Bihlmaier2008 en Es

O Spectrum (2009) 31: 311-336 DOI
10.1007 / s00291-008-0147-2
ARTCULO REGULAR
Modelado y optimizacin de la planificacin estratgica y tctica de

produccin en la industria del automvil en condiciones de incertidumbre
Ralf Bihlmaier Achim Koberstein Ren Obst
Publicado en lnea: 26 Agosto 2008

Springer-Verlag 2008
Abstracto Este trabajo considera la flexibilidad y la capacidad de planificacin estratgica en virtud de las exigencias de
incertidumbre en las redes de produccin de los fabricantes de automviles. Presentamos un determinista y un modelo
estocstico, que se extienden enfoques existentes, especialmente mediante un esquema de previsin para la planificacin del
personal tctico. Este esquema se compara con una formulacin extendida de la modelo determinista, que incorpora
planificacin de la plantilla a travs de modelos detallados de desplazamiento. El modelo estocstico es e fi ciente resuelto
mediante un enfoque descomposicin acelerada. El enfoque de solucin se integra en un sistema de ayuda a la decisin, que
calcula las asignaciones de productos de costo mnimo y planes de capacidad. Nuestros resultados numricos muestran que,
a pesar del aumento considerable complejidad, nuestro enfoque puede e fi cientemente manejar cientos de escenarios. Por
ltimo, se presenta un estudio de caso industrial.
Palabras clave diseo de la red estratgica La anticipacin de la planificacin tctica la programacin estocstica dESCoMPoSICIn
1. Introduccin
Hoy da las empresas de la industria del automvil se enfrentan a una situacin de mercado que se caracteriza por el cambio
particularmente dinmica y la incertidumbre. Debido a la disminucin de las cifras de ventas fi y el estancamiento de los precios
de mercado especialmente las empresas de la prima
R. Bihlmaier ( SEGUNDO)
Daimler AG, Grupo de Investigacin e Ingeniera Avanzada, 89073 Ulm, Alemania e-mail:
ralf.bihlmaier@daimler.com
A. Koberstein ( SEGUNDO) R. Obst

DS y O Lab, Universidad de Paderborn, Warburger Str. 100, 33098 Paderborn, Alemania e-mail:
koberstein@dsor.de
123
312 R. Bihlmaier et al.
segmento de concentrarse cada vez ms en nuevos nichos de mercado. Para conseguir mayores cuotas de los mercados en
la feroz competencia oligoplica, que tratan de reducir constantemente los ciclos de vida de los productos y aumentar la
diversidad de sus productos. Una de las consecuencias es el aumento de los excesos de capacidad, ya que las capacidades
instaladas de las instalaciones de produccin se consideran a corto o medio plazo inmutable (cf. Becker 2005 ; Jordan y Graves
1995 ;
Friese et al. 2005 ).
Dado que las instalaciones de produccin en las industrias del automvil requieren altas inversiones, un bajo grado de
rendimiento de utilizacin a la disminucin de pro mrgenes fi t en trminos de un riesgo altos costos de fijada (vase, por
ejemplo Roscher 2008 , P.39). Por lo tanto altamente mercados dinmicos e inciertos representan un alto riesgo para las
empresas. La respuesta adecuada a estos retos es hacer que las instalaciones de produccin ms flexible dentro de toda la
red ( Bruynesteyn 2003 ). En general, el significado de flexibilidad es la capacidad de reaccionar a propsito en los cambios
inesperados ( Schneeweiss 1999 ). En la literatura de investigacin, existen una multiplicidad de diferentes trminos fl
exibilidad. Una taxonoma terica detallada de la flexibilidad trmino fl est dada por Sethi y Sethi ( 1990 ). definiciones ms
aplicable se discuten por ejemplo, por Chandra et al. ( 2005 ), Gerwin ( mil novecientos ochenta y dos ) y Pibernik ( 2001 ). Con
respecto al mbito estratgico de nuestro trabajo, slo utilizamos los trminos producto fl exibilidad, el volumen de fl exibilidad y
sucesor fl exibilidad en el siguiente. flexibilidad del producto mide la capacidad de una lnea de produccin para la fabricacin
de varios productos diferentes, flexibilidad volumen fl denota su capacidad para adaptarse a diferentes niveles de produccin
de forma econmica e fi ciente (vase Roscher 2008 , P.28). Una lnea se caracteriza como sucesor flexible si se puede activar
para producir futuras variantes de producto. En una red de produccin flexible un lowdegree de utilizacin y de alto riesgo fi t
pro puede ser evitado mediante la explotacin de la oportunidad de producir un producto en diferentes plantas o para producir
diferentes productos en una planta, respectivamente. De este modo las demandas del mercado con eficacia se pueden
asignar a varias capacidades. Por lo tanto, la asignacin de productos a las plantas potenciales y la instalacin de capacidad
de produccin flexible son las tareas fundamentales para la planificacin estratgica de la red. Sin embargo, el grado de
flexibilidad es bastante restrictedbyhigh las inversiones, los costes fijos o restricciones como la tecnologa
appliedmanufacturing o de materiales diferentes para los diversos productos ( Friese et al. 2005 ). Hoy en da, deterministas
problemas de diseo de la red de considerable complejidad pueden ser resueltos. Sin embargo, se reconoci que los
principios de los modelos deterministas no son adecuados para representar problemas de planificacin en entornos altamente
dinmicos e inciertos. Por lo tanto se propusieron versiones estocsticas de los modelos deterministas y mtodos de solucin
especialmente adaptados. Sin embargo, slo los modelos muy recientes, por ejemplo, segn lo propuesto por
Santoso et al. ( 2005 ), Son capaces de resolver un problema de diseo de red de complejidad estocstica realista para un
gran nmero de escenarios en tiempo aceptable. En este trabajo se extender y personalizar el modelo general de
Santoso et al. para cumplir con los requisitos especiales de planificacin de la red de produccin en la industria del
automvil. En particular, incorporamos un sistema de previsin para la planificacin de la plantilla tctica y la
comparamos con una formulacin extendida del modelo determinista, en la que utilizamos modelos detallados de cambio
a considerar la tarea de planificacin de la plantilla de una manera ms realista. Adems consideramos mltiples perodo
de asignacin producto combinado e inicializacin de capacidad con respecto a los parmetros de inversin y de costos
combinados. Estas mejoras conducen a una complejidad considerablemente mayor en comparacin con los modelos
existentes. Sin embargo, nuestros resultados numricos indican que todava es posible resolver los casos de tamao
realista, que implican cientos de escenarios. Incorporamos nuestro enfoque de solucin en una decisin
123
planificacin de la produccin estratgica y tctica en condiciones de incertidumbre 313
systemwhich apoyo est siendo desplegado en la planificacin estratgica de produccin de importante motivo de fabricante de
automviles alemn. Finalmente se presenta un estudio de caso en el mundo real con el objetivo de evaluar y aprovechar los
beneficios de la flexibilidad en la red de produccin del fabricante.
El resto del documento est estructurado de la siguiente manera. En la siguiente seccin se describen los desafos de
la planificacin estratgica de la red en la industria del automvil, aclarar los objetivos de este estudio y dar una revisin
de la literatura. En la Seccin. 3 el problema se modela como un determinista y un programa entero mixto estocstica de
dos etapas con fi ja recurso completa. El modelo determinista se prolonga por un modelo detallado para la planificacin de
la plantilla tctico. Seccin 4 se hace una breve descripcin del enfoque solucin implementada en base a una versin
extendida del algoritmo de descomposicin de Benders'. La aplicacin del modelo y solutionmethod a problemas del
mundo real se discute en la Seccin. 5 mediante la resolucin de un problema de planificacin compleja de tamao real
derivada de la industria europea del automvil. Por ltimo, Secc. 6 re fl eja las conclusiones de este trabajo y da un
panorama de los estudios futuros.
2 Planteamiento del problema
2.1 planificacin de la red estratgica en la industria del automvil
En la fabricacin contra orientada de la industria del automvil, las decisiones estratgicas deben concentrarse principalmente
en futuremarkets. En este sentido amaindif fi cultyof planificacin de la red mundial radica en la consideracin de las magnitudes
inciertas. Santoso ( 2003 ) Identi fi ca una variedad de tales magnitudes inciertas en las redes globales de produccin, por
ejemplo, las demandas de productos, ciclos de vida de los productos, los precios del mercado o de los costos de produccin y
los gastos de transporte que todos son discutidos por Vidal y Goetschalckx en detalle ( 2000 ). Tambin los tipos de cambio
pueden ser considerados como un factor de riesgo crtico tal de incertidumbre ( Meyer 2004 ), Pero las estrategias de cobertura
corporativa limitan su influencia. Por lo tanto, nos concentramos en cantidades inciertas de la demanda y representamos sus
magnitudes por distribuciones de probabilidad discretas pronosticadas. Sin embargo, esto es slo una limitacin leve, debido a
distribuciones continuas se pueden aproximar discretamente su fi cientemente cerca ( Boettcher 1989 ). Las principales
decisiones en la planificacin estratgica de la red incluyen donde para cerrar nuevas plantas de produccin existentes o
abiertas, en donde para la fabricacin de qu producto y de donde para satisfacer la demanda de los clientes ( Goetschalckx
2002 ) En cada perodo de tiempo. Adems de las capacidades de las lneas de fabricacin tienen que ser fija. Debido a la
complejidad de evitacin, las decisiones relacionadas con los proveedores o estructura de proveedores no estn incluidos en el
modelo de decisin en el presente documento. El horizonte de planificacin debe cubrir al menos un ciclo de vida del producto
para cada producto o dos ciclos de vida si se podran utilizar los potenciales sucesores fl exibilidad. La duracin del ciclo de vida
actual de productos de automocin es de 5-7 aos Barnett et al. ( 1995 ), Por lo que el horizonte de planificacin del problema
planteado va a terminar en cinco a la mxima de veinte aos. En cuanto al carcter a largo plazo de las decisiones estratgicas
involucradas, 1 ao es una representacin adecuada para un perodo de tiempo en nuestro modelo.
En lo que sigue se distingue entre tcnico y organizativo la capacidad para distinguir la tarea de planificacin
estratgica de la inicializacin de la tarea de planificacin tctica de adaptacin. Capacidad tcnica se define
como la cantidad mxima de una instalacin de fabricacin es capaz de producir, mientras que la capacidad de
organizacin determina
123
la utilizacin real de una planta de fabricacin, por ejemplo, en funcin de un modelo de tiempo de trabajo elegido. En cuanto al
proceso de dimensionamiento de la capacidad, tiene que tener en cuenta que las capacidades instaladas se pueden ajustar a
las circunstancias changingmarket mediante la aplicacin de cualquiera de las opciones de planificacin tcnicas o de
organizacin. Las opciones tcnicas estn aadiendo por ejemplo, equipos para las lneas de produccin, el cambio de la
tecnologa de produccin o de alterar el tiempo de ciclo de una lnea de produccin. Sin embargo, estas opciones tcnicas son
tpicamente ligados a altos costos. Un enfoque ms adecuado es tomar ventaja de la oportunidad de organizacin de la
flexibilidad laboral fl. opciones de organizacin basado en la fuerza de trabajo flexibilidad son la variacin de la longitud de
desplazamiento, el porcentaje de personal temporal, los sbados por turnos, etc. El uso de estos instrumentos de mitad de
mandato, la gestin es capaz de reaccionar adecuadamente a la demanda y por lo tanto las variaciones de bajar el riesgo fijada
costes. Con el fin de aprovechar al mximo el impacto de estos grados de libertad de la planificacin tctica, ya que tienen que
ser anticipado en la planificacin estratgica. Esta anticipacin se debe hacer al menos aproximadamente para asegurar que
no o slo un aumento proporcional en la sub-complejidad de planificacin. Jordan y Graves ( 1995 ) Aclarar que la flexibilidad y la
capacidad puede representar magnitudes sustituibles. Por lo tanto el modelado de la planificacin estratgica de la red tiene
que involucrar a las decisiones de ambos aspectos simultneamente.
Con el fin de determinar el resultado primario del modelo de decisin, la apertura y cierre de las instalaciones y de las
asignaciones de productos, incluso las decisiones ptimas de nivel operativo deben rudimentariamente anticiparon. El
objetivo de esta optimizacin integrada es determinar el potencial de produccin y transporte, as como las deficiencias de
los costes mnimos y teniendo en cuenta las exigencias de incertidumbre y una estrategia y poltica empresarial
determinada. Por la presente varias decisiones como el uso de las instalaciones existentes y las asignaciones de productos
administrados por razones como asegurar las bolsas de trabajo existentes o bajando las inversiones adicionales, as como
las condiciones de contenido local tienen que ser considerados en nuestro modelo de formulacin. El resultado secundario
del modelo proporciona informacin sobre la utilizacin prevista de la flexibilidad y de capacidad por defecto. Este resultado
slo puede ser determinado por la anticipacin de la demanda. Para cada tipo de producto que hay grados de libertad en
las salidas de las lneas de produccin asignadas, en las cantidades transporte a los mercados y en las deficiencias de las
demandas llenan unful. Derechos o impuestos de importacin, que tambin podran tener un impacto en la planificacin de
las redes globales de produccin ( Arntzen et al. 1995 ), No se consideran en detalle. Suponemos que los derechos pueden
ser vistos como un parmetro esttico coste variable que incluimos en el plazo de los costos de transporte con el fin de
acortar la formulacin del modelo ms adelante.
2.2 Revisin de la literatura
Desde el trabajo de ruptura de terreno Geoffrion y Graves ( 1974 ) A mediados de los aos setenta, una gran variedad de
trabajos de la literatura se ha publicado en el campo de la planificacin estratgica de la red (ver Beamon 1998 para una
encuesta). Los ejemplos dados estn organizados en el orden creciente de complejidad y aplicabilidad a problemas del
mundo real.
Geoffrion y Graves ( 1974 ) Desarrollar uno de los modelos de primeros de red estratgica
planificacin. El alcance de la modelo mixto-entero es para crear un diseo de reduccin de costos de una red de
produccin y distribucin de mltiples productos bsicos. El enfoque de la solucin se basa en la descomposicin de un
Benders' que separa las decisiones binarias (por ejemplo,
123
ubicacin de centros de distribucin) de las decisiones continuas (por ejemplo, transporte flujos). Sin embargo, el modelo
no es una formulacin estocstica de varios aos.
Arntzen et al. ( 1995 ) Presentar un multi-periodo, modelo mixto-entero para suministro global
planificacin de la cadena. El modelo incluye tanto una produccin detallada, el inventario y la planificacin del transporte y las
decisiones estratgicas como la asignacin de producto con fi jos costos relacionados. Las necesidades de inversin no se
consideran. La funcin objetivo incluye la minimizacin de costos, as como los tiempos de produccin y envo ponderados.
Una caracterstica particular del modelo es el enfoque en los aspectos internacionales, tales como los derechos, impuestos de
importacin o de reintegro de derechos. El modelo se aplica a un problema del mundo real de un fabricante de ordenadores.
Jordan y Graves ( 1995 ) Concentrarse en la evaluacin de la flexibilidad del producto con el fin de
cubrirse frente a las demandas de incertidumbre. El objetivo principal de este trabajo es encontrar un grado ptimo de
flexibilidad del producto. Documentan a travs de estudios numricos que una estrategia flexible partly- especial exhibe casi
las mismas ventajas que una estrategia flexible integracin global. Esta estrategia especial se llama encadenamiento,
porque los productos y las plantas estn unidos entre s alternativamente en una cadena cerrada. Su enfoque podra ser
visto como marcan tendencia en el campo de la evaluacin fl exibilidad. El anlisis monetario, as como la consideracin de
las decisiones de capacidad no se consideran en este enfoque. Boyer y Leong ( 1996 ) Ampliar el modelo de Jordan y Graves
mediante la inclusin de diversos costos de instalacin que se haya incurrido por la produccin simultnea de varios
productos en una planta flexible.
Siguiendo el trabajo de Jordan y Graves, Francas et al. ( 2007 ) Evaluar el impacto

de la dinmica de la demanda causada por los ciclos de vida. El uso de un modelo de programacin estocstica los autores muestran
que los beneficios de la flexible con fi guracin podran ser mal juzgados sustancialmente si los ciclos de vida del producto no son
considerados. Sin embargo, sus resultados tambin indican que las estrategias prominentes fl exibilidad como plantas de
encadenamiento siguen siendo slidos incluso cuando los ciclos de vida son incluidos en el anlisis.
Chandra et al. ( 2005 ) Formular un modelo para la planificacin fl exibilidad especficamente para el
industria automotriz. El objetivo de su trabajo es investigar las dependencias entre la asignacin de productos, partes
comunes y planificacin de capacidad. Desarrollan una estrategia algortmica que supone la asignacin de productos
y homogeneidad de las partes a ser fijo con fi guracin. A continuacin, calcular cantidades demanda esperada
utilizando la simulacin de Monte Carlo y, por ltimo, optimizar la planificacin de la capacidad utilizando una
combinacin de un algoritmo gentico y optimizacin lineal.
MirHassani et al. ( 2000 ) Considerar un multi-periodo, enteros mixto, stochas- de dos etapas
programa de tic para determinar una solucin ptima de planificacin de la capacidad para los problemas de diseo de la
cadena de suministro. La primera etapa comprende de la apertura y cierre de las plantas, y establece los niveles de
capacidad. En la segunda etapa, se toman las decisiones optimizadas sobre los costos de produccin y distribucin. Adems,
los autores muestran cmo utilizar de esperar y ver los resultados del anlisis anterior en el mtodo de solucin. El enfoque
se extiende el problema primera etapa mediante la participacin de la segunda etapa de la decisin de un escenario elegido.
Al resolver el problema extendido el uso de descomposicin de Benders', muestran que la hora de elegir un escenario de
bueno, el tiempo de solucin se reduce en gran medida. El uso de estudios numricos, los autores demuestran que tan bien
este enfoque puede manejar cientos de escenarios.
Alonso-Ayuso et al. ( 2003 ) Presentar un programa estocstico de dos etapas y un cor-

responder mtodo de solucin para los problemas de diseo de la cadena de suministro. el implementado
123
decisiones estratgicas cubren las aberturas de la planta, la asignacin de productos, seleccin de productos y proveedor de
materias primas de seleccin, todo lo cual para maximizar el per fi t margen neto. El margen de pro fi cio neto se compone de
ventas, costos de operacin y depreciacin de las inversiones fi guras. Modelan los valores inciertos en los costos de
produccin y rawmaterials, e incorporarlos en un enfoque basado en escenarios. En la segunda etapa, las decisiones
estratgicas son evaluados por la toma de decisiones tcticas de expansin de la capacidad discreta, as como los
volmenes de produccin, de valores y de transporte. Los autores desarrollan una heurstica basada en un esquema de
coordinacin fi x-y-rama para resolver su modelo e fi cientemente. estudios numricos se presentan nicamente a un nmero
muy reducido de escenarios, por lo tanto, para este enfoque detallado, la incertidumbre solo se considera rudimentariamente.
Fleischmann et al. ( 2006 ) Presentar un multi-periodo modelo detallado enteros mixto

basado en las experiencias en BMW (para ms detalles vase Ferber 2005 ). Mientras que tambin se basa en mtodos de
modelizacin tericos clsicos, los siguientes temas se ha sealado a tener un impacto positivo en la aceptacin en la
prctica. objetivo, en primer lugar, la eleccin de un efectivo fl ujo basa, el valor actual neto, permite comparar una solucin
optimizada con las estrategias calculadas de forma manual. En segundo lugar, la optimizacin simultnea de las estrategias
de capacidad y flexibilidad fi ful LLS la solicitud de planificacin integrada por Jordan y Graves. Adems, las etapas de
capacidad tcnica discretos se extienden con una sobrecarga lineal para representar los instrumentos de planificacin de la
fuerza laboral.
Santoso et al. ( 2005 ) Desarrollar un enteros mixto, programa estocstica de dos etapas para
la planificacin de redes de diseo de cadena de suministro de manera realista a escala. La primera etapa del programa incluye
las decisiones sobre la apertura y cierre de las instalaciones, los niveles de capacidad y la asignacin de productos entre las
plantas. La segunda etapa incluye las decisiones tcticas para determinar los volmenes de produccin y transporte ptimos.
Los autores consideran la incertidumbre en los costos de transporte, la demanda y las cantidades de suministro, as como pasos
discretos de capacidades de la planta. Con el fin de minimizar el tiempo de clculo, se integran un mtodo de descomposicin
acelerada Benders la utilizacin de una estrategia de muestreo para manejar un gran nmero de escenarios.
Todos los enfoques anteriores showmodels andmethods para variantes especiales de los problemas
estratgicos diseo de red. Algunas se concentran en el carcter estocstico de la planificacin
estratgica fl exibilidad. Algunos incluyen la optimizacin de la capacidad realista. Un aspecto muy
importante y crucial de la planificacin de la capacidad no se encuentra en casi todos estos enfoques: la
divisin de las tareas de planificacin de capacidad en la inicializacin de la capacidad tcnica y la
adaptacin de la capacidad de organizacin. Para hacer frente a los problemas complejos del mundo real
se presenta un programa entera mixta de dos etapas estocstico (incluyendo la anticipacin de la
adaptacin capacidad de organizacin) para la flexibilidad estratgica y la planificacin de la capacidad
de las redes de produccin en la industria del automvil en la siguiente seccin.
formulacin 3 Modelo
Dejar PAG el conjunto de productos que se produjo, transformadas o transportado en una red de la cadena de suministro dentro del
horizonte de planificacin descrita por el conjunto de perodos de tiempo T.
123
tabla 1 Lista de ndices
Smbolo Definicin
PAG Conjunto de productos
F Conjunto de instalaciones (plantas / lneas de produccin)
Sf Conjunto de etapas de capacidad para inicializar-line F F
METRO Conjunto de los mercados
T Conjunto de plazos
norte Conjunto de escenarios de demanda
W Conjunto de modelos de cambio
Tabla 2 parmetros de costos
Smbolo Definicin Unidad
rt Tipo de inters para el clculo del valor del capital en el periodo t (%)
kP I C cantidad de inversin especfica del producto, (MU)

pf
Si el producto pag se destina a la instalacin F
kK I sf Cantidad de inversin con sede en la capacidad, (MU)
Si el escenario capacidad tcnica s se inicializa en las instalaciones F
KPV ps costos variables de produccin de producto pag (MU / QU)

pies
en la etapa de la capacidad s, instalaciones F y el perodo t
PFT los costos de produccin de ficcin basada jos de producto pag En Fondo F y el perodo t (MU)
KPF
kK F Capacidad basada costos fi x de la etapa de la capacidad inicializado s, eso ocurre, (MU)

SFT
si en realidad est desplegado en las instalaciones F y el perodo t
kT I PFF ' t tasa de coste para el transporte interno de una unidad de producto pag (MU / QU)
desde las instalaciones F a las instalaciones F ' en perodo t
kT E PF tasa de costo de transporte externo de una unidad de producto pag (MU / QU)
mt
desde las instalaciones F al mercado metro en perodo t
PMT
KSF
Los costos de oportunidad para dficit de una unidad de producto pag (MU / QU)
en el mercado metro y el perodo t
KMi N Costo para reducir la capacidad de la etapa s En Fondo F (MU / CU)

SFT
y el perodo t el uso de instrumentos de organizacin por una unidad (aproximacin lineal)
SFT Costar a aumentar la capacidad de la etapa s En Fondo F (MU / CU)

KMAX
y el perodo t el uso de instrumentos de organizacin por una unidad (aproximacin lineal)
cada elemento pag PAG puede representar una materia prima, un bien intermedio o un buen final. Por otra parte dejar F el
conjunto de lneas de produccin y plantas. En consecuencia, un elemento F F caracteriza una instalacin de transformacin
de un producto pag PAG en otro producto pag ' PAG. El conjunto de los mercados METRO y el conjunto de conexiones de
logstica entre lneas de produccin o lneas de produccin y los mercados de formar la red de produccin como un grfico no
cclico dirigido. En mesa 1 damos una lista completa de los conjuntos utilizados en nuestro modelo. Parmetros del modelo se
distinguen en basada en los costes y la cantidad basada en el
123
Tabla 3 parmetros basados Cantidad
DPMT La demanda del producto pag en el mercado metro y el perodo t (QU)
cK sf La capacidad de la etapa s En Fondo F por perodo de tiempo normal de trabajo (CU)
PF CEFF Factor que Refleja la prdida de e fi ciencia inducida por flexibles (%)
produccin de producto pag En Fondo F
PF Factor que Refleja la prdida de capacidad en el primer perodo (%)

CAV
de la produccin de producto pag En Fondo F
cK B ps Cantidad de unidades de capacidad de la etapa s necesaria para producir una unidad (CU / QU)
f
del producto pag En Fondo F
CMK f Capacidad tcnica por perodo en instalaciones F en el tiempo de trabajo mximo (CU)
CBOM p ' pag Nmero de unidades de producto pag ' para producir una unidad (QU / QU)
del producto pag ( lista de materiales)
Tabla 4 Varios parmetros
norte Probabilidad de escenario norte
dKMI N sf Minimal reduccin de la capacidad relativa de los instrumentos de organizacin (%)
en la etapa de la capacidad s y la instalacin F
dKMAX sf aumento de la capacidad relativa Maximal por los instrumentos de organizacin (%)
en la etapa de la capacidad s y la instalacin F (%)
DPMI N pft Lmite inferior de la cantidad de producto pag producido en instalaciones F y el perodo t
PFT DPMX Lmite superior de la cantidad de producto pag producido en instalaciones F y el perodo t
PFT Lmite superior de la variable de asignacin de producto YPA

dLE PFT,
lo que indica la asignacin de producto pag a las instalaciones F en perodo t
(Si se establece en 0, YPA

PFT se fi ja a 0)
PFT Lmite inferior de la variable de asignacin de producto YPA

dLF PFT,
lo que indica la asignacin de producto pag a las instalaciones F en perodo t
(Si se establece en 1, YPA

PFT se fi ja a 1)
parmetros (vanse las Tablas 2 , 3 ). Adems, existen varios parmetros que representan los ajustes de poltica
corporativa (vase la tabla 4 ). Hay parmetros basados coste con respecto a tanto el pago solo perodo fl inversiones
o costos- una vez basado en la inversin y OWS-como continuamente pago flujos-como fi costs.MU fijo y variable
representa la unidad de medida para parmetros de coste y se refiere a unidades de capacidad (CU) , unidades de
cantidad (qu), perodos de tiempo ( t) o una combinacin de varias unidades de medida. Tras el proceso de
planificacin jerrquica del problema considerado, las variables de decisin del modelo correspondiente se pueden
pedir en las variables estratgicas y tcticas. Las decisiones estratgicas implican todos 'S / No'-decisiones y se
caracterizan por un cdigo binario. En orden
123
Tabla 5 Variables de decisin
Smbolo Definicin
yP I variable del indicador: 1, si la asignacin de producto pag

PFT
a las instalaciones F se inicializa en el periodo t, 0 en otro caso
PFT variable del indicador: 1, si el producto pag se produce en las instalaciones F perodo
YPA
t, 0 en otro caso
yK I variable del indicador: 1, si la etapa de la capacidad tcnica s

SFT
En Fondo F se inicializa en el periodo t, 0 en otro caso
yK Un variable del indicador: 1, si la etapa de la capacidad tcnica s

SFT
En Fondo F se despliega en el periodo t, 0 en otro caso
x P ps ft la variable no negativa real: cantidad de producto pag producido en instalaciones F y el
perodo t usando etapa capacidad s
XT I PFF ' t la variable no negativa real: cantidad de producto pag transportado desde la instalacin F a las
instalaciones F ' en perodo t ( transporte interno)
xT E PF la variable no negativa real: cantidad de producto pag transportado desde la instalacin F al

mt
mercado metro en perodo m ( transporte externo)
XMi N Variable real no negativo: cantidad de la que la capacidad de la etapa s En Fondo F

SFT
se reduce por los instrumentos de organizacin
SFT Variable real no negativo: cantidad de la que la capacidad de la etapa s En Fondo F

xMax
se incrementa en instrumentos organizativos
PMT
zsf la variable no negativa real: dficit de producto pag en el mercado metro en perodo t
para aproximar el problema real, todas las decisiones tcticas estn representados por las variables continuas valores
reales-(vase la tabla 5 ).
3.1 modelo determinista
A continuacin se presenta la formulacin determinista del modelo de optimizacin. Como un valor objetivo del
modelo descrito ( 1 ) - ( 17 ), Una relacin monetaria en trminos del valor actual de los flujos de pagos basados en
perodo se determina en la frmula ( 1 ). Refirindose a Goetschalckx ( 2001 ), El valor actual neto representa un objetivo
adecuado para los problemas estratgicos de diseo de la red, ya que re fl eja tanto un principio e fi ciencia y ventajas
temporales. El impacto de las decisiones estratgicas y tcticas sobre los flujos de pago fl se formulan por separado
en las funciones ZF S ( t) y ZF T ( t), respectivamente. Las decisiones estratgicas implican inversiones e inducen costes
fijos. Las decisiones tcticas dependen de los costos variables y los gastos de funcionamiento de causa y ganancias.
ZF S ( t) + ZF T ( t)
min = ZF (1)
( 1 + r t) t
T
( )
con ZF S ( t) = k PF PI yPFT
Pi
+ k PFPFT y Pensilvania
PFT
PAG F
123
( )
+ k KI sf ySFT
KI + k KFSFT y KA
SFT
(2)
S F
( )
y ZF T ( t) = k MI N SFT SFT
x MI +N k MAX SFT x SFT
MAX
S F

+ k PV ps pies xpsPAG
pies
PAG S F

+ Pff ' t x TIPff
TIPff ' t
PAG F F ' k TI

+ k TE pf mt xPFTEmt
PAG F METRO

+ k PMT SF zPMT
SF (3)
PAG METRO
sujeto a ( 4 ) - ( 17 ).
(restricciones 4 ) Y ( 5 ) Hacer cumplir las dependencias indispensables de la deci- estratgica

siones. En particular, las decisiones de enlace y de capacidad tcnica slo se pueden utilizar despus de la inicializacin
correspondiente. Debido a la naturaleza de la decisin de la capacidad slo uno de los conjuntos de opciones dada puede ser
utilizado para cada unidad de produccin ( 6 ).
y PFT PA y PFT PI ' pag, f, t (4)

t't
y KA SFT y KI SFT ' s, f, t (5)

t't

y KI SFT 1 F (6)
S T
Las decisiones sobre el nivel estratgico tienen una directa influencia sobre la utilizacin tctica de la red de
produccin. Por un lado, la decisin acerca de los vnculos determina la disposicin de factibilidad de produccin a las
lneas o lugares ( 7 ). Por otro lado, la capacidad ya est dimensionada en este nivel de decisin por la construccin de
edificios e instalaciones tcnicas ( 8 - 10 ). De esta manera el marco de accin para el coste-ef fi ciente adaptacin de la
capacidad a travs de instrumentos de organizacin es dada por un esquema de aproximacin lineal para cada
opcin de inicializacin de la capacidad. La viabilidad de la aproximacin se muestra en la Sec. 5 .
do KB ps f xpsPAG
pies do MK F
y PFT PA pag, s, f, t (7)
( )
do KB ps f xps pies
PAG
do K sf ySFT
KA
+ x MAX
SFT - x MI N SFT
f, t (8)
PAG S S
x MAX SFT re sfKMAX do K sf ySFT

KA
s, f, t (9)
)
x MI N SFT ( 1 - re KMI
sf N do K sf ySFT
KA
s, f, t (10)
123
La demanda prevista para los productos fi nales en los mercados de clientes est jugando un papel decisivo en el
diseo y uso de estructuras de red opcionales. Dado que la satisfaccin de todas las variantes posibles de la
demanda es un objetivo econmico por derecho propio, y el valor objetivo slo implica sobornos esperados, la
diferencia relativa entre la demanda posiblemente solicitada y cantidades de suministro proporcionado debe ser
compensada por la demanda llenan unful, la as denominado dficit. Para simplificar el modelo, asumimos que cada
fi unful llen resultados de cantidad de demanda en ventas perdidas.
z SF + PMT x TE pf mt re PMT pag, m, t (11)

F
Dado que nuestro problema de planificacin se basa en un proceso de valor aadido de varios niveles, dos ecuaciones
adicionales ( 12 y 13 ) Tienen que ser incluidas para asegurar un sistema cerrado del flujo de material. Para cada nodo de
nuestra red exactamente un entrante y saliente de una ecuacin se lleva a cabo para lograr un balance de materiales.

PF ' = ft pginas '
x P p ' SFT pag, f, t (12)
F ' x TI S PAG ' do BOM

x P ps ft = Pff ' t + x TE pf mt pag, f, t (13)
S F ' x TI METRO
Las restricciones adicionales se establecen con el fin de incorporar el conocimiento experto del proyecto o de las
decisiones polticas en el modelo genrico. La restriccin ( 14 ) Muestra el hecho de que algunas decisiones de asignacin
de producto podran ser fi jo, prohibida o tecnolgicamente imposible. Adems, la restriccin ( 15 ) Hace cumplir, si se da,
un marco para la salida factible de varias instalaciones de fabricacin. Por ejemplo, esta trama de salida se podra
establecer para asegurar el futuro econmico de un sitio de produccin o para alinear la asignacin de salida entre los
diferentes sitios.
re PFT LF y Pensilvania
PFT re LE PFT pag, f, t (14)
re PMI N pft x P ps ft re PMX

PFT
pag, f, t (15)
S
Un aspecto que no puede pasarse por alto en la planificacin a largo termcapacity-es, que no toda la capacidad en los
aos de lanzamientos de productos est disponible para cada lnea de produccin afectada. Por lo tanto la capacitywill ser
reducido por un porcentaje do AV
PF en la restriccin ( diecisis ).
Adems, incluimos desventajas potenciales como e fi ciencia que producen losseswhen diferentes productos en la
misma lnea por una tasa do FEP
en la restriccin ( 17 ).
PF
do K sf ySFT
KA
+ x MAX
SFT - x MI N SFT ( 1- do PF AV yPFT
Pi do MK sf s, f, t (diecisis)
PAG
)
do K sf ySFT
KA
+ x MAX
SFT - x MI N SFT ( 1- do PF FEP y PFT
PA
do MK sf s, f, t (17)
PAG
123
Por limitaciones ( 4 ) a ( 17 ), Se describe el espacio de la solucin para el deterministicmodel

su fi cientemente. Pero para una posible reduccin del tiempo de solucin requerida, las desigualdades vlidos adicionales
( 18 ) Y ( 19 ) Se aplican al modelo. Cordeau et al. ( 2006 ) Describe tales desigualdades adicionales para los problemas de
diseo de la red logstica. Un anlisis de la influencia en cuando solucin tambin se llevar a cabo ms adelante en la
Seccin 5 .

y PFT PI 1 p, f (18)
T

y KI SFT y PFT PI s, f (19)
T T PAG
3.2 Extensin a la planificacin de la plantilla tctica
Como se mencion en la Seccin. 2 , Planificacin de la plantilla tctica ya debera estar previsto a nivel
estratgico (para un modelo de planificacin de la plantilla detallada vase, por ejemplo Askar y Zimmermann
2006 ). Estas decisiones tienen un impacto esencial en el diseo ptimo de la estructura de la red al permitir
que los sistemas de produccin para adaptar las capacidades a travs del tiempo. Sin embargo, la integracin,
especialmente el nivel de detalle de la planificacin de la plantilla tctica tiene que hacerse con cuidado debido
a la influencia crucial en el tiempo de solucin requerida. Por lo tanto, el modelo formulado anteriormente
integra las decisiones tcticas a travs de un esquema de aproximacin linealizada. Esto garantiza tiempo de
solucin aceptable sin afectar altamente decisiones estratgicas. Sin embargo, este esquema de aproximacin
no es su fi ciente para determinar los costos totales del ciclo de vida. Por lo tanto extendemos el modelo
anterior que soporta la identificacin de rutas ptimas de adaptacin de la capacidad, por una parte, y el
clculo de costes de ciclo de vida en el otro lado para una estructura de red dada y una realizacin demanda
dada. 6 .
El modelo original se ajustar mediante la sustitucin de los trminos de costos de adaptacin de la capacidad en la
funcin objetivo y las restricciones de adaptacin de la capacidad. En la nueva funcin objetivo, la funcin ZF T ( t) es fi rede
definido como se muestra en la Ec. ( 20 ).
(
ZF T ( t) = rw
SM
SFT k WF
F
x wWF
SFT
F W S
)
+ k f HWF x HWF pies + k f FMF x FMF pies

+ k PV ps pies xpsPAG
pies
PAG S F

+ Pff ' t x TIpginas ' ff ' t
PAG PAG ' F F ' k TI

+ k TE pf mt xPFTEmt
PAG F METRO

+ k PMT SF zPMT
SF (20)
PAG METRO
123
Tabla 6 Otros parmetros y variables de decisin en la planificacin del personal de extensin
smbolo Definicin Unidad
YSM variable del indicador: 1, si el modelo de cambio w se elige en la etapa capacidad s, instalaciones
w SFT
F y el perodo t, 0 en otro caso
XWF Variable real no negativo: nmero de empleados desplegados en el modelo de cambio w,

w SFT
etapa capacidad s, instalaciones F y el perodo t
xHWF pies Variable real no negativo: nmero de empleados contratados en las instalaciones F en perodo t
x FWF ft Variable real no negativo: nmero de empleados despedidos en las instalaciones F en perodo tr SM
parmetro de coste: factor para el bono modelo de cambio de modelo de cambio w, etapa capacidad s, (%)
w SFT
instalaciones F en perodo t ( se multiplica por el salario de los empleados
Kwf f para obtener el tiempo, el modelo de cambio, y la etapa capacidad costes dependientes)
Kwf f parmetro de coste: salario por empleado en las instalaciones F (MU)
kHWF f parmetro de coste: los costos de contratacin por empleado en las instalaciones F (MU)
kFWF f los costos de despido por empleado en las instalaciones: parmetro de coste F (MU)
CSM parmetro Capacidad: cantidad de capacidad disponible en el modelo de cambio w y la etapa s, (CU)
w SFT
instalaciones F y el perodo t
DWF parmetro de fuerza de trabajo: nmero mnimo de trabajadores necesarios para implementar el modelo de cambio w
w SFT
en la etapa de la capacidad s, instalaciones F y el perodo t
(restricciones 8 ), ( 9 ), ( 10 ), ( diecisis ) Y ( 17 ) En el modelo original se sustituyen por con-

(straints 21 ) a ( 26 ). El modelo de cambio adecuado para una etapa capacidad s en una instalacin F
y en el periodo t se determina de restriccin ( 21 ). La restriccin ( 22 ) Asegura, que a lo sumo un modelo de desplazamiento se elige
para una etapa capacidad s desplegado en el perodo de tiempo t y la instalacin f. La restriccin ( 23 ) Impide que el nmero de
empleadores x WF
w SFT caiga por debajo de la
mano de obra requerida para un modelo de cambio elegido. La restriccin ( 24 ) Determina, cuntos empleados tienen que ser
contratados o despedidos para cumplir con la mano de obra requerida en el periodo t
y la instalacin F basado en el periodo de tiempo anterior. (restricciones 25 ) Y ( 26 ) Son los equivalentes a

restricciones ( diecisis ) Y ( 17 ) En el modelo original.

do KB ps f xps pies
PAG
do SM
w SFT y SM
w SFT
s, f, t (21)
PAG W

y wSM
SFT y KASFT
s, f, t (22)
W
x wWF
SFT re WFw SFT y SM w SFT
w, s, f, t (23)

x wWFSFT = x HWF
pie
- x FMF
pie
+ x wWFsf (t - 1) f, t (24)
W S W S
)

do SM
w SFT y SM
w SFT ( 1- do PF AV yPFT
Pi do MK sf s, f, t (25)
W PAG
)

do SM
w SFT y SM
w SFT ( 1- do PF FEP y PFT
PA
do MK sf s, f, t (26)
W PAG
123
Tenga en cuenta, que el extendedmodel es de mucha mayor complejidad computacional que el modelo original. Esto se
debe principalmente a las variables de decisin binarias adicionales y SM
w SFT.
Debido a que estas variables se encuentran en la etapa tctica del modelo, la versin estocstica del extendedmodel no es
susceptible de descomposicin de las brechas theBenders' presentado en la Seccin. 4 . Por lo tanto, no tiene solucin para
las dimensiones de problemas prcticos. Sin embargo, el modelo determinista extendida es soluble y se puede implementar,
por ejemplo, para evaluar las soluciones de planificacin estratgica que se encuentran por el modelo estocstico, que se
presenta en la siguiente seccin. Un escenario tpico de cmo las diferentes variantes de modelos se pueden combinar en la
prctica se presenta en el estudio de caso en la Seccin. 5 .
3.3 Modelo estocstico
Para extender el modelo determinista del problema de planificacin estocstica por influencias, suponemos que slo las
cantidades de demanda son conocidos uncertainwith distribuciones de probabilidad. Fundamentos de la programacin
estocstica son discutidos por Birge y Louveaux ( 1997 ) y Kall y Wallace ( 1994 ). El modelo extendido, ms precisamente el
modelo equivalente determinista, se formula como una estocstica de dos etapas, el programa de enteros mixto con fi ja
recurso completa. Las decisiones de primera etapa en el nivel estratgico se mantienen sin cambios, las decisiones de
segunda etapa se incluyen en la funcin objetivo a travs del valor esperado del valor ptimo de cada escenario Q norte. Las
dos etapas del modelo equivalente determinista son espec fi ed continuacin. problema ( 27 ) Representa la etapa
estratgica (primera), que se formula como un problema 0-1 puro, que contiene las decisiones sobre la asignacin de
producto y el dimensionamiento de la capacidad. La (segunda) etapa tctica se muestra en el problema ( 28 ). Slo conjunto
de restricciones ( 29 ) Difiere ligeramente de la limitacin de la demanda ( 11 ) Considerando una demanda escenario
dependiente re npago. Adems, las restricciones ( diecisis ) Y ( 17 ) No son considerados en la formulacin estocstica, ya
que no eran necesarios en nuestros estudios de casos prcticos. Ellos pueden ser fcilmente aadidos, si es necesario.
(
ZF S ( t)
min ZF Stoch = norte Q norte y PENSILVANIA, y KA) (27)
( 1 + r t) t +
T norte
st (restricciones 4 ) - ( 6 ), ( 14 ), ( 18 ) - ( 19 )
y PFT PI, las y Pensilvania

PFT, y KISFT, y KA
SFT { 0, 1} pag, F, s, t
con
(
ZF T ( t)
Q norte y PENSILVANIA, y KA) = min (28)
( 1 + r t) t
T
st z SF + PMT x TE pf mt re npago norte, pag, m, t (29)

F
(restricciones 7 ) - ( 10 ), ( 12 ), ( 13 ), ( 15 )
x MI N SFT, x MAX SFT, x P ps ft, x TI
Pff ' t, x TE mt PF, z SFPMT
PMT 0 F, s, pag, m, t
Tenga en cuenta, que, con el fin de mantener el modelo computacionalmente tratables, la aproximacin lineal de la
adaptacin de la capacidad de organizacin se utiliza en el modelo estocstico vez
123
de la extensin descrita en la Seccin. 3.2 . Sin embargo, el clculo del modelo estocstico formulado a travs de
commonMIP algoritmos de resolucin de no conducir a tiempos de solucin aceptables cuando se aplica el modelo a
los casos del mundo real en la industria automotriz. Sin embargo, puesto que la segunda etapa no contiene ninguna de
las variables binarias, el modelo es susceptible al enfoque dobladores de descomposicin altamente especializado, que
ser presentado en la prxima seccin.
mtodo 4 Solucin
Esta seccin describe un mtodo de solucin adecuada para el programa estocstica de dos etapas formulado. Un
algoritmo comn para la optimizacin de los programas estocsticos de dos etapas es el esquema de descomposicin
propuesto por Benders en ( 1962 ). Este esquema de descomposicin es la base de la estrategia algoritmo propuesto.
Por lo tanto, el modelo formulado se divide en un problema principal, incluyendo todas las decisiones estratgicas, y en norte
problemas secundarios, cada uno de los cuales incluye las decisiones tcticas para un escenario de demanda. Las
decisiones con respecto a-tcticos previstos capacidad de organizacin adaptacin se incorporan siguiendo el esquema de
aproximacin lineal. Esto se hace, debido a que la aproximacin lineal de la relacin costo-capacidad tiene apenas o
ninguna influencia sobre las decisiones estratgicas en comparacin con la formulacin entera mixta detallada del problema
planificacin tctica. An as, el clculo detallado de los costos y la utilizacin se tiene que hacer. Por lo tanto, despus de
resolver el problema principal, la tarea de planificacin modelo de cambio se realiza para las decisiones estratgicas fijos y
todos los escenarios de demanda.
4.1 Resumen de diseo del algoritmo de solucin
El primero conjunto de la estrategia algortmica es la generacin de diferentes escenarios de demanda. El usuario puede
influir en este proceso mediante la determinacin de un conjunto de parmetros de generacin como valor medio, varianza,
correlacin y curvas del ciclo de vida de las cantidades de demanda de los productos. Los diferentes escenarios de demanda
se calculan por un Carlo mtodo de Monte que implica el clculo de las distribuciones log-normal para el ciclo de vida de
cada producto y considera tambin las correlaciones entre los diferentes productos. El segundo paso comienza la
inicializacin de las variables estratgicas mediante la ejecucin de un procedimiento heurstico basado en un simple
algoritmo de estimacin de la distribucin de los problemas combinatorios (para ms detalles ver Larraaga y Lozano 2001 ).
Las dependencias entre los valores de los parmetros se estiman mediante el clculo de los modelos de distribucin de
probabilidad como redes bayesianas. La evaluacin de la forma fsica de cada variable estratgica realizacin se lleva a cabo
mediante la resolucin de pequeos programas lineales que modelan el plan de produccin y la demanda ful llment fi de
forma aproximada. Posteriormente, el enfoque de descomposicin de Benders aplicada funciona de forma iterativa habitual
mediante la resolucin del problema principal, la solucin de los subproblemas y aadiendo norte cortes de optimalidad para
el problema principal hasta que un criterio de parada se alcanza. Dado que el modelo estocstico formulado se caracteriza
por un recurso completa fija, no hay cortes de viabilidad tienen que aadirse al problema principal. Algoritmo 1
muestra el marco de la estrategia algortmica implementado.
123
Algoritmo 1: estrategia algortmica abstracta

Entrada: tarea de planificacin estratgica de la red, predicho cantidades de demanda Generacin norte escenarios
1 de demanda a travs de simulacin de Montecarlo;

2 Inicializacin de las variables estratgicas;
mientras criterios de parada no se cumple hacer 3
4 Resolver el problema principal;
5 Resolver norte Subproblemas incluyendo esquema de aproximacin lineal;
6 Aadir norte Los cortes de optimalidad a Maestro;
7 Almacenar los valores ptimos de decisiones estratgicas;

8 Resolver programacin entera mixta de planificacin de turnos tctico para fi ja decisiones estratgicas;
Salida: ptima estrategia de fl exibilidad y plan de capacidad
4.2 Descomposicin de Benders Aplicada
Para la presente formulacin del modelo equivalente determinista, el programa estocstica de dos etapas se
separa en dos modelos: el nivel estratgico y tctico. A fin de reducir el tiempo de procesamiento, el modelo se
implementa en la versin multi-corte ( Birge y Louveaux 1988 ). Siguiendo el enfoque de MirHassani et al. ( 2000 ) El
modelo maestro incluye las decisiones tcticas de un escenario especficamente seleccionado para aumentar el
contenido de la informacin, especialmente en las etapas de iteracin fi primeros del esquema de
descomposicin. De esta manera, el maestro o modelo nivel estratgico es extensiva solamente por | N | - 1 las
variables continuas norte ' que representan un lmite inferior al objetivo de nivel tctico para cada representacin
escenario | N | - 1. El | N | - 1 decisiones tcticas son separados en | N | - 1 subproblemas. El esquema de
descomposicin itera la solucin del modelo maestro extendido, la resolucin de la | N | - 1 subproblemas, el
clculo de los coeficientes fi corte cientes y la adicin de los cortes de optimalidad resultante hasta un definido
criterios de parada se reunieron. Los criterios de parada aplicadas a la presente enfoque depende de la diferencia
entre el lmite inferior y el lmite superior del valor objetivo calculado en cada iteracin. El modelo maestro en la
iteracin yo se da en 30 y 31 .
ZF S ( t)
min ZF Stoch = (30)
( 1 + r t) t +
T
(
Q norte y PENSILVANIA, y KA) +
NORTE\{
norte}
norte norte
st (restricciones 4 ) - ( 6 ), ( 14 ), ( 18 ) - ( 19 )
y PFT PI, las yPFT, y KISFT,

Pensilvania
y KA
SFT { 0, 1} pag, F, s, t

n, KPFT y PFT +
Pensilvania n, ksft ySFTKA
T F PAG T F S
norte - n, k norte ( NORTE\ norte) k = 1, . . . , yo (31)
En cada iteracin la mejor solucin actual de las variables estratgicas se almacena y se transmite a los
subproblemas. Sobre esta base, las dos soluciones del restante | N | - 1
123
subproblemas se calculan. Las ecuaciones ( 32 ) a ( 34 ) Muestran el clculo de los coeficientes n, k
PFT, n, ksft y n, k para los cortes de optimalidad aplicadas al maestro extendido

problema para el norte- escenario despus de la k- iteracin. Antes de la primera iteracin de los coeficientes se
inicializa con 0. El clculo hace uso de vectores de variables duales ,
, , , , y asociado (en este orden) con las restricciones subproblema ( 29 ),
( 7 ) - ( 10 ) Y ( 15 ). La restriccin ( 15 ) Est asociado con dos vectores de variables duales
y . Las variables duales de las restricciones ( 12 ) Y ( 13 ) No se utilizan.
n, k - 1
n, KPFT = do MK f
ps pies
(32)
S
)
n, ksft = ( 1 - re KMIsfN do K sf SFT
n, k+- re
1
KMAXsf
do K sf SFT
n, k+- do
1
K sf n,piek - 1 (33)
( )
( )
n, k = re npago n,PMT
k - 1+ re PMI N pft n,PFT
k-1
+ re PMX
PFT
n,PFT
k-1 (34)
T PAG METRO F
Segn lo propuesto por Santoso et al. ( 2005 ) y Wentges ( 1996 ), tcnicas de aceleracin
se aplican al esquema de descomposicin. Dos de las tcnicas presentadas, el concepto de regin de confianza y la
heurstica de lmite superior, se aaden, ya que mostraron la mayor influencia positiva en el tiempo de procesamiento de
nuestra formulacin del modelo. En las primeras iteraciones de la Benders Descomposicin un mal comportamiento de
convergencia puede aparecer, debido a que las soluciones calculadas del problema principal estn oscilando
violentamente en el espacio de soluciones. Al evitar esta oscilacin, un comportamiento ms eficaz de convergencia se
puede lograr. La idea principal del mtodo regin confianza es la de limitar la brecha entre las soluciones secuenciados
explcitamente, de manera que la aleatoriedad de la direccin de bsqueda se puede reducir ( Ruszczy'
nski y Shapiro 2003 ). En nuestro caso, el mtodo regin de confianza

puede ser mejorado an ms. Esto es debido al hecho de que, por un lado las decisiones estratgicas estn divididos de forma
explcita en la asignacin de productos y la inicializacin de la capacidad. Por otra parte, debido a la naturaleza de mltiples
perodos del problema del concepto de regin de confianza tiene que ser aplicado de una manera diferente. Dejar Y Pi
yo
:={ ( pag, f) | T y PiPFT
PFT = 1} y
Y i KI : = { ( s, f) | T y KI
SFT = 1} ser conjuntos de ndices de la yo - iteracin. Introduciendo
la restriccin
( ) ( )
( 1 - y Pi )
PFT
+ y PFT
PI
Pi yo
(35)
( pag, f) Y yoPi T ( pag, f) / Y Pi T
yo
( ) ( )
( 1 - y KI )
SFT
+ y SFT
KI KI yo
(36)
( s, f) Y KIyo T ( s, f) / Y yoKI T
en el problema principal de la ( i + 1) -sima iteracin, se garantiza, que la solucin calculada est delimitado
dentro de una distancia Hamming de KI
yo
y Pi yo
, Respectivamente, a la
solucin anterior. Para aplicar una limitacin dentro de los primeros iteraciones del algoritmo de descomposicin se
inicia con Pi
i <| F | | P | y KI i <| F | | S |. Adems, en el
proceso del mtodo, la 'S son criados con una tasa dada R a
123
Pii + 1 = Pi i + (| F | | P |) R (37)
KI
i + 1 = KI i + (| F | | S |) R (38)
hasta que las restricciones ( 35 ) Y ( 36 ) Redundante. Por lo tanto un aumento de se lleva a cabo cuando el valor de la
funcin objetivo actual lb yo del problema principal es cerca al valor de la funcin objetivo mximo actual lb mx de manera que
para una velocidad dada R lb
| lb yo - lb max |
< R lb (39)
lb mx
es fi ful llena. Si ( 39 ) Es fi ful llena para la yo 'S, el mtodo es definido como estable y la regin de restriccin de
confianza se agranda. Durante la operacin de descomposicin de Benders' el valor del lmite superior ub disminuye
con un ritmo cada vez ms pequeo. Cuando la brecha optimalidad es pequea, el mtodo realiza numerosas
iteraciones, en el que el lmite superior slo mejora insignificante. Este problema de rendimiento se puede atribuir
a las decisiones exibilidad ptima fl calculados y Pi C
PFT del problema principal, que se diferencian
slo ligeramente. Correspondientes decisiones de capacidad y KI C

SFT
variate ms, pero tiene una an
ms pequea influencia sobre el valor de la funcin objetivo resultante. Para evitar estos ineficientes iteraciones el
siguiente procedimiento heurstico por Santoso et al. ( 2005 ) Se puede implementar, cuyo fi c adaptacin espec-problema
se describe en el algoritmo ( 2 ) .La heurstica considera
Algoritmo 2: heurstica de lmite superior
Entrada: parmetro NSUB dnde NSUB << N
1 Fijar mejor solucin encontrada hasta el momento yP IPFT

inc y yPAinc ;
PFT
2 Resolver modelo equivalente determinstico NSUB escenarios;
3 Almacenar soluciones ptimas yK I uh y yK Auh ;

SFT SFT
( )
4 Calcular el valor objetivo z = fN YP I inc
PFT
, PFT
yPAinc
, yK me eh
SFT
, yK Auh
SFT
;
( )
5 Si z < fN yP I CUR , PFT , yK me cur , SFT yK entonces
PFT yPAcur SFT Acur
6 actualizar YP I CUR y yPAcur ;

PFT yP I inc PFT PFT yPAinc PFT
7 actualizar yK I CUR y yK Acur ;

SFT yK I uh SFT SFT yK Auh SFT
8 Si z <ub a continuacin,
9 actualizar ub z;
10 actualizar yK AINC ;
SFT yK Auh SFT
un pequeo nmero norte sub del norte escenarios. En el primer paso la mejor asignacin de productos encontrado hasta este
punto es fijo. En el segundo paso el modelo equivalente determinista reducida ser resuelto por norte sub escenarios, dando
lugar a decisiones de capacidad presumiblemente subptimas y KI uh
y y KA uhSFT . Para la fi jacin combinado de estos fl exibility- y

SFT
( )
decisiones de capacidad, el valor de la funcin objetivo F norte y Pi
PFT
C , y Pensilvania ,C
PFT
y SFT
KI uh , y KA uh
SFT
de
el problema de norte escenarios es computado en el tercer paso. Por otra parte, el objetivo
123
Tabla 7 Caractersticas principales

Propiedad Cantidad
variantes de producto diecisis
Instalaciones 8
perodos 5
etapas de capacidad tcnica 2
variables binarias 1440
Variables continuas 1520
igualdades 1480
Las desigualdades 13520
( )
valor de la funcin F norte y Pi canalla
PFT
, , y KI canalla
y Pensilvania canalla
PFT SFT
, y KA
SFT
canalla de la solucin actual de la Mas-
problema ter se determina. Si la solucin y Pi C PFT

, y Pensilvania ,C
PFT
y SFT
KI uh , y KA uh
SFT
es mejor, a continuacin,
sta ser fijada como solucin actual del algoritmo de descomposicin. En caso de que esta solucin es,
adems, limitan un ms bajo superior, ub se actualiza y la solucin se almacena.
5 Los resultados numricos y estudio de casos
En esta seccin, evaluamos nuestro enfoque de modelado computacional y la solucin relativa a la e fi ciencia y la
aplicabilidad a problemas del mundo real. En primer lugar, el rendimiento de las tcnicas de aceleracin se mide por su
aplicacin a una versin extendida de un problema abstracto formulado por Jordan y Graves ( 1995 ). En segundo lugar,
se comparan los dos esquemas de adaptacin de capacidad aplicadas, el esquema de aproximacin lineal y la
planificacin detallada fuerza de trabajo, por ejemplo, un pequeo problema casi real. Finalmente, se discuten los
resultados de una aplicacin piloto a un problema del mundo real en la industria automotriz. Los resultados del enfoque
de solucin se comparan con una estrategia de flexibilidad y capacidad desarrollada por los planificadores.
5.1 Las pruebas de rendimiento
Las pruebas de rendimiento se llevan a cabo en una extensin del problema estratgico el resumen de diseo de red
propuesto por ( Jordan y Graves 1995 , pag. 585). Se extiende a varios perodos de tiempo con ciclos de vida distintivos
y diferentes parmetros de los costos de produccin, el transporte y el dficit en cada instalacin. Adems, las
opciones de fl exibilidad no estn restringidas, pero asociados con diferentes niveles de inversin. Mesa 7 muestra las
principales caractersticas de la formulacin determinista del problema de prueba. cantidades de demanda se calculan
sobre la base de una distribucin normal logartmica con parmetros dados,
es decir, el valor esperado y la desviacin enfoque solucin ranges.Our est implementado en Java usando las
bibliotecas de tecnologa concierto de CPLEX 10.0 para la solucin de los programas lineales y enteros
mezclado dentro del esquema de descomposicin. Para comparar el rendimiento con los enfoques de solucin
comn, se implement una formulacin completa del modelo determinista equivalente dentro de este marco. El
experimento
123
35.000
enfoque de solucin
estndar de
30.000
descomposicin
25.000
Tiempo de CPU en segundos
20.000
15.000
10.000
5,000
0 50 100 150 200 250
escenarios
Figura 1 tiempo de solucin
los clculos se ejecutan en un PC GHz PentiumM 1,7 con 1,0 GB de RAM con Windows XP. Para analizar el
rendimiento de nuestro enfoque, se compararon los resultados de los diferentes tamaos de las muestras a los
resultados de la formulacin equivalente determinista completa. Una solucin se considera como ptima si la brecha
entre inferior y lmite superior es menor que 0,1%. Figura 1 muestra los resultados de nuestro enfoque de solucin ( enfoque
solucin)
comparedwith esquema de descomposicin a standardBenders ( descomposicin) as como con la formulacin
equivalente determinista completa ( estndar) con tamaos de muestra de 5 a 200 escenarios. esquema de
descomposicin El estndar Benders' es ya ventajosa en comparacin con la formulacin equivalente
determinista para un tamao de muestra mayor de 20 escenarios. Sin embargo, el enfoque estndar es poco
prctico para ms de 50 escenarios, el tiempo de solucin sera mayor que 10 h. En total nuestro enfoque de
solucin muestra una superioridad significativa en virtud de lo dado circumstances.Regarding las tcnicas
aplicadas, se examinaron diferentes combinaciones para lograr un ajuste ptimo, que funciona mejor en
diferentes instancias del problema. Los resultados en la Fig. 2 mostrar, que no existe una tcnica que domina
todos los otros tcnicas con respecto al rendimiento. implementaciones individuales de las diversas tcnicas de
aceleracin se superaron significativamente por combinaciones de ellos. La mejor combinacin para tanto el
problema abstracto y la instancia en el mundo real parece ser la combinacin de multicutting, regin de confianza
y la expansin del modelo maestro por un subconjunto elegido especialmente del subproblema.
5.2 Comparacin de los esquemas de adaptacin de capacidad
El estudio de caso primero se ocupa del esquema de anticipacin para la planificacin de la plantilla tctico. Se basa en
una instancia de un problema del mundo real pequea. El objetivo es determinar una estructura de red ciente fi coste-ef de
dos productos, tres posibles plantas cada uno con
123
25000
StartValues dobladores descomposicin
22500 Maestro Ampliado (EM) Confianza Regin
(TR) superior delimitador heurstico (UB)
20000 (SV) Multi Cut (MC) EM + TR + MC

Tiempo de CPU en segundos
17500
15000
12500
10000
7500
5000
20 40 60 80 100 120 140 160 180 200 220
escenarios
Figura 2 tcnicas de solucin
Las cantidades de demanda

1,600
1,400
1,200
La demanda por Perodo
1,000
800
600
400
200 Producto A
Producto B
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Perodo
planta 1 planta 2 planta 3

Etapa 1 Etapa 2 Etapa 3 Etapa 1 Etapa 2 Etapa 3 Etapa 1 Etapa 2 Etapa 3
Capacidad en tiempo de trabajo regular (c ^ K) 700 725 750 400 425 450 700 1000 1400
Capacidad basada invertir (k ^ KI) 4100 4200 4400 4800 4900 5000 3200 3600 6400
basados costes fijos de capacidad (k ^ KF] 385 390 395 430 440 450 520 630 1000
Los datos de entrada para lineal
Minimal relativa reduccin de la capacidad (c ^ KMIN) 33% 33% 33% 33% 33% 33% 33% 33% 33%
aproximacin Maximal aumento de la capacidad relativa (c ^ KMAX) 104% 104% 104% 104% 104% 104% 104% 104% 104%
costos de reduccin de capacidad (k ^ MIN) 0,10 0,10 0,10 0,45 0,43 0,42 0,25 0,23 0,17
aumentar la capacidad de los costes (k ^ MAX) 0,07 0,07 0,07 0,60 0,60 0,60 0,10 0,09 0,07
Nmero de empleados por turno (d ^ WF) 250 260 270 200 225 250 200 250 400
Salario por empleado (c ^ WF) salarial por trabajador 0,55
temporal contratacin de los costos por empleado (c ^ 0,60
Los datos de entrada para la
HWF) Costo Dissmissial por empleado (c ^ FMF) bono 0,01
planificacin detallada de la Fuerza Laboral
Shiftmodel (r ^ SM) mxima cantidad de trabajadores 0,55
temporales turno de noche (15%), turno de noche (20%), cambio Sbado (30%), Sbado turno de noche (45%)
30%
Fig. 3 Los datos de entrada para la planificacin de la plantilla
tres etapas de expansin de capacidad posible para un ciclo de vida con perodos de medio ao. Slo tenemos en cuenta las
inversiones y los costes de mano de obra fi jos. Figura 3 muestra la posible estructura redes y los datos de entrada relacionados,
por razones de confidencialidad fi los datos del problema ha sido resumidas.
Mientras que el approximationmodel lineal necesita un clculo ex ante de la capacidad fi jos costos y los costos de
adaptacin, en trminos de costes laborales, el modelo detallada planificacin de la plantilla incorpora explcitamente las
decisiones de contratacin y despido de trabajadores, considera
123
Capacidad de carga de la planta 1 (aproximacin lineal) Capacidad de carga de la planta 1 (Planificacin de la Fuerza detallada)
800 800
700 700
Produccin Produccin Producto B Producto A
Capacidad (WorkTime regular) Planta 1 Capacidad
600 600
(organizacional) Planta 1
500 500
400 400
300 300
200 200
100 100
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Perodo Perodo
Fig. 4 Comparacin de la capacidad de adaptacin (Ejemplo: Planta 1)
Tabla 8 La comparacin de los esquemas de aproximacin de la fuerza laboral
Aproximacin lineal La planificacin detallada mano de obra
Producto Planta 1 Asignacin A, B A, B
Producto Asignacin Planta 2 - -
Producto Planta 3 Asignacin UN UN
Capacidad de la planta 1 700 715
Producto especfico invierte 3550 3550
Capacidad especfica invierte 7700 8800
Los costos laborales fijos 14211 13671
shiftmodels diferentes y los employingworkers optionof solo temporalmente. Los resultados muestran que las decisiones
estratgicas son casi idnticas. La aplicacin de la planificacin detallada mano de obra solo conduce a un menor
aumento de la capacidad tcnica de inicializacin en el caso de la mayor prima de cambio para el sbado. Figura 4 presenta
la diferencia de capacidad de carga para el producto-fl exible Planta N 1. Mientras que el modelo de aproximacin lineal
est tratando de utilizar la capacidad tcnica, la planificacin detallada fuerza de trabajo es visualizar una utilizacin casi
realista de la workforce.If empleado toda la estructura de la red es consider, sin embargo, estos diferentes objetivos de
planificacin, tal como se aplica dentro de los diferentes esquemas de aproximacin, conducen a las mismas decisiones
estratgicas con casi los mismos costos (tabla 8 ).
5.3 Aplicacin a problemas del mundo real
El ejemplo del mundo real consiste en una red de tres plantas de fabricacin existentes. En cuanto al problema
abstracto del anterior apartado, que podra ser visto como una tarea de planificacin ms detallada sobre la misma
estructura de la red. Para ser ms realistas tenemos en cuenta las restricciones y parmetros de planificacin
adicionales. En este caso, no hay decisiones sobre el cierre de la abertura existente o de nuevas instalaciones. El
proceso de produccin se divide en varias etapas que tienen que ser llevado a cabo casi por completo en cada lugar,
debido a slo en la secuencia de los conceptos y las altas tasas de logstica interna. Sin embargo, las estrategias de fl
exibilidad tienen que ser incorporados ya que cada lugar se compone de
123
Tabla 9 compare concepto basado en cierta demanda
Indicador de rendimiento estrategia planificadores estrategia computarizada
enlaces adicionales en BIW 0 6
utilizacin de la capacidad tcnica (%) 82 87
fullfilment Demand (%) 100 100
Los costos de inversin (GE) 1080 1109
Los costos de operacin (GE) 1210 1180
Valor actual neto (GE) 988 990
varias lneas de produccin que se puede con fi gurar en su grado de flexibilidad y capacidad tcnica. En los otros conceptos de la mano
puesta en comn para el cuerpo en componentes blancas como cubiertas, o puertas podra ser implementado. La importancia de la
flexibilidad sucesor fl es debido al hecho de que el horizonte de planificacin para los tres modelos de automviles con hasta tres principales
variantes de cada uno cubre dos ciclos de vida de productos. El nfasis del estudio est en el taller de carrocera, ya que el potencial de
flexibilidad en esta seccin est fuertemente ligada a altos requerimientos de inversin y un alto grado de automatizacin. En las secciones
de taller de pintura y ensamblaje fi nal, las decisiones se concentran exclusivamente en la instalacin de capacidades adecuadas como las
estrategias de fl exibilidad se supone que son fi cado por digna ya las decisiones en el taller de carrocera. Las razones para esto son el
sistema de flexibilidad inmanente (taller de pintura) y el alto porcentaje de los procesos manuales (montaje fi nal). Cinco posibles etapas de
capacidad tcnica con necesidades de inversin, as como las tasas de costos para las cantidades de demanda estimadas, se determinaron
para cada lnea de produccin. La adaptacin de la capacidad a travs de acciones resultados de la organizacin de la oportunidad de
trabajar en diez a diecisiete turnos a la semana. Los costos fijos relacionados con modelos de cambio variables se aproximaron al asumir
una relacin proporcional entre la capacidad de organizacin y las tasas de costos. modelo de cambio de cambio de los costes se descuida
debido a su menor influencia en el precio total, que fue el resultado de anteriores estudios numricos. Finalmente hasta 100 escenarios se
calcularon las cantidades de demanda estimadas. Estos escenarios se determinaron mediante un esquema de Monte Carlo normal. Vamos a
comparar la solucin del modelo de optimizacin a una con fi guracin diseado por expertos de planificacin de la empresa. Este resultado
fi guracin mediante el clculo de la capacidad tcnica sobre la base de las cantidades de demanda estimadas. El procedimiento formthis
estrategia flexibilidad resultante ismainly caracteriza por lneas de produccin solitarios. Los costos fijos relacionados con la eleccin de los
modelos de cambio se calculan mediante un pequeo programa lineal de tamao, ya que este ejercicio de planificacin en s es demasiado
complejo para el clculo manual. La comparacin de la flexibilidad y la estrategia de la capacidad de este clculo manual (ms adelante
denominado Este resultado fi guracin mediante el clculo de la capacidad tcnica sobre la base de las cantidades de demanda estimadas.
El procedimiento formthis estrategia flexibilidad resultante ismainly caracteriza por lneas de produccin solitarios. Los costos fijos
relacionados con la eleccin de los modelos de cambio se calculan mediante un pequeo programa lineal de tamao, ya que este ejercicio
de planificacin en s es demasiado complejo para el clculo manual. La comparacin de la flexibilidad y la estrategia de la capacidad de
este clculo manual (ms adelante denominado Este resultado fi guracin mediante el clculo de la capacidad tcnica sobre la base de las
cantidades de demanda estimadas. El procedimiento formthis estrategia flexibilidad resultante ismainly caracteriza por lneas de produccin
solitarios. Los costos fijos relacionados con la eleccin de los modelos de cambio se calculan mediante un pequeo programa lineal de
tamao, ya que este ejercicio de planificacin en s es demasiado complejo para el clculo manual. La comparacin de la flexibilidad y la
estrategia de la capacidad de este clculo manual (ms adelante denominado estrategia planificadores) con la solucin de un enfoque de
optimizacin determinista ( estrategia computarizada) basado en ciertos escenarios de demanda, una ligera ventaja de la estrategia de
aislamiento es reconocible (Tabla cf. 9 ). Esta ventaja se debe a dos efectos. En primer lugar, a la capacidad del sistema ligeramente superior
ptima est instalado para la estrategia de aislamiento. En segundo lugar, un menor grado de fl exibilidad a fi ll cumplir la demanda estimada
se implementa, slo las diversas variantes para cada modelo de producto se fabrican en lneas de produccin flexibles. Estos dos aspectos
resultan en un mejor valor actual neto de las necesidades de inversin ms bajos. Teniendo en cuenta la demanda incierta
123
Tabla 10 compare concepto basado en la desviacin de la demanda
Indicador de rendimiento estrategia planificadores estrategia computarizada
utilizacin de la capacidad tcnica media (%) 82 87
fullfilment demanda media (%) 99.23 99.64
dficit medio por ao 1473 422
Los costos de inversin (GE) 1080 1109
Los costos promedio de operacin (GE) 1310 1241
Los costos promedio de dficit de (GE) 85 21
valor actual neto medio (GE) 1021 1006
La desviacin estndar de NPV (GE) 2.7 2.3
cantidades con desviaciones de hasta un 40 por ciento, la estrategia computarizada es cada vez ms y ms ventajoso (vase
la tabla 10 ). La estrategia calculada es capaz de cubrir la demanda de mayores cantidades debido a una mayor capacidad del
sistema 'libre'. Por lo tanto dficit de costes son bastante bajos. Escenarios donde los volmenes se desplacen de un modelo
de producto a otro, menores costos fijos se pueden conseguir por el uso de los potenciales fl exibilidad. Por otro lado la
estrategia de los planificadores est vinculado a mayores costos de dficit en los escenarios de gran volumen. En los
escenarios cambiantes mezcla de productos estrategia de los planificadores se caracteriza por la baja utilizacin y por lo tanto
por los mayores costos fijos.
Includinguncertainty en el comparisonof las dos estrategias, diferentes enfoques pueden ser elegidos. indicadores
de eficacia probada para el anlisis teniendo en cuenta la incertidumbre son, por ejemplo, el valor medio de los
rendimientos estimados o la varianza para riskmeasurement. En cuanto al mundo-problema real el valor presente neto
medio se toma como equivalente al valor medio. Ahora la ventaja de costos est volvindose hacia la estrategia
calculada. Sin embargo indicadores como el valor medio o desviacin estndar son en su mayora demasiado
agregados para lograr una fiabilidad perfecta en la ventaja de una estrategia. Nuevas formas de visualizar las ventajas
de las estrategias flexibles tienen que ser encontrado.
6. Conclusiones
En este trabajo, tenemos formulaciones proposedmathematical de red estratgica problemas de diseo en virtud de las
exigencias de incertidumbre para la industria del automvil desde el punto de vista de la capacidad y planificacin de la
produccin. Hacer hincapi en la necesidad de anticipar etapas consecutivas en un proceso de planificacin jerrquica, las
formulaciones tambin incluyen aspectos tcticos tales como la planificacin del personal. Adems, los enfoques de solucin a
medida se han aplicado sobre la base de Benders descomposicin. Los resultados numricos muestran que el enfoque de
solucin disminuye considerablemente el tiempo de disolucin en comparacin con los mtodos estndar. Por otra parte,
hemos demostrado que estos mtodos pueden manejar a gran escala, los problemas del mundo real y dar lugar a mejores
decisiones que los mtodos ampliamente aceptados para los problemas de planificacin reales en la industria del automvil.
Continuacin de la investigacin es necesario estudiar en detalle el efecto de las decisiones tcticas en los problemas
estratgicos de diseo de red. Por otra parte, los modelos deben ser extendidos para apoyar el clculo de los problemas de
suministro y transporte estratgicos que se producen en las redes de produccin flexibles.
123
referencias
Alonso-Ayuso A, Escudero LF, GARFIN A, MT Ortuo, Prez G (2003) Un enfoque estratgico para el suministro
planificacin de la cadena en condiciones de incertidumbre sobre la base de la programacin estocstica 0-1. J Global Optim 26 (1): 97-124 Arntzen
BC, Brown GG, Harrison TP, Traffton LL (1995) gestin de la cadena de suministro global en Digital
corporacin equipos. Interfaces 25 (1): 69-93
Askar G, Zimmermann J (2006) El uso ptimo de los instrumentos de flexibilidad en las plantas de automocin. oper Res
Proc, pp 479-484
Barnett L, Leaney PG, Matke J (1995) La lucha por la fabricacin de flexibilidad en la construccin de cuerpo. En:
Actas de la Conferencia IMechE AutoTech / 95
BeamonBM diseo (1998) Fuente de cadena y anlisis: Modelos andmethods. Int J Prodecon 55 (3): 281-294 Becker H (2005) Auf
Crashkurs. Automobilindustrie im globalen Verdrngungswettbewerb. Saltador,
Berlina
Dobladores JF (1962) prodedures particionamiento para resolver mixtos de programacin siguientes problemas. numer
Math 4: 238-252
Birge JR, Louveaux F (1988) Un algoritmo de multicut para programas estocstico lineal de dos etapas. Euro J Oper
Res 34 (3): 384-392
Birge JR, Louveaux F (1997) Introduccin a la programacin estocstica. Springer Series en las Operaciones
Investigacin. Springer, Nueva York
Boettcher J (1989) Programa Stochastische lineare mit Kompensation, sistemas matemticos en eco-
ICS. vol 115. Athenaum, Frncfort del Meno
Boyer KK, Leong GK (1996) flexibilidad de fabricacin a nivel de planta. Omega Int J Administrar Sci
24 (5): 495-510
Bruynesteyn M (2003) Flex apelacin. Prudential Equity Group, LLC
Chandra C, EversonM, Grabis J (2005) Evaluacin de nivel empresarial beneficios de la flexibilidad de fabricacin.
Omega Int J Administrar Sci 33 (1): 17-31
Cordeau SF, Pasin M, Salomn MM (2006) Un modelo integrado para el diseo de la red logstica. Ann Oper
Res 144 (1): 59-82
Ferber S (2005) Strategische Kapazitts- und in der Investitionsplanung globalen Supply Chain eines Auto-
mobilherstellers. Shaker, Indianpolis
Fleischmann B, Ferber S, P Henrich (2006) La planificacin estratgica de la red mundial de produccin de BMW. Enterrar-
enfrenta 36: 194-208
Francas D, M Kremer, Minner S, M Friese (2007) proceso estratgico fl exibilidad bajo demanda ciclo de vida. Int
J Prod Econ. doi: 10.1016 / j.ijpe.2006.12.062
Friese M, Bihlmaier R, S Buerkner (2005) La planificacin de las redes de produccin flexibles en la industria automotriz
industria. En: Conferencia Internacional sobre cambiante, gil, gurable recon fi y produccin virtual, Muenchen, 22-23 de
septiembre
Geoffrion AM, Graves GW (1974) el diseo del sistema de distribucin multiservicio por dobladores descomposicin.
Administrar Sci 20 (5): 822-844
Gerwin D (1982) hacer y no hacer de manufactura computarizado. Harvard autobs Rev 60 (2): 107-116 Goetschalckx StrategicNetwork
Planificacin. BT andCentre for Automotive IndustryResearch, Cardiff (2001) GoetschalckxM (2002) la planificacin estratgica de la red. En:
StadtlerH, Kilger C chainmanagement (eds) Suministro
y la planificacin avanzada. Springer, Heidelberg, pp 105-122
ILOG CPLEX 10.0 Inc. ILOG manual de referencia avanzada. Divisin de ILOG CPLEX, Francia, 2006 Jordan WC, Graves SC (1995)
Principios sobre los beneficios del proceso de fabricacin flexibilidad. Manejo de Sci
41 (4): 577-594
Kall P, Wallace SW (1994) de programacin estocstica. Wiley, Chichester
Larranaga P, Lozano JA (2001) Estimacin de los algoritmos de distribucin: una nueva herramienta para Compu evolutiva
tacin. Springer, Heidelberg
Meyer B (2004) la logstica de valor aadido para una lnea de montaje mundo. Bonifatius Verlag, Paderborn MirHassani SA, Lucas C, Mitra
G, Messina E, Poojari CA (2000) solucin computacional de la capacidad
Los modelos de planificacin bajo incertidumbre. Comput paralelo 26 (5): 511-538
Pibernik R (2001) Flexibilittsplanung en Wertschpfungsnetzwerken, 1 edn. Dt. Universitts-Verlag,
Wiesbaden
Roscher J (2008) Bewertung von Flexibilittsstrategien fuer die Endmontage in der Automobilindustrie.
Tesis doctoral, Institut fr Industrielle Fertigung und Fabrikbetrieb, Universitt Stuttgart
123
Ruszczy' nski A, Shapiro A (2003) Programacin estocstica, Manuales en Investigacin de Operaciones y Gestin de la Ciencia. vol
10. Academic Press, Australia
Santoso T (2003) Un modelo integral y el algoritmo de solucin e fi ciente para el diseo de la oferta mundial
cadenas condiciones de incertidumbre. Tesis de Doctorado, Instituto de Tecnologa de Georgia
Santoso T, Ahmed S, M Goetschalckx, Shapiro A (2005) Un enfoque de programacin estocstica para el suministro
diseo de la red de la cadena en condiciones de incertidumbre. Euro J Oper Res 167 (1): 96-115 Schneeweiss C (1999) jerarquas en la toma
de decisiones distribuida. Springer, Berln Sethi A, S Sethi (1990) La flexibilidad en la fabricacin: una encuesta. Int J Syst Manufactura Flexible 2 (4):
289-328 Vidal CJ, Goetschalckx M (2000) Modelizacin del impacto de la incertidumbre en los sistemas de logstica global. J Bus
Logstica 29 (1): 95-120

Wentges P (1996) que acelera la descomposicin del doblador para el problema de ubicacin de la instalacin capacitado. Mates
Mtodos Oper Res 44: 267-290
123

Bihlmaier2008 en Es

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Bihlmaier2008 en Es

Uploaded by

Copyright:

Available Formats

O Spectrum (2009) 31: 311-336 DOI

Modelado y optimizacin de la planificacin estratgica y tctica de

Ralf Bihlmaier Achim Koberstein Ren Obst

Publicado en lnea: 26 Agosto 2008

de mercado especialmente las empresas de la prima

A. Koberstein ( SEGUNDO) R. Obst

beneficios de la flexibilidad en la red de produccin del fabricante.

2 Planteamiento del problema

2.1 planificacin de la red estratgica en la industria del automvil

involucradas, 1 ao es una representacin adecuada para un perodo de tiempo en nuestro modelo.

que involucrar a las decisiones de ambos aspectos simultneamente.

2.2 Revisin de la literatura

Siguiendo el trabajo de Jordan y Graves, Francas et al. ( 2007 ) Evaluar el impacto

Alonso-Ayuso et al. ( 2003 ) Presentar un programa estocstico de dos etapas y un cor-

Fleischmann et al. ( 2006 ) Presentar un multi-periodo modelo detallado enteros mixto

horizonte de planificacin descrita por el conjunto de perodos de tiempo T.

tabla 1 Lista de ndices

PAG Conjunto de productos

F Conjunto de instalaciones (plantas / lneas de produccin)

Sf Conjunto de etapas de capacidad para inicializar-line F F

METRO Conjunto de los mercados

norte Conjunto de escenarios de demanda

W Conjunto de modelos de cambio

Tabla 2 parmetros de costos

Smbolo Definicin Unidad

kP I C cantidad de inversin especfica del producto, (MU)

kK I sf Cantidad de inversin con sede en la capacidad, (MU)

Si el escenario capacidad tcnica s se inicializa en las instalaciones F

KPV ps costos variables de produccin de producto pag (MU / QU)

en la etapa de la capacidad s, instalaciones F y el perodo t

kK F Capacidad basada costos fi x de la etapa de la capacidad inicializado s, eso ocurre, (MU)

si en realidad est desplegado en las instalaciones F y el perodo t

desde las instalaciones F a las instalaciones F ' en perodo t

desde las instalaciones F al mercado metro en perodo t

en el mercado metro y el perodo t

KMi N Costo para reducir la capacidad de la etapa s En Fondo F (MU / CU)

y el perodo t el uso de instrumentos de organizacin por una unidad (aproximacin lineal)

SFT Costar a aumentar la capacidad de la etapa s En Fondo F (MU / CU)

y el perodo t el uso de instrumentos de organizacin por una unidad (aproximacin lineal)

distinguen en basada en los costes y la cantidad basada en el

Tabla 3 parmetros basados Cantidad

Smbolo Definicin Unidad

DPMT La demanda del producto pag en el mercado metro y el perodo t (QU)

cK sf La capacidad de la etapa s En Fondo F por perodo de tiempo normal de trabajo (CU)

produccin de producto pag En Fondo F

PF Factor que Refleja la prdida de capacidad en el primer perodo (%)

de la produccin de producto pag En Fondo F

del producto pag En Fondo F

del producto pag ( lista de materiales)

Tabla 4 Varios parmetros

Smbolo Definicin Unidad

norte Probabilidad de escenario norte

dKMI N sf Minimal reduccin de la capacidad relativa de los instrumentos de organizacin (%)

en la etapa de la capacidad s y la instalacin F

en la etapa de la capacidad s y la instalacin F (%)

PFT Lmite superior de la variable de asignacin de producto YPA

(Si se establece en 0, YPA

PFT Lmite inferior de la variable de asignacin de producto YPA

(Si se establece en 1, YPA

Tabla 5 Variables de decisin

yP I variable del indicador: 1, si la asignacin de producto pag

a las instalaciones F se inicializa en el periodo t, 0 en otro caso

yK I variable del indicador: 1, si la etapa de la capacidad tcnica s