Dimensiones de lote integradas en cadenas de suministro en serie con

Capacidades de Producción
Stan van Hoesel
Facultad de Ciencias Económicas y Empresariales, Maastricht University, P.O. Caja 616,
6200 MD Maastricht, Países Bajos, s.vanhoesel@ke.unimaas.nl
H. Edwin Romeijn
Departamento de Ingeniería Industrial y de Sistemas, Universidad de Florida, 303 Weil Hall,
P.O. Box 116595,
Gainesville, Florida 32611-6595, romeijn@ise.ufl.edu
Dolores Romero Morales
Saïd Business School, Universidad de Oxford, Park End Street, Oxford OX1 1HP, Reino Unido,
Dolores.romero-morales@sbs.ox.ac.uk
Albert P. M. Wagelmans
Instituto Econométrico, Universidad Erasmus Rotterdam, P.O. Box 1738, 3000 DR Rotterdam,
Países Bajos,
Wagelmans@few.eur.nl
Consideramos un modelo para una cadena de suministro en serie en la que las decisiones de
producción, inventario y transporte
Se integran en presencia de capacidades de producción y funciones de coste cóncavo. El
modelo que estudiamos
Generaliza el modelo económico de nivel de lotes multi-nivel de un solo artículo sin
desacapacidades añadiendo producción estacionaria
Capacidades del fabricante. Presentamos algoritmos con un tiempo de ejecución que es
polinomial en
El horizonte de planificación cuando todas las funciones de coste son cóncavas. Además,
consideramos diferentes
Estructuras de costos de mantenimiento de inventario que producen tiempos de ejecución
mejorados: funciones de
Lineales y de coste de transporte que son lineales o cóncavas con una estructura de carga
fija. En
En este último caso, hacemos el supuesto adicional común y razonable de que la variable
transporte y
Los costos de inventario son tales que mantener los inventarios a niveles más altos en la
cadena de suministro es más atractivo
Perspectiva de costos variables. Mientras que los tiempos de ejecución de los algoritmos son
exponenciales en el número de niveles en
La cadena de suministro en el caso de coste cóncavo general, los tiempos de ejecución son
notablemente insensibles al número
De los niveles para las otras dos estructuras de costos.
Palabras clave: dimensionamiento de los lotes; Integración de la planificación de la producción
y el transporte; programación dinámica;
Algoritmos de tiempo polinomial
Historia: Aceptado por Thomas M. Liebling, programación y redes matemáticas; Recibida el 17
de junio de 2002.
Este trabajo fue con los autores 11 meses para 2 revisiones.
1. Introducción
En este trabajo consideramos un problema en el que la producción,
Inventario y decisiones de transporte en un
La cadena de suministro básica están integrados. Modelos tradicionales
Generalmente consideran sólo uno o dos de estos aspectos
Aislamiento del otro (s). Existen pruebas sustanciales
(Véase, por ejemplo, Arntzen et al., 1995, Chandra y
Fisher 1994, Geoffrion y Powers 1995, y Thomas
Y Griffin 1996, así como sus referencias)
Que muestra que la integración de estas decisiones puede
A un aumento sustancial de la eficiencia y la eficacia.
La integración de diferentes decisiones en la cadena de
Particularmente importante cuando los recursos son limitados y
Cuando los costes no son lineales, por ejemplo, exhiben economías de
escala.
Consideraremos una cadena de suministro en serie para la producción
Y distribución de un producto. Tal suministro
Cadena, por ejemplo, cuando el valor es
Añadido a un producto en una secuencia de instalaciones de producción,
Y los bienes intermedios necesitan ser transportados
Entre estas instalaciones. Kaminsky y Simchi-Levi
(2003) describen un ejemplo de una cadena tal como surge
En la industria farmacéutica.
Otro ejemplo es la industria de logística de terceros.
En este caso, un centro de distribución
Que satisface las demandas en una determinada área geográfica
Pueden contratar los servicios de un almacén de terceros
Antes de que los productos sean transportados a la distribución real
Centro de distribución para sus minoristas. Una serie
Modelo de la cadena de suministro puede utilizarse
Parte de una cadena de suministro que sea relevante para la
(Véase Lee et al., 2003). Un ejemplo final
Es una situación en la que la producción tiene lugar
fabricante. Los artículos que se producen son entonces
Almacenados a nivel del fabricante o transportados al
Primer nivel de almacén. En cada uno de los niveles del almacén,
1706
Hoesel et al .: Tamaño de lote integrado en cadenas de suministro en serie con capacidades
de producción
Ciencias de la gestión 51 (11), pp. 1706-1719, © 2005 INFORMS 1707
Productos se almacenan o transportan de nuevo a la
Almacén en el siguiente nivel. Desde el almacén final
Nivel, los productos son entonces (posiblemente
Almacenados durante algunos periodos) transportados a un minorista
(Posiblemente permitiendo entregas tempranas, es decir, inventarios
A nivel minorista). Tal estructura puede surgir
Si un minorista representa en realidad un mercado entero, y
La cadena de suministro desde el fabricante hasta este mercado
Es muy largo. Esto podría resultar ventajoso para
En varias etapas, emplean economías de escala mediante el
Grandes cantidades a distancias largas a intermedias
Instalaciones de almacenamiento antes de ser
El mercado real.
Todas las situaciones descritas anteriormente pueden ser representadas
Por un modelo genérico compuesto por un fabricante,Varios intermediarios
Nivel de producción o distribución, y un nivel en el que la demanda de los productos finales se
ubica, a la que nos referiremos en este documento como nivel de abastecimiento (aunque
esto no necesariamente representa el nivel en el que se produce la demanda real de
consumo). De hecho, en un modelo de este tipo, las etapas de producción y transporte
intermedias son indistinguibles unas de otras, de modo que en el resto de este documento
nos referiremos simplemente a todas las etapas intermedias como etapas de transporte entre
almacenes. Un problema fundamental que, de hecho, es uno de los problemas más
ampliamente estudiados en la planificación de la producción y los inventarios, el problema
económico del tamaño del lote (ELSP). La variante básica de este problema considera una
instalación de producción que produce y almacena un solo producto para satisfacer demandas
conocidas en un horizonte de planificación finito. El problema consiste entonces en
determinar las cantidades de producción para cada período, de modo que todas las demandas
se satisfagan a tiempo a la producción total mínima y los costos de mantenimiento de
inventario. Las funciones de costo no disminuyen en la cantidad producida o almacenada, y
se asumen generalmente como belicosas, Funciones. Para modelar la cadena de suministro
en serie, el ELSP clásico puede ampliarse para incluir decisiones de transporte, así como la
posibilidad de mantener el inventario a diferentes niveles de la cadena. Además de los costos
de producción y de mantenimiento de los inventarios, también es evidente que también es
necesario incorporar los costos de transporte, lo que agrega el problema del momento del
transporte al problema de la fecha de producción. El objetivo será minimizar el costo del
sistema y satisfacer al mismo tiempo. Incluso si el fabricante y el minorista son en realidad
participantes distintos en la cadena de suministro, cada uno de los cuales se enfrenta a una
parte de los costos de la cadena de suministro, este problema será relevante. En este caso,
los participantes todavía tienen que decidir claramente cómo distribuir los costos mínimos, lo
cual es un problema de coordinación que está fuera del alcance de este documento.
Alternativamente, sin embargo, podemos interpretar los costos de tenencia en el nivel del
minorista como una penalización o un descuento en el precio de compra de un artículo, que
es dado por el fabricante al minorista si los artículos se entregan pronto. En este caso, los
costes minimizados por nuestro modelo de optimización son todos incurridos por el
fabricante. Como en los problemas de lotes estándar, se supone que todas las funciones de
costo no disminuyen en la cantidad producida, almacenada o enviada. Además, asumiremos
que todas las funciones de coste son cóncavas. En general, todos los niveles de una cadena
de suministro en serie, independientemente de si corresponden a decisiones de producción o
de transporte, pueden enfrentar capacidades. En este documento, nos concentraremos en
cadenas de suministro en serie con capacidades en la producción (es decir, primero)
solamente, como un primer paso hacia el estudio de las cadenas de suministro más generales
capacitadas. La adición de capacidades en otros niveles (es decir, transporte) parece cambiar
significativamente la estructura del problema y, por lo tanto, el análisis del problema. Por lo
tanto, estos problemas están fuera del alcance de este documento, pero siguen siendo un
tema de investigación general. Obsérvese que bajo ciertas estructuras de costos puede ser
posible eliminar niveles capacitados de la cadena de suministro. Un ejemplo de ello es
Kaminsky y Simchi-Levi (2003), quienes transforman el modelo de cadena de suministro en
serie de tres niveles en el cual los primeros y terceros niveles están capacitados para un
modelo de cadena de suministro de dos niveles con capacidades sólo en el primer nivel.
Problema de determinación de tamaños óptimos de producción, transporte y inventario en
una cadena de suministro en serie como se describió anteriormente y capacidades de
subproducción a nivel de producción con problemas de tamaño de lotes con capacidad de
producción (MLSP-PC). En general, este problema es NP-duro, ya que es una generalización
directa del NP-ELSP duro con capacidades de producción generales (véase Florian et al.,
1980). El ELSP con capacidades de producción estacionarias, sin embargo, es soluble en
tiempo polinomial Y Klein 1971). Debido a que nuestro objetivo es identificar casos
polinomiosolubles del MLSP-PC, en la mayor parte de este trabajo se asumirá que las
capacidades de producción son estacionarias. Estudiamos problemas con la producción
cóncava general, la tenencia de inventario y los costos de transporte, Y dos estructuras de
costos de transporte diferentes: (i) costos de transporte lineales; Y ii) los costos de transporte
de carga fija sin motivos especulativos, lo que significa que con respecto a los costos
variables, mantener el inventario es menos costoso en niveles más altos que en los niveles
bajos de la cadena de suministro. Nuestros métodos de solución se basan en un marco de
programación dinámica que utiliza un principio de descomposición que generaliza la
propiedad clásica de ordenamiento cero (ZIO). Hoesel et al .: Dimensiones de Lote Integradas
en Cadenas de Suministro Seriales con Capacidades de Producción1708 Management Scie
(1969) para el caso multinivel y, por ejemplo, en Wagner y Whitin (1958) para el caso de un
solo nivel . En particular, en nuestro modelo de dos niveles trabajamos con el nuevo concepto
de un subplan, y mostramos que las soluciones extremas se descomponen en un número de
subplanos consecutivos. Nuestros algoritmos para este modelo funcionan en tiempo
polinomial en el planeamiento del problema. La generalización directa de esta aproximación
al caso multinivel conduce a un gran tiempo de ejecución. Logramos ahorros sustanciales
introduciendo el concepto de un subplanaje relajado. En contraste con los enfoques existentes
en la literatura, nuestro programa dinámico no representa necesariamente todas (o incluso
sólo) soluciones de puntos extremos para el MLSPPC. Además, mientras que los caminos del
programa dinámico corresponden a soluciones factibles del problema, los costos de un
camino Pueden sobrestimar los costes de la solución correspondiente al problema. Sin
embargo, podemos demostrar (basado en la concavidad de las funciones de coste) que
nuestro programa dinámico pone el MLSP-PC a la optimalidad. El algoritmo resultante para el
caso de las funciones generales de coste cóncavo es exponencial en el número de niveles en
la cadena de suministro. Sin embargo, es notablemente insensible al número de niveles para
las dos estructuras de costos específicas mencionadas anteriormente.Este documento se
organiza de la siguiente manera. En el § 2, presentamos el MLSP con los costos de producción
y las funciones generales de producción cóncava, de transporte y de mantenimiento de
inventario. Caracterizamos los puntos extremos de la región factible del problema y
demostraremos un resultado de descomposición que formará la base de nuestros algoritmos.
En el § 3, estudiamos el problema de dos niveles y proporcionamos un marco de
programación dinámico general basado en el resultado de la descomposición derivado
anteriormente, que produce un algoritmo de tiempo apolinomial en el horizonte de
planificación para los costos cóncavos generales. En el § 4, este algoritmo es entonces
generalizado con el problema de dimensionamiento de lotes de varios niveles y se muestra
que sigue siendo polinomial en el planeamiento, y se dan mejores tiempos de ejecución para
dos variantes del modelo. El documento termina en el §5 con algunas observaciones finales y
cuestiones para una mayor investigación. Formulación y Análisis de Modelos2.1. Los ModelAs
descritos en la introducción, estudiaremos el problema de dimensionamiento de lotes con una
estructura en serie. En cada período, la producción puede tener lugar en el fabricante. Los
artículos que se producen pueden ser almacenados al nivel del fabricante o transportados al
primer nivel de almacén. En cada uno de los niveles de almacén, los productos vuelven a ser
almacenados o transportados al almacén en el siguiente nivel. Desde el nivel final del
almacén, los productos son entonces (posiblemente después de haber sido almacenados
durante algún período) transportados al minorista. Consideramos un horizonte de
planificación de T períodos. En cada período t, el minorista enfrenta una demanda no negativa
dada por dt, mientras que la capacidad de producción del fabricante en el período t es igual a
bt. Consideraremos el total de los niveles L, que incluye el fabricante, el minorista y los
almacenes intermedios L - 2. Wesay que el fabricante está en el primer nivel de la cadena, y
el minorista está en el nivel Lth. Cada uno de los niveles intermedios corresponde a un
almacén.¿Let? + Denotan el conjunto de números reales no negativos.Para cada período t =
1? ? ? ? ? T, los costes de producción son dadas por la función pt + →? +, Los costes de
transporte de nivel a nivel +1 son dados por la función ct + →? + (= 1), y el inventario Los
costos en el nivel son dados por la función? + →? + (= 1?). L). A lo largo del documento,
asumiremos que todas las funciones de coste son cóncavas, no decrecientes e iguales a cero
cuando su argumento es cero. El MLSP-PC puede formularse de la siguiente manera:
minimizar? Tt = 1? Ptyt? + L? -1 = 1ct xt ? +? L = 1ht I t? P? Sujeto tox1t + I 1t = yt + I 1t-1?
T = 1 T ^ {1} (1) xt + I t = x-1t + I t-1? T = 1 T \ varepsilon = 2 L - 1 \ (2) dt + I Lt = xL-1t + I
Lt-1 \ T = 1 T ^ {1} (3) yt \ theta _ {bt} T = 1 T ^ {1} (4) I _ {0} = 0 \ = 1 L ^ {1} (5) yt≥0?
T = 1 \ quad T \ leq xt \ T = 1 T ^ {1} = 1 L - 1 \ rightarrow I t≥0 \ T = 1 T ^ {1} = 1 L 'donde
yt denota la cantidad producida en el periodo t, xt es la cantidad enviada de nivel a nivel +1
enperiodo t, e I t denota la cantidad de inventario al nivel al final del periodo t. Las
restricciones (1) - (3) modelan el equilibrio entre el flujo de entrada, almacenamiento y salida
en los niveles de fabricante, almacén y minorista, respectivamente, en cada período. La
cantidad de producción en cada período está restringida por restricciones (4). Finalmente, las
restricciones (5) indican que todos los niveles iniciales de inventario son iguales a cero. A
diferencia de lo que ocurre en el modelo tradicional de nivelación de un solo nivel, esto no es
una suposición de que se pueda hacer sin pérdida de generalidad, debido a la no linealidad de
las funciones de transporte y de mantenimiento del inventario. Por lo tanto, más adelante
discutiremos cómo manejar casos de problemas en los que esta restricción está ausente, y en
su lugar (no negativo) inventario inicialHoesel et al .: Tamaño de lote integrado en cadenas de
suministro en serie con capacidad de producciónMLas ciencias en todos los niveles se
consideran como parte de los datos del problema. Entonces, los algoritmos desarrollados
pueden ser aplicados en un esquema de horizonte rodante, en el cual se resuelven nuevas
condiciones de aprovechamiento de lotes -y sus soluciones óptimas implementadas
parcialmente- a medida que transcurre el tiempo y se disponen nuevas previsiones de
demanda. Por conveniencia, vamos a definir la demanda acumulada en períodos t? S, es
decir, dts \ delta s = td \ Para t = 1 \ rightarrow s \ (6) Para asegurar la factibilidad de (P),
asumiremos que la demanda acumulada en los primeros períodos t puede exceder la
capacidad de producción total en estos períodos, es decir, d1t ≤ t ? = 1b? Para cada t = 1 T _
{1} (7) Es fácil ver que esta condición es a la vez necesaria y suficiente para que (P) tenga
una vecindad factible no vacía. También podemos modelar el MLSP-PC como un problema de
flujo de red de bajo costo capacitado en una red con una fuente (véase también Zangwill
1969 para una discusión general sobre tales problemas de flujo de red de costo mínimo, así
como una discusión sobre los ELSPs de niveles múltiples no capacitados). Con este fin,
definimos una red con una sola fuente 0, T nodos de transbordo 1? T? En el nivel de
producción (nivel 1, t = 1 T), T transshipmentnodes? T? En cada uno de los niveles del
almacén (t = 1 T = 2 L-1), y los nodos de demanda TL \ theta _ {t} Con demanda dt en el
nivel minorista (nivel L, t = 1 T). Finalmente, la viabilidad dicta que el sourcenode 0 tiene un
suministro de unidades d1T. La Figura 1 ilustra la representación en red del MLSP-PC para L =
3 Figura 1 Representación en red del MLSP-PC para L = 3 y T = 40d1 + d2 + d3 + d4y1 y2 y3
y4 (1, 1) (1, 2) 1, 3) (3,4) (2, 1) (2,2) (2,3) (3,4) (3, 1) (3, 2) (3, 3) (3, 4) x11I13 I23 I33I12I11
I21 I31I22 I32d1 d2 d3 d4x12 x22x21 x31 x41x32 x42 y T = 4. Esta representación facilitará
el análisis de la estructura de los puntos extremos de la bifferencia de (P) en §2.4. Antes de
proceder a este análisis, en §2.2 discutiremos modelos y algoritmos relacionados de la
literatura, así como algunas especialidades que se reducen a modelos de un solo nivel en
§2.3.2.2. Revisión de la literatura La variante de un solo nivel del MLSP-PC ha recibido mucha
atención en la literatura. El problema no capitado, el ELSP, es soluble en tiempo polinomial en
la longitud del horizonte temporal; Véase Wagner (1960) para este resultado básico. Aggarwal
y Park (1993), Federgruen y Tzur (1991), y Wagelmanset et al. (1992). Cuando las
capacidades de producción están presentes, obtenemos el denominado problema capacitado
de dimensionamiento de lotes (CLSP). En contraste con el ELSP sin capacidad, este problema
se sabe que es NP-duro, incluso en muchas especialidades; Véase Florian et al. (1980) y Bitran
y Yanasse (1982). Un caso especial interesante e importante que permite un algoritmo de
tiempo polinomial cuando las capacidades de producción son estacionarias, véase, por
ejemplo, Florian y Klein (1971), Florian et al. (1980), y van Hoesel y Wagelmans (1996). Véase
también las referencias en Baker et al. (1978) para otro trabajo especial sobre el CLSP con
capacidades estacionarias de producción, y Chung andLin (1988) y van den Heuvel y
Wagelmans (2003) para otro caso especial del CLSP que es solvablein tiempo
polinomial.Zangwill (1969) estudió la versión sin capacidad del MLSP-PC, y desarrolló un
algoritmo programático dinámico que es polinómico tanto en el planninghorizon como en el
número de niveles L. Analizamos este algoritmo en el apéndice en línea (disponible en
http://mansci.pubs.informs.org/ecompanion.html) y concluimos Que se ejecuta en OLT 4?
Tiempo, donde L es el número de niveles, o incluso en OT 3? Para el caso especial de L = 2.
Lee et al. (2003) consideran un modelo de dos niveles en el que los costos de transporte son
funciones no ca- bajas.Un estudio que está relacionado con el nuestro en el sentido de que
también considera las capacidades en un entorno multinivel es el de Kaminsky y Simchi-Levi
(2003). Proponen un modelo de tres niveles en el que los niveles primero y tercero son etapas
de producción, y el segundo nivel es una etapa de transporte. Se consideran los costos de
mantenimiento de inventario lineal que aumentan con el nivel de la cadena de suministro y
los costos de producción lineales en los niveles 1 y 3 que satisfacen una condición de motivos
no especulativos tradicionales (ver también §2.3). Los costos de transporte en el segundo
nivel son de carga fija o de forma cóncava general y se supone que satisfacen una condición
de motivos no especulativos restrictivos y no tradicionales. Al eliminar las decisiones de
producción de tercer nivel, reducen el problema a un modelo de dos niveles que hereda su
coste Función de las estructuras a partir del modelo de tres niveles.Para su clase de costos de
transporte de carga fija, que proporcionan un OT 4? Algoritmo para resolver el modelo, incluso
en el caso de capacidades de producción no estacionarias. Para su clase de transporte
cóncavo cOststhey proporcionan un OT 8? Algoritmo para resolver el modelo en presencia de
capacidades estacionarias de producción. Presentan la complejidad de su modelo para
estructuras de costos más generales como una cuestión abierta. ¿En este artículo, dirigimos
esta pregunta derivando un OT 7? Algoritmo para resolver el problema de dos niveles en
presencia de capacidades estacionarias.2.3. Casos especiales Es común en los problemas de
dimensionamiento de lotes modelar los costos de mantenimiento de inventario como
funciones lineales, es decir, ht I t = ht I t para t = 1 T; = 1 L, con ht≥0 para todo t y. Por lo
tanto, consideraremos esta clase de problemas en los §§4.3 y 4.4. En §4.3, asumiremos
además que los costos de transporte tienen una estructura de carga fija sin motivos
especulativos. Más formalmente, ct x \ alpha = f t 1 \ theta x> 0 \ rightarrow + gt x, donde 1 \
Es una función indicadora que toma el valor 1 si x> 0 y 0 de otra manera. La suposición de
que no hay activos especulativos, que se asume comúnmente para los costos de producción y
de mantenimiento de inventario en los modelos tradicionales de dimensionamiento
económico, significa en este contexto que, El inventario variable y los costos de transporte
solamente, es atractivo transportar lo más tarde posible. Más formalmente, gt + h + 1t≥ht +
gt + 1 para t = 1 T -1; = 1 L-1.Note que si las funciones de costo de transporte son lineales y
no exhiben motivos especulativos, siempre es óptimo almacenar la producción en el
fabricante y el transporte sólo cuando la demanda necesita ser satisfecha. Por lo tanto, sin
pérdida de optimalidad, podemos asumir que t = 0 para todo t = 1 T y = 2 L. De manera
similar, si los costes de transporte son lineales ygt + h + 1t≤ht + Gt + 1 para t = 1 T _ {1}; =
1 L-1, es más barato de transportar tan pronto como producimos y almacenamos la
producción al nivel del minorista. Entonces, sin pérdida de optimalidad, podemos suponer que
t = 0 para todo t = 1 T y = 1 L-1. Estas dos cajas especiales del MLSP-PC, por lo tanto,
producen un estándar CLSP.Finalmente, una variante de la uncapacitated dos niveles de
PCMLSP-se puede reducir fácilmente a un uncapacitatedELSP. Cuando los costos de
producción, así como los costos de inventario a ambos niveles, son lineales, dado que
decidimos transportar en un determinado período, determinamos el mejor período de
producción, es decir, elperiodo que produce la producción unitaria mínima y los costos de
inventario Período t. Redefiniendo la función de costo de transporte, lo que se puede hacer en
OLT? Tiempo, nos permite eliminar las variables de producción así como las variables de
inventario en el fabricante, produciendo un estándar sin capacidad ELSP. El problema
resultante se puede resolver en OT 2? Tiempo para los costos generales de transporte (véase
Wagner 1960), y inOT logT? (Véase Aggarwal y Park 1993, Federgruen y Tzur1991 y
Wagelmans et al., 1992) .2.4. Caracterización de los puntos extremos El problema (P) tiene
una función objetivo cóncava, y su región factible se define por restricciones lineales. Esto
implica que existe un punto extremo de solución óptima a (P). Considere el flujo en la red
correspondiente a cualquier punto extremo solución factible. Asis común en problemas de
flujo de red, llamaremos thearcs que llevan una cantidad de flujo que es tanto estrictamente
positivo como estrictamente inferior a su capacidad de arcos libres. Es bien conocido (véase,
por ejemplo, Ahuja et al., 1993) que la red que contiene solamente los arcos libres contiene
nocycle.2.4.1. Subplanos. Obsérvese que sólo los arcos que tienen límite superior de afinidad
(que en nuestro caso son sólo los arcos de producción) pueden transportar flujo mientras no
están libres. Al eliminar todos los arcos de producción, la red que contiene todos los arcos
libres restantes se descompone en varios componentes conectados. Al limitarnos ahora a los
componentes conectados que realmente transportan el flujo, identificamos el primer y el
último nodo en el componente en cada nivel. Para un componente dado, estos nodos se
pueden denotar con? 1 + 1? Y \ lambda _ {2} para = 1 L, donde \ leq 1 \ leq \ leq +1 \ leq 1 \
leq 2 \ leq \ leq +1 \ lambda 2 para = 1 L - (8) (Obsérvese que la desigualdad estricta se
cumple debido a la definición del subplan: El primer período incluido en el nivel es? 1 + 1).
Con este enfoque, algunos nodos pueden ser aislados y no incluidos en ningún flujo de
componentes. Asignamos cada uno de ellos al componente que está adyacente a la izquierda
de ellos. La asignación de los nodos aislados se ilustra en la Figura 2. Después de eliminar los
arcos de producción, obtenemos dos componentes. El primero está definido por los nodos 1 \
Y \ lambda _ {4} En el nivel 1, 2 \ beta 1 \ Y 2 \ rightarrow 4 \ En el nivel 2, y 3 \ leq 1 \ alpha y
3 \ En el nivel 3, y el segundo por los nodos1? 5? Y 1 \ rightarrow 8 \ En el nivel 1, 2 \ Y 2 \
rightarrow 8 \ En el nivel 2, y 3 \ beta 7 \ Y 3 \ rightarrow 8 \ En el Nivel 3. Podemos observar
que el nodo 2? 3? Es parte del primer componente, aunque ningún flujo pasa a través de este
nodo. Como se ha mencionado anteriormente, el nodo aislado 2 \ Se asigna a la
leftcomponent.Summarizing, podemos descomponer una solución de puntos extremos a (P)
en componentes, cada uno de los cuales contiene un conjunto de nodos ??? 1 + 1 ????????
2 ?? = 1 L) satisfaciendo (8). Llamaremos a los componentes asíHoesel et al .:
Dimensionamiento de Lotes Integrados en Cadenas de Suministro Serie con Capacidades de
Producción Ciencias de Gestión1703-1719, © 2005 INFORMS 1711Figura 2 La Estructura de
una Solución de Puntos Extremos para el MLSP-PC, L = 3 y T = 80d1 d2 d3 d4 d5 d6 d7 d8y1
y2 y5 y6 (1, 1 ) (2, 1) (3, 2) (2, 2) (2, 3) (2, 4) (2, 5) (2,6) (2,7) 3, 3) (3, 3) (3, 4) (3, 5) (3, 6) (3,
7) (1,8) ) (1, 6) (1, 7) (1, 8) x11I23 I33 I43 I53I21 I31 I51 I61 I71I12 I62x12 x22 x42 x72
x82x41 x8x 1 61 subplanos obtenidos. Vamos a representar un subplan por los 2L períodos
que lo identifican:? 1? 2? L = 1 ?. Frecuentemente será conveniente referirse a los periodos de
producción y de demanda en un subplan por separado, y usaremos a menudo la notación t1?
T2? 1? 2?? 11? 12? L1? L2?. Por construcción, No se realiza ningún inventario entre subplanos,
por lo que el único flujo que entra en un subplan proviene de arcos de producción asociados
con los fabricantes en el subplan. La cantidad total producida en todos los períodos de
producción en el subplan, es decir, la producción total en los períodos t1 + 1, t2, se utiliza
para satisfacer la demanda de todos los nodos minoristas en el subplan, es decir, la demanda
total en los períodos 1 + 1} _ {2}. Vamos a llamar dos subplanos? 1? 2? L = 1? Y 1 ?? 2 \
rightarrow L = 1 \ Consecutivo si 1 = \ lambda _ {2} para = 1 L. Podemos resumir la
estructura de soluciones puntuales extremas de la siguiente manera.Proposición 2.1.
Cualquier solución extrema factible puede descomponerse en una secuencia de subplanos
consecutivos. La solución extrema dada en la figura 2 se descompone en dos subplanos, a
saber, 0? 4? 0? 5? 0? 6? Obsérvese que el primer subplan obtenido por descomposición de
una solución de punto extremo como se ha descrito anteriormente tiene \ theta 1 = 0 para =
1 \ rightarrow L. Sin embargo, en el resto de este documento será conveniente incluir también
subplanos \ alpha 1 \ leq 2 \ leq L = 1 \ Satisfaciendo (8), para el cual algunos pero no todos
los valores de? 1 son cero.2.4.2. Cantidades de Producción en un Subplan. El hecho de que los
flujos extremos sean acíclicos implica que, aunque puede haber múltiples arcos de producción
asociados con un subplan que lleva flujo, hay al menos un arco con una producción por debajo
de la capacidad. En otras palabras, hay como máximo un arco de producción libre que entra
en el subplan. Esto produce la siguiente generalización de la caracterización de los puntos
extremos de los CLSPs de nivel único por Florian y Klein (1971) .Proposición 2.2. Un subplan
puede contener como máximo un arf de producción libre. Si el problema no está capacitado,
esta proposición implica que sólo un arco de producción que lleva los flujadores a cada uno de
los subplanos, lo que a su vez significa que los flujos extremos son arborescentes. El
algoritmo programático dinámico propuesto para este problema por Zangwill (1969) se basa
en esta propiedad; Véase el apéndice en línea. Como un ejemplo, en la Figura 2 sabemos que
en el subplan0? 4? 0? 5? 0? 6? Los arcos de producción y1 y y2 no pueden ser ambos libres;
Lo mismo ocurre con las series de producción y5 y y6 en el subplan 4 8 8 5 8 8 6 8 8 2.4.3.
Cantidades de Transporte en un Subplan. La ausencia de ciclos que consisten en arcos libres
solamente en una solución de punto extremo también se puede usar para identificar las
propiedades estructurales de las cantidades de transporte. Considerar un período, por
ejemplo, en el que el transporte se sitúa entre niveles y +1, El flujo en el arco entre los
nodos? T? Y +1? T? Es xt> 0. Dos situaciones pueden entonces ocurrir con respecto al flujo
total en los nodos +1 + 1 + 1 + 1 + t, es decir, los envíos acumulados entre niveles y +1
hasta y Incluyendo el período t dentro del subplan: • Es igual a la producción acumulada en
periodst1 + 1 ?? s s s s s s • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • Si no,
considere el último período de producción en el que se produjo alguna de la cantidad
transportada xt, por ejemplo, s. Habrá entonces un período cuya demanda se satisface
parcialmente de la cantidad xt y parcialmente de la producción en el período s que
permanece en inventario al nivel al final del período t, creando un ciclo que contiene solo
arcos libres. Este resultado puede resumirse como sigue. En un subplan, la cantidad
transportada entre los niveles y +1 en algún período, o hace que las cantidades acumuladas
transportadas hasta el momento en el subplanual a las cantidades de producción acumuladas
de una secuencia inicial de períodos de producción consecutivos en el plan oa la demanda
acumulativa de una secuencia inicial de períodos de demanda En el subplan.Las dos
posibilidades para el transporte acumulativo se pueden ilustrar usando la figura 2. En el
subplan0? 4? 0? 5? 0? 6 ?, x11 es igual a la producción (acumulativa) en Perıodo 1, mientras
que x11 + x12 + X13 + x14 es igual a la producción acumulada en los Períodos 1 y 4 y
satisface la demanda de los Períodos 1 6 x x 21 satisface la demanda del Período 1; X21 +
x22 es igual a la producción (acumulativa) en el Período 1; Yx21 + x22 + x23 + x24 es igual a
la producción acumulativa en los Períodos 1 4 y satisface la demanda de los Períodos 1
6.Hoesel et al .: Tamaño de Lote Integrado en Cadenas de Suministro Seriales con
Capacidades de Producción1712 Ciencias de la Gestión 51 (11), pp. 1706-1719, © 2005
INFORMS3. El problema de dimensionamiento de dos niveles de CapacitatedLot con
Problemas ConcavePara la claridad de la exposición, consideraremos primero la versión two-
level del MLSP-PC, que llamaremos el 2LSP-PC. En la siguiente sección, mostraremos cómo la
metodología puede extenderse a cadenas con más de dos niveles.3.1. Un enfoque de
programación dinámica En esta sección, describiremos una aproximación de programación
dinámica general al 2LSP-PC. Este enfoque se basa en la descomposición de soluciones
puntuales extremas a (P) en subplanos consecutivos (véase la Proposición 2.1). En particular,
defina F _ {t} ??? Para ser el coste mínimo asociado con la satisfacción de las demandas de
los minoristas en los períodos \ alpha 1 \ quad T utilizando la producción enperiodos t + 1 T.
Entonces estamos claramente interesados en la incompatibilidad F 0? 0 ?. Esto se puede
lograr usando una aproximación twophase: Fase 1. Para cada subplan t1? T2? 1? 2 ?, calcula
los costos mínimos que se incurren para satisfacer la demanda de ese subplan bajo la
condición de que en la mayoría de un arco de producción libre entre en el subplan. Denotar
estos costes por? T1? T2? 1? 2? .Phase 2. Calcular los valores F t1 ?? 1? Para todos los 0≤t1≤?
1≤T, dándose cuenta de que una solución puntual extrema al subproblema correspondiente
está dada por una subplanta 1? T2? 1? 2? Y el subproblema restante F _ {t2} _ {2} _ {2} _
{2} para algunos t _ {2} y \ Esto da lugar a la siguiente recursividad hacia atrás: F t1 ?? 1? =
Mint2 \ rightarrow 2 \ {2} \ theta _ {2} \ theta _ {1} \ theta _ {1} \ theta _ {t} = 0 para
0≤t1≤T Note que en la Fase 1 necesitamos calcular los valores de OT4. La fase 2 es, de
hecho, un problemin de camino más corto una red con los nodos que representan a todo el
periodo pairst ??? Tal que 0≤t≤? ≤T, y arcos que representan los planos con los costos
correspondientes. La trayectoria mínima del nodo 0? 0? A cualquiera de los nodos t1 \ Delta
T \ alpha en esta red acíclica se puede encontrar en tiempo lineal en el número de arcos, es
decir, en OT _ {4} Tiempo (véase Ahujaet al., 1993). Florian y Klein (1971) utilizaron este
marco de programación dinámico general para desarrollar anOT 4? Algoritmo de
programación dinámica para resolver theCLSP con capacidades estacionarias y la producción
cóncava general y el inventario que sostiene las funciones de coste. Cuando el valor de? Se
da para cada subplan, el 2LSP-PC es polinomialmente solucionable. Para lograr un algoritmo
de tiempo polinomial para el 2LSP-PC, el desafío es por lo tanto proporcionar un algoritmo de
tiempo polinómico para calcular los costes correspondientes a todos los subplanos. Debido a
que sabemos que el 2LSP-PC es NP-duro para capacidades generales de producción,
restringiremos nuestra atención al caso de las capacidades de producción estacionarias, es
decir, bt = b para t = 1. En el resto de esta sección, derivaremos un algoritmo polinomialtime
para calcular los costos óptimos de todos los subplanos, y por lo tanto para el 2LSP-PC. Antes
de estudiar los subproblemas del cálculo de los costos de planificación óptimos, primero
estudiaremos las implicaciones de la suposición de que las capacidades de producción son
estacionarias en la siguiente sección.3.2. Implicaciones de las capacidades de producción
estacionarias En la Fase 1 del enfoque de programación dinámica, tenemos que calcular los
costos óptimos de todos los subplanos, bajo la restricción adicional de que todos los arcos de
producción que entran en el subplanaje transportan un flujo igual a 0 o b. Considere un
subplan particular, digamos t1? T2? 1? 2 ?, en el que la demanda total de los periodos \ theta
1 + 1 necesita ser satisfecha usando la produccion en los periodos t1 + 1 t2 . Siguiendo a
Florian y Klein (1971), tenga en cuenta que la limitación de los valores de los arcos de
producción que entran en el subplan implica que el número de arcos de producción que llevan
el flujo igual a la capacidad de producción es exactamente igual a K = d 1 + 1 2 / b, La
cantidad de producción restante es igual a = d ^ {1} + 1 ^ {2}-Kb. Claramente, tenemos
que0≤! <B. Si!> 0, habrá exactamente una producción entrando en el subplan que lleva este
flujo.3.3. Los Costos del Sub-Plan Vamos a formular el problema de determinar los costos
óptimos de un subplan como un pro- blema de programación dinámica. Dicho de otra manera,
para cada subplante1? T2? 1? 2 ?, vamos a definir una red con la propiedad que? T1? T2? 1?
2? Es igual a la longitud de la trayectoria más corta entre un par de nodos de fuente y de
sumidero en esta red. Elegimos los nodos en esta red para que sean de la forma t? Y? X ?,
donde t indica un período, Y es igual a la cantidad de producción acumulada Hasta e
incluyendo el período t, y X es igual a la cantidad acumulativa de transporte hasta e
incluyendo el periodo t.Nodo t1? 0? 0? Es la fuente, mientras que el nodo t2 \ alpha Kb + \
kappa \ cdot \ cdot \ cdot \ cdot \ Es el fregadero. Por la Proposición2.2 y la discusión en §3.2,
sabemos que la cantidad de producción en cualquier período sólo puede asumir uno de los
valores? 0?!? B ?, con el valor! Sólo en un período. Esto implica inmediatamente que Y sólo
puede asumir los valoresY ∈ Kk = 0? Kb? Kb +! ?? donde, además, Y = 0 si t = t1, d? 1 + 1?
T≤Y ≤t-t1? Kfor t = T1 + 1 t2 - 1, e Y = Kb +! Si t≥t2 para asegurar que todas las demandas
se producen dentro del conjunto de periodos de producción permitidos en el subplan. Debido
a que claramente K ≤ T, el número de valores permisibles para Y es OT. Además, por la
Proposición 2.3 sabemos que la cantidad acumulada transportada hasta y incluyendo un
período cualquiera es igual a la producción total
Uantidad de una secuencia inicial de periodos de producción o satisface la demanda de una
secuencia inicial de períodos de demanda en el subplan. Más formalmente, esto significa que
X ∈ Kk = 0? Kb? Kb +? \ Vskip1.000000 \ baselineskip \ vskip1.000000 \ baselineskip \
vskip1.000000 \ baselineskip \ vskip1.000000 \ baselineskip \ vskip1.000000 \ baselineskip \
vskip1.000000 \ baselineskip \ vskip1.000000 \ baselineskip en donde, además, d \ , Y X = 0 si
t ≤ 1 y X = Kb +! Si t≥t2 para asegurar que el transporte se ubique dentro del subplan. El
número de valores permisibles para X es, por tanto, OT? Así, de modo que el número total de
nodos en la red sea OT 3 ?. Los arcos en la red representan decisiones de producción,
transporte e inventario. Arcos están presentes entre pares de nodos en la red de la forma t?
Y? X? Y t + 1 Y Y X X con YY-Y ∈ 0 0? B? (Donde el valor! Sólo se permite si Y = kb para k = 0?
1 K) , Y \ gamma X \ geq X (donde \ lambda X \ leq \ leq X \ leq \ leq 2s = \ leq 1 + 1 \ leq d + 1
\ lambda). Es fácil ver que hay arcos de OT que emanan de cada nodo en la red, de modo que
toda la red tenga OT 4? Arcs.Desde la información contenida en los nodos que definen un
arco, podemos calcular fácilmente la cantidad de la producción en el período t + 1 (? YY), la
cantidad de transporte en el período t + 1 (? X-X), el inventario mantenido a nivel de
fabricante Al final del período t + 1 (? Y -? X), y el inventario mantenido al nivel del minorista
al final del período t + 1 (? X-d? 1 + 1? T + 1). Los costes de anarc se dan así bypt + 1? Y -Y?
+ C1t + 1? X-X? + H1t + 1? Y -? X? + H2t + 1? X-d? 1 + 1? T + 1 Si todas las funciones de
coste pueden ser evaluadas en tiempo constante, los costos de un arco dado se pueden
calcular en tiempo constante siempre que determinemos todas las demandas acumuladas dtt
(en tiempo OT2) en un paso de preprocesamiento. Fuente t1? 0? 0? Para el fregadero t2 \
alpha d \ leq 1 + 1 \ leq 2 \ leq d + 1 \ Representa un flujo factible en el subplano t1? T2? 1?
2? Con sólo una producción gratuita. Por otra parte, es fácil ver que el reverso también es
cierto. Por lo tanto, los costos del subplan están dados por la trayectoria mínima del coste en
esta red del sourcenode al nodo del fregadero. El tiempo requerido para encontrar esta
trayectoria de coste mínimo es proporcional al número de arcos en la red, de manera que el
coste de un plan individual puede determinarse en OT4? Porque hay OT 4? Subplanos, una
aplicación directa del algoritmo de programación dinámica definido anteriormente a cada
subplan individual produciría un algoritmo con tiempo de ejecución OT8? Para calcular los
costos de todos los subplanos. Sin embargo, el tiempo de ejecución se puede reducir
observando que los costos de muchos subplanos están relacionados. En particular, observe
que la red de programación dinámica correspondiente a cualquier subplan de la forma t1? T2?
1? 2? Es realmente una red de la red de programación dinámica para el subplan 0? T2? 1? 2 ?.
Por lo tanto, utilizando backwardrecursion para resolver el camino más corto entre nodos 0?
0? 0? Y t _ {2} \ cdot d ^ {1} + 1 \ rightarrow 2 \ leq d + 1 \ En la red de la red produce, como
subproducto, las trayectorias más cortas entre los nodos t \ Y t _ {2} \ cdot d ^ {1} + 1 \
theta _ {2} \ delta _ {1} + 1 \ Para eacht = 1. De aquí se deduce que sólo necesitamos
considerar el OT 3? Subplanos de la forma 0? T2? 1? 2 ?, cuyos costes se pueden determinar
en OT7? Tiempo.3.4. Tratamiento de los inventarios iniciales Si los inventarios iniciales a nivel
del fabricante y / o del revendedor, I 10 e I 20, son estrictamente positivos, hay un ligero
cambio en la construcción de los subplanos. Recuérdese que construimos subplanos
correspondientes a una solución puntual extrema considerando todos los arcos (Excepto arcos
de producción) que transportan flujo positivo. Los planos se forman a continuación por los
componentes conectados resultantes junto con algunos nodos aislados. Sin embargo, aunque
existan inventarios iniciales, puede haber uno o más componentes que transportan flujo, pero
no contienen un período de producción. En estos componentes, la demanda se satisface
usando los inventarios iniciales en los niveles de almacén y minorista solamente, y se pueden
asignar al componente que contiene el Período de Producción 1 (es decir, el componente que
contiene el nodo 1). Los resultados en §§2.4.2 y 2.4.3 son claramente todavía válidos para
subplanos en los cuales t1> 0. Sin embargo, para los subplanos con t1 = 1 = 0, los resultados
continúan manteniéndose siempre que se consideren los inventarios iniciales totales I 10 + I
20 como cantidad de producción acumulativa hasta el Período 0 inclusive y el inventario
inicial I 20 en el Nivel 2 como la cantidad de transporte acumulativa Hasta e incluyendo el
Período 0. A menos que 2 = T, estos subplanos sólo pueden tener una solución factible si los
inventarios iniciales totales no exceden la demanda total que debe satisfacerse en el subplan.
Para los subplanos con d1? 2≥I 10 + I 20, obtenemos K = d1? 2-I10-I20? / B y! = D1? 2-I10-
I20- Kb. Como ya se ha mencionado, d1 \ <I10 + I 20 sólo puede ocurrir si? 2 = T. Si de hecho
d1T <I10 + I 20, una solución de punto extremo contendrá solo un único subplan: 0? T? 0?
T ?, y no se producirá ninguna producción en ningún periodo en ese subplan, es decir, K =! =
0. La única dificultad restante en este caso es que no queremos especificar el nivel de
inadvertencia en el que el exceso de inventario aumentará como inventario final. Esto se
puede tratar fácilmente extendiendo el horizonte de planificación en un período, digamos T
+1. A continuación, defina la función de coste de producción N para ese periodo como pT +
10 \ alpha = 0 y pT + 1yT + 1 \ 1707-1719, © 2005 INFORMSall 0 <yT + 1 ≤b y la función de
costo de transporte asc1T + 1xT + 1?? B b b b b b = = = = = = = = = = = = = = = = = = =
= = = = = = = = = = = = = = = 0 para todo xT + 1≥0. Finalmente, establezca dT + 1 = I 10
+ I 20-d1T. Los costes del único subplano 0? T? 0? T? En el problema original puede
encontrarse encontrando los costos del subplan 0? T +1? 0? T +1? En el problema modificado.
Ahora considere la red de programación dinámica utilizada para calcular los costos de un
subplan. Para los subplanos que contienen inventarios iniciales, dejamos que el nodo fuente
sea 0? I10 + I 20? I20? Y el nodo sumidero es t2 \ Delta I10 + I 20 + Kb + \ + 10 + I 20 + Kb
+ \ beta. Para un estado t? Y? X ?, esto también significa que ∈? Kk = 0I 10 + I 20 + kb? I 10
+ I 20 + kb + !? yX∈? ? K _ {k} = 0 \ leq I 10 + I 20 + kb \ beta I 10 + I 20 + kb + \ alpha \
Por último, tenga en cuenta que para los subplanos con t1> 0, no deberíamos tener un flujo
positivo de inventario. Por lo tanto, en casethere son los niveles de inventario inicial no nulo,
realmente necesitamos calcular los costos de todos los subplanos 0? T2? 0? 2 ?, teniendo en
cuenta los niveles de inventario inicial, así como los costos de todos los subplanos 0? T2? 1 \
rightarrow 2 \ Para? 1> 0 sin tener en cuenta el nivel de inventario inicial del fabricante. Esto
claramente no influye en el tiempo de ejecución general del algoritmo. El caso de varios
niveles4.1. Introducción Podemos extender el enfoque de programación dinámica desarrollado
en §3.1 para el caso de dos niveles a la multinivel, donde nuevamente una red de
programación dinámica de Fase 2 representa todas las soluciones de punto extremo al MLSP-
PC. Con este fin, deberíamos definir? F \ alpha 1 \ rightarrow L = 1 \ Para ser el coste mínimo
asociado con la satisfacción de las demandas de los minoristas en los periodos de tiempo de
producción en los periodos de tiempo y almacén en los períodos de tiempo, 1 + 1 \ quad T \
Para cada uno = 1 L - 2. Entonces estaríamos interesados en la informática? F $ _ {0} $ L =
1 \ alpha. Es fácil ver que el tiempo de ejecución de la generalización correspondiente del
programa dinámico de Fase 2 sería OT2L ?. En esta sección, willderive una modificación de la
fase 2 programa dinámico que se ejecuta en OT 4? hora. Esta modificación no hace la Fase 1
computacionalmente más costosa y puede incluso hacerla menos costosa. En particular,
desarrollaremos un enfoque más eficiente en el que el programa dinámico de Fase 2 no
necesariamente representa todas (o sólo sólo) soluciones extremas al MLSP-PC, Y además
sobrestimar los costos de muchas de las soluciones no absolutas que representa. Sin
embargo, como demostraremos, contiene una solución óptima de punto extremo y está
garantizado para encontrar esta solución. Este enfoque se basa en la idea de que la
información más importante presente en la definición de un subplan es el conjunto de
periodos de producción t1 + 1 y t2 y el conjunto de los períodos de demanda 1 + 1. La base
de nuestro algoritmo mejorado a continuación, para permitir el transporte en el período 1 + 1
(mientras, por supuesto, la retención de la producción dado y períodos de demanda).
Podemos entonces usar el mismo enfoque de programación dinámica como en el caso de dos
niveles, donde reemplazamos los subplancos de dos niveles? T1? T2? 1? 2? Por los costes
mínimos de satisfacer la demanda en los periodos 1 + 1 utilizando la producción en los
periodos t1 + 1 t2, donde como máximo una de las cantidades de producción puede ser
diferente de 0 y b, y donde El transporte a todos los niveles se permite en los periodos t1 + 1.
Vamos a denotar los últimos costos por% t1? T2? 1? 2 ?, y se refieren a vectores t1? T2? 1? 2?
Aselaxed subplans.To ilustrar el concepto de subplanos relajado, considere la siguiente
instancia de problema de la 2LSP-PC.Todas las demandas son iguales a 1; La producción y los
costos de transporte se dan por pty? = 100 · 1 \ theta y> 0 \ rightarrow + y si t \ varepsilon =
2 \ leq 1 \ leq \ leq y \ = 50 · 1? X> 0? + X si t? = 2? 1 · 1? X> 0? + X de otro modo?
Finalmente, deje que todas las funciones de coste de mantenimiento de inventario sean
iguales a cero. Los flujos óptimos en \ alpha 1 \ alpha 4 \ alpha 2 \ Y% 1 \ rightarrow 4 \ alpha
2 \ Se dan en la Figura 3. Cuando se calculan los costos, el transporte sólo se permite en
periodos en los que puede producirse la producción y satisfacer la demanda (es decir, en los
períodos 3 y 4 en el ejemplo), mientras que en el ambiente relajado La versión del transporte
samesubplan está permitida en cualquier período donde la producción puede tener lugar o la
demanda se satisface (es decir, en los períodos 2, 3 y 4 en el ejemplo). Por lo tanto, los costos
% 1? 4? 2? 4? Son inferiores a la Figura 3 Los Flujos Óptimos en? 1? 4? 2? 4? Y (2, 3) (2, 4) (2,
2) (2, 3) (1,2) (1, 2) (1, 3) (1, 4) 211 1 1 1122Hoesel et al .: Tamaño de lote integrado en
cadenas de suministro en serie con capacidades de producción Ciencias de gestión 51 (11),
págs. 1706- 1719, © 2005 INFORMS 1715 \ alpha 1 \ rightarrow 4 \ theta 2 \ theta 4 \ Porque
en el subplano relajado podemos transportar en el segundo período. Estos cambios tienen dos
consecuencias importantes. Considera la trayectoria de la fuente a un fregadero en la red de
la fase 2. En primer lugar, si bien es fácil ver que la solución de correspondencia del MLSP-PC
es realmente factible, no es necesariamente una solución puntual extrema porque los nodos
de producción y demanda en dos subplanos relajados contenidos en la solución pueden estar
conectados Byarcs que contienen flujo positivo. En segundo lugar, es posible que ciertos arcos
se usen en más de un plano de relax. Esto significa que la longitud de la ruta en la red puede
no ser igual a los costos de la solución correspondiente al MLSP-PC. En primer lugar, el
siguiente teorema muestra que la longitud de la trayectoria nunca es menor que los costes
reales de la solución y es igual a los costes de la solución si todas las funciones de transporte
y de coste de inventario son lineales. Cada trayectoria de la fuente a un fregadero en la fase 2
de la red de programación dinámica corresponde a una solución factible al MLSP-PC. La
longitud de esta trayectoria no puede ser menor que el coste de la solución de
correspondencia, y es igual al coste de la solución si todas las funciones de coste de
transporte y inventario son lineales. El hecho de que una trayectoria desde la fuente hasta el
sumidero en la red de programación dinámica de la fase 2 corresponda a una solución factible
al problema de las lotes sigue inmediatamente al hecho de que se cumplen todas las
restricciones de la capacidad de producción, así como las exigencias. Sin embargo, ciertos
arcos de transporte y de inventario pueden llevar un flujo positivo en las soluciones parciales
correspondientes a más de una trayectoria, y cada uno de los flujos parciales se cotiza
separadamente de acuerdo con la función de coste correspondiente. Debido a la concavidad
de todas las funciones de coste, Del caudal total no excederá de la suma de los costes de los
caudales individuales en cualquier radio particular y, por lo tanto, la longitud de una
trayectoria nunca será inferior a los costes de la solución correspondiente. Además, cuando
todas las funciones de transporte y de inventario son lineales, la longitud de trayectoria y los
costos de solución son claramente iguales. El siguiente lema da una relación entre los costos
asociados con un subplan y el correspondiente subplan. Para cualquier subplanaje \ alpha _
{2} \ lambda _ {2} \ alpha _ {L} = 1 \, tenemos que \ lambda _ {1} \ leq _ {2} L = 1 \ Este
resultado sigue inmediatamente notando que tanto ?? 1? 2? L = 1? Y% \ leq 11 \ leq 12 \ leq, \
leq L1 \ Son el valor óptimo de un problema de optimización con funciones de coste idéntico,
pero donde la región factible del primero es un subconjunto de la región factible del último. El
siguiente teorema muestra que existe una solución óptima para el problema de
dimensionamiento de lotes que se representa por una trayectoria en la red de programación
dinámica de fase 2 cuya longitud es igual a los costos óptimos. La red de programación
dinámica de fase 2 contiene un camino que corresponde a una solución óptima para nuestro
tamaño de lote, y la longitud del path es igual al costo de esta solución. Considere un punto
extremo solución óptima para el problema de tamaño de lote, por ejemplo con costo & *.
Como se describe en el §2.4, esta solución óptima se descompone en una secuencia de
subplanos consecutivos. Es fácil ver que la fase 2 de la red de programación dinámica
contiene un camino para el cual los periodos de producción y demanda de cada uno de los
arcos corresponden a esta secuencia de subplanos. El Lema 4.2 ahora dice que la longitud de
la trayectoria en la red de programación dinámica, digamos ', no excederá & *. Sin embargo,
según el teorema 4.1 sabemos que 'es una sobrestimación de los costos de una solución
factible correspondiente. La optimalidad de & * nowimplies que de hecho '= & *, lo que
demuestra el resultado deseado. ? Los teoremas 4.1 y 4.3 implican claramente que nuestro
twophasealgorithm resuelve el MLSP-PC. Podemos ahora concluir que la Fase 2 del algoritmo
se ejecuta en tiempo OT 4 ?, dado todos los valores% t1? T2? 1? 2 ?. El desafío restante es,
por lo tanto, proporcionar algoritmos eficientes para calcular estos valores.4.2. Costes
cóncavos4.2.1. Los costos de los subplanos relajados. En esta sección, formularemos el
problema de determinar los costos% t1? T2? 1? 2? Como un problema de programación
dinámica. Dicho de otra manera, definimos, para eacht1? T2? 1? 2 ?, una red con la propiedad
que% t1? T2? 1? 2? Es igual a la ruta más corta entre un origen pairof y los nodos sink en esta
red. Los nodos de esta red son de la forma t? Y? X1, donde t indica un período, Y es igual a la
cantidad de producción acumulativa hasta e incluyendo periodt, y X es igual a la cantidad de
transporte acumulada de nivel a nivel +1 hasta e incluyendo el período t. Tenga en cuenta
que la viabilidad dicta que debemos restringirnos a los valores d1 + 1? T≤XL-1≤ ··· ≤X1≤Y. La
fuente es el nodo t1? 0 ?, mientras que el fregadero es el Nodo t2 \ kappa Kb + \ kappa Kb + \
leq. Como en §3.3, tenemos que ∈ Kk = 0? Kb? Kb +! ?? y el número de valores permisibles
para Y es OT ?. Además, de manera similar a la de la caja de dos niveles, tenemos que X ∈? \
Lambda _ {Kk} = 0 \ leq kb _ {kb +} \ 2s = \ alpha 1 + 1 \ leq d + 1 \ lambda s = 1 L-1 Hoesel
et al .: Dimensiones de Lote Integradas en Cadenas de Suministro Seriales con Capacidades
de Producción 1716 Ciencias de la Gestión 51 (11), pp. 1706-1719, © 2005 INFORMSde que el
número de valores permisibles para X Es OT? También. Esto significa que el número total de
nodos en la red es OT L + 1 ?. Los arcos en la red representan decisiones de producción,
transporte e inventario, y están presentes entre pares de nodos en la red de la forma de
YTX1. ? XL-1? Y t ^ {1} Y ^ {1} X ^ {1}, \ Delta XL -1 ?, donde? Y -Y ∈? 0?!? B? Y \ Delta X \
Delta X (= 1 \ rightarrow L - 1). ¿Es fácil ver que hay OT L-1? Arcos que emanan de cada nodo,
para un total de OT 2L? Arcos en la red. Similar a §3.3, podemos calcular fácilmente la
cantidad de producción en el período t + 1 (? YY), la cantidad de transporte entre niveles y +1
en el período t + 1 (? X-X), el inventario mantenido Al nivel del fabricante al final del período t
+ 1 (\ Delta Y - \ Delta X _ {1}) y el inventario al nivel del minorista al final del período t + 1 (\
alpha _ {1} - 1 - . Los costes de un arco se dan así bypt + 1 \ varepsilon Y - \ Delta + L \
lambda _ {1} = 1ct + 1 \ lambda X - X \ lambda + h1t + 1 \ Si todas las funciones de coste
pueden ser evaluadas en tiempo constante, los costos de un arco dado se pueden calcular en
OL? X-1? X? + HLt + 1? XL-1-d? Timein de la misma manera que en el 2LSP-PC después de un
preprocessingstep tomando OT 2? hora. Llegamos a la conclusión de que el costo de un único
subplan relajado se puede determinar inOLT 2L? Finalmente, anotando que hay OT 4?
Subplanos relajados y aplicando la misma técnica para reducir el tiempo de funcionamiento
que se utiliza al final de §3.3, obtenemos un algoritmo para el MLSP-PC con costes arbitrarios
de producción, transporte y reposición de inventario y capacidades estacionarias que se
ejecutan en OLT 2L + 3? hora. Aunque este tiempo es exponencial en el número de niveles, el
orden del tiempo de ejecución será limitado por el hecho de que el número de niveles será
típicamente relativamente pequeño. Este enfoque puede ampliarse fácilmente para tratar con
los inventarios iniciales. Recuérdese de §3.4 que solo se deben considerar los subplanos rela-
cionados con t1 = 0. Para un subplan tan relajado, deberíamos ver los inventarios iniciales
totalesL = 1 I 0 como una cantidad acumulativa de producción hasta el Período 0 inclusive, y
el invento inicial L = s + 1 I 0 como la cantidad acumulativa de transporte hasta e incluyendo
el Período 0 desde el nivel s hasta el nivel s + 1, para todo s ∈ 1 1 L-1. Como en §3.4, sin
incrementar el tiempo de ejecución, estos inventarios iniciales pueden ser incorporados en la
programación dinámica para el cálculo de% t1? T2? 1? 2? Por las apropiadas definiciones de
los posibles valores de Y y X. En las siguientes secciones mostraremos cómo se puede reducir
drásticamente el tiempo de ejecución para las situaciones que tienen capacidades de
producción estacionarias, costos generales de producción cóncava y costos de inventario
lineales a todos los niveles, así como Una de las dos siguientes estructuras de costos de
transporte: (i) carga fija sin motivos especulativos; O (ii) lineal.4.3. Costos de transporte de
carga fija sin motivos especulativos4.3.1. Introducción. En esta sección, consideramos el caso
de los costos de transporte de carga fija sin motivos especulativos y los costos de
mantenimiento lineales de inventario. Como antes, vamos a determinar los costos de cada
subplan relajado usando la programación dinámica. Después de un paso de preprocesamiento
que se ejecuta en OLT 4 ?, este programa dinámico se ejecuta en OT 4? Tiempo para cada
subplan individual. Mediante el uso de la técnica de reducción al final de §3.3, el costo de todo
OT 4? Los planes de relax pueden ser computados simultáneamente en el tiempo de OT 7. Por
lo tanto, el tiempo de ejecución de la programación dinámica se aproxima a este caso
especial del MLSPPCis OT 7 + LT 4 ?. Cuando L = 2, podemos reducir este tiempo de ejecución
a OT 6? .4.3.2. Zero-Inventory-Ordering Property en el Retailer. Se demostrará que, bajo
costos de transporte de carga fija sin motivos especulativos, las soluciones satisfacen la
propiedad de ordenamiento de inventario cero (ZIO) en todos los niveles en \ alpha 2 L \, es
decir, I tx - 1t + 1 = 0 para t = 1 T ^ {1}; = 2 L, son dominantes. Es decir, dado cualquier
solución factible al subplano relajado t1? T2? 1? 2 ?, existe siempre otra solución que es al
menos tan buena y satisface la propiedad ZIO en todos los niveles en? 2? L? .Theorem 4.4.
Dado un subplan relajado t1? T2? 1? 2 ?, el conjunto de soluciones con la propiedad ZIO en
todos los niveles en? 2 L? Es dominante. Deje ¯ y? ¿x? ¿YO? Ser una solución factible para el
subplan tl? T2? 1? 2? Que no satisface la propiedad ZIO en algún nivel. Sea ¯ el lastlevel, tal
que la propiedad de ZIO se sostiene para todo ∈? ¯ + 1 ????? L ?, pero no es verdad para el
nivel ¯. Podemos construir una nueva solución al menos tan buena como ¯ y? ¿x? ¯ I ?, tal que
la propiedad ZIO se cumple para todo ∈? ¯ ????? L ?. Si ¯ = 2, entonces hemos obtenido el
resultado deseado. De lo contrario, se detectó el procedimiento con la nueva solución.
Obsérvese que este procedimiento converge porque el nuevo ¯ ha disminuido por al menos
una unidad.Let ¯ t∈? T1 + 1 ?????? 2-1? Sea un período de manera que ¯¯¯¯¯¯¯¯¯¯¯¯¯¯ t + 1>
0. El inventario positivo ¯ I¯¯ t ha sido transportado al nivel ¯ en algún período anterior. Sin
embargo, debido a la ausencia de motivos especulativos, podemos reestructurar el transporte
de las ¯ I t unidades al período ¯ t + 1 sin aumentar los costos. Repitiendo este argumento
para cada periodo t¯ violando la propiedad ZIO en el nivel ¯, obtenemos una solución donde la
propiedad ZIO es verdadera para cada nivel ∈? ¯ ????? L ?. Hoesel et al .: Dimensiones de
Lote Integradas en Cadenas de Suministro Seriales con Capacidades de Producción Ciencias
de Manejo 51 (11), pp. 1706-1719, © 2005 INFORMS 1717Se puede recordar que% t1? T2 ??
1 ?? 2? Es igual a los costes mínimos entre las soluciones del subp relajado T2? 1? 2? Con un
máximo de una producción libre. El siguiente corolario del teorema 4.4 indica que para
encontrar este mínimo restringido podemos restringir nuestra búsqueda a soluciones que
satisfagan la propiedad ZIO en el minorista.Corrollario 4.5. El coste asociado con el sistema de
relajación t1? T2? 1? 2? Puede encontrarse entre todas las soluciones posibles satisfaciendo la
propiedad ZIO en todos los niveles en \ alpha _ {2}. Esto se deduce inmediatamente de la
demostración del teorema 4.4 observando que la modificación de la solución para obtener
una solución que satisface la propiedad ZIO no altera los flujos de producción. ? Este corolario
implica que al buscar% t1? T2? 1 ? 2 ?, podemos suponer que cualquier cantidad enviada es
igual a la demanda de un conjunto de periodos consecutivos. Esto ayudará a reducir la
información mantenida en el enfoque de programación dinámica descrito en §4.2.1.4.3.3. Los
costos de un subplan. En esta sección, formularemos el problema de determinar los costos%
t1? T2? 1? 2? Como una simplificación del problema de programación dinámica definido en
§4.2.1. Allnodes en la red de programación dinámica son de la forma t? Y? S ?, donde t indica
un período, Y es igual a la cantidad de producción acumulada hasta e incluyendo el periodo t,
y s representa el último período cuya demanda se satisface usando el transporte del nivel 1 al
nivel 2 hasta e incluyendo el periodo t, donde d \ leq 1 + 1 \ leq s \ leq Y y t \ leq. Podemos
observar que, a partir del teorema 4.4, tenemos que X1 = d1 + 1 en el programa dinámico de
§4.2.1. La fuente es el nodet1? 0? 1 ?, mientras que el fregadero es el nodo t2? Kb +? 2 ?.
Como antes, sabemos que Y sólo puede asumir los valoresY ∈ Kk = 0? Kb? Kb +! Arcos están
presentes entre pares de nodos en la red de la forma t? Y? S? Y t $ ?? $ Y $ ¯ $, donde \ Delta
Y - Y \ Y ¯s≥s. Es fácil ver que hay arcos de OT que emanan de cada nodo en la red, de modo
que toda la red tenga OT 4? Arcos. Los costos de un arco entre nodos t? Y? S? Y t + 1 \ alpha Y
\ lambda \ Se dan ahora bypt + 1 \ varepsilon Y -Y \ leq + h1t + 1 \ varepsilon Y - d \ theta 1 +
1 \ ¯s? + C1t + 1ds + 1? ¯s? + Ct + 1? 2s + 1? ¯s ¿dónde Cts1? S2? Se definen como los
costes óptimos de envío de unidades ds1s2 desde el nodo t? A sus destinos, es decir, los
nodos de demanda L $ _ {s1} $ L $ _ {s2} $. Podemos utilizar el algoritmo de Zangwill, en
una etapa de preprocesamiento, para determinar los valores Ct2s1? S2? Para todo t = 2 T; s _
{1} = t _ {T}; Y s2 = s1 T en OLT 4? hora; Consulte el apéndice en línea. Es importante notar
que aunque el modelo de Zangwill permite el transporte cóncavo general y las funciones de
costo de mantenimiento de inventario, no se puede usar el mismo enfoque descrito
anteriormente en presencia de capacidades de producción. La razón es que en el caso sin
capacidad, la propiedad ZIO tiene para funciones arbitrarias de coste de arco cóncavo,
mientras que esto no es el caso en el caso capacitado. Sin embargo, como hemos mostrado,
en el caso de costos de transporte de carga fija que no exhiben motivos especulativos,
también obtenemos la propiedad ZIO, permitiendo el uso del algoritmo de Zangwill para
determinar entradas a nuestro algoritmo. El problema de determinar% t1? T2? 1 \ rightarrow 2
\ Reduce a encontrar la longitud de la trayectoria más corta en la red desde la fuente hasta el
sumidero, lo que se puede hacer en tiempo lineal en el número de arcos. Es fácil ver que el
número de nodos en la red es OT 3? Y el número de arcos OT 4 ?. Utilizando el mismo enfoque
para calcular múltiples valores de la función% a la vez, como hemos discutido para la función
% al final de §3.3, esto produce un OT _ {7} + LT _ {4} Algoritmo para resolver la variante de
varios niveles de este problema. Cuando L = 2, este tiempo de ejecución puede ser reducido
a OT 6 ?. Recuerde que el número de nodos en el enfoque de programación dinámica anterior
es OT 3 ?. Vamos a demostrar que el número de arcos es también OT 3 ?. ¿Por qué hay OT?
Nodos de la forma t \ leq \ leq \ leq \ leq y \ Nodos de la forma t? · S? Con s> t. Cada nodo de
la forma t? · T t? Tiene OT? Sucesores, y eachnode de la forma t? · S? Con s> t tiene O1?
Sucesores, lo que hace que para un total de OT? OT OT? OT? + OT 2? O1 ?? = OT 3? Arcos en
la red. Esto produce OT6? Algoritmo para resolver la varianto de dos niveles de este
problema. Desafortunadamente, en la presencia de niveles de inicialinventory diferentes de
cero la propiedad ZIO no es necesariamente dominante. Sin embargo, en estos casos, el
procedimiento más general desarrollado para el caso de funciones de costes arbitrarias y
convencionales sigue siendo válido.4.4. Costos de transporte lineal4.4.1. Introducción. En esta
sección, consideraremos el caso en que los costos de transporte y los costos de
mantenimiento de inventario son lineales. Desarrollaremos un enfoque de programación
adynamic que encuentre los costes óptimos de cada subplan. Después de un
preprocessingstep que se ejecuta en OLT 2? Tiempo, este algoritmo en OT 2? Tiempo para un
único sub-plan relajado, pero los costos de todos los OT 4? Subplanos relajados se pueden
calcular simultáneamente en OT 5? hora. Esto resulta en un OT 5 + LT 2? Algoritmo para
resolver esta clase de sustancias de MLSP-PC.4.4.2. Preprocesamiento. En términos de la red
subyacente (como se describe en §2.1), ¿una unidad producida en elperíodo t para satisfacer
la demanda en el período? ≥t will, Hoesel et al .: Tamaño de Lote Integrado en Cadenas de
Suministro Serie con Producción En la solución óptima, el flujo a lo largo de la trayectoria de
costo mínimo de 1? T? A L ???. En una etapa de preprocesamiento, ¿podemos determinar los
costos mínimos de transporte unitario asociados con la producción de una unidad en el
período t para el consumo en el período ?, que llamaremos Gt? . Todos estos valores se
pueden calcular en OLT 2? Tiempo resolviendo los problemas de trayectoria más cortos en los
gráficos acíclicos withOTL? Arcos usando recursividad hacia atrás. Utilizando estos valores,
podemos determinar de nuevo los costos totales de transporte asociados con la producción,
en el período t, de toda la demanda de los períodos consecutivos? 1 + 1, suponiendo que el
transporte se permite en todos los períodos t? {2}, es decir, GDt $ _ {1} $ 2 $ β $ 2r = \ Delta
1 + 1drGtr. En el tiempo OT _ {3} _ {3}, estos costes se pueden calcular para todo t = 1 T y
t \ leq \ leq 1 + 1 \ leq \ leq 2 \ leq T. Esta información nos permitirá calcular los costos totales
de transporte asociados con la producción en el período t en tiempo constante.4.4.3. Los
costos de un subplan. En esta sección, formularemos el problema de determinar los costos%
t1? T2? 1? 2? Como una simplificación adicional del problema de programación dinámica
definido en §4.2.1. Todos los nodos de la red de programación dinámica son de la forma t? Y ?,
donde t indica un período y Y es igual a la cantidad de producción acumulativa hasta e
incluyendo el periodo t, Donde d? 1 + 1? T≤Y yY ∈? Kk = 0? Kb? Kb +! ?? La fuente es el nodo
t1? 0 ?, mientras que el sumidero es el todeo t2? Kb +.? Los arcos estan presentes entre
pares de Nodos en red de la forma t? Y? Y t + 1 \ alpha Y \ Cuando \ alpha Y - Y \ ea \ omega _
{0} \ lambda _ {b}. Cada arco de la red descrita a continuación representa una posible
decisión de producción. Dejamos que los costos de los arcos sean iguales a los costos totales
asociados con el monto de producción. Queda por demostrar que los costos de transporte y
de tenencia de inventario pueden convertirse en tiempo constante. Además de la información
recogida en la fase de preprocesamiento descrita en el §4.4.2, también encontraremos, para
cada nodo t? Y? En la red, el primer período cuya demanda no es satisfecha por la producción
acumulada Y (dice) así como la parte de la demanda de ese período que queda por satisfacer
(digamos). Utilizando las demandas cumulativas d \ alpha 1 + 1 \ Delta t (t = \ Delta 1 + 1),
así como el hecho de que el valor de Y sólo puede ser igual a kb orkb +! Para k = 0 K, esta
información adicional se puede obtener en OT? hora. Como veremos más adelante, esto no
aumenta el tiempo de funcionamiento de encontrar los costes de un solo subplan.Wow
relajado considerar un arco que conecta los dos nodest? (Con el primer período de demanda
restante con una demanda aún menor), y t + 1 ?? Y? (Con el primer período de demanda
restante ¯s con la demanda restante?). Cuando? Y-Y ≤ ,, los costes unitarios de transporte de
la cantidad producida en el periodo t + 1 son igual a Gt + 1? S. , Los costos de transporte e
inventario para este arco consisten en hasta tres componentes: Gt + 1? S, + GDt + 1? S? ¯s-1
+ Gt + 1? ¯ s d¯s -?,?, Y canthus de hecho ser calculado en tiempo constante. El problema de
la determinación de% t1? T2? 1? 2? Reduce a encontrar la longitud de la trayectoria más corta
en la red desde la fuente hasta el sumidero, lo que se puede hacer en tiempo lineal en el
número de arcos. Es fácil ver que el número de nodos en la red es OT 2 ?, y el número de
arcos OT 2 ?. Utilizando el mismo enfoque para calcular múltiples valores de la función% a la
vez, como en el §4.3, esto produce un OT 5 + LT 2? Algoritmo que soluciona esta variante del
MLSP-PC. En el CLSP, los inventarios iniciales pueden ser incorporados cuando todas las
funciones de transporte y de mantenimiento de inventario son lineales. En particular, los
inventarios iniciales se utilizan para satisfacer las demandas más tempranas a través de los
trayectos más cortos apropiados en la red, después de lo cual se actualizan las demandas y
se resuelve el problema restante sin inventarios iniciales. En este artículo hemos considerado
una generalización del ELSP clásico con capacidades de producción estacionarias que permite
múltiples niveles de almacenamiento, así como las correspondientes decisiones de transporte
para el transporte entre los diferentes niveles. Hemos identificado dos casos especiales
importantes de este problema que son solubles en tiempo polinomial. Los tiempos de
ejecución de los algoritmos correspondientes son notablemente insensibles al número de
niveles en la cadena de suministro. Los temas abiertos para la investigación futura en esta
área pueden dividirse en tres direcciones generales. En primer lugar, las complejidades,
aunque polinómicas en el horizonte de planificación, son de orden relativamente alto: OT 5? A
OT 7? Para los casos de dos niveles. Sería interesante si el orden del tiempo de ejecución
podría reducirse, por ejemplo, investigando si se puede ahorrar más tiempo al determinar los
costos de muchos o todos los subplanos simultáneamente. Además, aunque el número de
niveles será generalmente relativamente pequeño, Sin embargo, es interesante determinar si
el caso multinivel con funciones cóncavas generales de coste puede resolverse en el tiempo
polinomial tanto en el horizonte temporal como en el número de niveles. Una segunda
dirección es el estudio de las cadenas de suministro en serie en presencia de Otros o niveles
adicionales en la cadena. Por último, sería interesante considerar estructuras de cadena de
suministro más complejas, incluyendo, por ejemplo, estructuras de montaje de producto a
nivel de productor, o multiplicadores. Un apéndice en línea de este documento está disponible
en: http://mansci.pubs.informs.org/ecompanion.html 1707-1719, © 2005 INFORMS 1719
Agradecimientos El trabajo de los autores segundo y tercero fue apoyado por la Fundación
Nacional de la Ciencia bajo las Subvenciones No. DMI (DMI, por sus siglas en inglés) -0085682
y DMI-0355533, Escuela de Investigación de Maastricht de Economía de Tecnología y
Organizaciones (METEOR), y la Organización Neerlandesa para la Investigación Científica
(NWO) .ReferencesAggarwal, A., JK Park. 1993. Algoritmos mejorados para problemas de
tamaño económico. Oper. Res. 41 (3) 549-571.Ahuja, R.K., T.L. Magnanti, J.B. Orlin. 1993.
Flujos de Red: Teoría, Algoritmos y Aplicaciones. Prentice Hall, Englewood Cliffs, NJ.Arntzen, B.
C., G.G. Brown, T.P. Harrison, L.L. Trafton. 1995. Administración global de la cadena de
suministro en Digital Equipment Corporation. Interfaces 25 (1) 69-93.Baker, K.R., P.Dixon, M.J.
Magazine, E.A. Silver. 1978. Un algoritmo para el problema de tamaño de lote dinámico con
restricciones de capacidad de producción variables en el tiempo. Gestión Sci. 24 (16) 1710 -
1720.Bitran, G. R., H. H. Yanasse. 1982. Complejidad computacional del problema de tamaño
de lote capacitado. Gestión Sci. 28 (10) 1174 - 1186. Chandra, P., M. L. Fisher. 1994.
Coordinación de la producción y planificación de la distribución. EUR. J. Oper. Res. 72 503 -
517.Chung, C.-S., C.-H. M. Lin. 1988. Un OT 2? Algoritmo para el problema de tamaño de lote
capacitado NI / G / NI / ND. Management Sci. 34 (3) 420 - 426. Federgruen, A., M. Tzur. 1991.
Un simple algoritmo directo a los modelos dinámicos de tamaño de lote solvegeneral con n
períodos en Onlogn? O On ?. Gestión Sci. 37 909-925.Florian, M., M. Klein. 1971. Planificación
de la producción determinista con costes inconclusos y limitaciones de capacidad. Gestión
Sci. 1812-20.Florian, M., J. K. Lenstra, A. H. G. Rinnooy Kan. 1980. Planificación de la
producción determinista: Algoritmos y complejidad. ManagementSci. 26 (7) 669-
679.Geoffrion, A. M., R. F. Powers. 1995. Veinte años de diseño estratégico del sistema de
distribución: Una perspectiva evolutiva. Interfaces25 (5) 105-127.Kaminsky, P., D. Simchi-Levi.
2003. Producción y distribución de lotes en una cadena de suministro de dos etapas. IIE Trans.
35 (11) 1065 - 1075. Lee, C. Y., S. Çetinkaya, W. Jaruphongsa. 2003. Un modelo dinámico para
el dimensionado de lotes de inventario y la programación de envíos de salida a un almacén de
terceros. Oper. Res. 51 (5) 735 - 747. Thomas, D. J., P. M. Griffin. 1996. Coordinación de la
gestión de la cadena de suministro. J. Oper. Res. 94 (1) 1-15.van den Heuvel, W., A. P. M.
Wagelmans. 2003. Un algoritmo geométrico para resolver el NI / G / NI / ND capacitó problema
de tamaño de lotería OT 2? hora. Informe técnico 2003-24, Informe del Instituto
Econométrico, Rotterdam, Países Bajos.van Hoesel, C.P.M., A.P.M.Wagelmans. 1996. Un OT 3?
Algoritmo para el problema de dimensionamiento económico con capacidades constantes. 42
(1) 142 - 150. Wagelmans, A., S. van Hoesel, A. Kolen. 1992. Tamaño del lote económico: ¿Un
Onlogn? Algoritmo que se ejecuta en tiempo lineal en el caso de Wagner-Whitin. Oper. Res. 40
(1) S145-S156.Wagner, H. M. 1960. Un post-scriptum para problemas dinámicos de la teoría
de la empresa. Naval Res. Logist. Cuarto de galón. 7 7-12.Wagner, H. M., T. M. Whitin. 1958.
Versión dinámica del modelo de tamaño economiclot. Gestión Sci. 5 89-96.Zangwill, W. I.
1969. Un modelo de backlogging y un modelo de múltiples escalas de un sistema dinámico de
producción de tamaño de lote económico-Un enfoque de red. Gestión Sci. 15 (9) 506-527