TRABAJO DE GRADO
INTEGRACIÓN DE UNA POLÍTICA DE LOGÍSTICA INVERSA EN UNA ESTACIÓN
CROSS DOCKING COMO ESTRATEGIA DE SOSTENIBILIDAD EMPRESARIAL DE UNA
CADENA DE SUMINISTRO INTELIGENTE
José Ballesteros Muñoz Código: 20121196016
TUTOR
P. PH. D. Jairo Humberto Torres
Maestría en Ingeniería Industrial
Facultad de Ingeniería
Universidad Distrital Francisco José de Caldas
Bogotá, Julio del 2017
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
2
Dedicatoria
A mi Madre
A mi Padre
A mi Hermano
A quienes me brindaron su apoyo y su sabiduría….
A quienes creyeron……
A quienes sueñan con un mundo mejor….
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
3
Agradecimientos
A cada uno de mis Maestros por su paciencia y dedicación….
A quienes me mostraron el mundo en la manera en que lo puedo entender y lo puedo cambiar….
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
4
Índice
Ficha Técnica ................................................................................................................................ 9
Resumen ....................................................................................................................................... 9
Abstract ........................................................................................................................................ 9
Objetivo General ........................................................................................................................ 10
Objetivos Específicos .................................................................................................................. 10
Justificación ................................................................................................................................ 11
Definición del problema a resolver.............................................................................................. 12
Planteamiento de la Hipótesis ..................................................................................................... 12
Beneficios a obtener con el desarrollo de este proyecto ............................................................... 12
1 Cadena de Suministro Inteligente ........................................................................................... 15
1.1 Definición del Marco teórico de CSI ................................................................................ 20
1.1.1 La Cadena Logística......................................................................................................... 20
1.1.2 Logística Inversa y Los Flujos de Retornos ..................................................................... 21
1.1.3 La cadena de Suministro .................................................................................................. 23
1.2 Revisión general entorno a los desafíos y competencias de las CSI. .................................. 24
1.2.1 Desafíos de la Cadena de Suministro Inteligente............................................................. 24
1.2.2 Competencias de la Cadena de Suministro Inteligente. ................................................... 26
1.3 Definición de Marco Conceptual entorno a cadenas logísticas, estación Cross Docking y
cadenas de suministro. ................................................................................................................ 28
1.3.1 Cadena de suministro ....................................................................................................... 28
1.3.2 Cadena de Suministro Inteligente .................................................................................... 28
1.3.3 Logística Inversa .............................................................................................................. 28
1.3.4 Sistemas Cross Docking................................................................................................... 29
1.3.5 Estrategias competitivas y de cadenas de suministro....................................................... 30
1.4 Estado del arte de las cadenas de suministro y logística inversa ...................................... 32
1.4.1 Panorama Global de las Cadenas de Suministro .............................................................. 32
1.4.2 Investigaciones previas en cadena de Suministro y Logística Inversa ............................ 33
2 Estrategia de Integración ........................................................................................................ 44
2.1 Estrategia de Integración de las CSI ................................................................................ 44
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
5
2.2 Esquema de Flujos Directos e Inversos de la estrategia de la CSI. ................................... 50
Modelo Teórico Flujo Inverso ..................................................................................................... 52
2.3 Definición del Modelo Teórico. ........................................................................................ 53
2.3.1 Criterio del Modelo .......................................................................................................... 53
2.3.2 Parámetros ........................................................................................................................ 53
2.3.3 Conjuntos Referenciales .................................................................................................. 55
2.3.4 Variables de decisión del modelo teórico ........................................................................ 56
2.3.5 Función objetivo .............................................................................................................. 59
2.3.6 Conjunto de Restricciones (Flujo Directo) ...................................................................... 60
2.3.7 Conjunto de Restricciones (Flujo Inverso) ...................................................................... 63
2.3.8 Restricciones Lógicas del Modelo logístico .................................................................... 65
Parte III: Prueba Piloto .................................................................................................................. 66
3 Prueba Piloto .......................................................................................................................... 66
3.1 Diagrama de proceso – Modelo logístico TG .................................................................... 66
3.2 Análisis de Entrada.......................................................................................................... 67
3.2.1 Objetivo del Análisis ........................................................................................................ 67
3.2.2 Descripción del modelo de aplicación ............................................................................ 67
3.2.3 Alcance de la prueba piloto .............................................................................................. 68
3.2.4 Procedimiento de aplicación ............................................................................................ 69
3.3 Modelamiento en GAMS ................................................................................................. 70
3.4 Análisis de Salida ............................................................................................................. 71
3.4.1 Valor de la función Objetivo:........................................................................................... 71
3.4.2 Variables de decisión (Flujo Directo) .............................................................................. 72
3.4.3 Variables de decisión (Flujo Inverso) .............................................................................. 75
3.4.4 Análisis de Resultados ..................................................................................................... 78
3.4.5 Análisis de Sensibilidad ................................................................................................... 79
3.4.6 Ahorros Proyectados del Modelo TG – 2017. ................................................................. 83
PARTE IV: Conclusiones y Recomenndaciones ............................................................................. 84
4 Conclusiones ........................................................................................................................... 84
4.1 Recomendaciones ............................................................................................................. 85
5 Publicacion.............................................................................................................................. 86
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
6
5.1 listado de anexos .............................................................................................................. 86
REFERENCIAS BIBLIOGRAFICAS ............................................................................................ 87
Índice de Figuras
Fig. 1: Encuesta a Gerentes de cadenas de suministro acerca de la implementacion de politicas
verdes ............................................................................................................................................. 16
Fig. 2: Categorización de la implementación de estrategias de sostenibilidad ambiental en las .. 17
Fig. 3: Razones de Implementacion de logistica Inversa .............................................................. 18
Fig. 4: Evolucion de los conceptos englobados dentro de la gestion logistica ............................. 21
Fig. 5: Canal Directo y Canal Inverso de Una cadena de Suministro ........................................... 23
Fig. 6: Competencias y desafíos de la cadena de suministro inteligente y ................................... 27
Fig. 7: El esquema CrossDocking en flujo Directo....................................................................... 30
Fig. 8: Estrategia competitiva de la cadena de suministro ............................................................ 31
Fig. 9: Structure of a reverse Cross-Docking system for unsold products. ................................... 35
Fig. 10: A simple network of Multi-product, multi-stage ............................................................. 36
Fig. 11: Representación de la cadena de suministro para el reciclaje de materiales ..................... 37
Fig. 12: A hybrid 3-echelon logistic network used on for integrated............................................ 38
Fig. 13: Model Flow ...................................................................................................................... 39
Fig. 14: Red inversa de productos de la línea de avicultura en Solla............................................ 42
Fig. 15: Estrategia de Integración en SCMI. ................................................................................. 50
Fig. 16: Modelo TG....................................................................................................................... 66
Fig. 17: Análisis de entrada para GAMS ...................................................................................... 69
Fig. 18: Resultados GAMS – Función Objetivo ........................................................................... 72
Índice de tablas
Tabla 1: Descripción de términos de la función objetivo ............................................................. 60
Tabla 2 : Medios de Transporte Disponibles ................................................................................ 68
Tabla 3: Recursos para Modelado en GAMS ............................................................................... 71
Tabla 4: Resultados GAMS – Variable X (i, j, k) ........................................................................ 72
Tabla 5: Resultados GAMS – Variable Y (j, w, k) ...................................................................... 73
Tabla 6: Resultados GAMS – Variable V (i, j, k) – VV (j, w, k) ................................................. 74
Tabla 7: Resultados GAMS – Variable Xinv (t, q, k) .................................................................. 75
Tabla 8: Resultados GAMS – Variable Yinv (q, a, k)................................................................. 76
Tabla 9: Resultados GAMS – Variable Vinv (t, q, k) – VVinv (q, a, k) ...................................... 77
Tabla 10: Escenarios – Modelos CSI ........................................................................................... 79
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
8
Tabla 11: Análisis de sensibilidad – Resultados GAMS .............................................................. 81
Tabla 12: Proyección 2017 – Modelo TG .................................................................................... 83
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
9
Ficha Técnica
Título: Integración de una política de logística inversa en una estación Cross Docking como
estrategia de sostenibilidad empresarial de una cadena de suministro inteligente.
Resumen
En el curso del presente trabajo se logró establecer un modelo lógico que permite caracterizar el
enfoque de cadenas de suministro inteligentes y las cuales representan un punto de
transformación de acuerdo a los avances tecnológicos y la diversificación de los mercados
globales hacia donde la administración de las cadenas de suministro actualmente desean migrar, y
la posibilidad de brindar a gerentes de cadenas de suministro, estrategias que permitan hacer
frente a los nuevos retos de la logística en cuanto a la complejidad que afrontan las operaciones,
la creciente demanda y la necesidad de sostenibilidad ambiental de los diferentes productos y
servicios. Como parte de la metodología se hizo una revisión de los principales enfoques de la
administración de la cadena de suministro a través de investigaciones realizadas principalmente
por la compañía multinacional IBM sobre esta temática entregando un modelo base que permite
caracterizar y agrupar la totalidad de variables a considerar en una cadena de suministro
inteligente y que a través de políticas de logística inversa se encuentra en condiciones de lograr
una reducción importante en costos y una ventaja competitiva significativa en el mercado.
Abstract
In the course of the present work a logical model was established that allows to characterize the
approach of intelligent supply chains and which represent a point of transformation according to
the technological advances and the diversification of the global markets towards where the
administration of the chains Supply chain managers, strategies that allow them to face the new
challenges of logistics in terms of complexity faced by operations, growing demand and the need
for The different products and services. As part of the methodology, a review of the main
approaches to supply chain management was made through research carried out mainly by the
multinational company IBM on this subject, providing a base model that allows characterizing
and grouping all the variables to consider In an intelligent supply chain and through policies of
reverse logistics is able to achieve a significant reduction in costs and a significant competitive
advantage in the market
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
10
Objetivo General
Diseñar un modelo que represente el comportamiento general de una cadena de suministro
inteligente, a partir de una política de logística inversa en una estación Cross Docking,
teniendo en cuenta el flujo bidireccional de materiales que son factibles de recuperación en
el mercado.
Objetivos Específicos
- Hacer una revisión general acerca de las prácticas existentes y aplicaciones entorno a
cadenas de suministro inteligente, cadenas logísticas, Cross Docking, logística inversa
como estrategia, para hacer frente al desafío de sostenibilidad ambiental.
- Caracterizar el flujo de operaciones generales de una estación Cross Docking en una
cadena de suministro mediante un modelo lógico al incluir una política de
sostenibilidad basada en la recuperación de materiales del mercado al proveedor.
- Determinar el comportamiento del modelo propuesto en una prueba piloto mediante el
uso de datos experimentales y complementarios de una cadena de suministro del sector
logístico al integrar una política de logística inversa.
- Analizar la viabilidad de aplicación del modelo propuesto al integrar la política de
logística inversa a la cadena de suministro mediante una estación Cross Docking a
través de los resultados preliminares de la prueba piloto.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
11
Justificación
Hacer frente a la competitividad y mejorar el desempeño de las operaciones en las actuales
cadenas de suministro en Colombia son prioridades sobre las que actualmente organizaciones
invierten sus esfuerzos mediante sus líderes y especialistas.
Los actuales impactos ambientales entre ellos el calentamiento global, constituyen factores que
motivan la búsqueda de estrategias que permitan adoptar un compromiso con el uso responsable
de los recursos naturales.
Estas razones han motivado el interés por profundizar en el estudio de la gestión de operaciones
en la cadena de suministro inteligente a través de la logística inversa y los sistemas Cross
Docking como mecanismos integradores.
El concepto de logística inversa orientado a las cadenas de suministro definido como el proceso
de planificación, desarrollo y control eficiente del flujo de materiales, productos e información
desde el lugar de origen hasta el de consumo, de manera que satisfagan las necesidades del
consumidor, recuperando el residuo obtenido y gestionándolo de modo que sea posible su
reintroducción en la cadena de suministro (Jarrin & Ramirez, 2012). El no incorporar políticas de
logística inversa que tenga en cuenta estos factores ha significado el uso no adecuado de los
recursos disponibles que son limitados y que en la actualidad ya se encuentran escaseando en
algunas regiones del mundo.
De acuerdo a lo anterior surge la necesidad de buscar alternativas que permitan mitigar los
impactos del uso no adecuado de los recursos disponibles; la presente investigación propone
hacer uso de herramientas y mecanismos analíticos que permitan hacer frente al desafío de
sostenibilidad, mediante un esquema de costos verdes, que brinde un enfoque competitivo y
diferencial en el mercado de cadenas de suministro (Cifuentes & Moncada, 2012).
Los sistemas Cross Docking en flujo inverso como estratégica de clasificación y recuperación de
materiales del mercado hacia el productor, constituyen una oportunidad 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. Esta oportunidad de estudio se propone
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
12
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.
Definición del problema a resolver
La falta de una técnica analítica que permita integrar políticas de logística inversa en cadenas de
suministro y que permitan hacer frente a los desafíos de la logística globalizada en cuanto a
sostenibilidad ambiental. Los modelos actuales de toma de decisiones deben ser adaptados al
conjunto de necesidades que el mercado exige. Los modelos lógicos verdes, deben lograr hacer
frente al desafío de sostenibilidad ambiental de las cadenas de suministro inteligentes y deben dar
los argumentos necesarios a los gerentes de cadenas de suministro, para fijar los nuevos rumbos
de sus compañías.
Planteamiento de la Hipótesis
El diseño de un modelo lógico adaptado a las necesidades de cadena de suministro
inteligente a través de logística inversa ayudará a hacer frente a los desafíos de
sostenibilidad ambiental de las empresas, afectando positivamente los niveles de costos y
constituyendo un factor diferencial en el mercado de cadenas de suministro.
Además, si el diseño del modelo lógico, es aplicado contemplando sistemas Cross Docking, la
posibilidad en tener mayor éxito en el aprovechamiento de materiales es mayor y por tanto aun
mayor el beneficio obtenido.
Beneficios a obtener con el desarrollo de este proyecto
El establecimiento de un modelo matemático base que permita integrar variables de logística
inversa en estaciones Cross Docking para hacer frente al desafío de sostenibilidad, son el punto
de partida que favorecerá a los diferentes actores de la siguiente manera:
A los gerentes de cadena de suministro, obtendrán mayor argumentación sobre el
comportamiento óptimo de sus cadenas de suministro y tendrán la oportunidad de integrar los
desafíos que exige el mundo globalizado al mundo del modelamiento matemático.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
13
A la comunidad académica, mayor oportunidad de estudio y la oportunidad de dar continuidad a
este proyecto de investigación, buscando nuevas alternativas de aplicación y/o adaptación a la
industria
A la humanidad, Una administración adecuada de los recursos limitados de los que disponemos
actualmente, contribuir a la disminución a los efectos del calentamiento global y la disminución
de los residuos sólidos permitirán una mejor calidad de vida
A el medio ambiente, la preservación de los recursos naturales de los que disponemos
actualmente y su impacto sobre la humanidad y la vida animal.
Metodología de trabajo
Las fases y actividades necesarias para el desarrollo del proyecto de investigación y el alcance de
los objetivos general y específicos del proyecto son las siguientes:
Parte I: Cadenas de suministro Inteligentes
1.1 Definición del Marco teórico de CSI
1.2 Revisión general entorno a los desafíos y competencias de las CSI.
1.3 Definición de Marco Conceptual entorno a cadenas logísticas, estación Cross Docking y
cadenas de suministro.
1.4 Estado del arte de las CSI y logística inversa
Parte II: Estrategia de Integración
2.1 Estrategia de Integración de la CSI
2.2 Esquema de Flujos Directos e Inversos de la estrategia CSI
2.3 Definición del Modelo Teórico
Parte III. Prueba Piloto
3.1 Diagrama de Proceso
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
14
3.2 Análisis de Entrada
3.3 Modelamiento GAMS
3.4 Análisis de Salida
Parte IV. Conclusiones y Recomendaciones
Parte V: Publicación y Anexos
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
15
Parte I: Cadena de Suministro Inteligente
1 Cadena de Suministro Inteligente
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, calidad y la personalización masiva. La
competencia feroz en el mercado actual es guiada por los avances en la tecnología industrial, la
globalización creciente y la inmensa mejora en la disponibilidad de información (Verma, 2012).
El crecimiento actual de las cadenas de suministros a nivel mundial, las mejoras en la
administración de fronteras, la infraestructura, los servicios de transporte y telecomunicaciones,
podrían originar un incremento hasta del 4,7 % en el PIB mundial en la próxima década
(Moavenzadeh, 2013) lo cual evidencia un potencial crecimiento que obliga a los gobiernos
adoptar un enfoque integral que considere la cadena de suministro en su totalidad.
Investigaciones como las realizada por la compañía IBM (Soto & Rovira, 2009), afirma que las
filiales de las empresas de cadena de suministro en el extranjero se han triplicado durante la
última década; entre los años 1996 y 2008 pasaron de 265.000 a 790.000, un crecimiento del
66,46% en tan solo doce años, adicionalmente las actuales cadenas de suministro están
involucrando cada vez más compañías, cerca del 80% de los ejecutivos espera aumentar sus
relaciones colaborativas con terceras compañías en los próximos diez años. Para hacer frente a
estos desafíos en dicha investigación se denomina como “Cadenas de suministro Inteligentes”,
aquellas que integren un conjunto de competencias claves e involucren estrategias para hacer
frente a los nuevos desafíos del mercado en buscan mejorar la eficiencia en las operaciones
logísticas y hacer frente a los factores de globalidad y competencia que actualmente enfrenta la
industria.
A nivel de sostenibilidad ambiental, una revisión sobre las estadísticas de implementación de este
enfoque, determinan que no existe aún un compromiso evidente con el desafío de sostenibilidad
para algunos líderes y/o directivos, a pesar de que no serán viables las cadenas de suministro que
no tengan en cuenta el medio ambiente, solo un 37% de los directivos lo considera actualmente
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
16
un desafío (Soto & Rovira, 2009) y genera las acciones de incorporación de estrategias que
incluyan la preservación del medio ambiente de acuerdo a los impactos medio ambientales que se
viven en la actualidad, el cambio climático y el calentamiento global. A continuación, en la Fig. 1
se describen las estadísticas de la investigación realizada por la compañía Multinacional IBM con
respecto a esta temática:
Fig. 1: Encuesta a Gerentes de cadenas de suministro acerca de la implementacion de politicas verdes
63%
57%
51%
39%
36%
29%
27%
25%
El diseño de producto y envasado tiene en cuenta los efectos en el medio ambiente
Las estrategias de suministro incluyen planes para la gestion del CO2, agua, consumo de energia, y residuos
Los objetivos de fabricacion Incluyen metricas de consumo CO2
Se dispone de un programa para minimizar el consumo de CO2 en la distribucion
Los criterios de selección y contratos de Proveedores tienen en cuenta sus capacidades de gestion CO2
Las politicas de externalizacion persiguen reducir las emisiones del CO2
Se favorece la contratacion de operadores logisticos que realicen menores emisiones de CO2
Las empresas transportistas son evaluadas por emisiones de CO2, consumo de enerigia y su estrategia para gestionar estas cuestiones
¿ Hasta que punto ha implementado usted las siguientes practicas "Verdes" o de sostenibilidad del medio ambiente ?
Encuestados que respondieron "Significativo" o " Muy Significativo"
Fuente: “Cadena de suministro Inteligente” (Soto & Rovira, 2009)
De acuerdo a esta información, es evidente el compromiso del 63% de los directivos de cadena de
suministro los cuales respondieron como muy significativo en la implementación de prácticas de
sostenibilidad ambiental, en el diseño de producto y envasado, sin embargo los aspectos que
compromete las actividades de distribución, transporte, la preservación de la energía y el control
de las emisiones de dióxido de carbono (CO2), no constituyen aun un compromiso prioritario en
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 geografías del mundo, de acuerdo a la misma investigación se obtuvieron los
siguientes resultados los cuales se logran evidencia a continuación en la Fig. 2:
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
17
Fig. 2: Categorización de la implementación de estrategias de sostenibilidad ambiental en las
Empresas de acuerdo a la ubicación geográfica
Fuente: “Cadena de suministro Inteligente” (Soto & Rovira, 2009)
Las prácticas de sostenibilidad ambiental en las regiones de Norte y Centro América se
categorizan como “muy bajo” de acuerdo a dicha investigación, adicionalmente encontramos en
las regiones de Europa Occidental, Asia y Asia pacifico, como la las operaciones logísticas
basadas bajo parámetros de sostenibilidad ambiental se categoriza en “alto” y “muy alto”, lo cual
indican a simple vista el diferencial existente en el desafío de sostenibilidad de las cadenas de
suministro de la industria de América Latina con respecto al resto de regiones del mundo.
Actualmente en Colombia el panorama sobre el desarrollo de las cadenas de suministro son
acordes con las estadísticas mundiales; según el banco mundial, Colombia se encuentra en el
puesto 64 en el índice de desempeño logístico con una calificación en ascenso de 2.87 puntos1 el
cual nos indica la necesidad de desarrollo de la logística actual contemplando superar
inicialmente la brecha de conectividad (Beltran, 2012) a través de la mejora en la infraestructura
de las carreteras, la modernización de los diferentes puertos marítimos de nuestro país, la
navegabilidad de los ríos y la recuperación de los accesos y corredores ferroviales.
1 El ranking de acuerdo al estudio del desempeño logístico se realiza en una escala de uno a cinco, Tomado de
www.portafolio.com.co (Logística, el reto para los TLC que tiene Colombia, 2014)
en el ranking se miden ingredientes 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, rastrear los envíos y la frecuencia con la cual los embarques llegan al consignatario en el tiempo
programado.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
18
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 (Monroy & M, 2006) como el reciclaje, la reutilización y re-
manufactura. Entre los casos de éxito en Colombia encontramos empresas como MAC S.A,
Ofipaim, Smurfit Carton de Colombia (SCC), Alianza entre Tetra Pack Colombia,
Representaciones Industriales Orion (RIO) y Carronal, Cristaleria Peldar y Michelin Colombia
que representan una muestra del desarrollo en Colombia de la Logística inversa y que fueron
objeto de estudio por estudiantes de la universidad de los Andes (Monroy & M, 2006), en la cual
analizaron factores como: tipos de devoluciones más frecuentes, las razones para la
implementación de la logística inversa en estas industria y las opciones de recuperación de la
industria colombiana.
Los resultados de dicha investigación evidencia la preferencia de estas empresas por realizar la
recuperación de los materiales en la etapa de Post-Consumo, directamente de mano del
consumidor o clientes directos, además evidencian la actividad con mayor frecuencia de
recuperación de materiales la cual se constituye es la actividad del reciclaje y para efectos de
interés, se evidencia las razones principales de la decisión de implementar logística inversa en
estas industrial colombianas las cuales se describen a continuación:
Fig. 3: Razones de Implementacion de logistica Inversa
29%
24%
14%
14%
10%
5%
5%
0%
ECONOMICAS
AMBIENTALES
RESPONSABILIDAD SOCIAL
RECUPERACION DE MATERIAS PRIMAS
SERVICIO AL CLIENTE
IMAGEN CORPORATIVA
EXPANDIR EL MERCADO
COMPETENCIA
EMPRESAS ENCUESTADAS
RAZONES DE IMPLEMENTACION DE LOGISTICA INVERSA EN EMPRESASCOLOMBIANAS
Fuente: “Logistica Reversa: Retos para la Ingenieria Industrial” (Monroy & M, 2006).
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
19
De acuerdo a los resultados de este estudio, las razones que mayor motivan a las industrias a
tomar la decisión de implementar políticas de logística inversa, son de tipo económicas con un
porcentaje del 29% y ambientales con un 24%; las que menos participación evidencian en el
estudio son ítems relacionados con el crecimiento del mercado con un 5% y competencia con un
0% de las empresas encuestadas. Observamos de esta manera una deficiencia en el desarrollo de
estas dos estrategias en el mercado de cadena de suministros verdes en Colombia, entendiendo
que las razones económicas y ambientales son importantes.
De acuerdo al contexto analizado acerca de la globalización y complejidad de las cadenas de
suministro, es evidente la necesidad de buscar alternativas que permitan hacer frente al desafío de
sostenibilidad de las cadenas de suministro en Colombia. Los factores de competencia sumados a
la necesidad de conservación de medio ambiente representan la razón que motiva la búsqueda de
técnicas analíticas que se adapten al estudio del comportamiento de dichos sistemas y así hacer
frente a uno de los desafíos que deben enfrentar las cadenas de suministro para adoptar el título
de cadenas de suministro inteligentes competitivas y globalizadas.
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. También están dados por miembros del
canal directo (Diaz & Alvarez, 2004) fabricantes tradicionales, comerciantes, y suministradores
de servicios logísticos directos o partes especializadas; comerciantes de materiales secundarios e
instalaciones de reciclaje o recuperación de materiales.
Un ejemplo de este tipo de sistemas lo encontramos en empresas como VIFRA2 que ofrecen
servicios de recogida, clasificación, reacondicionamiento, devolución, reciclaje entre otros en
ESPAÑA y finalmente las 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.
2Vifra, 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.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
20
De acuerdo a lo anterior, Investigaciones realizadas acerca de la evolución, desarrollo y
posicionamiento de las cadenas de suministro inteligentes dentro del mercado actual, se sostiene
que las cadenas de suministro que durante los próximos diez años no adopten políticas medio
ambientales dentro de sus prioridades de desarrollo y modernización (Soto & Rovira, 2009), no
serán visibles ni competitivas en el mercado global de la logística de aprovisionamiento de
acuerdo a 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 (Melchor & Santos, 2010).
La gestión medio ambiental (Diaz & Alvarez, 2004), elaborar productos amigables con el medio
ambiente y desarrollar técnicas de recuperación y gestión de los residuos producidos, se ha
convertido en una estrategia para la empresa, constituyendo en muchos casos una ventaja
competitiva de la organización. Por lo anterior se constituye como una estrategia de
sostenibilidad empresarial; sostenible a nivel ambiental y que se integra a nivel de empresa.
1.1 Definición del Marco teórico de CSI
1.1.1 La Cadena Logística
La gestión de la cadena Logística consiste en organizar adecuadamente todo el proceso desde la
extracción de materias primas hasta la entrega del producto terminado al cliente en el lugar
apropiado, el momento oportuno, y en el modo adecuado (Diaz & Alvarez, 2004) sin embargo la
función y gestión de los sistemas logísticos no han sido visto de manera importante en las
empresas en razón a que aparentemente no genera valor al producto y solo se encargan de la
gestión de su movimiento de a través del ciclo logístico, sin embargo este tipo de percepciones
han sido desestimadas con numerosas investigaciones y estudios que han evidenciado el valor
que origina a la empresa la gestión de los sistemas logísticos en la cadena de valor de las
compañías.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
21
La logística moderna tiene sus orígenes en las practicas del ejército Americano encaminadas a
mover eficientemente sus tropas durante la segunda guerra mundial (Diaz & Alvarez, 2004), la
logística militar se ha definido como la ciencia que tiene como objetivo proporcionar a las
fuerzas armadas los medios necesarios para la guerra a través del ciclo logístico (Kalenatic &
Lopez, 2008), es de allí de donde surge la necesidad de la gestión de los flujos de materiales con
el fin de encontrar sistemas eficientes desde la entrada de las materias primas en la empresa hasta
la expedición del producto terminado, de manera que así se controla todo el proceso hasta que el
producto es entregado al cliente.
Durante esta misma época, el agotamiento de materias primas y algunos productos, provoco
cambios en la demanda de ciertos productos lo que hizo necesario disponer de inventarios para
cubrir periodos de necesidad. De este modo la gestión de inventarios pasa a convertirse en un
factor de ahorro de costes para la empresa
Fig. 4: Evolucion de los conceptos englobados dentro de la gestion logistica
Prevision de la demanda
Compras
Planificacion de requisitos
Planificacion produccion
Inventarios fabricacion Gestion de materiales
Almacenamiento
Manejo de Materiales Logistica
Empaquetamiento
Inv. Productos Finales
Planificacion distribucion Distribucion Fisica
Secuencias de pedidos
Trasporte
Servicio al cliente
Fuente: Logistica Inversa y Medio Ambiente, (Diaz & Alvarez, 2004)
1.1.2 Logística Inversa y Los Flujos de Retornos
La gestión de los flujos de retornos (Diaz & Alvarez, 2004) productos que ya han sido utilizados
y desechados por su cliente o usuario final, originados por las diversas formas de reutilización de
productos y materiales en los procesos de producción industrial han recibido especial atención en
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
22
la última década. Sin embargo, la reutilización de materiales no es una práctica relativamente
nueva, dada las ventajas económicas que de ellas se deriva. En la actualidad existen numerosos
motivos que influyen a las organizaciones a implementar políticas verdes, las cuales van desde
razones económicas, sociales, ambientales hasta estratégicas y competitivas.
La logística inversa en las empresas durante los últimos años ha desempeñado un papel
determinante dentro de la gestión de procesos productivos y de distribución generalmente. 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 empresas se
traduce en una disminución de costos importante en los procesos de fabricación y una ventaja
competitiva de sostenibilidad en las cadenas de suministro.
La implementación de la logística inversa dentro de las organizaciones (Diaz & Alvarez, 2004)
genera además de un panorama de sostenibilidad una comunicación 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 sobre sus
productos. La comunicación con los clientes entra también como uno de los desafíos de las
cadenas de suministro inteligente, y la logística inversa puede ser utilizada como vehículo para
alcanzar este objetivo. A continuación, la figura 5, describe el canal inverso y directo de una
cadena de suministro en la cual se han integrado políticas de logística inversa.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
23
Fig. 5: Canal Directo y Canal Inverso de Una cadena de Suministro
Materias
primas
Vertedero
suministrador de componentes Fabricante Vendedor
DistribuidorCliente
Recogedor
Reacondicionamiento
Desensamblajey /o clasificacion
ReutilizacionRecicla
Reparaciones
Fuente: Logistica Inversa y Medio Ambiente (Diaz & Alvarez, 2004)
1.1.3 La cadena de Suministro
Investigaciones alternas sobre cadenas de suministro y logística inversa hacen referencia al
estudio de la amplificación de pedidos en los sistemas de producción y distribución (Holweg &
Disney) el cual fue investigado por primera vez por empresas como PROTEC & GAMBLE
(Salvatore, 2012), gracias al interés de conocer acerca de lo que fue considerado como el Cubo de
Rubick de las cadenas de suministro y las nocivas consecuencias del denominado “efecto látigo”,
que a través de los años ha significado uno de los retos más grandes de los investigadores de las
cadenas de suministro en la búsqueda por mejorarla rentabilidad de las operaciones de las
empresas.
En un primer intento optaron por buscar alternativas de optimización que permitieran disminuir
este efecto en gran medida; sin embargo hacia los años 90 el ambiente colaborativo ha
representado una alternativa eficiente a la problemática (Salvatore, 2012) y ha tomado una
constante fuerza con la implementación de las TICS y por lo que es considerado como el “Santo
Grial de la Logística” los enfoques VMI. (Villa & Torres, 2011)
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
24
En las cadenas de suministro y la contribución de la estrategia de sostenibilidad de la Logística
inversa, el ambiente colaborativo constituye una base fundamental para cada uno de los
integrantes o eslabones de la cadena, quienes deben tomar decisiones acerca de qué tipo de
materiales deben ser re-incorporados a la cadena de suministro, porque medios de transporte, y el
método de clasificación en la estación Cross Docking. Lo anterior se lleva a cabo bajo parámetros
de sincronización.
IBM durante años han desarrollado investigaciones acerca del mejoramiento de las cadenas de
suministro, sustentando propuestas que van desde el planteamiento de estrategias de competencia
para la correcta administración de las cadenas de suministro, a través del estudio de las
principales crisis que han afrontado las diferentes empresas que se enmarcan en las cadenas de
suministro de mayor competitividad como AIRBUS en la crisis de sus aviones A-380, La crisis
de las cadenas de suministro de los COCHES en España, el recorte hasta del 25% en Diez mil
artículos de las tiendas y supermercados CARREFOUR (Soto & Rovira, 2009).
1.2 Revisión general entorno a los desafíos y competencias de las CSI.
1.2.1 Desafíos de la Cadena de Suministro Inteligente.
Los principales desafíos que enfrentan las cadenas de suministro se enfocan directamente sobre la
complejidad, globalidad y diversificación de los productos que en la actualidad circulan en
nuestro mercado. Las empresas por su afán de competitividad e innovación en razón de su
rentabilidad, buscan la apertura de nuevos negocios por medio del abarcamiento de nuevos
mercados, la apertura de nuevas filiales a nivel nacional e internacional, la integración y
fortalecimiento de las relaciones con otras empresas en la búsqueda de nuevas oportunidades de
negocio y la necesidad de buscar una modernización que se traduzca en una mejor percepción de
los clientes, hacia temas de innovación, tiempos de respuesta, calidad del producto, servicio al
cliente y precio (Soto & Rovira, 2009). A continuación, se describen cada uno de los desafíos que
deben enfrentar las cadenas de suministro inteligente de acuerdo a la investigación realizada por
IBM.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
25
1.2.1.1 Limitación de costos de la cadena de suministro
De los desafíos más grandes que encuentran las cadenas de suministro en la limitación de los
costos, estos se deben trabajar con agilidad frente a las variabilidades del mercado con el fin de
encontrar una flexibilidad y oportunidad de adaptación frente a las ventas. En el panorama actual
la competitividad de cadena de suministro se debe generar un factor de costos que debe renovarse
constantemente. Una estructura densa a nivel de costos no permite generar tarifas y precios
competitivos hacia el mercado, por lo cual los procesos de costeo de las cadenas de suministro
deben flexibilizar la manera en que se cargan los costos de la organización.
1.2.1.2 Visibilidad de la cadena de suministro
En importancia pertenece al segundo desafío más grande en las cadenas de suministro inteligente,
esta debe hacer frente a la gestión del conocimiento y proceso comunicativo que se tiene sobre la
cadena de suministro con el fin de hacer frente a los problemas que se presenten sobre su
ejecución, debe existir una conectividad, colaboración e integración entre los integrantes de la
cadena de suministro, proveedores, socios, clientes.
1.2.1.3 Gestión del riesgo estratégico
La planificación de los riesgos en la actualidad no es una de las prioridades dentro de las cadenas
de suministro actuales, sin embargo, las cadenas de suministro inteligentes deben gestionar un
plan de riesgo que permita hacer frente a situaciones adversas del entorno.
1.2.1.4 Clientes exigentes
Escuchar la demanda de los clientes, profundizar e interactuar con ellos. Establecer lazos de
comunicación que permitan fortalecer y consolidar relaciones buscando cubrir el total de sus
necesidades, las cadenas de suministro actuales en su mayoría solo se preocupan por establecer
relaciones con sus proveedores, posicionar las relaciones con los clientes actúa como factor clave
de éxito de una cadena de suministro inteligente.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
26
1.2.1.5 Globalización de la cadena de suministro
Dentro de la globalización como desafío se encuentra el problema de costos, los cuales no han
conseguido su objetivo de reducción. Con la globalización en las cadenas de suministro llega la
complejidad, así mismo la necesidad de hacer frente a los nuevos retos con propuestas y
estrategias que permitan un amplio campo de soluciones. De los aspectos más grandes que se
enfrentan en la globalización, es la necesidad de modernización de las cadenas de suministro, lo
que se traduce en la necesidad de inversión y posteriormente en la necesidad de rentabilidad y
utilidades.
1.2.1.6 Sostenibilidad Ambiental
Las cadenas de suministro actuales en su mayoría no incorporan dentro de sus procesos logísticos
y operativos programas verdes que permitan sostenibilidad con el medio ambiente.
Investigaciones como las de IBM (2008) afirman que tan solo un 37% de los directivos de las
cadenas de suministro consideran el medio ambiente como un desafío que enfrentar dentro de sus
políticas de cadena de suministro, sin embargo en un futuro no muy lejano las cadenas de
suministro que no consideren este factor, no serán viables ni competitivas en el mercado. (Soto
& Rovira, 2009)
El desafío de sostenibilidad marca la pauta de profundización acerca de la estrategia a plantear
dentro del proyecto investigativo, a continuación se profundizara en esta temática por medio de
los aspectos de la LOGISTICA INVERSA.
1.2.2 Competencias de la Cadena de Suministro Inteligente.
De acuerdo al contexto de cadena de suministro inteligente planteado por IBM, Las tendencias
actuales sugieren en las cadenas de suministro inteligentes una serie de competencias que deben
ser desarrolladas con el fin de hacer frente a las operaciones actuales, estas se componen de las
siguientes:
- Estrategia
- Planificación
- Ciclo de vida del producto
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
27
- Suministro de materiales
- Gestión de operaciones
- Logística
- Tecnología
Para el proyecto investigativo abordaremos el estudio de competencias en gestión de operaciones
y logística.
A continuación, la Figura 6, refleja las áreas de competencia de la cadena de suministro y los
desafíos presentes en el actual mundo globalizado, de esta manera se destaca la necesidad de
implementar la estrategia como mecanismo que permita mediante las competencias de
investigación de operaciones y logística hacer frente a un desafío de sostenibilidad ambiental, que
servirá a su vez de ventaja competitiva en el mercado de las operaciones de cadena de suministro.
Fig. 6: Competencias y desafíos de la cadena de suministro inteligente y
Su relación con la estrategia de Integración
Fuente: Autor
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
28
1.3 Definición de Marco Conceptual entorno a cadenas logísticas, estación Cross Docking
y cadenas de suministro.
1.3.1 Cadena de suministro
La cadena de suministro se define como aquella formada por todas aquellas partes involucradas
de manera directa o indirecta en la satisfacción de una solicitud de un cliente, que incluye no
solamente al fabricante y al proveedor, sino también a los transportistas, almacenistas,
vendedores al detalle e incluso a los mismos clientes (Chopra, 2008). El Global Supply Chain
Fórum de 1998 definió como gestión de la cadena de suministro a la integración desde el
consumidor final hasta los primeros proveedores, de los procesos de negocio clave que
proporcionan los productos, servicios, e información que aportan valor al consumidor final
(Vicedo, 2007).
1.3.2 Cadena de Suministro Inteligente
Las cadenas de suministro inteligentes, se definen como aquellas que integran un conjunto de
competencias, las cuales se enfocan en: estrategia y planeación, tecnología, ciclos de vida de
productos, suministros de materiales y a su vez contemplan, hacer frente a desafíos de
complejidad y globalización de las operaciones logísticas actuales como los son: limitación en
costos, gestión del riesgo, clientes exigentes y visibilidad de la administración de la cadena de
suministro frente al mercado global, teniendo en cuenta un marco estratégico competitivo frente
a otros sistemas logísticos de cadena de suministro que no integra estas competencias ni
contemplan hacer frente a estos desafíos.
1.3.3 Logística Inversa
La logística Inversa se define como la parte de la gestión de cadena de suministro que planifica,
implementa y controla eficiente y eficazmente el flujo y almacenaje de bienes, servicios de
información relacionada, desde el punto de origen hasta el punto de consumo y viceversa para
poder cumplir con los requerimientos de los clientes (Ribas, 2007). otros autores la definen como
una cadena de suministro que es rediseñada para gestionar eficientemente el flujo de productos
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
29
destinados al re-procesamiento, la reutilización, el reciclaje o la destrucción, usando
correctamente todos los recursos (Diaz & Alvarez, 2004).
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 la cual
se propone una proceso de clasificación y separación de estos materiales con la finalidad de ser
devueltos al producto y/o generador en condiciones de reutilización, de esta manera se da crédito
al concepto de logística inversa, como un rediseño de la cadena de suministro para la gestión
eficiente del flujo de materiales y productos.
1.3.4 Sistemas Cross Docking.
En la logística moderna, uno de los desafíos a los que se han enfrentado los productores, es la
reducción de sus costes y tiempo de distribución hacia sus clientes y/o sub-distribuidores. La
estación Cross Docking surge como una propuesta que permite crear una estación
estratégicamente localizada (Kalenatic & Lopez, 2008) hacia donde los productores pueden
enviar sus pedidos y posteriormente luego de un proceso de distribución de estos pedidos puede
ser reembarcados junto con productos de otros fabricantes hacia un mismo destino o un mismo
cliente.
La utilización de las estaciones Cross Docking ofrecen una reducción importante en la cantidad
de flujos de transporte desde el centro de producción al centro de acopio y posteriormente al
centro de consumo; Estos beneficios se traducen a su vez en una reducción importante en los
tiempos de entrega y una reducción de costos de distribución. La investigación se enfoca sobre
las ventajas que ofrece actualmente el Cross Docking para los procesos de distribución y el uso
adicional del Cross Docking en flujo inverso para la recuperación y clasificación de materiales
reutilizables.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
30
Fig. 7: El esquema CrossDocking en flujo Directo
Cliente
Productor / Proveedor
Estacion Cross Docking
Flujo Directo Consolidado
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
CLA
SIFI
CA
CIO
N
REC
EPC
ION
DE
PR
OD
UC
TO
EMP
AQ
UE
ESQUEMADE DISTRIBUCION DE MERCANCIAS EN SISTEMAS CROSS DOCKING
Fuente: Autor
1.3.5 Estrategias competitivas y de cadenas de suministro.
La estrategia competitiva de una cadena de suministro se define, en relación con sus
competidores (Chopra, 2008), el grupo de necesidades del cliente que esta busca satisfacer con
sus productos y servicios. La demanda actual de estrategias sostenibles en el marco ambiental, de
productos y servicios constituye una estrategia propia de estudio de las cadenas de suministro
inteligentes en la búsqueda de mecanismos que permitan abarcar clientes exigentes.
A continuación, la figura 6 representa en enfoque de las estrategias competitivas de la cadena de
suministro
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
31
Fig. 8: Estrategia competitiva de la cadena de suministro
Fuente: Administración de la cadena de suministro (Chopra, 2008)
La estrategia de integración de la política de Logística inversa en cadenas de suministro,
necesariamente marca pautas estratégicas en el ámbito empresarial que pueden definir estrategias
organizacionales al interior de las áreas y que contribuyen al logro global de la integración,
principalmente encontramos: Estrategia de productos, Estrategia de procesos, estrategia de
tecnología, estrategia de capacidad, estrategia de localización, estrategia de distribución de
planta, estrategia de calidad, estrategia de planificación y control, estrategia de aprovisionamiento
y estrategia de personal. Estas estrategias marcadas en paralelo con estrategias de Marketing y
desarrollos de productos nuevos, contribuyen al logro de la estrategia competitiva de la
organización, (Chopra, 2008). Sin embargo, en el marco de la Logística inversa, todas estas
estrategias deben agregar actividades orientadas al uso responsable de los recursos, a velar por su
proceso de recuperación y reciclaje.
De acuerdo a lo anterior, se posible visualizar un mercado de sellos verdes en los productos,
certificaciones ambientales, y una preocupación por el medio ambiente que enmarcan además de
una conciencia naturalista, una estrategia diferenciadora atractiva para los consumidores de
acuerdo a los panoramas ambientales que a nivel mundial la población afronta. El medio
ambiente es ya una preocupación común que poco a poco va modificando nuestro sistema de
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
32
valores, nuestra conducta como ciudadanos, y la de las empresas como ocupantes que son del
mismo escenario (Diaz & Alvarez, 2004).
1.4 Estado del arte de las cadenas de suministro y logística inversa
En las políticas actuales de cadena de suministro, existe preocupación por factores de
competitividad empresarial centrados en la optimización de recursos, la reducción de costes, la
gestión del riesgo, la visibilidad, entre otros.
1.4.1 Panorama Global de las Cadenas de Suministro
Las organizaciones para hacer frente a los desafíos de globalización y complejidad de las
operaciones, actualmente escalan en los niveles evolutivos en la medida que haga mejor uso de
las tecnologías de la información (Peña & Zumelzu, 2006) Una organización que trascienda al
nivel cinco conectividades completas de la Red será una organización competitiva y enfocada a
la Ciber-tecnología como facilitador de la cadena de valor para lograr la optimización de la red.
En las cadenas de suministro actuales la conectividad completa entre los eslabones, generan un
potencial diferenciador importante que permite que estrategias de sostenibilidad ambiental
obtengan un mejor resultado cuando se apoya en tecnologías de la información.
La implementación de tecnologías de la información no es de los únicos desafíos a los que se
enfrentan las cadenas de suministro para alcanzar sus políticas de sostenibilidad; en la actualidad
encontramos un mundo globalizado el cual enfrenta problemas medio ambientales dado los altos
niveles de contaminación a raíz de los diversos factores de la industria. El calentamiento global
(Svensson, 2008) de acuerdo al informe de cambios climáticos The Physical Science Basis,
obligara más pronto o más tarde a la sociedad global; naciones unidas, unión europea, acuerdos
de comercio regionales y gobiernos, a imponer prácticas de gestión de la cadena sostenible, lo
cual afectara el concepto actual de administración de cadena de suministro
Durante décadas se han llevado a cabo investigaciones que han permitido un fuerte desarrollo de
la logística de aprovisionamiento y suministro, el siglo XX fue sin lugar a dudas testigo de un sin
número de cambios estructurales en la industria de la logística como son las aperturas de las
economía en China e India, la integración de las políticas de la Unión Europea y la
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
33
desregularización de la industria del transporte en Norte América lo cual ha significado el
crecimiento de la demanda de los servicios logísticos a escalas mundiales (Leal & Perez, 2009)
sin embargo una de las tendencias que cada día toma fuerza dentro del desarrollo y sostenibilidad
de las cadenas de suministros son la integración de políticas ambientales que demuestren un
compromiso con el uso responsable de los recursos naturales. De acuerdo a estas condiciones, la
competencia moderna se ha convertido en la competencia entre las empresas y sus cadenas de
suministro, las organizaciones se han visto forzadas a replantear sus operaciones, alianzas,
asociaciones y estrategias para enfrentar estos y otros cambios (Verma, 2012). De igual modo
encontramos algunas tendencias que con el paso de los años han cobrado fuerza, y probablemente
para el año 2020 sea un factor diferenciador entre los diferentes modelos de negocios a nivel
mundial (Ceniga & Sukalova, 2015), a continuación, mencionamos algunos:
Para los clientes: Los factores de sostenibilidad son cada vez de mayor importancia dentro del
marco estratégicos de sus compañías, un factor clave, será la necesidad incluir indicadores de
medición y de seguimiento a su huella ambiental
Para los Inversores: Esperan que las empresas contemplen programas sostenibles y que
demuestren un uso adecuados de los recursos naturales, que evidencien la intención de mitigar el
impacto ambiental
Para los líderes políticos: Existirá legislación cada vez más estricta. Existirá apoyo de los entes
gubernamentales a la lucha contra la disminución de los impactos ambientales.
Alianzas de la Industrial: Existirán cada más mayor alianzas entre países e industrias que busquen
establecer pactos, normas y nuevas formas de pensar hacia el ámbito sostenible. Aquellas
industrias que no se vinculen dentro de estos acuerdos tenderán a desaparecer.
1.4.2 Investigaciones previas en cadena de Suministro y Logística Inversa
Investigaciones previas en logística inversa sobre redes de retornos en cadenas de suministro,
encontramos en primera instancia un sistema de gestión de residuos sólidos (Diaz & Alvarez,
2004), incluyendo la recogida, transporte, incineración, compostaje, reciclaje y destrucción, el
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
34
cual mediante un modelo de asignación de localización multi-objetivo y algunas heurísticas,
planifican el sistema de gestión de residuos, generando como resultado el número y la
localización de las plantas de destrucción de residuos sólidos, especificación de la tecnología
adoptada y la cantidad de residuo procesado.
Entre otros estudios encontramos un modelo de programación lineal entera para el reciclaje de
subproductos industriales que es aplicado en la industria de acero Alemana; las Acerías necesitan
decidir que procesos de reciclaje dentro de las cadenas de producción son favorables desde el
punto de vista económico. El modelo está basado en el problema de localización de almacenes
multinivel (Diaz & Alvarez, 2004) modificado para la estructura especial del problema.
Otros estudios desarrollados, encontramos el diseño de un modelo basado en la programación
lineal por objetivos para minimizar los beneficios y las tasas de reciclaje y reutilización de los
materiales que componen los productos, y las estrategias adoptadas en Japón desde el año 2000,
donde los fabricantes de dispositivos eléctricos deben reciclar sus propios productos, motivados
en gran medida, por el problema de saturación de los vertederos.
Compañías como la multinacional IBM en Japón está animando a sus clientes a devolver sus
viejos ordenadores al adquirir uno nuevo. Dependiendo de la edad y del valor del sistema, el
cliente recibirá una determinada cantidad de dinero. Los procesadores y los discos duros de los
ordenadores retornados podrían ser utilizados y los ordenadores podrían volver a la tienda para su
venta. Este último enfoque enmarca una estrategia competitiva en el mercado y determina una
significativa disminución de costes de producción de estos componentes, al ser re-
manufacturados o actualizados y no producidos nuevamente (Diaz & Alvarez, 2004).
A nivel integral en cuanto a cadenas de suministro, logística inversa y Cross Docking se han
podido determinar algunos estudios como los propuestos por estudiantes de la universidad de los
andes en Colombia, en los cuales su punto de vista se enfoca en los productos no vendidos por
los centros de consumo y que pueden ser re-incorporados a la red logística inversa, lo anterior a
la luz de una investigación que afirma no existir una estrategia que permita contemplar estos
escenarios (Soto, Thiell, & Colome, 2017). En razón a lo anterior describen un modelo logístico
de retornos mediante una estación Cross Docking, que enfatiza el flujo inverso de productos para
un posterior proceso de re-venta. El modelo logístico se caracteriza por garantizar estas
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
35
operaciones en la estación cross docking teniendo en cuenta la utilización de los medios de
transporte a nivel óptimo, generando el mínimo costo y con un margen de ahorro de los no
vendidos (unsold) y redistribuidos en la red logística.
A continuación, la figura 9 describe el modelo propuesto para llevar a cabo la estrategia de
recuperación:
Fig. 9: Structure of a reverse Cross-Docking system for unsold products.
Fuente: Reverse Cross-Docking (Soto, Thiell, & Colome, 2017)
Por otro lado, y ahora más enfocados en la logística inversa encontramos investigaciones como la
publicada en el Journal of Manufacturing System por dos estudiantes IRANIS, los cuales en su
investigación titulada “An optimization model for reverse logistics network under stochastic
environment by using genetic algorithm” plantean un importante modelo de optimización para
redes logísticas inversas, partiendo de la importancia global que debemos darle a los procesos de
recuperación y reciclaje debido a razones económicas, ambientales y legislativas y que
adicionalmente plantean la necesidad de hacer frente a desafíos de incertidumbre en términos de
capacidades, demandas y cantidades de productos existente en términos de logística inversa. En
razón a lo anterior proponen un modelo programación lineal de números mixtos probabilísticos
para el diseño de la red logística inversa.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
36
La importancia de esta investigación se evidencia en la posibilidad de realizar estimaciones en
términos de recurso necesario para los procesos de recuperación, tratamiento y reciclaje de
productos o insumos en flujo inverso. Actualmente los modelos existentes plantean la necesidad
de hacer uso de un porcentaje de su capacidad actual, sin embargo, es necesario dimensionar una
red logística inversa para el mejor aprovechamiento de recursos. A continuación, la figura 10,
describe la red de logística inversa propuesta en dicha investigación:
Fig. 10: A simple network of Multi-product, multi-stage
reverse logistics Network
Fuente: An optimization model for reverse logistics network under
stochastic environment by using genetic algorithm
(Roghanian & Pazhoheshfar, 2014)
La figura número 10, representa la propuesta generada por los autores para establecer el modelo
de optimización de logística inversa haciendo uso de algoritmos genéticos, pero no solo estos
autores quienes han investigado acerca de modelos estocásticos para cadenas de suministro,
podemos encontrar modelos similares orientados temáticas de liquidez y riesgo en cadenas de
suministros con sistemas inversos. Un estudio publicado en el año 2013, “Un modelo de Markov
sobre los efectos de la liquidez en los procesos de logística inversa” el cual principalmente
analiza un numero de retornos independientes en un periodo de tiempo utilizando un modelo con
estados de transición y estados absorbentes y que contemplan las probabilidades de pasar de un
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
37
estado al otro y que posteriormente son llevadas a una matriz de transición. El objetivo es
determinar el impacto de los volúmenes de retornos en la red logística inversa permitiendo como
en la investigación anterior, realizar un proceso de planeación en cuanto a recursos y capacidades
de operación. (Avila Cano & Cabarcas, 2011)
Una vez analizada esta investigación con parámetro de incertidumbre, pasamos a otras
investigaciones de modelos en la logística inversa en cadenas de suministro para la recuperación
de materiales, es el caso del modelo multi-objetivo no lineal mixto, presentados por tres
estudiantes cubanos quienes integran en el modelo varios objetivos económicos y ecológicos para
apoyar las decisiones estratégicas enfocadas a proceso de localización de instalaciones, diseño de
flujo en redes para el transporte de materiales y selección de medios de transporte. Este modelo
evalúa el impacto ambiental mediante un conjunto de indicadores los cuales son clave para la
toma de decisiones, como resultado de dicha investiga realizan una prueba piloto en una cadena
de suministro con varios tipos de plásticos (polietilenos Tereftalatos y polietilenos PEL).
(Cespon, Castro, & Rodriguez, 2016), Los elementos de la red se muestran a continuación en la
figura 11:
Fig. 11: Representación de la cadena de suministro para el reciclaje de materiales
Fuente: (Cespon, Castro, & Rodriguez, 2016)
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
38
La función objetivo utilizada para dicha prueba se compone de tres objetivos fundamentales: La
satisfacción del cliente, la reducción de los costos de operación y la reducción del impacto
ambiental del Sistema. Como resultados el modelo no genera una solución óptima, sino un
conjunto de soluciones optimas que posteriormente son analizadas y construidas en lo que se
conoce como la frontera de paretto, o funciones paretto- Optimas.
Otras investigaciones de gran relevancia en logística inversa, encontramos la realizada también
por estudiantes cubanos quienes proponen una red logística hibrida caracterizada por el uso
combinado del almacenamiento del fabricante y del almacenamiento del distribuidor para los
flujos directos e inversos con el fin de satisfacer las demandas de los productos a través de
transporte y con el objetivo de recuperar los productos reciclables de los clientes. Esta con una
principal aplicación a cadenas de suministro de escalones múltiples. (Dondo & Mendez, 2016)
El esquema se logra evidenciar a continuación en la figura 12:
Fig. 12: A hybrid 3-echelon logistic network used on for integrated
forward and backwards distribution and recovery activities
Fuente: (Dondo & Mendez, 2016)
La solución del modelo genera el cálculo de los flujos que deben realizar los medios de transporte
en cada uno de los escalones de la red logística, teniendo en cuenta que en los primeros niveles se
encuentras aquellos vehículos que poseen mayor capacidad de carga por tener como origen los
centros de producción y los vehículos de menor capacidad que se encuentra en la distribución de
clientes. En razón a lo anterior debe existir un equilibrio entre los flujos directos e inversos para
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
39
que la utilización de los medios de transporte se realice a nivel óptimo. (Dondo & Mendez,
2016).
Encontramos otros estudios de gran relevancia que describen aplicación de modelos de logística
inversa en cadenas de suministro como el publicado en el año 2016 titulado “Resolving forward-
reverse logistics multi-period model using evolutionary algorithms”. Este trabajo en sus dos
primeras partes hacen un preámbulo a la significación y contribución de la logística inversa en la
industria manufacturera y de los beneficios que trae con ella aplicar estrategias de sostenibilidad
para la recuperación de productos y reciclaje de elementos con la utilización de los flujos
inversos. En su tercera parte describe un importante modelo de logística de reversa el cual
corresponde a una modificación y extensión del problema de diseño de la red logística inversa
diseñado por EL-Sayed en el año 2010 y que corresponde a la integración del enrutamiento de
vehículos en una estructura de red modificada, y los flujos que contemplan los centros de
reciclaje y reparación.
El objetivo principal del modelo propuesto es maximizar los beneficios en un entorno de logística
inversa, considerando las restricciones de vehículos y minimizando los costos de transporte. A
continuación, la figura 13 describe el comportamiento de los flujos del modelo propuesto.
Fig. 13: Model Flow
Fuente: (Kumar, Brady, Garz, & Simpson, 2016)
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
40
La solución del modelo utilizando técnicas combinatorias, podría ser una tarea bastante compleja,
por ello la investigación hace el uso de técnicas evolutivas NP-HARD para resolver el modelo.
Las técnicas empleadas son Sistema Inmune artificial (AIS) y la optimización de enjambre de
Partículas (PSO). La investigación al final concluye con una solución óptima y realiza un
comparativo entre las técnicas mencionadas con anterioridad con el fin de identificar la de mayor
desempeño y solución.
Actualmente en Colombia, existen investigaciones como la realizada por la universidad de los
Andes (Monroy & M, 2006), en las cuales se mide la percepción de la implementación de la
logística inversa en empresas colombianas y los principales motivos por los cuales las empresas
se motivan a implementar políticas de logística inversa actualmente. Como principales hallazgos
se evidencia que en Colombia los factores competitivos no son predominantes dentro de estas
motivaciones, como sí lo son en otras regiones del mundo de acuerdo a este estudio. De igual
modo en busca de las percepciones del ámbito de la logística inversa encontramos una
publicación realizada en el 2013 en la revisa de la universidad de la Salle en Colombia titulada:
“Importancia de la logística inversa para un desarrollo sostenible en Colombia” el cual
describe ampliamente cual es la visión de la logística y de las operaciones manufactureras en
Colombia para el año 2032, y como los procesos de internacionalización de la economía se
traduce en la necesidad de la implementación de una política nacional de productividad y
logística como instrumento de competitividad en el ámbito internacional.
En razón a lo anterior se da una mirada a la logística inversa como estratégica de competitividad
y la cual se analiza desde los conceptos de expertos como Krugman(2007), Chudnovsky (1990),
Klaus y Wolfan (1990), Porter (1992) entre otros y de la cual se establece como países Europeos,
China, Canadá y Estados unidos han adoptado estas políticas ambientales basadas en la logística
inversa, no solo por disposiciones legislativas si no por ver en ella una factor competitivo y una
exigencia de los consumidores. Las empresas que en los próximos años no adopten estas
estrategias para la preservación del medio ambiente están condenadas a desaparecer. (Cely, 2013)
Por ello empresas como la multinacional IBM de la cual hace parte la presente investigación, ha
relacionado dentro de sus competencias de cadena de suministro inteligente las estrategias de
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
41
sostenibilidad ambiental, haciendo referencia a la desaparición de las cadenas de suministro que
en los próximos años si no adopten este tipo de estrategias. (Soto & Rovira, 2009)
Una vez analizado lo anterior se determina en dicha investigación que la logística inversa en
Colombia ha venido tomando fuerza gradualmente, sin embargo, a pesar de que existen algunas
compañías que se oponían a cumplir con las exigencias establecidas, han empezado a reconocer
las ventajas competitivas que se pueden derivar de su implementación. Una de las principales
estrategias que han venido adoptando las empresas en Colombia son la implementación de
normas como la ISO 14001 lo que ha permitido que integren los aspectos medio ambientales en
el sistema de gestión de calidad. Otras compañías han adoptado la estrategia de implementar un
sistema de logística inversa efectivo que dé respuesta al ámbito competitivo a y las exigencias del
nuevo mercado global (Cely, 2013)
De otra parte en el mismo recorrido encontramos investigaciones realizadas por la universidad
Militar Nueva Grada de Colombia, titulada: “análisis de la función inversa de la logística en el
proceso de distribución industrial en la línea de avicultura en SOLLAS.A.: recomendaciones
de mejoramiento” (Cifuentes & Moncada, 2012), donde se analiza principalmente las
condiciones actuales de la empresa SOLLA S.A para la implementación de un sistema de
logística inversa y de lo cual se propone un modelo de programación lineal en el cual se
gestionen los flujos directos e inversos de la cadena de suministro a la empresa, como ventaja
competitiva y mejoramiento al sistema logístico en general.
A continuación, en la figura 14, se puede evidenciar los flujos inversos de la cadena de
suministro SOLLA S.A y los cuales fueron objetos de estudio para el caso de aplicación.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
42
Fig. 14: Red inversa de productos de la línea de avicultura en Solla.
Fuente: (Cifuentes & Moncada, 2012)
Como conclusión general de la investigación, se logra determinar la integración de la política de
medio ambiente al sistema de costos de la cadena de suministro de la compañía SOLLA S.A y se
logra establecer un mecanismo lógico que permitirá la reducción de costes y el mejor
aprovechamiento de los recursos, los cuales corresponden a los principales objetivos que buscan
demostrar las investigaciones que hemos revisado en el estudio del estado del arte de la presente
investigación.
Otros estudios los vemos enfocados a la industria del plástico en Colombia, de donde parte un
estudio en el año 2015 titulado: “Reverse logistics in the plastics subsector: Main facilitators
and barriers” , el cual hace un recorrido en su primera parte sobre la importancia de la
incorporación de las estrategias sostenibles en industrias del mundo y describen como en la
actualidad existe sin fin de investigaciones que tienen mayor enfoque a los desechos electrónicos
y al uso de los recursos naturales. Esta investigación hace un énfasis especial en la industria del
plástico enfocado en la industria PYMES, que según ellos son empresas que están en proceso de
desarrollo y de las cuales hay mayor facilidad de incorporación de estrategias de sostenibilidad
ambiental a través de la logística inversa. Posteriormente a través de un proceso de indagación
mediante la aplicación de cuestionarios logran recopilar información que les permite determinar
cuáles son las barreras de entrada de la logística inversa para la incorporación de estrategias en la
industria colombiana y cuáles son las propuestas que de ellas se pueden derivar. Este estudio se
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
43
concentra más en determinar el panorama actual de la cultura de sostenibilidad en el país. (Peña,
Osorio, Vidal, Torres, & Marmolejo, 2015)
En Colombia principalmente los estudios realizados acerca de la logística inversa en las cadenas
de suministros como se ha observado, hacen referencia a la caracterización del panorama actual
de esta temática en el país, motivaciones, barreras de entrada, desarrollo y la prospectiva para los
próximos años. Principalmente encontramos las siguientes:
“Inverse logistics a process with environmental and productivity impacts”, la cual busca
analizar la logística inversa desde un marco conceptual, de procesos y aplicaciones a nivel
nacional e internacional (Gomez, 2010), “Nuevos Beneficios de la logística inversa para
empresas europeas y colombianas” la cual realizan un recorrido por algunas empresas Europeas
en el marco del desarrollo y acoplamiento a la normativa medio ambiental y expone las
actividades de logística inversa a desarrollar enfocada al cumplimiento y al ámbito de
competitividad. A su vez este análisis incluye empresas colombianas que comienzan a incorporar
la logística inversa como una fuente de ventajas competitivas (Ramirez, 2007).
De acuerdo a los estudios analizados, se determina la necesidad de promover investigaciones que
permitan integrar este tipo de estrategias a las nuevas complejidades de las cadenas de suministro,
problemática que se está presentando actualmente dentro de los factores de competencia de las
cadenas de suministro y que es determinante dentro de la prospectiva de la logística globalizada.
De acuerdo a la revisión del estado del arte podemos determinar que a nivel mundial se han
realizado algunas investigaciones de gran valor y se han generado algunas propuestas de modelos
de logística inversa que se constituyen como factor de competitividad en las empresas, en
Colombia los estudios se constituyen en mayor cantidad a nivel perceptivo y de panorama
general, lo que deja la puerta abierta a que se puedan constituir propuestas más específicas en el
marco de aplicación como se pretende en el presente proyecto de grado.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
44
Parte II: Estrategia de Integración
2 Estrategia de Integración
2.1 Estrategia de Integración de las CSI
La estrategia de integración de la política de logística inversa se plantea de la siguiente manera en
cada uno de los eslabones de la cadena de suministro:
Nodos Origen (Proveedores / Centros de producción): En los cuales se concentra la
manufactura de productos y/o suministro de productos o insumos si se identifican como
proveedores, en el cual se hace uso de materiales para empaque de productos que posteriormente
saldrán a distribución. Los centros de producción y/o proveedores, en el instante que la red
logística actúa en sentido inverso, es transformado en centros de consumo de materiales
recuperados o proveedores, con quienes se acuerdan una política de retorno de materiales re-
utilizables con el ánimo de buscar un descuento / ahorro en las compras. En el modelo se
evidencia con los indicadores PP1... ∀ 𝒊 = 𝟏, 𝟐, 𝟑 … . 𝒏 en flujo directo y PPP1 ∀ 𝒂 =
𝟏, 𝟐, 𝟑 … . 𝒑 en flujo inverso.
Nodos Destino (Centros de consumos): Hacen parte de los puntos donde se concentrará como
punto final cada uno de los productos / Insumos distribuidos a través de la red logística. Los
centros de consumo en el instante que la red logística actúa en sentido inverso, es transformado
en Nodos Origen que ofertan materiales recuperados. En el modelo se evidencia con los
indicadores CCC1 ∀ 𝒘 = 𝟏, 𝟐, 𝟑 … . 𝒎 en flujo directo y C1 ∀ 𝒕 = 𝟏, 𝟐, 𝟑 … . 𝒘 en flujo
inverso.
Estación Cross Docking / Centro de Acopio: Hace parte de la red logística donde se
concentrarán los flujos directos e inversos de productos e insumos y que a su vez concentrara el
corazón de la estrategia de clasificación tanto de productos, como de materiales recuperados que
retornarán a los Nodos origen. (Centros de consumo en Logística inversa). El modelo propuesto
estima la posibilidad de crear más de una (1) estación Cross Docking, y los cuales conservan una
capacidad de procesamiento, por lo cual estiman una oferta y una demanda de materiales/
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
45
productos. En el modelo se evidencia con los indicadores CC1 ∀ 𝒋 = 𝟏, 𝟐, 𝟑 … . 𝒈 en flujo
directo y H1 ∀ 𝒒 = 𝟏, 𝟐, 𝟑 … . 𝒐 en flujo inverso
Demanda: En el modelo propuesto, el factor demanda se puede evidenciar desde los nodos
origen, nodos destino y centro Cross Docking. Lo anterior hace parte de la teoría de flujos que se
propone, en donde se debe cumplir con los volúmenes (en las unidades definidas) en el plan de
transporte directo o inverso.
A continuación, se describen os tipos de demanda estructurados en los parámetros del modelo:
Demanda en CD (Centro Cross Docking)
𝒅𝒓(𝒋) = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝐼𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑛 𝑘𝑔 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑎𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "j"
𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎.
𝒅𝒓𝒊𝒏𝒗(𝒒) = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑛 𝐾𝑔 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑎𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "q"
𝑒𝑛 𝑓𝑙𝑢𝑗𝑜 𝑖𝑛𝑣𝑒𝑟𝑠𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎
La demanda 𝒅𝒓(𝒋) garantizará que los flujos en los medios de transporte ingresen al centro Cross
Docking donde se realizará el proceso de consolidación y des-consolidación, para el posterior re-
embarque a los nodos destino. La demanda 𝒅𝒓𝒊𝒏𝒗(𝒒) garantiza la misma operación en flujo
inverso.
Demanda en Nodos destino / Origen
𝒅𝒓𝒓(𝒘) = 𝐾𝑖𝑙𝑜𝑔𝑟𝑎𝑚𝑜𝑠 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑑𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑜𝑠 𝑁𝑜𝑑𝑜𝑠 𝐷𝑒𝑠𝑡𝑖𝑛𝑜"𝑤"
𝒅𝒓𝒓𝒊𝒏𝒗(𝒂) = 𝐾𝑖𝑙𝑜𝑔𝑟𝑎𝑚𝑜𝑠 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 "a"
𝑝𝑎𝑟𝑎 𝑠𝑢 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛.
La demanda 𝒅𝒓𝒓(𝒘) corresponden a la demanda de insumos / proveedores que se debe suplir en
nodo destino en flujo directo, tomando como nodo origen el centro Cross Dockig “j”. La
demanda, 𝒅𝒓𝒊𝒏𝒗(𝒂) garantiza la misma operación en flujo inverso
Oferta: En el modelo propuesto, el factor oferta se puede evidenciar desde los nodos origen,
nodos destino y centro Cross Docking. Lo anterior hace parte de la teoría de flujos que se
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
46
propone, en donde se debe cumplir con los volúmenes (en las unidades definidas) en el plan de
transporte directo o inverso.
Los tipos de oferta que encontramos estructurados en los parámetros del modelo son:
Oferta en CD (Centro Cross Docking)
𝒐𝒇(𝒋) = 𝑂𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑛 𝐾𝑖𝑙𝑜𝑔𝑟𝑎𝑚𝑜𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 𝑒𝑛 𝐶𝐷 j𝑝𝑎𝑟𝑎 𝑠𝑢𝑝𝑙𝑖𝑟 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 "𝑤"
𝒐𝒇𝒊𝒏𝒗(𝒒) = 𝑂𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑛 𝑘𝑔 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 𝑒𝑛 𝐶𝐷 "q" 𝑝𝑎𝑟𝑎 𝑟𝑒𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑟 𝑎 𝑙𝑜𝑠 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟𝑒𝑠"𝑎"𝑝𝑎𝑟𝑎 𝑠𝑢 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛 𝐹𝑙𝑢𝑗𝑜 𝐼𝑛𝑣𝑒𝑟𝑠𝑜
La oferta 𝒐𝒇(𝒋) garantizara que los flujos en los medios de transporte salgan del centro Cross
Docking de acuerdo a la capacidad del mismo para el procesamiento, consolidación y des-
consolidación para el posterior re-embarque a los nodos destino “w”. La oferta 𝒐𝒇𝒊𝒏𝒗(𝒒)
garantiza la misma operación en flujo inverso.
Oferta en Nodos destino / Origen
𝑪𝑶(𝒊) = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑑𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟 "𝑖"
𝑪𝑶𝒊𝒏𝒗(𝒕) = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑡𝑖𝑛𝑜𝑠 (𝑡) 𝑒𝑛 𝑓𝑙𝑢𝑗𝑜 𝑖𝑛𝑣𝑒𝑟𝑠𝑜
La oferta 𝑪𝑶(𝒊) representa la capacidad de los nodos orígenes (Centros de producción y/o
Proveedores y que mediante los medios de transporte transportan las unidades demandadas al
centro cross docking de acuerdo al proceso de optimización que genera un plan de cantidades a
transportar a mínimo costo. La oferta 𝑪𝑶𝒊𝒏𝒗(𝒕) garantiza la misma operación en flujo inverso.
Medios de transporte: son aquellos que hacen posible la ejecución de la estrategia y que
obtendrán el mejor aprovechamiento en el modelo de integración. La utilización de la capacidad
disponible de los medios de transporte en flujo inverso para el transporte de materiales
recuperados de los centros de consumo que posteriormente viajan hacia la plataforma Cross
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
47
Docking para su clasificación y que posteriormente viajan hacia los centros de producción/
Proveedores para su re-utilización, son considerados como la estrategia competitiva que permitirá
hacer frente a los desafíos de sostenibilidad propuestos en el proyecto de investigación. En el
modelo se evidencia con los indicadores MT ∀ 𝒌 = 𝟏, 𝟐, 𝟑 … . 𝒍, tanto en flujo directo como
flujo inverso.
Parámetros asociados a los Medios de transporte
𝑪𝒄𝒌 = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎 𝑑𝑒𝑙 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑡𝑖𝑝𝑜 𝑘
𝑼𝒌 = 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑐𝑖𝑜𝑛 𝑦 𝑎𝑙𝑖𝑠𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑢𝑛 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑡𝑖𝑝𝑜 𝑘
𝑪𝒖𝒅𝒌 = 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑡𝑖𝑝𝑜 𝑘
𝑪𝒅𝒌 = 𝑉𝑒ℎ𝑖𝑐𝑢𝑙𝑜𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 𝑑𝑒𝑙 𝑡𝑖𝑝𝑜 𝑘
𝑵𝒎𝒂𝒙𝑲 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑚𝑎𝑥𝑖𝑚𝑜 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑢𝑛 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑡𝑖𝑝𝑜 𝑘
El modelo contempla parámetros de medios de transporte asociados a la capacidad y
disponibilidad de los mismos, para generar el plan de viajes tanto en flujo directo como en flujo
inverso.
El parámetro 𝑪𝒄𝒌, principalmente permite al modelo reconocer la capacidad de carga de cada
uno de los medios de transporte disponibles para la distribución. El parámetro 𝑼𝒌 , permite
asociar costos de preparación y alistamiento de medio de transporte los cuales son característicos
de un modelo logístico donde se contemplen actividades de consolidación y des-consolidación en
centros Cross Docking. El parámetro 𝑪𝒖𝒅𝒌 permite asociar el costo por unidad de distancia del
vehículo, teniendo en cuenta los recorridos en el plan de transporte y costos asociados a él
(Combustible, Peajes, mantenimiento etc.), es necesario determinar un costo promedio por unidad
de distancia a recorrer para que el modelo lo pueda reconocer. Finalmente, el parámetro 𝑪𝒅𝒌,
corresponde a la cantidad de vehículos que se tienen disponibles por cada tipo y 𝑵𝒎𝒂𝒙𝒌 que
corresponde a la cantidad máxima de viajes posibles a realizar.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
48
Parámetros de costo
Los parámetros de costos, se construyen a través ya establecidos, tanto de demanda, oferta y
medios de transporte. Estos parámetros permiten calcular costos totales asociados al plan de
viajes y de acuerdo a un proceso iterativo, generar el mejor resultado (costo mínimo)
En los parámetros de costos del modelo, encontramos los siguientes:
𝑪(𝒊) = 𝐶𝑜𝑠𝑡𝑜 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝑝𝑜𝑟 𝐾𝑖𝑜𝑔𝑟𝑎𝑚𝑜𝑠 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑑𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟 "𝑖"
Este costo es determinado por el proveedor de insumos y productos o puede estar asociado al
costo de producción, se asociamos los nodos orígenes como centros de producción. En el caso de
los proveedores, es habitual dentro del costos unitarios integrar el costo del proveedor más el
costo de distribución unitario, en el cual este último puede estar dado por kilogramo, unidades o
por kilómetro recorrido.
Para el cálculo de los siguientes parámetros necesarios como entradas del modelo logístico se
debe tener en cuenta la siguiente relación:
Ec. para el cálculo del costo de Viaje
(1)
𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑉𝑖𝑎𝑗𝑒 = 𝑈(𝑘) + 𝐶𝑢𝑑𝑘 + 𝑑(𝑥, 𝑦)
Fuente: Clase Maestría Ing. Industrial – Profesor Msc, Cesar A. López3
Lo anterior teniendo en cuenta lo definido en los parámetros (10), (11) y donde:
𝑑(𝑥, 𝑦) [𝑥1, 𝑦1 𝑥1, 𝑦2𝑥2, 𝑦1 𝑥2, 𝑦2
]
Que corresponde directamente a la distancia a recorrer entre nodos orígenes y nodos destinos en
los medios de transporte.
Teniendo en cuenta lo anterior como entradas del modelo, se definen los siguientes:
𝑪𝑽(𝒊, 𝒋, 𝒌) = 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑣𝑖𝑎𝑗𝑒 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟 𝑖 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑎𝑐𝑜𝑝𝑖𝑜 𝑗
3 Clase Maestria Investigación de Operación para la logística – Profesos Cesar A Lopez, Taller 5 y 6.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
49
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑉𝑖𝑎𝑗𝑒 𝐶𝑉(𝑖, 𝑗, 𝑘) = 𝑈(𝑘) + 𝐶𝑢𝑑𝑘 + 𝑑(𝑖, 𝑗)
𝑪𝑽𝑽(𝒋, 𝒘, 𝒌) = 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑣𝑖𝑎𝑗𝑒 𝑑𝑒𝑠𝑑𝑒 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑎𝑐𝑜𝑝𝑖𝑜 jℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 w
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑉𝑖𝑎𝑗𝑒 𝐶𝑉𝑉(𝑗, 𝑤, 𝑘) = 𝑈(𝑘) + 𝐶𝑢𝑑𝑘 + 𝑑(𝑗, 𝑤)
𝑪𝑽𝒊𝒏𝒗(𝒕, 𝒒, 𝒌) = 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑣𝑖𝑎𝑗𝑒 𝑑𝑒𝑠𝑑𝑒 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑜𝑟𝑖𝑔𝑒𝑛𝑒𝑠 tℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑎𝑐𝑜𝑝𝑖𝑜 q
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘 𝑒𝑛 𝐹𝑙𝑢𝑗𝑜 𝐼𝑛𝑣𝑒𝑟𝑠𝑜
𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑉𝑖𝑎𝑗𝑒 𝐶𝑉𝑖𝑛𝑣(𝑡, 𝑞, 𝑘) = 𝑈(𝑘) + 𝐶𝑢𝑑𝑘 + 𝑑(𝑡, 𝑞)
𝑪𝑽𝑽𝒊𝒏𝒗(𝒒, 𝒂, 𝒌) = 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑣𝑖𝑎𝑗𝑒 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑎𝑐𝑜𝑝𝑖𝑜 qℎ𝑎𝑠𝑡𝑎 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 a
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟 𝑘 𝑒𝑛 𝐹𝑙𝑢𝑗𝑜 𝑖𝑛𝑣𝑒𝑟𝑠𝑜
𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑉𝑖𝑎𝑗𝑒 𝐶𝑉𝑉𝑖𝑛𝑣(𝑞, 𝑎, 𝑘) = 𝑈(𝑘) + 𝐶𝑢𝑑𝑘 + 𝑑(𝑞, 𝑎)
Parámetro de Ahorro
El parámetro de ahorro, corresponde principalmente al ahorro unitario que se obtendrá por cada
unidad (Kilogramos, Cantidad de unidades etc.) de insumo o producto que se recupere y que se
logre distribuir en flujo inverso a su origen inicial. En los casos en los cuales los nodos orígenes
corresponden a proveedores, es necesario pactar cual es la política (porcentaje de recuperación)
admitida y que se evidencia como un reconocimiento al costo inicial. Este ahorro debe estar
identificado como valor unitario y en la ecuación objetivo se logrará evidenciar como una
diferencia entre el costo inicial unitario 𝑪(𝒊) y el parámetro de ahorro que se identifica:
𝑨𝑯𝑶𝑹𝑹𝑶(𝒕) = 𝑉𝑎𝑙𝑜𝑟 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝑑𝑒𝑙 𝐴ℎ𝑜𝑟𝑟𝑜 𝑝𝑜𝑟 𝐾𝑖𝑙𝑜𝑔𝑟𝑎𝑚𝑜 𝑑𝑒 𝐼𝑛𝑠𝑢𝑚𝑜
𝑅𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑑𝑜 "𝑡" 𝑃𝐴𝑅𝐴𝑀𝐸𝑇𝑅𝑂 𝐷𝐸 𝐴𝐻𝑂𝑅𝑅𝑂.
A continuación, la figura 9, permite visualizar cada uno de los componentes del modelo teórico
tanto para flujo directos como para flujo inverso.
2.2 Esquema de Flujos Directos e Inversos de la estrategia de la CSI.
Fig. 15: Estrategia de Integración en SCMI.
Fuente: Autor
OFERTA co(i) of(j) OFERTA ofeinv(q) Coinv(t)
DEMANDA Dr(j) drr(w) DEMANDA drrinv(a) drinv(q)
i = 1,2,3….n w=1,2,3…m t=1,2,3…v
a = 1,2,3….p
j= 1,2,3…g q= 1,2,3…o
MT MT MT MT
k=1,2,3..l k=1,2,3..l
k=1,2,3..l k=1,2,3..l
VARIABLES VARIABLES VARIABLES VARIABLES
X (i,j,k) y (j,w,k) Xinv (q,a,k) yinv (t,q,k)
V (i,j,k) VV (j,w,k) Vinv (q,a,k) VVinv (t,q,k)
PP1….n Corresponde a los nodos que abastecedores en flujo directo C1….v
CC1…g Centro de acopio que consolida y re-distribuye hacia nodos destino H1…o Centro de acopio que consolida y re-distribuye hacia nodos destino, en Flujo Inverso
CCC1..w Nodos destinos, los cuales demandan material de nodos abastecedores PPP1..p
MT1…K Tipos de Medio de transporte MT1…K Tipos de Medio de transporte
X (i,j,k) Variables de cantidad en flujo directo Xinv (q,a,k) Variables de cantidad en flujo Inverso de CA a nodos destino
V (i,j,k) Variables de Cantidad de Viajes a programar en Flujo Directo Vinv (q,a,k) Variables de Cantidad de Viajes a programar en Flujo inverso de CA a nodos destino
y (j,w,k) Variables de cantidad en flujo Directo de CA a nodos destino yinv (t,q,k) Variables de cantidad en flujo Inverso de nodos origen a CA
VV (j,w,k) Variables de Cantidad de Viajes a programar en Flujo directo de CA a nodos destino VVinv (t,q,k) Variables de Cantidad de Viajes a programar en Flujo inverso de Nodos origen a CA
MODELO TEORICO FLUJO DIRECTO MODELO TEORICO FLUJO INVERSO
Corresponde a los nodos que abastecedores en flujo Invero. ( Nodos recuperadores de Materiales)
Nodos destinos, los cuales demandan material de nodos abastecedores de Material recuperado en
flujo inverso
PP1
PP2
PP3
CC1
CCC1
CCC2
CCC3
CCC4
CCC5
CCC6
PPP1
PPP2
PPP3
H1
C1
C2
C3
C4
C5
C6
Una vez visualizado el modelo propuesto que incluye la integración de la política de logística
inversa, se logra evidenciar los componentes de cada parte del modelo lógico de acuerdo a cada
uno de los flujos (Directo e inverso), los cuales se describen a continuación:
Modelo Teórico Flujo Directo
Comprende los flujos directos del modelo de cadena de suministro, en él se contemplan las
variables de viaje y cantidades a transportar en cada uno de los trayectos del flujo (Desde los
nodos origen o centros de producción hasta el nodo centro Cross Docking y desde el nodo centro
Cross Docking hasta los nodos destino o centros de consumo). Se puede también evidenciar los
parámetros de oferta de los nodos origen o centros de producción, los parámetros de oferta y
demanda del nodo centro Cross Docking y los parámetros de demanda de los nodos destino o
centros de consumo. La cantidad de nodos en cada punto del modelo (Nodos Origen, Nodo Cross
Docking, Nodos destino) puede variar (Incrementar o disminuir) de acuerdo a la realidad de la
cadena de suministro donde se realice el proceso de optimización.
Los nodos origen (PP1, PP2, PP3,…., PPn) para efectos de aplicación corresponden a centros de
producción (Insumos o productos) que pueden estar distribuidos en diferentes zonas o regiones,
Tipos de proveedores (Insumos o productos) que también pueden estar distribuidos
geográficamente o centros de almacenamiento desde donde se planee realiza el proceso de
suministro a través de toda la cadena logística.
Los nodos Cross Docking (CC1,…., CCg), corresponde a los centros donde se realiza el acopio
del material proveniente de los nodos destino y que en flujo directo sirve como centro de
clasificación, des-consolidación y consolidación de carga (Insumos, Productos), para un posterior
re-embarque a medios de transporte que trasladaran hasta los nodos finales o centros de consumo.
Los nodos destino (CCC1, CCC2, CCC3,….., CCCm), corresponde a los centros o lugares de
consumo. Para efectos de aplicación puede corresponder a tiendas mayoristas, puntos de venta,
centros de almacenamiento con atención al público, etc.).
Los medios de transporte (MT1, MT2,…, MTl), pueden ser configurados de varios tipos de
acuerdo a su capacidad de carga. El modelo posterior al proceso de optimización definirá los
tipos a de vehículo a emplear en cada uno de los flujos).
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
52
Modelo Teórico Flujo Inverso
Comprende los flujos inversos del modelo de cadena de suministro, en él se contemplan de igual
modo las variables de viaje y cantidades a transportar en cada uno de los trayectos del flujo. En
este caso los nodos orígenes del Modelo teórico flujo directo, se configuran como nodos destinos.
Lo mismo sucede con los nodos destino del modelo teórico flujo directo, que en este caso se
configuran como nodos origen. El centro Cross Docking se mantiene como centro de acopio,
pero con una descripción de actividades distinta a la que se da en flujo directo
Una vez se establece la configuración anterior, se establecen de igual modo como en el modelo
teórico de flujo directo los parámetros de oferta de los nuevos nodos origen o centros de
recepción de material recuperado, los parámetros de oferta y demanda del nodo centro Cross
Docking flujo inverso y los parámetros de demanda de los nodos destino que en la realidad
corresponden a los mismos centros de producción que ahora demandan material recuperado. La
cantidad de nodos en cada punto del modelo (Nodos Origen, Nodo Cross Docking, Nodos
destino) puede variar (Incrementar o disminuir) de acuerdo a la realidad de la cadena de
suministro donde se realice el proceso de optimización. Incluso el modelo permite en el proceso
de optimización que la cantidad de nodos pueda ser distinta entre el modelo de flujo directos y el
modelo de flujo inverso, entendiendo que los centros de recuperación de material, o los
demandantes de material recuperado podrían ser diversos y que su incremento podría beneficiar
el parámetro de ahorro del modelo.
Los nodos origen (C1, C2, C3,…., Cv) para efectos de aplicación corresponden a centros donde
es posible realizar la recepción y consolidación de material recuperado. Generalmente comprende
a los mismos centros de consumo del modelo teórico directo y que adaptan mecanismos para la
recepción de estos materiales, como puntos ecológicos donde el consumidor final puede hacer
llegar estos elementos y podría ser beneficiado de acuerdo con alguna campaña de
concientización ambiental establecida.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
53
Los nodos Cross Docking se configuran en flujo inverso (H1,…., Ho), corresponde a los centros
donde se realiza el acopio del material recuperado proveniente de los nodos destino y que en flujo
inverso sirve como centro de reciclaje, clasificación, des-consolidación y consolidación de
material recuperado, para un posterior re-embarque a medios de transporte que trasladaran hasta
los nodos finales o centros de consumo. El papel del centro Cross Docking en flujo inverso es
vital, teniendo en cuenta que sirve como lugar donde se puede seleccionar los materiales que son
recuperables y reutilizables, con el fin de no transportar materiales a los nodos destino que no se
podrá re-incorporar a la cadena de suministro.
Los nodos destino se configuran (PP1, PP2, PP3,….., PPp), corresponde a los centros o lugares
donde se recibe el material recuperado de acuerdo a demanda para su posterior tratamiento y re-
incorporación a la cadena de suministro. Generalmente corresponde a los centros de producción
del modelo teórico directo que son a quienes interesa recibir estos materiales.
Los medios de transporte (MT1, MT2,…, MTl), mantienen la misma configuración del modelo
teórico flujo directo.
2.3 Definición del Modelo Teórico.
2.3.1 Criterio del Modelo
Minimizar los costos asociados al plan de distribución en la cadena de suministro inteligente
mediante el centro Cross Docking, determinando las cantidades óptimas a transportar en los
medios de transporte en flujo directo y flujo inverso.
2.3.2 Parámetros
A continuación se listan los 19 parámetros ya definidos en el apartado anterior y que deben ser
configurados dentro del modelo teórico:
(𝟏) 𝒅𝒓(𝒋) = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝐼𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑛 𝑘𝑔 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑎𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "j"
𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎
(𝟐) 𝒅𝒓𝒊𝒏𝒗(𝒒) =𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑛 𝐾𝑔 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑎𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 “q” 𝑒𝑛 𝑓𝑙𝑢𝑗𝑜 𝑖𝑛𝑣𝑒𝑟𝑠𝑜 𝑝𝑎𝑟𝑎
𝑝𝑟𝑜𝑐𝑒𝑠𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎
(𝟑) 𝒅𝒓𝒓(𝒘) = 𝐾𝐺 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑑𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑜𝑠 𝑁𝑜𝑑𝑜𝑠 𝐷𝑒𝑠𝑡𝑖𝑛𝑜w
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
54
(𝟒) 𝒅𝒓𝒓𝒊𝒏𝒗(𝒂)= 𝐾𝐺 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 "a" p𝑎𝑟𝑎 𝑠𝑢 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛. (𝟓) 𝒐𝒇(𝒋)= 𝑂𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑛 𝐾𝐺 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 𝑒𝑛 𝐶𝐷 "j" 𝑝𝑎𝑟𝑎 𝑠𝑢𝑝𝑙𝑖𝑟 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 "w"
(𝟔) 𝒐𝒇𝒊𝒏𝒗(𝒒) = 𝑂𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑒𝑛 𝑘𝑔 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 𝑒𝑛 𝐶𝐷 "q" 𝑝𝑎𝑟𝑎 𝑟𝑒𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑟 𝑎 𝑙𝑜𝑠 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟𝑒𝑠"𝑎"𝑝𝑎𝑟𝑎 𝑠𝑢 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛 𝐹𝑙𝑢𝑗𝑜 𝐼𝑛𝑣𝑒𝑟𝑠𝑜
(𝟕) 𝑪𝑶(𝒊) = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑑𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟 "𝑖"
(𝟖) 𝑪𝑶𝒊𝒏𝒗(𝒕) = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑡𝑖𝑛𝑜𝑠 "𝑡"
𝑒𝑛 𝑓𝑙𝑢𝑗𝑜 𝑖𝑛𝑣𝑒𝑟𝑠𝑜
(𝟗) 𝑪𝒄𝒌 = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎 𝑑𝑒𝑙 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑡𝑖𝑝𝑜 "𝑘"
(𝟏𝟎) 𝑼𝒌 = 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑐𝑖𝑜𝑛 𝑦 𝑎𝑙𝑖𝑠𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑢𝑛 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑡𝑖𝑝𝑜 "𝑘"
(𝟏𝟏) 𝑪𝒖𝒅𝒌 = 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑡𝑖𝑝𝑜 "𝑘"
(𝟏𝟐) 𝑪𝒅𝒌 = 𝑉𝑒ℎ𝑖𝑐𝑢𝑙𝑜𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 𝑑𝑒𝑙 𝑡𝑖𝑝𝑜 "𝑘"
(𝟏𝟑) 𝑵𝒎𝒂𝒙𝑲 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑚𝑎𝑥𝑖𝑚𝑜 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑢𝑛 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜 𝑡𝑖𝑝𝑜 "𝑘"
(𝟏𝟒) 𝑪(𝒊) = 𝐶𝑜𝑠𝑡𝑜 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝑝𝑜𝑟 𝐾𝑖𝑜𝑔𝑟𝑎𝑚𝑜𝑠 𝑑𝑒 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑑𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟 "𝑖"
(𝟏𝟓) 𝑪𝑽(𝒊, 𝒋, 𝒌) = 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑣𝑖𝑎𝑗𝑒 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟 "𝑖" ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑎𝑐𝑜𝑝𝑖𝑜 "𝑗"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "𝑘"
(𝟏𝟔) 𝑪𝑽𝑽(𝒋, 𝒘, 𝒌)
= 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑣𝑖𝑎𝑗𝑒 𝑑𝑒𝑠𝑑𝑒 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑎𝑐𝑜𝑝𝑖𝑜 "j" ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 "w"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "𝑘"
(𝟏𝟕) 𝑪𝑽𝒊𝒏𝒗(𝒕, 𝒒, 𝒌)= 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑣𝑖𝑎𝑗𝑒 𝑑𝑒𝑠𝑑𝑒 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑜𝑟𝑖𝑔𝑒𝑛𝑒𝑠 "t" ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑎𝑐𝑜𝑝𝑖𝑜 "q"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "𝑘" 𝑒𝑛 𝐹𝑙𝑢𝑗𝑜 𝐼𝑛𝑣𝑒𝑟𝑠𝑜
(𝟏𝟖) 𝑪𝑽𝑽𝒊𝒏𝒗(𝒒, 𝒂, 𝒌)= 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑣𝑖𝑎𝑗𝑒 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑎𝑐𝑜𝑝𝑖𝑜 "q" ℎ𝑎𝑠𝑡𝑎 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 "a"
(𝟏𝟗) 𝑨𝑯𝑶𝑹𝑹𝑶(𝒕) = 𝑉𝑎𝑙𝑜𝑟 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝑑𝑒𝑙 𝐴ℎ𝑜𝑟𝑟𝑜 𝑝𝑜𝑟 𝐾𝑔 𝑑𝑒 𝐼𝑛𝑠𝑢𝑚𝑜 𝑅𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑑𝑜 "t"
𝑃𝐴𝑅𝐴𝑀𝐸𝑇𝑅𝑂 𝐷𝐸 𝐴𝐻𝑂𝑅𝑅𝑂.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
55
2.3.3 Conjuntos Referenciales
A continuación, se listan los conjuntos referenciales que identifican cada uno de los eslabones de
la cadena de suministro tanto en flujo directos como en flujo inverso.
Flujo Directo
𝒊 = 𝐼𝑛𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟 𝑜 𝐶𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖𝑜𝑛 (𝑁𝑜𝑑𝑜 𝑂𝑟𝑖𝑔𝑒𝑛)
∀ 𝑖 = 1,2 … . . 𝑛
𝒋 = 𝐼𝑛𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝐶𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 (𝐶𝑒𝑛𝑡𝑟𝑜 𝐶𝑟𝑜𝑠𝑠 𝐷𝑜𝑐𝑘𝑖𝑛𝑔) ∀ 𝑗 = 1,2 … . . 𝑔
𝒘 = 𝐼𝑛𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝐶𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 (𝑁𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜) ∀ 𝑤 = 1,2 … . . 𝑚
𝒌 = 𝐼𝑛𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝑇𝑖𝑝𝑜 𝑑𝑒 𝑉𝑒ℎ𝑖𝑐𝑢𝑙𝑜 ∀ 𝑘 = 1,2 … . . 𝑙 Flujo Inverso
𝒂 = 𝐼𝑛𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 ( 𝑁𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 𝑒𝑛 𝐹𝑙𝑢𝑗𝑜 𝐼𝑛𝑣𝑒𝑟𝑠𝑜) ∀ 𝑎 = 1,2 … . . 𝑝
𝒒 = 𝐼𝑛𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝐶𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 (𝐶𝑒𝑛𝑡𝑟𝑜 𝐶𝑟𝑜𝑠𝑠 𝐷𝑜𝑐𝑘𝑖𝑛𝑔 𝑒𝑛 𝑓𝑙𝑢𝑗𝑜 𝑖𝑛𝑣𝑒𝑟𝑠𝑜) ∀ 𝑞 = 1,2 … . . 𝑜
𝒕 = 𝐼𝑛𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝐶𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛 𝑑𝑒 𝑀𝑎𝑡𝑒𝑟𝑖𝑎𝑙 (𝑁𝑜𝑑𝑜 𝑜𝑟𝑖𝑔𝑒𝑛) ∀ 𝑡 = 1,2 … . . 𝑚
𝒌 = 𝐼𝑛𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎 𝑒𝑙 𝑇𝑖𝑝𝑜 𝑑𝑒 𝑉𝑒ℎ𝑖𝑐𝑢𝑙𝑜 ∀ 𝑘 = 1,2 … . . 𝑙
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
56
2.3.4 Variables de decisión del modelo teórico
2.3.4.1 Variables de Cantidades a Transportar
Flujo Directo:
𝑿(𝒊, 𝒋, 𝒌): 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑜𝑟𝑖𝑔𝑒𝑛 "i" ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "j"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "𝑘"
Esta variable de decisión una vez realizado el proceso de optimización, nos permitirá definir
el plan de cantidades a transportar en el primer trayecto del flujo directo desde cada nodo
origen al centro Cross Docking, y la cual está ligada a las restricciones de capacidad de
medios de transporte.
𝒀(𝒋, 𝒘, 𝒌): 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "j" ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜"w"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "k"
Esta variable de decisión una vez realizado el proceso de optimización, nos permitirá definir
el plan de cantidades a transportar en el segundo trayecto del flujo directo desde cada nodo
centro Cross Docking a los nodos destinos y la cual está ligada a las restricciones de
capacidad de medios de transporte.
Flujo Inverso:
𝑿𝒊𝒏𝒗(𝒕, 𝒒, 𝒌): 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑜𝑟𝑖𝑔𝑒𝑛 t ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "q"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "𝑘"
Esta variable de decisión una vez realizado el proceso de optimización, nos permitirá definir
el plan de cantidades a transportar en el primer trayecto del flujo inverso desde cada nodo
origen al centro Cross Docking, y la cual está ligada a las restricciones de capacidad de
medios de transporte.
𝒀𝒊𝒏𝒗(𝒒, 𝒂, 𝒌): 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "q" ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜"a"
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
57
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "k"
Esta variable de decisión una vez realizado el proceso de optimización, nos permitirá definir
el plan de cantidades a transportar en el segundo trayecto del flujo inverso desde cada nodo
centro Cross Docking a los nodos destinos y la cual está ligada a las restricciones de
capacidad de medios de transporte.
2.3.4.2 Variables de Viajes a Programar
Flujo Directo:
𝑽(𝒊, 𝒋, 𝒌): 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑎 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑜𝑟𝑖𝑔𝑒𝑛 i ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "j"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "𝑘"
Esta variable nos permitirá conocer el plan de transporte a programar en el primer trayecto del
flujo directo una vez realizado el proceso de optimización, desde los nodos origen hasta el
centro Cross Docking. De acuerdo a las restricciones del modelo, tiene en cuenta la cantidad
de medios de transporte incluidos, la capacidad de carga y la cantidad posible de números de
viajes a programar de cada uno.
𝑽𝑽(𝒋, 𝒘, 𝒌): 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑎 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "j" ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜"w"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 k
Esta variable nos permitirá conocer el plan de transporte a programar en el segundo trayecto
del flujo directo una vez realizado el proceso de optimización, desde el nodo centro Cross
Docking hasta el nodo destino. De acuerdo a las restricciones del modelo, tiene en cuenta la
cantidad de medios de transporte incluidos, la capacidad de carga y la cantidad posible de
números de viajes a programar de cada uno.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
58
Flujo Inverso:
𝑽𝒊𝒏𝒗(𝒕, 𝒒, 𝒌): 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑎 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑜𝑟𝑖𝑔𝑒𝑛 t ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "q"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 "𝑘"
Esta variable nos permitirá conocer el plan de transporte a programar en el primer trayecto del
flujo inverso una vez realizado el proceso de optimización, desde los nodos origen hasta el
centro Cross Docking. De acuerdo a las restricciones del modelo, tiene en cuenta la cantidad
de medios de transporte incluidos, la capacidad de carga y la cantidad posible de números de
viajes a programar de cada uno.
𝑽𝑽𝒊𝒏𝒗(𝒒, 𝒂, 𝒌): 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑎 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝐷 "q" ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑛𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜"a"
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 k
Esta variable nos permitirá conocer el plan de transporte a programar en el segundo trayecto
del flujo inverso una vez realizado el proceso de optimización, desde el nodo centro Cross
Docking hasta el nodo destino. De acuerdo a las restricciones del modelo, tiene en cuenta la
cantidad de medios de transporte incluidos, la capacidad de carga y la cantidad posible de
números de viajes a programar de cada uno.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
59
2.3.5 Función objetivo
A continuación, la ecuación 2, describe la función objetivo configurado para el proceso de
optimización de la cadena de suministro y la cual incluye la política de logística inversa. Esta
función se compone de 6 términos los cuales permite evaluar cada uno de los trayectos en
flujo directo como inverso.
Ecuación 1: Ec. Función Objetivo Modelo Teórico - Cadena de suministro inteligente
(2)
𝑀𝐼𝑁𝐼𝑀𝐼𝑍𝐴𝑅 𝐹 = [(∑.
𝑛
𝑖=1
∑ ∑ 𝐶(𝑖) ∗ 𝑋(𝑖, 𝑗, 𝑘)
𝑙
𝑘=1
𝑔
𝑗=1
) − (∑.
𝑣
𝑡=1
∑ ∑ 𝐴ℎ𝑜𝑟𝑟𝑜(𝑡) ∗ 𝑋𝑖𝑛𝑣(𝑡, 𝑞, 𝑘)
𝑙
𝑘=1
𝑜
𝑞=1
)]
+ [(∑.
𝑛
𝑖=1
∑ ∑ 𝐶𝑉(𝑖, 𝑗, 𝑘) ∗ 𝑉(𝑖, 𝑗, 𝑘)
𝑙
𝑘=1
𝑔
𝑗=1
) + (∑.
𝑔
𝐽=1
∑ ∑ 𝐶𝑉𝑉(𝑗, 𝑤, 𝑘) ∗ 𝑉𝑉(𝑖, 𝑗, 𝑘)
𝑙
𝑘=1
𝑚
𝑤=1
)
+ (∑.
𝑣
𝑡=1
∑ ∑ 𝐶𝑉𝑖𝑛𝑣(𝑡, 𝑞, 𝑘) ∗ 𝑉𝑖𝑛𝑣(𝑡, 𝑞, 𝑘)
𝑙
𝑘=1
𝑜
𝑞=1
)
+ (∑.
𝑜
𝑞=1
∑ ∑ 𝐶𝑉𝑉𝑖𝑛𝑣(𝑞, 𝑎, 𝑘) ∗ 𝑉𝑉𝑖𝑛𝑣(𝑞, 𝑎, 𝑘)
𝑙
𝑘=1
𝑝
𝑎=1
)]
Fuente: Autor
A continuación la tabla1 describe la configuración cada uno de los términos de la función
objetivo
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
60
Tabla 1: Descripción de términos de la función objetivo
Fuente: Autor
2.3.6 Conjunto de Restricciones (Flujo Directo)
- Restricciones de Demanda para el centro Cross Docking
Ecuación 2Ec. De Demanda C.CD.
(3)
∑ ∑ 𝑿(𝒊, 𝒋, 𝒌) = 𝒅𝒓(𝒋)
𝒍
𝒌=𝟏
𝒏
𝒊=𝟏
∀ (𝑖 = 1,2,3 … . . 𝑛) Λ (𝑗 = 1,2,3 … . . 𝑔) Λ (𝑘 = 1,2,3 … . . 𝑙)
Fuente: Autor
Esta restricción garantiza, que el centro Cross Docking reciba la cantidad de insumos /
Productos necesarios para el procesamiento de carga y para ejecutar los procedimientos de
consolidación y des-consolidación.
DESCRIPCION
A
El primer término de la función objetivo, permite evaluar el costo unitario de los
centros de producción (Nodos Origen) de acuerdo a las cantidades a
transportar de cada uno de ellas. Este término nos arrojara como resultado el
costo de la totalidad de los productos o insumos que se transportaran a lo largo
de la cadena de suministro
B
El segundo término incluye el parámetro de ahorro por las cantidades que se
recuperan en flujo inverso. Este término se resta del termino A, en razón a que
se configura como un descuento al costo de los productos el cual es logrado a
raíz de la política de recuperación en la logística inversa
C
El tercer término evalúa el costo de cada viaje por la cantidad de viajes a
programar. Este término arrojara como resultado el costo total del plan de
trasporte en el primer trayecto del flujo directo. (Nodos Origen a C.CD)
D
El cuarto término evalúa el costo de cada viaje por la cantidad de viajes a
programar. Este término arrojara como resultado el costo total del plan de
trasporte en el segundo trayecto del flujo directo (C.CD a nodos destino)
E
El quinto término evalúa el costo de cada viaje por la cantidad de viajes a
programar en flujo inverso. Este término arrojara como resultado el costo total
del plan de trasporte en el primer trayecto del flujo inverso. (Nodos Origen a
C.CD)
F
El sexto término evalúa el costo de cada viaje por la cantidad de viajes a
programar en flujo inverso. Este término arrojara como resultado el costo total
del plan de trasporte en el segundo trayecto del flujo directo inverso (C.CD a
nodos destino)
TERMINO
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
61
- Restricciones de Demanda para los centros de consumo (Nodos destino)
Ecuación 3: Ec. De demanda Centros de consumo
(4)
∑ ∑ 𝒀(𝒋, 𝒘, 𝒌) = 𝒅𝒓𝒓(𝒘)
𝒍
𝒌=𝟏
𝒈
𝒋=𝟏
∀ (𝑗 = 1,2,3 … . . 𝑔) Λ (𝑘 = 1,2,3 … . . 𝑙) Λ (𝑤 = 1,2,3 … 𝑚)
Fuente: Autor
La restricción garantiza que se satisfaga las cantidades en los nodos destinos, una vez se ha
pasado por el Centro Cross Docking, en los medios de transporte.
- Restricciones de Oferta para el centro Cross Docking
EcEc. De oferta del C.CD
(5)
∑ ∑ 𝒀(𝒋, 𝒘, 𝒌) ≤ 𝒐𝒇(𝒋)
𝒍
𝒌=𝟏
𝒎
𝒘=𝟏
∀ (𝑗 = 1,2,3 … . . 𝑔) Λ (𝑘 = 1,2,3 … . . 𝑙) Λ (𝑤 = 1,2,3 … 𝑚)
Fuente: Autor
La restricción de oferta para el centro Cross Docking, garantiza que las cantidades a distribuir
en los medios de transporte hacia los nodos destino, no exceda la capacidad de procesamiento
del centro Cross Docking.
- Restricciones de Oferta para los centros de producción y/o proveedores (Nodos
Origen)
Ec. de Oferta Nodos Origen
(6)
∑ ∑ 𝑿(𝒊, 𝒋, 𝒌) ≤ 𝑪𝑶(𝒊)
𝒍
𝒌=𝟏
𝒈
𝒋=𝟏
∀ (𝑖 = 1,2,3 … . . 𝑛) Λ (𝑘 = 1,2,3 … . . 𝑙) Λ (𝑗
= 1,2,3 … . . 𝑔) Fuente: Autor
Las restricciones de oferta, en los nodos origen, garantiza que no se excedan las capacidades
de suministros de los centros de producción / Proveedores.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
62
- Restricciones de Capacidad de carga de los medios de transporte
Ec. Restricción de Capacidad de Carga de los Medios de Trasporte
(7)
𝑋(𝑖, 𝑗, 𝑘) ≤ 𝐶𝑐𝑘 ∗ 𝑉(𝑖, 𝑗, 𝑘) ∗ 𝑁𝑚𝑎𝑥(𝑘) ∀ (𝑖 = 1,2,3 … . . 𝑛) Λ (𝑘 = 1,2,3 … . 𝑙)
𝑌(𝑗, 𝑤, 𝑘) ≤ 𝐶𝑐𝑘 ∗ 𝑉𝑉(𝑗, 𝑤, 𝑘) ∗ 𝑁𝑚𝑎𝑥(𝑘) ∀ (𝑗 = 1,2,3 … . . 𝑔) Λ (𝑘 = 1,2,3 … . 𝑙)
Fuente: Autor
Las restricciones de capacidad de carga de los medios de transporte, garantiza que no se
exceda la capacidad programada para cada tipo de vehículo, en cuanto a las cantidades
(Volumen) a transportar.
- Restricciones de Capacidad de Viajes de los medios de transporte
Ec. Capacidad de Viajes de los Medios de Transporte
(8)
∑ ∑ 𝑉(𝑖, 𝑗, 𝑘)
𝑔
𝑗=1
𝑛
𝑖=1
≤ 𝑁𝑀𝑎𝑥𝑉𝑘 ∗ 𝐶𝑑𝑘 ∀(𝑘 = 1,2,3 … . 𝑙)
∑ ∑ 𝑉𝑉(𝑗, 𝑤, 𝑘)
𝑚
𝑤=1
𝑔
𝑗=1
≤ 𝑁𝑀𝑎𝑥𝑉𝑘 ∗ 𝐶𝑑𝑘 ∀(𝑘 = 1,2,3 … . 𝑙)
Fuente: Autor
Las restricciones de capacidad de viaje de los medios de transporte, garantiza que no se
exceda la capacidad programada para cada vehículo, en cuanto a la cantidad de viajes
disponibles
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
63
2.3.7 Conjunto de Restricciones (Flujo Inverso)
- Restricciones de Demanda para el centro Cross Docking (Flujo Inverso)
Ec. De Demanda C.CD.- Flujo Inverso
(9)
∑ ∑ 𝑿𝒊𝒏𝒗(𝒕, 𝒒, 𝒌) = 𝒅𝒓𝒊𝒏𝒗(𝒒)
𝒍
𝒌=𝟏
𝒗
𝒕=𝟏
∀ (𝑞 = 1,2,3 … . . 𝑜) Λ (𝑘 = 1,2,3 … . . 𝑙)
Fuente: Autor
Esta restricción garantiza, que el CD reciba la cantidad de insumos recuperados de los nodos
origen y que deberán ser clasificados y consolidados para dar continuidad al flujo inverso con
destino a los proveedores.
- Restricciones de Demanda para los centros de consumo (Nodos destino), (Flujo
Inverso)
Ec. De demanda Centros de consumo – Flujo Inverso
(10)
∑ ∑ 𝒀𝒊𝒏𝒗(𝒒, 𝒂, 𝒌) = 𝒅𝒓𝒓𝒊𝒏𝒗(𝒂)
𝒍
𝒌=𝟏
𝒐
𝒒=𝟏
∀ (𝑎 = 1,2,3 … . . 𝑝) Λ (𝑘 = 1,2,3 … . . 𝑙)
Fuente: Autor
La restricción garantiza que se satisfaga las cantidades recuperadas en los CD se transporten a
los nodos destinos en flujo inverso.
- Restricciones de Oferta para el centro Cross Docking, (Flujo Inverso)
Ec. De oferta del C.CD – Flujo Inverso
(11)
∑ ∑ 𝒀𝒊𝒏𝒗(𝒒, 𝒂, 𝒌) ≤ 𝒐𝒇𝒊𝒏𝒗(𝒒)
𝒍
𝒌=𝟏
𝒑
𝒂=𝟏
∀ (𝑞 = 1,2,3 … . . 𝑜) Λ (𝑘 = 1,2,3 … . . 𝑙)
Fuente: Autor
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
64
La restricción de oferta para el centro Cross Docking en flujo inverso, garantiza que las
cantidades a distribuir en los medios de transporte hacia los nodos destino, no exceda la
capacidad de procesamiento del centro Cross Docking de materiales recuperados en los nodos
origen
- Restricciones de Oferta para los centros de producción y/o proveedores (Nodos
Origen), (Flujo Inverso).
Ec. de Oferta Nodos Origen – Flujo Inverso
(12)
∑ ∑ 𝑿𝒊𝒏𝒗(𝒕, 𝒒, 𝒌) ≤ 𝑪𝑶𝒊𝒏𝒗(𝒕)
𝒍
𝒌=𝟏
𝒐
𝒒=𝟏
∀ (𝑞 = 1,2,3 … . . 𝑜) Λ (𝑘 = 1,2,3 … . . 𝑙)
Fuente: Autor
Las restricciones de oferta, en los nodos origen, garantiza que se puedan disponer de los
materiales recuperados para su posterior traslado hacia el centro Cross Docking en flujo
inverso.
- Restricciones de Capacidad de carga de los medios de transporte (Flujo Inverso).
Ec. Restricción de Capacidad de Carga de los Medios de Trasporte-
Flujo Inverso
(13)
𝑋𝑖𝑛𝑣(𝑡, 𝑞, 𝑘) ≤ 𝐶𝑐𝑘 ∗ 𝑉(𝑖, 𝑗, 𝑘) ∗ 𝑁𝑚𝑎𝑥(𝑘) ∀ (𝑡 = 1,2,3 … . . 𝑣) Λ (𝑘 = 1,2,3 … . 𝑙)
𝑌𝑖𝑛𝑣(𝑞, 𝑎, 𝑘) ≤ 𝐶𝑐𝑘 ∗ 𝑉𝑉(𝑗, 𝑤, 𝑘) ∗ 𝑁𝑚𝑎𝑥(𝑘) ∀ (𝑞 = 1,2,3 … . . 𝑜) Λ (𝑘 = 1,2,3 … . 𝑙)
Fuente: Autor
Las restricciones de capacidad de carga de los medios de transporte, garantiza que no se
exceda la capacidad programada para cada tipo de vehículo, en cuanto a las cantidades
(Volumen) a transportar en flujo inverso.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
65
- Restricciones de Capacidad de Viajes de los medios de transporte (Flujo Inverso).
Ec. Capacidad de Viajes de los Medios de Transporte – Flujo Inverso
(14)
∑ ∑ 𝑉𝑖𝑛𝑣(𝑡, 𝑞, 𝑘)
𝑜
𝑞=1
𝑣
𝑡=1
≤ 𝑁𝑀𝑎𝑥𝑉𝑘 ∗ 𝐶𝑑𝑘 ∀ (𝑘 = 1,2,3 … . 𝑙)
∑ ∑ 𝑉𝑉𝑖𝑛𝑣(𝑞, 𝑎, 𝑘)
𝑝
𝑎=1
𝑜
𝑞=1
≤ 𝑁𝑀𝑎𝑥𝑉𝑘 ∗ 𝐶𝑑𝑘 ∀(𝑘 = 1,2,3 … . 𝑙)
Fuente: Autor
Las restricciones de capacidad de viaje de los medios de transporte, garantiza que no se
exceda la capacidad programada para cada vehículo, en cuanto a la cantidad de viajes
disponibles en flujo inverso
2.3.8 Restricciones Lógicas del Modelo logístico
Ec. Restricciones Lógicas
(15)
𝑿(𝒊, 𝒋, 𝒌), 𝒀(𝒋, 𝒘, 𝒌), 𝑿𝒊𝒏𝒗(𝒕, 𝒒, 𝒌), 𝒀𝒊𝒏𝒗(𝒒, 𝒂, 𝒌) ≥ 𝟎
𝑽(𝒊, 𝒋, 𝒌), 𝑽𝑽(𝒋, 𝒘, 𝒌), 𝑽𝒊𝒏𝒗(𝒕, 𝒒, 𝒌), 𝑽𝑽𝒊𝒏𝒗(𝒒, 𝒂, 𝒌) ≥ 𝟎 𝚲 Enteras
Fuente: Autor
Las restricciones lógicas del modelo logístico, hacen referencia:
Variables de cantidades positivas
Variables de Viajes a programar, enteras.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
66
Parte III: Prueba Piloto
3 Prueba Piloto
A continuación, se establecerá el caso de aplicación del modelo teórico propuesto de cadena
de suministro, en la presente investigación
3.1 Diagrama de proceso – Modelo logístico TG
Fig. 16: Modelo TG
Fuente: Autor
Cliente Realiza solicitud de Servicio
Transito Interno en CK
Codificacion de Carga - Lectura a Sistema
Alertran Proceso de Validacion
Generacion De Grupajes de Carga aplica para variable SK
Generacion de Viajes - Asignacion a Viaje
de Grupajes de Carga.
aplica para variable SK
aplica para variable SK
Se realiza el proceso de embalaje
Etiquetado
Precintado Aereo Terrestre
Paletizado
Flota Propia -
Proveedores
Traslado del Material a ZONA de
Consolidacion y Despacho
Una Vez la carga se encuentra
desconsolidada debe salir a
proceso de Distribucion - Aplica
modelo Multi-entrega.con
posibilidad de estudio Dinamico
Recepcion de Carga en CC
Destino
Recepcion en Plantaforma Cross Docking - (
Bogota)
Se realiza Proceso de Recoleccion en Ciudad
Origen. Corresponde a un Sistema
Multirecogidas.
Operación de Lectura de
Etiqueta en Sistema Alertran
Transito a CP Origen J = 1,2,3... n
Recepcion - Cross Docking - Transito CK.
Pre Alistamiento Carga y Clasificacion
CLIENTE - SC - LOGEX
RequiereEtiquetado y
Embalaje y/o es Producto con
VD?
Traslado de Carga consolidada para
embarque a Medios de Transporte
1
Proceso Embalaje
Traslado a Plataforma de consolidacion y
Despacho1
Check Pont de Salida por Viaje
Inspeccion de Carga y Verificacion de condiciones de
Despacho
Correcto?
Cargue y Desachohacia i.1.2.3 ... m
Transito a CC Destino
Recepcion de Carga -Lectura y
Desconsolidacion
Salida - Distribucion Urbana y/o Regional
Entrega Destino
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
67
El modelo logístico TG, hace referencia al proceso de cadena de suministro de la compañía
Thomas Greg Express en Colombia, el cual presta en la actualidad el servicio de distribución
de paquetes, mensajería express e insumos, en todo el territorio nacional, el esquema del
proceso a nivel general se puede visualizar en la figura 10.. Esta red logística cuenta con las
características requeridas para constituirse como caso de aplicación del modelo de cadena de
suministro propuesto en la presente investigación y por tanto analizaremos en la prueba
piloto.
Los datos recopilados que servirán como entrada al modelo, se obtienen gracias a la dirección
de logística de esta compañía y de la cual se realiza su tratamiento como análisis de entrada.
3.2 Análisis de Entrada
3.2.1 Objetivo del Análisis
Adaptar la información de entrada del modelo TG al modelo teórico CSI, con el fin de
ejecutar una prueba piloto para identificar resultados, que permita dar respuesta a la hipótesis
del presente estudio y determinar las conclusiones a las que existan lugar
3.2.2 Descripción del modelo de aplicación
La prueba piloto, pretende adaptar el modelo teórico propuesto para la cadena de suministro
inteligente (CSI) a una de las fases del modelo TG.
El modelo TG, hace parte de las operaciones de una prestigiosa organización del grupo
Thomas Greg and Song, quienes, dentro de sus diferentes cadenas de suministro, se encuentra
su cadena de suministro de insumos a nivel nacional. Estos insumos dentro de su proceso
habitual, pretenden abastecer de insumos para el proceso logístico a cada una de sus 27 sedes
a nivel nacional y con lo cual cuenta con proveedores estratégicos en 6 ciudades distribuidos a
nivel estratégico a nivel nacional y de los cuales se debe tomar las mejores decisiones en
temas de tiempo, oportunidad y costos.
El modelo TG actualmente no contempla, procesos de flujo inverso estandarizados para la
recuperación de materiales y su retorno a los centros de acopio y/o proveedores para su re-
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
68
utilización, sin embargo, se debe acordar un porcentaje de recuperación de estos insumos, con
el fin de dar ejecución al modelo teórico CSI y obtener resultados pre-liminares. Este
porcentaje se debe establecer como base para el análisis de entrada.
3.2.3 Alcance de la prueba piloto
Como objeto de estudio, se tomarán tres de los 6 proveedores actuales ubicados en las
ciudades de Medellín, Cali y Bucaramanga como nodos origen en flujo directo (PP1, PP2 y
PP3 flujo directo y PPP1, PPP2, PPP3 flujo inverso). Se tomará como centro Cross Docking
la sede principal del modelo TG ubicado en la ciudad de Bogotá (CC1 flujo directo y H1 flujo
inverso) y que funciona actualmente como transito obligado en el proceso logístico. Se tomara
como nodos destino, las sucursales ubicadas en 6 de las 27 sucursales a nivel nacional
(CCC1,…, CCC6 flujo directo y C1,…, C6 flujo inverso), ubicadas en las ciudades de Bogotá
(Sucursal)4, Medellín, Cali, Bucaramanga, Barranquilla, Pereira.
La política de recuperación de material para efectos del flujo inverso, se establece en 10% del
total del material distribuido en flujo directo, esta información se determina a través de la
política establecida por la compañía de acuerdo a los datos históricos y la factibilidad de
reutilización de los materiales.
De igual modo se definen los medios de transporte disponibles de acuerdo a los recursos de la
compañía los cuales se pueden visualizar en la tabla 2:
Tabla 2 : Medios de Transporte Disponibles
Tipo (K)
N° de
Vehiculos
Disponibles
N° MAX de
viajes (
Semana)
Capacidad
de Carga (
KG)
MT1 3 4 1,000
MT2 2 6 2,000
MT3 2 3 4,000
Fuente: Autor
4 En el modelo TG, en la ciudad de Bogotá se encuentra el Centro Cross Docking y la sucursal logística
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
69
3.2.4 Procedimiento de aplicación
Al contar con los datos históricos del modelo TG, se realiza el estudio para adaptación de
información de entrada al modelo teórico de CSI, con el fin de construir toda la información
que requiere el este modelo y así dar origen a la prueba piloto deseada en el presente estudio.
Una vez se contó con la información en los términos del modelo, se efectúa la prueba
utilizando el programa de optimización GAMS, en el cual se realiza la programación del
modelo teórico y su ejecución con los datos de entrada analizados en el modelo TG
El análisis de entrada y la adaptación de la información histórica necesaria para el modelo
teórico de CSI, se encuentra disponible en el ANEXO_1” Análisis de entrada_Gams.xls” y
del cual se describen las siguientes fases:
Fig. 17: Análisis de entrada para GAMS
Fuente: Autor
Fase I: Esquema de Modelo Teórico
En esta fase se evidencia a nivel gráfico, cada uno de los componentes del modelo teórico
CSI. Se detalla el diagrama de red.
ANALISIS DE ENTRADA PARA LA APLICACION DEL MODELO TEORICO
FASE I: ESQUEMA DE MODELO TEORICO
FASE II: DESCRIPCION DEL ESQUEMA DE
MODELO APLICADO
FASE III: ENTRADAS DEL MODELO
SETS DEL MODELO
TABLES
FLUJO DIRECTO
FLUJO INVERSO
VARIABLES
FASE IV: INFORMACIONDE ENTRADA PARA
GAMS*
PARAMETERS
SCALAR
RESUMEN
DIAGRAMA DE RED
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
70
Fase II: Descripción del esquema de modelo aplicado
En esta fase, se evidencia a nivel gráfico, cada uno de los componentes del modelo teórico
CSI, adaptado al modelo TG.
Fase III: Entradas del modelo
Una vez se establece la adaptabilidad del modelo, se procede a definir la información de
entrada necesaria para el modelamiento en GAMS, como lo son: SETS, PARAMETERS,
ESCALAR, TABLES, VARIABLES
Fase VI: Información de entrada para GAMS
Una vez se surten las tres fases anteriores, solo queda en la fase IV, consolidar la información
en el lenguaje del programa GAMS, para que este pueda compilar el modelo CSI, con los
datos de entrada analizados del modelo TG.
3.3 Modelamiento en GAMS
El sistema de Modelación Algebraica General (GAMS), permite un proceso de modelado de
programación matemática que permite resolver problemas lineales, no lineales y de
optimización. En general GAMS utiliza un lenguaje de modelación en donde es posible
describir en un editor de texto la formulación completa del modelo matemático y luego aplica
un SOLVER para resolver completamente el modelo (Tarepues & Gloria, 2010), en razón a lo
anterior, el modelo CSI fue programado en GAMS con la siguiente lista de recursos los cuales
se pueden evidenciar en la tabla 3:
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
71
Tabla 3: Recursos para Modelado en GAMS
ITEM CANTiDAD
Sets 8
Parameters 18
Escalar 1
Tables 4
Total variables 8
Variables Positivas 4
Variables Enteras 4
Restricciones de demanda 4
Restricciones de oferta 4
Restricciones de capacidad de carga 4
Restricciones de capacidad de viajes 4
Fuente: Autor
El modelamiento se ejecuta para dar origen a la prueba piloto bajo un esquema de
optimización mixta (Lineal y Entera).
El modelo CSI en lenguaje GAMS, su programación y ejecución se pueden verificar en el
ANEXO 3 “Modelo CSI_GAMS” el cual se encuentra disponible tanto en archivo con
extensión .gms y .txt.
3.4 Análisis de Salida
Una vez generada la prueba piloto en el programa GAMS, se obtienen resultados los cuales
son objeto del siguiente análisis:
3.4.1 Valor de la función Objetivo:
- Valor de la función objetivo: Costo mínimo $651.817.956, el cual corresponde al
costo total del proceso de distribución en la cadena de suministro teniendo en cuenta la
política de logística inversa
- Se generaron 21 iteraciones para llegar a la solución de costo mínimo.
- Se realizó el proceso de eliminación de filas y columnas en el proceso iterativo hasta
llegar a la solució
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
72
Fig. 18: Resultados GAMS – Función Objetivo
Fuente: Autor mediante programa GAMS
3.4.2 Variables de decisión (Flujo Directo)
Variables de Cantidades a transportar
𝑿(𝒊, 𝒋, 𝒌)
= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑑𝑜𝑟 i ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝑟𝑜𝑠𝑠 𝑑𝑜𝑐𝑘𝑖𝑛𝑔 𝑗,
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
Tabla 4: Resultados GAMS – Variable X (i, j, k)
(Cantidades en Kilogramos)
MT1 MT2 MT3
PP1.CC1 8,000 132,000 58,824
PP2.CC1 8,000 12,000 10,907
PP3.CC1 19,403
Fuente: Autor mediante programa GAMS
Se puede determinar el plan de cantidades (Kilogramos) y transporte a utilizar para distribuir
los insumos al centro Cross Docking CC1 (Primer trayecto del flujo directo), dando
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
73
cumplimiento tanto a la oferta del nodo origen, como a la demanda del nodo destino. Del
nodo Origen PP1 se establecen 8.000 Kg en el medio de transporte MT1, 132.000 Kg en el
medio de transporte MT2 y 58.824 Kg en el medio de transporte MT3. De igual modo se
establece el plan de cantidades a transportar desde los nodos origen PP2 y PP3. Estos
resultados de cantidades se complementan con los resultados de los variables viajes a
programar, las cuales describen como se van a despachar esas cantidades de acuerdo a la
cantidad de vehículos disponibles y la capacidad de carga de cada uno.
𝒚(𝒋, 𝒘, 𝒌)
= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑐𝑟𝑜𝑠𝑠 𝑑𝑜𝑐𝑘𝑖𝑛𝑔 j ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑜𝑠 𝑤,
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
Tabla 5: Resultados GAMS – Variable Y (j, w, k)
(Cantidades en Kilogramos)
MT1 MT2 MT3
CC1.CCC1 8,000 107,554
CC1.CCC2 32,171
CC1.CCC3 23,203
CC1.CCC4 21,000
CC1.CCC5 11,933
CC1.CCC6 10,039
Fuente: Autor mediante programa GAMS
Se puede determinar el plan de cantidades (Kilogramos) y transporte a utilizar para distribuir
los insumos del centro Cross Docking CC1 a los centros de consumo finales (Segundo
trayecto del flujo directo) dando cumplimiento tanto a la oferta del nodo origen, como a la
demanda del nodo destino. Del Nodo CC1 se distribuye al centro de consumo CCC1 8000 Kg
en el medio de transporte MT1, 107.554 KG en el medio de transporte MT2. De igual manera
se establece el plan de cantidades a transportar hacia el resto de nodos destinos en los medios
de transporte. Estos resultados de cantidades se complementan con los resultados de los
variables viajes a programar, las cuales describen como se van a despachar esas cantidades de
acuerdo a la cantidad de vehículos disponibles y la capacidad de carga de cada uno.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
74
Variables de Viajes a Programar
𝑽(𝒊, 𝒋, 𝒌)
= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟 i ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑐𝑟𝑜𝑠𝑠 𝑑𝑜𝑐𝑘𝑖𝑛𝑔 𝑗
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
𝑽𝑽(𝒋, 𝒘, 𝒌)
= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑐𝑒𝑛𝑡𝑟𝑜 𝑐𝑟𝑜𝑠𝑠 𝑑𝑜𝑐𝑘𝑖𝑛𝑔 𝑗 ℎ𝑎𝑠𝑡𝑎 𝑙𝑜𝑠 𝑐𝑒𝑛𝑡𝑟𝑜𝑠 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑜𝑠 𝑤
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
Tabla 6: Resultados GAMS – Variable V (i, j, k) – VV (j, w, k)
(Cantidades en Unidades)
MT1 MT2 MT3
PP1.CC1 2 11 5
PP2.CC1 2 1 1
PP3.CC1 5
MT1 MT2 MT3
CC1.CCC1 2 9
CC1.CCC2 3
CC1.CCC3 2
CC1.CCC4 2
CC1.CCC5 1
CC1.CCC6 1
Fuente: Autor mediante programa GAMS
Se logra determinar el plan de viajes a implementar para distribuir las cantidades a transportar
haciendo el mejor aprovechamiento de los medios de transporte. El resultado arroja un uso del
100% de la flota terrestre disponible, teniendo en cuenta la cantidad de viajes a programar y
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
75
los vehículos disponibles. El en primer trayecto del flujo directo se determina un total de 17
viajes los cuales se realizan hacia el Centro Cross Docking CC1, de la siguiente forma: 2
Viajes en el medio de transporte MT1, 11 viajes en el medio de transporte MT2 y 5 viajes en
los medios de transporte MT3. De igual manera se establece las cantidades de viajes a
programar desde los nodos origen PP2 y PP3.
En el segundo trayecto se determina un total de 11 viajes a programa desde el centro Cross
Docking CC1 hacia el nodo destino CCC1, los cuales se distribuyen: 2 viajes en el medio de
transporte MT1 y 9 viajes en el medio de transporte MT2. De igual modo se establecen los
viajes a programar hacia el resto de nodos destino CCC2,....., CCC6.
3.4.3 Variables de decisión (Flujo Inverso)
Variables de Cantidades a transportar
𝑿𝒊𝒏𝒗(𝒕, 𝒒, 𝒌)
= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 t ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝐶𝑟𝑜𝑠𝑠 𝑑𝑜𝑐𝑘𝑖𝑛𝑔 𝑞,
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
Tabla 7: Resultados GAMS – Variable Xinv (t, q, k)
(Cantidades en Kilogramos)
MT1 MT2
C1.H1 13,866
C2.H1 3,861
C3.H1 2,784
C4.H1 2,520
C5.H1 1,432
C6.H1 133
Fuente: Autor mediante programa GAMS
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
76
Se puede determinar el plan de cantidades para distribuir los insumos recuperados del centro
de consumos “t” centro Cross Docking H1, dando cumplimiento tanto a la oferta del nodo
origen, como a la demanda del nodo destino el primer trayecto del flujo inverso. Del nodo
origen C1 se distribuye un total de 13.866 KG en el medio de transporte MT2, el Nodo Origen
C2 se distribuye un total de 3.861 KG en el medio de transporte MT2, los orígenes C4, C5 y
C6 distribuyes sus cantidades respectivamente al centro Cross Docking Inverso.
𝒚𝒊𝒏𝒗(𝒒, 𝒂, 𝒌)
= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑐𝑟𝑜𝑠𝑠 𝑑𝑜𝑐𝑘𝑖𝑛𝑔 q ℎ𝑎𝑠𝑡𝑎 𝑎𝑙 𝑛𝑜𝑑𝑜 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 𝑎,
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
Tabla 8: Resultados GAMS – Variable Yinv (q, a, k)
(Cantidades en Kilogramos)
MT2
H1.PPP1 19,882
H1.PPP2 3,519
H1.PPP3 1,940
Fuente: Autor mediante programa GAMS
Se puede determinar el plan de cantidades y transporte a utilizar para distribuir los insumos
recuperados del centro Cross Docking q al nodo destino a, que corresponde a los proveedores
en flujo inverso, dando cumplimiento tanto a la oferta del nodo origen, como a la demanda del
nodo destino. Del nodo H1 Centro Cross Docking en flujo inverso se distribuye a los nodos
destino PPP1 19.982 KG, PPP2 3.519 KG y PPP3 1940 KG. Toda la distribución se realiza
únicamente en el medio de transporte MT2.
Variables de Viajes a Programar
𝑽𝒊𝒏𝒗(𝒕, 𝒒, 𝒌)
= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑚𝑜 t ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑐𝑒𝑛𝑡𝑟𝑜 𝑐𝑟𝑜𝑠𝑠 𝑑𝑜𝑐𝑘𝑖𝑛𝑔 𝑞
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
77
𝑽𝑽(𝒒, 𝒂, 𝒌)
= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑣𝑖𝑎𝑗𝑒𝑠 𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑟 𝑑𝑒𝑠𝑑𝑒 𝑐𝑒𝑛𝑡𝑟𝑜 𝑐𝑟𝑜𝑠𝑠 𝑑𝑜𝑐𝑘𝑖𝑛𝑔 𝑞 ℎ𝑎𝑠𝑡𝑎 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 𝑎
𝑒𝑛 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑒 𝑘
Tabla 9: Resultados GAMS – Variable Vinv (t, q, k) – VVinv (q, a, k)
(Cantidades en Unidades)
MT1 MT2
C1.H1 2
C1.H2 1
C1.H3 1
C1.H4 1
C1.H5 1
C1.H6 1
MT1 MT2
H1.PPP1 2
H1.PPP2 1
H1.PPP3 1
Fuente: Autor mediante programa GAMS
Se logra determinar el plan de viajes a implementar para distribuir las cantidades de insumos
recuperados a transportar. El primer trayecto en flujo inverso programa los viajes de la
siguiente manera: Del nodo C1 hacia el nodo H1 Centro Cross Docking se programan 2 viajes
en el medio de transporte tipo MT2, del nodo C2 hacia el nodo H1 Centro Cross Docking se
programa 1 viaje también el medio de transporte tipo MT2, de igual modo se visualiza para
los nodos C3, C4, C5 y C6.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
78
El segundo trayecto en flujo inverso programa los viajes de la siguiente manera: Del Nodo H1
Centro Cross Docking hacia el nodo destino PPP1 2 viajes, hacia el nodo destino PPP2 1 viaje
y para el nodo PPP3 1 viaje. Todos en el medio de transporte tipo MT2.
Complementariamente se evidencia en los resultados de flujo inverso (Variables de cantidades
y Viajes) el uso del 34% de los recursos del medio de transporte tipo MT1, del 58% de los
recursos del medio de transporte MT2. De los recursos del medio de transporte tipo MT3 no
existido utilización en los flujos inversos, lo cual evidencia que un aumento en la política de
recuperación, que para esta prueba se definió en el 10%, tendría la capacidad suficiente en los
medios de transporte en flujo inverso para satisfacer los criterios de oferta y demanda.
3.4.4 Análisis de Resultados
En el análisis de resultados, se logra establecer lo siguiente:
- El modelo TG propuesto para la prueba piloto, se logró modelar a través del modelo
teórico de CSI en la herramienta GAMS, arrojando resultados que permiten establecer
un plan de distribución de insumos y un plan de transporte.
- De los resultados arrojados por el programa GAMS, se puede evidenciar el
cumplimiento del 100% de las restricciones de oferta, demanda, capacidad y viajes,
tanto en Flujo directo como en flujo inverso. Esto podría variar en futuras pruebas en
los casos de que la demanda no se pueda satisfacer a través de los nodos que ofertan.
- A nivel de costo, se logra evidenciar para un porcentaje de recuperación del 10% un
ahorro de $ 19.357.000, teniendo en cuenta volúmenes de insumos a retornar a los
proveedores a la tarifa de recuperación (Descuento) que se ofrece para futuros
suministros
- Sin la política de Ahorro, el costo mínimo del modelo logístico se establecería en
$671.174.956, por lo cual se determina que bajo la política de recuperación del 10%
para esta prueba piloto, se obtuvo un porcentaje de ahorro del 3% en el costo total de
transporte
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
79
- En flujo directo, se pudo evidenciar una utilización del 100% de capacidad de los
medios de transporte en el trayecto del nodo “i” al nodo “j” (Transito desde el
proveedor hasta el centro Cross Docking) y del 67% de capacidad de los medios de
transporte en el trayecto del nodo “j” al nodo “w” (Transito desde el Centro Cross
Docking hasta el centro de consumo), lo cual permite determinar el primer trayecto
como cuello de botella.
- En flujo inverso, y con un porcentaje de recuperación del 10% establecido para la
prueba piloto, se logra evidenciar una ocupación de los medios de transporte en el
primera trayecto del nodo “t” al nodo “q” (Transito en flujo inverso de los centros de
consumo al centro Cross Docking) del 24% y una ocupación de los medios de
transporte en el segundo trayecto del nodo “q” al nodo “a” ( Transito en flujo inverso
del centro Cross Docking al proveedor) del 14%.
3.4.5 Análisis de Sensibilidad
El análisis de sensibilidad plantea cinco (5) escenarios en los cuales desea sensibilizar la
siguiente información, con los datos de salida del modelo CSI en el programa GAMS
- Un Incremento en la oferta de material recuperado en el centro Cross Docking Ofinv
(q).
- Un incremento en la demanda de Insumos para procesamiento en el centro Cross
Docking, Drinv (q).
- Un Incremento en la demanda de los nodos destinos en flujo inverso, que corresponde
a los proveedores iniciales que reciben insumos recuperados para su re-procesamiento,
Drinv (a).
- Un incremento en la oferta de materiales recuperados en los nodos origen en flujo
inverso. Coinv (t)
Cada uno de los ítems anteriores, se sensibilizan en cada escenario. A continuación la Tabla 3,
permite visualizar los porcentajes de cada escenario.
Tabla 10: Escenarios – Modelos CSI
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
80
ANALISIS DE SENSIBILIDAD
CRECIMIENTO
2% 3% 7% 9% 11%
PARAMETRO ESCENARIO
INICIAL
ESCENARIO
1
ESCENARIO
2
ESCENARIO
3
ESCENARIO
4
ESCENARIO
5
Ofinv(q) P5 10% 12% 16% 22% 30% 40%
Drinv(q) P6 8% 10% 12% 18% 26% 36%
Drinv (a) P7 10% 12% 16% 22% 30% 40%
Coinv(t) P8 12% 15% 18% 26% 38% 52%
% 10% 12% 16% 22% 31% 42% Fuente: Autor
Cada uno de los 5 escenarios se establecer con porcentajes de crecimiento en la política de
recuperación respecto al escenario anterior. Lo anterior busca determinar el comportamiento
del uso de los recursos en flujo inverso y como varias los valores de ahorro y su impacto en la
función de costo.
De acuerdo al planteamiento anterior, se generan los datos de entrada al programa GAMS,
para los modelos CSI y se obtienen los siguientes resultados:
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
81
Tabla 11: Análisis de sensibilidad – Resultados GAMS
Fuente: Autor
El análisis de sensibilidad determina en cada uno de los escenarios el incremento de los ahorros en la medida que la política de recuperación
establecida por la compañía. Desde el escenario inicial con una política del 10% hasta el escenario número 5 que contempla un porcentaje de
recuperación del 42% encontramos un ahorro que podría llegar hasta la suma de $77.440.222. De igual modo se puede evidenciar el uso de la
capacidad de los medios de transporte, los cuales en el escenario 5 llegarías hasta un 37% primer trayecto y 33% segundo trayecto en flujo inverso, lo
cual representa una oportunidad para la compañía, no solo para el transporte de material recuperado en flujo inverso, tambien es posible para el
transporte de otro tipo de materiales que podría representar un ahorro adicional para el modelo TG.
Escenario INICIAL Escenario 1 Escenario 2 Escenario 3 Escenario 4 Escenario 5
% RECUPERACION 10% 12% 16% 22% 31% 42%y (q,a,k) - Cantidades Recuperadas 25.341 30.412 40.459 55.754 76.028 101.380
Tarifa de recuperacion 764$ 764$ 764$ 764$ 764$ 764$
COSTO TOTAL 671.174.956$ 670.334.642$ 674.125.296$ 672.656.663$ 670.293.457$ 669.575.826$
ahorro 19.357.000$ 23.230.539$ 30.905.050$ 42.588.303$ 58.074.819$ 77.440.222$
Dif vs Anterior 3.873.539$ 7.674.511$ 11.683.253$ 15.486.517$ 19.365.402$
COSTO ( FO) GAMS 651.817.956$ 647.104.103$ 643.220.246$ 630.068.360$ 612.218.638$ 592.135.604$
% AHORRO 2,88% 3,47% 4,58% 6,33% 8,66% 11,57%
Dif vs Anterior 0,58% 1,12% 1,75% 2,33% 2,90%
% Ocupacion Escenario INICIAL Escenario 1 Escenario 2 Escenario 3 Escenario 4 Escenario 5
i - j 100% 100% 100% 100% 100% 100%
j - w 67% 67% 67% 67% 67% 67%
w - q 24% 24% 24% 27% 30% 37%
q - a 14% 14% 16% 20% 23% 33%
ANALISIS DE SENSIBILIDAD - RESULTADOS GAMS
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
82
3.4.5.1 Resultados del Análisis de Sensibilidad
Una vez realizado el análisis de sensibilidad con los escenarios propuestos, se obtienen los
siguientes resultados:
- El ahorro obtenido es directamente proporcional al incremento en el porcentaje de
material recuperado en cada uno de los escenarios. En la medida que incrementa el
volumen de insumos a recuperar, incrementa el ahorro.
- Se puede evidenciar como el valor del costo mínimo de la función objetivo disminuye
en la medida que las cantidades de insumos recuperados incrementa, por lo cual se
determina que la relación entre el valor del costo mínimo de la función objetivo y las
cantidades a recuperar son inversamente proporcionales.
- Los valores de ahorro se estipulan entre 19 (Millones COP) y 78 (Millones de COP)
en cada uno de los escenarios, con una variación en los porcentajes de recuperación
entre el 10% y el 42%, por lo cual se concluye que el modelo es sensible en ahorro a
una variación mínima del porcentaje de recuperación.
- Los niveles de ocupación de los medios de transporte en flujo directo, no presentan
variación, debido a que el objetivo del análisis de sensibilidad, es realizar la variación
de los porcentajes de recuperación en sentido inverso y validar su impacto en el costo.
- Los niveles de ocupación de los medios de transporte en flujo inverso presenta
variación en sus niveles de ocupación, en el primer trayecto que comprende entre el
nodo origen y el centro Cross Docking existe una variación entre el 24 y 37%, y en el
segundo trayecto que comprende entre el centros cross docking y los nodos destino del
14 al 33%
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
83
3.4.6 Ahorros Proyectados del Modelo TG – 2017.
Tabla 12: Proyección 2017 – Modelo TG
PROYECCION 2017 - APLICACIÓN DEL MODELO TG
MES 1 2 3 4 5 6 7 8 9
%Recuperacion 10% 12% 14% 16% 18% 20% 22% 24% 26%
CANT 25,341 30,412 35,483 40,554 45,625 50,696 55,767 60,838 65,909 TOTAL
AHORRO (MM) $ 19,357 $ 23,231 $ 27,104 $ 30,978 $ 34,851 $ 38,725 $ 42,598 $ 46,472 $ 50,345 $313,660
Fuente: Autor
- Después de obtenidos los resultados del modelo TG con la adaptación al modelo CSI y teniendo en cuenta el análisis de
sensibilidad, es posible dimensionar una proyección de ahorro para el año 2017 teniendo en cuenta un incremento en el
porcentaje de recuperación del 2% cada mes, por lo cual es posible proyectar un ahorro total anual de $313.660 (Millones
COP). Este porcentaje de recuperación, corresponde a la propuesta generada por la gerencia de la compañía Thomas Greg
Express, como estrategia de sostenibilidad ambiental en su política de logística inversa. La cual debe ser visible a cada una de
las dependencias de la compañía a nivel nacional por medio de divulgación de instructivos, manuales, procesos de capacitación
en el cual se logre vincular a toda la compañía y se concientice sobre la recuperación de insumos que llega a cada una de las
sucursales. De igual manera promover con los usuarios y cliente finales la conciencia de reutilización y de retorno de estos
materiales antes de ser desechados por medio de los medios habituales. Para ello la compañía buscara establecer puntos verdes
en sucursales para consolidar estos materiales.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
84
PARTE IV: Conclusiones y Recomenndaciones
4 Conclusiones
- El diseño del modelo de CSI propuesto en el presente estudio, logro la integración de
las variables de una cadena de suministro y la política de logística inversa, al
caracterizar los flujos directos e inversos mediante una estación Cross Docking,
haciendo posible determinar las variables de recuperación de materiales teniendo en
cuenta el uso óptimo de los recursos disponibles.
- Se logró determinar en el proyecto, que las políticas de sostenibilidad ambiental en las
cadenas de suministro, no representan actualmente una prioridad para los gerentes
actuales, sin embargo se concluye como este factor no solo representa una factor de
visibilidad y permanencia de las empresas en el mercado, si no que representan una
oportunidad de rentabilidad e ingresos para los nuevos negocios.
- Mediante el modelo CSI, se logró caracterizar el flujo de las operaciones de una
cadena de suministros teniendo en cuenta una política de sostenibilidad y el cual a su
vez fue probado mediante prueba piloto con el modelo TG propuesto para este estudio
- Es importante el análisis de datos de entrada que el experto o gerente de cadena de
suministro debe realizar, con antelación al proceso de modelamiento, la calidad de los
resultados dependen de esta importante actividad.
- Al realizar la prueba piloto, se logró determinar que el modelo CSI del presente
estudio es adaptable a los diferentes requerimientos de la cadena de suministro, las
cuales dentro de sus planes sostenibilidad deseen incorporar políticas de recuperación
de materiales y/o productos.
- De los resultados de la prueba piloto y de acuerdo a los resultados de las variables de
estudio, es posible determinar el comportamiento de la cadena de suministro
inteligente para la toma de decisiones. En el caso de la prueba del presente estudio es
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
85
determinar el porcentaje de recuperación que la empresa de cadena de suministro
desee integrar.
- Los resultados de la prueba piloto del presente estudio, lograron determinar la
viabilidad de la integración de la política y la proyección de ahorros que una empresa
de cadena de suministro podría originar al integrar este tipo de políticas a sus planes
logísticos.
4.1 Recomendaciones
Como recomendaciones a tener en cuenta, con el fin de futuras mejoras o cambios al modelo
CSI propuesto en este estudio, se puede sugerir lo siguiente:
- Es posible tener en cuenta un plan para distribución de medios de transporte a lo largo
de la red logística de estudio, para así obtener mayores eficiencias en los niveles de
ocupación de los mismos.
- Es posible incorporar parámetros MULTI-PRODUCTOS, MULTI-PROVEEDORES,
MULTI-INSUMOS etc., con el fin de determinar los ahorros por estos tipos y no
únicamente por carga en KG movilizada a través de los flujos directos e inversos del
modelo CSI, con lo anterior el modelo es factible de ser adaptado a mayor porcentaje
de sistemas logísticos.
- Es posible con la información de entrada, llevar el estudio a herramientas de
simulación de sistemas, con el fin de determinar el comportamiento de otras variables
de interés e indicadores de desempeño del sistema.
- Es recomendable para próximas aplicaciones, contemplar un escenario con varios
centros cross dockig, teniendo en cuenta que el modelo es adaptable para este tipo de
parámetros
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
86
PARTE V: Publicacion y Anexos
5 Publicacion
Del presente proyecto de investigacion, surge el articulo denominado: Logística inversa y su
integración a la cadena de suministro inteligente como estrategia de competitividad
empresarial: propuesta de aplicación a sistemas cross docking, el cual fue publicado
en el mes de Junio del 2014 y el cual se encutra disponible en el anexo 2, del presente
trabajo de investigacion el cual describe inicialmente el panorama alctual de las cadenas
de suministro inteligentes y representa una introduccion a la presente investigacion para
llegar asi, a los resultados que se pretendieron alcanzar.
5.1 listado de anexos
Anexo 1: Análisis de entrada GAMS
Anexo 2: Publicacion
Anexo 3: Diagrama de Flujo Modelo TG
Anexo 4: Modelo CSI GAMS
Anexo 5: Análisis de Salida GAMS
Anexo 6: Modelo CSI GAMS Sensibilidad
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
87
REFERENCIAS BIBLIOGRAFICAS
Avila Cano, L., & Cabarcas, A. (2011). Magazine. Recuperado el 15 de 08 de 2013, de un
modelo de markov sobre los efectos de la liquidez en los procesos de logística inversa:
http://www.scoop.it
Ballou, R. (2004). Supply Management. En R. Ballou, Supply Management. Mexico: Prentice
Hall.
Beltran, N. (2012). Revista de Logistica. Retrieved Abril 2014, from Cadenas de Suministro
Verdes, Oportunidades de Negocio: www.revistadelogistica.com
Calderon, J. (2007). Simulación de Cadenas de Suministro: Nuevas Aplicaciones y Áreas de
Desarrollo. Scielo, 18(137-146). Recuperado el 2013, de Scielo: www.scielo.cl
Cely, A. (25 de 07 de 2013). Importancia de la logistica inversa para un desarrollo sostenible
en colombia. Recuperado el 10 de 06 de 2017, de Revista la Salle: www.lasalle.edu.co
Ceniga, P., & Sukalova, V. (17 de 10 de 2015). Future of logistics Management in the process
of globalization. Obtenido de Sciencedirect: www.Sciencedirect.com
Cespon, M., Castro, R., & Rodriguez, M. (1 de 1 de 2016). Optimization model to sustainable
design of multiple-products recycling supply chain. Recuperado el 09 de 06 de 2017,
de Scopus: www.scopus.com
Chopra, s. (2008). Administración de la cadena de suministro, Estrategia, planeación y
operación (Tercera edicion ed.). Mexico: Person Education.
Cifuentes, S., & Moncada, A. (06 de 2012). análisis de la función inversa de la logística en el
proceso de distribución industrial en la línea de avicultura en SOLLAS.A.:
recomendaciones de mejoramiento. Recuperado el 2013, de Revista Virtual Pro -
Gestion Logistica: www.revistavirtualpro.com
Diaz, A., & Alvarez, M. (2004). Logistica Inversa y Medio Ambiente: Aspectos estrategiscos
y operativos. Madrid: Mc Graw-Hill.
Dondo, R., & Mendez, C. A. (2 de 3 de 2016). Operational planning of forward and reverse
logistic activities on multi-echelon supply-chain networks. Recuperado el 09 de 06 de
2017, de Scopus: www.Scopus.com
Gomez, A. (17 de 12 de 2010). Inverse logistics a process with environmental and
productivity impacts. Recuperado el 10 de 06 de 2016, de Scielo: www.scielo.org.co
Holweg, M., & Disney, S. (s.f.). The evolution Frontiers of the Bullwhip Problem., (págs.
707-716). Budapest Hungary.
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
88
Jarrin, J., & Ramirez, P. (05 de 2012). Análisis y Caracterización de la logística Inversa en el
sector Papel en Colombia. Recuperado el 02 de 2013, de Unisabana:
www.unisabana.edu.co
Kalenatic, D., & Lopez, C. (2008). localización de una plataforma de Cross Docking en el
contexto de logística focalizada utilizando distancias euclidianas. Ciencia e Ingeniería
Neogranadina, XVIII(1), 17-34.
Kaminski, P., & Simchi-Levy, D. (2008). Designing and Managing the Supply Chain. Boston:
MC Graw-Hill.
Kumar, V., Brady, M., Garz, J., & Simpson, M. (10 de 05 de 2016). Resolving forward-
reverse logistics multi-period model using evolutionary algorithms. Recuperado el 09
de 06 de 2017, de Sciencedirect: www.Sciencedirect.com
Leal, E., & Perez, G. (2009). Plataformas Logísticas: Elementos conceptuales y Rol del
Sector Publico. Recuperado el 2013, de Boletín facilitación del comercio y el
transporte en América latina y el Caribe: http://www.cepal.org/
Logística, el reto para los TLC que tiene Colombia. (2014, ENERO 7). Retrieved MARZO
2014, 24, from http://www.portafolio.co/negocios/logistica-colombia
Melchor, F., & Santos, E. (2010). Aplicación de un Modelo para la implementación de
logística inversa en la etapa productiva. Revista de la Facultad de Ingeniería
Industrial.
Moavenzadeh, J. (2013). Enabling Trade Valuing Growth Opportunities. World Economic
Forum. Geneva.
Monroy, N., & M, A. (2006). Logística Reversa:Retos para la Ingeniería Industrial. Revista de
Ingeniería.
Peña, C., Osorio, J., Vidal, C., Torres, P., & Marmolejo, L. (28 de 10 de 2015). Reverse
logistics in the plastics subsector. Recuperado el 09 de 06 de 2017, de Scopus:
www.Scopus.com
Peña, V., & Zumelzu, L. (2006). Cadena de Suministro: Sus niveles e Importancia” Modelado
de procesos de Negocio". Departamento de Informática, Universidad Técnica
Federico Santa María.
Ramirez, A. (01 de 03 de 2007). Nuevos Beneficios de la Logistica inversa para empresas
europeas y colombianas. Obtenido de Universidad del Rosario: www.urosario.edu.co
Integración de una Política de Logística Inversa en una Estación Cross Docking como estrategia de Sostenibilidad Empresarial de una Cadena de Suministro Inteligente
2017
89
Ribas, I. (2007). Estado del Arte de la Planificación Colaborativa en la cadena de suministro:
Contexto Determinista e Incierto”. Intangible Capital.
Roghanian, E., & Pazhoheshfar, P. (05 de 05 de 2014). An optimization model for reverse
logistics network under Stochastic environment by using genetic algorithm. (J. O.
SYSTEMS, Ed.) Recuperado el 08 de 06 de 2017, de Sciencedirect:
www.Sciencedirect.com
Salvatore, C. (01 de 06 de 2012). Los cuatro arquetipos de cadenas de suministro. (U. B.
Review, Ed.) Revista Virtual Pro. Recuperado el Agosto de 2013, de
www.revistavirtualpro.com
Soto, D., & Rovira, J. (2009). La cadena de suministro inteligente del Futuro. Somers, NY.
Soto, J., Thiell, M., & Colome, R. (17 de 1 de 2017). Reverse - Cross-Docking. (E. ltd, Ed.)
Recuperado el 8 de 06 de 2017, de Scopus: www.scopus.com
Svensson, G. (2008). Gestión de la cadena de suministro frente a la gestión de la cadena
sostenible. Esicmarket.
Tarepues, J. c., & Gloria, B. S. (2010). GAMS Aplicado a las ciencias economicas.
Recuperado el 22 de 11 de 2016, de Universidad Nacional de Colombia:
fce.unal.edu.co
Verma, A. (01 de 06 de 2012). Achieving supply chain competitiveness: some critical issues.
Revista Virtual-pro, II(2).
Vicedo, J. (2007). La gestión del conocimiento en la cadena de suministro: Análisis de la
Influencia del contexto organizativo. Universidad Politécnica de Valencia, I(18), 127-
135.
Villa, M., & Torres, D. (2011). Revisión Bibliográfica de los enfoques de Juegos y Vendor
Managed Inventory (VMI) para el estudio de cadenas de suministro. Universidad de
los Andes.