Consulte las discusiones, las estadísticas y los perfiles de los autores de esta publicación en:

https://www.researchgate.net/publication/220535284
Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Artículo en Management Science · Noviembre de 2005
DOI: 10.1287 / mnsc.1050.0378 · Fuente: DBLP

CITACIONES LEE
78 1.073
4 autores:
Stan PM Van Hoesel H. Edwin Romeijn
Universidad
VER PERFILm de Maastricht Instituto de Tecnología de Georgia
VER PERFILm
i i
87 PUBLICACIONES 3.374 CITAS 191 PUBLICACIONES 5.166 CITAS
Dolores Romero Morales Albert PM Wagelmans
Escuela de Negocios de Copenhague Universidad Erasmus de Rotterdam
71 PUBLICACIONES 1.088 CITAS 113 PUBLICACIONES 3.039 CITAS
VER PERFILm VER PERFILm
Algunos i
de los autores de esta publicación también están trabajando eni estos proyectos relacionados:
Ancho del árbolVer Proyecto
EU H2020-MSCA-RISE NECESIDADES: Red de intercambio de personal de investigación e innovación de científicos
de datos europeosVer Proyecto
Todo el contenido que sigue a esta página fue subido por Dolores Romero Morales el 1 de junio de 2014.
El usuario ha solicitado una mejora del archivo descargado.
CIENCIA DE GESTIÓN informa®
Vol. 51, núm. 11, noviembre de 2005, págs. 1706–1719 issn 0025-1909eissn 1526- doi 10.1287 /
55010551111706 mnsc.1050.0378
© 2005 INFORMA
Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Stan van Hoesel
Facultad de Economía y Administración de Empresas, Universidad de Maastricht, PO Box 616,
6200 MD Maastricht, Países Bajos, s.vanhoesel@ke.unimaas.nl
H. Edwin Romeijn
Departamento de Ingeniería Industrial y de Sistemas, Universidad de Florida, 303 Weil Hall, PO Box 116595, Gainesville,
Florida 32611-6595, romeijn@ise.ufl.edu
Dolores Romero Morales
Saïd Business School, Universidad de Oxford, Park End Street, Oxford OX1 1HP, Reino Unido,
dolores.romero-morales@sbs.ox.ac.uk
Albert PM Wagelmans
Instituto de Econometría, Universidad Erasmus de Rotterdam, PO Box 1738, 3000 DR Rotterdam, Países Bajos,
prisonlmans@few.eur.nl
W
Consideramos un modelo para una cadena de suministro en serie en el que las decisiones de producción, inventario y
transporte se integran en presencia de capacidades de producción y funciones de costos cóncavas. El modelo que
estudiamos generaliza el modelo de tamaño de lote económico multinivel de un solo artículo sin capacidad agregando
capacidades de producción estacionarias a nivel de fabricante. Presentamos algoritmos con un tiempo de ejecución
polinomial en el horizonte de planificación cuando todas las funciones de costos son cóncavas. Además, consideramos
diferentes estructuras de costos de mantenimiento de inventario y transporte que producen mejores tiempos de
ejecución: funciones de costo de mantenimiento de inventario que son lineales y funciones de costo de transporte que
son lineales o cóncavas con una estructura de cargo fijo. En este último caso, hacemos la suposición adicional común y
razonable de que los costos variables de transporte e inventario son tales que mantener inventarios en niveles más altos
en la cadena de suministro es más atractivo desde una perspectiva de costo variable. Si bien los tiempos de ejecución
de los algoritmos son exponenciales en el número de niveles en la cadena de suministro en el caso de costos cóncavos
generales, los tiempos de ejecución son notablemente insensibles al número de niveles para las otras dos estructuras
de costos.
Palabras clave: dimensionamiento del lote; integración de la planificación de la producción y el transporte; programación
dinámica; algoritmos de tiempo polinomial
Historia: aceptado por Thomas M. Liebling, programación matemática y redes; recibido el 17 de junio de 2002.
Este artículo estuvo con los autores 11 meses para 2 revisiones.
1. Introducción
En este artículo, consideramos un problema en el que se
integran las decisiones de producción, inventario y
transporte en una cadena de suministro básica. Los
modelos tradicionales generalmente consideran solo
uno o dos de estos aspectos de forma aislada del otro (s).
Existe evidencia sustancial (ver, por ejemplo, Arntzen et
al. 1995, Chandra y Fisher 1994, Geoffrion y Powers
1995, y Thomas y Griffin 1996, así como las referencias
en ellos) que muestra que la integración de estas
decisiones puede conducir a aumentos sustanciales en
eficiencia y eficacia. La integración de diferentes
decisiones en la cadena de suministro es particularmente
importante cuando los recursos son limitados y cuando
los costos no son lineales, por ejemplo, exhiben
economías de escala.
Consideraremos una cadena de suministro en serie para
la producción y distribución de un producto. Dicha
cadena de suministro se producirá, por ejemplo, cuando
se agrega valor a un producto en una secuencia de
instalaciones de producción y es necesario transportar
bienes intermedios entre estas instalaciones. Kaminsky y
Simchi-Levi (2003) describen un ejemplo de tal cadena tal
como 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 las demandas en una determinada área
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. Luego, se puede utilizar un modelo de cadena
de suministro en serie para representar parte de una
cadena de suministro que sea relevante para el centro de
distribución (ver Lee et al. 2003). Un último ejemplo es
una situación en la que la producción tiene lugar en un
fabricante. Los artículos que se producen se almacenan a
nivel de fabricante o se transportan al primer nivel de
almacén. En cada uno de los niveles del almacén,
1706
los productos se almacenan nuevamente o se
transportan al almacén en el siguiente nivel. Desde el
nivel de almacén final, los productos se transportan
(posiblemente después de haber estado almacenados
durante algunos períodos) a un minorista (posiblemente
permitiendo entregas anticipadas, es decir, inventarios a
nivel de 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 larga. Esto podría hacer que resulte
ventajoso, en varias etapas, emplear economías de
escala transportando grandes cantidades a largas
distancias hasta instalaciones de almacenamiento
intermedias antes de distribuirse en el mercado real.
Todas las situaciones descritas anteriormente pueden
ser representadas por un modelo genérico que consta de
un fabricante, varios niveles intermedios de producción o
distribución, y un nivel donde tiene lugar la demanda del
producto final, al que nos referiremos en este trabajo como
nivel minorista ( aunque esto no necesariamente representa
el nivel en el que tiene lugar el consumo de demanda real).
De hecho, en dicho 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 todas las etapas intermedias como etapas de transporte
entre almacenes.
El modelo de cadena de suministro en serie esbozado
anteriormente puede verse como una generalización de un
problema fundamental, que de hecho es uno de los
problemas más ampliamente estudiados en la planificación
de la producción y el inventario, el problema económico del
tamaño de los lotes (ELSP). La variante básica de este
problema considera una instalación de producción que
produce y almacena un solo producto para satisfacer
demandas conocidas en un horizonte de planificación finito.
El problema es entonces determinar las cantidades de
producción para cada período de manera que todas las
demandas se satisfagan a tiempo con costos mínimos de
producción total y mantenimiento de inventario. Las
funciones de costo no disminuyen en la cantidad producida o
almacenada, y generalmente se supone que son funciones
lineales, de carga fija o cóncavas generales. La instalación de
producción puede enfrentar o no una restricción de
capacidad en 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 inventario en diferentes
niveles de la cadena. Además de los costos de producción y
mantenimiento de inventario, es evidente que también
necesitamos 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 minimizar el costo de todo el sistema mientras se
satisface toda la demanda. Incluso si el fabricante y el
minorista son de hecho participantes distintos en la cadena
de suministro, cada uno de los cuales enfrenta una parte de
los costos de la cadena de suministro, este problema será
relevante. En este caso, los participantes claramente aún
deben decidir cómo distribuir los costos totales mínimos, lo
cual es un problema de coordinación que está fuera del
alcance de este documento. Alternativamente, sin embargo,
podemos interpretar los costos de mantenimiento a nivel
minorista como una penalización o un descuento en el precio
de compra de un artículo, que el fabricante otorga al
minorista si los artículos se entregan antes de tiempo. En este
caso, todos los costes minimizados por nuestro modelo de
optimización son asumidos por el fabricante. Como en los
problemas estándar de clasificación por lotes, se supone que
todas las funciones de costos no disminuyen en la cantidad
producida, almacenada o enviada. Además, asumiremos que
todas las funciones de costo son cóncavas. Se supone que
todas las funciones de costo no disminuyen en la cantidad
 Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción Management Science 51 (11), págs. 1706–1719, ©
2005 INFORMS 1707

producida, almacenada o enviada. Además, asumiremos

que todas las funciones de costo son cóncavas. Se supone
que todas las funciones de costo no disminuyen en la
cantidad producida, almacenada o enviada. Además,
asumiremos que todas las funciones de costo son
cóncavas.
En general, todos los niveles en una cadena de suministro
en serie, independientemente de si corresponden a
decisiones de producción o transporte, pueden enfrentar
capacidades. En este artículo, nos concentraremos en las
cadenas de suministro en serie con capacidades en el
nivel de producción (es decir, el primer) únicamente,
como un primer paso hacia el estudio de cadenas de
suministro capacitadas más generales. Agregar
capacidades en otros niveles (es decir, transporte)
parece cambiar significativamente la estructura del
problema y, por lo tanto, el análisis del problema. Por lo
tanto, estos problemas están fuera del alcance de este
artículo, pero siguen siendo un tema de investigación en
curso. Tenga en cuenta que bajo ciertas estructuras de
costos puede ser posible eliminar los niveles capacitados
de la cadena de suministro. Un ejemplo de ello lo
proporcionan Kaminsky y Simchi-Levi (2003),
Llamaremos al problema de determinar los tamaños
óptimos de lote de producción, transporte e inventario
en una cadena de suministro en serie como se describe
anteriormente y bajo las capacidades de producción a
nivel de producción el problema de tamaño de lote
multinivel con capacidades de producción (MLSP-PC). En
general, este problema es NP-hard, ya que es una
generalización directa del ELSP NP-hard con capacidades
de producción generales (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 polinomiales del MLSP-PC, asumiremos
en la mayor parte de este artículo que las capacidades de
producción son estacionarias.
Estudiamos los problemas con la producción cóncava
general, el mantenimiento de inventarios y los costos de
transporte, así como los problemas con los costos de
mantenimiento de inventarios lineales y dos estructuras
de costos de transporte diferentes: (i) costos de
transporte lineal; y (ii) costos de transporte con cargo fijo
sin motivos especulativos, lo que significa que con
respecto a los costos variables, mantener inventario es
menos costoso en niveles más altos que en niveles más
bajos de la cadena de suministro. Nuestros métodos de
solución se basan en un marco de programación
dinámica que utiliza un principio de descomposición que
generaliza la propiedad clásica de ordenación de
inventario cero (ZIO).
 Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción 1708
de soluciones a problemas de dimensionamiento de lotes
no capacitados como se describe 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
nuestro modelo de dos niveles trabajamos con el nuevo
concepto de subplan y mostramos que las soluciones
extremas se descomponen en varios subplanos
consecutivos. Todos nuestros algoritmos para este
modelo se ejecutan en tiempo polinomial en el horizonte
de planificación del problema. La generalización directa
de este enfoque al caso multinivel conduce a un tiempo
de ejecución muy grande. Logramos ahorros sustanciales
al introducir el concepto de un subplan relajado. En
contraste con los enfoques existentes en la literatura,
nuestro programa dinámico no necesariamente
representa todas (o incluso solo) las soluciones de puntos
extremos para el MLSPPC. Además, mientras que las rutas
en el programa dinámico corresponden todas a soluciones
factibles del problema, los costos de una ruta pueden
sobrestimar los costos de la solución correspondiente al
problema. No obstante, somos capaces de demostrar
(basándonos en la concavidad de las funciones de coste)
que nuestro programa dinámico resuelve el MLSP-PC de
forma óptima. El algoritmo resultante 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 al número de
niveles para las dos estructuras de costos específicas
mencionadas anteriormente. El algoritmo resultante 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 al
número de niveles para las dos estructuras de costos
específicas mencionadas anteriormente. El algoritmo
resultante 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 al número de niveles para las dos estructuras
de costos específicas mencionadas anteriormente.
Este artículo está organizado de la siguiente forma: En §2,
presentamos 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 probamos 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
los costos cóncavos generales. En §4, este algoritmo se
generaliza luego 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
Management Science 51 (11), págs.
1706–1719, © 2005 INFORMS
algunas observaciones finales y cuestiones para futuras
investigaciones.
2. Modificaciónel Formulación y Análisis
2.1. El modelo
Como se describe en la introducción, estudiaremos un
problema de tamaño de lote de varios niveles con una
estructura en serie. En cada período, la producción puede
tener lugar en el fabricante. Los artículos que se producen
pueden almacenarse a nivel de fabricante o transportarse
al primer nivel de almacén. En cada uno de los niveles del
almacén, los productos se almacenan nuevamente o se
transportan al almacén del siguiente nivel. Desde el nivel
final del almacén, los productos se transportan
(posiblemente después de haber estado almacenados
durante algún tiempo) 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. Consideraremos un total de niveles L, que
incluye el fabricante, el minorista y los almacenes
intermedios L - 2. Decimos que el fabricante está en el
primer nivel de la cadena y el minorista está en el nivel L.
Cada uno de los niveles intermedios corresponde a un
almacén. Sea + el conjunto de números reales no
negativos. Para cada período t = 1T, los costos de
producción están dados por la función pt + → +, los costos
de transporte de nivel a nivel + 1 están dados por la
función ct + → + (= 1L − 1), y los costos de mantener
el inventario a nivel están dados por la función ht + → +
(= 1L). A lo largo del artículo, asumiremos que todas las
funciones de costo son cóncavas, no decrecientes e
iguales a cero cuando su argumento es cero.
El MLSP-PC se puede formular de la siguiente manera:
minimizar t pt yt + 1ct xt + = 1h t It
PAG
=1 =
sujeto a
T L−1 L
X T (1) xt T
= 2L − 1 (2) dt T (3) yt ≤bt t = 1T
(4)
I L (5)
yt T
xt T = 1L − 1
Eso T = 1L
donde yt denota la cantidad producida en el período t, xt
es la cantidad enviada de nivel a nivel +1 en el período t, y
denota la cantidad de inventario en el nivel al final del
período t. Las restricciones (1) - (3) modelan el equilibrio
entre la entrada, el almacenamiento y la salida a nivel de
fabricante, almacén y minorista, respectivamente, en
cada período. La cantidad de producción en cada período
está restringida por restricciones (4). Finalmente, las
restricciones (5) establecen que todos los niveles de
inventario inicial son iguales a cero. A diferencia del
Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción Management Science 51 (11), págs. 1706–1719, ©
2005 INFORMS 1709
modelo tradicional de tamaño de lote de un solo nivel,
esta no es una suposición que podamos hacer sin pérdida
de generalidad, debido a la no linealidad de las funciones
de costo de mantenimiento de inventario y transporte.
Por lo tanto, analizaremos más adelante cómo tratar los
casos de problemas en los que esta restricción está
ausente, y en su lugar, las cantidades de inventario inicial
(no negativas) en todos los niveles se consideran parte de
los datos del problema. Luego, los algoritmos
desarrollados se pueden aplicar en un esquema de
horizonte rodante, en el que se resuelven nuevas
instancias de lotes, 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 períodos ts, es decir,
s (P) en §2.4. Antes de continuar con este análisis, en §2.2
dts ≡ = td para t = 1s s = 1T (6) 0 en caso contrario
Para asegurar la viabilidad de (P), asumiremos que la
demanda acumulada en los primeros t períodos no puede
exceder la capacidad de producción total en estos
períodos,
es decir, t en la longitud del horizonte de tiempo; ver Wagner (1960)
d1t ≤ = 1b para cada t = 1T (7)
Es fácil ver que esta condición es necesaria y suficiente
para que (P) tenga una región factible no vacía.
También podemos modelar el MLSP-PC como un
problema de flujo de red capacitado de costo mínimo en
una red con una fuente (ver también Zangwill 1969 para
una discusión general sobre tales problemas de flujo de
red de costo mínimo, así como una discusión de ELSP
multinivel no capacitado). ). Para ello, definimos una red
con una sola fuente 0, T nodos de transbordo 1t nodos de
envío en el nivel de producción (nivel 1, t en cada uno de
los niveles de almacén-t = 1T), T trans-
Ltels (t = con demanda1T = 2Ldt a nivel de minorista (nivel
− 1) y T demanda nodosL, t = 1T). Finalmente, la viabilidad
dicta que la fuenteT unidades. La figura 1 ilustra que el
nodo 0 tiene un suministro de d1 la representación de red
del MLSP-PC para L = 3
Figura 1 Representación de red del MLSP-PC para L
=3yT=4
y T = 4. Esta representación facilitará el análisis de la
estructura de los puntos extremos de la región factible de
discutiremos modelos y algoritmos relacionados de la
literatura, así como algunos casos especiales 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. El problema no
capacitado, ELSP, se puede resolver en tiempo polinomial
para este resultado básico. Aggarwal y Park (1993),
Federgruen y Tzur (1991) y Wagelmans et al. Han
desarrollado algoritmos más eficientes para casos
especiales. (1992). Cuando existen capacidades de
producción, obtenemos el llamado problema de
dimensionamiento de lotes capacitado (CLSP). A
diferencia del ELSP incapacitado, se sabe que este
problema es NP-difícil, incluso en muchos casos
especiales; ver Florian et al. (1980) y Bitran y Yanasse
(1982). Un caso especial interesante e importante que sí
permite un algoritmo de tiempo polinomial surge cuando
las capacidades de producción son estacionarias; véanse,
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 otro trabajo sobre
el CLSP con capacidades de producción estacionarias, y
Chung y Lin (1988) y van den Heuvel y Wagelmans (2003)
para otro caso especial del CLSP que se puede resolver en
tiempo polinomial.
Zangwill (1969) estudió la versión no capacitada del MLSP-
PC y 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 se ejecuta en tiempo O LT4, donde L es el número de
niveles, o incluso en O T3 para el modelo específico donde
los costos de transporte son no cóncaveciales, caso de L =
2. Lee y col. (2003) consideran funciones de dos niveles.
 Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción 1710
Un estudio que se relaciona con el nuestro en el sentido
de que también considera las capacidades en un escenario
multinivel es el de Kaminsky y Simchi-Levi (2003).
Proponen un modelo de tres niveles en el que el primer y
tercer nivel son etapas de producción y el segundo nivel
es una etapa de transporte. Ambas etapas de producción
están capacitadas, 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 los costos de producción
lineal en los niveles 1 y 3 que satisfacen una condición
tradicional de motivos no especulativos (ver también
§2.3). Los costos de transporte en el segundo nivel son de
carga fija o 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 sus estructuras de función de costos
del modelo de tres niveles. Para su clase de costos de
transporte de carga fija, proporcionan un algoritmo O T4
para resolver el modelo, incluso en el caso de capacidades
de producción no estacionarias. Para su clase de costos de
transporte cóncavos, proporcionan un algoritmo O T8
para resolver el modelo en presencia de capacidades de
producción estacionarias. Plantean la complejidad de su
modelo para estructuras de costos más generales como
una pregunta abierta. En este artículo, abordamos esta
cuestión derivando un algoritmo O T7 para resolver el
problema de dos niveles en presencia de capacidades
estacionarias. proporcionan un algoritmo O T4 para
resolver el modelo, incluso en el caso de capacidades de
producción no estacionarias. Para su clase de costos de
transporte cóncavos, proporcionan un algoritmo O T8
para resolver el modelo en presencia de capacidades de
producción estacionarias. Plantean la complejidad de su
modelo para estructuras de costos más generales como
una pregunta abierta. En este artículo, abordamos esta
cuestión derivando un algoritmo O T7 para resolver el
problema de dos niveles en presencia de capacidades
estacionarias. proporcionan un algoritmo O T4 para
resolver el modelo, incluso en el caso de capacidades de
producción no estacionarias. Para su clase de costos de
transporte cóncavos, proporcionan un algoritmo O T8
para resolver el modelo en presencia de capacidades de
producción estacionarias. Plantean la complejidad de su
modelo para estructuras de costos más generales como
una pregunta abierta. En este artículo, abordamos esta
cuestión derivando un algoritmo O T7 para resolver el
problema de dos niveles en presencia de capacidades
estacionarias.
2.3. Casos especiales
Es común en los problemas de dimensionamiento de lotes
modelar los costos de mantenimiento del inventario como
funciones lineales, es decir, ht It = ht It para t = 1T; = 1L,
con ht ≥0 para todo t y. Por lo tanto, consideraremos esta
clase de problemas en §§4.3 y 4.4.
Management Science 51 (11), págs.
1706–1719, © 2005 INFORMS
En §4.3, asumiremos además que los costos de transporte
tienen una estructura de cargos fijos sin motivos
especulativos. Más formalmente, ct x = ft 1x> 0 + gt x,
donde 1x> 0 es una función indicadora que toma el valor
1 si x> 0 y 0 en caso contrario. La suposición de que no hay
motivos especulativos, que comúnmente se asume para
los costos de producción y mantenimiento de inventario
en los modelos económicos tradicionales de
dimensionamiento de lotes, significa en este contexto
que, con respecto a los costos variables de inventario y
transporte únicamente, es atractivo transportar como
tarde como sea posible. Más formalmente, gt para t = 1T
-
1; = 1L − 1.
Tenga en cuenta que si las funciones de costo de
transporte son lineales y no presentan motivos
especulativos, siempre es óptimo almacenar la
producción en el fabricante y transportarla solo cuando la
demanda debe satisfacerse. Por tanto, sin pérdida de
optimalidad, podemos suponer que It = 0 para todo t = 1T
y = 2L. De manera
similar, si los costos
de transporte son lineales y gt para t = 1TL − 1, es más
barato transportar tan pronto como producimos y
almacenamos la producción al nivel del minorista.
Entonces, sin pérdida de optimalidad, podemos suponer
que It = 0 para todo t = 1T y = 1L − 1. Por tanto, estos dos
casos especiales del MLSP-PC producen un CLSP estándar.
Finalmente, una variante de los dos niveles no capacitados
MLSP-PC se puede reducir fácilmente a un ELSP sin
capacidad. Cuando los costos de producción, así como los
costos de mantenimiento de 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 el fabricante.
nivel de costos de inventario para el transporte en el
período t. Redefinir la función de costo de transporte en
consecuencia, lo que se puede hacer en tiempo O LT, nos
permite eliminar las variables de producción, así como las
variables de inventario en el fabricante, produciendo un
ELSP estándar sin capacidad. El problema resultante
puede resolverse en tiempo O T2 para costos de
transporte cóncavos generales (ver Wagner 1960), y en
tiempo OT logT para costos de transporte de carga fija (ver
Aggarwal y Park 1993, Federgruen y Tzur 1991, y
Wagelmans et al.
2.4. Caracterización del problema de puntos extremos (P)
tiene una función objetivo cóncava y su región factible
está definida por restricciones lineales. Esto implica que
existe una solución óptima puntual extrema para (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, llamaremos arcos libres a los
arcos que llevan una cantidad de flujo estrictamente
positiva y estrictamente menor que su capacidad. Es bien
Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción Management Science 51 (11), págs. 1706–1719, ©
2005 INFORMS 1711
sabido (ver, por ejemplo, Ahuja et al. 1993) que la subred
que contiene solo los arcos libres no contiene ningún ciclo.
2.4.1. Subplanes. Tenga en cuenta que solo los arcos que
tienen un límite superior finito (que en nuestro caso son
solo los arcos de producción) pueden llevar flujo mientras
no están libres. Al eliminar todos los arcos de producción,
la red que contiene todos los arcos libres restantes se
descompone en varios componentes conectados.
Limitándonos por ahora a los componentes conectados
que efectivamente llevan flujo, identificamos el primer y
último nodos del componente en cada nivel. Para un
componente dado, estos nodos se pueden denotar por 1
+ 1 y 2 para = 1L, donde
por = 1L − 1 (8)
(Tenga en cuenta que la desigualdad estricta se cumple
debido a la definición del subplan: el primer período
incluido en el nivel es 1 + 1). Con este enfoque, algunos
nodos pueden aislarse y no incluirse en ningún flujo
portador de componentes. Asignamos cada uno de ellos
al componente que está adyacente a la izquierda de ellos.
La asignación de 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 11 y en el nivel 1, y 24 en el Nivel 2,
y 31 y en el Nivel 3, y el segundo por nodos y aunque puede haber múltiples arcos de producción
en el nivel 1, 26 y 28 en el nivel 2, y y en el nivel
3. Podemos observar que el nodo es parte del primer
componente, aunque ningún flujo pasa a través de este
nodo. Como se mencionó anteriormente, el nodo aislado
25 se asigna al componente izquierdo.
Resumiendo, podemos descomponer una solución de
punto extremo en (P) en componentes, cada uno de los
cuales contiene un conjunto de nodos 1 + 1 2 = 1L) que
satisfacen (8). Llamaremos a los componentes así
Figura 2 La estructura de una solución de punto extremo
para MLSP-PC, L = 3 y T = 8
subplanes obtenidos. Representaremos un subplan por el
Periodos de 2L que lo identifican: 1 2L = 1. A menudo será
conveniente referirse a los períodos de producción y
demanda en un subplan por separado, y luego usaremos
a menudo la notación t .
Por construcción, no se lleva inventario entre subplanos,
por lo que el único flujo que ingresa a un subplan proviene
de los arcos de producción asociados con los nodos de
fabricante en el subplan. La cantidad total producida en
todos los períodos de producción del subplan, es decir, la
producción total en los períodos t1 + 1t2, se utiliza para
abastecer la demanda de todos los nodos minoristas del
subplan, es decir, la demanda total en los períodos 1 + 12.
Llamaremos dos subplanos 1 = 2 para 1 = 21LL = 1 y.
Podemos resumir el 1 2L = 1 estructura
consecutiva si de soluciones de puntos extremos como
sigue.
Proposición 2.1. Cualquier solución factible de punto
extremo puede descomponerse en una secuencia de
subplanos consecutivos.
La solución extrema dada en la Figura 2 se descompone
en dos subplanos, a saber, 04 05 06 y
48 58 68.
Tenga en cuenta que el primer subplan obtenido al
descomponer una solución de punto extremo como se
describe anteriormente tiene
1 = 0 para = 1L. Sin embargo, en el resto de este artículo
será conveniente incluir también los subplanos 1 2L = 1
que satisfagan (8), para los cuales algunos, pero no todos
los valores de 1 son cero.
2.4.2. Cantidades de producción en un subplan. El hecho
de que los caudales extremos sean acíclicos implica que,
asociados con un subplan que transporta caudal, existe
como máximo uno de esos arcos con producción por
debajo de la capacidad. En otras palabras, hay como
máximo un arco de producción libre que ingresa al
subplan. Esto produce la siguiente generalización de la
caracterización de puntos extremos de CLSP de un solo
nivel por Florian y Klein (1971).
Proposición 2.2. Un subplan puede contener como
máximo un arco de producción libre.
Si el problema no está capacitado, esta proposición
implica que solo un arco de producción que lleva flujo
ingresa a cada uno de los subplanos, lo que a su vez
significa que los flujos extremos son arborescentes. El
algoritmo de programación dinámica propuesto para este
problema por Zangwill (1969) se basa en esta propiedad;
consulte el apéndice en línea.
Como ejemplo, en la Figura 2 sabemos que en el subplan
04 05 06 los arcos de producción y1 e y2 no pueden ser
ambos libres; lo mismo es válido para los arcos de
producción y5 e y6 en el subplan 48 58 68.
2.4.3. Cantidades de transporte en un subplan. La
ausencia de ciclos que consisten en arcos libres solo en
una solución de punto extremo también se puede utilizar
para identificar las propiedades estructurales de las
cantidades de transporte. Considere un período, digamos
t, en el que el transporte tiene lugar entre los niveles y +1,
es decir, el flujo en el arco entre los nodos ty + 1t es xt> 0.
Entonces pueden ocurrir dos situaciones con respecto al
flujo total en los nodos +1 + 11 + 1 + 1t, es decir, los envíos
acumulados entre niveles y +1 hasta el período t incluido
dentro del subplan:
 Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción 1712
Es igual a la producción acumulada en períodos t1 + 1s
para algunos st;
Satisface la demanda de los periodos 1 + 1s para algunos
s2.
De lo contrario, considere el último período de producción
en el que se produjo parte de la cantidad transportada xt,
digamos s . Entonces habrá un período cuya
demanda se satisface parcialmente con la cantidad xt y
parcialmente con la producción en el período s que
permanece en el inventario al 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 que las
cantidades transportadas acumuladas hasta el momento
en el subplan sean iguales a las cantidades de producción
acumuladas de una 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
pueden ilustrar con la Figura 2. En el subplan
04 05 06,
x11 es igual a la producción (acumulada) en el Período 1,
mientras que x11 + x21 + x31 + x41 es igual a la producción
acumulada en el Período 14 y satisface la demanda del
Período 16;
x12 satisface la demanda del período 1; x12 + x22 es igual
a la producción (acumulada) en el Período 1; y x12 + x22 +
x32 + x42 es igual a la producción acumulada en los
períodos 14 y satisface la demanda de los períodos 16.
3. Los capacitados de dos niveles
Problema de tamaño de lote con
Costos cóncavos
Para mayor claridad de exposición, primero
consideraremos la versión de dos niveles del MLSP-PC,
que llamaremos 2LSP-PC. En la siguiente sección,
mostraremos cómo se puede extender la metodología a
cadenas con más de dos niveles.
3.1. Un enfoque de programación dinámica
En esta sección, describiremos un enfoque de
programación dinámica general para el 2LSP-PC. Este
enfoque se basa en la descomposición de soluciones
puntuales extremas en (P) en subplanos consecutivos
(consulte la Proposición 2.1). En particular, defina F t
como el costo mínimo asociado con la satisfacción de las
demandas del minorista en períodos + 1T utilizando la
producción en períodos t + 1T. Entonces estamos
claramente interesados en calcular F 00. Esto se puede
lograr utilizando un enfoque de dos fases:
Fase 1. Para cada subplan t1t212, calcule los costos
mínimos en los que se incurre para satisfacer la demanda
de ese subplan bajo la condición de que como máximo un
arco de producción libre ingrese al subplan.
Denote estos costos por t1t212.
Management Science 51 (11), págs.
1706–1719, © 2005 INFORMS
Fase 2. Calcule los valores F t11 para todo 0≤t1≤ 1≤T al
darse cuenta de que un subplan t1t212 da una solución de
punto extremo al subproblema correspondiente y el
subproblema restante F t22 para algunos t2 y 2. Esto da
lugar a la siguiente recursividad hacia atrás:
Ft
por 0 <T
F t1T = 0 para 0≤t1≤T Tenga en cuenta que en la Fase 1
necesitamos calcular los valores O T4. La fase 2 es, de
hecho, un problema de ruta más corta en una red con
nodos que representan todos los pares de períodos t tales
que 0 T, y arcos que representan los subplanos
con los costos correspondientes. La ruta de costo mínimo
desde el nodo a cualquiera de los nodos t1T en esta red
acíclica se puede encontrar en tiempo lineal en el número
de arcos, es decir, en tiempo O T4 (ver Ahuja et al. 1993).
Florian y Klein (1971) utilizaron este marco de
programación dinámica general para desarrollar un
algoritmo de programación dinámica O T4 para resolver el
CLSP con capacidades estacionarias y funciones cóncavas
generales de producción y costo de mantenimiento de
inventario.
Cuando se da el valor de · para cada subplan, el 2LSP-PC
se puede resolver polinomialmente. Por lo tanto, para
lograr un algoritmo de tiempo polinomial para el 2LSP-PC,
el desafío es proporcionar un algoritmo de tiempo
polinomial para calcular los costos correspondientes a
todos los subplanos. Como sabemos que el 2LSP-PC es NP-
duro para las capacidades de producción generales,
restringiremos nuestra atención al caso de las
capacidades de producción estacionarias, es decir, bt = b
para t = 1T. En el resto de esta sección, derivaremos un
algoritmo de tiempo polinomial para calcular los costos
óptimos de todos los subplanos y, por lo tanto, para el
2LSP-PC. Antes de estudiar los subproblemas de calcular
los costos óptimos del subplan, en la siguiente sección
estudiaremos las implicaciones del supuesto de que las
capacidades de producción son estacionarias.
3.2. Implicaciones de las capacidades de producción
estacionarias
En la Fase 1 del enfoque de programación dinámica,
necesitamos calcular los costos óptimos de todos los
subplanos, bajo la restricción adicional de que todos
menos uno de los arcos de producción que ingresan al
subplan tienen un flujo igual a 0 o b. Considere un subplan
particular, digamos t1t212, en el que la demanda total de
los períodos 1 + 12 debe satisfacerse utilizando la
producción en los períodos t1 + 1t2. 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 un flujo
igual a la capacidad de producción es
exactamente igual a K / b, y
la cantidad de producción restante es
igual a! Kb. Claramente, tenemos que 0≤! <B. Si!> 0, habrá
Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción Management Science 51 (11), págs. 1706–1719, ©
2005 INFORMS 1713
exactamente un arco de producción entrando en el
subplan que lleva este flujo.
3.3. Los costos del subplan
Formularemos el problema de determinar los costos
óptimos de un subplan como un problema de
programación dinámica. Dicho de otra manera, para cada
subplan t1t212, definiremos una red con la propiedad de
que t1t212 es igual a la longitud de la ruta más corta entre
un par de nodos fuente y sumidero en esta red.
Elegimos los nodos en esta red para que sean de la forma
tYX, donde t indica un período, Y es igual a la cantidad de
producción acumulada hasta el período t inclusive, y X es
igual a la cantidad de transporte acumulada hasta el
período t inclusive . Nodo t es la fuente, mientras
que el nodo t2Kb +!
Kb es el fregadero. Por la
Proposición 2.2 y la discusión en §3.2, sabemos que la
cantidad de producción en cualquier período solo puede
asumir uno de los valores 0! B, con el valor! sólo en un
período. Esto implica inmediatamente que Y solo puede
asumir los valores
K ruta de costo mínimo en esta red desde el nodo fuente al
Y kbkb +!
donde, además,
Yt1K para t = t1 + 1t2−1, e Y = Kb +! si t ≥t2 para garantizar
que toda la demanda se produzca 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 la
cantidad acumulada transportada hasta cierto período
inclusive es igual a la cantidad de producción total 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, esto significa
que
K dinámica para el subplan 0t212. Por lo tanto, usar la
X∈ k = 0 kbkb ! s
donde, además, dY para garantizar que las
demandas se satisfagan a tiempo y los productos no se
transporten antes de su producción, y1 y X = Kb +! if t≥t2
para asegurar que el transporteX = 0 si t≤ tiene lugar
dentro del subplan. Por tanto, el número de valores
permitidos para X también es OT, de modo que el número
total de nodos en la red es O T3.
Los arcos en la red representan decisiones de producción,
transporte e inventario. Los arcos están presentes entre
pares de nodos en la red de la forma tYX y t + 1Y X, con Y
(en alguna parte los valores k sK). Es fácil ver
que hay) !, y solo está permitido siX≥X (donde XY∈ =
XkbYfor∪
OT arcos que emanan de cada nodo en la
red, de modo que toda la red tiene arcos O T4.
A partir de la información contenida en los nodos que
definen un arco, podemos calcular fácilmente la cantidad
de producción en el período t + 1 (Y − Y), la cantidad de
transporte en el período t + 1 (X − X), el inventario
retenido
(a nivel de fabricante al final del período Y − X), y el
inventario mantenido a nivel de minorista en t + 1 (X − d1
+ 1t + 1). Los costos de hormiga + 1
el final del arco del período viene dado por
pt + 1 Y − Y + ct1 + 1 X − X
+ h1t + 1 Y − X + h2t + 1 X − 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 tiempo constante siempre que determinemos
todas las demandas acumulativas td (en tiempo O
T2) en un paso de preprocesamiento.
Cualquier camino en la red desde la fuente t100 hasta el
sumidero t2d1 + 12d1 + 12 representa un flujo factible en
el subplan t1t212 con solo un arco de producción libre.
Además, es fácil ver que lo contrario también es cierto.
Por lo tanto, los costos del subplan vienen dados por la
nodo receptor. El tiempo requerido para encontrar esta
ruta de costo mínimo es proporcional al número de arcos
en la red, de modo que el costo de un solo subplan se
puede determinar en el tiempo O T4.
Debido a que existen subplanos O T4, una aplicación
sencilla del algoritmo de programación dinámica definido
anteriormente para cada subplan individual produciría un
algoritmo con tiempo de ejecución O T8 para calcular los
costos de todos los subplanos. Sin embargo, el tiempo de
ejecución se puede reducir observando que los costos de
muchos subplanos están relacionados. En particular,
observe que la red de programación dinámica
correspondiente a cualquier subplan de la forma t1t212
es en realidad una subred de la red de programación
recursividad hacia atrás para resolver la ruta más corta
entre los nodos 000 y t2d1 + 12d1 + 12 en la última red
produce, como subproducto, las rutas más cortas entre
los nodos t00 y t2d1 + 1t2d1 + 1t2 para cada t = 11. Por lo
tanto, se deduce que solo necesitamos considerar los
subplanos O T3 de la forma 0t212,
3.4. Manejo de los inventarios iniciales Si los inventarios
iniciales a nivel de fabricante y / o minorista, I01 y I02, son
estrictamente positivos, hay un ligero cambio en la
construcción de los subplanos. Recuerde que construimos
subplanos correspondientes a una solución de punto
extremo dada considerando todos los arcos (excepto los
arcos de producción) que llevan flujo positivo. Los
subplanos están formados por los componentes
conectados resultantes junto con algunos nodos aislados.
Sin embargo, cuando hay inventarios iniciales, puede
haber uno o más componentes que llevan flujo pero no
contienen un período de producción. En estos
 Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción 1714
componentes, la demanda se satisface utilizando
inventarios iniciales en los niveles de almacén y minorista
únicamente, y se pueden asignar al componente que
contiene el Período de producción 1 (es decir, el
componente que contiene el nodo 11). Los resultados en
§§2.4.2 y 2.4. 3 claramente siguen siendo válidos para
subplanos en los que t1> 0. Sin embargo, para los
subplanos con t1 = 1 = 0, los resultados continúan siendo
válidos siempre que consideremos los inventarios iniciales
totales I01 + I02 como una cantidad de producción
acumulada hasta el Período 0 inclusive, y el inventario
inicial I02 en el Nivel 2 como el transporte acumulado.
cantidad hasta el Período 0 inclusive. A menos que 2 = T,
estos subplanos solo pueden tener una solución factible si
los inventarios iniciales totales no exceden la demanda
total que debe satisfacerse en el subplan. Para los
subplanos con d, obtenemos K / b Kb. y el inventario inicial
I02 en el Nivel 2 como la cantidad de transporte
acumulada hasta el Período 0 inclusive. A menos que 2 =
T, estos subplanos solo pueden tener una solución factible
si los inventarios iniciales totales no exceden la demanda
total que debe satisfacerse en el subplan. Para los
subplanos con d, obtenemos K / b Kb. y el inventario inicial
I02 en el Nivel 2 como la cantidad de transporte
acumulada hasta el Período 0 inclusive. A menos que 2 =
T, estos subplanos solo pueden tener una solución factible
si los inventarios iniciales totales no exceden la demanda
total que debe satisfacerse en el subplan. Para los
subplanos con d, obtenemos K / b Kb.
Como ya se mencionó, d <I0 + I0 solo puede ocurrir si 2
= T. Si de hecho d1T <I01 + I02, una solución de punto
extremo contendrá un solo subplan: 0T0T, y no habrá
producción en ningún período de ese subplan, es decir, K
=! = 0. La única dificultad que queda en este caso es que
no queremos especificar de antemano en qué nivel
terminará el inventario excedente como inventario final.
Esto se puede solucionar fácilmente ampliando el
horizonte de planificación en un período, digamos T +1.
Luego, defina la función de costo de producción para ese
período como pT + 1 0 = 0 y pT + 1 yT + 1 =
para todo 0T + <yT + 1≤0b para todo y la
función de costo de transporte como xT + 1≥0.
Finalmente, configure 0TdT + 01T = I01 en + I02− c
d1. Los costos del problema original del subplan único se
pueden encontrar calculando los costos del subplan 0T +
10T +1 en el problema modificado.
Ahora considere la red de programación dinámica
utilizada para calcular los costos de un subplan. Para los
subplanos que contienen inventarios iniciales, dejamos
que el nodo fuente sea! I0 1 I0 I y el nodo
sumidero sea t2I01 + I02 + Kb + that + 2 + Kb + !. Para un
estado tYX, esto también significa
K
Y ∈k !
=
y
Management Science 51 (11), págs.
1706–1719, © 2005 INFORMS
K
X∈ k = s 2 1d1s
Por último, tenga en cuenta que para los subplanos con
t1> 0, no deberíamos tener una entrada de inventario
positiva. Por lo tanto, en caso de que existan niveles de
inventario inicial distintos de cero, en realidad
necesitamos calcular los costos de todos los subplanos
0t202 teniendo en cuenta los niveles de inventario
iniciales, así como los costos de todos los subplanos 0t212
para 1> 0 sin tener en cuenta el valor inicial nivel de
inventario en el fabricante. Esto claramente no influye en
el tiempo de ejecución general 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 para el MLSP-PC. Con este
fin, debemos definir
F usar la producción en períodos satisfaciendo las
demandas del minorista en períodos 1L = 12.
Entonces estaríamos interesados en calcular el costo
mínimo asociado con la satisfacción 11 + 1T para
cada L, y ware-1 + 1T =
casa en periodos +1 1 + 1T
F 1 generalización correspondiente de la dinámica de la
Fase 2 L0L = 1−. Es fácil ver que el tiempo de ejecución del
programa sería O T2L. En esta sección, derivaremos una
modificación del programa dinámico de la Fase 2 que se
ejecuta en tiempo O T4. Esta modificación no hace que la
Fase 1 sea computacionalmente más costosa, e incluso
puede hacerla menos costosa.
En particular, desarrollaremos un enfoque más eficiente
en el que el programa dinámico de la Fase 2 no
necesariamente representa todas (o incluso solo) las
soluciones de puntos extremos para el MLSP-PC, y además
sobreestima los costos de muchas de las soluciones de
puntos no extremos que representa. Sin embargo, como
mostraremos, contiene una solución óptima de punto
extremo y está garantizado que encontrará esta solución.
Este enfoque se basa en la idea de que la información más
importante presente en la definición de un subplan es el
conjunto de períodos de producción t1 + 1t2 y el conjunto
de períodos de demanda 1 + 12. La base de nuestro
algoritmo mejorado es permitir el transporte en los
períodos t1 + 12 (mientras que, por supuesto, se retienen
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 los costos del subplan de dos niveles
t1t212 por los costos mínimos de satisfacer la demanda
en los períodos 1 + 12 usando la producción en los
períodos t1 + 1t2, donde como máximo una de las
cantidades de producción puede ser diferente de 0 yb, y
Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción Management Science 51 (11), págs. 1706–1719, ©
2005 INFORMS 1715
donde el transporte en todos los niveles está permitido en
los períodos t1 + 12. Denotaremos los últimos costos por%
t1t212, y nos referiremos a los vectores t1t212 como
subplanos 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
100 · 1 0 + y pt y si t = 2 de
= 1 · 1y> y> 0 + y lo
contrario
y un sumidero en la red de programación dinámica de la
50 si t = 2 de
ct1 x = 1 · 1 · 1x> x> 00+ lo
+ xx contrario
Finalmente, deje que todas las funciones de costo de
mantenimiento de inventario sean iguales a cero. Los
flujos óptimos en 1424 y% 1424 se dan en la Figura 3. Al
calcular los costos 1424, el transporte solo se permite en
períodos en los que tanto la producción puede tener lugar
y la demanda está satisfecha (es decir, en los Períodos 3 y
4 en el ejemplo), mientras que en la versión relajada del
mismo subplan se permite el transporte en cualquier
período en el que se pueda producir o se satisfaga la
demanda (es decir, en los Períodos 2, 3 y 4 en el ejemplo).
Por tanto, los costes% 1424 son inferiores a
figura 3 Los flujos óptimos en 1424 y 1424
2 2
0 0
2 2
(1, 2) (1, 3) (1, 4) (1, 2)
2 que tanto 1 2L = 1 como% 1112, L1L2 son el valor óptimo
2 2
(2, 2) (2, 3) (2, 4) (2, 2)
1 2
1 1
1424 porque en el subplan relajado podemos transportar
en el segundo período.
Estos cambios tienen dos consecuencias importantes.
Considere una ruta desde la fuente hasta un sumidero en
la red de la Fase 2. Primero, si bien es fácil ver que la
solución correspondiente del MLSP-PC es realmente
factible, no es necesariamente una solución de punto
extremo porque los nodos de producción y demanda en
dos subplanos relajados contenidos en la solución pueden
estar conectados por arcos que contienen flujo positivo. .
En segundo lugar, es posible que ciertos arcos se utilicen
en más de un subplan relajado. Esto significa que la
longitud de la ruta en la red puede no ser la misma que los
costos de la solución correspondiente al MLSP-PC.
Tratando primero este último problema, el siguiente
teorema muestra que la longitud de la ruta nunca es
menor que los costos reales de la solución, y es igual a los
costos de la solución si todas las funciones de costo de
transporte e inventario son lineales.
Teorema 4.1. Cada ruta desde la fuente hasta un sumidero
en la red de programación dinámica de la Fase 2
corresponde a una solución factible para el MLSP-PC. La
longitud de esta ruta no puede ser menor que el costo de
la solución correspondiente, y es igual al costo de la
solución si todas las funciones de costo de transporte e
inventario son lineales.
Prueba. El hecho de que un camino desde la fuente hasta
Fase 2 corresponda a una solución factible al problema del
tamaño del lote se deriva inmediatamente del hecho de
que se satisfacen todas las limitaciones de capacidad de
producción, así como todas las demandas. Sin embargo,
ciertos arcos de transporte e inventario pueden tener un
flujo positivo en las soluciones parciales correspondientes
a más de un arco en el camino, y cada uno de los flujos
parciales se carga por separado de acuerdo con la función
de costo correspondiente. Debido a la concavidad de
todas las funciones de costo, se deduce que el costo del
flujo total no excederá la suma de los costos de los flujos
individuales en ningún arco en particular y, por lo tanto, la
longitud de una ruta nunca será menor que los costos de
la solución correspondiente. Además,
El siguiente lema da una relación entre los costos
asociados con un subplan y el subplan relajado
correspondiente.
Lema 4.2. Para
cualquier
subplan L
que . = 1, tenemos
Prueba. Este resultado sigue inmediatamente al observar
(1, 3) (1, 4)
de un problema de optimización con funciones de costo
idénticas, pero donde la región factible del primero es un
(2, 3) (2, 4) subconjunto de la región factible del segundo.
1
El siguiente teorema muestra que existe una solución
1 1 óptima para el problema del tamaño del lote que está
representado por una ruta 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 para nuestro problema de tamaño de lote, y la
longitud de la ruta es igual al costo de esta solución.
Prueba. Considere una solución óptima de punto extremo
para el problema del tamaño del lote, digamos con costo
& ∗. Como se discutió en §2.4, esta solución óptima se
descompone en una secuencia de subplanos
consecutivos. Es fácil ver que la red de programación
dinámica de la Fase 2 contiene un camino para el cual los
períodos de producción y demanda de cada uno de los
arcos corresponden a esta secuencia de subplanos. El
lema 4.2 ahora dice que la longitud de la ruta en la red de
 Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción 1716
programación dinámica, digamos ', no excederá & ∗. Sin
embargo, por el teorema 4.1 sabemos que 'es una
sobreestimación de los costos de una solución factible
correspondiente. La optimización de & ∗ ahora implica
que, de hecho, '= & ∗, lo que demuestra el resultado
deseado.
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 tiempo O T4, dados todos los valores% t1t212. El
desafío restante 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 esta
sección, formularemos el problema de determinar los
costos% t1t212 como un problema de programación
dinámica. Dicho de otra manera, definimos, para cada
t1t212, una red con la propiedad de que% t1t2 12 es igual
a la ruta más corta entre un par de nodos fuente y
sumidero en esta red. Los nodos de esta red tienen la
forma tY X1XL − 1, donde t indica un período, Y es igual a
la cantidad de producción acumulada hasta el período t
inclusive, y X es igual a la cantidad de transporte
acumulada de nivel a nivel +1 hasta e incluyendo el
período t. Tenga en cuenta que la viabilidad dicta que
debemos restringirnos a
los valores.
La fuente es el nodo t , mientras que el sumidero
es el nodo t ! Kb + !. Como en §3.3, tenemos que
K inventario inicial = s + 1I0 como el transporte acumulado
Y ∈ kbkb +! k = 0
y el número de valores permitidos para Y es O T. Además,
de manera similar a la del caso de dos niveles, tenemos
que
K
X ∈k0kbkb +! ∪s 2 D 1
= 1L − 1
=
de modo que el número de valores permitidos para X
también sea OT. Esto significa que el número total de
nodos en la red es OT L + 1.
Los arcos en la red representan decisiones de producción,
transporte e inventario, y están presentes entre pares de
nodos en la red del
formulario.
tYX1XL − 1 y, donde Y − Y ! by X ≥X = −1).
Es fácil ver que hay OT arcos que emanan de cada
nodo, para un total de OT arcos en la red.
Similar a §3.3, podemos calcular
fácilmente la cantidad de producción en el
período tY), la cantidad de transporte entre niveles y +1
en el período t + 1 (X −X), el inventario
mantenido a nivel del fabricante al final del
período tX1) , y el inventario mantenido a nivel de
minorista al final del período t + 1
tanto, los costes de un arco están dados por
Management Science 51 (11), págs.
1706–1719, © 2005 INFORMS
L−1
pt + 1 Y X
L−1
D
Si todas las funciones de costo se pueden evaluar en
tiempo constante, los costos de un arco dado se pueden
calcular en tiempo OL de la misma manera que en el 2LSP-
PC después de un paso de preprocesamiento que toma
tiempo O T2. Concluimos que el costo de un solo subplan
relajado se puede determinar en
O LT2L tiempo.
Finalmente, observando que hay subplanos relajados O T4
y aplicando la misma técnica para reducir el tiempo de
ejecución que se utilizó al final de §3.3, obtenemos un
algoritmo para MLSP-PC con costos de producción,
transporte y mantenimiento de inventario cóncavos
arbitrarios y Capacidades estacionarias que corre en O
LT2L + 3 tiempos. Aunque este tiempo es exponencial en
el número de niveles, el orden del tiempo de ejecución
estará limitado por el hecho de que el número de niveles
será normalmente relativamente pequeño.
Este enfoque se puede ampliar fácilmente para hacer
frente a los inventarios iniciales. Recuerde de §3.4 que
solo se deben considerar los subplanos relajados con t1 =
0. Para un subplan tan relajado, deberíamos ver los
inventarios iniciales totales L L = 1I0 como una cantidad de
producción acumulada hasta el Período 0 inclusive, y el
hasta la cantidad hasta el Período 0 inclusive desde el nivel
s nivel s + 1, para todos los s L − 1. Como en §3.4, sin
aumentar el tiempo de ejecución, estos inventarios
iniciales pueden incorporarse al enfoque de programación
dinámica para calcular% t1t212 mediante redefiniciones
apropiadas de los posibles valores de Y y X.
s
En las siguientes secciones, mostraremos cómo el tiempo
de ejecución se puede reducir drásticamente para
instancias de problemas que tienen capacidades de
producción estacionarias, costos de producción cóncavos
generales y costos de mantenimiento de inventario lineal
en todos los niveles, así como una de las siguientes dos
estructuras de costos de transporte. : (i) cargo fijo 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 los costos de mantenimiento de
inventarios lineales. Como antes, determinaremos los
costos de cada subplan relajado usando programación
dinámica. Después de un paso de preprocesamiento que
se ejecuta en O LT4, este programa dinámico se ejecuta
en tiempo O T4 para cada subplan relajado individual.
Mediante el uso de la técnica de reducción al final de §3.3,
). Por el costo de todos los subplanos relajados O T4 se puede
calcular simultáneamente en el tiempo O T7. Por lo tanto,
Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción Management Science 51 (11), págs. 1706–1719, ©
2005 INFORMS 1717
el tiempo de ejecución del enfoque de programación
dinámica para este caso especial de MLSPPC es O T7 + LT4.
Cuando L = 2, podemos reducir este tiempo de ejecución
a O T6.
4.3.2. Propiedad de pedido de inventario cero en el
minorista. Demostraremos que, bajo costos de transporte
de carga fija sin motivos especulativos, las soluciones
satisfacen la propiedad de pedido de inventario cero (ZIO)
1en todos los niveles en; = 2L, son dominantes. Es decir,
dado cualquier facti-2L, es decir, It xt + −11 = 0 para t = 1T,
siempre existe otra solución para el subplan relajado
t1t212 que es al menos igual de buena y satisface la
propiedad ZIO en todos los niveles. en 2L. Teorema 4.4.
Dado un subplan relajado t1t212, el conjunto de
soluciones con la propiedad ZIO en todos los niveles en 2L
es dominante.
Prueba. Sea y¯ x¯ I¯ una solución factible para el subplan
relajado t1t212 que no satisface la propiedad ZIO en algún
nivel. Sea ¯ el último nivel, de modo que la
propiedad ZIO se cumple para todo 1L, pero no
es cierta para el nivel ¯. Podemos construir una nueva
solución al menos tan buena como xI¯, tal que el
La propiedad ZIO es válida para todos los que hemos
obtenido el resultado deseado. De lo contrario, ∈ L¯. Si
2, luego repita el procedimiento con la nueva solución.
Observe que este procedimiento converge porque el
nuevo ¯ ha disminuido en al menos una
unidad.
Sea2−1 en el período ¯ ha sido trans-de modo que
0. El inventario positivo I¯¯ trasladado al nivel ¯ en
algún período anterior. Sin embargo, debido a la ausencia
de motivos especulativos, podemos reprogramar sin
aumentar los costos. Repitiendo este argumento para el
transporte de las unidades I¯t¯ ¯ al período t¯ + 1 para cada
período t¯ que viola la propiedad ZIO en el nivel ¯,
obtenemos una solución donde la propiedad ZIO es
verdadera para cada nivel L.
Recordemos que% t1t212 es igual a los costos mínimos
entre las soluciones del subplan relajado t1t212 con como
máximo un arco de producción libre. El siguiente corolario
del teorema 4.4 establece que para encontrar este
mínimo restringido podemos restringir nuevamente
nuestra búsqueda a soluciones que satisfagan la
propiedad ZIO en el minorista.
Corolario 4.5. El costo asociado con el subplan relajado
t1t212 se puede encontrar entre todas las soluciones
factibles que satisfacen la propiedad ZIO en todos los
niveles en 2L.
Prueba. Esto se sigue inmediatamente de la demostración
del teorema 4.4 al observar que la modificación de la
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
suponer que cualquier cantidad enviada es igual a la
demanda de un conjunto de períodos consecutivos. Esto
ayudará a reducir la información mantenida en el enfoque
de programación dinámica descrito en §4.2.1.
4.3.3. Los costos de un subplan relajado. En esta sección,
formularemos el problema de determinar los costos%
t1t212 como una simplificación del problema de
programación dinámica definido en §4.2.1. Todos los
nodos de la red de programación dinámica tienen la forma
tYs, donde t indica un período, Y es igual a la cantidad de
producción acumulada hasta el período t inclusive, y s
representa el último período cuya demanda se satisface
utilizando el transporte desde el Nivel 1 hasta el Nivel 2
hasta el período t inclusive, donde d Y y t≤s.
Podemos observar que del teorema 4.4,
tenemos que X en el programa dinámico de
§4.2.1. La fuente es el nodo t101, mientras
que el sumidero es el nodo t2Kb. Como antes, sabemos
que Y solo puede asumir los valores
K
Y ∈ kbkb +! k = 0
Los arcos están presentes entre pares de nodos en la red
de la forma tYs y tY s¯, donde Y − Y ∈
0! By s¯≥s. Es fácil ver que hay arcos OT que emanan de
cada nodo de la red, de modo que toda la red tiene arcos
O T4.
Los costos de un arco entre los nodos tYs y t + 1Y s¯ ahora
están dados por
pt + 1 Y − Y + h1t + 1 Y − d1 + 1s¯
+ ct1 + 1 ds + 1s¯ + Ct + 12 s + 1s¯
donde Ct s1s2 se definen como los costos óptimos de
enviar unidades ds1s2 desde el nodo t hasta sus destinos,
es decir, los nodos de demanda Ls1 Ls2. Podemos utilizar
el algoritmo de Zangwill, en una etapa de
preprocesamiento, para determinar los valores Ct2 s1s2
para todo t = 2T; s1 = tT; y s2 = s1T en el tiempo O LT4;
consulte 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 podemos usar el mismo
enfoque descrito anteriormente en presencia de
capacidades de producción. La razón es que en el caso no
capacitado, la propiedad ZIO se mantiene para funciones
arbitrarias de costo de arco cóncavo, mientras que este no
es el caso en el caso capacitado. Sin embargo, como
hemos mostrado, en el caso de costos de transporte de
carga fija que no exhiben motivos especulativos, también
obtenemos la propiedad ZIO, permitiendo el uso del
algoritmo de Zangwill para determinar las entradas a
nuestro algoritmo. El problema de determinar% t1t212 se
reduce a 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 ver
que el número de nodos en la red es O T3 y el número de
arcos O T4. Utilizando el mismo enfoque para calcular
múltiples valores de la función% a la vez que hemos
discutido para la función% al final de §3.3, esto produce
un algoritmo O T7 + LT4 para resolver la variante
 Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción 1718
multinivel de este problema. Es fácil ver que el número de
nodos en la red es O T3 y el número de arcos O T4. Usando
el mismo enfoque para calcular múltiples valores de la
función% a la vez, como hemos discutido para la función%
al final de §3.3, esto produce un algoritmo O T7 + LT4 para
resolver la variante multinivel de este problema. Es fácil
ver que el número de nodos en la red es O T3 y el número
de arcos O T4. Utilizando el mismo enfoque para calcular
múltiples valores de la función% a la vez que hemos
discutido para la función% al final de §3.3, esto produce
un algoritmo O T7 + LT4 para resolver la variante
multinivel de este problema.
Cuando L = 2, este tiempo de ejecución se puede reducir
a O T6. Recuerde que el número de nodos en el enfoque
de programación dinámica anterior es O T3.
Demostraremos que el número de arcos también es O T3.
Para cada t hay nodos OT de la forma t · t, y O T2 nodos de
la forma t · s con s> t. Cada nodo de la forma t · t tiene
sucesores OT, y cada nodo de la forma t · s con s> t tiene
O 1 sucesores, lo que hace un total de OT · OT · O T + O T2
· O 1 = O T3 arcos en la red. Esto produce un algoritmo O
T6 para resolver la variante de dos niveles de este
problema.
Desafortunadamente, en presencia de niveles de
inventario inicial distintos de cero, la propiedad ZIO ya no
es necesariamente dominante. Sin embargo, en estos
casos todavía se aplica el procedimiento más general
desarrollado para el caso de funciones de costo cóncavas
arbitrarias.
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 encuentre los costos óptimos de cada subplan
relajado. Después de un paso de preprocesamiento que se
ejecuta en el tiempo O LT2, este algoritmo se ejecuta en
el tiempo O T2 para un único subplan relajado, pero los
costos de todos los subplanos relajados O T4 se pueden
calcular simultáneamente en el tiempo O T5. Esto da
como resultado un algoritmo O T5 + LT2 para resolver esta
clase de instancias de MLSP-PC.
4.4.2. Preprocesamiento. En términos de la red
subyacente (como se describe en §2.1), una unidad
producida en el período t para satisfacer la demanda en el
período ≥t fluirá, en la solución óptima, a lo largo de la
ruta de costo mínimo de 1t a L.En una etapa de
preprocesamiento , podemos determinar los costos de
transporte unitarios mínimos asociados con la producción
de una unidad en el período t para el consumo en el
período, que llamaremos Gt. Todos estos valores se
pueden calcular en tiempo O LT2 resolviendo T problemas
de ruta más corta en gráficos acíclicos con arcos O TL
usando recursividad hacia atrás. Usando estos valores,
podemos entonces determinar nuevamente los costos
totales de transporte asociados con producir, en el
Management Science 51 (11), págs.
1706–1719, © 2005 INFORMS
período t, la demanda total de los períodos consecutivos
1+ 12, asumiendo que el transporte está permitido en
todos los períodos t2, es decir, GDt12 ≡ r21drGtr. En = O
T3 tiempo, estos costos se pueden calcular para todos los
t 1T y tT. Esta información nos permitirá calcular los costos
totales de transporte asociados con la producción en el
período t en tiempo constante.
4.4.3. Los costos de un subplan relajado. En esta sección,
formularemos el problema de determinar los costos%
t1t212 como una simplificación adicional del problema de
programación dinámica definido en §4.2.1. Todos los
nodos de la red de programación dinámica tienen la forma
tY, donde t indica un período, e Y es igual a la cantidad de
producción acumulada hasta el período t incluido, donde
d Yy
K
Y ∈ kbkb +! k = 0
La fuente es el nodo t , mientras que el sumidero es el
nodo t2Kb + !.
Los arcos están presentes entre pares de nodos en la red
de la forma tY y t + 1Y cuando Y− Y !B. Cada arco de la
red descrito anteriormente representa una posible
decisión de producción. Dejamos que los costos de los
arcos sean iguales a los costos totales asociados con la
cantidad de producción. Queda por demostrar que los
costos de transporte y mantenimiento de inventario se
pueden calcular en tiempo constante. Además de la
información recopilada en la fase de preprocesamiento
descrita en §4.4.2, también encontraremos, para cada
nodo tY en la red, el primer período cuya demanda no está
completamente satisfecha por la producción acumulada Y
(digamos s). como la parte de la demanda de ese período
que queda por satisfacer (digamos,). Usando las
demandas acumuladas d1 + 1t (t = 1 + 12), así
como el hecho de que el valor de Y solo puede ser igual a
kb o kb +! para k = 0K, esta información adicional se puede
obtener en tiempo extra. Como veremos más adelante,
esto no aumenta el tiempo de ejecución para encontrar
los costos de un solo subplan relajado.
Ahora considere un arco que conecta los dos nodos tY
(con el primer período de demanda restante s con
demanda restante,) y t + 1Y (con el primer período de
demanda restante s¯ con demanda restante,). Cuando Y −
Y ≤ ,, los costos unitarios de transporte de la cantidad
producida en el período t + 1 son iguales a Gt + 1s. Cuando
Y − Y> ,, los costos de transporte y mantenimiento de
inventario para este arco constan de hasta tres
componentes: Gt + 1s, + GDt + 1ss¯ − 1 + Gt + 1s¯ ds¯ -,, y
por lo tanto se pueden calcular en tiempo constante. El
problema de determinar% t1t212 se reduce a 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 ver que el número de nodos
en la red es O T2 y el número de arcos O T2. Usando el
mismo enfoque para calcular múltiples valores de la
función% a la vez como en §4.3,
Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción Management Science 51 (11), págs. 1706–1719, ©
2005 INFORMS 1719
Al igual que en el CLSP, los inventarios iniciales se pueden
incorporar cuando todas las funciones de costo de
mantenimiento de inventario y transporte son lineales. En
particular, los inventarios iniciales se utilizan para
satisfacer las demandas más tempranas a través de los
caminos más cortos apropiados en la red, después de lo
cual se actualizan las demandas y se resuelve el problema
restante sin inventarios iniciales.
5. Observaciones finales e investigaciones futuras
En este trabajo, hemos considerado una generalización
del ELSP clásico con capacidades de producción
estacionarias que permite múltiples niveles de
almacenamiento, así como las correspondientes
decisiones de transporte para el transporte entre los
diferentes niveles. Hemos identificado dos casos
especiales importantes de este problema que se pueden
resolver en tiempo polinomial. Los tiempos de ejecución
de los algoritmos correspondientes son notablemente
insensibles al número de niveles de la cadena de
suministro.
Los temas abiertos para futuras investigaciones en esta
área se pueden dividir en tres direcciones generales.
Primero, las complejidades, aunque polinomiales en el
horizonte de planificación, son de orden relativamente
alto: O T5 a O T7 para los casos de dos niveles. Sería
interesante si se pudiera reducir el orden del tiempo de
ejecución, por ejemplo, investigando si se puede ahorrar
más tiempo determinando los costos de muchos o todos
los subplanos simultáneamente. Además, aunque el
número de niveles será generalmente relativamente
pequeño, sería interesante determinar si el caso
multinivel con funciones de costo 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 las cadenas de suministro en
serie en presencia de capacidades en otros niveles o en
niveles adicionales de la cadena. Finalmente,
Un apéndice en línea de este documento está disponible
en http://mansci.pubs.informs.org/ecompanion.html.
Expresiones de gratitud
El trabajo del segundo y tercer autor fue apoyado por la
National Science Foundation con las subvenciones No.
DMI0085682 y DMI-0355533, la Escuela de Investigación
de Economía de la Tecnología y las Organizaciones de
Maastricht (METEOR) y la Organización de los Países Bajos
para la Investigación Científica (NWO).
Referencias
Aggarwal, A., JK Park. 1993. Algoritmos mejorados para
problemas económicos de tamaño de lote. Oper. Res. 41
(3) 549–571.
Ahuja, RK, TL Magnanti, JB Orlin. 1993. Flujos de red:
teoría, algoritmos y aplicaciones. Prentice Hall,
Englewood Cliffs, Nueva Jersey.
Arntzen, BC, GG Brown, TP Harrison, LL Trafton. 1995.
Gestión de la cadena de suministro global en Digital
Equipment Corporation. Interfaces 25 (1) 69–93.
Baker, KR, P. Dixon, MJ Magazine, EA Silver. 1978. Un
algoritmo para el problema dinámico del tamaño de lote
con restricciones de capacidad de producción variables en
el tiempo. Management Sci. 24 (16) 1710-1720.
Bitran, GR, HH Yanasse. 1982. Complejidad computacional
del problema del tamaño de lote capacitado.
Management Sci. 28 (10) 1174-1186.
Chandra, P., ML Fisher. 1994. Coordinación de
planificación de producción y distribución. EUR. J. Oper.
Res. 72 503–517.
Chung, C.-S., C.-HM Lin. 1988. Un algoritmo O T2 para el
problema de tamaño de lote capacitado NI / G / NI / ND.
Management Sci. 34 (3) 420–426.
Federgruen, A., M. Tzur. 1991. Un algoritmo de avance
simple para resolver modelos de tamaño de lotes
dinámicos generales con n períodos en O nlogn u O n.
Management Sci. 37 909–925.
Ver estadísticas de publicación
Florian, M., M. Klein. 1971. Planificación determinista de
la producción con costos cóncavos y limitaciones de
capacidad. Management Sci. 18 12-20.
Florian, M., JK Lenstra, AHG Rinnooy Kan. 1980.
Planificación determinista de la producción: algoritmos y
complejidad. Management Sci. 26 (7) 669–679.
Geoffrion, AM, potencias de RF. 1995. Veinte años de
diseño de sistemas de distribución estratégica: una
perspectiva evolutiva. Interfaces 25 (5) 105–127.
Kaminsky, P., D. Simchi-Levi. 2003. Dimensionamiento de
lotes de producción y distribución en una cadena de
suministro de dos etapas. IIE Trans. 35 (11) 1065–1075.
Lee, CY, S. Çetinkaya, W. Jaruphongsa. 2003. Un modelo
dinámico para el dimensionamiento de lotes de inventario
y la programación de envíos salientes en un almacén de
terceros. Oper. Res. 51 (5) 735–747.
Thomas, DJ, PM Griffin. 1996. Gestión coordinada de la
cadena de suministro. EUR. J. Oper. Res. 94 (1) 1–15.
van den Heuvel, W., APM Wagelmans. 2003. Un algoritmo
geométrico para resolver el problema de tamaño de lote
capacitado NI / G / NI / ND en tiempo O T2. Informe
técnico 2003-24, Informe del Instituto Econométrico,
Rotterdam, Países Bajos. van Hoesel, CPM, APM
Wagelmans. 1996. Algoritmo O T3 para el problema
económico de dimensionamiento de lotes con
capacidades constantes. Management Sci. 42 (1) 142–
150.
Wagelmans, A., S. van Hoesel, A. Kolen. 1992.
Dimensionamiento económico del lote: un algoritmo O
nlogn que se ejecuta en tiempo lineal en el caso de
WagnerWhitin. Oper. Res. 40 (1) S145 – S156.
Wagner, HM 1960. Posdata a los problemas dinámicos de
la teoría de la empresa. Res. Naval Logista. Cuarto de
galón. 7 7–12.
Wagner, HM, TM Whitin. 1958. Versión dinámica del
modelo económico de tamaño de lote. Management Sci.
5 89–96.
 Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades de producción 1720 Management Science 51 (11), págs.
1706–1719, © 2005 INFORMS

Zangwill, WI 1969. Un modelo de acumulación y un

modelo de niveles múltiples de un sistema de producción
de tamaño de lote económico dinámico: un enfoque de
red. Management Sci. 15 (9) 506–527.