Resumen

Este artículo aborda el problema de la Secuenciación de Facturación Optimizada (OBS) para maximizar la facturación de la cartera de pedidos de un Centro de Distribución (CD) típico. Se trata de un problema nuevo en la literatura, y la búsqueda de la mejor combinación de facturación ha generado demandas de mejores métodos de optimización para los CD. Por lo tanto, el objetivo de este trabajo es proporcionar un algoritmo eficaz que presente soluciones rápidas y optimizadas para niveles OBS de mayor complejidad. Este algoritmo se denomina Algoritmo Greedy Iterativo (IGA-OBS), y su rendimiento se compara con el algoritmo genético (GA-OBS) de Pinto y Nagano. Las evaluaciones de rendimiento se llevaron a cabo tras intensos experimentos computacionales para problemas con distintos niveles de complejidad. Los resultados demuestran que el GA-OBS se limita a instancias de tamaño medio, mientras que el IGA-OBS se adapta mejor a la realidad, proporcionando a OBS soluciones con tiempo y calidad satisfactorios. El IGA-OBS permite a los gestores tomar decisiones de forma más ágil y consistente en cuanto al trade-off entre el nivel de servicio al cliente y la maximización del resultado financiero de los DCs. Este trabajo llena un vacío en la literatura, hace contribuciones innovadoras y proporciona sugerencias para futuras investigaciones dirigidas a desarrollar métodos de optimización más adecuados para OBS.

INTRODUCCIÓN

Durante las últimas décadas, la mayoría de las empresas han comenzado a apuntar a grandes volúmenes de producción y distribución, centrándose en reducir los plazos de entrega y el inventario ( van den Berg y Zijm, 1999 ; Richards, 2011 ; Haq y Boddu, 2017). La mayoría de los clientes, según Pinto y Nagano (2020 ), han reducido el tamaño de sus pedidos y han comenzado a realizarlos en intervalos de tiempo más cortos y cantidades mínimas de múltiples Unidades de Mantenimiento de Stock (SKU) en sus Centros de Distribución (DC). Esta tendencia ha resultado en plazos de cumplimiento de pedidos más cortos y, en consecuencia, ha comenzado a exigir una mayor agilidad en los procesos en los CD ( Seyedrezaei et al., 2012 ; Matthews y Visagie, 2013 ; Marchetet al., 2015 ). El hecho es que todavía no existen herramientas que puedan prever el volumen exacto de demanda para entornos estocásticos dinámicos de manera inequívoca ( Seyedrezaei et al., 2012 ; Sereshti y Bijari, 2013 ; Baud-Lavigne et al., 2014 ). La opción de mantener niveles mínimos en escenarios inciertos puede provocar, en un momento determinado de facturación, algunas restricciones de SKU en el CD ( Pinto et al., 2018 ). Además, la mayoría de los clientes no aceptan facturaciones ni reciben compras parciales, por ejemplo, en el sector del comercio electrónico ( Rim y Park, 2008).). 

• Materias:Optimización de procesos Gestión financiera Centro de distribución Algoritmo genético
• Subjects:Process optimization Financial management Distribution center Genetic algorithm
• Palabras claves:Algoritmo Guloso Iterativo; Algoritmo Genético; Maximizar Facturación; Centro de Distribución
• Keywords:Iterative Greedy Algorithm; Genetic Algorithm; Maximize Revenue; Distribution Center