Optimización matemática en la cadena de suministro: Estrategias para mejorar la eficiencia operativa en empresas
DOI:
https://doi.org/10.26820/recimundo/9.(1).enero.2025.948-955Palabras clave:
Gestión de la cadena de suministro, Optimización, Modelación matemática, Transporte, Gestión de riesgosResumen
Este artículo proporciona una síntesis del concepto de optimización de la cadena de suministro. El objetivo de la investigación es identificar un proceso de optimización de la cadena de suministro, los aspectos clave para llevar a cabo este proceso, y al mismo tiempo enfatizar las ventajas que aporta la optimización de los procesos de las empresas a través de la modelización matemática de procesos logísticos que pueden ser útiles en la optimización de las cadenas de suministro. En la metodología de investigación se utiliza el algoritmo de transporte Simplex. En una situación práctica de una empresa con 3 almacenes y 4 clientes, permitió optimizar las rutas de transporte y obtener un costo total mínimo para la entrega logística.Descargas
Citas
Fakhrzad MB, Goodarzian F. A new multi-objective mathematical model for a Citrus supply chain network design: Metaheuristic algorithms. Journal of Optimization in Industrial Engineering. 2021;14(2):111–28.
Ebrahimi SB, Bagheri E. Optimizing profit and reliability using a bi-objective mathematical model for oil and gas supply chain under disruption risks. Comput Ind Eng. 2022;163:107849.
Sana SS. A structural mathematical model on two echelon supply chain system. Ann Oper Res. 2022;315(2):1997–2025.
Hosseini-Motlagh SM, Samani MRG, Abbasi Saadi F. Strategic optimization of wheat supply chain network under uncertainty: a real case study. Operational research. 2021;21(3):1487–527.
Paul SK, Chowdhury P, Chakrabortty RK, Ivanov D, Sallam K. A mathematical model for managing the multi-dimensional impacts of the COVID-19 pandemic in supply chain of a high-demand item. Ann Oper Res. 2022;1–46.
Abaku EA, Edunjobi TE, Odimarha AC. Theoretical approaches to AI in supply chain optimization: Pathways to efficiency and resilience. International Journal of Science and Technology Research Archive. 2024;6(1):92–107.
Tirkolaee EB, Sadeghi S, Mooseloo FM, Vandchali HR, Aeini S. Application of machine learning in supply chain management: a comprehensive overview of the main areas. Math Probl Eng. 2021;2021(1):1476043.
Nagurney A. Optimization of supply chain networks with inclusion of labor: Applications to COVID-19 pandemic disruptions. Int J Prod Econ. 2021;235:108080.
Tordecilla RD, Juan AA, Montoya-Torres JR, Quintero-Araujo CL, Panadero J. Simulation-optimization methods for designing and assessing resilient supply chain networks under uncertainty scenarios: A review. Simul Model Pract Theory. 2021;106:102166.
Van Engeland J, Beliën J, De Boeck L, De Jaeger S. Literature review: Strategic network optimization models in waste reverse supply chains. Omega (Westport). 2020;91:102012.
Suryawanshi P, Dutta P. Optimization models for supply chains under risk, uncertainty, and resilience: A state-of-the-art review and future research directions. Transp Res E Logist Transp Rev. 2022;157:102553.
Kang S, Heo S, Realff MJ, Lee JH. Three-stage design of high-resolution microalgae-based biofuel supply chain using geographic information system. Appl Energy. 2020;265:114773.
Becerra P, Mula J, Sanchis R. Sustainable inventory management in supply chains: Trends and further research. Sustainability. 2022;14(5):2613.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Edwin Miguel Baque Parrales, María Teresa Ayón Lucio, Tania Lisbeth Macias Villacreses, Adriana Leonor Salazar Moran
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
