You are on page 1of 27

UN NUEVO MODELO DE INVENTARIO PARA PRODUCTOS FRÍOS QUE

CONSIDERA LOS COSTOS Y LAS EMISIONES


RESUMEN

Se propone un nuevo modelo de inventario que considera las funciones de costo y emisión para
entornos donde los elementos con temperatura controlada deben almacenarse a una cierta
temperatura no ambiental y para ello se utilizan unidades de control de temperatura modulares.
Se consideran la capacidad de la unidad de transporte y la capacidad de la unidad de
almacenamiento, lo que da como resultado funciones de emisiones y costos no lineales y no
continuos. Se desarrolla un conjunto de algoritmos exactos para encontrar la cantidad óptima de
pedido en función de la minimización de la función de costo y emisión, y se presenta la prueba
matemática de la optimalidad de las soluciones. Utilizando una variedad de relaciones de
parámetros, se realizan una serie de experimentos para mostrar la efectividad del modelo
propuesto en comparación con los modelos actuales en la literatura y para proporcionar
información gerencial sobre el problema del inventario de artículos en frío.

1. INTRODUCCIÓN

Según un estudio realizado por la Universidad de Michigan, los dos principales contribuyentes a las
emisiones de gases de efecto invernadero (GEI) son los sectores de electricidad y transporte. En el
sector eléctrico, los refrigerantes son el segundo mayor contribuyente. En el sector del transporte,
los camiones pequeños y pesados forman en conjunto más del 50% de las emisiones de GEI. Por lo
tanto, las políticas que intentan reducir las emisiones del transporte o la utilización de
refrigerantes tienen el potencial de tener un impacto en la reducción de las emisiones de GEI.

El manejo, mantenimiento y transporte de productos sensibles a la temperatura a lo largo de una


cadena de suministro se conoce como la cadena de suministro de frío. Los artículos de la cadena
de frío son artículos que deben mantenerse en un rango de temperatura específico. Ejemplos de
artículos de la cadena de frío son artículos congelados (−28 a −30ºC) como mariscos, productos
congelados (−16 a −20ºC) como carne, artículos refrigerados (2 a 4ºC) como frutas, verduras y
productos frescos Carne y productos farmacéuticos (2 a 8ºC), como medicamentos y vacunas
(Routledge, n.d.).

Numerosos estudios recientes se han centrado en las emisiones resultantes de la cadena de


suministro de frío (Calanche et al., 2013, Dekker et al., 2012, James and James, 2010, Wang et al.,
2013). Estos estudios consideran las emisiones de camiones y transportadores refrigerados,
almacenes frigoríficos, embalajes y otros componentes en la cadena de suministro.

1.1. Planteamiento del problema

Este documento examina un modelo de inventario para artículos fríos que considera las
capacidades de las unidades de temperatura controlada asociadas con la retención y el transporte
de los artículos fríos en una cadena de suministro. Además, se analizan tanto las funciones de
costo como las de emisión para dicho entorno.

Modelamos el entorno donde los elementos de temperatura controlada deben almacenarse a una
cierta temperatura no ambiental y para ello se utilizan unidades de control de temperatura
modulares. Las unidades modulares de temperatura controlada se encuentran en aplicaciones
industriales en forma de congeladores industriales segmentados, refrigeradores múltiples o salas
de temperatura controlada que se dividen en el almacén. Dados los importantes costos y las
emisiones asociadas con la creación de un entorno de temperatura controlada, muchos centros de
distribución operan utilizando unidades de temperatura controlada segmentadas o modulares en
lugar de una sola unidad de temperatura controlada para toda el área de retención. La energía
requerida para la refrigeración es directamente proporcional al tamaño del congelador, por lo
tanto, en lugar de refrigerar toda el área, en cambio, se utilizan varias unidades con control de
temperatura dentro del almacén más grande para mantener los artículos fríos. La ventaja de este
diseño es que las unidades individuales con control de temperatura pueden apagarse para ahorrar
costos y energía cuando no son necesarias. Solo cuando una unidad alcance su capacidad, la
siguiente unidad estará "encendida". Como resultado, hay un costo fijo (configuración) para
mantener un grupo de artículos, lo que resulta en una función escalonada para representar el
costo fijo de encender las unidades con control de temperatura, además del costo variable de
mantener los artículos según la cantidad de unidades que se mantienen en el inventario. En
consecuencia, una función de costo de retención y emisión lineal no es aplicable para modelar
este entorno.

El propósito de este documento es triple: (1) derivar la estructura matemática y modelar los costos
de retención y transporte y las funciones de emisión en el entorno de cadena de frío descrito, (2)
proponer un procedimiento de solución exacto para resolver los modelos matemáticos, y (3)
analizar las compensaciones involucradas en la toma de decisiones de inventario basadas en
minimizar las emisiones frente a minimizar el costo en el entorno de cadena de frío descrito.

El resto de este documento está organizado de la siguiente manera. La Sección 2 examina la


literatura sobre modelos de inventario que consideran los costos y los factores de sostenibilidad.
La Sección 3 presenta y discute los diferentes componentes del problema, que son el costo de
mantenimiento y transporte y las funciones de emisión, y deriva el modelo matemático de
Minimización de costo y Emisión de elementos fríos (CICEM). La Sección 4 presenta los enfoques
de solución para los modelos desarrollados, y la Sección 5 presenta nuestros ejemplos numéricos.
La Sección 6 proporciona un resumen de nuestra investigación y la Sección 7 ofrece sugerencias
para ampliar esta investigación.

2. REVISIÓN DE LITERATURA

El problema del manejo del inventario es un problema bien definido y bien estudiado en la
literatura, y los lectores interesados pueden consultar los siguientes documentos de revisión
(Bijvank y Vis, 2011, Karaesmen et al., 2011, Khan et al., 2011, Li, 2010, Paterson et al., 2011, Qin
et al., 2011). La cantidad de orden económica (EOQ) fue presentada por primera vez por Harris
(1913) y es la base para desarrollar varias contribuciones de investigación en el campo de la
gestión de inventarios.

El problema del inventario se ha estudiado considerando otras funciones objetivas, además de, o
en lugar de, la función de costo (Franca et al., 2010, Rezaei y Davoodi, 2011, Tsai y Yeh, 2008, Rosič
y Jammernegg, 2013). Sin embargo, solo recientemente se ha considerado la emisión además del
costo del problema de inventario. Cano-Ruiz y McRae (1998) ilustran que considerar la función
ambiental como una función objetiva puede conducir a mejores soluciones, en lugar de considerar
que se cumple una restricción ambiental.

Benjaafar et al. (2013) estudian el problema del tamaño del lote teniendo en cuenta el impacto de
las políticas de inventario en la huella de carbono. Estudian una sola empresa con límites de huella
de carbono con el objetivo de minimizar la suma de los costos fijos y variables de ordenamiento,
los costos de mantenimiento y los costos de pedidos pendientes. Consideran una función lineal de
la cantidad del pedido para la restricción de la huella de carbono. Los autores modelan cuatro
entornos: (1) límite en la huella de carbono, (2) modelo de impuesto al carbono, (3) política de
límites máximos y comercio en la huella de carbono, y (4) modelo de compensación de carbono.

Chen et al. (2013) proponen un modelo EOQ con restricciones de carbono que considera una
huella de carbono y lo modelan como una restricción para el modelo EOQ. Derivan la cantidad
óptima de pedido con respecto a una función de objetivo de costo y consideran la función de
emisión como una restricción. Exploran los impactos de considerar las emisiones como una
restricción en la cantidad de orden óptima para diferentes escenarios y encuentran que la solución
es más sensible a los cambios en la función de emisión (restricción) que a la función de costo
(función objetivo). También estudian el problema de ubicación de las instalaciones con una
restricción en la emisión y encuentran resultados similares.

Song y Leng (2012) estudian cuatro políticas de carbono propuestas por la Oficina de Presupuesto
del Congreso en un solo período de planificación de la producción para encontrar la cantidad de
producción óptima. El problema tiene la misma estructura que el problema del vendedor de
noticias, además de tener una restricción en la emisión. Las cuatro políticas consideradas son el
límite de carbono, el impuesto al carbono, el límite de comercio y la compensación de carbono.

Absi et al. (2013) analizan un problema de tamaño de lote de múltiples períodos considerando la
demanda determinista con los costos de mantenimiento de inventario y los costos de producción y
transporte fijos y variables. Modelan la función de emisión como una restricción y definen cuatro
escenarios diferentes: (1) Restricción de emisión de carbono periódica, (2) restricción de emisión
de carbono acumulativa, (3) restricción de emisión de carbono global y (4) restricción de emisión
de carbono rodante.

En todas las obras mencionadas anteriormente, la función de emisión se considera una restricción,
y se supone que el límite para la emisión asociada está dado por una regulación. En contraste,
Bouchery et al. (2012) consideran los factores de emisión en la función objetivo de un modelo de
inventario. Según nuestro conocimiento, este es el único trabajo que considera la función de
emisión de mantener el inventario como una función objetiva para el problema EOQ, que está
optimizado, junto con la función de costo. Los autores identifican un conjunto de soluciones de
frontera eficientes con el objetivo de minimizar las funciones de costo y emisión. Utilizan un
método de análisis a posteriori para ayudar al tomador de decisiones a elegir entre las soluciones
proporcionadas mediante el uso de conocimientos pasados que revelan las funciones de utilidad
del tomador de decisiones. En otro estudio, Bonney y Jaber (2011) examinan algunas posibles
consecuencias ambientales de las actividades comunes y sugieren que se debe considerar un
aspecto ambiental de todas las funciones dentro del ciclo de vida del producto, incluida la
planificación y el control del inventario. Se propone un modelo simplificado para demostrar cómo
se podrían determinar los parámetros de inventario en un contexto ambiental. En este modelo, la
emisión y los costos asociados con el transporte están representados en la función objetivo.

Además del problema del inventario, la función de emisión ha comenzado a considerarse en otras
partes de la cadena de suministro, incluida la sección de transporte. Hay varios trabajos de
investigación que están interesados en minimizar la emisión de transporte (Bastani et al., 2012,
Grahn et al., 2009, Ross Morrow et al., 2010, Safaei Mohamadabadi et al., 2009, Zahabi et al.,
2012).

Respecto a los problemas de transporte y emisiones en una cadena de suministro, Ülkü (2012)
estudia el transporte desde las perspectivas de la economía y el medio ambiente. Su modelo
matemático incluye la emisión de envases, los efectos del peso de la carga y el tráfico en el
consumo de combustible (y, por tanto, la emisión) de los vehículos de entrega. Ji et al. (2014)
también consideran las emisiones de transporte y recomiendan pedidos de mayor tamaño para
reducir el costo y la emisión de los envases, pero no proponen ninguna formulación. Pan et al.
(2013)Proponer modelos matemáticos para estudiar el impacto ambiental de la agrupación de
cadenas de suministro. Utilizan los datos de dos empresas minoristas francesas y calculan la
emisión utilizando sus modelos de optimización desarrollados para dos modos de transporte por
ferrocarril y carretera. Los autores concluyen que la agrupación de redes de suministro es un
enfoque eficiente para reducir las emisiones de CO 2.

La Tabla 1 caracteriza cada estudio por el problema de interés, así como por la forma en que los
autores modelan los costos y las emisiones de transporte y transporte. Además, los estudios se
caracterizan por si los estudios consideran la segmentación del área de retención o la capacidad de
la unidad de transporte. Como se ilustra en la Tabla 1, ninguno de los estudios considera la
segmentación del área de espera. Además, ninguno de los estudios considera la capacidad de la
unidad de transporte y el costo de transporte dependiente de la cantidad con funciones de
emisión que incorporan la relación entre el peso de la carga y el consumo de combustible en sus
modelos de inventario. Además, en todas las obras menos una de Bouchery et al. (2012), la
emisión de retención se considera una restricción y no una función objetiva. Como se muestra en
la Tabla 1, nuestra contribución es el desarrollo de un modelo de inventario para artículos fríos
que considera las capacidades de las unidades de almacenamiento y transporte para las funciones
de objetivos de costo y emisiones. Como resultado de considerar las capacidades de las unidades
de retención y transporte, desarrollamos un modelo no lineal que requiere el desarrollo de un
enfoque de solución específica.

3. FORMULACIÓN DEL PROBLEMA

Consideramos el envío de un solo almacén a un solo Centro de Distribución (DC) que forman parte
de una cadena de frío. Se propone un modelo de período único que considera la capacidad de la
unidad de espera y de transporte.

En este modelo, asumimos:

•Un solo elemento debe permanecer en un entorno con temperatura controlada.

•La demanda del artículo es determinista.

•Un conjunto de camiones de temperatura controlada idénticos con una capacidad


conocida se utiliza para transportar el inventario desde el almacén hasta el centro de
distribución.

•Se utiliza un conjunto de unidades de temperatura controlada idénticas (que


denominamos unidades de congelación) con una capacidad conocida para mantener los
artículos fríos en el CD.
•Todos los envíos se realizan al final de cada periodo.

•Durante cada período, el estado de la unidad de congelación no cambia; Si se enciende


un congelador al comienzo de un período, permanece encendido durante toda la duración
del período.

En este modelo, tomamos la decisión sobre la cantidad del pedido para el DC (el nodo
descendente) y los costos relevantes son el costo de mantenimiento en el DC y el costo de
transporte desde el almacén hasta el DC. Suponemos que todos los envíos se realizan al final de
cada período; por lo tanto, el "estado" de cada unidad de congelación no cambia durante un
período.

Este modelo de toma de decisiones a nivel de inventario tiene dos funciones objetivas principales:
una función de costo y una función de emisión. Notamos que ambas funciones tienen dos
componentes principales: el costo y las emisiones de mantener el inventario frío, y el costo y las
emisiones de transportar el inventario frío. En subsecciones subsiguientes, formulamos el
problema propuesto, donde D representa la demanda total por período y Q representa la cantidad
del pedido, que es nuestra variable de decisión. Nos referimos a este modelo como el modelo de
Minimización de costos y emisiones de artículos fríos (CICEM) en el resto del documento.

3.1. Función de costo

Esta sección introduce la función de costo del modelo CICEM. La función de costo es la suma de los
costos de transporte y los costos de mantenimiento de los artículos fríos; que se derivan en 3.1.1
Costo de transporte, 3.1.2 Modelo de costo de tenencia, respectivamente.

3.1.1. Costo de transporte

Primero, proporcionamos la lista de parámetros utilizados en la formulación de la función de costo


de transporte.

3.1.1.1. Parámetros

FT: costo fijo de usar una unidad de camión para el transporte ($/unidad de camión).

TC: capacidad de la unidad de camión (número de artículos)

El costo total de transporte es:

Dónde ⌈Q/TC⌉ representa el número de camiones utilizados por entrega, y el término D/Q es el
número de entregas requeridos para satisfacer la demanda período de cantidad de la orden de Q.
Asumir que un solo almacén y un solo CD implica que el costo de transporte por entrega (FT) es un
valor constante.
La figura 1 muestra la forma de la función de costo
de transporte en la ecuación (1) e ilustra
gráficamente que los costos totales de transporte
disminuyen a medida que aumenta la cantidad del
pedido, excepto en un punto de discontinuidad de
salto. Esto ocurre cuando Q excede la capacidad de
la unidad del camión y se incurre en un costo fijo
para un camión adicional.

3.1.2. Modelo de coste de tenencia

3.1.2.1. Parámetros del modelo

Fh: el costo de encender una unidad de congelación ($/unidad de congelación/período).

b: la capacidad de cada unidad de congelación (artículo/unidad).

i: tasa de interés por periodo.

c: Costo de cada artículo ($/artículo)

El costo total de mantenimiento es:

Asumimos que el estado de un congelador no cambia durante un período y todos los envíos se
realizan al final de cada período; por lo tanto, el costo de oportunidad del capital para el
inventario promedio se representa como iCQ en nuestro modelo.

La figura 2 es una representación gráfica de la


forma de la función de costo de mantenimiento e
ilustra que la función de costo de mantenimiento
tiene una tasa constante no decreciente dentro de
cada intervalo incluido entre dos discontinuidades
de salto consecutivas. Cuando Q excede la
capacidad de una unidad de congelación,
observamos una discontinuidad de salto que indica
la necesidad de encender una unidad de
congelación adicional, incurriendo en el costo fijo
Fh.
3.1.3. Función de costo total.

El costo total por período consiste en el costo de mantenimiento y el costo de transporte de la


siguiente manera:

La figura 3 muestra las funciones de retención,


transporte y costo total por período. La función
de costo total C (Q) tiene varios puntos de
ruptura donde la función salta. Los puntos de
ruptura representan alcanzar la capacidad de
las unidades de congelación (consulte la
Sección 3.1.2), la capacidad de la carretilla
(consulte la Sección 3.1.1), o ambas. Dentro de
un intervalo entre dos discontinuidades de
salto, la función tiene un comportamiento
suave. En la Sección 4, estudiamos la función
durante estos intervalos y proponemos un método de solución para encontrar la cantidad óptima
de pedido.

3.2. Función de emisión.

La función de emisión del modelo CICEM tiene dos componentes: las emisiones debidas al
transporte de elementos fríos y las emisiones debidas al mantenimiento de inventarios fríos en el
CD. Discutimos ambos en las siguientes subsecciones.

3.2.1. Función de emisión de transporte.

La variable de decisión, Q, afecta la emisión de transporte al determinar el número de camiones y


el número de envíos. A medida que aumenta el peso de la carga, el MPG del camión disminuye
linealmente; y se necesita más combustible para transportar un camión más pesado que un
camión más ligero a la misma distancia (Gajendran y Clark, 2003, Hickman et al., 1999, Ubeda et
al., 2011). El MPG de un camión cargado con artículos Q se calcula como en (4):

Donde Wi es el peso de una unidad, α es el coeficiente que representa el efecto del peso en el
MPG del camión, yMETROPAGsol0es la base MPG para el camión vacío. En (4), a medida que
aumenta el peso de la carretilla, el MPG disminuye. En estudios relacionados, α generalmente se
obtiene a partir de modelos de regresión (Gajendran y Clark, 2003). Debido a la linealidad de la
relación entre el MPG y el peso del camión, la emisión del transporte es independiente de la
distribución de la carga entre los camiones (Gajendran y Clark, 2003, Hickman et al., 1999, Ubeda
et al., 2011).

La emisión total del transporte por período se puede calcular como en (5):

En (5), ⌈Q/TC⌉ es el número de camiones enviados en cada entrega, (D/Q) × ⌈Q/TC⌉ es el número
total de camiones enviados por período, M es la distancia entre el almacén y DC (millas), y la
constante de emisión de un galón de combustible (CEGF) es un término constante que representa
la emisión de quemar un galón de diesel combustible. El denominador de la relación en el segundo
término considera el MPG del camión en función del peso promedio de carga de cada entrega de
camión. En la ec. (5) la emisión total del transporte está relacionada con el peso de carga
promedio de cada camión, la distancia de entrega y el número total de camiones entregados por
período.

La figura 4 muestra la forma general de la


ecuación. (5). Tenga en cuenta que tiene una
forma similar a la función de costo de transporte
de la figura 1.

3.2.2. Manteniendo la función de emisión.

Como se discutió en la Sección 3.1.2, para mantener los artículos Q en el almacén con
congeladores de capacidad unitaria b, determinamos el número de congeladores que se
encenderán como: ⌈Q/b⌉. Al conocer la cantidad de congeladores, podemos calcular el consumo
total de energía y, con un coeficiente que convierte la energía en huella de carbono, podemos
calcular la función de emisión del inventario de mantenimiento, de la siguiente manera:
En (6), TECF es el “Consumo de energía total de un congelador” y TCFE es “Huella de carbono total
de 1 kWh de energía”. Estos valores pueden obtenerse de la investigación y los informes en este
campo.

La figura 5 muestra la emisión total de


elementos en frío e ilustra que las emisiones por
mantener el inventario en frío son constantes en
cada período incluido entre dos
discontinuidades de salto. Cuando Q excede la
capacidad de un congelador, observamos una
discontinuidad de salto que indica la necesidad
de encender un congelador adicional,
incurriendo en la emisión fija de un congelador
adicional.

3.2.3. Función de emisión total.

La función de emisión total se puede obtener como la suma de la emisión total de elementos en
frío (TEHC) como se representa en (6) y la emisión total de artículos en frío transportados (TETC)
como en (5):

La figura 6 ilustra la representación gráfica de


la función de emisión total causada por el
inventario de mantenimiento y el transporte.
La función de emisión total tiene propiedades
similares a la función de costo total, ya que
tiene puntos de quiebre que corresponden a
los multiplicadores de la capacidad del
congelador o unidad de camión o la cantidad
de camiones enviados por entrega.
4. ENFOQUE DE SOLUCIÓN.

En esta sección desarrollamos algoritmos de solución para encontrar la cantidad óptima de pedido
(Q*) para las funciones de costo y emisión por separado. A continuación, discutimos la solución
para el problema de doble objetivo que incluye la función de costo y la función de emisión.

4.1. Encontrar Q* que minimice la función de costo total.

En esta sección analizamos y proponemos un algoritmo de solución para la función de emisión o


costo. Presentamos dos casos para la función de costo: el caso especial para el cual iC = 0, y el caso
general cuando iC > 0.

4.1.1. Función de costo cuando: iC = 0.

Proponemos un método de solución para la función de costo cuando iC = 0. Este caso especial
para la función de costo es válido cuando el costo de oportunidad del capital atado al inventario
de un artículo es insignificante en comparación con el costo de controlar la temperatura del
inventario. Esto es aplicable a los alimentos congelados que generalmente tienen un precio
unitario bajo. Para estos artículos, el costo de mantener la temperatura a niveles de congelación (o
por debajo de la congelación) suele ser más alto que el costo de oportunidad del capital.

La función de costo en la ec. (3) consta de dos funciones separables: funciones de transporte y
costos de mantenimiento. Debido a la presencia de la función de techo que garantiza el uso de un
número entero de camiones y la discontinuidad resultante, la función de costo de transporte no es
diferenciable en todo el dominio, sino solo en los intervalos. Por lo tanto, dividimos la función en
múltiples intervalos. Hacemos la función diferenciable en cada intervalo sustituyendo la función de
techo con un valor entero asociado, que es un número constante (s) en cada intervalo.
Específicamente, las discontinuidades ocurren cuando Q/TC es un número entero, y el término
⌈Q/Tc⌉ Tiene un valor constante en cualquier intervalo de la forma: (s× TC, (s+1) × TC]. El derivado
del costo de transporte en cada intervalo es:

Con un razonamiento similar para la función de costo de mantenimiento, ⌈Q/b⌉ se sustituye por su
valor en cada período (t), que transforma la función de costo de mantenimiento en cada intervalo
en la forma:

Y la derivada sobre cada intervalo es:


Como en este caso especial iC = 0, la derivada se convierte en cero:

Este resultado no es sorprendente porque cuando iC = 0 el costo de mantenimiento es plano en un


intervalo. En consecuencia, la primera derivada de la función de costo total con respecto a Q en
cada intervalo es:

Como se muestra en (11), la derivada de la función de costo en cada intervalo es negativa; por lo
tanto, es una función decreciente en cada intervalo.

4.1.1.1. Procedimiento de solución.

Diseñamos nuestro procedimiento de solución basado en las características estructurales de la


función de costo.

Proposición 1

Para una función continua, monotónica en un intervalo, el valor mínimo se produce al


principio del intervalo si está aumentando, o al final del intervalo si está disminuyendo.

Prueba

El mínimo de una función continua en un intervalo es x* para el cual:

Dado que la función de costo total es continua y disminuye a lo largo de cada intervalo, tiene una
pendiente negativa, ( ) ( ) . Por lo tanto, el último punto del intervalo es el
mínimo de la función de costo durante el intervalo especificado [a, b].

Para el caso de una función creciente, x* es el mínimo:

Dado que la pendiente es positiva para la función creciente, ( ) ( ) se mantiene para


.
todos los puntos en el intervalo, el mínimo ocurre en el punto inicial del intervalo: [a, b]. .

La función de costo C (Q) es una función decreciente y su derivada es negativa en cada intervalo.
Por lo tanto, basado en la Proposición 1 , el valor mínimo de la función en cada intervalo ocurre al
final de ese intervalo. El punto final en cada intervalo significa el valor entero más grande en el
intervalo.

Sobre la base de la discusión anterior, debemos considerar solo el punto final (punto entero más
grande) de cada intervalo. Por lo tanto, un procedimiento de solución para encontrar el valor
mínimo es calcular el valor de la función de costo para todos los puntos finales y elegir el punto
final con el valor de función más pequeño. Desarrollamos el algoritmo 1 para encontrar el punto
de costo mínimo.

Algoritmo 1

Encontrar el valor mínimo para la función de costo (el caso especial con ic = 0).

Paso 1: encuentre todos los puntos de ruptura para la función de costo de mantenimiento
(puntos S).

Paso 2: encuentre todos los puntos de ruptura para la función de costo de transporte
(puntos T).

Paso 3: ordene todos los puntos de quiebre del paso 1 y 2 en el orden de menor a mayor y
guarde los de la matriz A.

Paso 4: configurar los valores iniciales:


Mínimo global = infinito;
Valor del costo total anterior = 0;
Valor del Costo Total actual = 0;
K = 0;

Paso 5:
Mientras K <= S + T
K = K + 1;
(Valor del costo total anterior) = (Valor del costo total actual);
Punto actual: A [K];
Calcule el costo total del punto actual, utilizando la ec. (3)
Valor del costo total actual = costo total del punto actual
Si (Costo total del punto actual) ≤ mínimo global
Mínimo global = (Costo total del punto actual)
Punto óptimo = A [k]

Considerando n = S + T, el orden de este algoritmo es O |n|. Tiene una clasificación de una sola
vez, sin bucles inter, y el bucle externo se visita como máximo (S + T) veces (es decir, el número
total de puntos de interrupción).

4.1.2. Función de coste en el caso ( iC > 0).

En el caso general, consideramos los costos de mantenimiento de oportunidad y los costos de


mantenimiento para el control de la temperatura. Este caso es aplicable cuando el artículo
retenido tiene un alto costo unitario (es decir, productos farmacéuticos de temperatura
controlada).

Para encontrar el valor mínimo del costo total, aplicamos una versión modificada de lo que
propusimos para el caso especial cuando iC = 0. Para el caso general, el derivado de la función de
costo de transporte sigue siendo el mismo; sin embargo, el derivado de la función de costo de
mantenimiento tiene un término adicional, que es iC (d(iCQ)/d(Q)). Por lo tanto, tenemos:

Aquí tenemos:

Por lo tanto, para los valores de Q menor o igual a √(( ) ), el C (Q) tiene un valor
negativo para su pendiente, y está disminuyendo, pero para los valores de Q mayores que
√(( ) ) , la C (Q) tiene una pendiente positiva y está aumentando. Basado en la
proposición 1, los intervalos √(( ) ) tiene el punto mínimo que se produce en
sus puntos finales (es decir, más a la derecha), mientras que para los intervalos con
√(( ) ), su punto mínimo se produce al principio (es decir, a la izquierda, el valor de
entero más pequeño en el intervalo) punto del intervalo. El algoritmo 2 está desarrollado para
encontrar el mínimo de la función C (Q) para el caso general.

Algoritmo 2

Encontrar el valor mínimo para el caso general de iC> 0.

Para el caso general, el algoritmo desarrollado para el caso especial se modifica para encontrar el
punto de costo mínimo que consiste en los siguientes pasos.

Paso 1: encuentre todos los puntos de ruptura para la función de costo de mantenimiento
(puntos S.)

Paso 2: encuentre todos los puntos de ruptura para la función de costo de transporte
(puntos T).

Paso 3: ordene todos los puntos de quiebre del paso 1 y 2 en el orden de menor a mayor y
guarde los de la matriz A.

Paso 4: configurar los valores iniciales:


Mínimo global = infinito;
Valor del costo total anterior = 0;
Valor del Costo Total actual = 0;
K = 0;

Paso 5:
Mientras K <= S + T
K = K +1;
Si √
(Valor del costo total anterior) = (Valor del costo total actual);
Punto actual: A [ K ];
Calcule el costo total del punto final actual (el más a la derecha), utilizando la
ecuación. (3)
Valor del costo total actual = costo total del punto actual
Si (Costo total del punto actual) ≤ mínimo global
Mínimo global = (Emisión total del punto actual)
Punto óptimo = A [k]
Fin.
Más
(Valor de emisión total anterior) = (Valor de emisión total actual);
Punto actual: A [ K ];
Calcule la emisión total del punto de inicio actual, utilizando la ec. (3)
Valor de emisión total actual = Emisión total del punto actual
Si (Emisión total del punto de corriente) ≤ mínimo global
Mínimo global = (Emisión total del punto actual)
Punto óptimo = A [ k ]
Fin.

4.2. Encontrar Q* que minimiza la función de emisión total.

Proponemos un método de solución para la función de emisión. La función de emisión en la ec. (7)
consta de dos funciones separables: funciones de transporte y retención de emisiones.

Un enfoque similar para las funciones de transporte y retención de emisiones se toma como en
4.1.1. sustituyendo el valor entero de las funciones de techo en cada intervalo.

La derivada de la emisión de transporte en cada intervalo se deduce de la siguiente fórmula:


Con un razonamiento similar para la función de costo de mantenimiento, ⌈Q/b⌉ se sustituye por su
valor en cada período, que transforma la función de costo de mantenimiento (6) en cada intervalo
en la forma:

Y la derivada sobre cada intervalo es:

En consecuencia, la primera derivada de la función de emisión total con respecto a Q en cada


intervalo es:

4.2.1. Procedimiento de solución.

El procedimiento de solución para la función de emisión es similar a la función de costo en el caso


general. Aquí, tomamos prestada la idea principal de 4.1.2 y la proposición 1. La función de
emisión tiene un derivado, que es negativo para valores pequeños de Q, y positivo para valores
mayores de Q, después de cierto punto. Por lo tanto, la forma general de la función se puede
considerar como una función convexa con un punto mínimo.

En (16), sabemos: y( ( ) ) siempre son positivos Por lo


tanto, tenemos que comprobar el signo del término ( ( ) en (16) .

En concreto, si resolvemos ( ( ) para Q tendremos:

Para valores de Q menores o iguales a Q0, la función de emisión está disminuyendo en cada
intervalo, y para valores de Q mayores que Q0, la función de emisión está aumentando en cada
intervalo. Por lo tanto, al igual que en 4.1.2, los puntos mínimos ocurren en el punto final de un
intervalo, si Q ≤ Q0, o el punto de inicio, si Q ≥ Q0. El algoritmo de solución propuesto en 4.1.2 se
puede modificar para reflejar este cambio. El algoritmo modificado (algoritmo 3) para encontrar el
mínimo de la función de emisión es el siguiente.
Algoritmo 3

Encontrar el valor mínimo para la función de emisión.

Para el caso general, el algoritmo desarrollado para el caso especial se modifica para encontrar el
punto de emisión mínimo que consta de los siguientes pasos.

Paso 1: encuentre todos los puntos de ruptura para la función de emisión de retención
(puntos S).

Paso 2: encuentre todos los puntos de ruptura para la función de emisión de transporte
(puntos T).

Paso 3: ordene todos los puntos de quiebre del paso 1 y 2 en el orden de menor a mayor y
guarde los de la matriz A.

Paso 4: configurar los valores iniciales:


Mínimo global = infinito;
Valor de emisión total anterior = 0;
Valor de emisión total actual = 0;
K = 0; Q0 =

Paso 5:
Mientras K <= S + T
K = K +1;
Si Q <= Q0
(Valor de emisión total anterior) = (Valor de emisión total actual);
Punto actual: A [ K ];
Calcule la emisión total del punto final actual, utilizando la ecuación. (3)
Valor de emisión total actual = Emisión total del punto actual
Si (Emisión total del punto de corriente) ≤ mínimo global
Mínimo global = (Emisión total del punto actual)
Punto óptimo = A [ k ]
Fin.
Más
(Valor de emisión total anterior) = (Valor de emisión total actual);
Punto actual: A [ K ];
Calcule la emisión total del punto de inicio actual, utilizando la ec. (3)
Valor de emisión total actual = Emisión total del punto actual
Si (Emisión total del punto de corriente) ≤ mínimo global
Mínimo global = (Emisión total del punto actual)
Punto óptimo = A [ k ]
Fin.
4.3. Encontrar el conjunto de soluciones dominante (frontera) para el modelo CICEM.

Para encontrar una cantidad de pedido única, necesitamos desarrollar un conjunto de soluciones
de frontera para satisfacer parcialmente las funciones económicas y de emisión. En esta sección,
proporcionamos el procedimiento para generar el conjunto de soluciones de frontera.

Dejar Q1* ser la cantidad de orden óptima para la función de costo; dejar Q2*ser la cantidad de
orden óptima para la función de emisión. En la proposición 2 , mostramos que el conjunto de la
frontera ocurre solo en el intervalo [Q1*, Q2*].

Proposición 2

Sin pérdida de generalidad, podemos asumir que Q1*<Q2*.

El conjunto de soluciones fronterizas ocurre solo en el intervalo de [Q1*, Q2*].

Prueba

Consideremos cualquier punto fuera de este intervalo. Puede estar en el lado izquierdo del
intervalo, como: Q3<Q1* o en el lado derecho del intervalo: Q4>Q2*.

Comenzamos con Q3. Para Q3, sabemos que Costo (Q3)> Costo (Q1*), ya que Q1* es el punto
óptimo y la Emisión (Q3)> Emisión (Q1), ya que Q1* está más cerca de Q2*, el valor óptimo para la
función de emisión. Como la segunda derivada de la función de emisión es positiva, tiene un
mínimo y aumenta a medida que los puntos están más alejados de su mínimo. Por lo tanto, Q1*
supera a Q3. Se puede establecer un razonamiento similar para Q4 para mostrar que el intervalo de
[Q1*, Q2*] no puede ser superado por ningún otro punto.

5. EXPERIMENTOS NUMÉRICOS.

En esta sección llevamos a cabo experimentos numéricos para estudiar el modelo de CICEM y los
enfoques de solución desarrollados en secciones 3 y 4 bajo diferentes valores de parámetros.
Llevamos a cabo los experimentos utilizando relaciones de dos parámetros, en lugar de valores
absolutos. El objetivo de nuestros experimentos numéricos es doble: primero, comparamos la
solución de CICEM con la solución del modelo EOQ (para el objetivo de costo) y el modelo de
cantidad de orden sostenible (SOQ) (para el objetivo de emisiones) para proporcionar información
sobre cuándo es apropiado usar el modelo CICEM y cuándo es razonable aproximar la solución con
el modelo EOQ o SOQ. En segundo lugar, analizamos el impacto de considerar un objetivo
financiero frente a un objetivo ambiental para establecer la cantidad de pedido para entornos en
los que los elementos con temperatura controlada deben almacenarse a una cierta temperatura
no ambiental y para ello se utilizan unidades modulares de control de temperatura.

Agrupamos los experimentos en tres categorías. Para las primeras dos categorías, probamos y
comparamos el modelo CICEM con el modelo EOQ para el objetivo financiero. Primero,
consideramos la función de costo cuando iC = 0 y en segundo lugar, consideramos la función de
costo cuando iC > 0. En la tercera categoría, consideramos la función de emisión basada en el
modelo CICEM y el modelo SOQ. Finalmente, comparamos la función de emisión con la función de
costo y estudiamos la compensación entre las dos funciones.

5.1. Ajuste de los parámetros para el modelo EOQ.

Para utilizar el modelo EOQ para establecer la cantidad del pedido en un entorno con capacidades
de unidades de retención y transporte, ajustamos los parámetros para el modelo EOQ de acuerdo
con la Tabla 2. Como ejemplo, suponga que el costo de mantenimiento para encender un
congelador para nuestro modelo es de $1000 y el congelador tiene una capacidad de unidad de
100 unidades. Para crear un costo de mantenimiento comparable para el modelo EOQ, dividimos
$1000 por 100 para obtener el costo de mantenimiento por unidad, que es: 1000/100 = $10. De
manera similar, el costo de transporte también se ajusta para el modelo EOQ como se muestra en
la Tabla 2.

5.2. El caso de la función de costo cuando iC = 0.

En esta sección, realizamos nuestros experimentos numéricos utilizando el enfoque de solución


desarrollado en 4.1.1 y consideramos la función objetivo de minimizar la función de costo total
para el caso cuando iC = 0.

5.2.1. Set # 1: efecto del cambio relativo del costo de mantenimiento al costo de transporte.

Para el primer conjunto de experimentos, desarrollamos un conjunto de escenarios cambiando el


valor de la relación entre el costo de mantenimiento y el costo de transporte, que denotamos con
λ. Este experimento nos permite estudiar la compensación primaria explorada por el modelo
tradicional de EOQ, específicamente el equilibrio entre los costos de transporte y la tenencia.

En la Tabla 3, presentamos siete escenarios con diferentes valores para esta relación, con la
demanda fijada en 2500. Los resultados muestran que para diferentes valores de λ, la solución
para el modelo EOQ y el modelo CICEM dan como resultado diferentes cantidades de pedido
óptimas. Esto ocurre porque la EOQ supone un aumento lineal en la función de costo de
mantenimiento, que no considera las capacidades unitarias asociadas con el mantenimiento y el
transporte en la cadena de frío. En base a este experimento, para diferentes valores de λ, el CICEM
supera el modelo EOQ en un 49–58%. Por lo tanto, usar el EOQ en lugar del CICEM puede resultar
en un costo considerablemente más alto. Por ejemplo, usar el modelo EOQ (en lugar de CICEM)
para λ = 0.5, aumenta el costo en un 58%, para λ = 1.5 el aumento es del 57% y para λ = 5, el

aumento es del 58%.

5.2.2. Set # 2: efecto del valor de la demanda total.

En esta sección, estudiamos el efecto que tiene el volumen de demanda en la solución del método
CICEM y comparamos las soluciones producidas con el modelo CICEM con las soluciones del
modelo EOQ. Para ello definimos el siguiente ratio:

Consideramos que el rango de (10.250) para δ, que es equivalente cuando D = 2,500 a tener la
capacidad de retención de la unidad de tan bajo como 10 unidades y tan alto como 250 unidades.
En la Tabla 4 presentamos el porcentaje de aumento en la función de costo objetivo si se usa el
modelo EOQ en lugar del modelo CICEM para cada valor de δ. Para este experimento, el CICEM
supera el modelo EOQ con un rango entre 37% y 71%. Esta diferencia se debe a la estructura
diferente de los dos enfoques de modelado: el CICEM considera el caso donde los lotes de
artículos fríos se mantienen juntos, y se paga un solo costo de mantenimiento por todo el lote,
mientras que en el modelo EOQ, cada elemento tiene su coste de tenencia propio. La estructura
del modelo CICEM es similar a la forma general de una función escalonada, mientras que EOQ
presenta un modelo continuo. Sobre la base de nuestros experimentos, se recomienda utilizar el
modelo CICEM en lugar del modelo EOQ en un entorno con unidades capacitadas con control de
temperatura para la retención y el transporte.
5.3. El caso de la función de costo cuando (iC > 0).

En esta sección consideramos el caso general de los costos de mantenimiento de los artículos
fríos, que incluye el capital requerido para mantener el inventario, así como el costo del control de
la refrigeración y la temperatura, (i C > 0). Introducimos γ, que define la relación entre el costo del
artículo y el costo de transporte:

Con esta relación definida, podemos estudiar una amplia gama de elementos fríos en nuestro
análisis. Los productos como los helados o los alimentos congelados tienen un costo relativamente
bajo. Además, debido a que están almacenados y transportados congelados (alrededor de -22 F o
menos), los costos de refrigeración para el transporte y la retención son altos. En comparación, los
productos farmacéuticos son más caros y, debido a que la mayoría de ellos se deben almacenar y
transportar en (60–70 F), sus costos de refrigeración para el transporte y el almacenamiento no
son tan altos como los de los alimentos congelados. Estas diferencias en los precios unitarios se
reflejan en el nominador de la proporción γ , mientras que los costos de refrigeración del
transporte se reflejan en el denominador. Se consideran varios valores para esta relación, y los
resultados se resumen en la Tabla 5 para la cantidad óptima de pedido y la Tabla 6 para el
porcentaje de aumento en la función de objetivo de costo de usar el modelo EOQ versus el
modelo CICEM. Establecimos el valor de δ en 25 para este conjunto de experimentos.
La Tabla 5 muestra la cantidad de orden óptima para cada combinación de (λ, γ) para los modelos
CICEM y EOQ, lo que nos permite investigar el efecto de cada parámetro, así como el efecto de
cambiar ambos parámetros simultáneamente, en la cantidad de orden óptima. Como ejemplo,
para el caso de λ = 5 y γ = 0.05, el modelo CICEM establece Q* = 200, mientras que el modelo EOQ
establece Q* = 217.

La Tabla 6 contiene información relacionada con el porcentaje de aumento en la función de


objetivo de costo de usar el modelo EOQ versus el modelo CICEM para establecer Q*. Como se
muestra en la Tabla 6, para valores mayores de γ, la diferencia entre la EOQ y la CICEM se reduce,
en la mayoría de los casos. Como ejemplo, para el caso de λ = 3.5 y γ = 0.05, si se usa el modelo
EOQ para encontrar la cantidad de orden óptima, un aumento del 13% en la función de costo en
comparación con el caso de que se use CICEM para encontrar la orden óptima se produce la
cantidad. Sin embargo, cuando λ= 3.5 y γ = 5, el porcentaje de aumento es del 0%.

Este comportamiento puede explicarse como el efecto relativo del precio unitario. Cuando el
precio unitario es bajo, (los valores pequeños para γ), los costos de transporte y mantenimiento
dominan la función de costo, pero a medida que aumenta el precio unitario (para artículos caros,
con valores más altos de γ), el precio unitario y el término "iC" juega un papel más importante en
la determinación de la cantidad del pedido y, como resultado, el modelo CICEM se puede
aproximar utilizando el modelo EOQ.

5.4. El caso de la función de emisión.

En esta sección, comparamos los valores de la función de objetivo de emisión que resultan de usar
el modelo CICEM contra los valores de la función de emisión usando el modelo SOQ desarrollado
por Bouchery et al. (2012), que es la versión ambiental del modelo EOQ. Para ello, ajustamos las
variables del CICEM para el modelo SOQ. Este ajuste variable se resume en la Tabla 7.

Los parámetros que se utilizan en los experimentos se dan en la Tabla 8. Ec. (7) se utiliza para
calcular la función de emisión total para el modelo CICEM. Para el modelo SOQ, la cantidad óptima
de pedido y la emisión total se calculan como se deriva de Bouchery et al., 2012:
Y

Calculamos la cantidad de orden óptima en función del modelo CICEM considerando solo la
función de emisión (indicada como Q*emission), y el valor de la función de emisión total asociada.
A continuación, calculamos la función de emisión total basada en el modelo SOQ, como en la
ecuación. (22) . Definimos θ como una relación de las emisiones de mantenimiento y las emisiones
de transporte en la ecuación (23).

Basado en la Tabla 8, el valor actual para θ es:

La tabla 9 resume los resultados de los experimentos. El porcentaje se calcula utilizando la


siguiente fórmula: (Valor de emisión cuando se usa SOQ - Valor de emisión cuando se usa CICEM) /
valor de emisión cuando se usa CICEM. Para el mismo valor de θ , como delta aumenta, la
diferencia de rendimiento modelo CICEM comparación con el modelo SOQ también aumenta. Esto
se debe a que a medida que δ aumenta, se necesitan más unidades de espera y el modelo SOQ no
considera las capacidades de las unidades para mantener el inventario. Para un valor de δ dado, a
medida que θ aumenta la diferencia de rendimiento entre los dos modelos, aumenta y luego
disminuye.
5.5. Función coste / emisión: la compensación.

En esta sección, analizamos la compensación entre la función de costo y la función de emisión


para ayudar al responsable de la toma de decisiones a comprender el impacto de considerar cada
objetivo de forma independiente (ya sea solo costos o solo emisiones). Para este propósito, se
ejecutan una serie de experimentos con parámetros como se muestra en la Tabla 8 y los
resultados se informan en la Tabla 10.

Ecs. (3) y (7) se utilizan para calcular el costo total y las funciones de emisión, respectivamente.
Para cada valor de λ, calculamos la cantidad óptima de pedido según el modelo CICEM
considerando solo la función de costo (indicada como Q*cost), y el valor de la función de costo
total asociado. A continuación, calculamos la función de emisión total en función de si ordenamos
Q*cost. A continuación, calculamos la cantidad óptima de pedido en función de la función de
emisión solamente (indicada como Q*emission). Finalmente, determinamos la función de costo
usando Q*emission.
Utilizamos la Tabla 10 para ilustrar cómo nuestros modelos pueden ayudar a los tomadores de
decisiones a comprender mejor las compensaciones entre las dos funciones objetivas. Como
ejemplo con λ = 0.5, Q*emission es igual a 200, mientras que la Q*cost es igual a 300. El valor de la
función de emisión usando Q*cost = 300 resulta en un aumento del 42% en la función de emisión.
Por otro lado, utilizando Q*emission para calcular los resultados de la función de costo solo un
aumento del 4% en el valor de la función de costo. Este simple análisis ilustra que si el responsable
de la toma de decisiones considera que solo se optimiza la función de emisión, la función de costo
aumenta en un 4%, mientras que la función de costo solo se optimiza e ignora la función de
emisión que termina en un aumento del 42% función.

Debido a la estructura de las dos funciones dentro de cada intervalo, la función de emisión es más
sensible a la desviación de la optimalidad que la función de costo cuando iC> 0. Como se muestra
en la figura 3, la función de costo es la suma del costo de mantenimiento creciente (debido a la
presencia de iC) y la disminución del costo de transporte. Mientras que, como se muestra en la
figura 4, la función de emisión es la suma de la emisión de retención constante y la disminución de
la emisión de transporte. Por lo tanto, dentro de un intervalo, la función de costo (que suma una
función creciente y decreciente) es menos sensible a los cambios en la cantidad del pedido que la
función de emisión (que suma una función constante y decreciente).

6. CONCLUSIÓN

En este trabajo, hemos introducido un nuevo modelo de inventario titulado Modelo de costo y
emisión de artículos en frío (CICEM) para determinar la cantidad óptima de pedido en un entorno
con unidades refrigeradas capacitadas para la retención y el transporte. El modelo considera el
costo de mantenimiento en el centro de distribución y los costos de transporte desde el almacén
hasta el centro de distribución del inventario de artículos fríos. Por lo tanto, el modelo CICEM es
una variación del modelo EOQ con capacidades de unidades de retención y transporte que
considera los objetivos de minimizar tanto los costos como las emisiones. El costo de transporte, el
costo de mantenimiento y el costo total se modelan en 3.1.1, 3.1.2 y 3.1.3, mientras que las
funciones de emisión de transporte, retención de emisiones y emisiones totales se modelan en
3.2.1, 3.2.2 y 3.2. 3. Para el modelo CICEM, iC = 0), y (2) considerando la oportunidad de inversión
de los artículos (iC > 0). Para modelar la capacidad de la unidad de retención y transporte, todas
las funciones mencionadas son no lineales y no continuas. Desarrollamos algoritmos exactos para
encontrar el valor óptimo para la función de costo cuando iC = 0 y iC> 0, así como para la función
de emisión. El algoritmo de solución para el segundo caso de costo tiene una estructura similar al
algoritmo de solución de la función de emisión (ya que ambos algoritmos buscan entre los puntos
finales hasta un punto y luego buscan los puntos de inicio para los intervalos posteriores).

Se realizaron una serie de experimentos numéricos que compararon el costo objetivo del modelo
CICEM con el modelo EOQ y el objetivo de emisión de la CICEM con el modelo SOQ. Los resultados
confirmaron la efectividad del modelo CICEM para diferentes configuraciones de parámetros, y
proporcionaron los siguientes puntos de vista gerenciales en el entorno de inventario de artículos
fríos que ha segmentado unidades de tenencia y transporte.
•Para la función de costo cuando iC = 0, el CICEM supera al modelo EOQ para diferentes valores de
λ, que es la relación entre el costo de mantenimiento y el costo de transporte y δ, que es la
relación de demanda a capacidad de unidad.

•Para el caso de iC > 0, realizamos experimentos para analizar el efecto del costo del artículo (C)
en la cantidad óptima de pedido y el rendimiento de los modelos CICEM y EOQ. Nuestros
resultados (Tabla 5, Tabla 6) muestran que para valores pequeños de C, los dos modelos
producen objetivos de costos muy diferentes. Pero a medida que aumenta el precio del artículo,
las diferencias entre las funciones de costo de los dos modelos se vuelven más pequeñas y para
valores grandes del precio del artículo, el modelo CICEM puede aproximarse utilizando el modelo
EOQ.

•Para la función de emisión, el CICEM supera el modelo SOQ (versión sostenible de la EOQ) para
diferentes valores de θ, que es la ración de la celebración de emisión para la emisión de transporte
y δ, que es la demanda relación de capacidad de la unidad a. Nuestros resultados (Tabla 8)
muestran que a medida que aumenta δ, también aumenta la diferencia en el rendimiento de los
modelos CICEM y SOQ.

•Finalmente, para explorar el compromiso entre el costo y la función de emisión del problema de
inventario de la cadena de frío, se calcula el valor óptimo para cada función del modelo CICEM.
Luego realizamos un análisis de compensación para determinar el impacto que solo teniendo en
cuenta la función de costo tiene en la función ambiental (y viceversa). Debido a la estructura de las
dos funciones dentro de cada intervalo, la función de emisión es más sensible a la desviación de la
optimalidad que la función de costo cuando iC > 0. Esto se debe al hecho de que, en cada
intervalo, el costo de transporte y las funciones de emisión están disminuyendo, sin embargo, la
emisión de mantenimiento es una función constante y el costo de mantenimiento es una función
creciente (debido a la presencia de iC). Los resultados ilustran que el uso de la función de emisión
para establecer la cantidad del pedido produce desviaciones más pequeñas en la función de costo
que el uso de la función de costo y el cálculo de la función de emisión en función de eso. Como
ejemplo, de acuerdo con la Tabla 10, si se utiliza la cantidad de orden óptima de la función de
emisión para la función de costo (y λ= 0.5), la función de costo aumentaría solo un 4% más que su
valor óptimo. Sin embargo, si la cantidad de orden óptima está determinada por la función de
costo, la función de emisión (utilizando la cantidad de orden determinada a través de la función de
costo) aumentaría 42% sobre la cantidad de orden óptima encontrada usando la función de
emisión. Debido a la estructura de las dos funciones dentro de cada intervalo, la función de
emisión es más sensible a la desviación de la optimalidad que la función de costo.

7. INVESTIGACIÓN FUTURA

Identificamos una lista de posibles direcciones de investigación futuras que serían interesantes en
el campo de la gestión de la cadena de suministro de la cadena de frío:

•El modelo CICEM es un modelo simplificado que podría extenderse a un modelo más general
para un producto multiplataforma, tamaño de transportador múltiple, modo de transporte
múltiple, capacidades múltiples y un modelo de periodos múltiples. Además, el modelo CICEM se
ha desarrollado considerando solo un almacén y un solo centro de distribución como la red. Esta
red de la cadena de suministro podría ampliarse para tener nodos adicionales de diferentes tipos,
como almacenes, centros de distribución, minoristas y fabricantes. Modelos más generales
requerirían modelado adicional y desarrollo algorítmico. Además, varios otros problemas podrían
considerarse conjuntamente con el modelo de inventario, como el problema de enrutamiento del
vehículo, el problema de inventario administrado por el proveedor o el problema de enrutamiento
del inventario.

•Finalmente, a menudo es difícil proporcionar una estimación precisa de los parámetros de la


función de emisión, por ejemplo, la emisión por el uso de un vehículo de pasajeros es una función
de muchas variables conocidas y desconocidas. La emisión del vehículo puede ser causada por una
variedad de factores que incluyen el comportamiento de conducción, la condición del vehículo, la
temperatura exterior, la superficie de la carretera y el peso del vehículo. Por lo tanto, una
dirección de investigación futura interesante es explorar la aplicación de metodologías adicionales
que modelen dicha incertidumbre.