Strategic Planning of the Biodiesel Supply Chain

• Autores: Rafael Guillermo García Cáceres
• Localización: Ingeniería y universidad, ISSN 0123-2126, Vol. 22, Nº. 1, 2018, págs. 77-95
• Idioma: inglés
• Títulos paralelos:
  • Planeación estratégica de la cadena de abastecimiento del Biodiesel
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Resumen Objetivo: Este trabajo presenta un modelo MIP estocástico biobjetivo para el diseño de red de la cadena de suministro de biodiesel, con el fin de apoyar las decisiones estratégicas de las partes interesadas. Materiales y Métodos: El modelo MIP estocástico biobjetivo, minimiza el costo total y el impacto ambiental de los 5 escalones de la cadena, con el fin de apoyar las decisiones estratégicas de las partes interesadas. Las restricciones que se incluyen son: economías de escala, ubicación de las instalaciones, capacidad de producción, oferta de materia prima, demanda de productos, lista de materiales y balance de masa. El procedimiento de solución incluye el planteamiento de restricciones probabilísticas, restricciones válidas y el uso del método de ε-restricciones para resolver el problema biobjetivo. Resultados y discusión: Se presentaron muy buenos tiempos CPU en las soluciones óptimas de las instancias ejecutadas del problema. Conclusión: La aproximación del problema de planeación de la cadena de abastecimiento de biodiesel presentado aquí, puede servir de base para nuevos desarrollos tanto en el modelado como en su solución. Futuros desarrollos en la solución pueden incluir métodos de aceleración como heurísticas y metaheurísticas, branch and cut, y métodos de decomposición Lagrangiana, de Benders y de Danzing-Wolfe, que permitan comparaciones en términos de desempeño computacional, gap de optimalidad, tiempo CPU, y uso de la memoria.

  • English

    Abstract Objective: A stochastic bi-objective Mixed Integer Problem (MIP) model of biodiesel supply chain networks is presented, ultimately intended to support strategic decisions of stakeholders. Materials and Methods: The bi-objective MIP model aims to minimize the total cost and environmental impact of five chain echelons, taking into consideration the following constraints: economies of scale, location of facilities, production capacity, raw material supply, product demand, bill of materials and mass balance. The solution procedure resorts to chance constraints, valid constraints and the ε-constraint method. Results and Discussion : The CPU times for the optimal solution of the problem instances show very good values. Computational experiments allowed assessing the performance of the solution procedure. Conclusion: The current approach to the modeling of the biodiesel supply chain may serve as the basis of future similar works and associated solution procedures, thus facilitating decision-making at different supply chain stages. The approach fosters the development of new solution approaches such as adequate acceleration; heuristics and meta-heuristics; branch and cut methods; and Lagrangian, Benders and Danzing-Wolfe decompositions. These new approaches are intended to allow comparisons in terms of computational performance level, optimality gap, CPU time and memory usage.