1. Introducción
Todas las situaciones descritas anteriormente pueden ser representados por un modelo genérico
que consta de un fabricante, varios niveles de producción o distribución intermedia y un nivel
donde la demanda por el producto final tiene lugar, al que nos referiremos en este estudio como
el minorista (aunque esto no necesariamente representa el nivel en el que tiene lugar el consumo
de demanda real). De hecho, en un modelo de las etapas de producción y transporte intermedio
son indistinguibles uno del otro, de modo que en el resto de este documento sólo nos referiremos
a todas las fases intermedias como etapas de transporte entre almacenes. El modelo de cadena de
suministro en serie esbozado más arriba puede verse como una generalización de un problema
fundamental, que de hecho es uno de los más ampliamente estudiados problemas de producción
y planificación de inventarios, el problema de tamaño de lote económico (ELSP). La variante básica
de este problema se considera un centro de producción que produce y almacena un único
producto para satisfacer demandas conocidas a lo largo de un horizonte de planificación finita. El
problema es luego para determinar las cantidades de producción para cada período de tal forma
que todas las demandas están satisfechas con el mínimo tiempo de producción total de inventario
y los costes de explotación.
Estudiamos los problemas con la producción del cóncavo, inventario general de explotación y los
gastos de transporte, así como problemas con los costos de tenencia de inventario lineales y dos
diferentes estructuras de costes de transporte: (i) los costes de transporte lineales; y (ii) los costos
del transporte de carga fija sin motivos especulativos, lo que significa que, con respecto a los
costos variables, manteniendo el inventario es menos costoso a niveles más altos que los niveles
inferiores de la cadena de suministro. Nuestra solución métodos están basados en un marco de
programación dinámico que utiliza un principio de descomposición que generaliza el clásico
inventario cero (ZIO) propiedad de pedidos de soluciones a los problemas de tamaño de lote
uncapacitated descrito en Zangwill (1969) para el caso de multinivel y, por ejemplo, Wagner y
Whitin (1958) para el caso de un único nivel. En particular, en nuestro modelo de dos niveles
trabajamos con el nuevo concepto de un subplan, y demostrar que las soluciones extremas se
descomponen en un número consecutivo de los subplanes. Nuestros algoritmos para este modelo,
todos los ejecutan en tiempo polinómico en el horizonte de planificación del problema. La
generalización de este enfoque directo al caso multinivel lleva a un gran tiempo de
funcionamiento. Queremos lograr considerables ahorros, introduciendo el concepto de un subplan
relajado. En contraste con los enfoques existentes en la literatura, nuestro dinámico programa no
representa necesariamente a todos (o incluso la única) extreme soluciones puntuales para la
MLSPPC. Además, mientras que las rutas en el programa dinámico no todas corresponden a
soluciones viables del problema, los costos de una ruta pueden sobrestimar el costo de la solución
correspondiente al problema. Sin embargo, somos capaces de demostrar (basado en la concavidad
de las funciones de costos) que nuestro programa dinámico resuelve el MTPS-PC de optimalidad.
El algoritmo resultante para el caso general de funciones de costo del cóncavo es exponencial en
el número de niveles en la cadena de suministro. Sin embargo, es sorprendentemente insensibles
a el número de niveles de las dos estructuras de costes específicos mencionados anteriormente.
Este documento está organizado de la siguiente manera. En la §2, introducimos el MTPS con
costos de producción y cóncavo nondecreasing generales de producción, transporte, inventario y
mantiene las funciones de los costos. Caracterizamos los puntos extremos de la región factible del
problema y demostrar un resultado de descomposición que formarán la base de nuestros
algoritmos. En la §3, estudiamos el problema de dos niveles y proporcionar un marco general de
programación dinámica basada en la descomposición resultado derivado anteriormente, lo que
produce un algoritmo de tiempo polinómico en el horizonte de planificación general para gastos
del cóncavo. En la §4, este algoritmo es entonces generalizado para el multinivel de Lot-problema
de tamaño y se muestra todavía en el horizonte de planificación polinomial, y mejores tiempos de
ejecución se da para dos variantes del modelo. El documento termina en la §5 con algunas
observaciones finales y temas para futuras investigaciones.
2.1. El modelo
descrito en la introducción, vamos a estudiar un problema de tamaño de lote multinivel con una
estructura de serie. En cada período, la producción puede tener lugar en el fabricante. Los
elementos que se producen pueden ser almacenados en el nivel del fabricante o transportados al
primer nivel de almacén. En cada uno de los niveles de almacén, los productos están nuevamente
almacenados o transportados al almacén en el siguiente nivel. Desde el último nivel de almacén
los productos son (posiblemente después de haber sido almacenada durante un cierto período)
transportado al minorista. Consideramos un horizonte de planificación de T períodos. En cada
período t, el minorista se enfrenta a una demanda no negativo dado por DT, mientras que la
capacidad de producción del fabricante en el período t es igual a BT. Consideraremos un total de 1
niveles, que incluye el fabricante, el distribuidor, y L - 2 almacenes intermedios. Decimos que el
fabricante se encuentra en el primer nivel de la cadena, mientras que el distribuidor está en la Lth.
Cada uno de los niveles intermedios corresponde a un almacén. Deje que denotan el conjunto de
números reales no negativos. Para cada período t = T 1 , los costos de producción son dadas por la
función pt → , los costes de transporte de nivel en nivel 1 son dadas por la función c t → (= 1 L-1),
el inventario y los costes de explotación a nivel vienen dadas por la función h t → (= 1 l). A lo largo
del artículo, vamos a asumir que todas las funciones de los costos son cóncavos, nondecreasing e
igual a cero cuando su argumento es cero. El MTPS-PC puede formularse como sigue:
Cantidades a todos los niveles son considerados como parte de los datos del problema. A
continuación, los algoritmos desarrollados pueden aplicarse en un régimen horizonte evolutivo, en
el que nuevos lotsizing casos son resueltos y sus soluciones óptimas implementado parcialmente-a
medida que el tiempo avanza y las nuevas previsiones de la demanda estén disponibles. Para
mayor comodidad, definiremos dts para ser la demanda acumulada en los períodos t s, es decir,
Para garantizar la viabilidad de (P), vamos a suponer que la demanda acumulada en los primeros
períodos t no puede exceder la capacidad de producción total de estos períodos, es decir,
Es fácil ver que esta condición es necesaria y suficiente para (P) para tener una región factible no
vacía. También podemos modelar el MTPS-PC capacitado como un costo mínimo problema de
flujo de red en una red con una fuente (véase también Zangwill 1969 para una discusión general
sobre ese costo mínimo problemas de flujo de red, así como una discusión de uncapacitated ELSPs
multinivel). Con este fin, debemos definir una red con una sola fuente, nodos de transbordo de 0
t1 t en la producción (nivel 1, t=1 T ), nodos de transbordo T t en cada uno de los niveles de
almacén (t=1 T =2 L-1) y T L t nodos demanda demanda con dt en la tienda (nivel l, t=1 T ). Por
último, la viabilidad, dicta que el nodo origen 0 tiene un suministro de d1T unidades. La figura 1
ilustra la red representación del MTPS-PC PARA L=3
el nivel único de variante del MTPS-PC ha recibido mucha atención en la literatura. El problema, la
ELSP uncapacitated, es resoluble en tiempo polinómico en la longitud del horizonte temporal;
véase Wagner (1960) para este resultado básico. Los algoritmos más eficientes para casos
especiales han sido desarrollados por Aggarwal y Park (1993), y Federgruen Tzur (1991), y
Wagelmans et al. (1992). Cuando las capacidades de producción están presentes, obtenemos el
llamado capacita mucho problema de dimensionamiento (ERP). En contraste con la uncapacitated
ELSP, este problema se conoce como NP-duro, incluso en muchos casos especiales; véase Florian
et al. (1980) y Bitran y Yanasse (1982). Una interesante e importante caso especial que no ermitan
un algoritmo de tiempo polinómico surge cuando las capacidades de producción están
estacionarias; véase, por ejemplo, Florian y Klein (1971), Florian et al. (1980), y van Hoesel y
Wagelmans (1996). Vea también las referencias en Baker et al. (1978) para realizar otros trabajos
en el ERP con capacidades de producción estacionaria, y Chung y Lin (1988) y van den Heuvel y
Wagelmans (2003) para otro caso especial de la ERP que es resoluble en tiempo polinómico.
Zangwill (1969) estudió la uncapacitated versión del MTPS-PC, y ha desarrollado un algoritmo de
programación dinámica que es polinomio en tanto el horizonte de planificación, y el número de
niveles L. analizamos este algoritmo en el apéndice (disponible en línea en
ttp://mansci.pubs.informs.org/ecompanion.html) y concluyen que se ejecuta en tiempo O LT 4,
donde l es el número de niveles, o incluso en la O T 3 para el caso especial de L=2. Lee et al. (2003)
consideran un modelo de dos niveles donde los costes de transporte son nonconcave funciones.
Un estudio en el que se relaciona con la nuestra en el sentido de que también considera las
capacidades en una configuración de varios niveles es el uno por Kaminsky y Simchi-Levi (2003).
Proponen un modelo de tres niveles en los cuales el primero y el tercer nivel son las etapas de la
producción, y el segundo nivel es una etapa de transporte. Ambas fases de la producción están
capacitados, mientras que la etapa de transporte uncapacitated. Consideran los costos de
tenencia de inventario lineal que aumentan con el nivel de la cadena de suministro y lineal de los
costes de producción en ambos niveles 1 y 3 que satisfacen una condición de motivos no
especulativa tradicional (véase también la sección 2.3). Los gastos de transporte en el segundo
nivel son de cargo fijo o en general de forma cóncava, y se supone que satisfacen un criterio
restrictivo y no tradicionales motivos no especulativa condición. Eliminando el tercer nivel de
decisiones de producción, reducen el problema para un modelo de dos niveles que hereda su
función de costos estructuras desde el modelo de tres niveles. Para su clase de cargo fijo de los
costos de transporte, proporcionan un algoritmo o T 4 para resolver el modelo, incluso en el caso
de nonstationary capacidades de producción. Para su clase de cóncavo costos de transporte
constituyen una O T 8 algoritmo para resolver el modelo en la presencia de capacidades de
producción estacionaria. Se plantea la complejidad de su modelo de estructuras de costes más
general como una pregunta abierta. En este trabajo abordamos esta cuestión derivando una O T 7
algoritmo para resolver el problema de dos niveles en presencia de capacidad fija.
2.3. Casos especiales