como todas las demandas. Sin embargo,
ciertos arcos de transporte e inventario pueden llevar un
flujo positivo en las soluciones parciales correspondientes
a más de un arco en el trayecto, y cada uno de los flujos
parciales se carga por separado según la función de coste
correspondiente. Debido a la concidad de todas las
funciones de coste, se indica que el coste del flujo total no
excederá la suma de los costes de los flujos individuales en
cualquier arco partéculo-ular, y por lo tanto la longitud de
un trayecto nunca será inferior a los costos de la solución
correspondiente. Además, cuando todas las funciones de
coste de transporte e inventario son lineales, la longitud de
la ruta y los costos de la solución son claramente iguales.
El siguiente lema proporciona una relación entre los
costes asociados a un subplan y el

L
1 2-1
ing subplan relajado .
Cual
quie
Lemma 4.2. Para r subplan 12 L , tenemos
L
. N.o 1
ese 12-1 ≥ 11 12 L1 L2.
 k0 +1
El siguiente teorema muestra que existe una solución
óptima al problema de tamaño de lote que se representa
mediante una ruta en el trabajo neto de programación
dinámica de fase 2 cuya longitud es igual a los costos óptimos.
Teorema 4.3. La fase 2 de programación dinámica net-
work contiene una ruta que corresponde a una solu-ción
óptima a nuestro problema de tamaño de lote, y la longitud
de la ruta es igual al costo de esta solución.
Prueba. Considere una solución óptima de punto extremo
para el problema del tamaño de lote, digamos con el costo ∗. Tal
y como se desconta en el punto 2.4, esta solución óptima se
descompone en una secuencia de subplanes consecutivos. Es
fácil ver que la red de programación dinámica Fase 2 contiene
una ruta para la que los períodos de producción y demanda de
cada uno de los arcos corresponden a esta secuencia de
subplanes. Lemma 4.2 dice ahora que la longitud de la ruta en
la red de programación dinámica, digamos
, no excederá ∗. Sin embargo, por teorema 4.1 sabemos
que es una sobreestimación de los costos de una solución
viable de respuesta cor. La optimización de ∗ implica ahora
que, de hecho, ∗,lo que demuestra el resultado deseado.
Los teoremas 4.1 y 4.3 implican claramente que nuestro
algoritmo bifásico resuelve el MLSP-PC. Ahora podemos
concluir que la fase 2 del algoritmo se ejecuta en OT 4
tiempo, dados todos los valores t 1 2 1 2 . El reto restante
es, por lo tanto, proporcionar algoritmos eficientes para
calcular estos valores.

4.2. Costos cóncavos

4.2.1. Los costos de los Subplanes Relajados. En esta
sección, formularemos el problema de determinar los
costos t 1 2 1 2 como un programa dinámico-
problema de ming. Dicho de otra manera, definimos,
para Cada
1 2 1 2 , una red con la propiedad que t 12

1 2 es igual a la trayectoria más corta entre un par de

nodos de origen y receptor en esta red. Los nodos
en esta red son de la forma Y X 1 L-1 , donde t indica un
período, Y es igual a la cantidad de producción cumula-tive
hasta e incluyendo el período t, y X es igual al transporte
acumulado
cantidad desde el nivel +1 hasta e incluyendo
período t. Tenga en cuenta que la viabilidad dicta que
debemos
L'1'
restringirnos a los valores d 1 '1' X XX1 -Y .
0 , mientras el
El origen es el nodo 0 fregadero está
1

. Al igual que en el punto

el nodo 2b +b + 3.3, hemos
ese
K
Y∈ bkb +
k0

y el número de valores permitidos para Y es OT . Además,

de manera similar a la del caso de dos niveles, tenemos que
K 2

X ∈bkb + ∪ s1 1+1 N.o 1 1

 Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
1716 Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA
estos inventarios iniciales se pueden incorporar a la
para que el número de valores permitidos para X también programación dinámica
enfoque para calcular t por apropiado
sea OT. Esto significa que el número total de nodos en la
red es OT L+1 . redefiniciones de los valores posibles de Y y X.
Los arcos de la red representan decisiones de En las siguientes secciones, mostraremos cómo se puede
producción, trans portuaria e inventario, y están presentes reducir drásticamente el tiempo de ejecución para las
entre pares de nodos en la red del formulario instancias problemáticas que tienen capacidades de
1 1
T 1 L y+1 Y X , XL1 , donde producción estacionarias,
Y−Y∈ 0 y X XX ( N.o 1 1). Es fácil
-1
para ver que hay OT L arcos que emanan de cada
nodo, para un total de OT 2L arcos en la red.
Al igual que el número 3.3, podemos calcular fácilmente
la cantidad de producción en el período t +1 (Y -Y ), el
transporte-
cantidad de ción entre niveles y +1 en el período t +1
(X XX ), el inventario el nivel del fabricante
1

al final del período t +1 (Y xX ), y el inventario

celebrada en minorista a nivel
el de minoristas en el fin del período t +1

(XX L - d
1-1 +1). Los costos de un arco son dados por
El 1er

pt'1 Y' 'Y ' ct'1 X'-X' 'h1t'1 Y' - X X

N.o 1
El 1er

+ ht'1 x '1' -'X' 'h' 'H'Lt'1 xL'-1 -d '1'+1 +1

N.o 2

Si todas las funciones de coste se pueden evaluar en tiempo

constante, los costes de un arco determinado se pueden
calcular en tiempo OL de la misma manera que en el 2LSP-
PC después de un paso de prepro-cese que toma OT 2
tiempo. Concluimos que el costo de un único subplan
relajado se puede determinar en el tiempo OLT 2L.
Por último, observando que hay sub-planes relajados OT
4
y2L- 3 aplicando la misma técnica para reduc-ing el
tiempo de funcionamiento que se utiliza al final del
n.o 3.3, obtenemos un algoritmo para el MLSP-PC con
costos de producción cóncavo arbi-trary, transporte e
inven-tory y capacidades estacionarias que se ejecutan
en tiempo OLT. Aunque este tiempo es exponencial
en el número de niveles, el orden del tiempo de ejecución
estará limitado por el hecho de que el número de niveles
será típicamente relativamente pequeño.
Este enfoque se puede ampliar fácilmente para hacer
frente a los inventarios iniciales. Recuerde a partir del n.o
3.4 que sólo deben considerarse los subplanes relajados
con t1 a 0. Para un subplan tan relajado, debemos ver
el total

1212
Y como una producción
inventarios iniciales L o 0 acumulativa
N.o 1

cantidad hasta e incluyendo el Período 0, y la

L
Inventario I
ss+1 0 como el transporte acumulativo
cantidad hasta e incluyendo el Período 0 desde el nivel s a
nivel s +1, para todos los s ∈ 1 a 1 . Al igual que en el
punto 3.4, sin aumentar el tiempo de funcionamiento,
 Dej
costos generales de producción cóncavo, y costos de ar -
t∈ 1 +1 2 x 1 ser un período para que
¯-
retención lineales de invención a todos los niveles, así como Yo- t
no ¯
una de las dos estructuras de costos de transporte xt á 1 1
¯ ¯+
> 0. El inventario positivo que t ¯
ha sido trans-
en
¯

siguientes: i) carga fija sin motivos especulativos; o (ii) portado al nivel algún período anterior. Sin embargo, debido a
lineal. a la ausencia de motivos especulativos, podemos re-
¯ I-
ule el transporte de las unidades t I t-¯ a período t -+1 sin
4.3.Costos de transporte de carga fija sin motivos aumentar los costos. Repitiendo este argumento para cada
especulativos - ,
período t violando la propiedad ZIO en el nivel obtenemos
4.3.1. Introducción. En esta sección, consideramos el una solución donde la propiedad ZIO es verdadera
caso de los costos de transporte de carga fija con motivos .
para cada nivel ∈ .
especulativos y costos de retención de inventario lineal.
Como antes, determinaremos los costos de cada subplan
relajado utilizando la programación dinámica. Después de
un paso de preprocesamiento que se ejecuta en OLT 4, este
programa dinámico se ejecuta en OT 4 veces para cada
subplan relajado indi-vidual. Mediante el uso de la
tecnología de reducción al final de 3,3, el costo de todos los
4
subplanes relajados OT se puede calcular
simultáneamente en OT 7 vez. Por lo tanto, el tiempo de
ejecución del enfoque dinámico pro-gramming para este
caso especial de la MLSP-PC es OT 7 +LT 4 . Cuando L 2,
6
podemos reducir este tiempo de ejecución a OT .

4.3.2. Propiedad de pedido de inventario cero en el

minorista. Demostraremos que, bajo los costos de trans-
portación de carga fija sin motivos especulativos,
soluciones que satisfagan la propiedad de orden de
inventario cero (ZIO)
en todos los niveles , es decir, tt xt+111 a 0
en 2 para t 1 −
1; N.o 2 , son dominantes. Es decir, dado cualquier fea-
soluciónble al subplan relajado 1 2 1 2 , hay
siempre existe otra solución que es al menos tan buena
y satisface la propiedad ZIO en todos los niveles
en 2 .
,
Teorema 4.4. Dado un subplan relajado 1 2 12

el conjunto de soluciones con la propiedad ZIO a todos los

niveles en
2 es dominante..
Yo.
...
... U
Prueba. Let y X ... Ser n solución factible a la
¯ ¯
Satisfa
Relajado subplan 1 21 2 que hace No cer
Alguno
el ZIO Propiedad En s nivel. Vamos aser el último
nivel, de tal manera que la propiedad ZIO tiene
+
para todos los ∈ +
el
1 , pero no es cierto para nivel. Podemos construir una nueva
de
solución al menos tan buena como y, x, I, tal manera que el
es
La propiedad ZIO se mantiene para todos los ∈ . Si 2,
entonces hemos obtenido el resultado deseado. De lo
contrario, repetiremos el procedimiento con la nueva
solución. Tenga en cuenta que este procedimiento
,
converge porque el nuevo ha disminuido en al menos una
unidad.
Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA 1717
Podemos recordar que t es igual a la +c 1 +C +1 s¯
1212 t +1 s+1 ss t+1 2

costos mínimos entre las soluciones de la sub- donde Ct 1 2 se definen como los costos óptimos de
plan con a lo 1212 sumo una producción gratuita Envío ds s unidades del nodo Para su desti-
12

Arco. El siguiente corolario de Teorema 4.4 afirma que para naciones, es decir, exigir nodos s 1Ls 2 . Podemos
utilizar el algoritmo de Zangwill, en una etapa de
encontrar este mínimo restringido podemos restringir de
preprocesamiento,
nuevo nuestra búsqueda a soluciones que satisfagan la
propiedad ZIO en el minorista. para determinar los valores Ct2 1 2 para todos los t s2
;
Corollary 4.5. El costo asociado con el subplan relajado 1
2 1 2 se puede encontrar entre todos los solu-
ciones que satisfacen la propiedad ZIO en todos los niveles
en 2 .

Prueba. Esto se desprende inmediatamente de la prueba 1212

del Teorema 4.4 observando que la modificación de la

solución para obtener una solución que satisfaga el ZIO
prop-erty no altera los flujos de producción.
Este corolario implica que al buscar t 1 t2 1 2 , podemos
suponer que cualquier cantidad enviada es igual a la
demanda de un conjunto de períodos consecutivos. Esto
ayudará a reducir la información mantenida en el enfoque
de programación dinámica descrito en el punto 4.2.1.

4.3.3. Los costos de un Subplan Relajado. En esta sección,

formularemos el problema de determinar los costos t 1 2 1
2 como una simplificación del problema de programación
dinámica definido en el punto 4.2.1. Todos los nodos de la
red de programación dinámica son de
el formulario t , donde t indica un período, Y es igual a la
cantidad de producción acumulada hasta el período t e
incluido ,y s representa el último período cuya demanda se
satisface mediante transporta-
desde el Nivel 1 hasta el Nivel 2
tion hasta Y Incluido
Podemos
período t, donde d 1 +1 aY y t as. observar 1

que desde el Teorema 4.4, tenemos esa X D 1+1 en el

programa dinámico de la versión 4.2.1. El origen es el
nodo
1 , mientras que el fregadero es el 2.
0 b + Como
1 nodo 2

antes, sabemos que Y sólo puede asumir los valores

K
Y∈ bkb +
k0

Los arcos están presentes entre pares de nodos en la

red-
trabajo de la forma t e Y s,donde Y -Y ∈
0 y ssss . Es fácil ver que hay arcos OT que emanan
de cada nodo de la red, por lo que toda la red tiene arcos
OT 4.
Los costes de un arco entre nodos t y+
1 Y s- ahora son dados por
p Y Y' Y - d 1 Y
t'1 - h-t -1 - d 1'1 s'
 paso de prepro-cese que se ejecuta en OLT 2 tiempo, este
s1 t ; y s2 ss1 en OLT 4 tiempo; véase el apéndice en línea. algoritmo se ejecuta en OT 2 tiempo para un solo subplan
Es importante tener en cuenta que aunque el modelo de relajado, pero los costos de todos los subplanes relajados
Zangwill permite funciones generales de trans portuaria y OT 4 se pueden ejecutar simultáneamente en OT 5 tiempo.
costo de retención de inventario, no podemos utilizar el
Esto da lugar a un algoritmo OT 5 +LT 2 para resolver esta
mismo enfoque descrito anteriormente en presencia de
clase de instancias de MLSP-PC.
capacidades de producción. La razón es que en el caso no
privado, la propiedad ZIO se mantiene para funciones 4.4.2. Preprocesamiento. En cuanto a la red subyacente
arbitrarias de costo de arco cóncavo, mientras que este no es (como se describe en el punto 2.1), una unidad producida
el caso en el caso capacitado. Sin embargo, como hemos
en el período t para satisfacer la demanda en el períodot,
demostrado, en el caso de los costos de transporte de carga
fija que no presentan motivos especulativos, también
obtenemos la propiedad ZIO, lo que permite el uso del
algoritmo de Zangwill para determinar las entradas a nuestro
algoritmo.
El problema de determinar t reduce

para encontrar la longitud de la ruta más corta en el trabajo

neto desde la fuente hasta el sumidero, lo que se puede
hacer en tiempo lineal en el número de arcos. Es fácil de
ver
que el número de nodos en la red es OT 3 Y
. Utilizando el mismo enfoque
el número de arcos OT 4 para
Calcular varios valores de la función a la vez
como hemos discutido para la función al final de
3,3, esto produce un OT 7 +LT 4 algoritmo para resolver
la variante multinivel de este problema.
Cuand enla
o L 2, este Corriendo Hora tar Ser Reducido
6 =
a OT . Recuerde que el número de nodos en el
.
Noso
enfoque de programación dinámica anterior es OT 3 tros
.
demostrará que el número de arcos es también OT 3 Para
cada2 t there hay OT nodos del formulario · Y
nodos del
Ot formulario · con s > t. Cada nodo
Form tien
de la a · e Ot sucesores, y Cada
nodo de la forma · con s > t tiene O 1 éxito-
para un total de
Out,2 lo que hace 33 OT · · OT +
El 1 Ot arcos en la red. Esto produce
Ot ·6 =
un OT algoritmo para resolver la variante de dos niveles
de este problema.
Desafortunadamente, en presencia de niveles de inventario
inicial distintos de cero, la propiedad ZIO ya no es
necesariamente dominante. Sin embargo, en estos casos, el
procedimiento más general desarrollado para el caso de
funciones arbitrarias de costes cóncavos, por supuesto, sigue
siendo aplica.
4.4.Costos de transporte lineal
4.4.1. Introducción. En esta sección, vamos a con-sider el
caso donde los costos de transporte y los costos de
retención de inventario son lineales. Desarrollaremos un
enfoque de programación dinámica que encuentre los
costos opti-mal de cada subplan relajado. Después de un
 Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
1718 Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA
kb + para k 0 , esta información adicional puede
en la solución óptima, fluya a lo largo del costo mínimo obtener en OT tiempo OT. Como veremos más adelante,
ruta de 1 a . En una etapa de preprocesamiento, podemos esto no aumenta el tiempo de ejecución de encontrar los
determinar los costos unitarios mínimos de transporte costos de un solo subplan relajado.
asociados con la producción de una unidad en el período t Ahora considere un arco que conecta los dos nodos
para Y (con el primer período de demanda restante con
consumo en periodo, que llamaremos Gt . Todos estos demanda restante) y+1 Y (con la primera inman-
valores se pueden calcular en tiempo OLT 2 solv-ing T ing período de demanda s- con lademanda restante ).
problemas de ruta más cortos en gráficos acíclicos con Cuando Y -Y , los costes unitarios de transporte de la
arcos OT L utilizando recursividad hacia atrás. Usando
estos valores, podemos entonces determinar de nuevo los
costos totales de trans-portación asociados con la
producción, en el período t,
toda la demanda de los períodos consecutivos 1+
2, suponiendo que el transporte esté permitido en
1 todos los
2 3
2, es decir, GDt 1 2
períodos t ≡ d G . En OT
ra +1 r tr
1

tiempo, estos costos se pueden calcular para todos los t

1
y t a 1 +1 a 2o 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 un Subplan Relajado. En esta sección,
formularemos el problema de determinar los costos t 121

2 como una simplificación adicional del problema de

programación dinámica definido en el punto 4.2.1. Todos
los nodos de la red de programación dinámica tienen la
forma Y , donde t indica un período, y Y es igual a la
cantidad de producción acumulada hasta el período t,
tdonde d 1+1 aY y
K

Y∈ Bkb +
k0
0 , mientras que el
El origen es el nodo 1 fregadero es el
nodo 2b + .
Los arcos están presentes entre pares de nodos en el
red de la forma Y y+1 Ycuando Y
Y ∈ 0. Cada arco de la red descrito anteriormente
representa una posible decisión de producción. Dejamos
que los costos de los arcos sean iguales a los costos totales
asociados con el monto de producción. Queda por
demostrar que los costos de transporte y retención de
inventario se pueden calcular en tiempo constante.
Además de la infor-mation recogida en la fase de
preprocesamiento descrita en el punto 4.4.2, también
encontraremos, para cada nodo Y de la red, el primer
período cuya demanda no se satisface plenamente con la
producción acumulada Y (digamos s)así como la parte de
la demanda de ese período
que queda por satisfacer (digamos ). Usando el cumu-
demandas lativas d
1+1 (tt á 1 +1 2) así como el
hecho de que el valor de Y sólo puede ser igual a kb o

cantidad producida en el período t +1 son iguales a Gt+1 .
Cuando los gastos detransporte y retención de inventario
para este arco se encuentran en Y> Y > , los costes de
transporte y retención de inventario para este arco
consisten en hasta tres com-
s. . . . . .
adicionales en la cadena. Por último, sería interesante
considerar estructuras de cadena sup-ply más complejas,
incluidas, por ejemplo, estructuras de ensamblaje de
productos a nivel de productor o múltiples minoristas.
Un apéndice en línea de este documento está disponible
en http://mansci.pubs.informs.org/ecompanion.html.

......
ponents: Gt+1+GDt+1 +G . , y puede
s̄−1 t+1 s̄

por lo tanto, de hecho se calculan en tiempo

constante.
El problema de determinar t 1 2 1 2 reduce
para encontrar la longitud de la ruta más corta en el trabajo
neto desde la fuente hasta el sumidero, lo que se puede
hacer en tiempo lineal en el número de arcos. Es fácil ver
que el número de nodos en la red es OT 2, y el número de
arcos OT 2. Usando el mismo enfoque para calcular
múltiples valores de la función a la vez como en el número
4.3, esto produce un algoritmo OT 5 +LT 2 para resolver
esta variante del MLSP-PC.
Al igual que en el CLSP, los inventarios iniciales se pueden
incortar cuando todas las funciones de coste de retención
de inventario y transporte son lineales. En particular, los
inventarios iniciales se utilizan para satisfacer las primeras
demandas a través de los trayectos más cortos apropiados
de la red, después de lo cual se actualizan las demandas y
se resuelve el problema de permanecimiento sin
inventarios iniciales.

5.Observaciones finales e
investigación futura
En este artículo, hemos considerado una generalización del
ELSP clásico con capaci-lazos de producción estacionaria
que permite múltiples niveles de almacenamiento, así
como las correspondientes decisiones de transporte para la
trans-portabilidad entre los diferentes niveles. Hemos
identificado dos casos especiales importantes de este
problema que son solucionables en tiempo polinómico. Los
tiempos de ejecución de los algoritmos correspondientes
son notablemente insensibles al número de niveles en la
cadena de suministro.
Las cuestiones abiertas para futuras investigaciones en
esta área se pueden dividir en tres direcciones generales.
En primer lugar, las complejas, aunque polinómicas en la
planificación hori-zon, son de orden relativamente alto: OT
5
a OT 7 para los casos de dos niveles. Sería interesante
que el orden del tiempo de ejecución pudiera reducirse, por
ejemplo, investigando si se puede ahorrar más tiempo
determinando los costos de muchos o de todos los
subplanes simultáneamente. Además, aunque el número
de niveles generalmente será relativamente pequeño,
nunca sería menos interesante determinar si el caso
multinivel con funciones generales de costo cóncavo se
puede resolver en tiempo polinómico tanto en el horizonte
temporal como en el número de niveles. Una segunda
dirección es el estudio de las cadenas de suministro en serie
en presencia de capacidades en otros niveles o niveles
Hoesel et al.: Dimensionamiento integrado de lotes en cadenas de suministro en serie con capacidades de producción
Ciencias de la Gestión 51(11), págs. 1706–1719, © 2005 INFORMA
Reconocimientos
El trabajo del segundo y tercer autor fue apoyado por la Fundación
Nacional de Ciencias bajo Grants No. DMI-0085682 y DMI-
0355533, Maastricht Research School of Economics of Technology
and Organizations (METEOR) y la Organización Neerlandesa para
la Investigación Científica (NWO).
Referencias
Aggarwal, A., J. K. Park. 1993. Algoritmos mejorados para problemas
económicos de tamaño de lote. Oper. Res. 41(3) 549–571.
Ahuja, R.K., T. L. Magnanti, J. B. Orlin. 1993. Flujos de red: Teoría,
algoritmos y aplicaciones. Prentice Hall, Englewood Cliffs, NJ.
Arntzen, B. C., G. G. Brown, T.P. Harrison, L. L. Trafton. 1995. Gestión
mundial de la cadena de suministro en Digital Equipment Cor-
poration. Interfaces 25(1) 69–93.
Baker, K. R., P. Dixon, M. J. Magazine, E. A. Silver. 1978. Un algoritmo para el
problema dinámico del tamaño de lote con restricciones de capacidad
pro-ducción variables en el tiempo. Gestión Sci. 24(16) 1710–1720.
Bitran, G.R., H. H. Yanasse. 1982. Complejidad computacional del
problema del tamaño de lote capacitado. Gestión Sci. 28(10) 1174–
1186.
Chandra, P., M.L. Fisher. 1994. Coordinación de la planificación de la
producción y la distribución. Eur. J. Oper. Res. 72 503–517.
2
Chung, C.-S., C.-H. M. Lin. 1988. Un algoritmo OT para el problema
de tamaño de lote capacitado NI/G/NI/ND. capacitated lot
size problem. Gestión Sci. 34(3) 420–426.
Federgruen, A., M. Tzur. 1991. Un algoritmo de avance simple para
resolver modelos generales de tamaño de lote dinámico con n
períodos en On logn o On . Gestión Sci. 37 909–925.
1719
Florian, M., M. Klein. 1971. Planificación de producción determinista con
costos cóncavos y limitaciones de capacidad. Gestión Sci. 18 12–20.
Florian, M., J. K. Lenstra, A. H. G. Rinnooy Kan. 1980. Planificación de
producción determinista: Algoritmos y complejidad. Gestión Sci.
26(7) 669–679.
Geoffrion, A.M., R.F. Powers. 1995. Veinte años de diseño estratégico del
sistema de desafianza: Una perspectiva evolutiva. Interfaces 25(5)
105–127.
Kaminsky, P., D. Simchi-Levi. 2003. Tamaño del lote de producción y
distribución en una cadena de suministro de dos etapas. IIE Trans. 35(11)
1065–1075.
Lee, C. Y., S. éetinkaya, W. Jaruphongsa. 2003. Un modelo dinámico para
el tamaño del lote de inventario y la programación de envíos de salida
en un almacén de terceros. Oper. Res. 51(5) 735–747.
Thomas, D.J., P.M. Griffin. 1996. Envejecimiento coordinado del hombre
de la cadena de suministro. Eur. J. Oper. Res. 94(1) 1–15.
van den Heuvel, W., A.P. M. Wagelmans. 2003. Un algoritmo geométrico
para resolver el problema de tamaño de lote capacitado NI/G/NI/ND
en OT 2 vez. Informe técnico 2003-24, Informe del Instituto
Econométrico, Rotterdam, Países Bajos.
van Hoesel, C.P.M., A.P.M. Wagelmans. 1996. Un algoritmo OT 3 para el
problema económico de tamaño de lotes con capacidades
constantes. Gestión Sci. 42(1) 142–150.
Wagelmans, A., S. van Hoesel, A. Kolen. 1992. Tamaño económico del lote:
Un algoritmo On logn que se ejecuta en tiempo lineal en el
caso Wagner-Whitin. Oper. Res. 40(1) S145–S156.
Wagner, H. M. 1960. Una posdata a los problemas dinámicos de la teoría
de la firma. Logist. Quart. 7 7–12.
Wagner, H.M., T. M. Whitin. 1958. Versión dinámica del modelo de
tamaño de lote eco-nomico. Gestión Sci. 5 89–96.
Zangwill, W. I. 1969. Un modelo de backlogging y un modelo multi-echelon
de un sistema de producción de tamaño de lote económico dinámico:
un enfoque de red. Gestión Sci. 15(9) 506–527.