Problema de la cadena de suministro de gasolina estocástica

"Resumen
En este ejemplo, determinamos la cantidad óptima de gasolina para
transportar entre los diferentes niveles de una cadena de suministro de
gasolina. Nuestro objetivo es minimizar el costo total, que incluye los
costos de transporte y los costos de mantenimiento de inventario en
varios puntos de la cadena de suministro. También queremos minimizar los
desabastecimientos en varios puntos de venta. La complejidad del problema
surge del hecho de que tenemos una producción estocástica a nivel de
refinería y una demanda estocástica a nivel minorista ".

Consideraciones
Consideramos una situación de cadena de suministro de gasolina
simplificada que consiste en 1 refinería, 2 depósitos de suministro (SD)
y 3 puntos de venta (RO). Una instantánea semanal de esta cadena de
suministro es la siguiente: la refinería produce una cantidad variable de
gasolina cada semana, que transporta a SD para el acoplamiento cruzado.
Los SD suministran gasolina a los RO, que se dan cuenta de la demanda
estocástica de los clientes finales. Los tres niveles de la cadena de
suministro (Refinería, SD y RO) enfrentan costos de mantenimiento de
inventario. Además, los RO enfrentan el riesgo de desabastecimientos por
no cumplir con las demandas de los clientes. Debemos determinar la
cantidad de gasolina para transportar entre cada nivel de la cadena de
suministro para minimizar el costo operativo total, que calculamos como
la suma de los costos de transporte y los costos de mantenimiento de
inventario. Por razones comerciales, nos gustaría minimizar los
desabastecimientos en los RO hasta cierto punto.

Usando bola de cristal

Crystal Ball mejora un modelo de Excel al permitirnos crear
distribuciones de probabilidad que describen la incertidumbre que rodea a
las variables de entrada específicas. Este modelo incluye cuatro
distribuciones de probabilidad, referidas en Crystal Ball como
"supuestos". Estos supuestos describen la incertidumbre que rodea la
producción de gasolina en la refinería y la demanda satisfecha en cada
uno de los puntos de venta. Cada celda de suposición es de color verde.
Para ver los detalles de una suposición, resalte la celda y seleccione
Definir suposición en el menú Definir o haga clic en el botón Definir
suposición en la barra de herramientas de Crystal Ball.

Este modelo también incluye dos pronósticos de Crystal Ball, que se

muestran en azul claro. Los pronósticos son ecuaciones, o resultados, que
queremos analizar después de una simulación. Durante una simulación,
Crystal Ball guarda los valores en las celdas de pronóstico y los muestra
en un gráfico de pronóstico, que es un histograma de los valores
simulados. En este ejemplo, queremos analizar el costo total de operación
en la cadena de suministro y el peor escenario de desabastecimiento. Para
ver un pronóstico con Crystal Ball, resalte la celda y seleccione Definir
pronóstico en el menú Definir o haga clic en el botón Definir pronóstico
en la barra de herramientas
Cuando ejecutamos una simulación, Crystal Ball genera un número aleatorio
para cada suposición (en función de cómo se ha definido la suposición) y
coloca ese nuevo valor en la celda. Excel luego recalcula el modelo.
Podemos probar esto seleccionando Single Step en el menú Ejecutar o
haciendo clic en el botón Single Step en la barra de herramientas.

Usando OptQuest
Ahora que hemos ejecutado al menos una simulación, podemos comenzar a
abordar la optimización usando OptQuest. Hasta ahora, hemos realizado
simulaciones con los suministros (de SP a SD y de SD a RO) fijados en lo
que pensamos que era razonable. Si queremos cambiar las cantidades de
suministro, podemos cambiarlas y ejecutar una nueva simulación. Esto, sin
embargo, rápidamente se vuelve tedioso, y no podemos examinar todos los
escenarios factibles y descubrir las mejores cantidades de suministro que
minimizarán el costo total y los desabastecimientos. Con OptQuest,
podemos ejecutar cientos de estrategias en mucho menos tiempo. En este
modelo, usaremos OptQuest para determinar cuánto suministrar en cada una
de las SD y RO para minimizar el costo total esperado mientras se
mantienen las existencias en RO a un nivel aceptable.

OptQuest requiere variables de decisión, que son variables modelo sobre

las cuales tenemos control. En este modelo, primero tendremos que definir
estas variables de decisión, que son las ocho cantidades de oferta. Para
definir una variable de decisión, seleccione Definir decisión en el menú
Definir o haga clic en el botón Definir decisión en la barra de
herramientas de Crystal Ball. Establece el tipo de variable en continuo.
Una vez definido, cada variable de decisión es de color amarillo.

Inicie OptQuest desde el menú Ejecutar. Use el Asistente de OptQuest para

configurar la optimización. El problema tiene una restricción para cada
SD (como se mencionó en la discusión anterior), un requisito y un
objetivo: minimizar la media del pronóstico de Costos totales. Como
también nos preocupa controlar el desabastecimiento en los RO,
estableceremos un requisito en la ventana Definir objetivo. Requeriremos
que el 95% de las veces la cantidad de desabastecimiento máximo (máximo
de desabastecimientos en cada uno de los RO) sea menor que 0, por lo que
tendremos que establecer el percentil 95 para "Desagüe en el peor de los
casos" menor que 0.

A continuación, ejecutaremos la optimización. Para cada optimización,

OptQuest selecciona un nuevo valor dentro del rango definido de las
variables de decisión y ejecuta una simulación de Crystal Ball (por
ejemplo, 2,000 pruebas). Luego, OptQuest guarda el valor del costo total
medio y verifica si el pronóstico resultante cumple con el requisito de
riesgo. Si se cumple el requisito, el resultado es "factible" y se
considera bueno. OptQuest ignora resultados inviables. OptQuest luego
ejecuta otra simulación en un nuevo conjunto de variables de decisión.
OptQuest repite este proceso, buscando constantemente el costo total
medio más alto posible hasta que funcione con todas las soluciones
posibles o llegue al final del tiempo de ejecución establecido.

A medida que se ejecuta OptQuest, utiliza múltiples métodos y técnicas

metaheurísticas para analizar resultados pasados y mejorar la calidad y
la velocidad de su proceso. Puede ver el progreso de OptQuest a través de
la tabla de rendimiento que muestra una línea cada vez más plana a medida
que converge en un resultado óptimo.

¿Cuál es la mejor estrategia de suministro que resulta en el costo total

medio más bajo? Una vez que OptQuest haya finalizado, puede volver a
copiar los resultados óptimos en la hoja de cálculo. Nuestra hoja de
cálculo ahora muestra la solución óptima, y Crystal Ball muestra el
gráfico de pronóstico para la simulación desde la mejor optimización.

"Entonces, los pasos para realizar la optimización serían:

1. Primero, ingrese lo que cree que es una suposición razonable para las
variables de decisión en las celdas amarillas.
2. Ejecute una simulación Monte Carlo usando Ejecutar> Iniciar
simulación. Anote los valores de la media de los costos totales y la
probabilidad de desabastecimientos.
3. Ejecute OptQuest. Ingrese la restricción implícita para cada una de
las SD. Ejecute una optimización para al menos 1,000 simulaciones con
1000 pruebas por simulación.
4. Compare los resultados del pronóstico de la Mejor Solución encontrada
por OptQuest con los resultados del pronóstico original ".