Tácticas - Planificar materiales y recursos, teniendo en cuenta las restricciones y comportamiento de la demanda.

Operativas - Restringidas por las decisiones tácticas.

1. índices (k=producto, i=planta, j=DC, r=cliente)

2. conjuntos (K=Número Total de productos, V₁=Conjunto para las plantas de producción, V₂=Conjunto para los posibles DCs, V₃=Conjunto para las zonas de demanda)

3. parámetros de entrada (C_kijr=Costo unitario promedio de transporte de mercancía k, dkr=Cantidad de producto k, f_j=Costo fijo de los costos anuales de operaciones para un DC, p=Límite superior en el número total para el DC, p_ki=Cantidad máxima de producto k, q_j^-=Costo mínimo permitido de operación anual para el DC_j, q_j⁺=Costo máximo permitido de operación anual para el DC_j, V_j=Costo unitario variable de actividad para un DC_j)

4. variables de decisión (X_kijr=Variable continua que representa la cantidad de productos transportados k al punto de la demanda r a través del DC_j, Y_jr=Variable binaria igual a 1 si el punto de la demanda r se asigna a DC, 0 en caso contrario, Z_j=Variable binaria igual a 1 si DC_j es abierto, 0 en caso contrario)

Los problemas de la gestión logística se clasifican en 3 categorías:

Localización -> Determinar la ubicación

Asignación -> Determinar la cantidad que es necesario suministras a cada centro

Asignación-localización -> Determinar # de instalaciones junto con las ubicaciones y cantidades

Equidad - Distribución de ingresos y oportunidades

i = 2 plantas de producción (1=Tamaulipas (TAM), 2=Veracruz (VER))

j = 4 sitios potenciales para localizar DCs (1=Guanajuato (GUA), 2=Hidalgo (HID), 3=San Luis de Potosí (SLP), 4=Tabasco (TAB))

p = 2 DCs por localizar

r = 3 clientes o vendedores (1=Estado de México (MEX), 2= Nuevo León (NLE), 3=Oaxaca (OAX))

k = 2 productos (1=combustible para el transporte del motor, 2=GLP)

Restricciones

Actividad:

q^-_j= 1 500 000 hectolitros por año

q⁺_j= 2 500 000 hectolitros por año

Demanda:

d_1r= (220000, 1050000, 1900000)

d_2r= (900000, 300000, 500000)

Capacidad

p_1i= (1500000, 2000000)

p_2i= (800000, 950000)

Costos de transporte

c_1ijr= $ 0.74

c_2ijr= $ 0.56

Se abren dos fábricas, una en la localización 2 y otra en la localización 3. El primer centro sirve a el tercer distrito de ventas, mientras que el segundo se utiliza para el primer y segundo distrito de ventas. Esto significa que los clientes 1 y 2 serán atendidos por la fábrica que se instale en la localización 3 y el cliente 3 será atendido por la fábrica que se instale en la localización 2 obteniendo una solución óptima de 82 660 280 dólares

Segunda instancia:

Se consideran los costos más altos de localización en cada planta, de manera que los parámetros f_j asociados son los siguientes: (f_j) = (10942000, 19808000, 18092000, 14198000). Por tanto, cambian los parámetros de la función objetivo de la primera instancia, las restricciones no cambian pero sí la solución óptima que ahora es 100 560 300 dólares

Tercera instancia:

Se consideran los costos más bajos de localización en cada planta. Así, los parámetros asociados f_j son los siguientes: (f_j) = (7156000, 8614000, 4708000, 7930000). Los parámetros de la función objetivo cambian nuevamente, las restricciones no se modifican pero la solución óptima cambia a 75 982 280 dólares

Cuarta instancia:

Los parámetros del modelo que observan la demanda d_kr y la oferta p_ki son los siguientes: (d_1r) = (900000, 800000, 400000), (d_2r) = (700000, 800000, 500000) y (p_ki) = (1200000). Los parámetros de la función objetivo cambian nuevamente y se sustituyen las restricciones obteniendo una solución óptima de 65 573 720 dólares

Modelo de programación lineal con restricción adicional de: Las variables deben tener valores enteros.

CLASIFICACIÓN

PE PURA - Todas las variables adopten valores enteros y enumerar todas las posibilidades

PE MIXTA* - Algunas de las variables toman valores enteros mientras que otras pueden asumir cualquier número no negativo (valor continuo) --MIP--

PE BINARIA Las variables de decisión asumen valores cero o uno (binarias)

Estudia la eficiencia de los algoritmos estableciendo su efectividad de acuerdo al tiempo (memoria) de corrida y al espacio requerido (TIEMPO Y COSTO)