You are on page 1of 59

SISTEMA INTELIGENTE PARA LA

REDUCCIN DEL EFECTO


BULLWHIP EN LA CADENA DE
SUMINISTRO A TRAVS DE LA
POLTICA DE PEDIDO
Proyecto Fin de Carrera
Enrique Sierra Miranda
Septiembre 2014
Tutor: David de la Fuente Garca
Co-tutor: Borja Ponte Blanco
Universidad de Oviedo
Escuela Politcnica de Ingeniera de
Gijn
rea de Administracin de Empresas
ndice
Objeto y origen del trabajo
Introduccin a la teora
Efecto Bullwhip
Inteligencia Artificial Distribuida
Introduccin
Sistemas Multi-agente
Sistema
Diagrama KAOS
Hiptesis de partida
Implementacin del modelo
Resultados y discusin
Conclusiones


Objeto y origen del trabajo
Personas
Negocios
Organizacin
Tecnologa
Infraestructura
Cadena de
Suministro
Gestin Cadena de
Suministro
S
u
m
i
n
i
s
t
r
o

P
r
o
d
u
c
c
i

n

D
i
s
t
r
i
b
u
c
i

n

Objeto y origen del trabajo
Gestin de la
Cadena de
suministro
Definicin del
Efecto Bullwhip
Repercusiones
del Efecto
Bullwhip
Causas del
Efecto Bullwhip
Soluciones al
Efecto Bullwhip
Estudio de
Sistemas Multi-
agente
Desarrollo del
Modelo
Implementacin
del modelo
Validacin y
verificacin del
modelo
Desarrollo de
soluciones
Objetivos
Aplicabilidad de tcnicas avanzas de
Inteligencia Artificial en la reduccin
del Efecto Bullwhip en la cadena de
suministro

Comparar distintas polticas clsicas
de gestin de inventarios en cuanto a
su idoneidad para la gestin
Estructura - Mapa mental
ndice
Objeto y origen del trabajo
Introduccin a la teora
Efecto Bullwhip
Inteligencia Artificial Distribuida
Introduccin
Sistemas Multi-agente
Sistema
Diagrama KAOS
Hiptesis de partida
Implementacin del modelo
Resultados y discusin
Conclusiones


Gestin de la cadena de suministro
Gestin Cadena de
Suministro
S
u
m
i
n
i
s
t
r
o

P
r
o
d
u
c
c
i

n

D
i
s
t
r
i
b
u
c
i

n

Herramientas
innovadoras
Constante
comunicacin
Flujo de materiales
Transformacin de
materiales
ndice
Objeto y origen del trabajo
Introduccin a la teora
Efecto Bullwhip
Inteligencia Artificial Distribuida
Introduccin
Sistemas Multi-agente
Sistema
Diagrama KAOS
Hiptesis de partida
Implementacin del modelo
Resultados y discusin
Conclusiones


Efecto Bullwhip
Forrester (1958)
Efecto Bullwhip
Medicin
Repercusiones
Lee et al. (1997)
demostraron que, si
en una cadena de
suministro se diesen
cuatro condiciones
estables de
operacin, no se
generara Efecto
Bullwhip en la misma
E
f
e
c
t
o

B
u
l
l
w
h
i
p

Errores en la previsin
de demanda
Agrupacin de los
pedidos en lotes
Variaciones en los
precios
Especulacin y
sobreproteccin
Causas del Efecto Bullwhip
Soluciones tradicionales al EB
Postponement y
Mass-
Customization
Leagility
ECR
Gestin por
categoras
Reabastecimiento
Tecnologa
Vendor Managed
Inventory
Fabricante
controla inventario
del cliente
Collaborative
Planning,
Forecasting and
Replenishmen
Estrategia y
Planificacin
Gestin de la
demanda y el
reabastecimiento
Ejecucin
Tareas de
anlisis
ndice
Objeto y origen del trabajo
Introduccin a la teora
Efecto Bullwhip
Inteligencia Artificial Distribuida
Introduccin
Sistemas Multi-agente
Sistema
Diagrama KAOS
Hiptesis de partida
Implementacin del modelo
Resultados y discusin
Conclusiones


Inteligencia Artificial
orgenes en 1950
La disciplina que se encarga de construir procesos que,
al ser ejecutados sobre una arquitectura fsica, producen
acciones o resultados que maximizan una medida de
rendimiento determinada, basada en la secuencia de
entradas percibidas y en el conocimiento almacenado en
tal arquitectura.
Definicin propuesta por Mira et al. (1995)
Inteligencia
Artificial
I.A.
Distribuida
Sistemas Multi-agente:
Simulan el comportamiento del
sistema a travs de las
relaciones entre los distintos
agentes inteligentes que lo
forman.
Sistemas Multi-agente: Agentes
Agentes
de reflejo
simple
Agentes
bien
informados
Agentes
basados
en metas
Agentes
basados
en utilidad
Estudios sobre los SMA
- Elevada complejidad.
- Interaccin de distintos agentes
- Cada agente ha de atender a mltiples variables.
- Alta incertidumbre en el entorno.
Efecto
Bullwhip a
travs de SMA
Fox et al., 1993
Pioneros en la propuesta de la cadena de
suministro como una red de agentes inteligentes
Shen et al., 1998
Desarrollaron la herramienta METAMORPH,
orientada a las empresas y a su relacin con el
resto de la cadena de suministro
Se basaron en el Juego de la Cerveza para idear el
Juego del Suministro de Madera de Quebec
Moyaux et al., 2004
ndice
Objeto y origen del trabajo
Introduccin a la teora
Efecto Bullwhip
Inteligencia Artificial Distribuida
Introduccin
Sistemas Multi-agente
Sistema
Diagrama KAOS
Hiptesis de partida
Implementacin del modelo
Resultados y discusin
Conclusiones


Diagrama KAOS
Planteamiento e hiptesis de partida
Cadena de suministro lineal con cuatro niveles y un nico
producto.
Contexto externo de demanda estocstica.
Contexto interno holstico de colaboracin entre distintos
niveles.
Pedidos semanales en cada nivel.
Tiempo de suministro unidad.
Almacenes ilimitados y con stock de seguridad.
Capacidad de fabricacin y de transporte ilimitada.
Posibilidad de entregar en el prximo periodo la rotura de
stock con un coste adicional.
Escenario de costes de gestin.
Cadena de suministro lineal con cuatro
niveles y un nico producto
Cuatro
niveles
Un
elemento
por nivel
CS
Lineal
Un
producto
Producto
Contexto externo de demanda
estocstica
U (70, 90): distribucin uniforme discreta con media 80

U (60, 100): distribucin uniforme discreta con media 80

U (40, 120): distribucin uniforme discreta con media 80
Contexto interno holstico de colaboracin
entre distintos niveles
La mejor
solucin para
el sistema
La mejor solucin
para cada nivel
Enfoque sistmico
Colaborar Colaborar
Pedidos semanales en cada nivel
Modelos Order-Up-To
Modelo de Inventarios Order-Up-To
Modelo de Inventarios Order-Up-To sweet spot
Modelo de Inventarios Order-Up-To sweet spot
Modelo Order-Up-To con procesado de la seal de la demanda
Modelos Order-Up-To (I)
Order Up to Simple



Order Up to Sweet Spot



Johnson y
Thompson
(1975)
Chen y Disney
(2003)
Ki=0,4850
Order Up to Media Mvil



Order Up to con procesado de la seal de
demanda



Modelos Order-Up-To (II)
Chen et al.
(2000)
Dejonckheere
et al. (2003))
y=0.2
Almacenes ilimitados y con stock de
seguridad
Almacenes sin restriccin de capacidad

Hay Stock de Seguridad
Tiempo de suministro unidad
El producto que pide cada nivel lo tendr a su
disposicin para la siguiente unidad temporal
Capacidad de fabricacin y de transporte
ilimitada
Fabricante posee lmite de fabricacin

Cada nivel podr mover material sin importar la cuanta a
movilizar
Si hay rotura de
Stock
Posibilidad de entregar en el prximo
periodo la rotura de stock con un coste
adicional
Entrega
posterior con
multa
Modelo de costes basado en Goodwin y Franklin (1994)
Escenario de Costes
Modelar sistemas reales
complejos y con caractersticas
claramente distribuidas
Agente estticos
Sistema Global Multi-agente
Comportamiento:
Determinado por
Subsistemas
Caractersticas
Subsistemas:
Autonoma
Capacidades sociales
Reactividad
Subsistema Multi-agente
Agente de Informacin
Mediador entre la base
de datos y el resto de
agentes del Subsistema
Multi-agente
Almacena y
proporciona
informacin
Agente de Comunicacin
Transmite las rdenes
de pedido
Recopila las rdenes
de pedido
Recepcin y envo de
material
Agente de Aprovisionamiento
Activar la poltica de aprovisionamiento ptima
Order-Up-To
Order-Up-To
sweet spot
Order-Up-To con
media mvil
Order-Up-To con
procesado de la
seal de la
demanda
Agente de Almacenamiento
Calcula el valor de los almacenes, el
material que se puede mandar y de
almacenar el material recibido


1 +


+ +

1 +

1 + ; 0}

= max

1 +


Agente de Monitorizacin
Controla los diferentes
indicadores
Efecto
Bullwhip
Costes
Agente de Coordinacin
Comunicacin con otros
Agentes de
Coordinacin
Implementacin del modelo (I)
class AgenteComun
{
int SS = 20;
int SS1 = SS;
int SS2 = SS;
int SS3 = SS;
int SS4 = SS;

Stock de Seguridad

public int LimiteFabricacion =300;
fabricante.Precibido = temporal.Min();


Lmite de fabricacin

CosteAlmacen = CPosesion * AlmacenFinal;
CosteRoturaStock = CPendiente * DemandaPendiente;

CosteCompra = CAdquisicion * Precibido;
if (Pedido != 0)
{
CosteEnvio = CEmision;
}
else
{
CosteEnvio = 0;
}


Costes
while (MDet <= NumMetodos)
{
detallista = new NiveldeCS();
minorista = new NiveldeCS();
mayorista = new NiveldeCS();
fabricante = new NiveldeCS();
for (i = 1; i <= iteraciones; i++)
{
detallista.DemandaInf = DemClientes[i - 1];
Metodo para Detallista
minorista.DemandaInf = detallista.Pedido;
Metodo para Minorista
mayorista.DemandaInf = minorista.Pedido;
Metodo para Mayorista
fabricante.DemandaInf = mayorista.Pedido;
Metodo para Fabricante
int[] Vtemp = new int[2];
Vtemp[0] = LimiteFabricacion;
Vtemp[1] = fabricante.Pedido;
detallista.Precibido = minorista.Penviado;
minorista.Precibido = mayorista.Penviado;
mayorista.Precibido = fabricante.Penviado;
fabricante.Precibido = Vtemp.Min();
Guardamos las Variables
Clculo de Costes
Clculo del Efecto Bullwhip
Guardamos resultado de Menor EB
Metodo para actualizar Nmero de mtodo
}}

Pseudocdigo
Implementacin del modelo (II)
MFab++;
if (MFab == NumMetodos + 1)
{
MFab = 1;
MMay++;
}
if (MMay == NumMetodos + 1)
{
MMay = 1;
Mmin++;
}
if (Mmin == NumMetodos + 1)
{
Mmin = 1;
MDet++;
}


Actualizacin del mtodo
AlamcenInicio = AlmacenFinal + Precibido + SS# + IT#;
SS# = 0;
IT# = 0;
DemandaActual = DemandaInf + DemandaPendiente;
if (DemandaActual - AlamcenInicio > 0)
{
Penviado = AlamcenInicio;
}
else
{
Penviado = DemandaActual;
}
Temporal[0] = AlamcenInicio - DemandaActual;
Temporal[1] = 0;
AlmacenFinal = Temporal.Max();
Temporal[0] = DemandaActual - AlamcenInicio;
Temporal[1] = 0;
DemandaPendiente = Temporal.Max();
FORMULA_DE_METODO
Clculo de Costes


Agente de Planificacin
Implementacin del modelo (III)
Efecto Bullwhip
MediaMetodo[0] = DemandaClienteCalc.Average();
MediaMetodo[1] = DetPedidCalc.Average();
MediaMetodo[2] = MinPedidCalc.Average();
MediaMetodo[3] = MayPedidCalc.Average();
MediaMetodo[4] = FabPedidClac.Average();
for (int i = 1; i <= iteraciones; i++)
{
//Calculamos la Varianza de la Demanda del Cliente
VarianzaMetodo[0] = VarianzaMetodo[0] + ((DemandaClienteCalc[i - 1] -
MediaMetodo[0]) * (DemandaClienteCalc[i - 1] - MediaMetodo[0]));
//Varianza del Detallista
VarianzaMetodo[1] = VarianzaMetodo[1] + ((DetPedidCalc[i - 1] -
MediaMetodo[1]) * (DetPedidCalc[i - 1] - MediaMetodo[1]));
//Varianza del Minorista
VarianzaMetodo[2] = VarianzaMetodo[2] + ((MinPedidCalc[i - 1] -
MediaMetodo[2]) * (MinPedidCalc[i - 1] - MediaMetodo[2]));
//Varianza Mayorista
VarianzaMetodo[3] = VarianzaMetodo[3] + ((MayPedidCalc[i - 1] -
MediaMetodo[3]) * (MayPedidCalc[i - 1] - MediaMetodo[3]));
//Varianza Fabricante
VarianzaMetodo[4] = VarianzaMetodo[4] + ((FabPedidClac[i - 1] -
MediaMetodo[4]) * (FabPedidClac[i - 1] - MediaMetodo[4]));

}
for (int nivel = 0; nivel <= 4; nivel++)
{
VarianzaMetodo[nivel] = VarianzaMetodo[nivel] / iteraciones;
}
EBDet = VarianzaMetodo[1] / VarianzaMetodo[0];
EBMin = VarianzaMetodo[2] / VarianzaMetodo[1];
EBMay = VarianzaMetodo[3] / VarianzaMetodo[2];
EBFab = VarianzaMetodo[4] / VarianzaMetodo[3];
EBg = EBDet * EBMin * EBMay * EBFab;


ndice
Objeto y origen del trabajo
Introduccin a la teora
Efecto Bullwhip
Inteligencia Artificial Distribuida
Introduccin
Sistemas Multi-agente
Sistema
Diagrama KAOS
Hiptesis de partida
Implementacin del modelo
Resultados y discusin
Conclusiones


Estudio
Pruebas con Stock de Seguridad estable
Experimentos III, IV y V
Pruebas con Demanda estable
Experimentos I, II y III
Experimento I
1 Order-Up-To
Clsico
2 Order-Up-To
Sweet spot
3 Order-Up-To
media mvil
4 Order-Up-To
procesado de la
demanda
Experimento II
1 Order-Up-To
Clsico
2 Order-Up-To
Sweet spot
3 Order-Up-To
media mvil
4 Order-Up-To
procesado de la
demanda
Experimento III
1 Order-Up-To
Clsico
2 Order-Up-To
Sweet spot
3 Order-Up-To
media mvil
4 Order-Up-To
procesado de la
demanda
Experimento IV
1 Order-Up-To
Clsico
2 Order-Up-To
Sweet spot
3 Order-Up-To
media mvil
4 Order-Up-To
procesado de la
demanda
Experimento V
1 Order-Up-To
Clsico
2 Order-Up-To
Sweet spot
3 Order-Up-To
media mvil
4 Order-Up-To
procesado de la
demanda
Anlisis de los resultados
Efecto de la Poltica de Compras sobre el Efecto
Bullwhip en distintos escenarios de variabilidad en la
Demanda
Polticas clsicas generan una amplificacin de la variabilidad de la
demanda bastante significativa a lo largo de la cadena de suministro
La reduccin del Efecto Bullwhip conlleva una reduccin en los
costes totales
Diferencias muy importantes entre las polticas
Evolucin del la Variabilidad de la demanda de los diferentes niveles
Order-Up-To
Order-Up-To procesado de la seal
de la demanda
Order-Up-To media mvil
Order-Up-To sweet spot
Mejor resultado
Evolucin del la Variabilidad de la demanda de los diferentes niveles
Order-Up-To media mvil y Order-Up-To con procesado
de la seal de demanda Mejores resultados
Order-Up-To media mvil parte baja de la CS
Order-Up-To con procesado de la seal de demanda
parte alta de la CS
Order-Up-To sweet spot- niveles altos de la CS cuando
la variabilidad es muy elevada
Anlisis de los resultados
Efecto de la Poltica de Compras sobre el Efecto
Bullwhip en distintos escenarios de Stock de Seguridad
Polticas clsicas generan una amplificacin de la variabilidad de la
demanda bastante significativa a lo largo de la cadena de suministro
La reduccin del Efecto Bullwhip conlleva una reduccin en los
costes totales
Diferencias muy importantes entre las polticas
Evolucindel Inventario final para los diferentes niveles
Order-Up-To
Order-Up-To procesado de la seal
de la demanda
Order-Up-To media mvil
Order-Up-To sweet spot
Evolucindel Inventario final para los diferentes niveles
Mejor resultado
Reduccin de costes
Mejor poltica: Order-Up-To media mvil y Order-Up-To
con procesado de la seal de demanda
Si el nivel del Stock de Seguridad se establece por
debajo de la variabilidad de la demanda: Order-Up-To
sweet spotda buenos resultados
ndice
Objeto y origen del trabajo
Introduccin a la teora
Efecto Bullwhip
Inteligencia Artificial Distribuida
Introduccin
Sistemas Multi-agente
Sistema
Diagrama KAOS
Hiptesis de partida
Implementacin del modelo
Resultados y discusin
Conclusiones


Conclusiones
Efecto Bullwhip
Ineficiencias en la
gestin de la CS
Anlisis de Causas
Errores en las previsiones de las
demandas.
Agrupacin de los pedidos en
lotes.
Variaciones del precio de los
productos.
Especulacin y sobreproteccin.
Soluciones
tradicionales


Soluciones
Avanzadas
Sistema Multiagente
Alta eficacia del sistema
implementado
Enorme importancia de la
previsin de la demanda
OUT simple y Sweet spot:
Sensible a la variabilidad de
entrada
OUT media mvil y con
procesado de la seal de
demanda: Buenos
resultados, mtodos robustos
SISTEMA INTELIGENTE PARA LA
REDUCCIN DEL EFECTO
BULLWHIP EN LA CADENA DE
SUMINISTRO A TRAVS DE LA
POLTICA DE PEDIDO
Proyecto Fin de Carrera
Enrique Sierra Miranda
Septiembre 2014
Tutor: David de la Fuente Garca
Co-tutor: Borja Ponte Blanco
Universidad de Oviedo
Escuela Politcnica de Ingeniera de
Gijn
rea de Administracin de Empresas