Traducido del inglés al español - www.onlinedoctranslator.

com

CIENCIA DE GESTIÓN informs ®

Vol. 51, núm. 11, noviembre de 2005, págs. 1706–1719 doi 10.1287 / mnsc.1050.0378
issn 0025-1909 eissn1526-5501 05 5111 1706 © 2005 INFORMA

Dimensionamiento de lote 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.u fl. 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
Econometric Institute, Erasmus University Rotterdam, PO Box 1738, 3000 DR Rotterdam, Países Bajos,
salarialman@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 económico de tamaño de lote 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 costos variables. 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: tamaño de 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 agregado a un producto en una secuencia de instalaciones de

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. Tal cadena de
suministro ocurrirá, por ejemplo, cuando el valor es
producción, y los bienes intermedios necesitan ser
transportados 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
Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS
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 para intermediar las
instalaciones de almacenamiento 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
el nivel del minorista (aunque esto no necesariamente
representa el nivel en el que tiene lugar el consumo de
demanda real). De hecho, en tal modelo, las etapas
intermedias de producción y transporte son indistinguibles
entre sí, por lo 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
estudiados en la planificación de la producción y el inventario, el
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
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
inventarios, 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 todavía deben decidir cómo
distribuir los costos totales mínimos, lo cual es un problema de
coordinación que
1707
está fuera del alcance de este documento. Alternativamente, sin
embargo, podemos interpretar los costos de mantenimiento a nivel
del 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
dimensionamiento de lotes, 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, sin importar 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 quedan 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 dimensionamiento de lotes 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
polinómicamente solubles 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 de
cargo fijo sin motivos especulativos, lo que significa que con
respecto a los costos variables, mantener inventario es menos
costoso en los niveles más altos que en los 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 y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
1708 Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS

de soluciones a problemas de tamaño de lotes no capacitados, como se describe en en el siguiente nivel. Desde el nivel de almacén final, los productos
Zangwill (1969) para el caso multinivel y, por ejemplo, en Wagner y Whitin (1958) se transportan (posiblemente después de haber estado
para el caso de un solo nivel. En particular, en nuestro modelo de dos niveles almacenados durante algún tiempo) al minorista.
trabajamos con el nuevo concepto de subplan y mostramos que las soluciones Consideramos un horizonte de planificación de T períodos. En
extremas se descomponen en varios subplanos consecutivos. Todos nuestros cada periodot, el minorista enfrenta una demanda no negativa
algoritmos para este modelo se ejecutan en tiempo polinomial en el horizonte de dada por Dt, mientras que la capacidad de producción de la man-
planificación del problema. La generalización directa de este enfoque al caso ufacturer en el período t es igual a Bt. Consideraremos un
multinivel conduce a un tiempo de ejecución muy grande. Logramos ahorros total de L niveles, que incluye al fabricante,
sustanciales al introducir el concepto de un subplan relajado. En contraste con los el minorista, y L - 2 almacenes intermedios. Decimos que el
enfoques existentes en la literatura, nuestro programa dinámico no necesariamente fabricante está en el primer nivel de la cadena y el
representa todas (o incluso solo) las soluciones de puntos extremos para el MLSP- minorista está en el primer nivel de la cadena.Lnivel. Cada
PC. Además, mientras que las rutas en el programa dinámico corresponden todas a uno de los niveles intermedios corresponde a un almacén.
soluciones factibles del problema, los costos de una ruta pueden sobrestimar los Dejar + denotar el conjunto de números reales no
costos de la solución correspondiente al problema. No obstante, podemos negativos. Para cada períodotT,= los
1 costos de producción son
+ +
demostrar (basándonos en la concavidad de las funciones de coste) que nuestro dado por la función pag t → , el transporta-
programa dinámico resuelve el MLSP-PC de forma óptima. El algoritmo resultante Los costos de operación de nivel a nivel +1 están dados por el
+ +
para el caso de funciones de costos cóncavas generales es exponencial en el número función C t → (= 1 L-1), y el invento
de niveles en la cadena de suministro. Sin embargo, es notablemente insensible al Los costos de tenencia de la teoría a nivel están dados por la función
número de niveles para las dos estructuras de costos específicas mencionadas ht +
→
(= 1 +
L). A lo largo del periódico,
anteriormente. El algoritmo resultante para el caso de funciones de costos cóncavas asumirá que todas las funciones de costo son cóncavas, no
generales es exponencial en el número de niveles en la cadena de suministro. Sin decrecientes e iguales a cero cuando su argumento es
embargo, es notablemente insensible al número de niveles para las dos estructuras cero.
de costos específicas mencionadas anteriormente. El algoritmo resultante para el El MLSP- (PC se puede formular de la siguiente manera):
caso de funciones de costos cóncavas generales es exponencial en el número de
∑T L∑
-1
∑L
niveles en la cadena de suministro. Sin embargo, es notablemente insensible al minimizar pag
t yt + cx
t t + ht It PAG
número de niveles para las dos estructuras de costos específicas mencionadas t =1 =1 =1

anteriormente. sujeto a
Este artículo está organizado de la siguiente forma: En
1
§2, presentamos el MLSP con costos de producción y X1+
t I 1 =ty + yo
t t-1 t =1 T (1)
funciones de costo de mantenimiento de inventario,
x t+ yot = x -1+
t It-1 t =1 T =2 L-1 (2)
transporte y producción cóncava general no decreciente.
1+IL
Caracterizamos los puntos extremos de la región factible dt+ yot L =XL-t t-1 t =1 T (3)
del problema y probamos un resultado de descomposición
yt ≤Bt t =1 T (4)
que formará la base de nuestros algoritmos. En §3,
estudiamos el problema de dos niveles y proporcionamos I0 =0 =1 L (5)
un marco de programación dinámica general basado en el
yt ≥0 t =1 T
resultado de descomposición derivado anteriormente, que
produce un algoritmo de tiempo polinomial en el horizonte Xt ≥0 t =1 T =1 L-1
de planificación para los costos cóncavos generales. En §4,
It ≥0 t =1 T =1 L
este algoritmo se generaliza luego al problema de tamaño
de lote multinivel y se muestra que todavía es polinomial dónde yt denota la cantidad producida en el período t, xt es
en el horizonte de planificación, y se dan mejores tiempos la cantidad enviada de nivel a nivel +1 en
de ejecución para dos variantes del modelo. período t, y It denota la cantidad de inventario a nivel al
final del período t. 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
2. Formulación y análisis de modelos
restricciones (4). Finalmente, las restricciones (5) establecen que
2.1. El modelo todos los niveles iniciales de inventario son iguales a cero. A
Comodescrito en la introducción, estudiaremos un problema de diferencia del modelo tradicional de tamaño de lote de un solo
tamaño de lote de varios niveles con una estructura en serie. nivel, esta no es una suposición que podamos hacer sin pérdida de
En cada período, la producción puede tener lugar en el generalidad, debido a la no linealidad de las funciones de costo de
fabricante. Los artículos que se producen pueden almacenarse mantenimiento de inventario y transporte. Por lo tanto,
al nivel del fabricante o transportarse al primer nivel de analizaremos más adelante cómo tratar los casos de problemas en
almacén. En cada uno de los niveles del almacén, los productos los que esta restricción está ausente y, en cambio, el inventario
se almacenan nuevamente o se transportan al almacén. inicial (no negativo)
Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS 1709

las cantidades en todos los niveles se consideran parte de los datos y T =4. Esta representación facilitará el análisis de la
del problema. Luego, los algoritmos desarrollados se pueden estructura de los puntos extremos de la región factible de
aplicar en un esquema de horizonte móvil, en el que se resuelven (P) en §2.4. Antes de continuar con este análisis, en §2.2
nuevas instancias de tamaño de lote y sus soluciones óptimas se discutiremos modelos y algoritmos relacionados de la
implementan parcialmente a medida que avanza el tiempo y se literatura, así como algunos casos especiales que se
dispone de nuevos pronósticos de demanda. reducen a modelos de un solo nivel en §2.3.
Por conveniencia, de fi neremos Dts ser la demanda
acumulada en periodos ts, es decir, 2.2. Revisión de literatura
La variante de un solo nivel del MLSP-PC ha recibido mucha
  s
   ∑ atención en la literatura. El problema no capacitado, ELSP,
D por t =1 ss =1 T se puede resolver en tiempo polinomial en la longitud del
Dts ≡ =t (6)
   horizonte de tiempo; ver Wagner (1960) para este resultado
0 de lo contrario básico. Aggarwal y Park han desarrollado algoritmos más
eficientes para casos especiales.
Para asegurar la viabilidad de (P), asumiremos que la (1993), Federgruen y Tzur (1991) y Wagelmans et al. (1992). Cuando
demanda acumulada en el primer t los períodos no pueden las capacidades de producción están presentes, obtenemos el
exceder la capacidad de producción total en estos períodos, llamadoproblema capacitado de dimensionamiento de lotes
es decir,
(CLSP). En contraste con el ELSP no capacitado, se sabe que
∑
D1t ≤ t B para cada t =1 T (7) este problema es NP-difícil, incluso en muchos casos
=1 especiales; ver Florian et al. (1980) y Bitran y Yanasse
Es fácil ver que esta condición es necesaria y suficiente para (1982). Un caso especial interesante e importante que sí
permite un algoritmo de tiempo polinomial surge cuando
que (P) tenga una región factible no vacía.
las capacidades de producción son estacionarias; véanse,
por ejemplo, Florian y Klein (1971), Florian et al. (1980) y van
También podemos modelar el MLSP-PC como un
Hoesel y Wagelmans (1996). Véanse también las referencias
problema de flujo de red capacitado de costo mínimo en
en Baker et al. (1978) para otro trabajo sobre el CLSP con
una red con una fuente (ver también Zangwill 1969 para
capacidades de producción estacionarias, y Chung y Lin
una discusión general sobre tales problemas de flujo de red
(1988) y van den Heuvel y Wagelmans (2003) para otro caso
de costo mínimo, así como una discusión de ELSP
especial del CLSP que se puede resolver en tiempo
multinivel). Para ello, definimos una red con una sola
polinomial.
fuente 0,T nodos de transbordo 1 t
Zangwill (1969) estudió la versión no capacitada del
a nivel de producción (nivel 1, t =1 T), T trans-
MLSP-PC y desarrolló un algoritmo de programación
nodos de envío = t en cada uno de los niveles de almacén
dinámica que es polinomial tanto en el horizonte de
elst =1 T 2 L-1) y T nodos de demanda
planificación como en el número de niveles. L. Analizamos
L t con demanda Dt a nivel minorista (nivel L,
este algoritmo en el apéndice en línea (disponible en http://
t =1 T). Finalmente, la viabilidad dicta que la fuente
mansci.pubs.informs.org/ecompanion.html) y concluimos
el nodo 0 tiene un suministro de D1T unidades. La Figura 1
que se ejecuta en O LT 4 tiempo, donde L es el número de
ilustra la representación de red del MLSP-PC paraL =3
niveles, o incluso en Antiguo Testamento 3 para el caso
especial de L =2. Lee y col. (2003) consideran un modelo de
Figura 1 Representación de red del MLSP-PC para L =3 y T =4 dos niveles donde los costos de transporte son funciones
D1 + D2 + D3 + D4
no cóncavas.
Un estudio que se relaciona con el nuestro en el sentido de
que también considera las capacidades en un escenario
0
multinivel es el de Kaminsky y Simchi-Levi (2003). Proponen un
y1 y2 y3 y4 modelo de tres niveles en el que el primer y tercer nivel son
etapas de producción y el segundo nivel es una etapa de
(1, 1) (1, 2) (1, 3) (1, 4) transporte. Ambas etapas de producción están capacitadas,
I11 I21 I31 mientras que la etapa de transporte no está capacitada.
X11 X21 X31 X14 Consideran los costos lineales de mantenimiento de inventario
que aumentan con el nivel de la cadena de suministro y los
(2, 1) (2, 2) (2, 3) (2, 4) costos de producción lineal en los niveles 1 y 3 que satisfacen
I12 I22 I32
una condición tradicional de motivos no especulativos (ver
X12 X22 X32 X24 también §2.3). Los costos de transporte en el segundo nivel son
de carga fija o forma cóncava general y se supone que
(3, 1) (3, 2) (3, 3) (3, 4)
satisfacen una condición de motivos no especulativos
I13 I23 I33
restrictivos y no tradicionales. Al eliminar las decisiones de
D1 D2 D3 D4 producción de tercer nivel, reducen
 Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
1710
el problema a un modelo de dos niveles que hereda sus
estructuras de función de costo del modelo de tres niveles.
Para su clase de costos de transporte de carga fija,
proporcionan unAntiguo Testamento 4 algoritmo para resolver
el modelo, incluso en el caso de capacidades de producción no
estacionarias. Para su clase de costos de transporte cóncavos,
proporcionan unaAntiguo Testamento 8 algoritmo 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
Antiguo Testamento 7 algoritmo para resolver el problema de
dos niveles en presencia de capacidades estacionarias.
2.3. Casos especiales
Está común en los problemas de dimensionamiento de lotes para modelar los
costos de mantenimiento del inventario como funciones lineales, es decir,
ht It =ht It por t =1 T; =1 L, con ht ≥0 para
todos 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
fijos sin motivos especulativos. Más
formalmente, Ct x = ft 1 x>0 +gramot X, donde 1 x>0 es una
función indicadora que toma el valor 1 si x>0, y 0 oth-
erwise. La suposición de que no hay motivos especulativos, que
comúnmente se asume para los costos de producción y mantenimiento
de inventario en los modelos económicos tradicionales de tamaño de
lote, significa en este contexto que, con respecto a los costos variables
de inventario y transporte únicamente, es atractivo para el transporte
tan tarde como sea posible
ble. Más formalmente,g t+ h +1t≥ht +gramot +1 por t =1
1; = 1 L-1.
Tenga en cuenta que si las funciones de costo de transporte
son lineales y no exhiben motivos especulativos, siempre es
óptimo almacenar la producción en el fabricante y
transportarla solo cuando la demanda debe satisfacerse. Por
tanto, sin pérdida de la optimalidad, podemos
asumir que It =0 para todos t =1 Ty=2 L.
Del mismo modo, si los costos de transporte son lineales y
g t+ h +t1≤ht +gramot +1 por t =1 T -1; = 1 L-1, es
es más barato de transportar tan pronto como producimos y
almacenamos la producción a nivel de minorista. Entonces, con-
fuera de la pérdida de optimalidad, podemos suponer que It =0
para todos t =1 Ty=1 L-1. Estos dos espe-
Los casos importantes del MLSP-PC, por lo tanto, producen un CLSP
estándar.
Finalmente, una variante del MLSP-PC de dos niveles sin
capacidad se puede reducir fácilmente a un ELSP sin capacidad.
Cuando los costos de producción, así como los costos de tenencia
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 períodot. Redefiniendo
la función de costo de transporte en consecuencia, lo que se puede
hacer en O LT tiempo,
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS
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 se puede
resolver enAntiguo Testamento 2 tiempo para los costos
generales de transporte cóncavo (ver Wagner 1960), y en
Antiguo Testamento Iniciar sesiónT tiempo para los 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
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 red, llamaremos a los
arcos que llevan una cantidad de flujo que es estrictamente
positiva y estrictamente menor que su capacidad.arcos
libres. Es bien 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
El límite superior finito (que en nuestro caso son solo los
arcos de producción) puede 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 el último nodos del
componente en cada nivel. Para un componente dado,
T- estos nodos se pueden denotar por 1+ 1 y 2
para = 1 L, dónde
para = 1 L-1 (8)
1≤ +1 1 <2≤ +1 2
(Tenga en cuenta que la desigualdad estricta se mantiene debido a
la de fi nición 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
fl ujo. 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 1 1 y
1 4 en el Nivel 1, 2 1 y 2 4 en el Nivel 2, y 3 1 y 3 6 en el
Nivel 3, y el segundo por los nodos 1 5 y 1 8 en el Nivel 1. , 2
6 y 2 8 en el nivel 2, y 3 7 y 3 8 en el nivel 3. Podemos
observar que el nodo 2 3 es parte del primer componente,
aunque ningún flujo pasa a través de este nodo. Como se
mencionó anteriormente, el nodo aislado 2 5 se asigna al
componente izquierdo.
Resumiendo, podemos descomponer una solución de punto
extremo a (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
Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS 1711

Figura 2 La estructura de un punto extremo Solución al MLSP-PC, Proposición 2.2. Un subplan puede contener como máximo un arco
L =3 y T =8 de producción libre.

0 Si el problema no está capacitado, esta proposición

implica que solo un arco de producción que lleva fl ujo
y1 y2 y5 y6 ingresa a cada uno de los subplanos, lo que a su vez
significa que los fl ujos extremos son arborescentes. El
(1, 1) (1, 2) (1, 3) (1, 4) (15) (dieciséis) (1, 7) (1, 8)
I21 I31 I51 I61 I71 algoritmo de programación dinámica propuesto para este
X11 X41 X61 X81 problema por Zangwill (1969) se basa en esta propiedad;
consulte el apéndice en línea.
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6) (2, 7) (2, 8) Como ejemplo, en la Figura 2 sabemos que en el sub-
I12 I62
plan 0 4 0 5 0 6 los arcos de producción y1 y y2
X12 X22 X42 X27 X28
no pueden ambos ser libres; lo mismo vale para la producción
(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6) (3, 7) (3, 8) arcos y5 y y6 en el subplan 4 8 5 8 6 8.
I23 I33 I43 I53
2.4.3. Cantidades de transporte en un subplan.
D1 D2 D3 D4 D5 D6 D7 D8 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
adquirido subplanes. Representaremos un subplan por el transporte. Considere un período, digamost, en el que el
L =1. A menudo transporte tiene lugar entre niveles y +1, es decir, el fl ujo
2L periodos que lo identifican: 1 2
Ser conveniente referirse a la producción y demanda. en el arco entre nodos t y +1 t es Xt>0.
períodos en un subplan por separado, y luego Entonces pueden ocurrir dos situaciones con respecto al total
a menudo usa la notación t1 t2 fluir hacia los nodos + 1 + 1 1+1 + 1 t, es decir, el
1 2 ≡ 11 12 L1 L2.
Por construcción, no se lleva inventario entre sub- acumulativo envíos entre niveles y +1 hasta el período
planes, por lo que el único fl ujo que ingresa a un subplan incluido t dentro del subplan:
proviene de los arcos de producción asociados con los nodos • Es igual a la producción acumulada en el período
del fabricante en el subplan. La cantidad total producida en ods t1+1 s para algunos s ∈ t1+1 t;
todos los períodos de producción del subplan, es decir, el total • Satisface la demanda de periodos 1+1 s por
producción en periodos t1+1 t2, se utiliza para suministrar
algunos s ∈ 1+1 2.
Si no es así, considere el último período de producción en el que
la demanda de todos los nodos minoristas del subplan, es decir,
algo de la cantidad transportada Xt fue producido, digamos
la demanda total en periodos 1+1 2. Llamaremos
L =1 y ′ ′ L =1 consecuen- s′. Habrá entonces un período cuya demanda será
dos subplanos 1 2 1 2
satisfecho parcialmente de la cantidad Xt y parcialmente de
tivo si ′ 1 = 2 para = 1 L. Podemos resumir el
la producción en el período s′ que queda en inventario
estructura de soluciones de puntos extremos como sigue.
a nivel al final del período t, creando un ciclo que contiene solo
Proposición 2.1. Cualquier solución factible de punto extremo puede arcos libres. Este resultado se puede resumir de la siguiente
descomponerse en una secuencia de subplanos consecutivos. manera.

Proposición 2.3. En un subplan, la cantidad transportada

La solución extrema dada en la Figura 2 se descompone
entre niveles y +1 en algún período iguala las cantidades
en dos subplanos, a saber, 0 4 0 5 0 6 y
acumuladas transportadas hasta el momento en el subplan a
4 8 5 8 6 8.
las cantidades acumuladas de producción de una secuencia
Tenga en cuenta que el primer subplan obtenido al descomponer
inicial de períodos de producción consecutivos en el subplan, o
una solución de punto extremo como se describe anteriormente tiene
bien a la demanda acumulada de una secuencia inicial de
1 =0 para = 1 L. Sin embargo, en el resto de períodos de demanda en el subplan.
En este trabajo conviene incluir también sub-
planes L =1 satisfactorio (8), para el cual algunos pero Las dos posibilidades de transporte acumulativo se
1 2
no todos los valores de
pueden ilustrar con la Figura 2. En el subplan
1 son cero.
0 4 0 5 0 6,
2.4.2. Cantidades de producción en un subplan. El • X11 es igual a la producción (acumulada) en
hecho de que los fl ujos extremos sean acíclicos implica Período 1, mientras X1 1+X1 2+X1 3+X1 4 es igual a la
que, aunque puede haber múltiples arcos de producción producción acumulada en los períodos 14 y satisface
asociados con un subplan que llevan fl ujo, existe como la demanda de los Períodos 16;
máximo uno de esos arcos con producción por debajo de la • X12 satisface la demanda del Período 1; X2 1+X2 2 es
capacidad. En otras palabras, hay como máximo un arco de igual a la producción (acumulada) en el Período 1; y
producción libre que ingresa al subplan. Esto produce la X1+
2 X2 2+X2 3+X2 4 es igual a la pro-

siguiente generalización de la caracterización de puntos ducción en los períodos 14 y satisface la demanda de

extremos de CLSP de un solo nivel por Florian y Klein (1971). Periodos 1 6.
 Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
1712 Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS

3. El problema del tamaño del lote NP-hard para capacidades de producción generales,
capacitado en dos niveles con restringiremos nuestra atención al caso de pro-
capacidades de producción, es decir, Bt =B por t =1 T. En el
costos cóncavos En el resto de esta sección, derivaremos un algoritmo de
Para claridad de exposición, primero consideraremos la
tiempo polinomial para calcular los costos óptimos de
versión de dos niveles del MLSP-PC, que llamaremos 2LSP-
todos los subplanos y, por lo tanto, para el 2LSP-PC. Antes
PC. En la siguiente sección, mostraremos cómo se puede
de estudiar los subproblemas de calcular los costos
extender la metodología a cadenas con más de dos niveles.
óptimos del subplan, estudiaremos primero las
implicaciones del supuesto de que las capacidades de
3.1. Un enfoque de programación dinámica producción son estacionarias en la siguiente sección.
En esta sección, describiremos un enfoque general de
3.2. Implicaciones de las capacidades de producción
programación dinámica para el 2LSP-PC. Este enfoque se
estacionarias
basa en la descomposición de soluciones puntuales
extremas para (P) en subplanos consecutivos (ver En la Fase 1 del enfoque de programación dinámica,
Proposición 2.1). En particular, definaF t ser el necesitamos calcular los costos óptimos de todos los
costo mínimo asociado con la satisfacción del minorista subplanos, bajo la restricción adicional de que todos menos
demandas en periodos +1 T usando producción en uno de los arcos de producción que ingresan al subplan
periodos t +1 T. Nosotros son entonces claramente interesado en tienen un flujo igual a 0 o B. Considere un sub-
informática F 0 0. Este puede lograrse usando un dos- planificar, decir t1 t212, en el que la demanda total de
enfoque de fase: periodos 1+1 2 necesita satisfacerse usando pro-

Fase 1. Para cada subplan tt2 ducción en períodos t1+1 t2. Siguiendo a Florian y
1 1 2 , calcular
los costos mínimos en los que se incurre para satisfacer la Klein (1971), observe que la restricción sobre los valores
demanda de ese subplan bajo la condición de que de los arcos de producción que ingresan al subplan implica
como máximo un arco de producción entra en el subplan. que el número de arcos de producción que llevan el fl ujo
libre Denote estos costos por tt12 . = da+la
eq ual 1 /B , y la cantidad
capacidad de producción
de producción restante igual a
es exactamente
1 2
Fase 2. Calcule los valores F t1 1 para todos 0≤t1≤
K 1 2

tidad es igual a! =d +1 -Kb. Claramente, tenemos ese 0≤! <B.

1≤T al darse cuenta de que un subplan da una solución de 1 2

punto extremo al subproblema correspondiente Si!> 0, habrá exactamente una producción

t1 t2 arco que ingresa al subplan que lleva este fl ujo.
1 2 y el subproblema restante F t2 2
para algunos t2 y 2. Esto da lugar a lo siguiente
recursividad hacia atrás: 3.3. Los costos del subplan
Formularemos el problema de determinar los costos óptimos
F t1 1 = min t1 t2 1 2+F t2 2 de un subplan como un problema de programación dinámica.
t2 2 2≥
t2> 1
Dicho de otra manera, para cada subplan
por 0 ≤t1≤ 1 <T t1 t2 1 2, definiremos una red con la propiedad

F t T1 = 0 por 0≤t1 ≤T erty que t1 t2 1 2 es igual a la longitud del

ruta más corta entre un par de nodos fuente y receptor
Tenga en cuenta que en la Fase 1 necesitamos calcular Antiguo Testamento 4 en esta red.
valores. La fase 2 es, de hecho, un problema de ruta más corta Elegimos los nodos de esta red para que sean de la
en una red con≤norte≤oda≤ s que representan todos los pares de períodos forma t YX, dónde t indica un período, Y es igual a la
t tal que 0 t T, y arcos que representan el cantidad de producción acumulada hasta el período
subplanes con los costos correspondientes. El mínimo- incluido t, y X es igual a la cantidad de transporte
ruta de costo desde el nodo 0 0 a cualquiera de los nodos t1 T acumulada hasta el período incluido t.
en esta red acíclica se puede encontrar en tiempo lineal Nodo t1 0 0 es la fuente, mientras que el nodo t2 Kb +!
en el número de arcos, es decir, en Antiguo Testamento 4 tiempo Kb +! ≡ t2 d +1 2 1 d +1 1 2 es el fregadero. Por propuesta
(ver Ahuja et al. 1993). Florian y Klein (1971) utilizaron este marco ción 2.2 y la discusión en §3.2, sabemos que la cantidad de
general de programación dinámica para desarrollar un producción en cualquier período sólo puede asumir uno de
Antiguo Testamento 4 Algoritmo de programación dinámica los valores 0! B , con el valor! sólo en un período. Esto
para resolver el CLSP con capacidades estacionarias y implica inmediatamente queY solo puede asumir los valores
producción e inventario cóncavomantener
generalfunciones de costo.
Cuando el valor de · se da para cada subplan,
K
el 2LSP-PC tiene solución polinomial. Por lo tanto, para
Y ∈⋃ kb kb! +
lograr un algoritmo de tiempo polinomial para el 2LSP-PC,
k=0
el desafío es proporcionar un algoritmo de tiempo
polinomial para calcular los costos correspondientes a donde, además, Y =0 si t = t1, d +1 t ≤Y ≤ t-1t1 K
todos los subplanos. Porque sabemos que el 2LSP-PC es por t = t1+1 t2-1, y Y = Kb +! si t≥t2 para asegurar
Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS
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 OT.
Además, por la Proposición 2.3 sabemos que la cantidad
transportada acumulada 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, este
significa que
( ) (⋃
⋃K 2 nodos 0 0 0 y t2 d +1
X∈
kb kb +! ∪
k =0 s = 1+1
donde, además, D 1+1 t ≤X≤Y
para asegurar eso
las demandas se satisfacen a tiempo y los productos no son
transportados antes de su producción, y X =0 si t≤
1 y X = Kb +! si t≥t2 para asegurar que el transporte se lleve
a cabo dentro del subplan. El número de permisos
valores capaces para X es así Antiguo Testamento también, de modo que el
número total de nodos en la red sea Antiguo Testamento 3.
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 format YX y t
+1 YX, con Y -Y ∈ 0! B
(w valor ! solo está permitido siY = kb por
ome k el
s⋃aquí =0 1 K), y X≥X (dónde X∈ XY ∪
2
s = 1+1 D
arcos emanade
1+1 scada
). Es fácil
nodo ver
deque
la red, Antiguo
hay de modoTestamento
que
toda la red tiene Antiguo Testamento 4 arcos.
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 mantenido
a nivel de fabricante al final del período t +1 (Y -X), y el
inventario mantenido a nivel de minorista al final del
período t +1 (X-D 1+1 t +1). Los costos de un
por tanto, el arco está dado por
pagt +1 Y -Y + c1
t +1 X-X
+ h1+
t 1Y -X + h2+ t 1 X-D
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 valores acumulados.
demandas Dtt′ (en Antiguo Testamento 2 tiempo) en un paso de preprocesamiento.
Cualquier ruta en la red desde la fuente t1 0 0 al
fregadero t2 D 1+1 2 D 1+1 2 representa un fl ujo factible
en el subplan t1 t2 2 con un1 solo producto gratuito
arco de acción. Además, es fácil ver que lo contrario
también es cierto. Por lo tanto, los costos del subplan vienen
dados por la ruta de costo mínimo en esta red desde el nodo
fuente al 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 enAntiguo Testamento 4 tiempo.
Porque hay Antiguo Testamento 4 subplans, una
aplicación sencilla del algoritmo de programación dinámica
1713
definido anteriormente para cada subplan individual produciría un
algoritmo con tiempo de ejecución Antiguo Testamento 8 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 del formulario t1 t2 2 es1 en realidad un
subred de la red de programación dinámica
para el subplan 0 t2 2. Por lo1tanto, usar back-
recursividad de la sala para resolver el camino más corto entre
)
d +1 en la tter
d+
1 2
1 1s los rendimientos de la red, como subproducto,1 los2 caminos más cortos
bentre
= nodos t 0 0 y t2 D 1+1 t D2 1+1 t para
2 cada
t1 1. De ello se deduce que sólo necesitamos considerar
considerar el Antiguo Testamento 3 subplanes de la forma
1 0 t2 2, los
costos de los cuales se pueden determinar en Antiguo Testamento 7 tiempo.
3.4. Manejo de inventarios iniciales
Si los inventarios iniciales en el fabricante y / o
niveles de minoristas, I 10 y
I2 0, son estrictamente positivos, hay
es un ligero cambio en la construcción de subplanes. Recuerde
que construimos subplanos correspondientes a una solución
de punto extremo dada considerando todos los arcos (excepto
los arcos de producción) que tienen un 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 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
1 1). Los resultados en §§2.4.2 y 2.4.3 claramente siguen siendo
válido para subplanes en los que t1>0. Sin embargo, para sub-
planes con t1 = 1 =0, los resultados continúan siendo pro
vided vemos los inventarios iniciales totales I 1 0 +I 2 0 como un
cantidad de producción acumulada hasta e incluyendo
Período 0 y el inventario inicial I 2 0 en el nivel 2 como el
1+1 t +1 cantidad acumulada de transporte hasta e incluyendo
Período 0 de ing. A menos que 2 =T, Estos subplanes solo pueden
tener una solución factible si el total de inventarios iniciales
no exceda la demanda total que necesita ser satisfecha
incluido en el subplan. Para subplanes conD1 ≥2 I 1 0 +I 2 nosotros 0,
obtener K = d1 -I 10 -I 2 0 /B y! = D1 -2I 1 0 -I 2 0 -Kb.
Como ya los hombres2citado,1 2d <yo0 1+I 02 C y solo ocurre si
2 =T. Si de hecho D1T <I 1 0 +I 2 0, una solución puntual extrema
contendrá un solo subplan: 0 T 0 T,
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 en exceso como inventario final.
Esto se puede solucionar fácilmente ampliando el horizonte
de planificación en un período, digamosT +1. Luego, defina
la función de costo de producción
para ese período como pagT +1 0 = 0 y pagT +1 yT +1 = por
 Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
1714 Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS

todos 0 <yT +1≤B y la función de costo de transporte a-s basado en la idea de que la información más importante
CT1+1 XT +1 = 0 para todos XT +1 ≥ 0. Finalmente, establezca DT +1 = I01+ I02 presente en la definición de un subplan es el conjunto de
D1T. Los costos del subplan único 0 T 0 T en el periodos de producción t1+1 t2 y el conjunto de la demanda
problema original puede el +n ser fo +und encontrando el periodos 1+1 2. La base de nuestro algoritmo mejorado
costos del subplan 0 T 1 0 T 1 en el problema modificado. rit h
+ m es entonces permitir el transporte en los períodos
t1 1 2 (manteniendo, por supuesto, los períodos de
Ahora considere la red de programación dinámica utilizada producción y demanda dados). Entonces podemos usar el
para calcular los costos de un subplan. Para subplanes mismo enfoque de programación dinámica que en el caso
que contienen inventarios iniciales, dejamos que la fuente asiente + e de dos niveles, donde reemplazamos los costos del subplan
ser 0 1 I0 ++I0 I 2 02 y el nodo sumidero sea t2 I01+ I02+ Kb t1 t2
de dos niveles 1 2 por los costos mínimos de satisfacción
! I1 + I 2 Kb! .Por
0 0 + un estado t YX, esta eans
Alabama
entonces m ing demanda +en periodos 1+1 2 usando producción
ese en periodos t1 1 t2, donde a lo sumo uno de los pro-
⋃K { }
Y∈ I01+ 2+I0 kB I01+I 2+0kb +! Las cantidades de producción pueden ser diferentes tanto de 0 como de B,

k =0 y donde se permite el transporte a todos los niveles en

y( periodos t1+1 2. Denotaremos estos últimos costes

) (⋃ ) por % t1 t2 1 2, y referirse a los vectores t1 t2 2 como

1
⋃K 2 kb kb +
2
subplanes relajados.
X∈ I 01 +I 0+ I 01 +I 2
0+ !∪ D1s
k =0 s = +11 Para ilustrar el concepto de subplanos relajados,
considere la siguiente instancia de problema del 2LSP-PC.
Finalmente, tenga en cuenta que para los subplanos con t1>0, deberíamos
Todas las demandas son iguales a 1; producción y trans-
no tienen un flujo de entrada de inventario positivo. Por lo tanto, en caso de
los costos de porte están dados por
hay niveles de inventario inicial distintos de cero, en realidad
{
Necesito calcular los costos de todos los subplanos 0 t2 0 2 100·1 y> 0 +y si t =2
teniendo en cuenta los niveles iniciales de inventario, pagt y =
1·1 y>0 +y de lo contrario
así como los costos de todos los subplanos 0 1t2 2 para> 01
sin tener en cuenta el nivel de inventario inicial
y
en el fabricante. Esto claramente no in fl uye en la {·
sobre todo el tiempo de ejecución del algoritmo. si t =2
Ct1X = 50 1 x>0 +X
1·1 x>0 +X de lo contrario
4. El caso multinivel
Finalmente, deje que todas las funciones de costo de mantenimiento de
4.1. Introducción inventario sean iguales a cero. Los fl ujos óptimos en 1 4 2 4 y
puede extender el enfoque de programación dinámica
Nosotros
% 1 4 2 4 se muestran en la Figura 3. Al calcular los costos 1
desarrollado en §3.1 para el caso de dos niveles al caso de 4 2 4, solo se permite el transporte
niveles múltiples, donde nuevamente una red de programación en períodos en los que puede tener lugar la producción y
dinámica de Fase 2 representa todas las soluciones de puntos se satisface la demanda (es decir, en los Períodos 3 y 4 en el
extremos para el MLSP-PC. Con este fin, debemos definir ejemplo), mientras que en la versión relajada del mismo
L
F 1 = 1 ser
el costo mínimo asociado con la satisfacción de subplan se permite el transporte en cualquier período en el
las demandas del minorista en períodos L1+1 T que la producción pueda tener lugar o la demanda sea
usando la producción en periodos 11+1 T, y vajilla- 1 satisfecho (es decir, en los períodos 2, 3 y 4 en el ejemplo).
casa - en periodos 1 +11 + T para cada uno = Por tanto, los costes% 1 4 2 4 son inferiores a
L 2. Entonces estaríamos interesado en calcular el
F 0 L =1. Es fácil ver que la tiempo de ejecución de la
figura 3 Los Flujos Óptimos en 1 4 2 4 y 1 4 2 4
generalización correspondiente dinámica de la Fase 2
el programa sería Antiguo Testamento 2L. En esta sección, 2 2

derivaremos una modificación del programa dinámico de la Fase 2

que se ejecuta en Antiguo Testamento 4 tiempo. Esta modificación
0 0
no hace que la Fase 1 sea computacionalmente más costosa, e
incluso puede hacerla menos costosa. 2 2
En particular, desarrollaremos un enfoque más eficiente en
el que el programa dinámico de la Fase 2 no necesariamente (1, 2) (1, 3) (1, 4) (1, 2) (1, 3) (1, 4)
2
representa todas (o incluso solo) las soluciones de puntos
2 2
extremos para el MLSP-PC, y además sobreestima los costos de
muchos de los puntos no extremos. soluciones que representa.
Sin embargo, como mostraremos, contiene una solución (2, 2) (2, 3)
1
(2, 4) (2, 2)
2
(2, 3)
1
(2, 4)

óptima de punto extremo y está garantizado para encontrar

esta solución. Este enfoque es 1 1 1 1
Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS
1 4 2 4 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 fl ujo 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 este
último problema primero, el siguiente teorema muestra
que la longitud del camino nunca es menor que los costos
reales de la solución,
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
un sumidero en la red de programación dinámica de la
Fase 2 corresponda a una solución factible al problema del
tamaño del lote se deriva inmediatamente del hecho de
que se satisfacen todas las restricciones de capacidad de
producción, así como todas las demandas. . Sin embargo,
ciertos arcos de transporte e inventario pueden tener un fl
ujo positivo en las soluciones parciales correspondientes a
más de un arco en la trayectoria, y cada uno de los fl ujos
parciales se carga por separado de acuerdo con la función
de costo correspondiente. Debido a la concavidad de todas
las funciones de costo, se sigue que el costo del fl ujo total
no excederá la suma de los costos de los fl ujos individuales
en ningún arco particular y, por lo tanto, la longitud de un
camino nunca será menor. que los costes 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 =1 ≥% 11
que 1 2 12 L1
Prueba. Este resultado sigue inmediatamente al señalar
L =1 y % 11
Esos dos 1 2 12, L1 L2 son los
valor óptimo de un problema de optimización con iden-
funciones de costo ticas, pero donde la regin factible de la
primera es un subconjunto de la regin factible del
último.
1715
El siguiente teorema muestra que existe una solución
óptima al 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 y∗.
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
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. Optimidad de &∗ ahora implica
que de hecho '= &∗, 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 enAntiguo Testamento 4
tiempo, dados todos los valores% t1 t12 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 la determinación
ing los costos% t1 t2 2 como1 programa dinámico
Ming problema. Dicho de otra manera, definimos, para cada
t1 t2 2, una red con la propiedad que% t1 t2
1
1 2 es
igual a la ruta más corta entre un par de nodos
fuente y receptor en esta red. Los nodos
en esta red son de la forma t YX1 XL-1,
dónde t indica un período, Y es igual a la cantidad de
producción acumulada hasta el período incluido
t, y X es igual a la cantidad de transporte acumulada de
nivel a nivel +1 hasta el período incluido 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
L =1, tenemos
ese
1 2
Y∈K kb kb +!
L2.
k =0
y el número de valores permitidos para Y es OT.
Además, de manera similar a la de dos niveles
caso, (w
)
K
⋃tenemos eso) ( ⋃ 2
X∈ kb kb +! ∪ D 1+1 s =1 L-1
k =0 s = 1+1

1716
de modo que el número de valores permitidos para X es Antiguo Testamento
así como. Esto significa que el número total de nodos en la red
esAntiguo Testamento 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 YX1 X 1L-y t +1 YX1 , XL-1, dónde
YY- ∈ 0! B y X ≥X (=1 L-1). Es fácil
para ver que hay Antiguo Testamento L-1 arcos que emanan de cada
nodo, para un total de Antiguo Testamento 2L arcos en la red.
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 -X1), y el inventario mantenido a nivel de
minorista al final del período t +1
(XL-1-D 1+1 t +1). Por tanto, los costes de un arco están dados por
-1
pag
t +1 Y -Y +L∑ Ct +1 X -X + h1 t +1 Y -X
=1
L∑
-1
+ ht +1 X -1- X + hL + t 1 XL-1-D 1+1
=2
Si todas las funciones de costo se pueden evaluar en tiempo
constante, los costos de un arco dado se pueden calcular en OL
tiempo de la misma manera que en el 2LSP-PC después de un paso
de preprocesamiento Antiguo Testamento 2 tiempo. Concluimos
que el costo de un solo subplan relajado se puede determinar en
O LT 2L tiempo.
Finalmente, observando que hay Antiguo Testamento 4
subplanos relajados y aplicando la misma técnica para
reducir el tiempo de ejecución que se usó al final de §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
tiempo. 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
subplanes relajados con t1 =0 necesita ser considerado.
Para un relajado subplan, deberíamos ver el total
∑ L =1 I0 como una producción acumulada
= s +1 I0
inve inicial∑Lhistorias
cantidad hasta y que incluye el Período 0, y el período inicial
inventario como el transporte acumulativo que
cantidad hasta y incluye el Período 0 desde el nivel s para
nivel s +1, para todos s ∈ 1 L-1. Como en §3.4, sin
aumentando el tiempo de ejecución, estos inventarios
iniciales se pueden incorporar a la programación dinámica
enfoque para calcular% t1 t2 2 por apropiado 1
redefiniciones de los posibles valores de Y y X.
En las siguientes secciones, mostraremos cómo el tiempo de
ejecución se puede reducir drásticamente para instancias
problemáticas que tienen capacidades de producción estacionarias,
Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS
costos de producción cóncavos generales y costos de
mantenimiento de inventarios lineales 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 a cargo fijo 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 enO LT 4, este programa dinámico se ejecuta en Antiguo
Testamento 4 tiempo para cada subplan relajado individual. Al utilizar la
técnica de reducción al final del §3.3, el costo de todosAntiguo
Testamento 4 Los subplanos relajados se pueden calcular
simultáneamente en Antiguo Testamento 7
tiempo. Por lo tanto, el tiempo de ejecución del enfoque de
programación dinámica para este caso especial de MLSPPC esAntiguo
Testamento 7+LT 4. Cuando L =2, podemos reducir este tiempo de
ejecución a Antiguo Testamento 6.
t +1
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
satisfacen la propiedad de orden de inventario cero (ZIO)
en todos los niveles en 2 L, es decir, It Xt +-11 =0 para t =1 T-
1; = 2 L, son dominantes. Es decir, dada cualquier posibilidad
solución ble para el subplan relajado t1 t2 2, allí 1
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 ȳ x̄ Ī ser una solución factible a la
subplan relajado t1 t2 2 eso no1 satisface
la propiedad ZIO en algún nivel. Dejar ̄ ser el ultimo
nivel, de modo que la propiedad ZIO es válida para todos ∈ ̄ +
1 L, pero no es cierto para el nivel ̄. Podemos construir una
nueva solución al menos tan buena como ȳ x̄ Ī, tal que la
propiedad ZIO se mantenga para todos ∈ ̄ L. Si ̄ =2, luego
hemos obtenido el resultado deseado. De lo contrario,
repetimos el procedimiento con la nueva solución. Observe
que este procedimiento converge porque el nuevo ̄ ha
disminuido en al menos una unidad.
Dejar t̄ ∈ t1+1 sea un punto
2-1 para que
It¯ ̄̄ Xt¯ ̄-+11>0. El inventario positivo I ¯ ̄̄ ha sidot transportado al
nivel ̄ en algún período anterior. Sin embargo, debido
a la ausencia de motivos especulativos, podemos reprogramar
ule el transporte del I ¯ ̄̄ unidades al período t̄ +1 sin
aumentar los costes. Retrepitiendo este argumento
para cada período t̄ violar la propiedad ZIO a nivel ̄,
obtenemos una solución donde la propiedad ZIO es verdadera
para cada nivel ∈ ̄ L.
Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS
Podemos recordar que% t1 t2 1 2 es igual a la
costos mínimos entre las soluciones del sub-
plan t1 t2 2 con como
1 máximo una producción gratuita
arco. 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 relajado
subplan t1 t2 2 se puede
1 encontrar entre todas las soluciones factibles
ciones que satisfacen la propiedad ZIO en todos los niveles en 2
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 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 la determinación
ing los costos% t1 t2 2 como
1 una simplificación de la
Problema de programación dinámica definido en §4.2.1. Todos
los nodos en la red de programación dinámica tienen la
forma t Y s, dónde t indica un período, Y es igual a la
cantidad de producción acumulada hasta el período
incluido t, y s representa el último período cuya demanda
se satisface utilizando transporte del nivel 1 al nivel 2 hasta
e incluyendo el período t, dónde D
eso del teorema1+1 s ≤Y4.4,y t≤tenemos
s. Podemos X1 =D
esoobservar
programa dinámico de §4.2.1. La fuente es1+1 s en elel nodo
t1 0 1, mientras que el fregadero es el nodo t2 Kb +! 2. Como
antes, sabemos que ⋃ Y solo puede asumir los valores
Y∈K kb kb +!
k =0
Los arcos están presentes entre pares de nodos en la red
de la forma t Y s y t Y s̄, dónde Y -Y ∈
0! B y s ≥s. Es fácil ver que hay Antiguo Testamento
arcos que emanan de cada nodo en la red, de modo que toda
la red tiene Antiguo Testamento 4 arcos.
Los costos de un arco entre nodos. t Y s y t +
1 Y s̄ ahora están dadas por
pt +1 Y -Y + h1+ t1Y -D 1+1
+ Ct1+1 Ds +1 s̄ +Ct +1 2 s +1 s
dónde Ct s1 s2 se definen como los costos óptimos de
Envío Ds 1s 2
un ir
ts del nodo t a su destino
naciones, 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 todos t =2
1717
s1 =t T; y s2 =s1 T en O LT 4 tiempo; 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
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
L.
fija que no exhiben motivos especulativos, también obtenemos
la propiedad ZIO, lo que permite el uso del algoritmo de
Zangwill para determinar las entradas a nuestro algoritmo.
El problema de determinar% t1 t2 2 reduce 1
para encontrar la longitud del camino más corto en la red
trabajo desde la fuente hasta el sumidero, que se puede hacer
en tiempo lineal en el número de arcos. Es fácil ver que el
número de nodos en la red esAntiguo Testamento 3 y el
número de arcos Antiguo Testamento 4. 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 una Antiguo Testamento 7+LT 4 algoritmo para resolver
la variante multinivel de este problema.
Cuando L =2, este tiempo de ejecución se puede reducir
para Antiguo Testamento 6. Recuerde que el número de nodos en el
enfoque de programación dinámica anterior es Antiguo Testamento 3.
Mostraremos que el número de arcos también es Antiguo Testamento 3.
Para cada t existen Antiguo Testamento nodos de la forma t · t, y
Antiguo Testamento 2 nodos de la forma t · s con s> t. Cada nodo
del formulario t · t tiene Antiguo Testamento sucesores, y cada
nodo del formulario t · s con s> t tiene O 1 sucesores, lo que hace
un total de Antiguo Testamento · Antiguo Testamento ·OT + OT 2 ·O
1 =Antiguo Testamento 3 arcos en la red. Esto produce unAntiguo
Testamento 6 algoritmo para resolver la variante de dos niveles de
este problema.
Desafortunadamente, en presencia de niveles de inventario
inicial distintos de cero, la propiedad ZIO ya no es
necesariamente dominante. Sin embargo, en estos casos
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, con-
Considere el caso donde 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 enO LT 2 tiempo, este algoritmo se ejecuta en Antiguo
s
Testamento 2 tiempo para un solo subplan relajado, pero los costos de
todos Antiguo Testamento 4 Los subplanos relajados se pueden calcular
simultáneamente en Antiguo Testamento 5 tiempo. Esto da como
resultado unaAntiguo Testamento 5+LT 2 algoritmo 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 el
T; período t para satisfacer la demanda en el período ≥t voluntad,
 Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
1718
en la solución óptima, fluya a lo largo de la ruta de costo
mínimo desde 1 t para L . En una etapa de preprocesamiento,
puede determinar los costos de transporte unitarios mínimos
asociados con la producción de una unidad en un período t por
consumo en período, que llamaremos GRAMOt. Todos estos
valores se pueden calcular en O LT 2 tiempo por solv-
En g T problemas de ruta más corta en gráficos acíclicos con
O TL arcos que utilizan la recursividad hacia atrás. Usando estos
valores, podemos entonces determinar nuevamente los costos
totales de transporte asociados con la producción, en el períodot,
toda la demanda de los periodos consecutivos 1+
1 2, asumiendo que transp≡o∑ La tación está permitida en todos
periodos t 2, es decir, GDt 1 2
2
D GRAMO En Antiguo Testamento
r = 1+1 r tr.
tiempo, estos costos se pueden calcular para todos t =1
y t≤ 1+1≤ 2≤T. Esta información nos permitirá calcular los
costos totales de transporte asociados
con producción en 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 2 como
1 una simplificación adicional de
el problema de programación dinámica definido en §4.2.1.
Todos los nodos de la red de programación dinámica
tienen la forma t Y, dónde t indica un período, y Y
es igual a la cantidad de producción acumulada hasta
e incluyendo el período ⋃t, dónde D 1+1 t ≤Y y
Y∈K kb kb +!
k =0
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
nordeste∈twork de la forma t Y y t +1 Y cuando Y -
Y 0! 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 nodot Y
en la red, el primer período cuya demanda no está
completamente satisfecha por la producción acumulada Y (decir
s) así como la parte de la demanda de ese período que
queda por satisfacer (digamos,). Usando el cumu-
demandas lativas D 2) así como el
1+1 t′ (t′ = 1+1
hecho de que el valor de Y solo puede ser igual a kb o
kb +! por k =0 K, esta información adicional puede
ser obtenido en Antiguo Testamento tiempo. Como veremos más
adelante, esto no aumenta el tiempo de ejecución de encontrar los
costos de un solo subplan relajado.
Ahora considere un arco que conecta los dos nodos.
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,). CuandoY -Y
≤ ,, los costos unitarios de transporte del
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS
cantidad producida en el período t +1 son iguales a GRAMOt +1 s .
Cuando Y -Y> ,, el transporte y el inventario
Los costos de mantenimiento de este arco consisten en hasta tres
ponentes: GRAMOt +1 s, +GDt +1 s s̄-1+GRAMOt +1 s Ds -,, y, por
tanto, puede calcularse en tiempo constante.
El problema de determinar% t1 t2 2 reduce 1
para encontrar la longitud del camino más corto en la red
trabajo desde la fuente hasta el sumidero, que se puede hacer
en tiempo lineal en el número de arcos. Es fácil ver que el
número de nodos en la red esAntiguo Testamento 2, y el
número de arcos Antiguo Testamento 2. Usando el mismo
enfoque para calcular múltiples valores de la función% a la vez
3 que en §4.3, esto produce una Antiguo Testamento 5+LT 2
T algoritmo para resolver esta variante del MLSP-PC.
Al igual que en el CLSP, los inventarios iniciales se pueden
incorporar cuando todas las funciones de costo de transporte y
mantenimiento de inventarios 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 artículo, 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 en 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:Antiguo
Testamento 5 para Antiguo Testamento 7 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,
no obstante 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, sería interesante considerar estructuras de cadena
de suministro más complejas, incluidas, por ejemplo,
estructuras de ensamblaje de productos a nivel de productor o
múltiples minoristas.
Un apéndice en línea de este documento está disponible
en http://mansci.pubs.informs.org/ecompanion.html.
Hoesel y col .: Dimensionamiento de lotes integrado en cadenas de suministro en serie con capacidades de producción
Management Science 51 (11), págs. 1706–1719, © 2005 INFORMS
Expresiones de gratitud
El trabajo del segundo y tercer autor recibió el apoyo de la National
Science Foundation con las subvenciones núm. DMI0085682 y
DMI-0355533, la Escuela de Investigación de Economía de la
Tecnología y las Organizaciones de Maastricht (METEOR) y la
Organización Holandesa para la Investigación Científica (NWO).
Referencias
Aggarwal, A., JK Park. 1993. Algoritmos mejorados para la economía
problemas 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
Ritmo para el problema dinámico del tamaño de lote con limitaciones de capacidad de
producción que varían en el tiempo. Management Sci. 24 (16) 1710-1720.
Bitran, GR, HH Yanasse. 1982. Complejidad computacional
del problema del tamaño del lote capacitado. Management Sci. 28 (10)
1174-1186.
Chandra, P., ML Fisher. 1994. Coordinación de producción y
planificación de la distribución. EUR. J. Oper. Res.72 503–517.
Chung, C.-S., C.-HM Lin. 1988. AnAntiguo Testamento 2 algoritmo para el
NI / G / NI / ND problema de tamaño de lote capacitado. Management Sci.
34 (3) 420–426.
Federgruen, A., M. Tzur. 1991. Un algoritmo directo simple para resolver
modelos dinámicos generales de dimensionamiento de lotes con norte períodos en SobreIniciar sesiónnorte
o Sobre . Management Sci. 37 909–925.
1719
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. Determinista.
planificación de la producción: algoritmos y complejidad. Management
Sci. 26 (7) 669–679.
Geoffrion, AM, potencias de RF. 1995. Veinte años de dis-
Diseño de sistemas de distribución: una perspectiva evolutiva. Interfaces
25 (5) 105-127.
Kaminsky, P., D. Simchi-Levi. 2003. Lote de producción y distribución
dimensionamiento 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 tamaño del lote 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
envejecimiento. EUR. J. Oper. Res.94 (1) 1–15.
van den Heuvel, W., APM Wagelmans. 2003. Un algoritmo geométrico
ritmo para resolver el NI / G / NI / ND problema capacitado de dimensionamiento de
lotes en Antiguo Testamento 2 tiempo. Informe técnico 2003-24, Informe del Instituto
Econométrico, Rotterdam, Países Bajos.
van Hoesel, CPM, APM Wagelmans. 1996. AnAntiguo Testamento 3 algoritmo
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 SobreIniciar sesiónnorte algoritmo que se ejecuta en tiempo lineal en el caso de
Wagner-Whitin. Oper. Res.40 (1) S145 – S156.
Wagner, HM 1960. Una 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 eco-
modelo de tamaño de lote nómico. Management Sci. 5 89–96.
Zangwill, WI 1969. Un modelo de acumulación y un escalón múltiple
modelo de un sistema de producción de tamaño de lote económico
dinámico: un enfoque de red. Management Sci. 15(9) 506–527.