Supply chain design using a modified IWD algorithm

Luis Antonio Moncayo-Martínez

doi:10.17533/udea.redin.n84a02

Autores/as

Luis Antonio Moncayo-Martínez Instituto Tecnológico Autónomo de México https://orcid.org/0000-0003-4619-3808

DOI:

https://doi.org/10.17533/udea.redin.n84a02

Palabras clave:

diseño de la cadena de suministro, gota inteligente de agua, frontera de Pareto

Resumen

El Algoritmo Inteligente de Agua está inspirado en el movimiento de las gotas de agua en un río. Una gota de agua puede encontrar una ruta óptima desde un lago hacia el mar interactuando con su entorno. En el proceso de llegar a tal destino, las gotas de agua interactúan con el lecho del río mientras se mueven a través de él. Del mismo modo, el problema de la cadena de suministro puede ser modelado como un flujo de etapas de suministro, fabricación y entrega para producir un artículo terminado y luego entregarlo al usuario final. El problema es seleccionar la opción que realizará la etapa, por ejemplo en una etapa de aprovisionamiento, muchos proveedores podrían suministrar el componente. Como cada etapa tiene asociado un costo y un tiempo, un algoritmo multi-objetivo es usado para minimizar el tiempo de entrega y el costo de producción, simultáneamente. Basados en esta analogía, este trabajo propone una aproximación al problema de la cadena de suministro utilizando una extensión multi-objetivo al algoritmo de gotas de agua. Las gotas de agua artificiales que fluyen a través de la cadena de suministro minimizarán simultáneamente el costo de producción y el tiempo de entrega de cada producto utilizando el concepto de optimización de Pareto. Se soluciona una cadena de suministro de computadoras ampliamente utilizada en la literatura. Así mismo, algunas métricas de desempeño son calculadas y se compara el conjunto de Pareto. Se soluciona una cadena de suministro de computadoras ampliamente utilizada en la literatura. Así mismo, algunas métricas de desempeño son calculadas y se compara el conjunto de Pareto calculado por el algoritmo propuesto con el obtenido por enumeración exhaustiva.

|Resumen

= 382 veces | PDF (ENGLISH)

= 258 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Luis Antonio Moncayo-Martínez, Instituto Tecnológico Autónomo de México

Departamento Académico de Ingeniería Industrial y Operaciones.

Citas

S. C. Graves and S. P. Willems, Optimizing the Supply Chain Configuration for New Products, 2001. [Online]. Available: http://web.mit.edu/sgraves/www/papers/Supply%20Chain%20Configuration%20June%202004. pdf. Accessed on: Jul. 25, 2017.

J. Magretta, “The power of virtual integration: an interview with Dell Computer’s Michael Dell,” Harvard Bus. Riview, vol. 76, no. 2, pp. 73–84, 1998.

K. Cottrill, “Reforging the supply chain,” J. Bus. Strategy, vol. 18, no. 6, pp. 35–39, 1997.

H. L. Lee and C. Billington, “Material Management in Decentralized Supply Chains,” Oper. Res., vol. 41, no. 5, pp. 835–847, 1993.

T. P. Harrison, “Global supply chain design,” Inf. Syst. Front., vol. 3, no. 4, pp. 413–416, 2001.

S. C. Graves and S. P. Willems, “Optimizing the supply chain configuration for new products,” Manage. Sci., vol. 51, no. 8, pp. 1165–1180, 2005.

S. C. Graves and S. P. Willems, “Supply chain design: safety stock placement and supply chain configuration,” in Supply Chain Management: Design, Coordination and Operation, 1st ed., A. G. de Kok and S. C. Graves (eds). Amsterdam, Holland: Elsevier, 2003, pp. 95–132.

G. Q. Huang, X. Y. Zhang, and L. Liang, “Towards integrated optimal configuration of platform products, manufacturing processes, and supply chains,” J. Oper. Manag., vol. 23, no. 3–4, pp. 267–290, 2005.

J. Wang and Y. Shu, “A possibilistic decision model for new product supply chain design,” Eur. J. Oper. Res., vol. 177, no. 2, pp. 1044–1061, 2007.

G. Guillen, F. D. Mele, M. Bagajewicz, A. Espuña, and L. Puigjaner, “Multiobjective supply chain design under uncertainty,” Chem. Eng. Sci., vol. 60, no. 6, pp. 1535– 1553, 2005.

A. Muriel and D. Simchi, “Supply chain design and planning - Applications of optimization techniques for strategic and tactical models,” in Supply Chain Management: Design, Coordination and Operation, 1st ed., A. G. de Kok and S. C. Graves (eds). City, country: Elsevier, 2003, pp. 15–93.

P. Kouvelis, M. J. Rosenblatt, and C. L. Munson, “A mathematical programming model for global plant location problems: Analysis and insights,” IIE Trans., vol. 36, no. 2, pp. 127–144, 2004.

P. Tsiakis and L. G. Papageorgiou, “Optimal production allocation and distribution supply chain networks,” Int. J. Prod. Econ., vol. 111, no. 2, pp. 468–483, 2008.

A. Amiri, “Designing a distribution network in a supply chain system: Formulation and efficient solution procedure,” Eur. J. Oper. Res., vol. 171, no. 2, pp. 567– 576, 2006.

C. Chandra, M. Everson, and J. Grabis, “Evaluation of enterprise-level benefits of manufacturing flexibility,” Omega, vol. 33, no. 1, pp. 17–31, 2005.

T. van der Vaart and D. P. van Donk, “A critical review of survey-based research in supply chain integration,” Int. J. Prod. Econ., vol. 111, no. 1, pp. 42–55, 2008.

J. P. C. Kleijnen, “Supply chain simulation tools and techniques: A survey,” Int. J. Simul. Process Model., vol. 1, no. 1–2, pp. 82–89, 2005.

H. Shah, “Problem solving by intelligent water drops,” in IEEE Congress on Evolutionary Computation (CEC), Singapore, Singapore, 2007, pp. 3226–3231.

H. Duan, S. Liu, and J. Wu, “Novel intelligent water drops optimization approach to single UCAV smooth trajectory planning,” Aerosp. Sci. Technol., vol. 13, no. 8, pp. 442–449, 2009.

Y. Hendrawan and H. Murase, “Neural-Intelligent Water Drops algorithm to select relevant textural features for developing precision irrigation system using machine vision,” Comput. Electron. Agric., vol. 77, no. 2, pp. 214–228, 2011.

S. R. Rayapudi, “An Intelligent Water Drop Algorithm for Solving Economic Load Dispatch Problem,” Int. J. Electr. Electron. Eng., vol. 5, no. 10, pp. 1373–1379, 2011.

E. Lesnaia, I. Vasilescu, and S. Graves, The Complexity of Safety Stock Placement in General-Network Supply Chains, 2005. [Online]. Available: http://web.mit.edu/sgraves/www/papers/Lesnaia%20SMA%2005.pdf. Accessed on: Jul. 25, 2017.

E. G. Talbi, Metaheuristics: From design to implementation, 1st ed. New Jersey, USA: Wiley, 2009.