Cuantitativo.f Es

Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.
Más información disponible en www.DeepL.com/pro.
Revista Croata de Investigación Operativa 177

CRORR 11(2020), 177-197
Modelización matemática de la cadena de suministro en bucle cerrado

considerando estrategias lean agile resilient y green
Masoud Mohammadzadeh1 , Mohammadali Sobhanallahi1, * y Alireza Arshadi Khamseh1
1 Departamento de Ingeniería Industrial, Facultad de Ingeniería de la
Universidad Kharazmi, No. 43 South Mofatteh Ave., Teherán, Irán

E-mail: ⟨ m o h a m m a d z a d e h . m a s o u d @ y a h o o . c o m ⟩ , ⟨sobhanallahi@khu.ac.ir⟩,
⟨alireza.arshadikhamseh@gmail.com⟩
Resumen. La gestión de la cadena de suministro consiste en planificar, ejecutar y controlar

eficazmente las operaciones de la cadena de suministro, consideradas un factor clave para la
competitividad de las organizaciones. Para alcanzar estos objetivos, se han propuesto por separado
cuatro estrategias de gestión: ajustada, ágil, resistente y ecológica. Recientemente, se han realizado
estudios considerando estas cuatro estrategias simultáneamente denominadas LARG (Lean, Agile,
Resilient and Green). Sin embargo, debido a la novedad de este tema, el modelado matemático de
SCND (Supply Chain Network Design) no se ha abordado en la estrategia LARG. SCND es una de las
partes más esenciales de la gestión de la cadena de suministro que las decisiones estratégicas de la
misma tienen efectos pesados en la aplicabilidad global y parcial de la cadena de suministro. El
objetivo de este artículo es diseñar una red de cadena de suministro de bucle cerrado considerando la
estrategia LARG mediante un modelo multiobjetivo con demanda incierta. Las funciones objetivo son
el beneficio total, la satisfacción del cliente y la contaminación total. El modelo se formula para
determinar qué instalaciones deben seleccionarse (decisiones estratégicas) y averiguar el número
óptimo de piezas y productos de la red (decisiones tácticas). Por último, se presenta un estudio de caso
industrial real para ilustrar en la práctica el rendimiento y la aplicabilidad de la estrategia LARG en
SCND.
Palabras clave: Estrategia LARG, modelización matemática, diseño de redes de cadenas de suministro,
demanda incierta.
Recibido: 18 de febrero d e 2 0 2 0 ; aceptado: 15 de octubre d e 2 0 2 0 ; disponible en línea: 18 de
diciembre de 2020 DOI: 10.17535/crorr.2020.0015
1. Introducción
En la gestión de la cadena de suministro se han introducido y utilizado estrategias lean, ágiles,
resilientes y ecológicas [2]. La estrategia ajustada pretende reducir los costes operativos. Con este
fin, puede entrar en conflicto con la estrategia verde, cuyo objetivo es reducir el impacto
ecológico en las actividades de la industria, lo que puede añadir costes operativos y operaciones
inflexibles. Además, las empresas ecológicas se centran en alianzas estratégicas a largo plazo con
proveedores y en integrar su trabajo en uno o menos proveedores, lo que se traduce en una base
de suministro más reducida. Por el contrario, las cadenas de suministro resilientes recurren al
abastecimiento alternativo y al transporte alternativo para responder a acontecimientos negativos
inesperados. Esto reduce la prontitud con la que pueden atenderse las necesidades de los clientes.
Este objetivo también entra posiblemente en conflicto con la estrategia ágil, cuyo objetivo es
responder más rápidamente a las necesidades de los clientes.
La revisión de la literatura muestra que, hasta ahora, la mayoría de las investigaciones sólo
han estudiado una de las estrategias o la combinación de dos o tres estrategias [12]. La
consideración de cuatro estrategias diferentes en la sincronización de la gestión de la cadena de
suministro es bastante importante, pero constituye un reto debido al hecho de que cada una de
estas estrategias tiene métodos y formas diferentes de mejorar el rendimiento.
∗Autor corresponsal.
http://www.hdoi.hr/crorr-journal 2020 Sociedad Croata de Investigación Operativa

178 Mohammadzadeh, Sobhanallahi y Arshadi Khamseh
de la cadena. Como estrategia, la estrategia ajustada se basa en la reducción de costes y la

flexibilidad, y se centra en eliminar e identificar las distintas fuentes de residuos [2]. La
estrategia ágil se refiere a acciones flexibles y oportunas en respuesta a los rápidos cambios
del entorno [15]. La estrategia ecológica se centra principalmente en consolidar la conciencia
medioambiental en las prácticas de gestión [18]. La estrategia resistente tiene en cuenta los
efectos de los factores externos en la cadena de suministro y se centra en mantener la cadena
de suministro durante situaciones críticas [6].
En otro ejemplo, lean desea minimizar el nivel de inventario hasta casi cero, ya que
depende en gran medida de la gestión de inventarios Just-In-Time (JIT). Las estrategias
ágiles y resistentes sugieren niveles adecuados de existencias de seguridad para responder
eficazmente a los cambios en la demanda. De hecho, el excedente de capacidad permite al
gestor de la cadena de suministro responder a los impredecibles cambios en la demanda de
los clientes, lo que no significa que la cadena de suministro deba tener un excedente de
capacidad muy elevado, ya que es inaceptable en términos de coste y función [5].
La estrategia ágil apuesta por la personalización masiva como planificación de la
fabricación para responder a las exigencias del mercado. Por el contrario, la estrategia de
resiliencia puntua tamaños de lote mínimos y redundancias de capacidad para responder a la
incertidumbre del mercado de forma similar a la estrategia ágil. Sin embargo, la estrategia ágil
aprovecha los cambios, mientras que la estrategia de resiliencia se centra únicamente en los
acontecimientos negativos del entorno empresarial que conducen al fracaso. Además, la
estrategia lean se esfuerza por mantener una tasa de utilización media elevada utilizando el
sistema pull como planificación de la fabricación. La estrategia ecológica se centra en las
capacidades de fabricación para combinar eficazmente componentes
reutilizables/remanufacturados.
Estas cuatro estrategias, además de tener efectos negativos en algunos métodos, son
compatibles y positivamente eficaces en los demás métodos [4]. Por ejemplo, aumentar el nivel
de integración de la cadena, reducir los retrasos en la producción, el tiempo de transporte,
aumentar la frecuencia de información en la cadena son los métodos comunes de las estrategias
mencionadas. Por lo tanto, además d e l a necesidad de contar con las cuatro estrategias para la
gestión de la cadena de suministro, los gestores deben lograr un equilibrio entre los métodos y
estrategias disponibles. La consideración simultánea de estas cuatro estrategias ha dado lugar a
una nueva estrategia conocida como e s t r a t e g i a LARG. La e s t r a t e g i a LARG puede
considerarse un modelo de pensamiento dentro de las estrategias modernas de gestión en el
contexto de la cadena de suministro que pretende abordar y gestionar la totalidad de los
miembros de la cadena de suministro e insta a lograr empresas sostenibles y una ventaja
competitiva.
Es obvio que cada estrategia tiene en cuenta un aspecto diferente de la c a d e n a d e
suministro, mientras que el uso del enfoque de gestión de la cadena de suministro LARG puede
combinar los métodos de todas las estrategias mencionadas simultáneamente y puede utilizarse
para mejorar la eficacia, la función y la competencia en la gestión de la cadena de suministro para
sobrevivir en mercados dinámicos y diversos [17]. Carvalho et al. [5] proporcionaron un modelo
conceptual para establecer las diferencias y similitudes de estas cuatro estrategias de gestión con
el fin de lograr una cadena de suministro más competitiva y sostenible. Introdujeron tres criterios
principales de evaluación: nivel de servicio, tiempo de preparación y coste. Al f i n a l , mostraron
los efectos de cada estrategia de gestión sobre estos criterios. Azevedo et al. [2] también
propusieron un modelo conceptual para mejorar la función operativa, económica y
medioambiental de las cadenas de suministro según los métodos y actividades de las estrategias
lean, ágil, resistente y ecológica. Sugirieron examinar el enfoque combinado LARG como
estrategia adecuada para mejorar experimentalmente la función de la cadena de suministro.
Maleki y Cruz Machado [12] introdujeron un enfoque para la integración de estrategias l e a n ,
á g i l e s , resilientes y verdes según los valores del cliente en la industria automovilística
mediante el análisis de redes ocupadas. Categorizaron la orientación de la estrategia LARG en
función de los métodos de producción, montaje y logística y, a continuación, la generalizaron a
seis valores de los clientes (calidad, coste, consideración del medio ambiente, conocimiento,
personalización y tiempo). Los resultados de esta investigación son importantes para los
miembros de la cadena de suministro.
Modelización matemática de la cadena de suministro en bucle cerrado considerando estrategias lean agile resilient
yCabral
green et al. [4] utilizaron el método de toma de decisiones clave de Analytical Network 179
Process (ANP) para priorizar la función de la cadena de suministro y las estrategias lean, ágil,
resiliente y verde según cuatro indicadores clave de función: nivel de servicio, coste, tiempo y
calidad. Esta investigación
ha estudiado la cadena de suministro de Volkswagen, pero al utilizar el método del proceso de

análisis de redes, el número de conglomerados es excesivo. Cabrita et al. [15] estudiaron la
combinación de los principios LARG y BMC (Business Model Concave). La literatura sobre este
tema muestra que e x i s t e una profunda brecha entre estos dos ámbitos. Esta investigación ayuda
a la discusión sobre la creación de un modelo de negocio ideal compatible con la estrategia
LARG.
Suifan et al. [16] proponen un método de decisión multicriterio integrado para analizar
las compensaciones entre los paradigmas lean, ágil, resistente y ecológico en la gestión de la
cadena de suministro asociada a las prioridades competitivas. Emplean el método de la
entropía para derivar los pesos alternativos de los criterios de evaluación y, a continuación,
utilizan la técnica TOSIS para clasificar las alternativas viables por orden de preferencia y,
por último, miden las compensaciones entre los objetivos en conflicto. Identifican las
compensaciones en las cadenas de suministro farmacéutico de Jordania mediante un enfoque
de estudio empírico.
Amjad et al. [1] estudian la posibilidad de colaboración entre elementos de la fabricación
LARG con aspectos de la industria 4.0 . Descubrieron que los elementos de LARG pueden
combinarse con diversos aspectos de la industria 4.0 para proporcionar beneficios operativos,
medioambientales y económicos.
En resumen, las investigaciones sobre el alcance de LARG se han centrado en los modelos
conceptuales y la evaluación para elegir la mejor estrategia, y la falta de modelización y diseño
de redes en este ámbito es sensible. Uno de los modelos perfectos de diseño de redes de cadena
de suministro de bucle cerrado ha sido sugerido por Mohammadzadeh et al. [14]. Propusieron un
modelo en dos fases para la cadena de suministro de bucle cerrado en la que la demanda es
incierta. En el primer paso, analizan la evaluación y clasificación de los proveedores y, en el
siguiente, amplían la cadena de suministro de bucle cerrado.
El resto de este documento se organiza como sigue. En la Sección 2 se presenta la
metodología y el modelado matemático. En la Sección 3 se prueba y valida el modelo propuesto
en un caso de estudio real. Por último, en la Sección 4 se exponen las conclusiones y los
estudios futuros.
2. Metodología y modelización matemática
2.1. Debate
El estudio de la bibliografía indica que algunos métodos de las cuatro estrategias son
comunes, como la reducción del tiempo de preparación y el aumento de la información
compartida, y no interfieren entre sí. Dado que éstos no presentan contradicciones en las
cuatro estrategias, su introducción sólo aumentaría el tamaño del modelo de diseño de la
cadena de suministro LARG sin añadir ningún valor teórico nuevo. Sin embargo, en la
revisión bibliográfica del tema se encontraron algunos puntos contradictorios.
Excedente de capacidad: el excedente de capacidad es eficaz para reducir el riesgo tanto en
las partes productivas como en las de almacén, al tiempo que reducen el ser lean y green y
aumentan las características ágiles y resilientes de la cadena [13].
Instalaciones dispersas: la estrategia lean intenta reducir el número y la dispersión de las
instalaciones para disminuir el sobrecoste. Por el contrario, la estrategia ágil requiere más
instalaciones para que haya más flexibilidad y estén más cerca de los clientes. La estrategia verde
quiere menos instalaciones p a r a q u e la contaminación emitida sea mínima sabiendo que
dos instalaciones con capacidad específica tienen más contaminación en comparación con una
sola instalación con capacidad total de las dos. Por consiguiente, la estrategia resistente requiere
tener muchas instalaciones dispersas, de modo que si se produce un accidente en un lugar
concreto, muchas de las instalaciones no se vean implicadas y se preserve la cadena de suministro
[8].
Vehículos de transporte: h a y u n número limitado de vehículos de transporte accesibles
para toda la cadena de suministro. Vehículos con diferente contaminación, coste y capacidad, lo
que afecta a la recarga y al tamaño de los paquetes. La estrategia Lean insiste en utilizar el
vehículo más barato. No obstante, la estrategia ecológica exige seleccionar el vehículo menos
contaminante.
y green 181
La estrategia ágil exige utilizar vehículos de baja capacidad para aumentar el ritmo
de recarga y responder más rápidamente al cliente. Además, la estrategia de resiliencia acuerda
beneficiarse de una variedad de vehículos de transporte para reducir los riesgos de interrupción
del transporte [11].
En esta investigación, se modelará una cadena de suministro de bucle cerrado de acuerdo con
estos tres puntos críticos. Los efectos de los tres puntos críticos de las cuatro estrategias de
gestión se resumen en la Tabla 1.
Estrategia
Punto conflictivo
Lean Ágil Verde Resistente
Capacidad ↓ ↑ ↑ ↓
excedentaria ↓ ↑ ↑ ↓
ScatteredfFacility menor coste menor varios vehículos menos
Vehículo de transporte capacidad contaminación
Cuadro 1: Efectos de los puntos conflictivos en las estrategias
2.2. Modelo de hipótesis

Como se muestra en la Figura 1, la red consta de diferentes mercados, centros de desmontaje,
centros de reacondicionamiento, inventarios de piezas, productores, distribuidores y proveedores.
La red tiene un flujo de producción múltiple de diferentes piezas con una probabilidad de
presencia predeterminada. Los puntos de mercado, los minoristas y los centros de recogida son
los mismos. Así, los centros minoristas de todos los mercados recogen también los productos
devueltos. Las necesidades del producto serán abastecidas simultáneamente por proveedores
externos e inventarios de piezas. La demanda tiene función de distribución normal; sin embargo,
el tipo de función de distribución no es efectivo en el modelo propuesto, y sólo se utiliza en el
proceso de normalización. Las capacidades de los proveedores son ilimitadas. Las líneas de
transferencia son ilimitadas. Existen varios vehículos para el transporte con diferentes costes,
capacidad y contaminación. Los centros de de- strucción serán proporcionados por el gobierno.
Las notaciones se clasifican por conjuntos e índices, parámetros y variables de decisión y se
presentan en el Apéndice A.
Figura 1: Estructura del circuito cerrado de alimentación propuesto
2.3. Modelo multiobjetivo

Ahora se proporcionará el modelo matemático multiobjetivo de la hipótesis.
Funciones objetivo
Para la modelización, se han considerado las tres funciones objetivo más utilizadas en la
bibliografía sobre la cadena de suministro: 1) el beneficio global que debe maximizarse, 2) la
contaminación emitida que debe minimizarse y 3) la satisfacción del cliente que debe
maximizarse.
En primer lugar hay que calcular el beneficio de vender el producto j en el comercio
minorista c. Para ello, se introducen los siguientes signos: (x ∧ D) = min{x, D}, a+ =
max{0, a}.
El beneficio de la venta del producto j en el comercio minorista c se expresa como (1). Su
primera parte muestra los ingresos por venta, que son iguales al precio de una unidad del
producto j vendido en el establecimiento c multiplicado por todos l o s productos vendidos en el
establecimiento
y green 183
c. La siguiente parte indica el valor de los productos no vendidos y la tercera
parte
transmite el coste de escasez, que es igual a la cantidad de escasez y al precio múltiple de cada
unidad de escasez.
sjc (xjc ∧ Djc ) + vsjc (xjc - D )jc+ - usjc (Djc - x )jc+ . (1)
Este artículo utiliza el problema del repartidor de periódicos para calcular el sistema de
control de inventarios en minoristas en un único periodo. En consecuencia, el gestor de la
cadena de suministro estima el importe de las ventas en el siguiente periodo y lo encarga en
el momento adecuado antes del comienzo del siguiente periodo. El producto no vendido y la
cantidad faltante crean una plusvalía y un coste de escasez. Este método tiene en cuenta la
incertidumbre de la demanda. La ecuación anterior es igual a la ecuación (2) como se explica
en el Apéndice B. Dado que E(Djc )usjc es constante, no es efectiva en el valor de las
variables de decisión y se eliminará.
xjc
Σ ) ∫
(sjc + usjc )xjc - E(Djc )usjc + (vsjc - sjc - usjc F (Djc )dDjc . (2)
j,c 0
Esta parte formula los costes existentes en esta cadena de suministro de circuito cerrado.
Coste de compra: equivale a los costes totales de compra de piezas a proveedores externos.
sprikgikmt. (3)
i,k
Σ ,m,t
Coste de colocación: la ecuación (4) muestra el coste total de colocación de cada instalación que se
asigna.
Σ Σ Σ Σ Σ
fm xmmm + fd xddd + fs xsss + fr xrrr + fp xppp . (4)
m d s r p
Coste actual de la ruta de envío: este coste se ilustra en la ecuación (5). El primer término
indica el coste total de envío de piezas desde los inventarios de piezas a los productores. El
segundo término muestra el coste total de envío de piezas desde los proveedores a los
productores. El tercer término son los costes operativos totales en los productores. El cuarto
término implica los costes totales de envío de producción de los productores a los
distribuidores. El quinto término son los costes operativos totales en los distribuidores. El
sexto término es el coste total del envío de productos de los distribuidores a los minoristas y,
por último, el séptimo término representa los costes operativos totales en los minoristas.
Σ Σ Σ Σ
tnpmtnipmt + tgkmtgikmt + ojmomjm + tfmdtfjmdt+
i,p,m,t i,k,m,t j,m j,m,d,t (5)
Σ Σ Σ Σ Σ
(odjd fjmdt) + tedctejdct + (ocjc ejdct).
j,d m,t j,d,c,t j,c d,t
Coste actual de la vía de retorno: la ecuación (6) implica este coste. El primer término indica
el coste total de envío de productos desde los minoristas a los centros de desmontaje, el segundo
término transmite los costes totales de funcionamiento en los centros de desmontaje, el tercer
término muestra los costes totales de envío desde los centros de desmontaje a los centros de
reacondicionamiento, el cuarto término implica los costes totales de funcionamiento en los
centros de reacondicionamiento, el quinto término representa los costes totales de envío desde los
centros de reacondicionamiento a los inventarios de piezas y, por último, el sexto término expresa
los costes totales de funcionamiento en los almacenes.
Σ Σ Σ Σ Σ
thcsthjcst + (osjs (qji hjcst)) + tlsrtlisrt+
j,c,s,t j,s j c,t j,s,r,t (6)
Σ Σ Σ Σ Σ
(orir lisrt) + tvrptvirpt + (opip virpt).
i,r s,t i,r,p,t i,p r,t
y green 185
Coste de oportunidad: La construcción de instalaciones conlleva costes y, mientras no se
utilice toda la capacidad de la instalación, se denomina oportunidad perdida. El coste de esta
oportunidad puede considerarse como un porcentaje de la capacidad no utilizada
multiplicado por el coste de oportunidad de la instalación. La ecuación (7) representa que el
coste de oportunidad es igual al coste de oportunidad total de todos l o s puntos potenciales
de las instalaciones.
Σ Σ Σ
(1 - amm )qm xmmm + (1 - add )qd xddd + (1 - ass )qs xs +ss
m d s (7)
Σ Σ
(1 - arr )qr xrrr + (1 - app )qp xppp .
r p
Por lo tanto, el beneficio total de la actividad de esta cadena de suministro será:
xjc
Σ ) ∫
max z1 = (sjc + usjc )xjc + (vsjc - sjc - usjc F (Djc )dDjc
j,c 0
Σ Σ Σ Σ Σ
-( spr gikikmt + fm xmmm + fd xddd + fs xsss + fr
xr +rr
i,k,m,t m d s r
Σ Σ Σ Σ Σ
fppxpp + tnpmtnipmt + tgkmtgikmt + ojmomjm + tfmdtfjmdt+
p i,p,m,t i,k,m,t j,m j,m,d,t
Σ Σ Σ Σ Σ Σ
(odjd fjmdt) + tedctejdct + (ocjc ejdct) + thcsthjcst+
j,d m,t j,d,c,t j,c d,t j,c,s,t
Σ Σ Σ Σ Σ Σ
(osjs (qji hjcst)) + tlsrtlisrt + (orir lisrt)+
j,s j c,t j,s,r,t i,r s,t
Σ Σ Σ Σ Σ
tv vrptirpt + (opip virpt ) + (1 - amm )qm xmmm + (1 - add )qd xd +dd
i,r,p,t i,p r,t m d
Σ Σ Σ
(1 - ass )qs xsss + (1 - arr )qr xrrr + (1 - app )qp xppp ).
s r p
(8)
Contaminación: se ha realizado el cálculo de la cantidad total de contaminación (Dióxido

de Carbono) por traslado entre instalaciones. En este cálculo se han considerado varios
vehículos con diferentes niveles de contaminación y distancias efectivas sobre la
contaminación. A continuación, la cantidad de contaminación de la capacidad no utilizada se
considerará como capacidad excedente de contaminante. Debido a l a c a n t i d a d
d e c o n t a m i n a c i ó n para colocar cada instalación, la contaminación total es
igual a la suma de la cantidad de contaminación si la instalación se coloca en la ubicación
potencial. La contaminación total producida es la siguiente
Σ Σ Σ Σ
min z2 = pgkmtgikmt + pfmdtfjmdt + pedctejdct + phcsthjcst+
i,m,k,t j,m,d,t j,d,c,t j,c,s,t
Σ Σ Σ Σ
plsrtlisrt + pvrptvirpt + pmpmtnipmt + (1 - amm)emm+
i,r,s,t i,r,p,t i,p,m,t m (9)
Σ Σ Σ Σ
(1 - add )edd + (1 - ass )ess + (1 - arr )err + (1 - app )ep +p
d s r p
Σ Σ Σ Σ Σ
pm xmmm + pd xddd + ps xsss + pr xrrr + pp xppp
m d s r p
Satisfacción del cliente: En este estudio, el cliente no es sólo el consumidor final, sino que
cada instalación se considera un cliente de la instalación anterior de la cadena de suministro. El
primer término define la satisfacción del cliente cuando utiliza la capacidad máxima de las
instalaciones. Se calcula sumando la multiplicación del porcentaje de instalaciones utilizadas por
el grado de satisfacción del uso de las instalaciones. Además, el segundo término es el grado de
satisfacción por la dispersión y el número de instalaciones, que se define como el número de
instalaciones creadas dividido por el total de instalaciones proporcionadas multiplicado por el
grado de satisfacción por la variedad de instalaciones. Y por último, el tercer término es la
cantidad de satisfacción por entrega rápida. La capacidad de los vehículos está en contradicción
con el ritmo de la misma, por lo que la función se determina dividiendo el desplazamiento total
entre dos instalaciones por la capacidad del vehículo multiplicado por el nivel de satisfacción
entre dos instalaciones.
Σ Σ Σ Σ Σ
max z3 = amm × smm + add × sdd + ass × sss + arr × srr + app × spp
m d s r p
Σ Σ Σ Σ Σ
xmm xss xpp
+ dm m +xddddd
+ + dss
+ dp drrxrr
p
M D S
Σ RΣ P
Σ Σ fjmdt Σ ejdct Σ hjcst
+ ( )+ sedc ( )+ shcs ( )
chcst
cfmdt cedct
sfmd
m,d
Σ (Σj,tlisrt j,t
Σ d,c (Σ virpt Σ c,s (Σj,t nipmt Σ (Σ gikmt
+ sl )+ sv )+ sn )+ sg )
sr clsrt rp cvrpt pm cnpmt km cgkmt
s,r i,t r,p i,t p,m i,t k,m i,t
(10)
Restricciones
Limitación de la posibilidad: las ecuaciones (11)-(21) muestran que si las instalaciones se
sitúan en las ubicaciones sugeridas, existirá la posibilidad de enviar y recibir productos y piezas.
fjmdt ≤ M × xmm ∀m (11)

jΣ,t,
iΣ , p , t
iΣ , k , t
d nipmt ≤ M × xmm ∀m (12)
gikmt ≤ M × xmm ∀m (13)

ejdct ≤ M × xdd ∀d (14)
cΣ , t , j
Σ fjmdt ≤ M × xdd ∀d (15)

j,t,m
i
Σ
lisrt ≤ M × xss ∀s (16)
,r,t
Σ
hjcst ≤ M × xss ∀s (17)
j,c,t
Σ
virpt ≤ M × xrr ∀r (18)
i,p,t
Σ
lisrt ≤ M × xrr ∀r (19)
i,s,t
y green
Σ 187
nipmt ≤ M × xpp ∀p (20)
i,m,t
Σ
viprt ≤ M × xpp ∀p (21)
i,r,t
Limitaciones del equilibrio de la red: la ecuación (22) indica que el número de piezas
introducidas al productor es igual al número de piezas solicitadas. La ecuación (23) obliga a
los productores a enviar todos los productos a los distribuidores. La ecuación (24) implica
que el número de productos entrados a los distribuidores es igual al número de productos
salidos. La ecuación (25) implica que el número de productos enviados al minorista es igual
al total de productos enviados por todos los distribuidores. Ecuación
(26) garantiza que el número de productos enviados a los centros de desmontaje es igual al
número de productos devueltos. La ecuación (27) indica que el número de piezas
proporcionadas en cada centro de desmontaje es igual al número de productos devueltos
multiplicado por el número de piezas existentes en cada producto. La ecuación (28)
representa que el número de piezas enviadas al centro de reacondicionamiento es igual a las
piezas sanas proporcionadas en el centro de desmontaje. La ecuación (29) asegura que el
número de piezas introducidas en el centro de reacondicionamiento es igual a las piezas
salidas del mismo centro. Ecuación
(30) muestra que el nivel de equilibrio en las partes de inventario.
Σ Σ Σ
q oijjm = gikmt + nipmt ∀m, i (22)
j k,t p,t
Σ
ojm = fjmdt ∀m, j (23)
d,t
Σ Σ
fjmdt = ejdct ∀d, j (24)
m,t c,t
Σ
xjc = ejdct ∀c, j (25)
d,t
Σ
yj × xjc = hjcst ∀s, j (26)
s,t
Σ
bis = h qjcstij ∀s, i (27)
c,j,t
Σ
(1 - wi )bis = lisrt ∀i, s (28)
r,t
Σ Σ
virpt = lisrt ∀i, r (29)
p,t s,t
Σ Σ
nipmt = virpt ∀p, i (30)
m,t r,t
Limitaciones de capacidad: la ecuación (31) establece que si el productor m se sitúa en la

u b i c a c i ó n s u g e r i d a , su producto total debe ser inferior o igual a la capacidad de este
p r o d u c t o r . La ecuación (32) i n d i c a que si el distribuidor d se sitúa en la u b i c a c i ó n
s u g e r i d a , el producto total distribuido no puede ser superior a s u c a p a c i d a d . La ecuación
(33) implica que si el centro de desmontaje s se sitúa en la ubicación sugerida, toda la parte de
desmontaje está restringida a la capacidad de este centro. La ecuación (34) implica que si el
centro de reacondicionamiento r se coloca en la u b i c a c i ó n s u g e r i d a , toda la operación de
reacondicionamiento se limita a su c a p a c i d a d . La ecuación (35) garantiza que si el inventario
de piezas p se sitúa en la u b i c a c i ó n s u g e r i d a , el total de piezas que pueden almacenarse
en el lugar está limitado a su c a p a c i d a d .
y green 189
Σ
ojm ≤ (cmm × xmm × am )m ∀m (31)
j
Σ
ejdct ≤ (cdd × xdd × ad )d ∀d (32)
c,t,j
Σ
bis ≤ (css × xss × as )s ∀s (33)
i
Σ
eisrt ≤ (crr × xrr × ar )r ∀r (34)
i,s,t
Σ
virpt ≤ (cpp × xpp × ap )p ∀p (35)
r,t,i
Posibilidad de limitación de la capacidad: las ecuaciones (36)-(40) establecen que si las

instalaciones están situadas en una determinada ubicación potencial, se puede utilizar la
capacidad de esa instalación.
amm ≤ xmm ∀m (36)
add ≤ xdd ∀d (37)
ass ≤ xss ∀s (38)
arr ≤ xrr ∀r (39)
app ≤ xpp ∀p (40)
Variables de decisión: las restricciones (41) y (42) imponen r e s t r i c c i o n e s binarias

y de no negatividad a las variables de decisión.
gikmt , fjmdt , ejdct , hjcst , lisrt , virpt , nipmt , ojm , bis , xjc , amm , add , ass , arr , app ≥ 0
(41)
xmm , xdd , xss , xrr , xpp , xkk ∈ {0, 1} (42)
2.4. Método de linealización

El modelo presentado es no lineal debido a la integral en la función objetivo. Este estudio utiliza
la linealización a trozos utilizada en algunas investigaciones, entre ellas [3]. El intervalo de la
función lineal debe dividirse en varios intervalos, y la curva debe sustituirse por líneas rectas que
se reconocen con una constante y un gradiente. Para una distribución normal estándar, que es la
habitual entre las distribuciones de la demanda de los minoristas, la estimación puede verse en la
figura
2. Esta estimación convierte la función no lineal en lineal y nos ayuda a alcanzar la respuesta
óptima de la función linealizada. La precisión de este método de estimación se incrementará
aumentando la cantidad de divisiones e intervalos y cada intervalo debe tener un índice y una
variable cero-uno.
Figura 2: Estimación lineal de la integral de la función de distribución colectiva normal
Índices
nj ∈ N j : conjuntos de intervalos de aproximación para cada producto en cada minorista
c c
Parámetros
j
coeffnj : gradiente
c
de intervalo de nc
constnj : constante del intervalo nc j
c
j
lowernj : límite
c
inferior del intervalo nc
uppernj : límite j
superior del intervalo nc
c
Variables de decisión
j
bintnj : es
c
uno si se elige el intervalo nc
aintnj : producto j intervalo
enviado si se elige el
c nc
Tras introducir las notaciones anteriores, el modelo lineal es el siguiente:
Σ ) Σ ) Σ
max z1 = ((sjc + usjc aintnj
c
+ (vsjc - sjc - usjc (coeffnjc × aintnj +c constnj × bintnj
c
)) c
j,c j
nc
j
nc
Σ Σ Σ Σ Σ
-( spr gikikmt + fm xmmm + fd xddd + fs xsss + fr xr +rr
i,k,m,t m d s r
Σ Σ Σ Σ
fp xppp + tnpmtnipmt + + + tfmdtfjmdt+
tgkmtgikmt ojmomjm
Σ
p i,p,m,t i,k,m,t j,m j,m,d,t
Σ Σ Σ Σ Σ
(odjd fjmdt ) + tedctejdct + (ocjc ejdct) + thcsthjcst+
Σ
j,d m,t j,d,c,t j,c d,t j,c,s,t
Σ Σ Σ Σ Σ Σ
(osjs (qji hjcst)) + tlsrtlisrt + (orir lisrt)+
j,s j c,t j,s,r,t i,r s,t
Σ Σ Σ Σ Σ
tv vrptirpt + (opip virpt ) + (1 - amm )qm xmmm + (1 - add )qd xd +dd
i,r,p,t i,p r,t m d
Σ Σ Σ
(1 - ass )qs xsss + (1 - arr )qr xrrr + (1 - app )qp xp )pp
s r p
min z2 = . . .
max z3 = . . .
y green 191
s.t.
(41) - (49)
Σ
bintnj =
c
1 (43)
j
nc
aintnj ≤ uppernj × bintnj ∀ncj (44)

c c c
j
aintnj ≥ lowernj × bintnj ∀nc (45)
c c c
bintnj ∈ {0, 1} (46)

c
aint nj c≥ 0 (47)
Σ
Σ aintnj =c ejdct ∀c, j (48)
nc
j d,t
Σ Σ
yj × aintnj =
c
hjcst ∀c, j (49)
j s,t
nc
La ecuación (43) establece que sólo debe elegirse uno de los intervalos para cada producto
de cada minorista. Las ecuaciones (44)-(45) representan que la cantidad de productos de
entrega debe situarse entre los límites inferior y superior del intervalo. La ecuación (46)
establece variables binarias. La ecuación (47) implica la positividad de la cantidad de flujo a
través de la red. La ecuación (48) indica que la suma de los productos en el intervalo es igual
a las cantidades totales de entrega a los minoristas y la ecuación
(49) garantiza que la cantidad total de piezas en los intervalos es igual al flujo total enviado a
los centros de desmontaje.
En la primera función objetivo y las limitaciones (31)-(35) hay un enunciado no lineal que
consiste en multiplicar una v a r i a b l e continua y una variable cero-uno. Por lo tanto, c o n e l
fin de linealizarla, se introducen algunas nuevas variables binarias y continuas con restricciones
adicionales como se indica en la Tabla 2. Utilizando el método de Glover y Woolsey [7] que es
el siguiente, se pueden linealizar las limitaciones.
z = x1 × x x2
= 0 ó 1 0 ≤ x2 ≤ 1 1
≡ (50)
z ≤ x2 z ≤ M × x1 z ≥ x2 - M × (1 - x1 ) z ≥
0
Y en la función objetivo, la ecuación no lineal se linealizará como sigue. max z1 =

(...) - (... + Σ(xmm - axmm )qmm + Σ(xdd - axdd )qdd
m d (51)
+ Σ(xss - axss )qss + Σ(xrr - axrr )qrr + Σ(xpp - axpp )qp )p
s r p
2.5. Método de solución multiobjetivo

Para resolver el modelo multiobjetivo considerado, se utilizará el enfoque de Huang y Yun [9] en
el que el objetivo es encontrar una solución cercana a la cantidad ideal resultante de minimizar la
siguiente función. En esta ecuación y es el número de la función objetivo y p es un número
mayoritariamente entre 1 y 2. Los pesos se calculan mediante el método FAHP. Consulte [10]
para
Restricción Descripción Término no lineal y restricción lineal correspondiente

Nuev variable axm = am × xm
(31)
o
axmm ≤ amm ∀m
limitaciones axmm ≤ M × xmm ∀m
axmm ≥ amm - M × (1 - xm )m ∀m
Nuev variable axd = ad × xd
(32) o
axdd ≤ add ∀d
limitaciones axdd ≤ M × xdd
∀d axdd ≥ add - M × (1 - xdd ) ∀d
Nuev variable axs = as × xs
(33) o
axss ≤ ass ∀s
limitaciones axss ≤ M × xss
∀s axss ≥ ass - M × (1 - xss )
∀s
Nuev variable axr = ar × xr
(34) o
axrr ≤ arr ∀r
limitaciones axrr ≤ M × xrr
∀r axrr ≥ arr - M × (1 - xrr )
∀r
Nuev variable axp = ap × xp
(35) o
axpp ≤ app ∀p
limitaciones axpp ≤ M × xpp
∀p axpp ≥ app - M × (1 - xpp ) ∀p
Cuadro 2: Categorías de cambio de variables y linealización
para estudiar más sobre este tema. Z+ y Z- son la mejor y la peor cantidad de cada función objetivo en la
solución de objetivo único.
p#1/p
ΣY
" - z-
l p= wpy zy + y (52)
z - z−
y=1 y y
De acuerdo con estas explicaciones, el modelo lineal de objetivo único combinado con la constante del
problema se calcula de la siguiente manera:
" p#1/p
z- p z- p z-
z1 - z2 - z3 -
max z = w p +w
1
p +w 2p
3
(53)
1 z+ - z− 2 z+ - z− 3 z+ - z−
1 1 2 2 3 3
Tras la linealización y la provisión de un método de resolución multiobjetivo, el problema puede

resolverse mediante un software de optimización.
3. Resultados y debate
3.1. Un caso real
En esta sección, se dan algunos datos sobre la empresa en la que investigamos el estudio de caso.
Iran School Equipment Company se fundó en 1977 con el objetivo de diseñar y producir diversos
tipos de equipamiento y mobiliario para aulas. Con 50000 metros cuadrados de espacio de trabajo
y producción en una parcela de 60000 metros cuadrados, además de un moderno departamento de
I+D y expertos altamente experimentados, esta empresa es lo suficientemente capaz como para
desarrollar sus productos de acuerdo con las últimas normas mundiales y tecnologías modernas.
El Modelización
mercado de matemática de laaulas
equipos para cadenaen
deIrán
suministro
es de en bucle
unos cerrado
1.000 considerando
billones estrategias
de riales al año,lean
y agile resilient
la empresa
y green
tiene una gran parte de este mercado. La empresa fabrica una variedad de productos que en este 193
estudio hemos
se centró en los tres productos siguientes: Pupitre y banco, Silla de estudiante y Pupitre de
profesor que cada uno de ellos se compone de diferentes piezas. Estos productos están destinados
a la venta en tres mercados de destino, cada uno de los cuales tiene un minorista que también
tiene la responsabilidad de recoger los productos devueltos. La información relacionada es la
siguiente.
Las especificaciones de todos los mercados, incluidos el precio de venta de los productos, el
valor de recuperación de los productos no vendidos, el coste de la falta de productos y la
demanda, figuran en el cuadro 3. La tasa de devolución de todos los productos es del 10% y el
porcentaje de no utilizables de todas las piezas se considera del 15%. La tasa de devolución de
todos los productos es del 10% y el porcentaje de no utilizables de todas las piezas se considera
del 15%. Existen cuatro tipos de vehículos para el transporte entre las instalaciones: Camión; con
motor de gasolina o híbrido y Remolque; con motor de gasolina o híbrido. La tabla 4 muestra la
capacidad, el coste y la contaminación de cada uno de los cuatro tipos de vehículos entre todas
las instalaciones. En esta investigación sólo se ha considerado el CO2 emitido en la red de la
cadena de suministro propuesta (CO2 Kg/Km). Cabe señalar que las aplicaciones de este tipo de
modelos de redes de cadenas de suministro a los casos reales son realmente difíciles. Como
puede verse, algunos parámetros son números aleatorios que se eligen de una distribución
uniforme.
(S )jc (sv )jc (sc )jc (D )cj
J1.c1 200 148 50 1040
J2.c1 175 110 60 2300
J3.c1 150 100 50 1960
J1.c2 112 91 70 7970
J2.c2 530 60 50 1600
J3.c2 150 100 50 1500
J1.c3 175 90 60 2200
J2.c3 150 100 60 8060
J3.c3 200 158 60 2350
Cuadro 3: Parámetros relacionados con los productos en los mercados
t1 t2 t3 t4
coste u(13,17) u(9,10) u(6,7) u(4,5)
capacidad u(8,9) u(10,12) u(19,21) u(23,25)
contamin u(6,8) u(9,11) u(29,35) u(42,50)
ación
Cuadro 4: Parámetros del vehículo de transporte
La satisfacción derivada del transporte rápido de piezas y productos entre instalaciones se

considera un número aleatorio entre 50 y 90 a partir de una distribución uniforme. En esta
investigación, consideramos el tiempo como indicador de la satisfacción de los clientes. El grupo
de toma de decisiones establece la importancia de cada función objetivo como w1=0,5, w2=0,2,
w3=0,3 y p=1. Para linealizar la primera función objetivo, se han considerado cinco intervalos.
Para la resolución de este problema se ha utilizado el software GAMS.
El resultado de resolver el modelo es el siguiente: el beneficio es 1102489 y la
contaminación total es 570742 y la satisfacción del cliente es 25219. El primer productor
fabrica los productos segundo y tercero mientras que el segundo sólo produce el primer
producto y el tercer productor tiene todos los productos en el plan de producción. El primer
centro de reacondicionamiento reacondiciona la primera y la segunda piezas, mientras que el
segundo centro de reacondicionamiento reacondiciona sólo la segunda y la tercera y cuarta
piezas y el tercer centro de reacondicionamiento recicla sólo la primera pieza.
y green 195
3.2. Ventajas del modelo propuesto
Esta sección pretende investigar cómo el modelado matemático LARG puede ayudar a mejorar
l a s f u n c i o n e s objetivo. Para e l l o , se comparan las funciones objetivo de los dos enfoques
siguientes para el diseño de redes de cadenas de suministro.
Modelización matemática LARG : Este enfoque toma las decisiones SCND utilizando la
modelización matemática LARG presentada en la sección anterior.
Enfoque secuencial: Este enfoque, primero resuelve el modelo sin considerar una de las cuatro
estrategias y luego mediante la sustitución de las variables de decisión (cantidades de transporte,
ubicaciones de las construcciones y porcentajes de capacidad utilizada) en las funciones objetivo,
calcula los valores de las funciones objetivo.
Figura 3: Comparación entre el enfoque LARG y el enfoque secuencial
Por ejemplo, al descuidar la estrategia lean en 3 puntos changeling, el modelo matemático

gana el valor de todas las variables de decisión. Y luego con la sustitución de estas variables
de decisión en la función objetivo de beneficio, se calcula el valor de la misma. Este enfoque
se repite para las estrategias ágil y verde a su vez. La cantidad de tres funciones objetivo en
el enfoque secuencial se muestra en la Figura 3.
Las diferencias entre el enfoque secuencial y el enfoque LARG también figuran en el cuadro
5. La última fila de la Tabla 5 presenta los porcentajes de cambio ponderados por los pesos de las
funciones objetivo. De la última fila se desprende que, al eliminar cada estrategia, la función
o b j e t i v o ponderada disminuye.
Este ejemplo numérico demuestra la eficacia del modelo matemático LARG en SCND.
Además, se ha establecido la preferencia de la estrategia LARG frente a las cuatro estrategias por
separado.
La eliminación de la estrategia de resistencia no tiene un efecto específico en la función objetivo
ponderada, ya que la acción de la estrategia de resistencia se encuentra en la fase de
implementación de la cadena de suministro, pero debemos considerar la estrategia de
resistencia en la fase de diseño para evitar dificultades en la fase de implementación.
Estrategia eliminada
Función objetivo Enfoque LARG
Lean Ágil Verde Resistente
Beneficio total (w1=0,5) 1120489 531172 1389941 1213171 1137749
Contaminación total (w2=0) 570742 313548 450190 991542 57729
Satisfacción del cliente 25219 37112 15991 24891 24970
(w3=0)
Porcentaje de cambio ponderado -3.1% -2.6% -3.1% 00.2%
Tabla 5: Comparación del rendimiento de los enfoques secuencial y LARG
4. Conclusión y dirección futura
La conciencia de la ingeniería industrial y, en particular, la conciencia de la gestión de la

cadena de suministro es la unificación y esa es la motivación de la gestión de la cadena de
suministro LARG. Necesariamente, todas las organizaciones se moverían hacia la gestión de la
cadena de suministro LARG que tiene más ventajas en las funciones objetivo teóricas en
comparación con cada estrategia individual y teniendo más éxito en la naturaleza
multiaspecto actual de las cadenas de suministro. Por otro lado, el diseño de la red de la
cadena de suministro afecta al rendimiento a largo plazo de la cadena de suministro y no tener
en cuenta las principales estrategias de la gestión de la cadena de suministro durante el
periodo de diseño, conduce a la incompatibilidad durante la fase de funcionamiento de la
cadena de suministro. La existencia de una gran desviación entre estos dos campos es una de
las deficiencias teóricas de la gestión de la cadena de suministro.
Como se menciona en detalle en este documento, se han considerado por separado cuatro
estrategias: ajustada, ágil, resistente y ecológica, o a veces los investigadores han unido ambas en
sus trabajos. Existen varios conflictos, como el exceso de capacidad, la dispersión de las
instalaciones y los vehículos de transporte. Aquí se ha desarrollado un modelo matemático que
combina todos estos conflictos en un modelo con tres funciones objetivo: beneficio,
contaminación y satisfacción del cliente. Este problema se ha resuelto mediante la linealización
de ecuaciones no lineales y el uso del método de programación de compromiso.
Ilustramos el resultado del modelo para un caso real de la industria de equipamiento de aulas
que mostró mejoras significativas en la función objetivo debido a la consideración simultánea de
las cuatro estrategias. Este artículo demuestra la capacidad de LARG en CSND. Demuestra que
la capacidad de LARG en CSND es muy alta y es muy útil en la teoría y en la práctica. En la
práctica, ayuda al gestor ejecutivo a considerar todos los métodos de gestión
s i m u l t á n e a m e n t e , lo que hace que el gestor no se preocupe por perder ningún recurso. En
la teoría, indica que la solución óptima obtenida mediante LARG es mejor que la solución
óptima obtenida al resolver el modelo sin considerar ninguna de las estrategias.
En futuros estudios, se considerarán más cuestiones conflictivas como un reto del modelo
integrado para las estrategias LARG. Otro tema de investigación sería la inclusión del control de
inventarios y las rutas en el modelo. Considerar la interrupción de las instalaciones también
puede aportar ideas adicionales e implicaciones prácticas.
Referencias
[1] Amjad, M. S., Rafique, M. Z., Hussain, S., y Khan, M. A. (2020). A new vision of LARG
manufacturing - A trail towards industry 4.0. (2020). CIRP Journal of Manufacturing Science and
Technology. doi: 10.1016/j.cirpj.2020.06.012
[2] Azevedo, S. G., Carvalho, H., y Machado, V. C. (2011). La influencia de las prácticas verdes en el
rendimiento de la cadena de suministro: Un enfoque de estudio de caso. Transportation research part
E: logistics and transportation review, 47(6), 850-871. doi: 10.1016/j.tre.2011.05.017.
[3] Baghalian, A., Rezapour, S., y Farahani, R. Z. (2013). Diseño robusto de redes de cadenas de
suministro con nivel de servicio frente a interrupciones e incertidumbres de la demanda: A real-life
case. European Journal of Operational Research, 227(1), 199-215. doi: 10.1016/j.ejor.2012.12.017
[4] Cabral, I., Grilo, A., y Cruz-Machado, V. (2012). A decision-making model for lean, agile, resilient
and green supply chain management. International Journal of Production Research, 50(17), 4830-
4845. doi: 10.1080/00207543.2012.657970
[5] Carvalho, H., Duarte, S., y Machado, V. C. (2011). Lean, ágil, resiliente y verde: Divergencias y
sinergias. International Journal of Lean Six Sigma, 2(2), 151-179. doi: 10.1108/20401461111135037
[6] Espadinha-Cruz, P., Grilo, A., Puga-Leal, R., y Cruz-Machado, V. (2011). Un modelo para
evaluar la interoperabilidad de las prácticas Lean, Agile, Resilient y Green en las cadenas de
suministro. IEEE Interna-
y green 197
tional Conference on Industrial Engineering and Engineering Management 2011, 120-1213. doi:
10.1109/IEEM.2011.6118107
[7] Glover, F., y Woolsey, E. (1974). Converting the 0-1 polynomial programming problem to a 0-1
linear program. Operations research, 22(1), 180-182. doi: 10.1287/opre.22.1.180
[8] Hosseini, S., y Barker, K. (2016). A Bayesian network model for resilience-based supplier selection.
International Journal of Production Economics, 180, 68-87. doi: 10.1016/j.ijpe.2016.07.007
[9] Hwang, C. L., y Yoon, K. (1981). Multiple attribute decision making - Mmethods and ppplica- tions.
New York: Springer-Verlag Berlin Heidelberg. doi: 10.1007/978-3-642-48318-9
[10] Kahraman, C., Cebeci, U., y Ulukan, Z. (2003). Multi-criteria supplier selection using fuzzy AHP.
Logistics information management, 16(3), 382-394. doi: 10.1108/09576050310503367
[11] Khalili, S. M., Jolai, F., y Torabi, S. A. (2017). Planificación integrada de producción-distribución en
sistemas de dos quilones: Una visión de resiliencia. International Journal of Production Research,
55(4), 1040-1064. doi: 10.1080/00207543.2016.1213446
[12] Maleki, M., y Cruz-Machado, V. (2013). Integración genérica de las prácticas Lean, Agile,
Resilient y Green en la cadena de suministro de automoción. Review of International Comparative
Management/Revista de Management Comparat International, 14(2), 237-248.
http://www.rmci.ase.ro/no14vol2/ 05.pdf
[13] Margolis, J. T., Sullivan, K. M., Mason, S. J., y Magagnotti, M. (2018). A multi-objective opti-
mization model for designing resilient supply chain networks. International Journal of Production
Economics, 204, 174-185. doi: 10.1016/j.ijpe.2018.06.008
[14] Mohammadzadeh, M., Khamseh, A. A., y Mohammadi, M. (2017). A multi-objective integrated model
for closed-loop supply chain configuration and supplier selection considering uncertain de- mand and
different performance levels. Journal of Industrial & Management Optimization, 13(2), 1041-1064.
doi: 10.3934/jimo.2016061
[15] do Rosario Cabrita, M., Duarte, S., Carvalho, H., y Cruz-Machado, V. (2016). Integración de los
paradigmas lean, ágil, resiliente y verde en una perspectiva de modelo de negocio: Fundamentos
teóricos.
IFAC-PapersOnLine, 49(12), 1306-1311. doi: 10.1016/j.ifacol.2016.07.704
[16] Suifan, T., Alazab, M., y Alhyari, S. (2019). Trade-off between lean, agile, resilient and green
paradigms: an empirical study on pharmaceutical industry in Jordan using a TOPSIS- entropy
method. International Journal of Advanced Operations Management, 11(1-2), 69-101. doi:
10.1504/IJAOM.2019.10019905
[17] Tizroo, A., Azar, A., Ahmadi, R., y Rafiei, M. (2011). Modeling agility of supply chain case study:
Zobahan Co. Journal of Industrial Managemant, 3(7), 17-36. https://www.sid.ir/en/
journal/ViewPaper.aspx?id=415806
[18] Zhu, Q., Sarkis, J., y Lai, K. H. (2008). Confirmation of a measurement model for green supply chain
management practices implementation. International Journal of Production Economics, 111(2), 261-
273. doi: 10.1016/j.ijpe.2006.11.029
Apéndice A
Las notaciones se clasifican por conjuntos e índices, parámetros y variables de decisión.
Conjuntos e índices
i ∈ I : conjuntos de piezas en todos los productos
j ∈ J : conjuntos de productos
k ∈ K : conjuntos de proveedores potenciales
m ∈ M : conjuntos de productores potenciales
d ∈ D : conjuntos de distribuidores potenciales
c ∈ C : conjunto de minoristas (mercado)
s ∈ S : conjuntos de centros potenciales de desmontaje

r ∈ R : conjuntos de centros de renovación potenciales
p ∈ P : conjuntos de inventarios de piezas potenciales
t ∈ T : serie de vehículos de transporte existentes
Parámetros
tfmdt : coste de e n v í o d e u n p r o d u c t o del productor m al distribuidor d con vehículo

de transporte t tedct : coste de envío de un producto del distribuidor d al minorista c con
vehículo de transporte t thcst : coste de envío de un producto del minorista c al centro de
desmontaje s con transporte

vehículo t
tlsrt : coste de envío de una pieza desde el centro de desmontaje s al centro de

reacondicionamiento r con el vehículo de transporte t
tvrpt : coste de envío de una pieza desde el centro de reacondicionamiento r al inventario de

piezas p con el vehículo de transporte t
tnpmt : coste de envío de una pieza del inventario de piezas p al productor m con vehículo de
transporte tgkmt : coste de envío de una pieza del proveedor k al productor m con vehículo
de transporte t
pgkmt : contaminación causada por el envío de una pieza del proveedor k al productor m con el
vehículo de transporte t
pfmdt : contaminación causada por el envío de un producto del productor m al

distribuidor d con el vehículo de transporte t
pedct : contaminación causada por el envío de un producto del distribuidor d al

minorista c con el vehículo de transporte t
phcst : contaminación causada por el envío de un producto desde el minorista c al centro de

desmontaje s con el vehículo de transporte t
plsrt : contaminación causada por el envío de una pieza del centro de desmontaje s al centro de
reacondicionamiento r
con vehículo de transporte t
pvrpt : contaminación causada por el envío de una pieza desde el centro de reacondicionamiento r al
inventario de piezas p con el vehículo de transporte t
pnpmt : contaminación causada por el envío de una pieza del inventario de piezas p al
productor m con el vehículo de transporte t
cfmdt : capacidad del vehículo de transporte t para enviar el producto del productor m al
distribuidor d cgkmt : capacidad del vehículo de transporte t para enviar la pieza del proveedor k
al productor m
cedct : capacidad del vehículo de transporte t para enviar el producto del distribuidor d al minorista c
chcst : capacidad del vehículo de transporte t para enviar el producto del minorista c al centro
de desmontaje s
clsrt : capacidad del vehículo de transporte t para enviar la pieza del centro de desmontaje s al
centro de reacondicionamiento r
y green 199
cvrpt : capacidad del vehículo de transporte t para enviar la pieza desde el centro de
reacondicionamiento r al inventario de piezas p
cnpmt : capacidad del vehículo de transporte t para enviar piezas del inventario de piezas p al
productor m sfmd : satisfacción de la entrega rápida de productos del productor m al
distribuidor d
sedc : satisfacción por la entrega rápida de productos del distribuidor d al minorista c
shcs : satisfacción por la entrega rápida de productos del minorista c al centro de desmontaje s
slsr : satisfacción de la entrega rápida de piezas del centro de desmontaje s al centro de
reacondicionamiento r svrp : satisfacción de la entrega rápida de piezas del centro de
reacondicionamiento r al inventario de piezas p snpm : satisfacción de la entrega rápida de
piezas del inventario de piezas p al productor m
sgkm : satisfacción por la entrega rápida de piezas del proveedor k al
productor m fmm : coste de localizar a un productor en la ubicación sugerida
m
fdd : coste de ubicación de un distribuidor en la ubicación sugerida d
fss : coste de localización de un centro de desmontaje en la
ubicación sugerida s frr : coste de localización de un centro de
reacondicionamiento en la ubicación sugerida r fpp : coste de
localización de un inventario de piezas en la ubicación sugerida
p
omjm : coste operativo de un producto j en el productor
m odjd : coste operativo de un producto j en el
distribuidor d ocjc : coste operativo de un producto j
en el minorista c
osis : coste o p e r a t i v o d e u n a pieza i en el centro de
desmontaje s orir : coste operativo de una pieza i en el
centro de reacondicionamiento r opip : coste operativo de
una pieza i en el inventario de piezas p qmm : c o s t e d e
oportunidad del productor m
qdd : coste de oportunidad del distribuidor d
qss : c o s t e d e l centro de desmontaje coste de
oportunidad de d qrr : coste del centro de
reacondicionamiento coste de oportunidad de r qpp :
coste del inventario de piezas coste de oportunidad de
p
emm y:green
contaminación cantidad de excedente de capacidad 201
en el productor m edd : contaminación cantidad de

excedente de capacidad en el distribuidor d
ess : contaminación cantidad de capacidad excedente en el centro
de desmontaje s err : contaminación cantidad de capacidad
excedente en el centro de reacondicionamiento r epp :
contaminación cantidad de capacidad excedente en el inventario
de piezas p
pmm : cantidad de contaminación del productor m
pdd : cantidad de contaminación del distribuidor d

pss : cantidad de contaminación del centro de
desmontaje s prr : cantidad de contaminación
del centro de reacondicionamiento r ppp :
cantidad de contaminación del inventario de
piezas p
dm : satisfacción de la dispersión y variedad de las instalaciones del productor
dd : satisfacción por la dispersión y variedad de las instalaciones del distribuidor
ds : s a t i s f a c c i ó n d e l a dispersión y variedad de las instalaciones del
centro de desmontaje dr : satisfacción de la dispersión y variedad de las
instalaciones del centro de reacondicionamiento dp : satisfacción de la
dispersión y variedad de las instalaciones del inventario de piezas
smm : satisfacción por efectos del excedente de capacidad del
productor m sdd : satisfacción por efectos del excedente de
capacidad del distribuidor d
sss : satisfacción por efectos del excedente de capacidad del centro de
desmontaje s srr : satisfacción por efectos del excedente de capacidad
del centro de reacondicionamiento r spp : satisfacción por efectos del
excedente de capacidad del inventario de piezas p
cpp : capacidad m á x i m a del inventario
de piezas p cdd : capacidad máxima del
distribuidor d
crr : capacidad máxima del centro de
reacondicionamiento r cmm : capacidad máxima
del productor m
css : capacidad máxima del centro de
desmontaje s sprik : precio de compra de la pieza
i al proveedor k
qij : número de la pieza i en el
producto j yj : porcentaje de
retorno del producto j wi :
inutilidad de la pieza i
sjc : precio del producto j en el comercio minorista c
vsjc : valor de recuperación del producto j no
vendido
y greenen el comercio minorista c usjc : coste de 203
escasez por falta del producto j en el comercio

minorista c Djc : demanda del producto j en el
comercio minorista c
E(Djc) : demanda esperada j en el comercio minorista c
F (Djc) : función de distribución acumulativa de la
variable Djc M : gran número positivo
Variables de decisión
gikmt : la cantidad de pieza i que será enviada por los vehículos de transporte t desde el proveedor k al
productor m
fjmdt : la cantidad de producto j que será enviada por los vehículos de transporte t desde el productor m
al distribuidor d
ejdct : la cantidad de producto j que será enviada por los vehículos de transporte t desde el
distribuidor
d al minorista c
hjcst : la cantidad de producto j que se enviará en vehículos de transporte t desde el
minorista c al centro de desmontaje s
lisrt : la cantidad de pieza i que será enviada por los vehículos de transporte t desde el centro
de desmontaje s al centro de reacondicionamiento r
virpt : la cantidad de pieza i que será enviada por los vehículos de transporte t desde el centro
de reacondicionamiento r al inventario de piezas p
nipmt : la cantidad de pieza i que será enviada por los vehículos de transporte t desde el inventario
de piezas
p al productor m
xmm : igual a 1 si un productor se encuentra en el lugar sugerido m e igual a 0 en caso contrario
xdd : igual a 1 si un distribuidor se encuentra en el lugar sugerido d e igual a 0 en caso contrario
xss : igual a 1 si un centro de desmontaje situado en el lugar sugerido s e igual a 0 en caso
contrario xrr : igual a 1 si un centro de reacondicionamiento situado en el lugar sugerido r e
igual a 0 en caso contrario xpp : igual a 1 si un inventario de piezas situado en el lugar sugerido
p e igual a 0 en caso contrario
amm : porcentaje de capacidad del productor m que se utiliza. Entre 0 y 1
add : porcentaje de capacidad del distribuidor d que se utiliza. Entre 0 y 1
ass : porcentaje de c a p a c i d a d d e l c e n t r o d e desmontaje s que se utiliza.
Entre 0 y 1 arr : porcentaje de capacidad del centro de
reacondicionamiento r que se utiliza. Entre 0 y 1 app : porcentaje de capacidad del
inventario de piezas p que se u t i l i z a . Entre 0 y 1
ojm : cantidad de producto j producido en el productor m
bis : cantidad de pieza i desmontada en el centro de
desmontaje s xjc : cantidad de producto j enviado al
minorista c
Los parámetros y variables de la red se muestran esquemáticamente en la Figura 1.
y green 205
Apéndice B
Simplificación de la fórmula de beneficio de los productos en los minoristas Como se menciona
en la fórmula (1), el beneficio del producto j en el minorista c es el siguiente:
sjc (xjc ∧ Djc ) + svjc (xjc - D )jc+ - scjc (Djc - x )jc+

Que puede simplificarse mediante las siguientes ecuaciones:
=sjc (xjc ∧ Djc ) + svjc (xjc - D )jc+ - scjc (Djc - x )jc+

=sjc (xjc - (xjc - D )jc+ ) + svjc (xjc - D )jc+ - scjc (Djc - x )jc+
=s xjcjc + (xjc - D )jc+ (-sjc + svjc ) + (Djc - x )jc+ (-sc )jc
=s xjcjc + (xjc - D )jc+ (-sjc + svjc ) + ((xjc - D )jc+ - (xjc - E(Djc )))(-sc )jc
=(sjc + scjc )xjc + (xjc - D )jc+ (svjc - sjc - scjc ) - E(Djc )scjc
xjc
∫
=(sjc + scjc )xjc + (svjc - sjc - sc )jc F (Djc )dDjc - E(Djc )usjc
0

Cuantitativo.f Es

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cuantitativo.f Es

Cargado por

Copyright:

Formatos disponibles

Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

Revista Croata de Investigación Operativa 177

Modelización matemática de la cadena de suministro en bucle cerrado

Universidad Kharazmi, No. 43 South Mofatteh Ave., Teherán, Irán

Resumen. La gestión de la cadena de suministro consiste en planificar, ejecutar y controlar

Recibido: 18 de febrero d e 2 0 2 0 ; aceptado: 15 de octubre d e 2 0 2 0 ; disponible en línea: 18 de

diciembre de 2020 DOI: 10.17535/crorr.2020.0015

http://www.hdoi.hr/crorr-journal 2020 Sociedad Croata de Investigación Operativa

de la cadena. Como estrategia, la estrategia ajustada se basa en la reducción de costes y la

ha estudiado la cadena de suministro de Volkswagen, pero al utilizar el método del proceso de

2. Metodología y modelización matemática

2.2. Modelo de hipótesis

Figura 1: Estructura del circuito cerrado de alimentación propuesto

2.3. Modelo multiobjetivo

Por lo tanto, el beneficio total de la actividad de esta cadena de suministro será:

Contaminación: se ha realizado el cálculo de la cantidad total de contaminación (Dióxido

fjmdt ≤ M × xmm ∀m (11)

gikmt ≤ M × xmm ∀m (13)

Σ fjmdt ≤ M × xdd ∀d (15)

Limitaciones de capacidad: la ecuación (31) establece que si el productor m se sitúa en la

Posibilidad de limitación de la capacidad: las ecuaciones (36)-(40) establecen que si las

amm ≤ xmm ∀m (36)

add ≤ xdd ∀d (37)

ass ≤ xss ∀s (38)

arr ≤ xrr ∀r (39)

app ≤ xpp ∀p (40)

Variables de decisión: las restricciones (41) y (42) imponen r e s t r i c c i o n e s binarias

xmm , xdd , xss , xrr , xpp , xkk ∈ {0, 1} (42)

2.4. Método de linealización

Figura 2: Estimación lineal de la integral de la función de distribución colectiva normal

aintnj ≤ uppernj × bintnj ∀ncj (44)

bintnj ∈ {0, 1} (46)

Y en la función objetivo, la ecuación no lineal se linealizará como sigue. max z1 =

2.5. Método de solución multiobjetivo

Restricción Descripción Término no lineal y restricción lineal correspondiente

Tras la linealización y la provisión de un método de resolución multiobjetivo, el problema puede

La satisfacción derivada del transporte rápido de piezas y productos entre instalaciones se

Figura 3: Comparación entre el enfoque LARG y el enfoque secuencial

Por ejemplo, al descuidar la estrategia lean en 3 puntos changeling, el modelo matemático

4. Conclusión y dirección futura

La conciencia de la ingeniería industrial y, en particular, la conciencia de la gestión de la

i ∈ I : conjuntos de piezas en todos los productos

k ∈ K : conjuntos de proveedores potenciales

m ∈ M : conjuntos de productores potenciales

d ∈ D : conjuntos de distribuidores potenciales

c ∈ C : conjunto de minoristas (mercado)

s ∈ S : conjuntos de centros potenciales de desmontaje

r ∈ R : conjuntos de centros de renovación potenciales

p ∈ P : conjuntos de inventarios de piezas potenciales

t ∈ T : serie de vehículos de transporte existentes

tfmdt : coste de e n v í o d e u n p r o d u c t o del productor m al distribuidor d con vehículo

vehículo de transporte t thcst : coste de envío de un producto del minorista c al centro de

desmontaje s con transporte

tlsrt : coste de envío de una pieza desde el centro de desmontaje s al centro de

tvrpt : coste de envío de una pieza desde el centro de reacondicionamiento r al inventario de

pfmdt : contaminación causada por el envío de un producto del productor m al

pedct : contaminación causada por el envío de un producto del distribuidor d al

phcst : contaminación causada por el envío de un producto desde el minorista c al centro de

en el productor m edd : contaminación cantidad de

pdd : cantidad de contaminación del distribuidor d

escasez por falta del producto j en el comercio

sjc (xjc ∧ Djc ) + svjc (xjc - D )jc+ - scjc (Djc - x )jc+

=sjc (xjc ∧ Djc ) + svjc (xjc - D )jc+ - scjc (Djc - x )jc+