REVISTA DYNA MANAGEMENT

Palabras clave:

Distribution planning, Bayesian Network, Supply Chain, Monte Carlo Simulation, Mixed-integer programming model, Uncertainty Quantification, Planificación de la distribución, Red Bayesiana, Cadena de Suministro, Simulación de Monte Carlo, Modelo de programación lineal de enteros mixtos, Cuantificación de incertidumbre., Quantification of uncertainty, distribution planning, Bayesian Networks, supply chain management, logistics

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

RESUMEN:
La planificación efectiva en la distribución de productos o bienes de consumo es necesaria para garantizar que un sistema de suministro pueda satisfacer la demanda de manera confiable y económica; Además, la competencia actual alienta a los fabricantes y minoristas de bienes de consumo a diferenciarse a través de la especialización del suministro de bienes y servicios que se adaptan a uno o más subgrupos o segmentos de mercado. Sin embargo, en el momento en que se toman las decisiones de distribución, muchos elementos del sistema son inciertos, como el nivel y la frecuencia de la demanda, el tipo y la ubicación de los centros de consumo, son un ejemplo de esta incertidumbre; Esto se debe a un conocimiento incompleto que surge de la falta de datos, errores de medición, falta de resolución, muestreo sesgado y / o aleatoriedad natural. En la actualidad, la toma de decisiones que explica tales incertidumbres generalmente se realiza considerando un pequeño conjunto de escenarios plausibles, y la cobertura limitada que resulta del espacio de parámetros limita la confianza de la decisión resultante con respecto al mundo real. Este documento presenta una metodología que utiliza emuladores estadísticos para cuantificar la incertidumbre en los resultados del modelo de programación lineal de enteros mixtos (MILP), para controlar la incertidumbre en el proceso de decisión que surge del conjunto de escenarios de distribución de productos de tamaño finito. Considerando la integración de las decisiones de producción, inventario y distribución en una cadena de suministro compuesta por varias instalaciones de producción que abastecen a varios centros de distribución que, a su vez, brindan servicios a minoristas ubicados en la misma región. El resultado es encontrar los niveles óptimos de producción y distribución entre un conjunto de fábricas, almacenes y puntos de venta / consumo bajo incertidumbre, considerando una red bayesiana que nos permite analizar la relación entre entradas y salidas para identificar entradas críticas inciertas.

Palabras clave: Planeación de la distribución, Red Bayesiana, Cadena de Suministro, Simulación de Monte Carlo, Modelo de programación lineal de enteros mixtos, Cuantificación de incertidumbre