TAMAÑO DE LOTE INTEGRADO EN CADENAS DE SUMINISTRO EN SERIE CON

CAPACIDADES DE PRODUCCIÓN
Stan van Hoesel
Faculty of Economics and Business Administration, Maastricht University, P.O. Box
616,
6200 MD Maastricht, The Netherlands, s.vanhoesel@ke.unimaas.nl
H. Edwin Romeijn
Department of Industrial and Systems Engineering, University of Florida, 303 Weil
Hall, P.O. Box 116595, Gainesville, Florida 32611-6595, romeijn@ise.ufl.edu
Dolores Romero Morales
Sai'd Business School, University of Oxford, Park End Street, Oxford OX1 1HP, United
Kingdom, dolores.romero-morales@sbs.ox.ac.uk
Albert P. M. Wagelmans
Econometric Institute, Erasmus University Rotterdam, P.O. Box 1738, 3000 DR
Rotterdam, The Netherlands,
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 costos cóncavos. El modelo que estudiamos generaliza el
modelo de tamaño de lote económico multinivel de un solo elemento, no capacitado,
agregando capacidades estacionarias de producción al nivel del fabricante. Presentamos
algoritmos con un tiempo de ejecución que es polinomial en el horizonte de planificación
cuando todas las funciones de costo son cóncavas. Además, consideramos diferentes
estructuras de costos de transporte e inventario que producen mejores tiempos de
ejecución: funciones de costos de mantenimiento de inventario que son funciones de costo
lineal y de transporte que son lineales o cóncavas con una estructura de cargo fijo. En este
último caso, hacemos la suposición común y razonable adicional de que los costos variables
de transporte e inventario son tales que mantener los inventarios en niveles más altos en la
cadena de suministro es más atractivo desde una perspectiva de costo variable. Si bien los
tiempos de ejecución de los algoritmos son exponenciales en el número de niveles en la
cadena de suministro en el caso del costo cóncavo general, los tiempos de ejecución son
notablemente insensibles al número de niveles para las otras dos estructuras de costos.
Palabras clave: tamaño del lote; integración de planificación de producción y transporte;
programación dinámica; Algoritmos de tiempo polinomiales.
Historial: aceptado por Thomas M. Liebling, programación matemática y redes; recibido el
17 de junio de 2002. Este documento fue con los autores 11 meses para 2 revisiones.

1. Introducción
En este documento, consideramos un problema en el que se integran las decisiones de
producción, inventario y transporte en una cadena de suministro básica. Los modelos
tradicionales generalmente consideran solo uno o dos de estos aspectos de forma aislada
del otro (s). Existe evidencia sustancial (ver, por ejemplo, Arntzen y otros 1995, Chandra y
Fisher 1994, Geoffrion y Powers 1995, y Thomas y Griffin 1996, así como las referencias
allí) que muestra que la integración de estas decisiones puede conducir a aumentos
sustanciales en eficiencia y eficacia. La integración de diferentes decisiones en la cadena
de suministro es particularmente importante cuando los recursos son limitados y cuando los
costos 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 cadena de suministro ocurrirá, por ejemplo, cuando se agregue valor 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 logística de terceros. En este caso, un centro de distribución
descendente que satisfaga las demandas en un área geográfica determinada puede
emplear los servicios de un almacén de terceros antes de que los productos se transporten
al centro de distribución real para su distribución a sus minoristas.
Una vez más, los productos en serie se almacenan o se transportan al almacén en el
siguiente nivel. Desde el nivel de almacén final, los productos son luego (posiblemente
después de haber sido almacenados durante algunos períodos) transportados a un
minorista (posiblemente permitiendo entregas anticipadas, es decir, inventarios en el nivel
minorista). Tal estructura puede surgir si un minorista realmente representa un mercado
completo, y la cadena de suministro del fabricante a este mercado es muy larga. Esto podría
hacer que sea ventajoso, en varias etapas, utilizar economías de escala mediante el
transporte de grandes cantidades a largas distancias a instalaciones de almacenamiento
intermedias antes de ser distribuidas en el mercado real.
Todas las situaciones descritas anteriormente pueden representarse mediante un modelo
genérico que consta de un fabricante, varios niveles intermedios de producción o
distribución, y un nivel en el que tiene lugar la demanda del producto final, al que nos
referiremos en este documento como el nivel de minorista (aunque esto no necesariamente
representa el nivel al que se produce el consumo de demanda real). De hecho, en un
modelo así, las etapas intermedias de producción y transporte son indistinguibles entre sí,
de modo que en el resto de este.
En papel simplemente nos referiremos a todas las etapas intermedias como etapas de
transporte entre almacenes.
El modelo de la cadena de suministro en serie esbozado anteriormente se puede ver como
una generalización de un problema fundamental, que de hecho es uno de los problemas
más ampliamente estudiados en la producción y la planificación del inventario, el problema
del tamaño económico de los lotes (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 es entonces
determinar las cantidades de producción para cada período de manera que todas las
demandas se satisfagan a tiempo con una producción total mínima y costos de
mantenimiento de inventario. Las funciones de costo no disminuyen en la cantidad
producida o almacenada, y generalmente se supone que son funciones cóncavas lineales,
de carga fija o generales. La instalación de producción puede enfrentar o no una restricción
de capacidad en la cantidad producida en cada período.

Para modelar la cadena de suministro en serie, el ELSP clásico se puede ampliar para
incluir decisiones de transporte, así como la posibilidad de mantener el inventario a
diferentes niveles en la cadena. Además de los costos de producción y mantenimiento de
inventarios, claramente también necesitamos incorporar los costos de transporte, lo que
agrega el problema del momento del transporte al problema del momento de la producción.
El objetivo será minimizar el costo del sistema a la vez que se satisface toda la demanda.
Incluso si el fabricante y el minorista son, de hecho, participantes distintos en la cadena de
suministro, cada uno de los cuales enfrenta una parte de los costos de la cadena de
suministro, este problema será relevante. En este caso, los participantes claramente
todavía necesitan decidir cómo distribuir los costos totales mínimos, que es un problema de
coordinación que está fuera del alcance de este documento. Alternativamente, sin embargo,
podemos interpretar los costos de mantenimiento en el nivel minorista como una multa o un
descuento sobre el precio de compra de un artículo, que el fabricante le otorga al minorista
si los artículos se entregan anticipadamente. En este caso, los costos minimizados por
nuestro modelo de optimización son todos incurridos por el fabricante. Al igual que en los
problemas estándar de lotes, se supone que todas las funciones de costos no disminuyen
en la cantidad producida, almacenada o expedida. Además, asumiremos que todas las
funciones de costo son cóncavas.
En general, todos los niveles en una cadena de suministro en serie, independientemente
de si corresponden a decisiones de producción o transporte, pueden enfrentar capacidades.
En este documento, nos concentraremos en cadenas de suministro en serie con
capacidades en el nivel de producción (es decir, primero), como un primer paso hacia el
estudio de cadenas de suministro capacitadas más generales. Agregar capacidades a otros
niveles (es decir, transporte) parece cambiar significativamente la estructura del problema
y, por lo tanto, el análisis del problema. Por lo tanto, tales problemas están fuera del alcance
de este documento, pero siguen siendo un tema de investigación en curso. Tenga en cuenta
que bajo ciertas estructuras de costo, puede ser posible eliminar niveles capacitados de la
cadena de suministro. Kaminsky y Simchi-Levi (2003) proporcionan uno de esos ejemplos,
que transforman un modelo de cadena de suministro en serie de tres niveles en el que el
primer y el tercer nivel están capacitados para un modelo de cadena de suministro en serie
de dos niveles con capacidades solo en el primer nivel.

Llamaremos al problema de determinar la producción óptima, el transporte y el tamaño de

lote de inventario en una cadena de suministro en serie como se describió anteriormente y
bajo capacidades de producción en el nivel de producción el problema de dimensionamiento
de lotes multinivel con capacidades de producción (MLSP-PC). En general, este problema
es NP-hard, ya que es una generalización directa del ELSP rígido para NP con capacidades
de producción generales (véase Florian et al., 1980). El ELSP con capacidad de producción
estacionaria, sin embargo, se puede resolver en tiempo polinomial (ver Florian y Klein
1971). Debido a que nuestro objetivo es identificar casos solucionables polinomialmente de
MLSP-PC, asumiremos en la mayoría de este documento que las capacidades de
producción son estacionarias. Estudiamos los problemas con la producción cóncava
general, la retención de inventario y los costos de transporte, así como los problemas con
los costos de mantenimiento de inventario lineal y dos estructuras de costos de transporte
diferentes: (i) costos de transporte lineal; y (ii) costos de transporte de carga fija sin motivos
especulativos, lo que significa que con respecto a los costos variables, el inventario retenido
es menos costoso en niveles más altos que en los niveles más bajos en la cadena de
suministro. Nuestros métodos de solución se basan en un marco de programación dinámico
que utiliza un principio de descomposición que generaliza la propiedad clásica de ordenar
cero inventario (ZIO) de soluciones a problemas de dimensionamiento de lotes no
capacitados como se describe en Zangwill (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 una serie de subplanos consecutivos. Nuestros
algoritmos para este modelo se ejecutan en tiempo polinomial en el horizonte de
planificación del problema. La generalización directa de este enfoque al caso de varios
niveles conduce a un tiempo de ejecución muy grande. Logramos ahorros sustanciales al
introducir el concepto de un subplan relajado. A diferencia de los enfoques existentes en la
literatura, nuestro programa dinámico no necesariamente representa todas (o incluso las
únicas) soluciones de punto extremo para el MLSP-PC. Además, aunque las rutas en el
programa dinámico corresponden todas a soluciones factibles del problema, los costos de
una ruta pueden sobreestimar los costos de la solución correspondiente al problema. No
obstante, podemos demostrar (en función de la concomitancia de las funciones de costes)
que nuestro programa dinámico resuelve el MLSP-PC de forma óptima. El algoritmo
resultante para el caso de las funciones generales de costo 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 artículo está organizado de la siguiente forma: En el §2, presentamos el MLSP con los
costos de producción y las funciones generales de producción cóncava, transporte y
mantenimiento de inventarios. Caracterizamos los puntos extremos de la región factible del
problema y probamos un resultado de descomposición que formará la base de nuestros
algoritmos. En §3, estudiamos el problema de dos niveles y proporcionamos un marco de
programación dinámica general basado en el resultado de descomposición derivado
anteriormente, que arroja un algoritmo de tiempo polinomial en el horizonte de planificación
para los costos cóncavos generales. En el §4, este algoritmo se generaliza al problema de
dimensionamiento de lotes multinivel y se muestra que sigue siendo un polinomio en el
horizonte de planificación, y se ofrecen mejores tiempos de ejecución para dos variantes
del modelo. El documento finaliza en el §5 con algunas observaciones finales y cuestiones
para futuras investigaciones.

2. Formulación y análisis del modelo

2.1. El modelo
Como se describe en la introducción, estudiaremos un problema de dimensionamiento de
lotes multinivel con una estructura en serie. En cada período, la producción puede tener
lugar en el fabricante. Los artículos que se producen pueden almacenarse a nivel del
fabricante o transportarse al primer nivel de almacén. En cada uno de los niveles de
almacenamiento, los productos son nuevamente almacenados o transportados al almacén
en el siguiente nivel. Desde el nivel final de almacén, los productos son luego (posiblemente
después de haber sido almacenados durante algún tiempo) transportados al minorista.
Consideramos un horizonte de planificación de T periodos. En cada período t, el minorista
se enfrenta a una demanda no negativa dada por , mientras que la capacidad de
producción del fabricante en el período t es igual a . Consideraremos un total de niveles
de L, que incluye el fabricante, el minorista y los depósitos intermedios L-2. Decimos que el
fabricante está en el primer nivel de la cadena, y el minorista está en el nivel L-ésimo. Cada
uno de los niveles intermedios corresponde a un almacén. Deje que R + denote el conjunto
de números reales no negativos. Para cada período los costes de
producción vienen dados por la función los costes de transporte desde el

nivel al nivel vienen dados por la función

y los costos de mantenimiento de inventarios en el nivel f están dados por la función
A lo largo del documento, asumiremos que todas las
funciones de costo son cóncavas, no decrecientes e iguales a cero cuando su argumento
es cero. MLSP-PC se puede formular de la siguiente manera:
donde denota la cantidad producida en el período t, es la cantidad enviada del

nivel al nivel en el período t, y denota la cantidad de inventario en el nivel

al final del período t.

Las Restricciones (1) - (3) modelan el equilibrio entre la entrada, el almacenamiento y el

flujo de salida en los niveles del fabricante, el almacén y el minorista, respectivamente, en
cada período. La cantidad de producción en cada período está restringida por restricciones
(4). Finalmente, las restricciones (5) establecen que todos los niveles de inventario iniciales
son iguales a cero. A diferencia del modelo de tamaño de lote tradicional de un solo nivel,
esto no es una suposición que podamos hacer sin perder la generalidad, debido a la no
linealidad de las funciones de transporte y de costos de mantenimiento de inventario. Por
lo tanto, más adelante discutiremos cómo tratar las instancias problemáticas donde esta
restricción está ausente, y en su lugar (no negativo) el inventario inicial las cantidades en
todos los niveles se consideran parte de los datos del problema. Luego, los algoritmos
desarrollados se pueden aplicar en un esquema de horizonte móvil, en el cual se resuelven
nuevas instancias de lotificación y se implementan parcialmente sus soluciones óptimas a
medida que transcurre el tiempo y se dispone de nuevos pronósticos de demanda.

Por conveniencia, definiremos como la demanda acumulativa en los períodos

Para garantizar la viabilidad de (P= función objetivo), supondremos que la demanda
acumulada en los primeros t periodos no puede exceder la capacidad de producción total
en estos períodos, i, e, t

Es fácil ver que esta condición es necesaria y suficiente para que (P) tenga una región
factible no vacía. También podemos modelar el MLSP-PC como un problema de flujo de
red capacitado de costo mínimo 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 de incapacitados ELSP multinivel). Para este fin, definimos una red con una
única fuente 0, T nodos de transbordo (1, t) en el nivel de producción (nivel 1, t = 1, ..., T),

T nodos transbordo en cada uno de los niveles de almacén

y T nodos de demanda (L, t) con demanda en el

nivel minorista ( nivel L, t = 1, ..., T). Finalmente, la factibilidad dicta que el nodo fuente 0

tiene un suministro de unidades . La Figura 1 ilustra la representación de red del MLSP-

PC para L = 3 y T = 4.

Esta representación facilitará la análisis de la estructura de puntos extremos de la región

factible de (P) en §2.4. Antes de continuar con este análisis, en §2.2 discutiremos modelos
y algoritmos relacionados de la literatura, así como algunos casos especiales que se
reducen a modelos de un solo nivel en §2.3.
2.2. Revisión de literatura
La variante de nivel único del MLSP-PC ha recibido mucha atención en la literatura. El
problema no capacitado, el ELSP, se puede resolver en tiempo polinomial en la longitud del
horizonte temporal; ver Wagner (1960) para este resultado básico. Los algoritmos más
eficientes para casos especiales han sido desarrollados por Aggarwal y Park (1993),
Federgruen y Tzur (1991), y Wagelmans et al. (1992). Cuando las capacidades de
producción están presentes, obtenemos el denominado problema de dimensionamiento de
lotes capacitados (CLSP). En contraste con el ELSP no capacitado, se sabe que este
problema es NP-hard, incluso en muchos casos especiales; ver Florian et al. (1980) y Bitran
y Yanasse (1982). Un caso especial interesante e importante que permite un algoritmo de
tiempo polinomial surge cuando las capacidades de producción son estacionarias; ver, por
ejemplo, Florian y Klein (1971), Florian et al. (1980), y van Hoesel y Wagelmans (1996). Ver
también referencias en Baker et al. (1978) para otro trabajo sobre el CLSP con capacidades
estacionarias de producción, y Chung y Lin (1988) y van den Heuvel y Wagelmans (2003)
para otro caso especial del CLSP que se puede resolver en tiempo polinomial.
Zangwill (1969) estudió la versión no capacitada del MLSP-PC y desarrolló un algoritmo de
programación dinámica que es polinomial tanto en el horizonte de planificación 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 concluye que se ejecuta en el tiempo O
(LTA), donde L es el número de niveles, o incluso en O (T3) para el caso especial de L = 2.
Lee y col. (2003) consideran un modelo de dos niveles donde los costos de transporte son
funciones no cóncavas.
Un estudio que se relaciona con el nuestro en el sentido de que también considera las
capacidades en un escenario multinivel es el de Kaminsky y Simchi-Levi (2003). Proponen
un modelo de tres niveles en el que el primer y el tercer nivel son etapas de producción, y
el segundo es una etapa de transporte. Ambas etapas de producción están capacitadas,
mientras que la etapa de transporte no está capacitada. 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
tradicional de motivos no especulativos (ver también §2.3). Los costos de transporte en el
segundo nivel son de carga fija o 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 para un modelo de dos
niveles que hereda sus estructuras de función de costos del modelo de tres niveles. Para

su clase de costos de transporte de carga fija, proporcionan un algoritmo para

resolver el modelo, incluso en el caso de las capacidades de producción no estacionarias.

Para su clase de costos de transporte cóncavo, proporcionan un algoritmo para

resolver el modelo en presencia de capacidades estacionarias de producción. Plantean la
complejidad de su modelo para estructuras de costos más generales como una pregunta

abierta. En este trabajo, abordamos esta cuestión derivando un 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,

para todas las t y

Por lo tanto, consideraremos esta clase de problemas en §§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, , es una
función indicador que toma el valor 1 si x> 0 y 0 de otra manera. La suposición de que no
existen motivos especulativos, que comúnmente se asume para la producción y los costos
de mantenimiento de inventario en los modelos económicos de tamaño de lotes
económicos, significa en este contexto que, con respecto a los costos variables de
inventario y transporte solamente, es atractivo para transportar tan tarde como sea posible.

Más formalmente,
Tenga en cuenta que si las funciones de costo de transporte son lineales y no muestran
ningún motivo especulativo, siempre es óptimo almacenar la producción en el fabricante y
transportarla solo cuando la demanda se debe satisfacer. Por lo tanto, sin pérdida de
optimalidad, podemos suponer que para todos
De manera similar, si los costos de transporte son
lineales y , es más
económico de transportar tan pronto como producimos y almacenamos la producción en el

nivel minorista. Entonces, sin pérdida de optimalidad, podemos suponer que para
todos Estos dos casos especiales del MLSP-PC
por lo tanto producen un CLSP estándar.

Por último, una variante de MLSP-PC de dos niveles sin capacidad puede reducirse
fácilmente a un ELSP no capacitado. Cuando los costos de producción y los costos de
mantenimiento de inventarios en ambos niveles son lineales, dado que decidimos
transportarlos en un período determinado, podemos determinar fácilmente el mejor período
de producción, es decir, el período que produce la producción mínima total de la unidad y
Costos de inventario a nivel de fabricante para el transporte en el período t. La redefinición
de la función de costo de transporte en consecuencia, que puede hacerse en tiempo O (LT),
nos permite eliminar las variables de producción, así como las variables de inventario en el
fabricante, produciendo un ELSP estándar no capacitado. El problema resultante puede
resolverse en el tiempo O (T2) para los costos generales de transporte dentro de la cueva
(ver Wagner 1960) y en el tiempo para los costos de transporte de carga fija
(ver Aggarwal y Park 1993, Federgruen y Tzur 1991, y Wagelmans et al. 1992).

2.4. Caracterización de puntos extremos

El problema (P) tiene una función objetivo cóncava, y su región factible se define por
restricciones lineales. Esto implica que existe una solución óptima de punto extremo para
(P). Considere el flujo en la red que corresponde a cualquier punto de solución factible.
Como es común en los problemas de flujo de red, llamaremos a los arcos que transportan
una cantidad de flujo que es estrictamente positiva y estrictamente menor que sus arcos
libres de capacidad. Es bien conocido (ver, por ejemplo, Ahuja et al., 1993) que la subred
que contiene solo los arcos libres no contiene ciclo.

2.4.1. Subplanes.
Tenga en cuenta que solo los arcos que tienen un límite superior finito (que en nuestro caso
son solo los arcos de producción) pueden llevar el flujo mientras que no son libres. Al
eliminar todos los arcos de producción, la red que contiene todos los arcos libres restantes
se descompone en una serie de componentes conectados. Limitándonos por ahora a los
componentes conectados que sí llevan flujo, identificamos el primer y el último nodo en el
componente en cada nivel. Para un componente dado, estos nodos se pueden denotar por
(£, sf1 +1) y (l, sl2) para f = 1, ..., L, donde Sn <Sf + U <5f2 <? F + 1,2 para f = 1, ..., L-1. (8)
(Tenga en cuenta que la estricta desigualdad se mantiene debido a la definición del subplan:
el primer período incluido en el nivel f es sf1 +1). Con este enfoque, algunos nodos pueden
aislarse y no incluirse en ningún componente que lleve flujo. 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 (1,1) y (1.4) en el
Nivel 1, (2,1) y (2,4) en el Nivel 2, y (3,1) y (3,6) en el Nivel 3, y el segundo por nodos (1.5)
y (1,8) en el Nivel 1, (2,6) y (2,8) en el Nivel 2, y (3, 7) y (3, 8) en el Nivel 3. Podemos
observar ese nodo ( 2,3) es parte del primer componente, aunque ningún flujo pasa a través
de este nodo. Como se mencionó anteriormente, el nodo aislado (2,5) se asigna al
componente izquierdo. Resumiendo, podemos descomponer una solución de punto
extremo a (P) en componentes, cada uno de los cuales contiene un conjunto de nodos
{(I, sf1 + 1), ..., (£, gf2) j (f = 1, ..., L) satisfactorio (8).
Vamos a llamar a los componentes por lo tanto subplanes obtenidos Representaremos un
subplan por los períodos de 2L que lo identifican: ((s ^ s ^ L ^). A menudo será conveniente
referirse a los períodos de producción y demanda en un subplan por separado, y entonces
usaremos a menudo la notación ( t1rt2, T1, T2) = (? 11,? 12,? L1, sL2). Por construcción,
no se realiza inventario entre subplanas, por lo que el único flujo que ingresa en un subplan
proviene de los arcos de producción asociados con los nodos del fabricante 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 abastecer la demanda de todos
los nodos minoristas en el subplan, es decir, la demanda total en los períodos r1 + 1, ..., T2.
Llamaremos dos subplanes ((? l1,? l2) L = 1) y ((s'n, s'i2) L = 1) consecutivos si s ' t 1 =? l2
para l = 1, ..., L. Podemos resumir la estructura de las soluciones de puntos extremos de la
siguiente manera.

Proposición 2.1. Cualquier solución factible de punto extremo puede descomponerse en

una secuencia de subplanes consecutivos.
La solución extrema dada en la Figura 2 se descompone en dos subplanes, a saber, ((0,4),
(0,5), (0,6)) y ((4,8), (5,8), (6, 8)).
Tenga en cuenta que el primer subplan obtenido al descomponer una solución de punto
extremo como se describe anteriormente tiene
= 0 para l = 1, ..., L. Sin embargo, en el resto de este documento será conveniente incluir
también sub - planes ((st1, ^ t2) L = 1) satisfactorios (8), para los cuales algunos, pero no
todos, los valores de gl1 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 el flujo, hay a lo sumo
uno de dichos arcos con una producción por debajo de su capacidad. En otras palabras,
hay como máximo un arco de producción libre entrando en el subplan. Esto produce la
siguiente generalización de la caracterización de puntos extremos de CLSPs de un solo
nivel por Florian y Klein (1971).

Figura 2 La estructura de una solución de punto extremo para MLSP-PC,

L=3yT=8
Proposición 2.2. Un subplan puede contener como máximo un arco de producción libre. Si
el problema no está capacitado, esta proposición implica que solo un flujo de producción
que transporta flujo entra en cada uno de los subplanes, lo que a su vez significa que los
flujos extremos son arborescentes. El algoritmo de programación dinámica propuesto para
este problema por Zangwill (1969) se basa en esta propiedad; ver el apéndice en línea.
Como ejemplo, en la Figura 2 sabemos que en el subplan ((0,4), (0,5), (0,6)) los arcos de
producción y1 e y2 no pueden ser ambos libres; lo mismo vale para los arcos de producción
y5 e y6 en el subplan ((4,8), (5,8), (6,8)).

2.4.3. Cantidades de transporte en un subplan.

La ausencia de ciclos formados por arcos libres solo en una solución de punto extremo
también puede utilizarse para identificar las propiedades estructurales de las cantidades de
transporte. Considere un período, digamos t, en el que el transporte tiene lugar entre los
niveles ly 1 + 1, es decir, el flujo en el arco entre los nodos (l, t) y (l + 1, t) es x \> 0. Entonces,
pueden ocurrir dos situaciones con respecto al flujo total en los nodos (l + 1,? L + 1,1 + 1),
..., (l + 1, t), es decir, los envíos acumulativos entre los niveles lyl +1 hasta e incluido el
período t dentro del subplan: • Es igual a la producción acumulada en peri¬ods t1 + 1, ..., s
para algunos se {t1 +1, ..., t}; • Satisface la demanda de los períodos t1 + 1, ..., s para
algunos se {t1 + 1, ..., T2}. De lo contrario, considere el último período de producción en el
que se produjo parte de la cantidad transportada xl, digamos s '. Habrá entonces un período
cuya demanda se satisface parcialmente de la cantidad x1 y parcialmente de la producción
en el período s 'que permanece en el inventario en el nivel l al final del período t, creando
un ciclo que contiene solo arcos libres. Este resultado se puede resumir de la siguiente
manera. Proposición 2.3. En un subplan, la cantidad transportada entre los niveles 1 y 1 +
1 en algún período hace que las cantidades acumuladas transportadas hasta ahora en el
subplan sean iguales a las cantidades acumuladas de producción de una secuencia inicial
de períodos de producción consecutivos en el subplan, o a la demanda acumulada de una
secuencia inicial de períodos de demanda en el subplan. Las dos posibilidades para el
transporte acumulativo se pueden ilustrar utilizando la Figura 2. En el subplan ((0,4), (0,5),
(0,6)), • x11 es igual a la producción (acumulativa) en el Período 1, mientras que x} + x2 +
x3 + x1 es igual a la producción acumulada en los Períodos 1, ..., 4 y satisface la demanda
de los Períodos 1, ... , 6; • x2 satisface la demanda del Período 1; x2 + xf es igual a la
producción (acumulativa) en el Período 1; y xf + xf + x3 + xf es ambos igual a la producción
acumulada en los Períodos 1, ..., 4 y satisface la demanda de los Períodos 1, ..., 6.
3. El problema del tamaño de lote capacitado de dos niveles con costos cóncavos
Para mayor claridad, primero consideraremos la versión de dos niveles 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 un enfoque general de programación dinámica para el
2LSP-PC. Este enfoque se basa en la descomposición de soluciones de punto extremo a
(P) en subplanos consecutivos (ver Proposición 2.1). En particular, defina que es
el costo mínimo asociado con la satisfacción de las demandas del minorista en los períodos
usando la producción en los períodos Entonces estamos
claramente interesados en calcular F (0,0). Esto se puede lograr utilizando un enfoque de
dos fases:
Fase 1. Para cada subplan (t1, t2, T1, T2), calcule los costos mínimos que se incurren para
satisfacer la demanda de ese subplan bajo la condición de que como máximo un arco de
producción libre ingrese al subplan. Denote estos costos por fi (t1, t2, T1, T2). Fase 2.
Calcule los valores F (t1, T1) para todos los 0 <t1 <T1 <T al darse cuenta de que una
solución de punto extremo para el subproblema correspondiente está dada por un subplan
(t1, t2, T1, T2) y el subproblema restante F (t2, T2) para algunos t2 y t2. Esto da lugar a la
siguiente recursión hacia atrás: F (t1, T1) = min (t1, t2, T1, T2) + F (t2, T2)} (t2, T2) -T2> t2>
T1 para 0 <t1 <T1 <T, F (t1, T) = 0 para 0 <t1 <T. Tenga en cuenta que en la Fase 1
necesitamos calcular los valores O (T4). La Fase 2 es, de hecho, un problema de ruta más
corta en una red con nodos que representan todos los pares de períodos (t, T) tales que 0
<t <T <T, y arcos que representan los subplanes con los costos correspondientes. La ruta
de costo mínimo desde el nodo (0,0) a cualquiera de los nodos (t1, T) en esta red acíclica
se puede encontrar en tiempo lineal en el número de arcos, es decir, en el tiempo O (T4)
(ver Ahuja et al. al. 1993). Florian y Klein (1971) utilizaron este marco de programación
dinámica general para desarrollar un algoritmo de programación dinámica O (T4) para
resolver el CLSP con capacidades estacionarias y funciones generales de producción
cóncava y de mantenimiento de inventarios. Cuando se da el valor de $ (■) para cada
subplan, el 2LSP-PC es polinomialmente soluble. Para lograr un algoritmo de tiempo
polinomial para el 2LSP-PC, el desafío es por lo tanto proporcionar un algoritmo de tiempo
polinomial para calcular los costos correspondientes a todos los subplanes. Porque
sabemos que el 2LSP-PC es NP- difícil para las capacidades de producción generales,
restringiremos nuestra atención al caso de capacidades estacionarias de producción, es
decir, bt = b para t = 1, ..., T. En el resto de esta sección, derivaremos un algoritmo de
tiempo polinomial para calcular los costos óptimos de todos los planes secundarios y, por
lo tanto, para el 2LSP-PC. Antes de estudiar los subproblemas de cálculo de los costos
óptimos del subplan, 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 estacionarias de producción En la Fase 1 del enfoque de programación
dinámica, necesitamos calcular los costos óptimos de todos los subplanotipos, bajo la
restricción adicional de que todos menos uno de los arcos de producción que ingresan en
el subplan tienen un flujo igual a 0 o b. Considere un subplano particular, digamos (t1, t2,
T1, T2), en el que la demanda total de los períodos t1 + 1, ..., t2 debe satisfacerse usando
la producción en los períodos t1 + 1, .. ., t2. Siguiendo a Florian y Klein (1971), observe que
la restricción sobre los valores de los arcos de producción que ingresan en el subplan
implica que el número de arcos de producción que llevan flujo igual a la capacidad de
producción es exactamente igual a K = [dT1 + 1, Tl / bj, y la cantidad de producción restante
es igual a s = dT + 1, T - Kb. Claramente, tenemos ese 0 <s <b. Si s> 0, habrá exactamente
un arco de producción que ingrese al subplan con este flujo. 3.3. Los costos del subplan
Formularemos el problema de determinar los costos óptimos de un subplan como un
problema dinámico de programación. Dicho de otra manera, para cada subplan (t1, t2, T1,
T2), definiremos una red con la condición de que <p (t1, t2, t1, t2) sea igual a la longitud de
la ruta más corta entre un par de nodos fuente y sumidero en esta red. Elegimos los nodos
en esta red para que tengan 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
acumulada de transporte hasta e incluyendo el período t. El nodo (t1,0,0) es la fuente,
mientras que el nodo (t2, Kb + s, Kb + s) = (t2, dT1 + 1, T2, dT1 + 1, T2) es el sumidero.
Mediante la Propuesta 2.2 y la discusión en §3.2, sabemos que la cantidad de producción
en cualquier período solo puede asumir uno de los valores {0, s, b}, con el valor s solo en
un período. Esto implica inmediatamente que Y solo puede asumir los valores K Y eU {kb,
kb + s}, k = 0 donde, además, Y = 0 si t = t1, dT1 + 1t <Y <(t - t1) K para t = t1 + 1, ..., t2 -1
e Y = Kb + s si t> t2 para asegurar que toda la demanda se produce dentro del conjunto de
períodos de producción permitidos en el subplan. Debido a que claramente K <T, el número
de valores permitidos para Y es O (T). Además, según la Proposición 2.3 sabemos que la
cantidad acumulada transportada hasta e incluyendo algún período es igual a la cantidad
total de producción de una secuencia inicial de períodos de producción o satisface la
demanda de una secuencia inicial de períodos de demanda en el subplan. Más
formalmente, esto significa que
Xe (u {kb, kb + u (u {dn + 1'3}) t
Vk = 0 / \ s = T1 + 1 /
donde, además, d + 1, t <X <Y para garantizar que las demandas se satisfagan a tiempo y
los productos no se transporten antes de que se produzcan, y X = 0 si t <T1 y X = Kb + s si
t> t2 para asegurar que el transporte tenga lugar dentro del subplan. El número de valores
permitidos para X es, por lo tanto, O (T) también, de modo que el número total de nodos en
la red es O (T3).
Los arcos en la red representan decisiones de producción, transportación y inventario. Los
arcos están presentes entre pares de nodos en la red de la forma (t, Y, X) y (t + 1, YrX), con
Y - Y e {0, s, b} (donde el valor s solo está permitido si Y = kb para algunos k = 0,1, ..., K) y
X> X (donde Xe {X, Y} U (UT = T1 + i {dT1 + i, s})). Es fácil ver que hay arcos O (T) que
emanan de cada nodo en la red, de modo que toda la red tiene arcos O (T4).
A partir de la información contenida en los nodos que definen un arco, podemos calcular
fácilmente la cantidad de producción en el período t +1 (Y - Y), la cantidad de transporte en
el período t +1 (X - X), el inventario mantenido en el nivel del fabricante al final del período
t +1 (Y-X), y el inventario mantenido al nivel del minorista al final del período t +1 (X - dT1
+ 1t + 1). Los costos de un arco son dados por
Pt + 1 (Y - Y) + c1 + 1 (X - X)
+ h1 + 1 (Y - X) + hlt + 1 (X - dT1 + 1, t + 1) -
Si todas las funciones de costos se pueden evaluar en tiempo constante, los costos de un
arco dado se pueden calcular en tiempo constante siempre que determinemos todas las
demandas acumulativas dtt, (en tiempo O (T2)) en un paso de preproceso.
Cualquier ruta en la red desde la fuente (t1,0,0) al sumidero (t2, dT1 + ^, d + x) representa
un flujo factible en el subplan (t1, t2, T1, T2) con una sola producción libre. arco de la
Además, es fácil ver que lo contrario también es cierto. Por lo tanto, los costos del subplan
están dados por la ruta de costo mínimo en esta red desde el nodo fuente al nodo receptor.
El tiempo requerido para encontrar esta ruta de costo mínimo es proporcional al número de
arcos en la red, de modo que el costo de un solo subplan se puede determinar en el tiempo
O (TA).
Como hay subplanes O (T4), una aplicación sencilla del algoritmo de programación
dinámica definido anteriormente para cada subplan individual generaría un algoritmo con
tiempo de ejecución O (T8) para calcular los costos de todos los subplanes. Sin embargo,
el tiempo de ejecución se puede reducir al observar que los costos de muchos planes
secundarios están relacionados. En particular, observe que la red de programación
dinámica correspondiente a cualquier subplan de la forma (t1, t2, T1, T2) es en realidad una
subred de la red de programación dinámica para el subplan (0, t2, T1, T2). Por lo tanto,
utilizando la recursión hacia atrás para resolver el camino más corto entre los nodos (0,0,0)
y (t2, dTl + 1Tl, dT1 + 1Tl) en la última red se obtienen, como subproducto, los caminos más
cortos entre los nodos ( t, 0,0) y (t2, dTi + 1ti, dT1 + 1, t) para cada t = 1, ..., T1. Por lo tanto
sigue que solo necesitamos considerar los subplanes O (T3) de la forma (0, t2, T1, T2),
cuyos costos pueden determinarse en el tiempo O (T7).
3.4. Tratando con Inventarios Iniciales
1714
Si los inventarios iniciales en los niveles de fabricante y / o minorista, Iq1 e Id, son
estrictamente positivos, hay un ligero cambio en la construcción de los subplanes. Recuerde
que construimos los subplanes correspondientes a una solución de punto extremo dado al
considerar todos los arcos (excepto los de producción) que llevan flujo positivo. Los planes
secundarios están formados por los componentes conectados resultantes junto con algunos
nodos aislados. Sin embargo, cuando hay inventarios iniciales, puede haber uno o más
componentes que transportan el flujo pero que no contienen un período de producción. En
estos componentes, la demanda se satisface utilizando los inventarios iniciales únicamente
en los niveles de almacén y minorista, y pueden asignarse al componente que contiene el
Período de producción 1 (es decir, el componente que contiene el nodo (1,1)). Los
resultados en §§2.4.2 y 2.4.3 siguen siendo claramente válidos para los subplanes en los
que t1> 0. Sin embargo, para los subplanotipos con t1 = T1 = 0, los resultados continúan
siendo válidos si consideramos el total inicial inventarios IQ + IQ1 como una cantidad de
producción acumulada hasta e incluyendo el Período 0, y el inventario inicial I02 en el Nivel
2 como la cantidad acumulada de transporte hasta e incluyendo el Período 0. A menos que
t2 = T, estos planes secundarios solo pueden tener un valor factible solución si los
inventarios iniciales totales no superan la demanda total que se debe satisfacer en el
subplan. Para los subplanes con d1ri> Id + IQ2, obtenemos K = [(d1Tz - IqJ - IQD / b] y s =
d1ri - IQ1 - IQ1 - Kb. Como ya se mencionó, d1T2 <IQ + IQ2 solo puede ocurrir si t2 = T Si
de hecho d1T <IQ1 + Iq2, una solución de punto extremo contendrá solo un único subplan:
(0, T, 0, T), y no se producirá producción en ningún período en ese subplan, es decir, K = s
= 0. La única dificultad restante en este caso es que no queremos especificar de antemano
en qué nivel el exceso de inventario terminará como inventario final. Esto puede resolverse
fácilmente extendiendo el horizonte de planificación por un período, diga T +1. Luego, defina
la función de costo de producción para ese período como pT + 1 (0) = 0 y pT + 1 (yT + 1) =
»para
todos 0 <yT + 1 <b y la función de costo de transporte como c1 + 1 (xT + 1) = 0 para todo
xT + 1> 0. Finalmente, establezca dT + 1 = + / 0 - d1T. Los costos del único subplan (0, T,
0, T) en el problema original se pueden encontrar luego al encontrar 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 subplanes que contienen
inventarios iniciales, dejamos que el nodo fuente sea (0, / q + I02, I02) y el nodo receptor
sea (t2, l0 + 102 + Kb + s, l1 + 102 + Kb + s). Para un estado (t, Y, X), esto también significa
que Y e U {Id + 12 + kb, Il0 + 102 + kb + s} k = 0 y K xe UI + 102 + kbI + 102 + kb + sHU U
{du] Vk = 0 / \ s = T1 + 1 Finalmente, tenga en cuenta que para los planes secundarios con
t1> 0, no deberíamos tener un flujo de entrada de inventario positivo. Por lo tanto, en caso
de que haya niveles de inventario iniciales distintos de cero, de hecho necesitamos calcular
los costos de todos los planes secundarios (0, t2,0, T2) teniendo en cuenta los niveles de
inventario iniciales, así como los costos de todos los planes secundarios (0, t2, t1, t2) para
t1> 0 sin tener en cuenta el nivel de inventario inicial en el fabricante. Esto claramente no
influye en el tiempo de ejecución general del algoritmo.

4. El caso de niveles múltiples

4.1. Introducción Podemos extender el enfoque de programación dinámica desarrollado en
§3.1 para el caso de dos niveles al caso de niveles múltiples, donde una vez más una red
de programación dinámica de Fase 2 representa todas las soluciones de punto extremo
para el MLSP-PC. Para este fin, deberíamos definir F ^ ((st1) L = 1) como el costo mínimo
asociado con la satisfacción de las demandas del minorista en los períodos {sL1 + 1, ..., T}
utilizando producción en períodos {s11 + 1, ..., T} y almacén I en períodos {S1 + -11 + 1, ...,
T} para cada I = 1, ..., L-2. Entonces estaríamos interesados en calcular F? ((0) L = 1). Es
fácil ver que el tiempo de ejecución de la generalización correspondiente del programa
dinámico de Fase 2 sería O (T2L). En esta sección, derivaremos una modificación del
programa dinámico de Fase 2 que se ejecuta en tiempo O (TA). Esta modificación no hace
que la Fase 1 sea más costosa desde el punto de vista de la computación, y puede incluso
hacer que sea menos costosa. En particular, desarrollaremos un enfoque más eficiente en
el que el programa dinámico de Fase 2 no representa necesariamente todos (o incluso solo)
utilizando la producción en los períodos t1 + 1, ..., t2, donde como máximo una de las
cantidades de producción puede ser diferente de 0 yb, y cuando se permite el transporte en
todos los niveles en los períodos t1 + 1, ... , t2. Denominaremos los últimos costes por <fr
(t1, t2, T1, T2), y nos referiremos a los vectores (t1, t2, T1, T2) como subplanes relajados.
Para ilustrar el concepto de subplanes relajados, consulte la siguiente instancia de
problema del 2LSP-PC. Todas las demandas son iguales a 1; los costos de producción y
transportación están dados por 100 • 1 {y> 0} + y si t = 2 1 • 1 {y> 0} + y de lo contrario, y ci
(x) = | 501 | '> "} "! - • 1 {x> 0} + x + x si t = 2, de lo contrario. Finalmente, permita que todas
las funciones de costos de mantenimiento del inventario sean iguales a cero. Los flujos
óptimos en $ (1,4,2,4) y ^ (1,4,2,4) se dan en la Figura 3. Al calcular los costos $ (1,4,2,4),
solo se permite el transporte. en periodos en los que puede producirse tanto la producción
como la demanda (es decir, en los períodos 3 y 4 en el ejemplo), mientras que en la versión
relajada del mismo subplan se permite el transporte en cualquier período en el que pueda
producirse o demandarse satisfecho (es decir, en los Períodos 2, 3 y 4 en el examen). Por
lo tanto, los costos ^ (1,4,2,4) son inferiores a 2 2 $ (1,4,2,4) porque en el subplan relajado
podemos transportar en el segundo período.

Figura 3 Flujos óptimos en $ (1,4,2,4) y ^ (1,4,2,4)

Estos cambios tienen dos consecuencias principales. Considere un camino desde la fuente
hasta un receptor en la red de Fase 2. En primer lugar, si bien es fácil ver que la solución
correspondiente del MLSP-PC es efectivamente factible, no es necesariamente una
solución de punto extremo porque los nodos de producción y demanda en dos subplanos
relajados contenidos en la solución pueden estar conectados por arcos que contienen flujo
positivo. En segundo lugar, es posible que ciertos arcos se utilicen en más de un subplan
relajado. Esto significa que la longitud de la ruta en la red puede no ser la misma que los
costos solución correspondiente al MLSP-PC. En primer lugar, el siguiente teorema muestra
que la longitud del camino nunca es menor que los costos reales de la solución, y es igual
al costo de la solución si todas las funciones de transporte y costo de inventario son lineales.
Teorema 4.1. Cada ruta de la fuente a un sumidero en la red de programación dinámica de
Fase 2 corresponde a una solución factible para MLSP-PC. La longitud de esta ruta no
puede ser menor que el costo de la solución correspondiente, y es igual al costo de la
solución si todas las funciones de transporte y costos de inventario son lineales.
PRUEBA. El hecho de que una ruta desde la fuente a un sumidero en la red de
programación dinámica de Fase 2 corresponde a una solución factible al problema de
lotificación se deriva inmediatamente del hecho de que todas las limitaciones de capacidad
de producción, así como todas las demandas, . Sin embargo, ciertos arcos de transporte e
inventario pueden llevar un flujo positivo en las soluciones parciales correspondientes a
más de un arco en el camino, y cada uno de los flujos parciales se carga por separado de
acuerdo con la función de costo correspondiente. Debido a la concavidad de todas las
funciones de costos, luego el costo del flujo total no excederá la suma de los costos de los
flujos individuales en ningún arco particular, y por lo tanto la longitud de un camino nunca
será menor. que los costos de la solución correspondiente. Además, cuando todas las
funciones de transporte y costos de inventario son lineales, la duración de la ruta y los
costos de solución son claramente iguales. □

El siguiente lema proporciona una relación entre los costos asociados con un subplan y el
correspondiente subplan relajado. Lema 4.2. Para cualquier subplan ((sl1, sl2) L = 1),
tenemos que & ((Sl1, Sl2) L = 1) - ^ ($ 11, $ 12, $ L1, SL2). Prueba. Este resultado sigue
inmediatamente al observar que tanto 4 '((sl1, sl2) L = 1) como ^ (su, $ 12,? L1,? L2) son el
valor óptimo de un problema de optimización con funciones de costo iden- tical, pero donde
la región factible de la primera es un subconjunto de la región factible de la última. □ El
siguiente teorema muestra que existe una solución óptima para el problema del tamaño del
lote que está representado por un camino en la red de programación dinámica de Fase 2
cuya longitud es igual a los costos óptimos. Teorema 4.3. La red de programación dinámica
de fase 2 contiene una ruta que corresponde a una solución óptima para nuestro problema
de dimensionamiento de lotes, y la longitud de la ruta es igual al costo de esta solución.
PRUEBA. Considere una solución óptima de punto extremo para el problema del tamaño
del lote, digamos con un costo O *. Como se discute en el §2.4, esta solución óptima se
descompone en una secuencia de subplanes consecutivos. Es fácil ver que la red de
programación dinámica de fase 2 contiene una ruta para la cual los períodos de producción
y demanda de cada uno de los arcos corresponden a esta secuencia de subplanes. El Lema
4.2 ahora dice que la longitud de la ruta en la red de programación dinámica, digamos ^, no
excederá O *. Sin embargo, según el teorema 4.1 sabemos que es una sobreestimación de
los costos de una solución factible correspondiente. La optimalidad de O * ahora implica
que de hecho ^ = O *, que demuestra el resultado deseado.

Los teoremas 4.1 y 4.3 claramente implican que nuestro algoritmo de dos fases resuelve el
MLSP-PC. Ahora podemos concluir que la Fase 2 del algoritmo se ejecuta en tiempo O
(T4), dados todos los valores ^ (t1, t2, T1, T2). El desafío restante es, por lo tanto,
proporcionar algoritmos eficientes para calcular estos valores.
4.2. Costos cóncavos
4.2.1. Los costos de los planes secundarios relajados.
En esta sección, formularemos el problema de determinar los costos ^ (t1, t2, T1, T2) como
un problema dinámico de programación. Dicho de otra manera, definimos, para cada uno
(t1, t2, T1, T2), una red con la propiedad que <fr (t1, t2, t1, t2) es igual a la ruta más corta
entre un par de nodos fuente y sumidero en esta red Los nodos en esta red tienen la forma
(t, Y, X1, ..., XL-1), donde t indica un período, Y es igual a la cantidad acumulativa de
producción hasta e incluyendo el período t, y Xl es igual a la cantidad acumulada de
transporte del nivel I al nivel 1 + 1 hasta el período t inclusive. Tenga en cuenta que la
viabilidad dicta que debemos restringirnos a los valores dT1 + 1t <XL-1 <- <X1 <Y. La fuente
es el nodo (t1,0, ..., 0), mientras que el sumidero es el nodo (t2 , Kb + s, ..., Kb + s). Como
en §3.3, tenemos que
K
Y eU {kb, kb + s},
k=0
y el número de valores permitidos para Y es O (T). Además, de manera similar a la del caso
de dos niveles, tenemos que
\ l = 1, ..., L - 1,
Xl e ((J {kb, kb + s}) u (U {dTi + 1, s}
\ = 0 / Vs = T1 + 1
1716
de modo que la cantidad de valores permitidos para X1 también sea O (T). Esto significa
que el número total de nodos en la red es O (TL + 1).
Los arcos en la red representan decisiones de producción, transportación e inventario, y
están presentes entre pares de nodos en la red de la forma (l, Y, X1, ..., XL-1) y (t + 1, Y ,
X1XL-1), donde Y - Ye {0, s, b} y X *> X1 (* = 1, ..., L-1). Es fácil ver que hay arcos O (TL-
1) que emanan de cada nodo, para un total de arcos O (T2L) en la red.

Similar a §3.3, podemos calcular fácilmente la cantidad de producción en el período t +1 (Y

- Y), la cantidad de transporte entre los niveles * y * +1 en el período t +1 (X * - X *), el
inventario mantenido al nivel del fabricante al final del período t +1 (Y - X1), y el inventario
mantenido al nivel del minorista al final del período t +1 (XL-1 - dT1 + 1t + 1). Los costos de
un arco son dados por
L-1
Pt + 1 (Y - Y) + Z c * + 1 (Y * - X *) + h1 + 1 (Y - X)
*=1
L-1
+ E h * + 1 (X * -1-X *) + hL + 1 (XL-1-dn + h t + 1).
*=2
Si todas las funciones de coste pueden evaluarse en tiempo constante, los costes de un
arco determinado pueden calcularse en tiempo O (L) de la misma manera que en el 2LSP-
PC después de un paso de preproceso que toma el tiempo O (T2). Concluimos que el costo
de un único subplan relajado se puede determinar en el tiempo O (LT2L).
Finalmente, notando que hay O (T4) subposiciones relajadas y aplicando la misma técnica
para reducir el tiempo de ejecución que se usa al final de §3.3, obtenemos un algoritmo
para el MLSP-PC con una producción cóncava arbi¬trary , transporte y costos de
mantenimiento de inventarios y capacidades estacionarias que se ejecutan en tiempo O
(LT2L + 3). Aunque este tiempo es exponencial en el número de niveles, el orden del tiempo
de ejecución estará limitado por el hecho de que el número de niveles será relativamente
pequeño.
Este enfoque puede ampliarse fácilmente para tratar los inventarios iniciales. Recuerde del
§3.4 que solo se deben considerar subplanes relajados con t1 = 0. Para un subplan relajado,
deberíamos ver los inventarios iniciales totales J2L = 1I * como una cantidad de producción
acumulada hasta e incluyendo el Período 0, y el inventario inicial J2L = s + 1I * como la
cantidad acumulada de transporte hasta e incluyendo el Período 0 del nivel s al nivel s + 1,
para todo se {1, ..., L - 1}. Como en §3.4, sin aumentar el tiempo de ejecución, estos
inventarios iniciales se pueden incorporar al enfoque de programación dinámica para
calcular ^ (t1, t2, r1, r2) mediante redefiniciones apropiadas de los valores posibles de Y y
X.
En las siguientes secciones, mostraremos cómo el tiempo de funcionamiento se puede
reducir drásticamente para instancias problemáticas que tienen capacidades estacionarias
de producción, costos de producción cóncavos generales y costos de mantenimiento de
inventarios lineales en todos los niveles, así como uno de los siguientes: dos estructuras de
costos de transporte: (i) carga fija sin motivos especulativos; o (ii) lineal.
4.3. Costos de transporte de carga fija sin motivos especulativos
4.3.1. Introducción. En esta sección, consideramos el caso de los costos de transporte de
carga fija sin motivos especulativos y costos lineales de retención de inventario. Como
antes, determinaremos los costos de cada subplan relajado usando programación
dinámica. Después de un paso de preprocesamiento que se ejecuta en O (LT4), este
programa dinámico se ejecuta en el tiempo O (T4) para cada subplan relajado indivisual. Al
usar la técnica de reducción al final de §3.3, el costo de todos los planes secundarios
relajados O (T4) se puede calcular simultáneamente en el tiempo O (T7). Por lo tanto, el
tiempo de ejecución del enfoque de programación dinámica para este caso especial del
MLSP-PC es O (T7 + LT4). Cuando L = 2, podemos reducir este tiempo de ejecución a O
(T6). 4.3.2. Propiedad de pedido de inventario cero en el minorista. Mostraremos que, bajo
costos de transportación de carga fija sin motivos especulativos, soluciones que satisfacen
la propiedad de ordenamiento de inventario cero (ZIO) en todos los niveles en {2, ..., L}, es
decir, I * x * - = 0 para t = 1, ..., T - 1; * = 2, ..., L, son dominantes. Es decir, dada cualquier
solución factible al subplan relajado (t1, t2, r1, r2), siempre existe otra solución que es al
menos tan buena y satisface la propiedad ZIO en todos los niveles en {2, ..., L}. Teorema
4.4. Dado un subplan relajado (t1, t2, r1, r2), el conjunto de soluciones con la propiedad ZIO
en todos los niveles en {2, ..., L} es dominante. Prueba. Deje que (y, x, I) sea una solución
factible para el subplan relajado (t1, t2, r1, r2) que no satisface la propiedad ZIO en algún
nivel. Deje * ser el último nivel, de modo que la propiedad ZIO sea válida para todos * e {*
+ 1, ..., L}, pero no sea verdadera para el nivel *. Podemos construir una nueva solución al
menos tan buena como (y, x, I), de modo que la propiedad ZIO sea válida para todos * e {*,
..., L}. Si * = 2, entonces hemos obtenido el resultado deseado. De lo contrario, repetiremos
el procedimiento con la nueva solución. Observe que este procedimiento converge porque
el nuevo * ha disminuido en al menos una unidad. Deje que e {t1 + 1, ..., r2 - 1} sea un
período para que i * X * -> 0. El inventario positivo I * ha sido transportado a nivel * en algún
período anterior. Sin embargo, debido a la ausencia de motivos especulativos, podemos
reubicar el transporte de las unidades I * al período t +1 sin aumentar los costos. Repitiendo
este argumento para cada período t que viola la propiedad ZIO en el nivel *, obtenemos una
solución donde la propiedad ZIO es verdadera para cada nivel * e {*, ..., L}
Podemos recordar que fi (t1, t2, T1, T2) es igual a los costos mínimos entre las soluciones
del subplan relajado (t1, t2, T1, T2) con a lo sumo un arco de producción libre. El siguiente
corolario del teorema 4.4 establece que, para encontrar este mínimo limitado, podemos
restringir nuevamente nuestra búsqueda a soluciones que satisfagan la propiedad ZIO en
el minorista.
Corolario 4.5. El costo asociado con el subplan relajado (t1, t2, T1, T2) se puede encontrar
entre todas las soluciones factibles que satisfacen la propiedad ZIO en todos los niveles en
{2, ..., L}.
PRUEBA. Esto se deduce inmediatamente de la demostración del teorema 4.4 al observar
que la modificación de la solución para obtener una solución que satisfaga la condición ZIO
no altera los flujos de producción. □
Este corolario implica que al buscar ^ (t-i ^, t2, T1, T2), podemos suponer que cualquier
cantidad enviada es igual a la demanda de un conjunto de períodos consecutivos. Esto
ayudará a reducir la información mantenida en el enfoque de programación dinámica
descrito en el §4.2.1.
4.3.3. Los costos de un subplan relajado. En esta sección, formularemos el problema de
determinar los costos tfr (t1, t2, T1, T2) como una simplificación del problema de
programación dinámica definido en el §4.2.1. Todos los nodos 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 período t, y s representa el último período cuya
demanda se satisface usando medios de transporte del Nivel 1 al Nivel 2 hasta e incluyendo
el período t, donde dT + 1, s <Y y t <s. Podemos observar que del Teorema 4.4, tenemos
que X1 = d + 1, s en el programa dinámico de §4.2.1. La fuente es el nodo (t1,0, T1),
mientras que el sumidero es el nodo (t2, Kb + s, t2). Como antes, sabemos que Y solo
puede asumir los valores
K
Y eU {kb, kb + s}.
k=0
Los arcos están presentes entre pares de nodos en el entramado de la forma (t, Y, s) y (t,
Y, S), donde Y - Y e {0, s, b} y S> s. Es fácil ver que hay arcos O (T) que emanan de cada
nodo en la red, de modo que toda la red tiene arcos O (T4).
Los costos de un arco entre nodos (t, Y, s) y (t + 1, Y, s) ahora están dados por
Pt + 1 (Y- Y) + h1 + 1 (Y-dT1 + 1, s)
+ ct + 1 (ds + 1, s) + Q + 1,2 (s + 1, s),
donde Ctl (s1, s2) se definen como los costos óptimos de envío de unidades dSiSi desde el
nodo (t, l) a sus destinos, es decir, nodos de demanda (L, s1), ..., (L, s2). Podemos usar el
algoritmo de Zangwill, en una etapa de preproceso, para determinar los valores Ct2 (s1, s2)
para todos t = 2, ..., T;
s1 = t, ..., T; y s2 = s1, ..., T en el tiempo O (LT4); ver el apéndice en línea. Es importante
tener en cuenta que aunque el modelo de Zangwill permite funciones generales de
transporte cóncavo y de mantenimiento de inventarios, no podemos utilizar el mismo
enfoque descrito anteriormente en presencia de capacidades de producción. La razón es
que en el caso no capacitado, la propiedad ZIO es válida para funciones arbitrarias de
costos de arco cóncavo, mientras que este no es el caso en el caso capacitado. Sin
embargo, como hemos demostrado, en el caso de los costos de transporte de carga fija
que no muestran especulación
Motivos, también obtenemos la propiedad ZIO, que permite el uso del algoritmo de Zangwill
para determinar las entradas de nuestro algoritmo.
El problema de determinar <fr (t1, t2, T1, T2) se reduce a encontrar la longitud de la ruta
más corta en la red desde la fuente al sumidero, lo que se puede hacer en tiempo lineal en
la cantidad de arcos. Es fácil ver que el número de nodos en la red es O (T3) y el número
de arcos O (T4). Usando 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 algoritmo
O (T7 + LT4) para resolver la variante multinivel de este problema.
Cuando L = 2, este tiempo de ejecución se puede reducir a O (T6). Recuerde que la cantidad
de nodos en el enfoque de programación dinámica anterior es O (T3). Mostraremos que la
cantidad de arcos también es O (T3). Para cada t hay nodos O (T) de los nodos de forma
(t, ^, t) y O (T2) de la forma (t, ^, s) con s> t. Cada nodo de la forma (t, ^ t) tiene O (T)
sucesores, y cada nodo de la forma (t, ^, s) con s> t tiene O (1) succestores, lo que hace
un total de O (T) ■ (O (T) ■ O (T) + O (T2) ■ O (1)) = O (T3) arcos en la red. Esto produce
un algoritmo O (T6) para resolver la variante de dos niveles de este problema.
Desafortunadamente, en presencia de niveles de inventario iniciales distintos de cero, la
propiedad ZIO ya no es necesariamente dominante. Sin embargo, en estos casos, aún se
aplica el procedimiento más general desarrollado para el caso de las funciones de costos
cóncavos arbitrarios.
4.4. Costos de transporte lineal
4.4.1. Introducción. En esta sección, consideraremos el caso en el que los costos de
transporte y los costos de mantenimiento de inventario son lineales. Desarrollaremos un
enfoque de programación dinámica que encuentre los costos óptimos de cada subplan
relajado. Después de un paso de preprocesamiento que se ejecuta en tiempo O (LT2), este
algoritmo se ejecuta en tiempo O (T2) para un solo subplan relajado, pero los costos de
todos los subplanes relajados O (T4) se pueden establecer simultáneamente en O ( T5)
tiempo. Esto da como resultado un algoritmo O (T5 + LT2) para resolver esta clase de
instancias de MLSP-PC.
1718
4.4.2. Preprocesamiento En términos de la red subyacente (como se describe en el §2.1),
una unidad producida en el período t para satisfacer la demanda en el período T> t lo hará,
en la solución óptima, fluya a lo largo de la ruta de costo mínimo de (1, t) a (L, t). En una
etapa de preprocesamiento, podemos determinar los costos mínimos de transporte de la
unidad asociados con la producción de una unidad en el período t para el consumo en el
período r, que llamaremos Gtr. Todos estos valores se pueden calcular en el tiempo O (LT2)
resolviendo los problemas de la ruta T más corta en gráficos acíclicos con arcos O (TL)
usando recurrencia hacia atrás. Utilizando estos valores, podemos determinar nuevamente
los costos totales de transportación asociados con la producción, en el período t, de toda la
demanda de los períodos consecutivos r1 + 1, ..., r2, suponiendo que el transporte está
permitido en todos los períodos t, ..., r2, es decir, GDlTi ^ = Y, rLn +1 dGtr. En el tiempo O
(T3), estos costos se pueden calcular para todos t = 1, ..., T y t <r1 +1 <r2 <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 relajado.
En esta sección, formularemos el problema de determinar los costos <fr (t1, t2, r1, r2) como
una simplificación adicional del problema de programación dinámica definido en el §4.2.1.
Todos los nodos en la red de programación dinámica son de la forma (t, Y), donde t indica
un período, e Y es igual a la cantidad de producción acumulada hasta e incluyendo el
período t, donde dr1 + 1t <Y y K Y eU {kb, kb + s}. k = 0 La fuente es el nodo (t1,0), mientras
que el receptor es el nodo (t2, Kb + s). Los arcos están presentes entre pares de nodos en
la red de la forma (t, Y) y (t + 1, Y) cuando Y - Y e {0, s, b}. Cada arco de la red descrito
anteriormente representa una posible decisión de producción. Permitimos 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 e inventario se pueden calcular en tiempo
constante. Además de la información recopilada 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 está completamente satisfecha por la producción acumulada. (diga s) así como
también la parte de la demanda de ese período que queda por satisfacer (digamos S).
Usando las demandas acumulativas dTi + 1t, (t '= r1 + 1, ..., r2) así como también el hecho
de que el valor de Y solo puede ser igual a kb o kb + s para k = 0 ,. .., K, esta información
adicional se puede obtener en tiempo O (T). Como veremos más adelante, esto no aumenta
el tiempo de ejecución para encontrar los costos de un único subplan relajado.

Ahora considere un arco conectando los dos nodos (t, Y) (con el primer período de demanda
restante con la demanda S restante) y (t + 1, Y) (con los primeros períodos de demanda
restantes con la demanda S restante). Cuando Y - Y <S, los costos de transporte de la
unidad de la cantidad producida en el período t +1 son iguales a Gt + 1s. Cuando Y - Y> S,
los costos de transporte e inventario de este arco consisten en hasta tres componentes: Gt
+ 1s S + GDt + 1, s, s-1 + Gt + 1, -s (ds - S ), y de hecho puede ser calculado en tiempo
constante. El problema de determinar <fr (t1, t2, r1, r2) se reduce a encontrar la longitud de
la ruta más corta en el entramado de la fuente al sumidero, que se puede hacer en tiempo
lineal en la cantidad de arcos. Es fácil ver que el número de nodos en la red es O (T2) y el
número de arcos O (T2). Usando el mismo enfoque para calcular múltiples valores de la
función ^ a la vez como en §4.3, esto produce un algoritmo O (T5 + LT2) para resolver esta
variante del MLSP-PC. Al igual que en el CLSP, los inventarios iniciales pueden
incorporarse cuando todas las funciones de transporte y retención de inventario son
lineales. En particular, los inventarios iniciales se utilizan para satisfacer las demandas más
tempranas a través de las rutas más cortas apropiadas en la red, después de lo cual se
actualizan las demandas y se resuelve el problema restante sin inventarios iniciales.

5. Comentarios finales e investigaciones futuras En este trabajo, hemos considerado una

generalización del ELSP clásico con capacidades estacionarias de producción que permite
múltiples niveles de almacenamiento, así como las decisiones de transporte
correspondientes para el transporte entre los diferentes niveles. Identificamos dos casos
especiales importantes de este problema que se pueden resolver 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 investigaciones
futuras en esta área se pueden dividir en tres direcciones generales. Primero, las
complejidades, aunque polinomiales en el horizonte de planificación, son de orden
relativamente alto: O (T5) a O (T7) para los casos de dos niveles. Sería interesante si el
orden del tiempo de ejecución se pudiera reducir, por ejemplo, investigando si se puede
ahorrar más tiempo determinando los costos de muchos o todos los subplanes
simultáneamente. Además, aunque el número de niveles generalmente será relativamente
pequeño, sería interesante determinar si el caso multinivel con funciones de costo cóncavo
general puede resolverse en 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

capacidades en otros niveles o niveles adicionales en la cadena. Finalmente, sería
interesante considerar estructuras de cadena de suministro más complejas, que incluyen,
por ejemplo, estructuras de ensamblaje de productos a nivel de productor o múltiples
minoristas. Un apéndice en línea para este documento está disponible en
http://mansci.pubs.informs.org/ecompanion.html

Expresiones de gratitud
El trabajo del segundo y tercer autor fue apoyado por la National Science Foundation bajo
las subvenciones No. DMI-0085682 y DMI-0355533, la Escuela de Economía de Tecnología
y Organizaciones de Maastricht (METEOR) y la Organización de Investigación Científica de
los Países Bajos (NWO)

Referencias

Aggarwal, A., J. K. Park. 1993. Algoritmos mejorados para problemas económicos del
tamaño de lote. 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. Gestión global de la cadena
de suministro en Digital Equipment Cor-poration. Interfaces 25 (1) 69-93.
Baker, K. R., P. Dixon, M. J. Magazine, E. A. Silver. 1978. Un algoritmo para el problema
del tamaño de lote dinámico con limitaciones de capacidad de producción variables en el
tiempo. Management Sci. 24 (16) 1710-1720.
Bitran, G. R., H. H. Yanasse. 1982. Complejidad computacional del problema del tamaño
del lote capacitado. Management Sci. 28 (10) 1174-1186.
Chandra, P., M. L. Fisher. 1994. Coordinación de la planificación de producción y
distribución. EUR. J. Oper. Res. 72 503-517
Chung, C.-S., C.-H. M. Lin. 1988. Un algoritmo O (T2) para el problema de tamaño de lote
capacitado NI / G / NI / ND. Management Sci. 34 (3) 420-426.
Federgruen, A., M. Tzur. 1991. Un algoritmo de avance simple para resolver modelos de
dimensionamiento de lotes dinámicos generales con n periodos en O (nlogn) u O (n).
Management Sci. 37 909-925.
Florian, M., M. Klein. 1971. Planificación de producción determinista con costos cóncavos
y limitaciones de capacidad. Management Sci. 18 12-20.
Florian, M., J. K. Lenstra, A. H. G. Rinnooy Kan. 1980. Planificación determinista de la
producción: Algoritmos y complejidad. Management Sci. 26 (7) 669-679.
Geoffrion, A. M., R. F. Powers. 1995. Veinte años de diseño del sistema de distribución
estratégica: una perspectiva evolutiva. Interfaces 25 (5) 105-127.
Kaminsky, P., D. Simchi-Levi. 2003. Tamaño de lotes de producción y distribución en una
cadena de suministro de dos etapas. IIE Trans. 35 (11) 1065-1075.
Lee, C. Y., S. ^ etinkaya, W. Jaruphongsa. 2003. Un modelo dinámico para el tamaño del
lote de inventario y la programación del envío saliente en 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.
EUR. J. Oper. Res. 94 (1) 1-15.
van den Heuvel, W., A. P. M. Wagelmans. 2003. Un algoritmo geométrico para resolver el
problema de dimensionamiento de lotes capacitados NI / G / NI / ND en el tiempo O (T2).
Informe técnico 2003-24, Informe del Instituto Econométrico, Rotterdam, Países Bajos.
van Hoesel, C. P. M., A. P. M. Wagelmans. 1996. Un algoritmo O (T3) para el problema
económico del dimensionamiento de lotes con capacidades constantes. Management Sci.
42 (1) 142-150. Wagelmans, A., S. van Hoesel, A. Kolen. 1992. Tamaño económico del lote:
algoritmo O (nlogn) que se ejecuta en tiempo lineal en el caso Wagner-Whitin. Oper. Res.
40 (1) S145-S156.
Wagner, H. M. 1960. Una posdata a los 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 de lote eco -
nómico. Management Sci. 5 89-96.
Zangwill, W. I. 1969. Un modelo de backlogging y un modelo de varios escalones de un
sistema dinámico de producción de lotes económicos: un enfoque de red. Management Sci.
15 (9) 506-527.