Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C)
Las pequeñas y medianas empresas se consideran como uno de los motores de la economía. Ellas contribuyen al desarrollo del país generando empleo y aportando gran parte del producto interno bruto. Sin embargo, este tipo de organizaciones suelen ser volátiles y vulnerables por varias razones. Por ejem...
- Autores:
-
Del Valle Reyes, Carolay Vanessa
Madariaga Ruíz, Andres Arturo
Niebles Barrios, María Camila
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/8250
- Acceso en línea:
- http://hdl.handle.net/10584/8250
- Palabra clave:
- Optimización
Multi-objetivo
Algoritmo genético
Ciclo de efectivo
Cash cycle
Genetic algorithm
Multi-objective
Optimization
- Rights
- License
- Universidad del Norte
id |
REPOUNORT2_3e70ca26767de605f9115c170b81702f |
---|---|
oai_identifier_str |
oai:manglar.uninorte.edu.co:10584/8250 |
network_acronym_str |
REPOUNORT2 |
network_name_str |
Repositorio Uninorte |
repository_id_str |
|
dc.title.es_ES.fl_str_mv |
Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C) |
dc.title.en_US.fl_str_mv |
Collaborative model of stochastic joint replenishment with multi-objective optimization: cost reduction, deviation and cash-to-cash (C2C) |
title |
Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C) |
spellingShingle |
Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C) Optimización Multi-objetivo Algoritmo genético Ciclo de efectivo Cash cycle Genetic algorithm Multi-objective Optimization |
title_short |
Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C) |
title_full |
Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C) |
title_fullStr |
Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C) |
title_full_unstemmed |
Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C) |
title_sort |
Modelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C) |
dc.creator.fl_str_mv |
Del Valle Reyes, Carolay Vanessa Madariaga Ruíz, Andres Arturo Niebles Barrios, María Camila |
dc.contributor.advisor.none.fl_str_mv |
Amaya Mier, Rene Alejandro Otero Palencia, Carlos José |
dc.contributor.author.none.fl_str_mv |
Del Valle Reyes, Carolay Vanessa Madariaga Ruíz, Andres Arturo Niebles Barrios, María Camila |
dc.subject.es_ES.fl_str_mv |
Optimización Multi-objetivo Algoritmo genético Ciclo de efectivo |
topic |
Optimización Multi-objetivo Algoritmo genético Ciclo de efectivo Cash cycle Genetic algorithm Multi-objective Optimization |
dc.subject.en_US.fl_str_mv |
Cash cycle Genetic algorithm Multi-objective Optimization |
description |
Las pequeñas y medianas empresas se consideran como uno de los motores de la economía. Ellas contribuyen al desarrollo del país generando empleo y aportando gran parte del producto interno bruto. Sin embargo, este tipo de organizaciones suelen ser volátiles y vulnerables por varias razones. Por ejemplo, es común que se enfrenten a altos costos logísticos y baja liquidez. Ante esta realidad, se propuso previamente un modelo (S-CJRP) que reduce los costos de gestión de inventario mediante la colaboración de pequeñas empresas para realizar pedidos de reaprovisionamiento conjuntamente. No obstante, esta solución dejó de lado el problema de la liquidez, que afecta de manera expresa a las PyMEs y que de hecho constituyen buena parte de los potenciales beneficiarios del S-CJRP. En este proyecto se buscó una solución que, aparte del costo, también tenga en cuenta los problemas de baja liquidez y flujo de caja de las PyMEs mediante la extensión del modelo S-CJRP. La función objetivo del modelo inicial fue expandida incluyendo dos objetivos que impacten positivamente la liquidez: cash to cash, que mide el tiempo requerido en convertir el dinero pagado a los proveedores en dinero cobrado a los clientes, y desviación de los pagos por reaprovisionamiento de productos, que indica el promedio de las digresiones con respecto a la media. Se analizaron tres posibles combinaciones de criterios estudiados así: $$ - C2C, $$ - σ y $$ - C2C – σ Para resolver el problema de optimización, se partió de un algoritmo genético diseñado para resolver el S-CJRP que minimiza el costo, el cual fue modificado para que adicionalmente minimice el C2C y σ. Los resultados obtenidos indicaron que las combinaciones de criterios más interesantes son: $$ - C2C y $$ - C2C – σ. En un caso en particular, se encontró que usando el modelo que incluye los tres objetivos se logra reducir la desviación en un 70% y el cash to cash en un 18.48%, a expensas de un aumento en el costo de solo el 5.23%. |
publishDate |
2018 |
dc.date.accessioned.none.fl_str_mv |
2018-11-23T16:28:05Z |
dc.date.available.none.fl_str_mv |
2018-11-23T16:28:05Z |
dc.date.issued.none.fl_str_mv |
2018-11-21 |
dc.type.es_ES.fl_str_mv |
article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10584/8250 |
url |
http://hdl.handle.net/10584/8250 |
dc.language.iso.es_ES.fl_str_mv |
spa |
language |
spa |
dc.rights.es_ES.fl_str_mv |
Universidad del Norte |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Universidad del Norte http://purl.org/coar/access_right/c_abf2 |
dc.publisher.es_ES.fl_str_mv |
Barranquilla, Universidad del Norte, 2018. |
institution |
Universidad del Norte |
bitstream.url.fl_str_mv |
http://172.16.14.36:8080/bitstream/10584/8250/1/Imagen%20Scjrp.png http://172.16.14.36:8080/bitstream/10584/8250/2/license.txt |
bitstream.checksum.fl_str_mv |
4c39d393247f30976c2eb7581c96e191 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Digital de la Universidad del Norte |
repository.mail.fl_str_mv |
mauribe@uninorte.edu.co |
_version_ |
1812183110589087744 |
spelling |
Amaya Mier, Rene AlejandroOtero Palencia, Carlos JoséDel Valle Reyes, Carolay VanessaMadariaga Ruíz, Andres ArturoNiebles Barrios, María Camila2018-11-23T16:28:05Z2018-11-23T16:28:05Z2018-11-21http://hdl.handle.net/10584/8250Las pequeñas y medianas empresas se consideran como uno de los motores de la economía. Ellas contribuyen al desarrollo del país generando empleo y aportando gran parte del producto interno bruto. Sin embargo, este tipo de organizaciones suelen ser volátiles y vulnerables por varias razones. Por ejemplo, es común que se enfrenten a altos costos logísticos y baja liquidez. Ante esta realidad, se propuso previamente un modelo (S-CJRP) que reduce los costos de gestión de inventario mediante la colaboración de pequeñas empresas para realizar pedidos de reaprovisionamiento conjuntamente. No obstante, esta solución dejó de lado el problema de la liquidez, que afecta de manera expresa a las PyMEs y que de hecho constituyen buena parte de los potenciales beneficiarios del S-CJRP. En este proyecto se buscó una solución que, aparte del costo, también tenga en cuenta los problemas de baja liquidez y flujo de caja de las PyMEs mediante la extensión del modelo S-CJRP. La función objetivo del modelo inicial fue expandida incluyendo dos objetivos que impacten positivamente la liquidez: cash to cash, que mide el tiempo requerido en convertir el dinero pagado a los proveedores en dinero cobrado a los clientes, y desviación de los pagos por reaprovisionamiento de productos, que indica el promedio de las digresiones con respecto a la media. Se analizaron tres posibles combinaciones de criterios estudiados así: $$ - C2C, $$ - σ y $$ - C2C – σ Para resolver el problema de optimización, se partió de un algoritmo genético diseñado para resolver el S-CJRP que minimiza el costo, el cual fue modificado para que adicionalmente minimice el C2C y σ. Los resultados obtenidos indicaron que las combinaciones de criterios más interesantes son: $$ - C2C y $$ - C2C – σ. En un caso en particular, se encontró que usando el modelo que incluye los tres objetivos se logra reducir la desviación en un 70% y el cash to cash en un 18.48%, a expensas de un aumento en el costo de solo el 5.23%.Small and medium enterprises are considered as one of the engines of the economy. They contribute to the development of the country by generating employment and contributing a large part of the gross domestic product. However, these types of organizations are often volatile and vulnerable for several reasons. For example, they tend to face high logistics costs and low liquidity. Given this reality, it was previously proposed a model (S-CJRP) that reduces inventory costs through the collaboration of small companies that replenish their products together. However, this solution left aside the problem of liquidity, which expressly affects SMEs, and which in fact constitute a large part of the potential beneficiaries of the S-CJRP. It was sought in this project a solution that not only reduces the cost but also increases liquidity by means of expanding the S-CJRP model. The objective function of the model in question was expanded to include two additional objectives (intended to increase liquidity): cash to cash and deviation of payments for product replenishment. Cash to cash measures the time required to convert the money paid to suppliers in money collected from clients, while the deviation indicates the average of the digressions with respect to the mean. Three possible criteria combinations for the cost ($$), cash to cash (C2C) and the deviation (σ) were analyzed: ($$)–(C2C), ($$)–(σ) and ($$)-(C2C)-(σ). To solve the optimization problem a genetic algorithm designed to solve the problem S-CJRP that reduces the cost of inventory management ($$) was modified to additionally minimize the cash to cash (C2C) and the deviation of the payments (σ). The results obtained indicated that the best criteria combinations are: $$-C2C y $$-C2C-σ. In a particular case, it was found that using the model that includes the three objectives, it is possible to reduce the deviation by 70% and the cash to cash by 18.48%, at the expense of an increase in the cost of only 5.23%.spaBarranquilla, Universidad del Norte, 2018.Universidad del Nortehttp://purl.org/coar/access_right/c_abf2OptimizaciónMulti-objetivoAlgoritmo genéticoCiclo de efectivoCash cycleGenetic algorithmMulti-objectiveOptimizationModelo colaborativo de reaprovisionamiento conjunto, estocástico y multi-objetivo: reducción de costos, desviación y ciclo de conversión de efectivo (C2C)Collaborative model of stochastic joint replenishment with multi-objective optimization: cost reduction, deviation and cash-to-cash (C2C)articlehttp://purl.org/coar/resource_type/c_6501ORIGINALImagen Scjrp.pngImagen Scjrp.pngimage/png162312http://172.16.14.36:8080/bitstream/10584/8250/1/Imagen%20Scjrp.png4c39d393247f30976c2eb7581c96e191MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://172.16.14.36:8080/bitstream/10584/8250/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5210584/8250oai:172.16.14.36:10584/82502018-11-23 11:28:05.132Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.co |