Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
Todas las situaciones descritas anteriormente pueden ser representadas por un modelo
genérico que consiste en un fabricante, varios intermedios de producción o distribución.
niveles, y un nivel donde la demanda del producto final tiene lugar, a lo que nos
referiremos en este documento como el nivel minorista (aunque esto no
necesariamente representa el nivel en el que el consumo de demanda real tiene lugar).
De hecho, en tal modelo, las etapas intermedias de producción y transporte son
indistinguibles entre sí, de modo que en el resto de este artículo simplemente nos
referiremos a todos las etapas como etapas de transporte entre almacenes.
El modelo de cadena de suministro en serie esbozado arriba puede ser visto como una
generalización de un problema fundamental, que de hecho es uno de los más
estudiados
problemas en la planificación de la producción y el inventario, Problema económico de
dimensionamiento de lotes (ELSP). La variante básica de este problema considera una
instalación de producción que produce y almacena un solo producto para satisfacer
demandas sobre un horizonte de planificación finito. El problema es entonces
determinar las cantidades de producción para cada período tal que todas las demandas
se satisfagan a tiempo en costos mínimos de producción total y mantenimiento de
inventario. Las funciones de costo no disminuyen en la cantidad producidos o
almacenados, y generalmente se supone que son funciones lineales, de carga fija o
cóncavas generales.
costos de transporte sin motivos especulativos, lo que significa que con respecto a los
costos variables, mantener el inventario es menos costoso en niveles más altos que en
niveles más bajos en la cadena de suministro. Nuestros métodos de solución se basan
en un marco de programación dinámico que utiliza un principio de descomposición que
generaliza la propiedad clásica de pedido de inventario cero (ZIO) de soluciones a
problemas de tamaño de lotes no capacitados como descrito en Zangwill (1969) para el
caso multinivel, y, por ejemplo, en Wagner y Whitin (1958) para el caso de un solo
nivel. En particular, en nuestros dos niveles modelo trabajamos con el nuevo concepto
de un subplan, y mostrar que las soluciones extremas se descomponen en un número
de subplanos consecutivos. Nuestros algoritmos paraeste modelo se ejecuta en tiempo
polinomial en la planificación horizonte del problema. La generalización directa deeste
enfoque del caso multinivel conduce a una gran tiempo de ejecución. Logramos
ahorros sustanciales introduciendo el concepto de un subplan relajado. En En contraste
con los enfoques existentes en la literatura, nuestro programa dinámico no
necesariamente representa todos (o incluso solo) soluciones de puntos extremos para
el MLSP PC. Además, mientras que los caminos en el programa dinámico
corresponden todos a soluciones factibles de la problema, los costos de un camino
pueden sobrestimar el
Costos de la correspondiente solución al problema. No obstante, podemos demostrar
(basándonos en la concavidad de las funciones de coste) que nuestro programa
dinámico resuelve el MLSP-PC de forma óptima. La resultante El algoritmo para el caso
de funciones de costos cóncavas generales es exponencial en el número de niveles en
la cadena de suministro. Sin embargo, es notablemente insensible a la número de
niveles para las dos estructuras de costes específicas mencionado anteriormente. Este
artículo está organizado de la siguiente forma: En §2, nosotros introducir el MLSP con
costos de producción y funciones de costos de mantenimiento de inventario, transporte
y producción cóncava general no decreciente. Caracterizamos los puntos extremos de
la región factible del problema, y probar un resultado de descomposición que formará la
base de nuestros algoritmos. En 3, Estudiamos el problema de dos niveles y
proporcionamos un marco de programación dinámica general basado en el resultado
de descomposición derivado anteriormente, que produce un algoritmo de tiempo
polinomial en el horizonte de planificación para costos cóncavos generales. En §4, este
algoritmo es luego se generaliza al problema de tamaño de lote multinivel y se muestra
que todavía es polinomial en el horizonte de planificación, y se dan mejores tiempos de
ejecución para dos variantes del modelo. El artículo termina en §5 con algunas
observaciones finales y cuestiones para más investigación. 2. Formulación y análisis de
modelos
2.1. El modelo
Como se describe en la introducción, estudiaremos un
Problema de dimensionamiento de lotes multinivel con una estructura en serie. En cada
período, la producción puede tener lugar en el fabricante. Los artículos que se
producen pueden almacenarse en el nivel de fabricante o transportado al primer nivel
de almacén. En cada uno de los niveles del almacén, los productos se almacenan
nuevamente o se transportan al almacén en el siguiente nivel. A partir del nivel final del
almacén, los productos son entonces (posiblemente después de haber sido
almacenados para algún período) transportado al minorista. Consideramos un
horizonte de planificación de T periodos. En cada período t, el minorista enfrenta una
demanda no negativa dada por dt, mientras que la capacidad de producción del
fabricante en el período t es igual a bt. Nosotros lo consideraremos un total de niveles
L, que incluye al fabricante, el minorista, y L - 2 almacenes intermedios. Nosotros decir
que el fabricante está en el primer nivel de la cadena, y el minorista está en el nivel Lth.
Cada uno de los niveles intermedios corresponden a un almacén. Sea + el conjunto de
números reales no negativos. Para cada período t = 1 T, los costos de producción son
dado por la función pt + → +, los costos de transporte desde el nivel a nivel + 1 están
dados por el función c
t+→+(
= 1 L). A lo largo del periódico,
asumirá que todas las funciones de costo son cóncavas, no decrecientes e iguales a
cero cuando su argumento es
cero.
The MLSP-PC can be formulated as follows: minimize T t=1 pt yt+ L −1 =1 c t x t+L =1
h t I t P subject to x1 t +I 1 t =yt +I 1 t−1t=1T (1) x t +I t =x −1 t +I t−1t=1T =2L−1 (2) dt
+I L t =xL−1 t +I L t−1t=1T (3) yt ≤btt=1T (4) I 0 =0=1L (5) yt ≥0t=1T x t ≥0t=1T =1L−1I t
≥0t=1T =1L
donde yt denota la cantidad producida en el período t,
X
t
I
t=h
yo
t para t = 1 T;
= 1 L, con h
t ≥0 para
todo t y
. Por tanto, consideraremos esta clase de
problemas en §§4.3 y 4.4. En §4.3, asumiremos además que los costos de transporte
tienen una estructura de cargos fija sin motivos especulativos. Más
formalmente, c
t
x=f
t 1 x> 0 + g
t x, donde 1 x> 0 es una función indicadora que toma el valor 1 si x> 0, y 0 en caso
contrario. El supuesto de que no hay especulaciones
motivos, que se asumen comúnmente para los costos de producción y mantenimiento
de inventarios en los modelos económicos tradicionales de dimensionamiento de lotes,
significa en este contexto que,
con respecto a inventario variable y transporte
solo cuesta, es atractivo transportarlo lo más tarde posible. Más formalmente, g
t+h
+1
t ≥h
t+g
t + 1 para t = 1 T -
1;
= 1 L − 1.
Tenga en cuenta que si las funciones de costo de transporte son
ambos lineales y no exhiben motivos especulativos, es
siempre óptimo para almacenar la producción en el fabricante y transportar solo cuando
la demanda debe ser
satisfecho. Por tanto, sin pérdida de la optimalidad, podemos
asumir que yo
t = 0 para todo t = 1 T y
= 2 L.
Del mismo modo, si los costos de transporte son lineales y
gramo
t+h
+1
t ≤h
t+g
t + 1 para t = 1 T −1;
= 1 L − 1, es
es más barato de transportar tan pronto como producimos y
almacenar la producción a nivel minorista. Entonces, sin pérdida de optimalidad,
podemos suponer que yo
t=0
para todo t = 1 T y
= 1 L − 1. Estos dos casos especiales del MLSP-PC, por lo tanto, producen un estándar
CLSP.
Finalmente, una variante de los dos niveles no capacitados
MLSP-PC se puede reducir fácilmente a un
ELSP. Cuando los costos de producción, así como los costos de mantenimiento del
inventario 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 arroja la producción unitaria total mínima
y costos de inventario a nivel de fabricante para el transporte
en el período t. Redefiniendo la función de costo de transporte en consecuencia, que se
puede hacer en O
Tiempo LT,
nos permite eliminar las variables de producción como
así como las variables de inventario en el fabricante,
produciendo un ELSP estándar sin capacidad. La resultante
El problema se puede resolver en O
T 2 para los costos generales de transporte de la cueva (ver Wagner 1960), y en
O
T logT tiempo para costos de transporte de carga fija
(ver 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 objetivo cóncava, y su
La región factible está definida por restricciones lineales. Esta
implica que existe un punto extremo óptimo
solución a (P). Considere el flujo en la red correspondiente a cualquier solución factible
de punto extremo. Como
es común en los problemas de flujo de la red, lo llamaremos
arcos que llevan una cantidad de flujo que es estrictamente
positivo y estrictamente menor que su capacidad de arcos libres. Eso
Es bien sabido (ver, por ejemplo, Ahuja et al. 1993) que el
La subred que contiene solo los arcos libres no contiene
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 llevar flujo mientras no están
libre. Eliminando todos los arcos de producción, la red que contiene todos los arcos
libres restantes se descompone en una
número de componentes conectados. Limitarnos a nosotros mismos
por ahora a los componentes conectados que sí
llevar flujo, identificamos el primer y último nodo en
el componente en cada nivel. Para un componente dado,
estos nodos se pueden denotar por
1+1y
2
por
= 1 L, donde
1≤
+1 1 <
2≤
+1 2 para
= 1 L − 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
aislado y no incluido en ningún componente que lleve
fluir. Asignamos cada uno de ellos al componente que
es adyacente a la izquierda de ellos. La cesión del
Los nodos aislados se ilustra en la Figura 2. Después de eliminar los arcos de
producción, obtenemos dos componentes. El primero está definido por los nodos.
11y
1 4 en el nivel 1,
21y
2 4 en el nivel 2, y
31
y
3 6 en el Nivel 3, y el segundo por nodos
15y
1 8 en el nivel 1,
26y
2 8 en el nivel 2,
y
37y
3 8 en el nivel 3. Podemos observar que
nodo
2 3 es parte del primer componente, aunque
ningún flujo pasa a través de este nodo. Como se mencionó
arriba, el nodo aislado
2 5 está asignado a la izquierda
componente.
Resumiendo, podemos descomponer un punto extremo
solución de (P) en componentes, cada uno de los cuales contiene un conjunto de
nodos
1+1
2
= 1 L)
satisfactorio (8). Llamaremos a los componentes así
1
2
L
= 1. A menudo
Ser conveniente referirse a la producción y demanda.
períodos en un subplan por separado, y luego
a menudo usa la notación
t1 t2 1 2 ≡
11 12 L1 L2.
Por construcción, no se lleva inventario entre subplanos, por lo que el único flujo que
ingresa a un subplan proviene de
arcos de producción asociados con el fabricante
nodos en el subplan. La cantidad total producida en
todos los períodos de producción en el subplan, es decir, el total
producción en los períodos t1 + 1 t2, se utiliza para suministrar
la demanda de todos los nodos minoristas del subplan, es decir,
la demanda total en los períodos 1 + 1 2. Llamaremos
dos subplanos
1
2
L
=1y
1
2
L
= 1 consecutivo si
1=
2 para
= 1 L. Podemos resumir el
estructura de soluciones de puntos extremos como sigue.
Proposición 2.1. Cualquier solución factible de punto extremo
se puede descomponer en una secuencia de subplanos consecutivos.
La solución extrema dada en la Figura 2 se descompone
en dos subplanos, a saber,
04
05
06y
48
58
6 8.
Tenga en cuenta que el primer subplan obtenido al descomponer una solución puntual
extrema como se describe arriba tiene
1 = 0 para
= 1 L. Sin embargo, en el resto de
este papel será conveniente incluir también subplanes
1
2
L
04
05
0 6 los arcos de producción y1 e y2
no pueden ambos ser libres; lo mismo vale para la producción
arcos y5 e y6 en el subplan
48
58
6 8.
2.4.3. Cantidades de transporte en un subplan.
La ausencia de ciclos formados por arcos libres solo en
También se puede utilizar una solución de punto extremo para identificar las
propiedades estructurales de las cantidades de transporte. Considere un período,
digamos t, en el que el transporte
tiene lugar entre niveles
y
+1, es decir, el flujo
en el arco entre nodos
ty
+1 t es x
t> 0.
Entonces pueden ocurrir dos situaciones con respecto al total
fluir hacia los nodos
+1
+1 1 + 1
+1 t, es decir, el
envíos acumulados entre niveles
y
+1 hasta
e incluyendo el período t dentro del subplan:
• Es igual a la producción acumulada en los períodos t1 + 1 s para algunos s∈ t1 + 1 t;
• Satisface la demanda de periodos 1 + 1 s para
algunos s∈ 1 + 1 2.
Si no es así, considere el último período de producción en el que
algo de la cantidad transportada x
t fue producido,
dice
. Entonces habrá un período cuya demanda es
satisfecho parcialmente de la cantidad x
ty parcialmente
de la producción en el período s que permanece en el inventario
a nivel
al final del período t, creando un ciclo que contiene solo arcos libres. Este resultado se
puede resumir
como sigue.
04
05
0 6,
• x1
1 es igual a la producción (acumulada) en
Período 1, mientras que x1
1 + x1
2 + x1
3 + x1
4 es igual a la
producción acumulada en los Períodos 1 4 y satisface
la demanda de los Períodos 16;
• x2
1 satisface la demanda del período 1; x2
1 + x2
2 es
igual a la producción (acumulada) en el Período 1; y
x2
1 + x2
2 + x2
3 + x2
4 es igual a la producción acumulada en los períodos 14 y satisface la demanda de
Periodos 1 6.
t1 t2 1 2 y el subproblema restante F
t2 2
para algunos t2 y 2. Esto da lugar a lo siguiente
recursividad hacia atrás:
F
t1 1 = min
t2 2 2 ≥ t2> 1
t1 t2 1 2 + F
t2 2
para 0≤t1 ≤ 1 <T
F
t1 T = 0 para 0≤t1 ≤T
Tenga en cuenta que en la Fase 1 necesitamos calcular O
T4
valores. La fase 2 es, de hecho, un problema de camino más corto
en una red con nodos que representan todos los pares de períodos
2
s = 1 + 1 d 1 + 1 s). Es fácil ver que hay O
T
arcos que emanan de cada nodo de la red, de modo que
toda la red tiene O
T 4 arcos.
A partir de la información contenida en los nodos que definen un arco, podemos
calcular fácilmente la producción
cantidad en el período t + 1 (Y
−Y), el transporte
cantidad en el período t + 1 (X −X), el inventario mantenido
a nivel de fabricante al final del período t + 1
(Y
−X), y el inventario mantenido a nivel de minorista en
el final del período t + 1 (X −d 1 + 1 t + 1). Los costos de un
por tanto, el arco está dado por
pt + 1
Y
−Y + c1
t+1
X −X
+ h1
t+1
Y
−X + h2
t+1
X −d 1 + 1 t + 1
Si todas las funciones de costo se pueden evaluar en tiempo constante,
los costos de un arco dado se pueden calcular en tiempo constante siempre que
determinemos todos los
exige tdt (en O
T 2) en un paso de preprocesamiento.
Cualquier ruta en la red desde la fuente
t1 0 0 hasta
el fregadero
t2 d 1 + 1 2
d1+12
representa un flujo factible
en el subplan
t1 t2 1 2 con un solo arco de producción libre. Además, es fácil ver que lo contrario
también es cierto. Por lo tanto, los costos del subplan están dados por
la ruta de costo mínimo en esta red desde la fuente
nodo al nodo receptor. El tiempo necesario para encontrar
esta ruta de costo mínimo es proporcional al número
de arcos en la red, de modo que el costo de un solo
El subplan se puede determinar en O
T 4 tiempo.
Porque hay O
Subplanes T 4, un sencillo
aplicación del algoritmo de programación dinámica
definido anteriormente para cada subplan individual produciría
un algoritmo con tiempo de ejecución O
T 8 para calcular los costos de todos los subplanos. Sin embargo, la carrera
El tiempo puede reducirse observando que los costos de
muchos subplanos están relacionados. En particular, observe que
la red de programación dinámica correspondiente a
cualquier subplan del formulario
t1 t2 1 2 es en realidad un
subred de la red de programación dinámica
para el subplan
0 t2 1 2. Por lo tanto, el uso de la recursividad hacia atrás para resolver el camino más
corto entre
nodos
000y
t2 d 1 + 1 2
d1+12
en el ultimo
red produce, como subproducto, los caminos más cortos
entre nodos
t00y
t2 d 1 + 1 t2
d 1 + 1 t2
para cada
t = 1 1. De ello se deduce que sólo tenemos que considerar la O
T 3 subplanos de la forma
0 t2 1 2, el
costos de los cuales se pueden determinar en O
T 7 tiempo.
3.4. Manejo de inventarios iniciales
Si los inventarios iniciales en el fabricante y / o
niveles de minorista, I 1
0 y yo 2
0, son estrictamente positivos, hay
es un ligero cambio en la construcción de subplanes.
Recuerde que construimos subplanos correspondientes a un
dada la solución del punto extremo considerando todos los arcos
(excepto los arcos de producción) que llevan flujo positivo. los
Los subplanos se forman luego por el resultado conectado
componentes junto con algunos nodos aislados. Cuando
hay inventarios iniciales, sin embargo, puede haber
uno o más componentes que llevan flujo pero no
no contener un período de producción. En estos componentes, la demanda se satisface
utilizando inventarios iniciales.
solo en los niveles de almacén y minorista, y pueden
ser asignado al componente que contiene el Período de producción 1 (es decir, el
componente que contiene el nodo
Yo 1
0+I2
0 + kb I 1
0+I2
0 + kb +!
y
X∈
K
k=0
Yo 1
0+I2
0 + kb I 1
0+I2
0 + kb +!
∪
2
s=1+1
d1s
Finalmente, tenga en cuenta que para los subplanos con t1> 0, deberíamos
no tienen entrada de inventario positiva. Por lo tanto, en caso de
hay niveles de inventario inicial distintos de cero, en realidad
Necesito calcular los costos de todos los subplanos.
0 t2 0 2
teniendo en cuenta los niveles iniciales de inventario,
así como los costos de todos los subplanos
0 t2 1 2 para 1> 0
sin tener en cuenta el nivel de inventario inicial
en el fabricante. Esto claramente no influye en la
tiempo de ejecución total del algoritmo.
4. El caso multinivel
4.1. Introducción
Podemos extender el enfoque de programación dinámica
desarrollado en §3.1 para el caso de dos niveles al caso de niveles múltiples, donde
nuevamente una red de programación dinámica de Fase 2 representa todas las
soluciones de puntos extremos
al MLSP-PC. Con este fin, debemos definir
F
1
L
= 1 para ser el costo mínimo asociado con la satisfacción de las demandas del
minorista en los períodos L1 + 1 T
utilizando producción en periodos 11 + 1 T, y almacén
en periodos
+1 1 + 1 T por cada
=
1 L − 2. Entonces estaríamos interesados en computar
F
0
L
pt
y=
100 · 1 y> 0 + y si t = 2
1 · 1 y> 0 + y en caso contrario
y
c1
t
x=
50 · 1 x> 0 + x si t = 2
1 · 1 x> 0 + x en caso contrario
Finalmente, deje que todas las funciones de costo de mantenimiento de inventario sean
igual a cero. Los flujos óptimos en
1424y
%
1 4 2 4 se dan en la Figura 3. Al calcular
los costos
1 4 2 4, solo se permite el transporte
en periodos en los que ambas producciones pueden tener lugar
y la demanda se satisface (es decir, en los períodos 3 y 4 en
ejemplo), mientras que en la versión relajada del mismo
El transporte de subplan está permitido en cualquier período.
donde la producción puede tener lugar o la demanda
está satisfecho (es decir, en los períodos 2, 3 y 4 en el ejemplo). Por tanto, los costes%
1 4 2 4 son inferiores a
Figura 3 Los flujos óptimos en 1 4 2 4 y 1 4 2 4
2
0
2
2
0
2
2 (1, 2) (1, 3) (1, 4)
(2, 2) (2, 3) (2, 4) (2, 2) (2, 3) (2, 4)
(1, 2) (1, 3) (1, 4)
1
2
L
= 1, tenemos
ese
1
2
L
= 1 ≥%
11 12 L1 L2.
Prueba. Este resultado sigue inmediatamente al señalar
Esos dos
1
2
L
= 1 y%
11 12, L1 L2 son los
valor óptimo de un problema de optimización con funciones de costo idénticas, pero
donde la región factible de
el primero es un subconjunto de la región factible del
último.
El siguiente teorema muestra que existe un óptimo
solución al problema de tamaño de lote que se representa
por un camino en la red de programación dinámica de la Fase 2 cuya longitud es igual
a los costos óptimos.
Teorema 4.3. La red de programación dinámica de la Fase 2 contiene una ruta que
corresponde a una solución 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
al problema del tamaño del lote, digamos con costo & ∗. Como se discutió en §2.4, esta
solución óptima se descompone en
una secuencia de subplanos consecutivos. Es fácil de ver
que la red de programación dinámica de la Fase 2 contiene un camino para el cual la
producción y la demanda
los periodos de cada uno de los arcos corresponden a esta secuencia
de subplanes. El lema 4.2 ahora dice que la longitud de
el camino en la red de programación dinámica, digamos
', no excederá & ∗. Sin embargo, según el teorema 4.1
saber que 'es una sobreestimación de los costos de una solución factible
correspondiente. Optimidad de & ∗ ahora
implica que, de hecho, '= & which, lo que demuestra la deseada
resultado.
Los teoremas 4.1 y 4.3 implican claramente que nuestro algoritmo de dos fases
resuelve el MLSP-PC. Ahora podemos
concluir que la Fase 2 del algoritmo se ejecuta en O
T4
tiempo, dados todos los valores%
t1 t2 1 2. El restante
El desafío es, por lo tanto, proporcionar algoritmos eficientes para
calcular estos valores.
4.2. Costos cóncavos
4.2.1. Los costos de los subplanos relajados. En esto
sección, formularemos el problema de determinar los costos%
t1 t2 1 2 como un problema de programación dinámica. Dicho de otra manera,
definimos, para cada
=1L−1
de modo que el número de valores permitidos para X
Yo asi
T
también. Esto significa que el número total de nodos en
la red es O
T L + 1.
Los arcos en la red representan decisiones de producción, transporte e inventario, y
están presentes
entre pares de nodos en la red de la forma
t Y X1 XL − 1 y
t + 1 Y X 1, X L − 1, donde
Y
−Y ∈ 0! By X
≥X
(
= 1 L − 1). Es fácil
para ver que hay O
T L − 1 arcos que emanan de cada
nodo, para un total de O
T 2L arcos en la red.
De manera similar a §3.3, podemos calcular fácilmente la cantidad de producción en el
período t + 1 (Y
−Y), la cantidad de transporte entre niveles
y
+1 en el período t + 1
(X
−X
=1
C
t+1
X
−X
+ h1
t+1
Y
−X
+
L
−1
=2
h
t+1
X
−1 − X
+ hL
t+1
XL−1−d1+1t+1
Si todas las funciones de costo se pueden evaluar en tiempo constante,
los costos de un arco dado se pueden calcular en O
L tiempo
de la misma manera que en el 2LSP-PC después de un paso de preprocesamiento
tomando O
Tiempo T 2. Concluimos que el
El costo de un solo subplan relajado se puede determinar en
O
Tiempo LT 2L.
Finalmente, observando que hay O
T 4 subplanes relajados y aplicando la misma técnica para reducir el tiempo de
ejecución que se utilizó al final del §3.3,
obtenemos un algoritmo para el MLSP-PC con costos de producción, transporte e
inventarios cóncavos arbitrarios y capacidades estacionarias que se ejecutan
en O
LT 2L + 3 veces. 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
normalmente será relativamente pequeño.
Este enfoque se puede ampliar fácilmente para tratar
con inventarios iniciales. Recuerde de §3.4 que solo
Se deben considerar los subplanos relajados con t1 = 0.
Para un subplan tan relajado, deberíamos ver el total
inventarios iniciales
L
= 1 yo
= s + 1 yo
tx
−1 t + 1 = 0 para t = 1 T -
1;
= 2 L, son dominantes. Es decir, dada cualquier solución factible al subplan relajado
t1 t2 1 2, hay
siempre existe otra solución que es al menos tan buena
y satisface la propiedad ZIO en todos los niveles en 2 L.
Teorema 4.4. Dado un subplan relajado
t1 t2 1 2,
el conjunto de soluciones con la propiedad ZIO en todos los niveles en
2 L es dominante.
Prueba. Dejar
y ¯ x ¯ ¯I ser una solución factible a la
subplan relajado
t1 t2 1 2 que no satisface
la propiedad ZIO en algún nivel. Dejar
¯ ser el último
nivel, tal que la propiedad ZIO se mantiene para todos
∈
¯+
1 L, pero no es cierto para el nivel
¯. Podemos construir un
nueva solución al menos tan buena como
y ¯ x ¯ ¯I, tal que el
La propiedad ZIO es válida para todos
∈
L ¯. Si
¯ = 2, entonces
hemos obtenido el resultado deseado. De lo contrario, nosotros
Repita el procedimiento con la nueva solución. Observar
que este procedimiento converge porque el nuevo
posee
disminuido en al menos una unidad.
Dejar
t∈ t1 + 1 2−1 sea un período de modo que ¯I
¯
¯
t x¯
¯−1¯
t + 1> 0. El inventario positivo ¯I
¯
¯
t ha sido transportado a nivel
¯ en algún período anterior. Sin embargo, debido
ante la ausencia de motivos especulativos, podemos reprogramar el transporte del ¯I
¯
¯
t unidades al período ¯
t+1
sin incrementar los costos. Repitiendo este argumento
para cada período ¯
t violar la propiedad ZIO en el nivel
¯,
obtenemos una solución donde la propiedad ZIO es verdadera
para cada nivel
∈
L
Podemos recordar que%
t1 t2 1 2 es igual a la
costos mínimos entre las soluciones del sub plan relajado
t1 t2 1 2 con como máximo una producción libre
arco. El siguiente corolario del teorema 4.4 establece
que para encontrar este mínimo restringido podemos
restringir nuevamente nuestra búsqueda a soluciones que satisfagan las
Propiedad ZIO en el minorista.
Corolario 4.5. El costo asociado con el relajado
subplan
t1 t2 1 2 se puede encontrar entre todas las soluciones factibles que satisfacen la
propiedad ZIO en todos los niveles de 2 L.
Prueba. Esto se sigue inmediatamente de la prueba de
Teorema 4.4 al observar que la modificación del
solución para obtener una solución que satisfaga la propiedad ZIO no altera los flujos
de producción.
Este corolario implica que al buscar%
t1
t2 1 2, podemos asumir 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 §4.2.1.
4.3.3. Los costos de un subplan relajado. En esto
sección, formularemos el problema de determinar los costos%
t1 t2 1 2 como simplificación de la
Problema de programación dinámica definido en §4.2.1. Todos
los nodos en la red de programación dinámica son de
la forma
t Y s, donde t indica un período, Y es
igual a la cantidad de producción acumulada hasta
e incluyendo el período t, y s representa el último
período cuya demanda se satisface utilizando el transporte desde el Nivel 1 al Nivel 2
hasta e incluyendo
período t, donde d 1 + 1 s ≤Y y t ≤s. Podemos observar
que del teorema 4.4, tenemos que X1 = d 1 + 1 s en el
programa dinámico de §4.2.1. La fuente es el nodo