Resumen

La logística inversa, inducida por diversas formas de productos y materiales usados, ha recibido una atención creciente a lo largo de esta década. En un entorno altamente competitivo, el nivel de servicio es un criterio importante para el diseño de redes de logística inversa. Sin embargo, la mayoría de los estudios anteriores sobre devoluciones de productos sólo se centraban en el coste total de la logística inversa y descuidaban el nivel de servicio. Para ayudar a un fabricante de productos electrónicos a ofrecer un servicio de reparación postventa de calidad a sus consumidores, este trabajo propone un modelo de optimización de redes de logística inversa multiobjetivo que considera los objetivos del coste, la demora total del tiempo de ciclo y la cobertura de zonas de clientes. Para resolver este modelo de optimización multiobjetivo se emplea el Algoritmo Genético de Ordenación No Dominante II (NSGA-II). Para evaluar el rendimiento del NSGA-II, también se aplica un algoritmo genético basado en el enfoque de la suma ponderada y el Recocido Simulado Multiobjetivo (MOSA). El rendimiento de estos tres algoritmos heurísticos se compara mediante ejemplos numéricos. Los resultados muestran que NSGA-II supera a MOSA y al algoritmo genético basado en la suma ponderada. Además, se comprueban los parámetros clave del modelo y se extraen algunas conclusiones.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:enfoque de suma ponderada, nsga, algoritmo genético, nivel de servicio, algoritmo genético de ordenación no dominada ii, modelo de optimización multiobjetivo de redes de logística inversa, diseño de redes de logística inversa, recocido simulado multiobjetivo, mayoría de estudios anteriores, modelo de optimización multiobjetivo
• Keywords:weighted sum approach, nsga, genetic algorithm, service level, nondominated sorting genetic algorithm ii, multiobjective reverse logistics network optimisation model, reverse logistics network design, multiobjective simulated annealing, most previous studies, multiobjective optimisation model