Planificación conjunta de la producción, la remanufacturación y el transporte bajo objetivos de recuperación

Esta tesis presenta un sistema híbrido de producción y remanufacturación de un único producto, conformado por un fabricante original (OEM) y un conjunto de clientes, en el que se establecen objetivos de recolección y remanufacturación. El problema consiste en determinar, de forma simultánea, los per...

ver descrição completa

Detalhes bibliográficos
Autor: Vidal, Luciana
Formato: tesis de maestría
Estado:Versión aceptada para publicación
Fecha de publicación:2025
País:Uruguay
Recursos:Universidad de la República
Repositorio:COLIBRI
Idioma:español
OAI Identifier:oai:colibri.udelar.edu.uy:20.500.12008/52270
Acesso em linha:https://hdl.handle.net/20.500.12008/52270
Access Level:acceso abierto
Palavra-chave:Dimensionamiento del Lote
Remanufacturación
Transporte
Objetivos de recuperación
Tabu Search
Descrição
Resumo:Esta tesis presenta un sistema híbrido de producción y remanufacturación de un único producto, conformado por un fabricante original (OEM) y un conjunto de clientes, en el que se establecen objetivos de recolección y remanufacturación. El problema consiste en determinar, de forma simultánea, los períodos y las cantidades a producir, remanufacturar y transportar tanto de productos finales como de retornos, con el fin de satisfacer la demanda a tiempo y cumplir con los objetivos de recuperación. En este sistema se incurre en costos fijos y variables asociados a cada una de las tres actividades, además de costos por mantener inventario de retornos y de productos finales, tanto en el OEM como en los clientes. Los objetivos de recuperación se plantean como límites inferiores sobre la cantidad de productos usados que deben ser recogidos y remanufacturados por el OEM. Se propone una formulación de programación lineal entera mixta (MILP) para el problema, y se diseñan procedimientos de resolución basados en la metaheurística de Tabu Search. Estos procedimientos se evalúan ampliando un conjunto de instancias de la literatura, y se comparan con un solver de optimización del estado del arte, considerando diversas configuraciones de parámetros del problema. Los resultados de la experimentación numérica permiten concluir que, al menos, una de las variantes del procedimiento de resolución resulta efectiva tanto en términos de costos como de tiempos de ejecución, llegando incluso a superar el desempeño del solver en algunas instancias de gran tamaño.