Traducido del inglés al español - www.onlinedoctranslator.

com

Dinámica del Sistema de Control de Producción e Inventarios bajo

Retroalimentación de emisiones

Rishav Deval, Jayendran Venkateswaran

deval.r@iitb.ac.in ,jayendran@iitb.ac.in
Ingeniería Industrial e Investigación de Operaciones
Instituto Indio de Tecnología de Bombay

Abstracto

Green Supply Chain Management se enfoca en el aspecto ambiental (emisiones) de SCM. Los esfuerzos mediante la introducción de innovación

tecnológica, inversión de capital y expansión de la capacidad para reducir el impacto de las emisiones en la cadena de suministro son opciones existentes en la

literatura predominante. Sin embargo, las ineficiencias operativas causan estragos ambientales a corto plazo cuyo impacto se puede reducir con medidas

correctivas como los ajustes. Este documento propone la extensión del sistema de control de inventario de producción (APIOBPCS) donde las emisiones de

producción se modelan explícitamente. Las emisiones de orden se determinan utilizando la información de emisiones del sistema a través de dos vías, ya sea en

función de las emisiones percibidas o del stock real de emisiones netas. Los resultados de la simulación bajo el cambio de pulso/escalón en la demanda y la

emisión se realizan para comprender el comportamiento dinámico de dicho sistema. Las ideas clave del estudio incluyen una compensación clara entre la

reducción de emisiones y el nivel de servicio del sistema. Un sistema con retroalimentación de Emisión Percibida proporciona una tasa de pedidos cumplidos

más alta que un sistema con retroalimentación de Emisión Neta, pero no se observa una reducción significativa en la emisión neta. Por el contrario, un sistema

con retroalimentación de emisiones netas como objetivo de nivel cero provoca una reducción significativa de las emisiones en el sistema a costa de una

demanda no satisfecha. Un módulo ambiental con retroalimentación de emisiones percibidas y retroalimentación de emisiones netas puede contribuir a

determinar un equilibrio entre la reducción de emisiones y la compensación de la tasa de cumplimiento de pedidos. pero no se observa una reducción

significativa en la emisión neta. Por el contrario, un sistema con retroalimentación de emisiones netas como objetivo de nivel cero provoca una reducción

significativa de las emisiones en el sistema a costa de una demanda no satisfecha. Un módulo ambiental con retroalimentación de emisiones percibidas y

retroalimentación de emisiones netas puede contribuir a determinar un equilibrio entre la reducción de emisiones y la compensación de la tasa de cumplimiento

de pedidos. pero no se observa una reducción significativa en la emisión neta. Por el contrario, un sistema con retroalimentación de emisiones netas como

objetivo de nivel cero provoca una reducción significativa de las emisiones en el sistema a costa de una demanda no satisfecha. Un módulo ambiental con

retroalimentación de emisiones percibidas y retroalimentación de emisiones netas puede contribuir a determinar un equilibrio entre la reducción de emisiones y

la compensación de la tasa de cumplimiento de pedidos.

Palabras clave:sostenibilidad, retroalimentación de emisiones, APIOBPCS, retroalimentación de emisiones

percibidas, emisión neta, gestión de existencias,

1. Introducción
Lograr una cadena de suministro sostenible requiere equilibrar los aspectos económicos, ambientales
y sociales a través de una gestión eficaz. Existe una amplia literatura disponible sobre los aspectos económicos
y ambientales de la gestión de la cadena de suministro [Seuring (2008)]. Una cadena de suministro
El sistema que enfatiza las consideraciones ambientales se denomina cadena de suministro limpia y/o verde. La
gestión limpia de la cadena de suministro utiliza tecnología y métodos para producir y vender sin causar una
contaminación excesiva y/o desechos tóxicos. La gestión de la cadena de suministro verde, por otro lado, se centra
específicamente en la reducción de las emisiones de gases de efecto invernadero (GEI). Bowen et al (2001) distinguen
además entre “reverdecer el proceso de la cadena de suministro” y “suministro verde basado en productos”. Un
proceso de cadena de suministro verde se ocupa de la adaptación por parte de los proveedores de una empresa para
la consideración ambiental. La cadena de suministro verde basada en productos genera cambios en el producto
suministrado o alteraciones en las decisiones de compra por preocupaciones ambientales. En este documento,
consideramos una noción genérica de 'emisiones' para referirnos a las emisiones de GEI.
Las regulaciones gubernamentales y la sensibilidad del público hacia los productos relacionados con el
carbono han sido factores importantes para que las organizaciones y empresas avancen hacia producciones verdes
[Du et al. (2015)]. Los topes de carbono y las presiones gubernamentales/sociales para promover la producción verde
obligan a las empresas a incorporar factores ambientales en su toma de decisiones. Desde la perspectiva de la
gestión de la cadena de suministro, esto puede traducirse en esfuerzos a largo plazo por parte de las empresas para
reducir sus emisiones a través de innovaciones tecnológicas, rediseño de productos, mejoras en el proceso de
producción, etc., lo que a menudo implica gastos de capital. Sin embargo, en el corto y mediano plazo, se puede
esperar que la cadena de suministro reduzca/controle sus emisiones a través de decisiones operativas efectivas en la
gestión de inventario, especialmente para mantener las emisiones dentro de los límites permisibles.
Considerar las emisiones en las decisiones de inventario crea el desafío de equilibrar el equilibrio entre los niveles
de servicio del sistema y los niveles de emisión. La incertidumbre del tiempo de entrega crea un desafío para la cadena de
suministro con respecto a la perspectiva del costo y el servicio debido a la dinámica que surge de la variación del tiempo de
entrega. Los estudios existentes de la literatura sugieren que el tiempo de entrega se considera un factor crítico que afecta
el desempeño de la cadena de suministro bajo la consideración de emisiones [Li et al. (2019)] y contribuye al efecto látigo
[Chen et al. (2000)].Este documento informa nuestro trabajo preliminar sobre la consideración de las emisiones en las
políticas de pedido de inventario de una empresa a través de un Sistema de Control de Producción e Inventario modificado.

El documento está organizado de la siguiente manera. La Sección 2 presenta una revisión de la literatura sobre los
sistemas de control de producción e inventario y el aspecto de las emisiones para la sostenibilidad. La Sección 3 presenta las
extensiones propuestas al APIOBPCS clásico, para considerar la retroalimentación de emisiones en las decisiones de pedido.
La Sección 4 analiza los resultados preliminares de la simulación bajo diferentes escenarios de demanda y emisiones
permisibles, junto con el análisis de sensibilidad inicial. La Sección 5 extiende el modelo a una cadena de suministro
descentralizada de tres jugadores. Finalmente, la sección 6 analiza las ideas clave, las conclusiones y el trabajo futuro.

2. Revisión de la literatura
Los sistemas de control de producción e inventario (PICS), en general, afectarán la huella
ambiental (emisiones) de una empresa. literatura típicamente existente, se da peso a las políticas para la
selección del transporte, la inversión de capital y la innovación tecnológica para la reducción de
emisiones. Los ajustes operativos brindan oportunidades para la reducción de emisiones cuando
los impulsores operativos de las emisiones son diferentes de los impulsores operativos de los costos
[Chen et al. (2011)]. La flexibilidad operativa y las colaboraciones brindan influencia entre las empresas
de la cadena de suministro vertical para reducir las emisiones. Los modelos de optimización consideran
el nivel de emisión de carbono como una restricción blanda y utilizan heurísticas de optimización para
cantidades de pedido óptimas según el nivel de configuración del sistema de colaboración de los
jugadores [Benjaafar et al. (2012)]. Tal enfoque de optimización basado en el pensamiento no lineal
puede perder el logro del objetivo verde del sistema de la cadena de suministro debido a la falta de uso
del impacto ambiental como retroalimentación para la toma de decisiones en el futuro. Las preferencias
del consumidor también juegan un papel importante en la creación de la demanda del producto. Cuando
un cliente es sensible al medio ambiente,Centrarse en el consumo bajo en carbono ayuda a una mayor
cuota de mercado [Amacher et al. (2005), Conrad (2005)], mayor valor de marca[Conrad (2005)],y más
competitividad de marca [Lu et al. (2007)]. El modelo de teoría de juegos también considera la demanda
sensible a las emisiones utilizando una forma exponencial negativa [Du et al. (2015)].Cos consumidores
sensibles a las emisiones pueden estar dispuestos a pagar un precio más alto por el producto.[Upham et
al. (2009)].Sin embargo, todos esos supuestos son variables exógenas y están fuera del control del
sistema en la realidad. Por lo tanto, el enfoque hacia la reducción de emisiones debe estar en el nivel de
base de la fabricación, el transporte y los aspectos operativos. La literatura reciente establece la
tendencia hacia el uso de técnicas de cantidad económica de pedido (EOQ) para ordenar cantidades
óptimas con consideraciones de emisión. Hua et al. (2011) propusieron un modelo EOQ con un
mecanismo de comercio de límite de carbono para la reducción de emisiones y la compensación del
costo total frente a consideraciones de no emisión. Además, Chen et al. (2011) obtuvo apoyo analítico
para una reducción significativa de las emisiones sin un incremento significativo de los costos.
Un enfoque basado en la retroalimentación para ver las decisiones de pedido de inventario fue la
motivación original para una visión más sistémica de tales decisiones, como se establece en el trabajo seminal
de Industrial Dynamics de Forrester (1961) [Forrester (1997)]. Desde entonces, la estructura de gestión de
existencias ha sido bastante útil para comprender diversas dinámicas de la cadena de suministro, como el
efecto látigo, el impacto de los retrasos, la estabilidad de los pedidos, etc. La versión popular (bien estudiada)
de la misma es la basada en inventario y pedidos. sistemas de control de producción (IOBPCS) [Towill (1980)]
familia de modelos. Estos modelos incluyen la línea de suministro, el nivel de inventario disponible y la
demanda entrante esperada [Disney et al. (2005)]. A lo largo de los años, la familia IOBPCS ha mejorado
significativamente sus variantes. La retroalimentación en IOBPCS del inventario deseado crea un inventario de
tubería automatizado y un sistema de control de producción basado en pedidos (APIOBPCS) [Simon et al.
(1994)] al considerar las discrepancias en el trabajo en proceso o la línea de suministro que proporciona
estabilidad al sistema. APIOBPCS considera un objetivo de inventario deseado fijo. Para capturar la demanda
variable, se desarrolla el Sistema de control de producción basado en órdenes e inventario variable de
canalización automática (APVIOBPCS) que recibe información del pronóstico actual de la demanda. Una
literatura sustancial sobre la familia de sistemas IOBPCS que varía desde la estabilidad y el control del sistema
[Disney et al. (2004, 2006), Dejonkheere et al. (2003), Oretta y Lin (2004), Venkateswaran y Son (2007), Disney y
Towill (2002)], el efecto de la actualización de la información [Venkateswaran y Son (2007)].
 Las políticas de inventario eficientes requieren mitigar los desabastecimientos frecuentes bajo la consideración de
emisiones a través de políticas de revisión periódicas o continuas para lograr el objetivo de una cadena de suministro verde.
A partir de la revisión de la literatura, aún no se ha explorado la introducción de la retroalimentación de la emisión del
sistema a las políticas de pedido, lo que consideramos una contribución de este trabajo..PICS con consideración del costo del
carbono aumenta el inventario y el costo del carbono [Li et al., 2019]. En este estudio modelamos y analizamos la dinámica
de PICS bajo un mecanismo de ordenamiento de pólizas basado en la retroalimentación de emisiones, utilizando un modelo
APIOBPCS modificado.

3. Modelo Propuesto
La estructura clásica de flujo de existencias del sistema de gestión de existencias de APIOBPCS se
muestra en la Figura 1, por ejemplo, para el fabricante en una cadena de suministro. El sistema APIOBPCS
prepara las órdenes de producción o reabastecimiento en función de la diferencia entre el Nivel de pedido y la
posición del inventario para el fabricante. La posición del inventario incluye el stock físico (INV) y la cantidad en
pedidos pendientes, denominada línea de suministro o trabajo en proceso (WIP). El modelo tiene dos bucles de
retroalimentación negativos o de equilibrio, uno para ajustar la discrepancia WIP y el otro para ajustar la
discrepancia de inventario. Los parámetros de control (o ganancias de los bucles de retroalimentación) de este
modelo son α, la tasa fraccionaria de ajuste de la discrepancia WIP (o el tiempo de retardo para ajustar la
discrepancia WIP) y β, la tasa fraccionaria de ajustes de discrepancia de inventario final (o el tiempo de demora
para ajustar la discrepancia de inventario final). (Nota: tasa fraccionaria = 1/retraso de tiempo). El trabajo en
proceso deseado, DWIP, y el inventario deseado, DINV, siguen cambiando según la demanda pronosticada. La
política de control se conoce como 'salida pura' cuando α = β =1 ; 'SALIDA generalizada' cuando α≤ 1y β≤ 1y
'regla de reabastecimiento uniforme' cuando α <1 y β <1 [Dejonckheere et al. (2003), Disney et al. (2008)].
 Figura 1:Estructura clásica de flujo de existencias para el sistema de control de producción e inventario

El modelo anterior representa APIOBPCS derivado de [Sterman (2000)] y se estudia ampliamente con una
advertenciaconsiderando que el inventario no es negativo, es decir, la demanda insatisfecha se trata como ventas perdidas.
La ecuación (1) considera la previsión como un suavizado exponencial de primer orden, la ecuación (2) y la ecuación (3)
cambian en el WIP y el nivel de inventario. La ecuación (4) generalmente representa un retraso fijo en la tubería para el
proceso de producción. A partir de la Ley de Little, sabemos que el trabajo en curso deseado es equivalente al rendimiento
deseado para un tiempo de entrega determinado en el que se pronostica el rendimiento deseado [Venkateswaran y Hasti
(2007)]. Con base en la retroalimentación del sistema, los pedidos realizados son según la ecuación (5). Anclaje adicional y
heurística de ajuste según Eq(6) y Eq(7) para ajuste en WIP y ajuste de nivel INV basado en el
nivel deseado.
: =
−1
+ ρ(
−1
− )
−1
(1)
: =
−1
+
−1
−
−1
(2)
− − : =
−1
+
−1
−
−1
(3)
: =
−
(4)
: = α( − ) = α( · ω · − ) (5)
: = β( − ) = β(ω · − ) (6)
: = + + (7)

α Tasa fraccionaria de ajuste WIP β Tasa fraccionaria de ajuste INV

ρ Factor de suavizado para el pronóstico ω Factor de escala para DINV

Tiempo de espera maxSR Ajuste de unidad para tasa de venta máxima

Pronóstico de demanda para el período n Demanda del cliente para el período n

Inventario al comienzo del período n Trabajo en proceso al comienzo del período n

Inventario deseado en el período n Trabajo en curso deseado en el período n

Inventario ajustado en el período n Trabajo en curso ajustado en el período n

Liberación de orden de producción en el período n Tasa de finalización de la producción en el período n

Proponemos una extensión del APIOBPCS clásico anterior con retroalimentación de emisión sobre las
decisiones de pedido de inventario. Según el nivel de información para la emisión del sistema, los pedidos futuros se
ajustan a través de políticas de pedidos. Las emisiones más altas del sistema requieren una reducción a orden futuro
para compensar el incremento del nivel de emisión pasado. Las emisiones de la empresa se modelan en función de
su tasa de finalización de la producción (PCR) y las emisiones por unidad. Luego, nosotrosproponer dos posibles
extensiones/vías en las estructuras de gestión de existencias anteriores para incluir retroalimentación relacionada
con las emisiones en las decisiones de pedido.Aquí asumimos otra variable exógena:
emisiones permisibles. La diferencia entre las emisiones y las emisiones permisibles se ajusta entonces en la
decisión de pedido. Estos ajustes pueden basarse en las emisiones percibidas (discutidas en la Sección 3.1) o
en las emisiones netas reales (discutidas en la Sección 3.2).
.
3.1 Comentarios basados en la emisión percibida sobre el pedido
Se asume que las emisiones percibidas son un suavizado exponencial de primer orden (retraso de la
información) de las emisiones reales, como se muestra en la Figura 2. La brecha entre las emisiones percibidas
(PE) y la emisión permisible (EQ) luego se ajusta y se reduce a partir de la PREL. Las ecuaciones subyacentes al
modelo que se muestra en la Figura 2 son las siguientes.ecuación (8.a) captura la tasa de cambio en la Emisión
Percibida bajo la constante de suavizado τ con una acumulación de Emisión Percibida dada en la Ecuación (8.b).
Basado en la discrepancia entre los dos niveles, un ajuste en términos de órdenes según la ecuación (8.C) y la
ecuación (8.d) es requerido y contabilizado en el sistema a través de., Eq (8.mi) y la ecuación (8.F). El modelo
completo del módulo de Emisión Percibida incluye la ecuación (1) - (6) según el modelo APIOBPCS (dado
anteriormente) junto con la ecuación (8.a) - (8.F) (dada a continuación).
ℎ : =τ·( · − ) (8. )
: = + (8. )
−1 −1
−
: : = (8. )
= (8. )
: = − (8. )
: = + + (8. )

Emisión percibida Cambio en la emisión percibida

Cuota de emisión permisible τ =1 Tasa de suavizado de emisiones percibidas

Unidad de emisión por unidad Ajuste requerido para emisión adicional

Tiempo de ajuste para ajustar la emisión Órdenes ajustadas por emisiones

El modelo anterior con emisión percibida utiliza una estructura similar al sistema de retardo de respuesta
del modelado del sistema.un retraso de +1 unidades de tiempo es evidente mientras se realizan ajustes para la
emisión. Mientras que el tiempo de entrega se requiere para completar el proceso de producción o entregar la
cantidad pedida. Se necesita una unidad adicional de una sola vez para realizar un pedido basado en un pronóstico
estimado. Eliminar el tiempo de entrega no es una opción, ya que los pedidos aún requieren unidades únicas. El
retraso de estos + 1-Las unidades de tiempo desde la colocación del pedido/liberación de la producción hasta la
entrega/finalización de la producción provocan dinámicas variables en el sistema. Sobre la base de estimaciones, se
toman decisiones de pedido y se corrigen errores de stock. De manera similar, podemos percibir la emisión
utilizando un suavizado exponencial de primer orden.
 Figura 2:PICS con retroalimentación de emisión percibida a través de. EAO

3.2 Comentarios sobre pedidos basados en emisiones netas

El modelo de retroalimentación de emisiones netas asume un anclaje simple y una heurística de ajuste para el
ajuste del pedido. Un ciclo de equilibrio con algún estado deseado (por lo general, nivel objetivo cero o algún nivel positivo
en el contexto de emisión) para lograr ajustando la discrepancia (emisión neta, superávit de la tasa de emisión real del
sistema en comparación con la cuota). En particular, un retraso involucrado a través de la tasa de liberación de producción
(PREL) a la tasa de finalización de producción (PCR) crea una estructura para la retroalimentación oscilatoria, pero la no
linealidad en la tasa de ventas evita que los sistemas sufran oscilaciones.
El sistema con retroalimentación de emisiones netas se puede modelar como Eq (1) - (6) del modelo APIOBPCS
junto con la ecuación (9.a)-(9.F) (en las siguientes ecuaciones). Similar a la estructura anterior en la retroalimentación
de emisión percibida, la ecuación (9.a) da una tasa de emisión proporcional, la ecuación (9.b) representa la tasa a la
que aparece la emisión adicional en el sistema y la ecuación (9.c) da cuenta de la acumulación de excedentes de
emisión. Con stock de acumulación y tiempo de ajuste ,EAO se puede derivar como

por la ecuación (9.d) y (9.e). Finalmente, para reducir los niveles de emisión en el sistema a través de políticas de ordenamiento de

retroalimentación de emisiones netas modificadas en la ecuación (9.F).

figura 3: PICS ampliado con retroalimentación de emisiones netas del sistema

 : = · (9. )
: = − (9. )
: = + (9. )
−1 −1

: = (9. )

: = (9. )
: = + + − (9. )

Tasa de emisión Tasa de emisión neta

Cuota de emisión permisible Emisión neta

Unidad de emisión por unidad Ajuste requerido para emisión adicional

Tiempo de ajuste para ajustar la emisión Órdenes ajustadas por emisiones

PCR como fuente de emisión del sistema y una cuota de emisión permisible aceptable crea una
discrepancia (brecha) en el nivel de emisión. Cualquier exceso de emisión del sistema aumenta las Emisiones
netas, que se utilizan para reducir o aumentar la tasa de pedido deseada. Bajo el sistema propuesto, podemos
esperar dinámicas oscilatorias ante la presencia de retardo dentro de los múltiples bucles de retroalimentación
negativa.

4. Experimentos de simulación y resultados

El sistema está configurado para comenzar en condiciones de equilibrio dinámico mediante la configuración
cuidadosa de los parámetros de simulación. Nos enfocamos en la dinámica que surge de POUT, es decir, (α, β) = (1, 1)
pólizas con plazo de entrega del sistema, L como unidades de tiempo 3. El parámetro de pronóstico de suavizado
exponencial r = 0.2a lo largo del estudio de simulación. Demanda inicial (se supone que la demanda en equilibrio
dinámico es de 5000 unidades/mes). El caso base se refiere a la dinámica del cambio en la demanda y/o las emisiones
permisibles sin ningún tipo de retroalimentación de las emisiones en la decisión de pedido.
Esperamos que a medida que la demanda (exógena) cambie (pulso/paso), la tasa de liberación de producción
fluctúe, pero el sistema eventualmente alcanzará el equilibrio. Se puede esperar que un sistema con retroalimentación
basada en PE (consulte la Sección 3.1) se sature con una tasa de servicio más alta (o una demanda baja sin cubrir) en
comparación con la retroalimentación basada en NE (consulte la Sección 3.2) que continúa reduciendo PREL hasta que se
alcancen los objetivos de cero emisiones netas. alcanzado por el sistema. Por el contrario, cuando la emisión permisible
cambia (disminución de impulsos o pasos), podemos esperar que el sistema con retroalimentación de emisiones percibidas
funcione mejor ya que dicho sistema responde rápidamente contra el sistema que con retroalimentación de emisiones
netas.
 4.1 Caso base y escenarios básicos
Los siguientes escenarios se consideran para la simulación:
● Caso base: sin retroalimentación de emisiones a PREL (ya sea pulso o cambio de paso en la demanda)
● Escenario 1: Aumento de pulso en la demanda, con retroalimentación de emisión en PREL
● Escenario 2: Aumento escalonado de la demanda, con retroalimentación de emisiones en PREL

● Escenario 3: Disminución de pulso en permiso de emisión, con retroalimentación de emisión en PREL

● Escenario 4: Paso de disminución en el permiso de emisión, con retroalimentación de emisiones en PREL

Los escenarios anteriores se modelan en Vensim y los resultados de la simulación se muestran en las
Figuras 4 a 8.En la Figura 4, se muestra la respuesta del sistema al aumento de pulso (mostrado en línea negra) en la
demanda y al aumento de paso (mostrado en líneas verdes) en la demanda. Una vez que aumenta la demanda del
cliente (pulso/paso), la tasa de producción también aumenta según el mecanismo clásico de PICS para mantener
suficiente línea de suministro e inventario, y el sistema pasa de un estado de equilibrio dinámico a un estado de
transición. Tenga en cuenta que para el caso base, la retroalimentación de emisión no se incorpora en PREL. Los dos
gráficos inferiores en la Figura 4 muestran la dinámica del stock de Emisión Percibida y Emisión Neta. Como era de
esperar, sin retroalimentación de emisiones, las emisiones netas aumentan linealmente para un aumento de paso, y
un cambio mínimo en el nivel de emisión se puede validar para un aumento de pulso en la demanda. Mientras que, la
Emisión Percibida se satura en un valor donde la tasa de emisión es equivalente a la emisión para la tasa de orden
deseada. El gráfico superior derecho de la Figura 4 muestra la demanda no cubierta. Un cambio radical en la
demanda tuvo una demanda insatisfecha de un número mayor
 El escenario 1 considera el cambio de pulso (aumento) en la demanda pero con
retroalimentación de las órdenes ajustadas por emisiones (EAO) (ver Figura 5). Las curvas
azules representan la dinámica obtenida cuando se usa la retroalimentación de emisión
percibida para calcular PREL, y las curvas naranjas representan la dinámica obtenida cuando se
usa la retroalimentación de emisión neta para calcular PREL. A medida que el sistema se aleja
del equilibrio dinámico, las órdenes superiores cambian inmediatamente el INV y el WIP
deseados. Debido a la demora de PREL a la tasa de finalización del producto (PCR), la respuesta
del sistema se retrasará en el contexto de emisión y requerirá ajuste de emisión reducción
PREL. El cambio instantáneo en la demanda solo resultará en la pérdida de ventas. Bajo el
escenario de aumento de demanda de pulso, no se observará desabastecimiento ni en la
retroalimentación de Emisión Percibida ni en la retroalimentación de Emisión Neta.

y Emisión neta (gráfico naranja)

Por el contrario, para Step change(aumento) en la demanda, es decir, el escenario 2 (ver Figura 6),
algunas dinámicas interesantes incluyen PREL satura por debajo de la Demanda del Cliente (CD) debido a las Órdenes Ajustadas por

Emisión. La retroalimentación de PE a PREL está representada por la curva azul y la curva naranja representa la retroalimentación de

NE a PREL (consulte el diagrama superior izquierdo). El nivel de saturación de INV (consulte el diagrama de la parte central izquierda)

y otras existencias en Emisión percibida (consulte el diagrama de la parte superior derecha) es más alto que la Emisión neta (consulte

el diagrama de la parte central derecha). Ambos mecanismos para reducir las emisiones logran
lograr el objetivo de emisiones, pero la compensación es visible. Dado que la reducción de emisiones es mayor para el
modelo de retroalimentación de emisiones netas, pero crea un compromiso en el contexto del nivel de servicio con respecto
a la retroalimentación de emisiones percibidas (consulte el diagrama inferior izquierdo). Se puede observar una diferencia
significativa en la emisión en la Figura 6 de la gráfica de Emisión Neta, donde la Retroalimentación de Emisión Neta tiene un
crecimiento logarítmico, moviéndose hacia la saturación que el crecimiento de emisión lineal en la emisión para

Emisión neta (gráfico naranja)

Bajo el escenario 3 (ver Figura 7), tratamos de entender la dinámica resultante con retroalimentación PE (curva
azul) y retroalimentación NE (curva naranja) cuando el límite de emisión permisible se reduce (tal vez debido a regulaciones
gubernamentales o cualquier otro factor externo más allá del control del sistema). ). La investigación inicial sobre el cambio
de pulso (disminución) en el nivel de emisión permisible sugiere que EAO (consulte el diagrama inferior derecho) entrará en
vigencia directamente a medida que el permiso de emisión tenga una disminución de pulso. La emisión percibida (consulte
el gráfico superior derecho) es un suavizado exponencial de primer orden con una constante de suavizado, τ del cual
depende el sistema del efecto de saturación. La emisión percibida tendrá un déficit repentino a medida que la estimación de
PE toma en vigor el permiso de emisión, a lo que el sistema responde repentinamente al reducir la EAO en la
retroalimentación de emisión percibida sin demora (retraso del sistema) en comparación con la emisión neta (consulte el
gráfico central derecho) que reduce las órdenes ajustadas por emisión levemente. Por lo tanto, la variabilidad en PREL
(consulte la parte superior izquierda) estará en el lado superior para los sistemas con retroalimentación PE en comparación
con un sistema de retroalimentación NE. Así, el sistema vuelve a entrar
equilibrio dinámico casi en las mismas unidades de tiempo una vez que se introduce la perturbación en la emisión de
pulsos. Solo por la disminución inicial en la demanda de permisos de emisión no se cumplirá, pero el efecto de
saturación temprana de PE dará como resultado el siguiente período de tiempo para cumplir con todas las demandas
(consulte el gráfico inferior izquierdo de demanda no satisfecha). Pero bajo retroalimentación NE, PREL se ajustó en
un nivel de NE con tiempo de ajuste que crea un retraso en la respuesta y el impacto será visible en términos

de las ocasiones en que la demanda no se satisfaga estará en el lado superior en comparación con PE

Emisión (gráfico azul) y Emisión neta (gráfico naranja)

La Figura 8 (abajo) brinda información sobre la dinámica del cambio radical en el permiso de emisión y puede proporcionar

algunas ideas interesantes. Un cambio radical en el permiso tiene un impacto inmediato en PREL tanto para la retroalimentación de

PE (en una curva azul) como para la retroalimentación de NE (en una curva naranja) que se pueden visualizar en el gráfico superior

izquierdo. La retroalimentación de PE causa oscilaciones en PREL por un tiempo y finalmente se estabiliza, mientras que la

retroalimentación de NE provoca un comportamiento de búsqueda de objetivos en PREL debido a un objetivo de cero emisiones. El

gráfico PE (consulte la parte superior derecha) y el gráfico NE (consulte el centro a la derecha) representan la percepción sobre la

emisión percibida y la emisión neta, respectivamente, en función de la disminución de la emisión escalonada como una perturbación.

La emisión neta continuará aumentando linealmente bajo la retroalimentación de PE contra un crecimiento muy constante en la

retroalimentación de NE al sistema. Las órdenes de ajuste de emisiones (consulte la parte inferior derecha) serán más altas para NE-

Feedback en comparación con PE-Feedback. La discrepancia

entre la Emisión Percibida/Emisión Neta y los permisos de emisión se abstendrá de ordenar la Tasa de Orden Deseada (DOR)
ya que se requiere algún ajuste debido a la EAO. El pedido no cumplido (consulte el diagrama inferior izquierdo) será mayor
para el sistema de retroalimentación NE en comparación con el sistema de retroalimentación PE debido a que la
discrepancia sigue aumentando en el caso anterior y en el caso posterior. El PE se satura en emisión.

Emisión (gráfico azul) y Emisión neta (gráfico naranja)

En los escenarios 4 y 5, la dinámica del cambio radical en el permiso de emisión puede brindar algunas
ideas interesantes (consulte las Figuras 7 y 8). Dynamics sugiere y se basa en una comprensión intuitiva de que
con un cambio de paso/pulso en la emisión, PE cambia inmediatamente sin demora dependiendo de la tasa de
suavizado τ. Desde el punto de vista de las Emisiones Netas, PE ya ignora la historia de las emisiones. En su
lugar, utiliza suavizado exponencial a una tasa prefijada. El inventario de emisiones netas continuará
aumentando en la retroalimentación de PE hasta que el sistema alcance un estado de equilibrio dinámico. Por
el contrario, la retroalimentación de NE continuará reduciendo el pedido hasta que el stock de emisiones netas
alcance el nivel cero.
Finalmente, de manera similar al escenario 4, el sistema responderá a la retroalimentación de PE al
estabilizar o saturar la emisión percibida a la emisión de cambio gradual en el escenario 5. La emisión neta
continuará aumentando linealmente bajo la retroalimentación de PE contra un crecimiento muy constante en la
retroalimentación de NE al sistema. Las órdenes de ajuste de emisiones serán más altas para NE-Feedback en
comparación con PE-Feedback.
 4.2 Análisis de sensibilidad de y(α, β)
La sensibilidad de los parámetros Te y(α, β) sobre la dinámica del inventario bajo retroalimentación de
emisiones. Los siguientes escenarios se utilizan para indicar lo mismo.
● Escenario 5: Cambio de paso en la demanda y tiempo variable para ajustar la emisión,Tmi7,5,3
● Escenario 6: Sensibilidad de (α, β) en PREL bajo retroalimentación de emisión percibida y
retroalimentación de emisión neta bajo cambio de pulso en la demanda
● Escenario 7: Sensibilidad de (α, β) en PREL bajo retroalimentación de emisión percibida y
retroalimentación de emisión neta bajo cambio de pulso en permiso de emisión

es hora de ajustar la retroalimentación de emisión en el sistema y el ajuste de la tasa de emisión,

τ= 1.En la configuración base anterior para los escenarios 1, 2, 3 y 4, consideramos = 5y

τ = 0. 2.En la Figura 9-11 se muestra la dinámica de PREL (o tasa de pedido) para el sistema bajo Retroalimentación de
emisión percibida (izquierda) y Retroalimentación de emisión neta (derecha). Bajo el aumento gradual de la demanda
(escenario 2 anterior), la retroalimentación de emisiones percibidas trata los permisos de emisión como una
restricción suave, por el contrario, la retroalimentación de emisiones netas crea una restricción fuerte en el sistema.
Por lo tanto, la Figura 6 da una idea básica sobre la dinámica esperada cuando varía sobre (7, 5, 3). A

El sistema con retroalimentación de emisión de la emisión percibida hará que el sistema sature PREL marginalmente
por debajo de la tasa de orden deseada. Mientras que un sistema con retroalimentación de emisiones netas saturará
PREL de nuevo al nivel en el que el sistema salió del equilibrio dinámico. En ambas retroalimentaciones, el sistema
alcanza eventualmente el equilibrio dinámico, pero el último sistema tiene mayores demandas adicionales sin cubrir
en comparación con el sistema anterior con retroacción de emisión percibida, que tiene un nivel de servicio
relativamente alto.
Como cambia de 7 a 3 (ver Figura 9), PREL con retroalimentación de Emisión Neta alcanzará

un estado de equilibrio ya que se requiere menos tiempo para ajustar la emisión neta. Más bajo implica mayor τ

dando mayor peso a la información reciente sobre emisiones en comparación con la información pasada. Por
lo tanto, dicho sistema tendrá una emisión relativamente reducida fraccional en comparación con el valor bajo
de τ (o el valor más alto ).

La Figura 10 representa la dinámica del análisis de sensibilidad para los escenarios 6 y 7 y analiza la
sensibilidad de la tasa de ajuste WIP y la tasa de ajuste de inventario para la retroalimentación PE (mostrada
por la curva azul) y la retroalimentación NE (mostrada por la curva naranja) a PREL. Asumimos α, tasa de ajuste
del trabajo en proceso yβ, inventario ajustamiento tasa a variar de
[(0. 25, 0. 25), (0. 5, 0. 5), (0. 75, 0. 75), (1, 1)]Bajo (α, β) = (1, 1),las políticas de pedido son
conocido como Pure Out Policies (POUT), cualquier error entre el valor deseado y el valor real del stock
(WIP e inventario) se ajusta completamente en comparación con (α, β)≠ (1, 1)conocidas como políticas de
pedido generalizadas donde se considera el ajuste parcial. La magnitud de la dinámica para cualquier
perturbación del estado de equilibrio dinámico depende de (α, β) (por lo tanto, son
considerados como parámetros de control del sistema). En el escenario 6, un cambio de pulso en la demanda (en la Figura

10 anterior) llega cerca de (1,1) en la línea DE PREL con retroalimentación de emisión percibida y retroalimentación de

emisión neta superpuestas entre sí. Un valor más bajo para (α, β) en la línea DE implica que el sistema es relativamente lento

en respuesta a la corrección del estado de error. Por lo tanto, un control altamente sensible

y retroalimentación de emisiones netas

 De la figura 11, retroalimentación PE (mostrada por la curva azul) y retroalimentación NE (mostrada por la
curva naranja) a PREL bajo el cambio de pulso en el permiso de emisión considerado para variar (α, β). Una
visualización del cambio en la tasa de ajuste en el cambio de pulso en el permiso de emisión tiene un impacto casi
insignificante en PREL bajo retroalimentación tanto de PE como de NE. Para EAO con retroalimentación NE, el sistema
alcanzará el equilibrio después de la perturbación con una baja variabilidad en PREL en comparación con PE

Comentarios sobre emisiones y emisiones netas

6. Conclusión y trabajo futuro

La sostenibilidad requiere considerar aspectos de las dimensiones económica, ambiental y social. La
literatura existente sobre la cadena de suministro sopesa los aspectos ambientales y económicos, pero se
ignoran los aspectos sociales. Consideramos una cadena de suministro verde en la que esperamos minimizar
el impacto ambiental, específicamente las emisiones de las actividades operativas. Para mejorar la cadena de
suministro verde, la inversión de capital, la innovación tecnológica y la expansión de la capacidad parecen dar
como resultado una reducción de las emisiones. La inexistencia de literatura sobre retroalimentación de
emisiones para ordenar políticas nos motivó a explorar y diseñar un sistema con retroalimentación de
emisiones.
 El modelo propuesto utiliza la retroalimentación de emisiones del sistema al modelo APIOBPCS para
comprender el impacto de las emisiones y la dinámica de pedidos. La retroalimentación de las emisiones se
considera en el orden basado en dos caminos: (i) Emisiones Percibidas (PE) y (ii) Emisiones Netas (NE). Los modelos
fueron construidos y simulados utilizando Vensim. Se realizaron experimentos preliminares para comprender la
dinámica que surge del pulso y el cambio de paso en la demanda y la emisión permisible. Los resultados iniciales
confirman que la retroalimentación de PE no logra reducir las emisiones del sistema, ya que satisfacer la demanda
parece ser el objetivo principal para lograr el objetivo de reducción de emisiones bajo un cambio gradual (aumento)
en la demanda. Un argumento sobre tal dinámica puede deberse a la información de suavizado exponencial de
primer orden que hace que el objetivo de emisión sea una restricción suave. Otra configuración analiza el uso de la
emisión neta como retroalimentación para ajustar las tasas de pedidos futuros, donde un cambio en el permiso de
emisión hace que PE responda de inmediato sin ningún retraso. Un sistema con retroalimentación de PE para cambio
de pulso/paso en el permiso de emisión funciona mejor para la reducción de emisiones. Por el contrario, bajo un
cambio de pulso/paso en la demanda, la retroalimentación NE funciona mejor desde el aspecto operativo para
reducir las emisiones del sistema.
La compensación entre el nivel de servicio y la reducción de emisiones es bastante evidente. Dado que este
estudio propuesto es parte de una investigación en curso, consideramos las compensaciones como parte del trabajo
futuro. Además, tratamos de integrar ambos modelos en un solo módulo ambiental para la retroalimentación
usando diferentes ponderaciones para el nivel de información de emisiones y una mirada diferente a la
compensación entre el desempeño del sistema en aspectos económicos y ambientales.
Sabemos por la literatura que el objetivo a corto plazo de utilizar un ajuste operativo para tener una cadena de
suministro sostenible puede crear estragos en el sistema. El trabajo en curso es expandir el escenario a un entorno de
cadena de suministro de múltiples jugadores para comprender la dinámica de los diferentes jugadores que se ajustan a las
emisiones de forma independiente. Además, planeamos extender el modelo anterior para tener en cuenta la expansión de la
capacidad, la innovación tecnológica y la inversión de capital que reduce las emisiones por unidad en los plazos más largos.
El objetivo final es desarrollar conocimientos clave sobre la gestión de las emisiones de la cadena de suministro hacia un
objetivo de cero emisiones netas.

Referencias
1.Hjorth, Peder y Ali Bagheri. "Navegando hacia el desarrollo sostenible: un enfoque de
dinámica de sistemas".Futuros38.1 (2006): 74-92.
2. Seuring, Stefan y Martin Müller. "De una revisión de la literatura a un marco conceptual para la
gestión sostenible de la cadena de suministro".revista de produccion mas limpia16.15 (2008):
1699-1710.
3. Bowen, Frances E., Paul D. Cousins, Richard C. Lamming y Adam C. Farukt. "El papel de las
capacidades de gestión de suministro en el suministro verde".Producción y Gestión de
Operaciones10, núm. 2 (2001): 174-189.
4. Sterman, John D. "Sostener la sustentabilidad: crear una ciencia de sistemas en una academia
fragmentada y un mundo polarizado".ciencia de la sostenibilidad. Springer, Nueva York, NY, 2012.
21-58.
5. Du, Shaofu, Fang Ma, Z. Fu, Lixing Zhu y J. Zhang. "Análisis teórico de juegos para una cadena de
suministro dependiente de las emisiones en un sistema de 'tope y comercio'".Anales de investigación
de operaciones228, núm. 1 (2015): 135-149.
6. Li, Zhuoqun, Weiwei Fei, Ermin Zhou, Yuvraj Gajpal y Xiding Chen. "El impacto de la incertidumbre del
tiempo de entrega en el desempeño de la cadena de suministro considerando el costo del carbono".
Sostenibilidad11, núm. 22 (2019): 6457.
7. Chen, Frank, Zvi Drezner, Jennifer K. Ryan y David Simchi-Levi. "Cuantificación del efecto látigo en
una cadena de suministro simple: el impacto de la previsión, los plazos de entrega y la
información".ciencia de la gestión46, núm. 3 (2000): 436-443.
8. Chen, Xi, Saif Benjaafar y Adel Elomri. "El EOQ con restricciones de carbono".Cartas de
investigación de operaciones41.2 (2013): 172-179.
9. Benjaafar, Saif, Yanzhi Li y Mark Daskin. "Huella de carbono y gestión de las cadenas de suministro:
conocimientos a partir de modelos simples".Transacciones IEEE sobre ciencia e ingeniería de
automatización10.1 (2012): 99-116.
10. Chitra, K. "En busca de los consumidores verdes: un estudio de percepción".Revista de investigación de
servicios7.1 (2007).
11. Amacher, Gregory S., Erkki Koskela y Markku Ollikainen. “Concurso de calidad
ambiental y ecoetiquetado”.Revista de Economía y Gestión Ambiental
47.2 (2004): 284-306.
12. Conrado, Klaus. "Competencia de precios y diferenciación de productos cuando los consumidores
cuidan el medio ambiente".Economía ambiental y de recursos31.1 (2005): 1-19.
13. Hua, Guowei, TCE Cheng y Shouyang Wang. "Gestión de huellas de carbono en la
gestión de inventarios".Revista Internacional de Economía de la Producción132.2 (2011):
178-185.
14. Upham, Paul, Leonie Dendler y Mercedes Bleda. "Etiquetado de carbono de productos
comestibles: percepciones públicas y posibles reducciones de emisiones".revista de produccion
mas limpia19.4 (2011): 348-355.
15. Forrester, Jay Wright. "Dinámica industrial".Revista de la Sociedad de Investigación Operacional
48.10 (1997): 1037-1041.
16. Towill, Denis R. "Análisis dinámico de un sistema de control de producción basado en inventario y
pedidos".La revista internacional de investigación de producción.20, núm. 6 (1982): 671-687.
17. Disney, Stephen Michael y Denis Royston Towill. "Eliminar la deriva en los sistemas de control de
producción basados en inventario y pedidos".Revista Internacional de Economía de la Producción 93
(2005): 331-344.
18. Simon, John, Mohamed Mohamed Naim y Denis Royston Towill. "Análisis dinámico de un sistema
de apoyo a la decisión compensado WIP".Revista internacional de diseño de sistemas de
fabricación1.4 (1994): 283-297.
19. Disney*, Stephen M. y Robert W. Grubbström. "Consecuencias económicas de una política de
producción y control de inventarios".Revista internacional de investigación de producción
42.17 (2004): 3419-3431.
20. Disney, Stephen M., Ingrid Farasyn, Marc Lambrecht, Denis R. Towill y Wim Van de Velde. "Domar
el efecto látigo mientras observa el servicio al cliente en un único escalón de la cadena de
suministro".Revista europea de investigación operativa173, núm. 1 (2006): 151-172.
21. Dejonckheere, Jeroen, Stephen M. Disney, Marc R. Lambrecht y Denis R. Towill.
"Medir y evitar el efecto látigo: un enfoque teórico de control".revista europea de
investigacion operativa147, núm. 3 (2003): 567-590.
22. Ortega, Máximo y L. Lin. "Aplicaciones de la teoría de control al problema de producción-
inventario: una revisión".Revista internacional de investigación de producción42.11 (2004):
2303-2322.
23. Venkateswaran, Jayendran y Young-Jun Son. "Efecto de la frecuencia de actualización de la información
sobre la estabilidad de los sistemas de control de producción-inventario".Revista Internacional de
Economía de la Producción106.1 (2007): 171-190.
24. Disney, Stephen Michael y Denis Royston Towill. "Un modelo de función de transferencia discreta para
determinar la estabilidad dinámica de una cadena de suministro de inventario administrada por un
proveedor". Revista internacional de investigación de producción40.1 (2002): 179-204.
25. Bijulal, D., Jayendran Venkateswaran y N. Hemachandra. "Niveles de servicio, costo del sistema y
estabilidad de los sistemas de control de producción e inventario".revista internacional de
investigacion de produccion49.23 (2011): 7085-7105.
26. Steman, John.Dinámica empresarial. McGraw-Hill, Inc., 2000.
27. Venkateswaran, J. y Charru Hasti. "Estabilidad de los sistemas de control de inventarios de producción
considerando la escasez de inventarios".Ingeniería Industrial e Investigación de Operaciones Instituto
Indio de Tecnología Bombay, Powai, Mumbai–400076, Resumen extendido(2006).
28. Wang, Xun y Stephen M. Disney. "El efecto látigo: progreso, tendencias y
direcciones". Revista europea de investigación operativa 250, no. 3 (2016): 691-701.
29. Zhou, Li y Stephen M. Disney. "Látigo y variación de inventario en una cadena de suministro de
circuito cerrado".o espectro28, núm. 1 (2006): 127-149.