1.

Introducción

En este artículo, consideramos un problema en el que las decisiones de producción,

inventario y transporte en un la cadena de suministro básica está integrada. Modelos
tradicionales
Por lo general, considere solo uno o dos de estos aspectos en aislamiento de los
demás. Existe evidencia ustancial (ver, por ejemplo, Arntzen et al. 1995, Chandra y
Fisher 1994, Geoffrion y Powers 1995 y Thomas y Griffin 1996, así como sus ferencias)
que muestra que la integración de estas decisiones puede llevar a aumentos
sustanciales de la ficiencia y la eficacia.

Integrar diferentes decisiones en la cadena de suministro es particularmente importante

cuando los recursos son limitados y cuando los costos no son lineales, por ejemplo,
exhiben economías de escala. Consideraremos una cadena de suministro en serie para
la producción y distribución de un producto. Tal cadena de suministro ocurrirá, por
ejemplo, cuando el valor es agregado a un producto en una secuencia de instalaciones
de producción, y los bienes intermedios necesitan ser transportados entre estas
instalaciones. Kaminsky y Simchi-Levi (2003) describen un ejemplo de tal cadena a
medida que surge en la industria farmacéutica.

Otro ejemplo es la industria de la logística de terceros. En este caso, un centro de

distribución aguas abajo que satisfaga demandas en una determinada zona geográfica
puede emplear los servicios de un almacén de terceros antes de que los productos se
transporten al centro de distribución real para su distribución a sus minoristas. Una
serie
El modelo de la cadena de suministro se puede utilizar para representar parte de una
cadena de suministro que es relevante para el centro de distribución (ver Lee et al.
2003). Un ejemplo final es una situación en la que la producción tiene lugar en un
fabricante. Los artículos que se producen son entonces almacenados al nivel del
fabricante o transportados 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. Desde el nivel final de la bodega, los productos son entonces
(posiblemente después de haber sido estado almacenado durante algunos períodos)
transportado a un minorista (posiblemente permitiendo entregas anticipadas, es decir,
inventarios a nivel minorista). Tal estructura puede surgir si un minorista realmente
representa un mercado completo, y la cadena de suministro desde el fabricante hasta
este mercado es muy largo. Esto podría hacer que sea ventajoso, en varias etapas,
emplean economías de escala transportando grandes cantidades a largas distancias
para intermediar las instalaciones de almacenamiento antes de ser distribuidas en el
mercado real.

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.

La instalación de producción puede o no enfrentar una capacidad restricción 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 inventarios en diferentes niveles de la cadena. Además de la
producción y costos de mantenimiento de inventario, entonces claramente también
necesitamos para incorporar los costos de transporte, lo que agrega el problema de la
sincronización del transporte al problema de la sincronización de la producción. El
objetivo será para minimizar el costo de todo el sistema mientras satisface todos los
demanda. Incluso si el fabricante y el minorista de hecho, distintos participantes en la
cadena de suministro, cada uno de los cuales enfrenta una parte de los costos de la
cadena de suministro, El problema será relevante. En este caso, los participantes
Claramente todavía es necesario decidir cómo distribuir los costos totales mínimos, que
es un problema de coordinación que está fuera del alcance de este documento.
Alternativamente, sin embargo, podemos interpretar los costos de tenencia en el
minorista nivel como penalización o descuento en la compra precio de un artículo, que
es dado por el fabricante al minorista si los artículos se entregan antes de tiempo. En
este caso, los costos minimizados por nuestro modelo de optimización son todos
incurridos por el fabricante. Como en los problemas de dimensionamiento de lotes
estándar, se supone que todas las funciones de costo ser no decreciente en la cantidad
producida, almacenada o Enviado. Además, asumiremos que todos los costos las
funciones son cóncavas.

En general, todos los niveles de una cadena de suministro en serie,

independientemente de si corresponden a producción o decisiones de transporte,
pueden enfrentar capacidades. En esto papel, nos concentraremos en las cadenas de
suministro en serie
con capacidades en el nivel de producción (es decir, primer) solamente, como primer
paso hacia el estudio de aspectos más generales cadenas de suministro capacitadas.
Añadiendo capacidades en otros (es decir, transporte) parece ser significativamente
cambiar la estructura del problema y, por lo tanto, la análisis del problema. Por lo tanto,
estos problemas quedan fuera del alcance de este documento, pero siguen siendo un
tema de discusión.
la investigación en curso. Tenga en cuenta que bajo ciertas estructuras de costo puede
ser posible eliminar los niveles capacitados de la cadena de suministro. Se proporciona
un ejemplo por Kaminsky y Simchi-Levi (2003), quienes transforman un modelo de
cadena de suministro en serie de tres niveles en el que el primer y tercer nivel están
capacitados a dos niveles.

modelo de cadena de suministro en serie con capacidades en el primer nivel

solamente.

Llamaremos al problema de determinar el óptimo tamaños de lote de producción,

transporte e inventario en una cadena de suministro en serie como se describe arriba y
abajo capacidades de producción a nivel de producción Problema de dimensionamiento
de lotes multinivel con capacidades de producción (MLSP-PC). En general, este
problema es NP-difícil, ya que es una generalización directa del ELSP NP-hard con
capacidades generales de producción (ver Florian et al. 1980). El ELSP con
capacidades de producción estacionarias, sin embargo, se puede resolver en tiempo
polinomial (ver Florian y Klein 1971). Debido a que nuestro objetivo es identificar casos
polinomialmente solubles del MLSP-PC, asumiremos en la mayor parte de este papel
que las capacidades de producción están estacionarios. Estudiamos problemas con la
producción cóncava general, mantenimiento de inventarios y costos de transporte. así
como problemas con la retención de inventario lineal costos y dos estructuras de costos
de transporte diferentes:
(i) costos de transporte lineal
(ii) cargo fijo

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 − 1), y los costos de mantenimiento del inventario a nivel

están dadas por la función
h

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 es la cantidad enviada desde el nivel

a nivel
+1 en
período t, y yo

t denota la cantidad de inventario a nivel

al final del período t. Restricciones (1) - (3) modelan el

equilibrio entre entrada, almacenamiento y salida en el
niveles de fabricante, almacén y minorista, respectivamente, en cada período. La
cantidad de producción en cada
El período está restringido por restricciones (4). Finalmente, las restricciones (5)
establecen que todos los niveles iniciales de inventario son
igual a cero. A diferencia del tradicional de un solo nivel
modelo de tamaño de lote, esto no es una suposición de que
puede hacer sin pérdida de generalidad, debido a la no linealidad del transporte y la
tenencia de inventario
funciones de costo. Por lo tanto, luego discutiremos cómo
para hacer frente a casos de problemas en los que esta restricción
está ausente y, en cambio, el inventario inicial (no negativo)
cantidades en todos los niveles se consideran parte de la
datos del problema. Entonces, los algoritmos desarrollados pueden ser
aplicados en un esquema de horizonte rodante, en el que se resuelven nuevas
instancias de tamaño de lote y sus soluciones óptimas se implementan parcialmente a
medida que avanza el tiempo y
se encuentran disponibles nuevos pronósticos de demanda.
Por conveniencia, definiremos dts como la demanda acumulada en los períodos t s, es
decir,
dts ≡



s
=t
d para t = 1 s s = 1 T
0 de lo contrario
(6)
Para asegurar la viabilidad de (P), asumiremos que
la demanda acumulada en los primeros t periodos no puede
exceder la capacidad de producción total en estos períodos,
es decir.,
d1t ≤ t
=1
b para cada t = 1 T (7)
Es fácil ver que esta condición es necesaria
y suficiente para que (P) tenga un factible no vacío
región.
También podemos modelar el MLSP-PC como capacitado
Problema de flujo de red de costo mínimo en una red
con una fuente (ver también Zangwill 1969 para una discusión general sobre tal flujo de
red de costo mínimo
problemas, así como una discusión de personas incapacitadas
ELSP multinivel). Para ello, definimos una red
con una sola fuente 0, T nodos de transbordo
1t
a nivel de producción (nivel 1, t = 1 T), T nodos de transbordo
t en cada uno de los niveles de almacén (t = 1 T
= 2 L − 1) y T demandan nodos

L t con demanda dt a nivel minorista (nivel L,

t = 1 T). Finalmente, la viabilidad dicta que la fuente
el nodo 0 tiene un suministro de unidades d1T. La figura 1 ilustra
la representación de red del MLSP-PC para L = 3
Figura 1 Representación de red del MLSP-PC para L = 3 y T = 4
0
d1 + d2 + d3 + d4
y1 y2 y3 y4
(1, 1) (1, 2) (1, 3) (1, 4)
(2, 1) (2, 2) (2, 3) (2, 4)
(3, 1) (3, 2) (3, 3) (3, 4)
x1
1
I1
3 I2
3 I3
3
I1
2
I1
1 I2
1 I3
1
I2
2 I3
2
d1 d2 d3 d4
x1
2x2
2
x2
1 x3
1x4
1
x3
2x4
2
y T = 4. Esta representación facilitará el análisis de la estructura de los puntos extremos
de la región factible de (P) en §2.4. Antes de continuar con esto
análisis, en §2.2 discutiremos modelos relacionados y
algoritmos de la literatura, así como algunos
casos que se reducen a modelos de un solo nivel en §2.3.
2.2. Revisión de literatura
La variante de un solo nivel del MLSP-PC ha recibido
mucha atención en la literatura. Los incapacitados
problema, el ELSP, se puede resolver en tiempo polinomial en
la longitud del horizonte temporal; ver Wagner (1960) para
este resultado básico. Algoritmos más eficientes para especial
casos han sido desarrollados por Aggarwal y Park
(1993), Federgruen y Tzur (1991) y Wagelmans
et al. (1992). Cuando existen capacidades de producción,
obtenemos el llamado problema de dimensionamiento de lotes capacitado
(CLSP). En contraste con el ELSP no capacitado, este
se sabe que el problema es NP-difícil, incluso en muchos casos especiales; ver Florian
et al. (1980) y Bitran y
Yanasse (1982). Un especial interesante e importante
caso que permite un algoritmo de tiempo polinomial
surge cuando las capacidades de producción son estacionarias;
ver, por ejemplo, Florian y Klein (1971), Florian et al. (1980),
y van Hoesel y Wagelmans (1996). Véanse también las referencias en Baker et al.
(1978) para otros trabajos sobre el CLSP
con capacidades de producción estacionarias, y Chung y
Lin (1988) y van den Heuvel y Wagelmans (2003)
para otro caso especial de CLSP que tiene solución
en tiempo polinomial.
Zangwill (1969) estudió la versión sin capacidad
del MLSP-PC, y se desarrolló un algoritmo de programación dinámica que es
polinomial 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 concluir que corre en O
Tiempo LT 4, donde L es
el número de niveles, o incluso en O
T 3 para el caso especial de L = 2. Lee y col. (2003) considere un nivel de dos
modelo donde los costos de transporte no son cóncavos
funciones.
Un estudio que se relaciona con el nuestro en el sentido de que
también considera las capacidades en un entorno multinivel es el
uno de Kaminsky y Simchi-Levi (2003). Proponen un modelo de tres niveles en el que
el primero y el tercero
los niveles son etapas de producción, y el segundo nivel
es una etapa de transporte. Ambas etapas de producción son
capacitado, mientras que la etapa de transporte no está capacitada. Consideran los
costos lineales de mantenimiento de inventario
que aumentan con el nivel de la cadena de suministro, y
costos de producción lineales en los niveles 1 y 3 que
Satisfacer una condición tradicional de motivos no especulativos.
(ver también §2.3). Los costos de transporte en el segundo
nivel son de carga fija o forma cóncava general
y se supone que satisfacen una condición de motivos no especulativos restrictivos y no
tradicionales. Al eliminar las decisiones de producción de tercer nivel, reducen
el problema a un modelo de dos niveles que hereda su
estructuras de función de costos del modelo de tres niveles.
Para su clase de costos de transporte de carga fija,
proporcionan una O
Algoritmo T 4 para resolver el modelo,
incluso en el caso de capacidades de producción no estacionarias. Por su clase de
costos de transporte cóncavos
proporcionan una O
Algoritmo T 8 para resolver el modelo en
la presencia de capacidades de producción estacionarias. Ellos
plantear la complejidad de su modelo para más general
las estructuras de costes como cuestión abierta. En este documento,
abordar esta pregunta derivando una O
Algoritmo T 7
para resolver el problema de dos niveles en presencia de
Capacidades estacionarias.
2.3. Casos especiales
Es común en problemas de tamaño de lote modelar el
costos de mantenimiento de inventario como funciones lineales, es decir,
h

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

Figura 2 La estructura de una solución de punto extremo para MLSP-PC,

L=3yT=8
0
d1 d2 d3 d4 d5 d6 d7 d8
y1 y2 y5 y6
(1, 1)
(2, 1)
(3, 1) (3, 2)
(2, 2) (2, 3) (2, 4) (2, 5) (2, 6) (2, 7) (2, 8)
(3, 3) (3, 4) (3, 5) (3, 6) (3, 7) (3, 8)
(1, 2) (1, 3) (1, 4) (1, 5) (1, 6) (1, 7) (1, 8)
x1
1
I2
3 I3
3 I4
3 I5
3
I2
1 I3
1 I5
1 I6
1 I7
1
I1
2 I6
2
x1
2x2
2x4
2x7
2 x8
2
x4
1 x8
1x6
1
subplanes obtenidos. Representaremos un subplan por el
Periodos 2L que lo identifican:

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

= 1 satisfactorio (8), para el cual algunos pero

no todos los valores de
1 son cero.
2.4.2. Cantidades de producción en un subplan. los
El hecho de que los caudales extremos sean acíclicos implica que,
aunque puede haber múltiples arcos de producción asociados con un subplan que
llevan flujo, hay como máximo
uno de esos arcos con producción por debajo de la capacidad. En otra
En otras palabras, hay como máximo un arco de producción libre que entra en el
subplan. Esto produce la siguiente generalización de la caracterización de los puntos
extremos de
CLSP de un solo nivel por Florian y Klein (1971).
Proposición 2.2. Un subplan puede contener como máximo una
arco de producción libre.
Si el problema no está capacitado, esta proposición
implica que sólo un arco de producción lleva el flujo
entra en cada uno de los subplanos, lo que a su vez significa que
los caudales extremos son arborescentes. El algoritmo de programación dinámica
propuesto para este problema por
Zangwill (1969) se basa en esta propiedad; ver el
apéndice en línea.
Como ejemplo, en la Figura 2 sabemos que en el subplano

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.

Proposición 2.3. En un subplan, la cantidad transportada entre niveles

y
+1 en algún período hace
las cantidades acumuladas transportadas hasta el momento en el subplano equivalen a
las cantidades acumuladas de producción de un
secuencia inicial de períodos de producción consecutivos en el
subplan, oa la demanda acumulada de una secuencia inicial
de períodos de demanda en el subplan.
Las dos posibilidades de transporte acumulativo
se puede ilustrar con la Figura 2. En el subplan

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.

3. Los capacitados en dos niveles

Problema de tamaño de lote con
Costos cóncavos
Para mayor claridad de exposición, primero consideraremos el
versión de dos niveles del MLSP-PC, que llamaremos
el 2LSP-PC. En la siguiente sección, mostraremos cómo
la metodología se puede extender a cadenas con más
de dos niveles.
3.1. Un enfoque de programación dinámica
En esta sección, describiremos un enfoque general de programación dinámica para el
2LSP-PC. Este enfoque
se basa en la descomposición de soluciones puntuales extremas en (P) en subplanos
consecutivos (véase la Proposición 2.1). En particular, defina F
ser el
costo mínimo asociado con la satisfacción del minorista
demandas en periodos +1 T usando producción en
períodos t + 1 T. Entonces estamos claramente interesados en
computación F
0 0. Esto se puede lograr utilizando un enfoque de dos fases:
Fase 1. Para cada subplan
t1 t2 1 2, calcular
los costos mínimos en los que se incurre para satisfacer
la demanda de ese subplan con la condición de que
como máximo, un arco de producción libre entra en el subplan.
Denote estos costos por
t1 t2 1 2.
Fase 2. Calcule los valores F
t1 1 para todo 0≤t1 ≤
1 ≤T al darse cuenta de que una solución de punto extremo para
el subproblema correspondiente viene dado por un subplan

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

t tal que 0≤t ≤ ≤T, y arcos que representan el

subplanes con los costos correspondientes. La ruta de costo mínimo desde el nodo
0 0 a cualquiera de los nodos
t1 T
en esta red acíclica se puede encontrar en tiempo lineal
en el número de arcos, es decir, en O
T 4 tiempo (ver Ahuja
et al. 1993). Florian y Klein (1971) utilizaron este marco general de programación
dinámica para desarrollar un
O
Algoritmo de programación dinámica T 4 para resolver el
CLSP con capacidades estacionarias y cóncavo general
Funciones de costos de producción y mantenimiento de inventario.
Cuando el valor de
· Se da para cada subplan,
el 2LSP-PC tiene solución polinomial. Conseguir
un algoritmo de tiempo polinomial para el 2LSP-PC, el
Por lo tanto, el desafío es proporcionar un tiempo polinomial
algoritmo para calcular los costes correspondientes a
todos los subplanos. Porque sabemos que el 2LSP-PC es NP-hard para capacidades
de producción generales,
Restringir nuestra atención al caso de las capacidades de producción estacionarias, es
decir, bt = b para t = 1 T. En el
En el resto de esta sección, derivaremos un algoritmo de tiempo polinomial para
calcular los costos óptimos
de todos los subplanos y, por tanto, para el 2LSP-PC. Antes
estudiar los subproblemas de calcular el óptimo
costos del subplan, primero estudiaremos las implicaciones de
el supuesto de que las capacidades de producción son estacionarias en la siguiente
sección.
3.2. Implicaciones de la producción estacionaria
Capacidades
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 menos
uno de los arcos de producción que ingresan al subplan llevan
un caudal igual a 0 o b. Considere un subplano en particular, digamos
t1 t2 1 2, en el que la demanda total de
los períodos 1 + 1 2 deben satisfacerse utilizando la producción en los períodos t1 + 1
t2. Siguiendo a Florian y
Klein (1971), observe que la restricción sobre los valores
de los arcos de producción que ingresan al subplan implica
que el número de arcos de producción que llevan flujo
igual a la capacidad de producción es exactamente igual a
K=d1+12
/B
, y la cantidad de producción restante es igual a! = d 1 + 1 2 −Kb. Claramente, tenemos
eso
0≤! <B. Si!> 0, habrá exactamente una producción
arco que ingresa al subplan que lleva este flujo.
3.3. Los costos del subplan
Formularemos el problema de determinar la
costos óptimos de un subplan como un problema de programación dinámica. Dicho de
otra manera, para cada subplan

t1 t2 1 2, definiremos una red con la propiedad de que

t1 t2 1 2 es igual a la longitud del
ruta más corta entre un par de nodos fuente y receptor
en esta red.
Elegimos los nodos de esta red para que sean del
formulario
t Y X, donde t indica un período, Y es igual
a la cantidad de producción acumulada hasta y
incluyendo el período t, y X es igual al acumulado
cantidad de transporte hasta el período t incluido.
Nodo
t1 0 0 es la fuente, mientras que el nodo
t2 Kb +!
Kb +! ≡
t2 d 1 + 1 2
d1+12
es el fregadero. Por la Proposición 2.2 y la discusión en §3.2, sabemos que el
La cantidad de producción en cualquier período solo puede asumir
uno de los valores 0! b, con el valor! solo en
un período. Esto implica inmediatamente que Y sólo puede
asumir los valores
Y∈K
k=0
kb kb +!
donde, además, Y = 0 si t = t1, d 1 + 1 t ≤Y ≤
t − t1 K
para t = t1 + 1 t2−1, y Y = Kb +! si t ≥t2 para asegurar
Que toda la demanda se produce dentro del conjunto de períodos de producción
permitidos en el subplan. Porque claramente
K ≤T, el número de valores permitidos para Y es O
T.
Además, por la Proposición 2.3 sabemos que el
cantidad acumulada transportada hasta e incluyendo
algún período es igual a la producción total
cantidad de una secuencia inicial de períodos de producción o satisface la demanda de
una secuencia inicial de
períodos de demanda en el subplan. Más formalmente, este
significa que
X∈
K
k=0
kb kb +!
∪
2
s=1+1
d1+1s

donde, además, d 1 + 1 t ≤X ≤Y para asegurar que

las demandas se satisfacen a tiempo y los productos no
transportados antes de que se produzcan, y X = 0 si t ≤
1 y X = Kb +! si t ≥t2 para asegurar que el transporte
tiene lugar dentro del subplan. El número de valores permitidos para X es entonces O
T también, de modo que el total
el número de nodos en la red es O
T 3.
Los arcos en la red representan decisiones de producción, transporte e inventario. Los
arcos están presentes
entre pares de nodos en la red del
formulario
tYXy
t + 1 Y X, con Y
−Y ∈ 0! B
(donde el valor! solo se permite si Y = kb para
algunos k = 0 1 K), y X ≥X (donde X ∈ X Y ∪

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

1 1). Los resultados en §§2.4.2 y 2.4.3 claramente siguen siendo

válido para subplanos en los que t1> 0. Sin embargo, para los subplanes con t1 = 1 =
0, los resultados se mantienen siempre que veamos los inventarios iniciales totales I 1
0+I2
0 como
cantidad de producción acumulada hasta e incluyendo
Período 0 y el inventario inicial I 2
0 en el nivel 2 como el
cantidad acumulada de transporte hasta el Período 0 inclusive. A menos que 2 = T,
estos subplanos solo pueden
tener una solución factible si el total de inventarios iniciales
no exceda la demanda total que debe satisfacerse en el subplan. Para subplanos con
d1 2 ≥I 1
0+I2
0, nosotros
obtener K =
d1 2 −I 1
0 −I 2
0/b
y! = d1 2 −I 1
0 −I 2
0 −Kb.
Como ya se mencionó, d1 2 <I 1
0+I2
0 solo puede ocurrir si
2 = T. Si de hecho d1T <I 1
0+I2
0, una solución puntual extrema contendrá un solo subplan:
0 T 0 T,
y no se llevará a cabo ninguna producción en ningún período de
ese subplan, es decir, K =! = 0. La única dificultad que queda en este caso es que no
queremos especificar en
Avance en qué nivel terminará el exceso de inventario.
como inventario final. Esto se puede solucionar fácilmente
ampliando el horizonte de planificación en un período,
di T +1. Luego, defina la función de costo de producción
para ese período como pT +1
0 = 0 y pT +1
yT +1 = para

todos 0 <yT +1 ≤b y el costo de transporte funciona como

c1
T +1
xT +1 = 0 para todo xT +1 ≥0. Finalmente, establezca dT +1 = I 1
0+I2
0-
d1T. Los costos del subplan único
0 T 0 T en el
El problema original se puede encontrar encontrando el
costos del subplan
0 T +1 0 T +1 en el modificado
problema.
Ahora considere la red de programación dinámica
utilizado para calcular los costos de un subplan. Para subplanes
que contienen inventarios iniciales, dejamos que el nodo fuente
ser
0 yo 1
0+I2
0 yo 2
0 y el nodo receptor sea
t2 I 1
0+I2
0 + Kb +
!I1
0+I2
0 + Kb +!. Por un estado
t Y X, esto también significa
ese
Y∈K
k=0

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

= 1. Es fácil ver que el tiempo de ejecución del

generalización correspondiente de la dinámica de la Fase 2
el programa sería O
T 2L. En esta sección, haremos
derivar una modificación del programa dinámico de la Fase 2
que corre en O
T 4 tiempo. Esta modificación no
hacer que la Fase 1 sea computacionalmente más costosa, y
incluso puede hacerlo menos costoso.
En particular, desarrollaremos un sistema más eficiente
enfoque en el que el programa dinámico de la Fase 2
no necesariamente representan todos (o incluso solo) los extremos
soluciones puntuales al MLSP-PC, y además sobreestima los costos de muchos de los
puntos no extremos
soluciones que representa. Sin embargo, como mostraremos,
contiene una solución óptima de punto extremo y
está garantizado para encontrar esta solución. Este enfoque es
basado en la idea de que la información más importante presente en la definición de un
subplan es el conjunto de
periodos de producción t1 + 1 t2 y el conjunto de demanda
períodos 1 + 1 2. La base de nuestro algoritmo mejorado es permitir el transporte en los
períodos
t1 + 1 2 (conservando, por supuesto, los períodos de producción y demanda dados).
Entonces podemos usar el
mismo enfoque de programación dinámica que en el caso de dos niveles, donde
reemplazamos el subplan de dos niveles
costos
t1 t2 1 2 por los costos mínimos de satisfacer la demanda en los períodos 1 + 1 2
usando la producción
en los periodos t1 + 1 t2, donde como máximo una de las cantidades de producción
puede ser diferente tanto de 0 como de b,
y donde se permite el transporte a todos los niveles en
períodos t1 + 1 2. Denotaremos estos últimos costes
por %
t1 t2 1 2, y se refieren a vectores
t1 t2 1 2 como
subplanes relajados.
Para ilustrar el concepto de subplanos relajados, considere la siguiente instancia de
problema del 2LSP-PC.
Todas las demandas son iguales a 1; los costos de producción y transporte están
dados por

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 4 2 4 porque en el subplan relajado podemos

transporte en el segundo período.
Estos cambios tienen dos consecuencias importantes. Considere un camino desde la
fuente hasta un sumidero en la Fase 2
la red. Primero, si bien es fácil ver que la solución correspondiente del MLSP-PC es
realmente factible,
no es necesariamente una solución puntual extrema porque
Los nodos de producción y demanda en dos subplanos relajados contenidos en la
solución pueden estar conectados por
arcos que contienen flujo positivo. Segundo, es posible
que ciertos arcos se utilizan en más de un relajado
subplan. Esto significa que la longitud del camino en el
La red puede no ser lo mismo que los costos de la solución correspondiente al MLSP-
PC. Lidiando con esto
Este último problema primero, el siguiente teorema muestra que el
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 costos de transporte e inventario son
lineal.
Teorema 4.1. Cada camino desde la fuente hasta un sumidero en
la red de programación dinámica de la Fase 2 corresponde a
una solución viable para MLSP-PC. La longitud de este camino
no puede ser menor que el costo de la solución correspondiente, y es igual al costo de
la solución si todo el transporte
y las funciones de costo de inventario son lineales.
Prueba. El hecho de que un camino desde la fuente hasta
un sumidero en la red de programación dinámica de la Fase 2 corresponde a una
solución factible al problema del tamaño del lote se deriva inmediatamente del hecho
que todas las limitaciones de la capacidad de producción, así como todas las
demandas, están satisfechas. Sin embargo, ciertos arcos de transporte e inventario
pueden tener un flujo positivo en el
soluciones parciales correspondientes a más de un arco
en el camino, y cada uno de los flujos parciales se carga
por separado según la función de coste correspondiente. Debido a la concavidad de
todas las funciones de costos, se deduce que el costo del flujo total no excederá el
suma de los costos de los flujos individuales en cualquier arco particular, y por lo tanto
la longitud de un camino nunca
ser menor que los costos de la solución correspondiente. En
Además, cuando todos los costos de transporte e inventario
las funciones son lineales, la longitud de la ruta y los costos de la solución
son claramente iguales.
El siguiente lema da una relación entre el
costos asociados con un subplan y el subplan relajado correspondiente.
Lema 4.2. Para cualquier subplan

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

t1 t2 1 2, una red con la propiedad de que%

t1 t2
1 2 es igual a la ruta más corta entre un par
de los nodos fuente y sumidero en esta red. Los nodos
en esta red son de la forma
t Y X1 XL − 1,
donde t indica un período, Y es igual a la cantidad de producción acumulada hasta el
período incluido
t, y X
es igual al transporte acumulado
cantidad del nivel
a nivel
+1 hasta e incluido
período t. Tenga en cuenta que la viabilidad dicta que debemos
restringirnos a los valores d 1 + 1 t ≤XL − 1 ≤ ··· ≤X1 ≤Y.
La fuente es el nodo
t1 0 0, mientras que el fregadero está
el nodo
t2 Kb +! Kb +!. Como en §3.3, tenemos
ese
Y∈K
k=0
kb kb +!
y el número de valores permitidos para Y es O
T.
Además, de manera similar a la de dos niveles
caso, tenemos eso
X
∈
K
k=0
kb kb +!
∪
2
s=1+1
d1+1s

=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

), el inventario mantenido a nivel de fabricante

al final del período t + 1 (Y
−X 1) y el inventario
mantenido a nivel de minorista al final del período t + 1
(X L − 1 − d 1 + 1 t + 1). Por tanto, los costes de un arco están dados por
pt + 1
Y
−Y +
L
−1

=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

0 como producción acumulada

cantidad hasta el Período 0 inclusive, y la
inventario
L

= s + 1 yo

0 como transporte acumulativo

cantidad hasta e incluyendo el Período 0 desde el nivel s hasta
nivel s + 1, para todo s∈ 1 L − 1. Como en §3.4, sin
aumentando el tiempo de ejecución, estos inventarios iniciales
se puede incorporar a la programación dinámica
enfoque para calcular%
t1 t2 1 2 por apropiado
redefiniciones de los posibles valores de Y y X.
En las siguientes secciones, mostraremos cómo se puede reducir drásticamente el
tiempo de ejecución por problemas.
instancias que tienen capacidades de producción estacionarias,
costos de producción cóncavos generales y costos de mantenimiento de inventario
lineal en todos los niveles, así como uno de los
siguientes dos estructuras de costos de transporte: (i) fijo
cobrar sin motivos especulativos; o (ii) lineal.
4.3. Costos de transporte con cargo fijo sin
Motivos especulativos
4.3.1. Introducción. En esta sección, consideramos
el caso de los costos de transporte de carga fija sin motivos especulativos y costos
lineales de mantenimiento de inventarios. Como antes, determinaremos los costos de
cada subplan relajado usando programación dinámica.
Después de un paso de preprocesamiento que se ejecuta en O
LT 4, este
programa dinámico se ejecuta en O
T 4 tiempo para cada subplan relajado individual. Al usar la técnica de reducción al final
de §3.3, el costo de todos los O
T 4 relajado
Los subplanos se pueden calcular simultáneamente en O
T7
hora. Por lo tanto, el tiempo de ejecución del enfoque de programación dinámica para
este caso especial de MLSP PC es O
T 7 + LT 4. Cuando L = 2, podemos reducir esto
tiempo de ejecución a O
T 6.
4.3.2. Propiedad de pedido de inventario cero en el
Detallista. Demostraremos que, bajo costos de transporte de carga fija sin motivos
especulativos, las soluciones
Satisfacer la propiedad de pedido de inventario cero (ZIO)
en todos los niveles en 2 L, es decir, 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

t1 0 1, mientras que el sumidero es el nodo

t2 Kb +! 2. Como
antes, sabemos que Y solo puede asumir los valores
K
k=0
kb kb +!
Los arcos están presentes entre pares de nodos en la red de la forma
t Y sy
t Y s ¯, donde Y
−Y ∈
0! By s¯≥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.
Los costos de un arco entre nodos.
t Y sy
t+
1 Y s ¯ ahora están dadas por
pt + 1
Y
−Y + h1
t+1
Y
−d 1 + 1 s¯
+ c1
t+1
ds + 1 s¯ + Ct + 1 2
s+1s¯
donde Ct

s1 s2 se definen como los costos óptimos de

envío de unidades ds1s2 desde el nodo
t
a sus naciones de destino, es decir, nodos de demanda
L s1
L s2. Podemos
utilizar el algoritmo de Zangwill, en una etapa de preprocesamiento,
para determinar los valores Ct2
s1 s2 para todo t = 2 T;
s1 = t T; y s2 = s1 T en O
Tiempo LT 4; ver el
apéndice en línea. Es importante señalar que aunque
El modelo de Zangwill permite el transporte cóncavo general y las funciones de costo
de mantenimiento de inventario,
no puede utilizar el mismo enfoque que se describe anteriormente en
la presencia de capacidades de producción. La razón es
que en el caso de incapacitado, la propiedad ZIO tiene
para funciones de costo de arco cóncavo arbitrario, mientras que esto es
no es el caso en el caso capacitado. Sin embargo, como nosotros
Hemos demostrado, en el caso de los costos de transporte de carga fija que no exhiben
motivos especulativos, también
obtener la propiedad ZIO, lo que permite el uso de Zangwill
algoritmo para determinar las entradas a nuestro algoritmo.
El problema de determinar%
t1 t2 1 2 reduce
para encontrar la longitud del camino más corto en la red 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 O
T3y
el número de arcos O
T 4. Usando el mismo enfoque para
calcular múltiples valores de la función% a la vez
como hemos comentado para la función% al final de
§3.3, esto produce un O
Algoritmo T 7 + LT 4 para resolver
la variante multinivel de este problema.
Cuando L = 2, este tiempo de ejecución se puede reducir
también
T 6. Recuerde que la cantidad de nodos en el
El enfoque de programación dinámica anterior es O
T 3. Nosotros
mostrará que el número de arcos también es O
T 3. Para
cada t hay O
T nodos de la forma
t · t, y
O
T 2 nodos de la forma
t · s con s> t. Cada nodo
de la forma
t · t tiene O
T sucesores, y cada
nodo de la forma
t · s con s> t tiene O
1 sucesos, lo que hace un total de O
T·
O
T·O
T+
O
T2·O
1=O
T 3 arcos en la red. Esto produce
una O
Algoritmo T 6 para resolver la variante de dos niveles
de este problema.
Desafortunadamente, en presencia de una inicial distinta de cero
niveles de inventario la propiedad ZIO no es necesariamente
dominante ya. Sin embargo, en estos casos, cuanto más
procedimiento general desarrollado para el caso de arbitrariedad
Las funciones de costos cóncavas, por supuesto, todavía se aplican.
4.4. Costos de transporte lineal
4.4.1. Introducción. En esta sección, consideraremos el caso en el que los costos de
transporte y
Los costos de mantenimiento de inventario son lineales. Desarrollaremos un
enfoque de programación dinámica que encuentra los costos óptimos de cada subplan
relajado. Después de un paso de preprocesamiento que se ejecuta en O
LT 2 tiempo, este algoritmo
corre en O
T 2 tiempo para un solo subplan relajado, pero
los costos de todo O
T 4 subplanos relajados se pueden calcular simultáneamente en O
T 5 tiempo. Esto resulta en
una O
Algoritmo T 5 + LT 2 para resolver esta clase de
instancias de MLSP-PC.
4.4.2. Preprocesamiento. En términos del subyacente
red (como se describe en §2.1), una unidad producida en
período t para satisfacer la demanda en el período ≥t,
en la solución óptima, fluya a lo largo del costo mínimo
camino desde
1 t para
L. En una etapa de preprocesamiento,
puede determinar los costos de transporte unitarios mínimos
asociado con la producción de una unidad en el período t para
consumo en período, que llamaremos Gt. Todos
estos valores se pueden calcular en O
Tiempo LT 2 resolviendo T problemas de ruta más corta en gráficos acíclicos con
O
TL arcos usando recursividad hacia atrás. Usando estos
valores, entonces podemos determinar nuevamente los costos totales de transporte
asociados con la producción, en el período t,
toda la demanda de los períodos consecutivos 1+
1 2, asumiendo que el transporte está permitido en todos
períodos t 2, es decir, GDt 1 2 ≡
2
r = 1 + 1drGtr. En O
T3
tiempo, estos costos se pueden calcular para todo t = 1 T
y t ≤ 1 + 1≤ 2 ≤T. Esta información nos permitirá
para calcular los costos totales de transporte asociados
con producción en el período t en tiempo constante.
4.4.3. Los costos de un subplan relajado. En esto
sección, formularemos el problema de determinar
los costos %
t1 t2 1 2 como una simplificación adicional de
el problema de programación dinámica definido en §4.2.1.
Todos los nodos de la red de programación dinámica son
de la forma
t Y, donde t indica un período, y Y
es igual a la cantidad de producción acumulada hasta
e incluyendo el período t, donde d 1 + 1 t ≤Y y
Y∈K
k=0
kb kb +!
La fuente es el nodo
t1 0, mientras que el fregadero es el
nodo
t2 Kb +!.
Los arcos están presentes entre pares de nodos en el
red de la forma
tYy
t + 1 Y cuando Y
-
Y ∈ 0! B. Cada arco de la red descrito anteriormente
representa una posible decisión de producción. Dejamos que el
los costos de los arcos sean iguales a los costos totales asociados
con la cantidad de producción. Queda por demostrar que
Los costos de transporte y mantenimiento de inventario pueden ser
calculado en tiempo constante. Además de la información recopilada en la fase de
preprocesamiento descrita
en §4.4.2, también encontraremos, para cada nodo
t Y en
la red, el primer período cuya demanda no es
totalmente satisfecho por la producción acumulada Y (digamos
s) así como la parte de la demanda de ese período
que queda por satisfacer (digamos,). Usando las demandas acumuladas d 1 + 1 t (t
= 1 + 1 2) así como el
hecho de que el valor de Y solo puede ser igual a kb o
kb +! para k = 0 K, esta información adicional puede
ser obtenido en O
T tiempo. Como veremos más adelante, este
no aumenta el tiempo de ejecución de encontrar los costos
de un solo subplan relajado.
Ahora considere una estafa de arco
t Y (con el primer período de demanda restante s con
demanda restante,) y
t + 1 Y (con el primer período de demanda restante s¯ con demanda restante,).
Cuando Y
−Y ≤ ,, los costos unitarios de transporte del
cantidad producida en el período t + 1 es igual a Gt + 1 s.
Cuando Y
−Y> ,, el transporte y el inventario
Los costes de mantenimiento de este arco constan de hasta tres componentes: Gt + 1
s, + GDt + 1 s s¯ − 1 + Gt + 1 s¯
ds¯−, y puede
por tanto, de hecho, se calculará en tiempo constante.
El problema de determinar%
t1 t2 1 2 reduce
para encontrar la longitud del camino más corto en la red 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 O
T2y
el número de arcos O
T 2. Usando el mismo enfoque para
calcular múltiples valores de la función% a la vez
como en §4.3, esto produce un O
Algoritmo T 5 + LT 2 para
resolviendo esta variante del MLSP-PC.
Al igual que en el CLSP, los inventarios iniciales pueden incorporarse cuando todas las
funciones de costo de mantenimiento de inventario y transporte son lineales. En
particular, la inicial
Los inventarios se utilizan para satisfacer las primeras demandas.
a través de las rutas más cortas adecuadas en la red,
luego de lo cual se actualizan las demandas y se resuelve el problema restante sin
inventarios iniciales.
5. Observaciones finales y
Investigación futura
En este artículo, hemos considerado una generalización de
el ELSP clásico con capacidades de producción estacionarias que permite múltiples
niveles de almacenamiento, así como
como decisiones de transporte correspondientes para el transporte entre los diferentes
niveles. Hemos identificado dos casos especiales importantes de este problema que
son solubles en tiempo polinomial. Los tiempos de ejecución de
los algoritmos correspondientes son notablemente insensibles al número de niveles en
la cadena de suministro.
Los temas abiertos para futuras investigaciones en esta área pueden ser
dividido en tres direcciones generales. Primero, las complejidades, aunque
polinomiales en el horizonte de planificación, son de orden relativamente alto: O
T 5 hacia O
T 7 para
los casos de dos niveles. Sería interesante si el pedido
del tiempo de ejecución podría reducirse, por ejemplo,
investigando si se puede ahorrar más tiempo
determinar los costos de muchos o todos los subplanos simultáneamente. Además,
aunque el número de niveles
será relativamente pequeño, sin embargo, sería interesante determinar si el caso
multinivel
con funciones de costos cóncavas generales se puede resolver en
tiempo polinomial tanto en el horizonte de tiempo como en el
número de niveles. Una segunda dirección es el estudio
de cadenas de suministro en serie en presencia de capacidades
en otros niveles o en niveles adicionales de la cadena. Finalmente,
Sería interesante considerar estructuras de cadena de suministro más complejas,
incluyendo, por ejemplo, productos
estructuras de ensamblaje a nivel de productor, o múltiples
minoristas.