Logística Inversa

Logística inversa y su integ ración a la cadena de suministro...

J. Ballesteros y J.H. J.H. Torres

Revista Virtual Pro ISSN 1900-6241 Bogotá, Colombia [email protected] www.revistavirtualpro.com

2014 José Ballesteros Muñoz, Jairo Humberto Torres Acosta Logística inversa y su integración a la cadena de suministro inteligente como estrategia de competitividad empresarial: propuesta de aplicación a sistemas cross docking Universidad Distrital Francisco José de Caldas Bogotá, Colombia

ISSN ISSN 1900-6241 No 149 Junio 201 4 :: Investigación Investigación de operaciones. operaciones. Segunda entrega


J. Ballesteros y J.H. J.H. Torres

Logística inversa y su integración a la cadena de suministro inteligente como estrategia de competitividad empresarial: propuesta de aplicación a sistemas cross docking (Reverse Logistics and its Integration into the Smart Supply Chain as a Strategy for Business Competitiveness: Proposed Application to Cross Docking Systems) José Ball B allesteros esteros Muñoz y Jairo Humberto Humberto Torres Acosta A costa

Universidad Distrital Francisco José de Caldas Bogotá, Colombia C olombia e-mail: [email protected], [email protected]

Resumen

En la actualidad, las cadenas de suministro se encuentran en un proceso de transformación de acuerdo a los avances avances tecnoló tecnológic gicos os y la divers diversif ifica icació ción n de los mercados mercados global globales. es. Sus gerent gerentes es buscan buscan diseñar diseñar estrategias que permitan hacer frente a los nuevos retos de la logística en cuanto a la complejidad que afro afront ntan an las las operaci operacione ones, s, la creci crecient entee demand demandaa y la neces necesid idad ad de sost sosteni enibi bili lidad dad ambi ambient ental al de los los diferentes productos y servicios. Un plante planteami amient ento o matemá matemáti tico co se materi material aliza iza como como el medio medio que permi permite te agrupar la totali totalidad dad de las variables a considerar en una cadena de suministro a través de las variables de logística inversa. Están determi determinadas nadas principalm principalmente ente por el aprovechamient aprovechamiento o de materi materiales ales que, posterior posterior al proceso de consumo, son factibles de ser incorporados nuevamente a un ciclo productivo, teniendo en cuenta el correcto uso de los flujos directos e inversos de los medios de transporte. Un sist sistema ema cross docking consti constituye tuye,, en flujo flujo invers inverso, o, el mecani mecanism smo o median mediante te el cual se reali realiza za un almacenamiento temporal para la clasificación y separación óptima de estos materiales. De esta manera, se pretende pretende obtener obtener una reducci reducción ón import important antee de los costos costos de fabric fabricaci ación ón y una ventaja ventaja compet competit itiva iva significativa en el mercado al existir un compromiso firme en el uso adecuado de los recursos disponibles y una correcta disposición cuando se encuentran en su etapa final de utilización.

ISSN ISSN 1900-6241 No 149 Junio 201 4 :: Investigación Investigación de operaciones. operaciones. Segunda entrega


J. Ballesteros y J.H. Torres

En este artículo se da cuenta de los diferentes enfoques que enmarcan la temática de cadena de suministro inteligente a nivel mundial y en la actualidad de la industria en Colombia. Se plantea un problema de investigación a través de una revisión documental y, como resultado, se propone un modelo de programación matemática que incluye las variables necesarias de un escenario real que permita representar los parámetros de una logística bidireccional e inversa en una estación cross docking ; ello permite ajustarlo o adaptarlo a aplicaciones particulares de cadenas de suministro. Palabras clave: ciencias de la administración, investigación de operaciones, logística, cadena de suministro inteligente, logística inversa, sistema cross docking, modelado, flujo inverso, ciclo productivo, competitividad empresarial

Abstract

Supply chains are currently undergoing a transformation process governed by technological advances and global markets diversification. Their managers are designing strategies with the new challenges in logistics in terms of operations complexities, growing demand and the need for environmental sustainability of different products and services. A mathematical approach is the tool to group all supply chain relevant variables through reverse logistics ones. Such variables are mainly determined by those materials that, after consumption process, are allowed to be included again in a productive cycle considering the correct use of transportation direct and reverse flows. As reverse flow, a cross docking system is the mechanism by which a temporary storage for optimal classification and separation of these materials is performed. In this way, a significant manufacturing costs reduction and market competitive advantages take place when there is a strong commitment related to the proper use of available resources and their correct final disposal. In this paper different approaches of smart supply chain worldwide and in Colombia are reviewed. A research problem resulted from literature is presented. A mathematical programming model is proposed. It includes all necessary real-world variables so that it could represent bidirectional and reverse logistics parameters in a cross docking station. This allows further, fitted supply chain applications. Keywords: management sciences, operations research, logistics, smart chain supply reverse logistics, cross docking

system, modelling, reverse flow, production cycle, business competitiveness

ISSN 1900-6241 No 149 Junio 201 4 :: Investigación de operaciones. Segunda entrega



Introducción

El mercado global ha obligado a las organizaciones a cambiar radicalmente sus formas de operación de acuerdo a las expectativas crecientes de los clientes, tales como el aumento continuo de la competencia a escala mundial basada en el tiempo, la calidad y la personalización masiva. Tal competencia feroz es guiada por los avances en la tecnología industrial, la globalización creciente y la inmensa mejora en la disponibilidad de información (Verma y Seth 2010).

El crecimiento actual de las cadenas de suministro a nivel mundial, las mejoras en la administración de fronteras, la infraestructura, los servicios de transporte y telecomunicaciones podrían originar un incremento de hasta 4,7% en el PIB mundial (World Economic Forum, 2013), lo cual obliga a los gobiernos a adoptar un enfoque integral que considere la cadena de suministro en su totalidad. Sin embargo, este crecimiento desenfrenado de la industria de cadena de suministro ya ha sido estudiado por algunas empresas como IBM (Soto y Rovira, 2009) quienes, para hacer frente a esta temática, definen lo que se conoce como cadenas de suministro inteligentes: aquellas que deberán adoptar un conjunto de competencias claves en busca de la integralidad de los actores que interactúan en ella. Al revisar dicho conjunto se hace frente a un nuevo reto: encontrar cadenas de suministro cada vez más complejas y globales.

El estudio de Soto y Rovira (2009) afirma que las filiales de las empresas de las principales cadenas de suministro en el extranjero se han triplicado durante la última década. Entre los años 1996 y 2007 pasaron de 265 000 a 790 000, lo que representa un crecimiento de 66,46% en tan solo nueve años. Este dato se podría interpretar como un cifra estimativa que permite inferir sobre la globalidad a la cual se enfrentan. En cuanto a la complejidad, las actuales cadenas de suministro están involucrando cada vez más compañías. Cerca de 80% de los ejecutivos de estas organizaciones esperan aumentar sus relaciones colaborativas con otras terceras. Adicionalmente se tiene la diversificación de los diferentes productos y servicios en la industria de consumo con la introducción de nuevos productos, la cual experimentó un incremento de 17% en 2006 con relación al año inmediatamente anterior.




De acuerdo a las estadísticas sobre la globalidad y complejidad de las cadenas de suministro a escala mundial, se desprende uno de los desafíos más importantes que debe ser foco de atención de los directivos y líderes empresariales: las políticas de sostenibilidad del medio ambiente. Una revisión sobre las estadísticas globales de implementación de este enfoque determina que no existe aún un compromiso marcado con el desafío de sostenibilidad para algunos líderes o directivos. A pesar de que no serán viables las cadenas de suministro que no tengan en cuenta el medio ambiente, solo 37% de los directivos lo considera actualmente un desafío y genera las acciones de incorporación de estrategias que incluyan su preservación de acuerdo a los impactos medioambientales que se viven en la actualidad, el cambio climático y el calentamiento global. A continuación se describen las estadísticas de Soto y Rovira (2009) con respecto a esta temática.

Figura 1. Encuesta a gerentes de cadenas de suministro acerca de la implementación de políticas verdes

Fuente: Soto y Rovira (2009)

De acuerdo a esta información, es evidente el compromiso de 63% de los directivos de cadena de suministro, quienes respondieron como muy significativo en la implementación de prácticas de sostenibilidad ambiental en el diseño de producto y envasado. No obstante, los aspectos que involucran las actividades de distribución, transporte, la preservación de la energía y el control de las emisiones de CO 2 no constituyen todavía un compromiso marcado dentro de las estrategias de sostenibilidad de los




principales actores de las cadenas de suministro.

Al realizar la revisión sobre las prácticas de políticas sostenibilidad del medio ambiente en las principales regiones del mundo, se obtuvieron los siguientes resultados.

Figura 2 y tabla 1. Categorización de la implementación de estrategias de sostenibilidad ambiental en las empresas de acuerdo a la ubicación geográfica

ESTRAT EGIA

EEUU, Canad á y México

Europa occidental

Asia y Asia Pacífico

Objetivos de fabricación

Neutral

Alto

Neutral

Diseño y embalaje de productos

Neutral

Neutral

Neutral

Iniciativas y planes estratégicos

Bajo

Alto

Neutral

Selección de transporte

Bajo

Alto

Neutral

Selección de externalización

Bajo

Neutral

Alto

Selección de almacén / Centro de distribución

Bajo

Neutral

Neutral

Rediseño red de distribución

Muy bajo

Alto

Alto

Selección de suministradores

Muy bajo

Neutral

Muy alto

Fuente: Soto y Rovira (2009)




Las prácticas de sostenibilidad ambiental en las regiones de Norteamérica y Centroamérica se categorizan como “muy bajo”. Adicionalmente se encuentra que en las regiones de Europa occidental, Asia y Asia Pacífico se califica como “alto” y “muy alto” la concientización en las operaciones logísticas basadas bajo parámetros de sostenibilidad ambiental, lo que indica a simple vista el diferencial existente en el desafío de sostenibilidad de las cadenas de suministro de la industria en Latinoamérica con respecto al resto de regiones del mundo. De acuerdo a esta situación, surge la necesidad de buscar alternativas que permitan integrar políticas rentables y ambientalmente sostenibles que desarrollen un posicionamiento de cadenas de suministros inteligentes y que se encuentren visibles, a la altura competitiva de otras regiones del mundo como Europa occidental y Asia.

Actualmente en Colombia el panorama sobre el desarrollo de las cadenas de suministro es acorde con las estadísticas mundiales. Según el Banco Mundial, el país se encuentra en el puesto 64 en el índice de desempeño logístico con una calificación en ascenso de 2,87 puntos (Portafolio, 2014)1. Esto muestra la necesidad de desarrollo de la logística colombiana actual contemplando de forma inicial superar la brecha de la conectividad a través de la mejora en la infraestructura de las carreteras, la modernización de los diferentes puertos marítimos, la navegabilidad de los ríos y la recuperación de los accesos y corredores ferroviarios (Beltrán, s.f.).

En el ámbito de sostenibilidad ambiental en cadenas de suministro colombianas, el concepto de logística inversa es relativamente nuevo. Sin embargo, existen algunas experiencias de aplicación con opciones de recuperación tales como el reciclaje, la reutilización y la remanufactura. Según el estudio llevado a cabo por Monroy y Ahumada (2006) en el que se analizaron diferentes factores —tipos de devoluciones más frecuentes, razones para la implementación de la logística inversa en estas organizaciones y las opciones de recuperación de la industria colombiana—, entre los casos de éxito se tienen empresas tales como MAC S.A, Ofipaim, Smurfit Cartón de Colombia (SCC), alianza entre Tetra Pak Colombia,

1

La clasificación se asigna en una escala de uno a cinco. Se miden elementos tales como la eficiencia del proceso de despacho de aduana, la calidad de la infraestructura relacionada con el comercio y el transporte, la facilidad de acordar embarques a precios competitivos, la calidad de los servicios logísticos, la capacidad de seguir y rastrear los envíos y la frecuencia con la cual los embarques llegan al consignatario en el tiempo programado.




Representaciones Industriales Orion (RIO) y Carronal, Cristaleria Peldar y Michelin Colombia.

Los resultados de esta investigación evidencian la preferencia de estas compañías por realizar la recuperación de los materiales en la etapa de post-consumo, de mano del consumidor o clientes directos. Además, señalan que el reciclaje es la actividad de recuperación de materiales que se presenta con mayor frecuencia. Las principales razones para la implementación de la logística inversa se muestran en la siguiente gráfica.

Figura 3. Razones de implementación de logística inversa

Fuente: Monroy y Ahumada (2006)

De acuerdo con estos autores, las principales motivaciones para tomar la decisión de implementar políticas de logística inversa son de tipo económico y ambiental, prevaleciendo sobre aquellas estimuladas por crecimiento en el mercado o factores de competitividad.




Según el contexto anteriormente analizado de globalización y complejidad de las cadenas de suministro, es evidente la necesidad de buscar alternativas que permitan hacer frente al desafío de la sostenibilidad en Colombia. El factor competitivo, sumado a la necesidad de conservación de medio ambiente, representa el fundamento que incentiva la búsqueda de metodologías que se adecuen al estudio del comportamiento de dichos sistemas y que estos se transformen en cadenas de suministro inteligentes competitivas y globalizadas. Todo lo anterior se puede reformular en la siguiente pregunta de investigación: ¿cómo desarrollar una técnica analítica que permita enfrentar el reto de la sostenibilidad ambiental de las cadenas de suministro inteligentes que constituyan un factor de competitividad empresarial?

Los sistemas cross docking en flujo inverso como estratégica de clasificación y recuperación de materiales del mercado hacia el productor constituyen una alternativa que no ha sido estudiada en Colombia a la luz de las técnicas de programación matemática con la finalidad de buscar el máximo en los niveles de rentabilidad y un esquema de costos verdes que incluya el aprovechamiento de materiales recuperados del mercado. Aquí se propone como una estrategia de sostenibilidad que pueden adoptar las industrias de cadena de suministro como aporte a la construcción de las competencias que requieren para hacer frente a los desafíos de complejidad de las operaciones actuales.

Los actores que involucran este estudio están representados por los proveedores de cadena de suministro, los cuales pueden proporcionar servicios de logística inversa en estaciones cross docking a los productores bajo el enfoque ya descrito. Un ejemplo de esto lo encontramos en empresas como Vifra2 que ofrecen servicios de recogida, clasificación, reacondicionamiento, devolución, reciclaje, entre otros. También se tiene a aquellas industrias manufactureras que, con el fin de lograr un factor competitivo en el mercado y un compromiso de conservación del medio ambiente con un marcado beneficio en costos, contratan servicios de logística inversa para recuperar estos materiales y reincorporarlos al ciclo productivo.

2

Vifra es una empresa de logística y transporte que además ofrece servicios complementarios que permiten ahorrar tiempo y dinero al cliente, con el valor añadido de aportar la suficiente flexibilidad como para enderezar situaciones inesperadas gracias al servicio de transporte urgente nacional e internacional. Su sede principal se ubica en la ciudad de Barcelona, España.




De acuerdo a lo anteriormente planteado es importante destacar la necesidad de la investigación con el fin de incentivar el desarrollo de las cadenas de suministro en Colombia. Estudios realizados acerca del posicionamiento de las cadenas de suministro inteligentes dentro del mercado actual sostienen que aquellas cadenas de suministro que durante los próximos diez años no adopten políticas medioambientales dentro de sus prioridades de desarrollo y modernización, no serán visibles ni competitivas en el mercado global de la logística de aprovisionamiento, siguiendo la tendencia actual que sugiere la concientización de la sociedad y el interés por parte de las empresas, gobiernos y la sociedad civil de buscar minimizar los impactos de la contaminación y el calentamiento global a los cuales se enfrenta la población mundial en la actualidad (Soto y Rovira, 2009; Santos-López y Santos, 2010).

Figura 4. Competencias y d esafíos de la cadena de suministro inteligente y su relación con la estrategia de integración

Fuente: elaboración propia (2014)




La figura 4 refleja las áreas de competencia de la cadena de suministro y los desafíos presentes en el mundo globalizado actual. Se destaca la necesidad de implementar la estrategia como mecanismo que permita abordar los retos de sostenibilidad ambiental mediante las competencias de la investigación de operaciones y la logística.

Logística inversa y cadena de suministro inteligente

En las últimas décadas la logística inversa ha tenido un desarrollo importante dentro del flujo de procesos en las cadenas de suministro de las empresas. En la actualidad existen propuestas que permiten un flujo de materiales y productos del consumidor hacia el productor, con el fin de poder realizar un aprovechamiento de materiales reutilizables en un nuevo ciclo productivo. El principal beneficio derivado de estas políticas en las organizaciones se traduce en una disminución de costos importante en los procesos de fabricación y una ventaja competitiva de sostenibilidad en las cadenas de suministro inteligente, como se analizó en el apartado anterior.

La implementación de la logística inversa dentro de las organizaciones genera, además de un panorama de sostenibilidad, un contacto con los clientes, quienes perciben con seguridad un producto sostenible, responsable y con el cual se puede comunicar, dando a conocer sus propuestas, inconformidades y mejoras que desean tener. La comunicación con los clientes se incluye también como uno de los desafíos de las cadenas de suministro inteligente; la logística inversa puede ser utilizada como vehículo para alcanzar este objetivo.

La estrategia pretende integrar la logística inversa como factor de sostenibilidad ambiental en la cadena de suministro inteligente, fijando una política de recuperación de materiales reutilizables en los puntos de consumo y retornándolos inicialmente a una estación cross docking . En este espacio se propone una proceso de clasificación y separación de estos materiales con el fin de poder ser devueltos al producto o generador en condiciones óptimas de reutilización.

Estación cross docking




En la logística moderna, uno de los desafíos a los que se han enfrentado los productores es la reducción de sus costos y el tiempo de distribución hacia sus clientes o sub-distribuidores. La estación cross docking surge como una propuesta que permite crear un lugar estratégicamente localizado hacia donde los productores pueden enviar sus pedidos y, luego de un proceso de distribución, estos se pueden reembarcar junto con productos de otros fabricantes hacia un mismo destino o cliente (Kalenatic, López-Bello, González-Rodríguez y Rueda-Velasco, 2008).

La utilización de las estaciones cross docking ofrecen un reducción importante en la cantidad de flujos de transporte desde el lugar de producción al centro de acopio y de allí al punto de consumo. Estos beneficios se traducen a su vez en una reducción importante en los tiempos de entrega y en una reducción de costos de distribución. Esta investigación se enfoca sobre las ventajas que ofrece actualmente el cross docking para los procesos de distribución y su uso adicional en flujo inverso para la recuperación y clasificación de materiales reutilizables.

Figura 5. El esquema cross docking en flujo directo





Hipótesis de estudio

De acuerdo al anterior planteamiento se obtienen las siguientes hipótesis de estudio: ● El diseño de un modelo de programación matemática constituye una herramienta que contribuye al logro de la estrategia de competitividad empresarial de la cadena de suministro inteligente a través de la integración de la logística inversa en los sistemas cross docking . ● Los costos asociados a una cadena de suministro inteligente que adopta la estrategia propuesta son relativamente iguales o inferiores a aquella que no la aplica.

El logro de la estrategia de competitividad empresarial se mide por la correcta implementación o acoplamiento de la técnica de programación matemática para la integración del sistema cross docking con la logística inversa en la cadena de suministro inteligente. Se obtienen costos mínimos de transporte y cantidades óptimas a transportar tanto de material de primera línea como de material recuperable del mercado. Al realizar un contraste entre los costos asociados a una cadena de suministro que contempla la estrategia propuesta versus otra que no la adopta, se evidencian diferenciales que podrán ser tema de discusión en la decisión de implementación de esta propuesta en una cadena de suministro. Metodología

Para alcanzar el objetivo planteado y con el fin de dar respuesta a la pregunta de investigación y debatir acerca de la hipótesis planteada se llevaron a cabo los siguientes pasos: ● Revisión documental y bibliográfica en torno a la conceptualización del problema de investigación ● Identificación de criterios de análisis comunes a las metodologías o técnicas seleccionadas ● Desarrollo del pretexto, texto y contexto del problema de investigación ● Planteamiento del modelo conceptual con respecto al modelo de programación ● Identificación del criterio del modelo de programación ● Identificación de parámetros, variables de decisión, conjuntos referenciales e índices del modelo programación que aplican de acuerdo a la estrategia de integración ● Escenarios del modelo de programación matemática




● Establecimiento de la función objetivo y conjunto de restricciones de acuerdo a escenarios ● Presentación del diseño del modelo propuesto basado en técnicas de programación matemática ● Alcance y salidas esperadas del planteamiento matemático para el desarrollo de la estrategia ● Conclusiones y recomendaciones Resultados

Descripción de la estrategia de integración De acuerdo a los enfoques analizados de cadenas de suministro inteligente, las competencias que se adoptan para plantear esta estrategia de integración se llevan a cabo a través de la gestión de operaciones y la logística que finalmente se visualiza en el diseño de un modelo de programación matemática.

Las figuras 6 y 7 ilustran y explican el sentido de la estrategia de integración, en la cual se plantea el modelo de forma gráfica y conceptual junto con las variables que se tienen en cuenta haciendo relación a la logística bidireccional que se plantea en la estación cross docking . Posteriormente se muestra el resultado del diseño del modelo matemático

Figura 6. Descripción de la estrategia de integración





Figura 7. Modelo conceptual de una cadena de suministro inteligente


Modelo matemático

De acuerdo a lo anterior se desarrolla el planteamiento de programación mixta, donde en principio se define cada una de las variables de decisión y los parámetros que se deben tener en cuenta. Ello les permitirá a los líderes de las cadenas de suministro contar con diversos elementos para la toma de decisiones.

Criterio del modelo matemático Minimizar los costos asociados al plan de distribución en la cadena de suministro inteligente mediante la estación cross docking , determinando las cantidades óptimas a transportar tanto en flujo directo como inverso.




Conjuntos referenciales Los conjuntos referenciales identifican el valor que puede tomar un parámetro en el modelo matemático: ●

i: índice que identifica el centro de producción

●

j: índice que identifica el centro de consumo

●

k : índice que identifica el tipo de camión

Parámetros del modelo matemático Los parámetros ai y b j definen la capacidad de oferta del centro de producción, la cual se encuentra dada por la capacidad instalada y disponible de producción de cada centro y la demanda requerida en los centros de consumo que es proporcionada por el mercado.

ai: capacidad de oferta del centro de producción i donde i = 1,2,...m b j: demanda requerida en el centro de consumo j donde j = 1,2,...n

Los parámetros c j y d i definen la capacidad de oferta de material reutilizable del centro de consumo y la demanda requerida de materiales en el centro de producción para el nuevo ciclo productivo, respectivamente. La integración de estos parámetros al planteamiento definen la política de logística inversa en la cadena de suministro. La capacidad de oferta de material reutilizable de los centros de consumo es un valor que no se puede estimar con facilidad, dado que no es posible determinar cuánto material reutilizable del proceso de consumo se podría recuperar; por lo general, este volumen no podría llegar a cubrir la demanda de materiales del centro de producción aunque si complementarla.

c j: capacidad de oferta del centro de consumo j de material reutilizable donde j = 1,2,...n d i: demanda requerida en el centro de producción i de material donde i = 1,2,...m

Para llegar a un acercamiento a la estimación de la capacidad de oferta de material reutilizable de los




centros de consumo se propone utilizar el planteamiento de los modelos ocultos de Markov (HHM)3 donde el estado oculto para el observador o el analista está dado por el volumen a recuperar de material reutilizable asociado a unas probabilidades de transición. Este procedimiento se debe ejecutar en primera instancia, ya que que los resultados sirven como entrada al planteamiento matemático.

Parámetros complementarios del modelo matemático ●

Cck : capacidad de carga del camión tipo k donde k = 1,2,...l

●

S k : costo de preparación y alistamiento de un camión tipo k donde k = 1,2,...l

●

Cud k : costo por unidad de distancia del camión tipo k donde k = 1,2,...l

●

Cd k : camiones disponibles del tipo k donde k = 1,2,...l

● NmaxV k : número máximo de viajes que puede realizar un camión tipo k donde k = 1,2,...l

Variables de decisión Conocer la cantidad óptima a transportar desde los centros de producción a la estación cross docking y al centro de consumo teniendo en cuenta la capacidad de oferta, la demanda en el centro de consumo, la capacidad del medio de transporte y una limitante de tiempo de número máximo de viajes a realizar en el periodo de análisis.

Y ik : cantidad a transportar desde el centro de producción i al centro de acopio (cross docking ) en el medio de transporte k donde i = 1,2,...m y k = 1,2,...l Z jk : cantidad a transportar desde el centro de acopio (cross docking ) al centro de consumo j en el medio de transporte k donde j = 1,2,...n y k = 1,2,...l

Conocer la cantidad a transportar de material recuperado en flujo inverso desde los centros de consumo a la estación cross docking y al centro de producción teniendo en cuenta la capacidad de oferta del centro de consumo, la demanda del centro de producción, la capacidad del medio de transporte y una limitante 3

Los modelos ocultos de Markov son una herramienta que permite estimar estos volúmenes en logística inversa con el fin de poder adoptar las estrategias necesarias. El modelo de Markov considera el número de retornos independientes en algún periodo de tiemp o dado; uti liza un modelo con estados de transición y estad os abso rbentes media nte el cual se tienen en cuenta las probabilidades que están asociadas al pasar de un estado a otro, las cuales son organizadas en una matriz de transición.




de tiempo de número máximo de viajes a realizar en el periodo de análisis. Estas variables definen la integración de la política de logística inversa a la cadena de suministro.

Yinv jk : cantidad a transportar desde el centro de consumo j al centro de acopio (cross docking ) en el medio de transporte k donde j = 1,2,...n y k = 1,2,...l Zinvik : cantidad a transportar desde el centro de acopio (cross docking ) al centro de producción i en el medio de transporte k donde i = 1,2,...m y k = 1,2,...l

Variables de decisión complementarias ●

V ik : número de viajes a programar desde el centro de producción i al centro de acopio (cross docking ) en el medio de transporte k donde i = 1,2,...m y k = 1,2,...l

●

U jk : número de viajes a programar desde el centro de acopio (cross docking ) al centro de consumo j en el medio de transporte k donde j = 1,2,...n y k = 1,2,...l

● Vinv jk : número de viajes a programar desde el centro de consumo j al centro de acopio (cross docking ) en el medio de transporte k donde j = 1,2,...n y k = 1,2,...l ●

Uinvik : número de viajes a programar desde el centro de acopio (cross docking ) al centro de producción i en el medio de transporte k donde i = 1,2,...m y k = 1,2,...l

Escenarios del modelo matemático ●

Escenario 1. Se analiza el costo de transporte del centro de producción al centro de acopio y de este al centro de consumo tomando en cuenta un medio de transporte que llega a su destino (centro de acopio o de consumo) y retornando a los puntos de origen con el fin de realizar nuevamente la misma labor de carga. Este retorno no podría considerarse como un incremento en el costo de transporte, dado que estaría incluido dentro del concepto “Viaje” (ida y regreso) y sería el mismo de no adoptar la estrategia de logística inversa en la cadena de suministro.

●

Escenario 2. Se considera el caso contrario, es decir, cuando el medio de transporte no es de propiedad de la transportadora. Se tiene un acuerdo de servicios con alguna empresa de distribución y logística bajo el cual el retorno del material reutilizable del centro de consumo al de acopio y luego al centro de producción implica un costo adicional; así, el concepto “Viaje”




estaría definido solo para cada trayecto contratado. En caso de darse este escenario, se tendría que evaluar si el aumento en el costo de distribución, sumado al costo de separación en el centro de acopio, sigue representando un ahorro para el productor al momento de incorporar estos materiales reutilizables a su proceso productivo; de lo contrario, al productor le quedaría más fácil no adoptar esta estrategia y buscar otras alternativas de sostenibilidad más económicas.

Para la función de costos se plantean los dos escenarios según la situación que pueda tener lugar. Las restricciones para ambas situaciones serán las mismas.

Función objetivo ●

C ik : costo de transporte de un viaje del centro de producción i al centro de acopio (cross docking ) en el medio de transporte k donde i = 1,2,...m y k = 1,2,...l

●

C jk : costo de transporte de un viaje del centro de acopio (cross docking ) al centro de consumo j al en el medio de transporte k donde j = 1,2,...n y k = 1,2,...l

● Cinv jk : costo de transporte de un viaje del centro de consumo j al centro de acopio (cross docking ) en el camión tipo k donde j = 1,2,...n y k = 1,2,...l ● Cinvik : costo de transporte de un viaje del centro de acopio (cross docking ) al centro de producción i en el camión tipo k donde i = 1,2,...m y k = 1,2,...l

Escenario 1 m

l

n

l

M inF = ∑ ∑ C ik V ik + ∑ ∑ C jk U jk i=1 k =1

(ec. 1)

j =1 k =1

Dónde: V ik = Vinv jk U jk = Uinvik Cinv jk = C ik Cinvik = C jk

Escenario 2



m

l

n

l

n


l

m

l

M inF = ∑ ∑ C ik V ik + ∑ ∑ C jk U jk + ∑ ∑ Cinv jk V inv jk + ∑ ∑ Cinvik U invik (ec. 2) i=1 k =1

j =1 k =1

j =1 k =1

i=1 l=1

Restricciones de oferta y demanda El planteamiento genera varios tipos de restricciones. Las dos primeras se conocen como restricciones de oferta y demanda de los centros de producción y de los centros de consumo, respectivamente. Se esbozan de la siguiente manera:

Oferta l

∑ Y ik ≤ a i

(i = 1, 2, ...m)

(ec. 3)

( j = 1, 2, ...n)

(ec. 4)

k =1

Demanda l

∑ Z jk ≤ b j

k =1

Las restricciones cinco y seis se conocen como restricciones de oferta de los centros de consumo y demanda de material reutilizable en los centros de producción. Son las restricciones de la política de logística inversa

Oferta de los centros de consumo l

∑ Y inv jk ≤ c j

( j = 1, 2, ...n)

(ec. 5)

k =1

Demanda material reutilizable en el centro de producción l

∑ Zinvik ≤ d i

(i = 1, 2, ...m)

(ec. 6)

k =1

Restricciones de capacidad de los medios de transporte m

n

∑ V ik + ∑ U jk ≤ N maxV k

i=1

j =1

C d k

(k = 1, 2, ...l)

(ec. 7)




Flujo inverso n

m

∑ V inv jk + ∑ U invik ≤ NmaxV k

j =1

C d

(k = 1, 2, ...l)

(ec. 8)

i=1

Restricciones de carga La cantidad a transportar debe ser menor o igual al producto de número de viajes a realizar desde el centro de producción i al centro de acopio por la capacidad de carga del tipo de transportek .

Y ik ≤ C c k

V ik

(i = 1, 2, ...m)

(k = 1, 2 , ...l)

(ec. 9)

La cantidad de material reutilizable a transportar debe ser menor o igual al producto de número de viajes a realizar desde el centro de consumo j al centro de acopio por la capacidad de carga del tipo de transporte k .

Y inv jk ≤ C c k

V inv jk

( j = 1, 2, ...n)

(k = 1, 2 , ...l)

(ec. 10)

La cantidad a transportar debe ser menor o igual al producto de número de viajes a realizar desde el centro de acopio al centro de consumo j por la capacidad de carga del tipo de transporte k .

Z jk ≤ C c k

U jk

( j = 1, 2, ...n)

(k = 1, 2 , ...l)

(ec. 11)

La cantidad a transportar debe ser menor o igual al producto de número de viajes a realizar desde el centro de acopio al centro de producción i por la capacidad de carga del tipo de transporte k .

Zinvik ≤ C c k

Uinv ik

(i = 1, 2, ...m)

(k = 1, 2 , ...l)

(ec. 12)

Restricciones de balance La sumatoria entre la sumatoria de la cantidad a transportar desde los centros de producción i hasta el centro de acopio y la sumatoria de la cantidad a transportar desde el centro de acopio al centro de consumo j debe ser igual a la sumatoria del producto de la capacidad de carga a través de los medios de




transporte disponibles por el número máximo de viajes posibles a realizar para todo tipo de transporte tipo k . Esta restricción obliga a que todo lo enviado desde el centro de producción i se transporte al centro de consumo j pasando por la estación cross docking .

m

l

n

l

l

∑ ∑ Y ik + ∑ ∑ Z jk = ∑ C C k C d k N maxV k

i=1 k =1

j =1 k =1

(ec. 13)

k =1

De igual manera, se debe garantizar que todo el material reutilizable recuperado en los centros de consumo se retorne al centro de producción generador. Sin embargo, en el proceso de separación y clasificación que tiene lugar en la estación cross docking puede existir material que es desechado por no encontrarse en condiciones de reutilización; por ello la cantidad que reciba el productor generador podría ser inferior a la que se embarcó desde el centro de consumo. La restricción para este caso se plantea de la siguiente manera:

n

l

m

l

l

∑ ∑ Y inv jk + ∑ ∑ Zinvik ≤ ∑ C C k C d k N maxV k

j =1 k =1

i=1 k =1

(ec. 14)

k =1

Restricciones lógicas Y ik , Z jk , Y inv jk , Zinvik ≥ 0

(ec. 15)

V ik , U jk , V inv jk , Uinv ik ≥ 0 y son enteros

(ec. 16)

Las restricciones lógicas permiten que las variables del modelo de programación no tomen valores inferiores a cero ni decimales.

Alcance y salidas esperadas del diseño del modelo matemático

Cuando el líder de la cadena de suministro inteligente lleve a ejecución este planteamiento matemático, se espera que tenga información suficiente que le permita tomar decisiones en cuanto al flujo óptimo de




productos que debe realizar a lo largo de la cadena de suministro. De igual manera, tendrá pleno conocimiento sobre los materiales reutilizables que podrá incorporar dentro de los ciclos productivos de cada uno de los centros de producción.

Tendrá la posibilidad de tomar decisiones en cuanto a la administración del recurso que tiene disponible con el fin de lograr su máximo aprovechamiento y eficiencia; lo anterior se traduce en un plan estratégico de suministro de productos y recuperación de material reutilizable que lleve a una disminución de costes de producción y un posicionamiento en el mercado frente a las cadenas de suministro inteligentes sostenibles.

El siguiente nivel después de la aplicación de la estrategia es la implementación y ejecución del plan, la cual estará en manos de líder de la cadena de suministro inteligente.

En la actualidad existe un gran conjunto de técnicas disponibles para la ejecución del modelo. El analista de la cadena de suministro podrá adoptar aquella que le brinde una mejor visualización e interpretación de los resultados de acuerdo al conjunto de datos de entrada del modelo. Se deben tener en cuenta apreciaciones tales como el conocimiento de la capacidad de oferta y demanda. No obstante y haciendo un análisis que va más allá de estos parámetros, se podría interpretar que el modelo también requiere una demanda y una oferta de productos que son factibles de recuperar del mercado consumidor y que incluye la posibilidad de retornar a un ciclo productivo.

Hacer inferencia sobre estos datos constituye un foco que abre las puertas a una nueva investigación que posibilite estimar esta información, la cual será necesaria como datos de entrada del modelo planteado en este artículo. Para este último caso, el mercado consumidor asumirá el papel de capacidad de oferta y el producto actuará como demanda. Se recomienda a los interesados llevar a cabo este análisis mediante los modelos ocultos de Markov.




Conclusiones

La cadena de suministro inteligente implica competencias y desafíos que deben ser foco de estudio por parte de los analistas y líderes empresariales. En este estudio el desafío de sostenibilidad ambiental se abordó a través de las competencias de la investigación de operaciones y la logística mediante una estrategia de integración.

Esto se expresó mediante el diseño de un modelo de programación matemática, el cual incluye las variables y parámetros asociados a la estrategia y que representa a escala general los modelos de distribución reales en Colombia. Su planteamiento sugiere la adopción de mecanismos adicionales que permitan estimar la oferta y demanda de productos factibles de recuperación del mercado.

Los sistemas cross docking constituyen el mecanismo que permite la integración de la logística inversa a la cadena de suministro inteligente para lograr hacer frente al desafío de sostenibilidad ambiental. Allí se remiten los flujos inversos y directos donde se realizan actividades de empaque, clasificación y consolidación de carga. En un segundo plano se llevan a cabo labores de clasificación, separación y reciclaje de materiales recuperados del mercado. Este punto es donde tiene lugar la integración.

En cada uno de los componentes del modelo de programación —variables, parámetros, función objetivo, restricciones, índices, entre otros— se incluyen y se relacionan aquellos que hacen referencia a la integración de la logística inversa en el modelo de programación matemática con el fin de ser analizados en los resultados posterior a la ejecución de este.

De acuerdo al análisis de los tipos de logística en Colombia, surge la necesidad de plantear dos escenarios del modelo de programación que se enfocan en la función objetivo, debido a los tipos de viajes que pueden darse entre los flujos directos e inversos de la cadena de suministro inteligente.

Las salidas esperadas del planteamiento matemático se orientan hacia la aceptación o rechazo de las




hipótesis de estudio. Por ello, a pesar de que estas se plantean en este artículo, solo se podrán debatir en la segunda fase de esta investigación, la cual estará centrada en la aplicación o prueba piloto del modelo de programación matemática.

Recomendaciones

Para el desarrollo del planteamiento matemático, se recomienda a los interesados utilizar un software de gran potencia y con la capacidad de análisis de gran cantidad de variables. Una opción a elegir es GAMNS. Asimismo, la estrategia también puede ser representada mediante técnicas de simulación discreta; se deberá escoger un escenario real y adaptarla a este.

A nivel general, la estrategia de integración de la logística inversa en una estación cross docking plantea una posición competitiva dentro del mercado de la logística global al incorporar posiciones de sostenibilidad y mayor aprovechamiento de los recursos. Profundizar en ello permitirá al investigador o analista de la cadena de suministro ir encontrando métodos que le permitan cada vez avanzar hacia una política moderna óptima que haga frente a la complejidad y globalización que en la actualidad encaran las empresas productivas, las cuales se proponen llegar a más tipos de mercados, diversificar sus productos e innovar de cara a las necesidades de un mercado en desarrollo.

Se sugiere al analista responsable contrastar los valores de costos obtenidos del modelo de acuerdo al escenario en el cual se encuentre su industria. De esta forma se podrán identificar cuáles fueron los ahorros y qué valor competitivo ha generado la estrategia en el mercado de industrias de cadenas de suministro. Adicionalmente, un fuerte campo de acción se centra en encontrar estrategias que permitan adoptar el resto de competencias; para este caso solo se estudiaron dos —investigación de operaciones y logística—, las cuales se podrán evaluar, aunque aún restan otras sobre las que existe mucho campo de investigación.

También se recomienda profundizar acerca de los mecanismos de estimación de material factible de




recuperación del mercado hacia el producto, con el fin de complementar el plan de distribución en la cadena de suministro. Para ello se sugieren las técnicas de los modelos ocultos de Markov.

Finalmente, en la ejecución del modelo se invita a contrastar los valores obtenidos del costo de distribución adoptando la estrategia de integración con aquellos que no la tuvieron en cuenta para cada uno de los escenarios. Ello permitirá elaborar un balance sobre los beneficios obtenidos en caso que se produzcan.




Referencias

Ballou, R.H. (2002). Business Logistics Management: Supply Chain Management. Planning, Organizing, and Controlling the Supply Chain. Upper Saddle River, NJ: Prentice Hall. Beltrán, N. (s.f.) Cadenas de abastecimiento verdes. Oportunidades de negocio. Revista de Logística. Consultado el 6 de abril de 2014 en http://www.revistadelogistica.com/Cadenas-de-abastecimiento-verdes-oportunidades-de-negocio.as p Calderón, J.L. y Lario, F.C. (2007). Simulación de cadenas de suministro: nuevas aplicaciones y áreas de desarrollo. Información Tecnológica, 18(1), 137-146. Consultado el 6 de abril de 2014 en http://www.scielo.cl/pdf/infotec/v18n1/art18.pdf Canella, S., Ciancimino, E., Framinan, J.M. y Disney, S.M. (2010). Los cuatro arquetipos de cadena de suministro. Universia Business Review, 26, 134-139. Consultado el 6 de abril de 2014 en http://ubr.universia.net/pdfs_web/UBR26010-07.pdf Capó-Vicedo, J., Tomás-Miquel, J.V. y Expósito-Laga, M. (2007). La gestión del conocimiento en la cadena de suministro. Análisis de la influencia del contexto organizativo. Información Tecnológica, (18)1, 127-135. Consultado el 6 de abril de 2014 en http://www.scielo.cl/pdf/infotec/v18n1/art17.pdf Cifuentes, S.P. y Moncada, C.A. (2010). Análisis de la función inversa de la logística en el proceso de distribución industrial en la línea de avicultura en SOLLA S.A.: recomendaciones de mejoramiento (tesis de especialización). Universidad Militar Nueva Granada, Bogotá, Colombia. Cordeau, J.-F., Gendreau, M., Hertz, A., Laporte, G. y Sormany, J.-S. (2005). New Heuristics for Vehicle Routing Problem. En A. Langevin y D. Riopel (eds.), Logistics Systems: Design and Optimization (pp. 279-297). New York, NY: Springer Science+Business Media, Inc. Holweg, M. y Disney, S.M. (2005). The Evolution Frontiers of the Bullwhip Problem. En K. Demeter (ed.), Proceedings of the EurOMA International Conference on Operations and Global Competitiveness (pp. 707-716). Bruselas, Bélgica: EurOMA. Kalenatic, D., López-Bello, C.A., González-Rodríguez, L.J. y Rueda-Velasco, F.J. (2008). Localización de una plataforma de cross docking en el contexto de logística focalizada utilizando distancias euclidianas. Ciencia e Ingeniería Neogranadina, 18(1), 17-34.




Leal, E. y Pérez-Salas, G. (2009). Plataformas logísticas: elementos conceptuales y rol del sector público. Boletín FAL, 6, 1-4. Logística, el reto para los TLC que tiene Colombia (2014, enero 7). Portafolio. Consultado el 6 de abril de 2014 de http://www.portafolio.co/negocios/logistica-colombia Monroy, N. y Ahumada, M.C. (2006). Logística reversa: retos para la ingeniería industrial. Revista de Ingeniería, 23, 23-33. Consultado el 15 de agosto de 2013 de http://www.redalyc.org/pdf/1210/121014221003.pdf Peña, V.A. y Zumelzu, L. (2006). Cadena de suministro: sus niveles e importancia. Consultado el 15 de agosto de 2013 http://www.alumnos.inf.utfsm.cl/~vpena/ramos/inf362/informe.supply_chain.pdf

en

Ribas-Vila, I. y Companys-Pascual. R. (2007). Estado del arte de la planificación colaborativa en la cadena de suministro: contexto determinista e incierto. Intangible Capital , 3(3), 91-121. Consultado el 15 de agosto de 2013 http://upcommons.upc.edu/revistes/bitstream/2099/3911/1/planificacion_colaborativa.pdf

de

Santos-López, F.M. y Santos, E. (2010). Aplicación de un modelo para la implementación de logística inversa en la etapa productiva. Industrial Data, 13(1), 32-39. Consultado el 15 de agosto de 2013 de http://www.redalyc.org/pdf/816/81619989005.pdf Simchi-Levi, D., Kaminsky, P. y Simchi-Levi, E. (2003) Designing and Managing the Supply Chain: Concepts, Strategies, and Case Studies. New York, NY: McGraw-Hill Professional. Soto, D. y Rovira, J.M. (2009). La cadena de suministro inteligente del futuro. Estudio global de la cadena de suministro. Consultado el 6 de abril de 2014 en http://www-03.ibm.com/press/es/es/attachment/27111.wss?fileId=ATTACH_FILE1 Svensson, G. (2008). Gestión de la cadena de suministro frente a la gestión de la cadena sostenible. ESIC Market , 129, 239-258. Consultado el 15 de agosto http://www.esic.edu/documentos/revistas/esicmk/080114_153652_E.pdf

de

2013

en

Verma, A. y Seth, N. (2010). Achieving Supply Chain Competitiveness: Some Critical Issues. International Journal of Engineering Science and Technology, 2(11), 6209-6213. Consultado el 15 de agosto de 2013 en http://www.ijest.info/docs/IJEST10-02-11-091.pdf




Villa-Marulanda, M., Torres-Delgado, J.F. y Ballestero, F.A. (2011) Revisión bibliográfica de los enfoques de teoría de juegos y Vendor Managed Inventory (VMI) para el estudio de cadenas de suministros. Puente, 5(1). Consultado el 6 de abril de 2014 en http://puente.upbbga.edu.co/index.php/revistapuente/article/download/28/28 World Economic Forum (2013). Enabling Trade Valuing Growth Opportunities. Ginebra, Suiza: autor. Consultado el 6 de abril de http://www3.weforum.org/docs/WEF_SCT_EnablingTrade_Report_2013.pdf

2014

de


Logística Inversa

Recommend Documents