Modelado y simulación de la cadena de suministro con AnyLogic®

Beatriz Andres, Raquel Sanchis, Raúl Poler

Resumen

En este artículo se presenta una herramienta de software AnyLogic, para el modelado y simulación de la Cadena de Suministro (CS) proporcionando ayuda a la toma de decisiones a través de la simulación de escenarios de un mismo modelo de CS. AnyLogic da soporte a las metodologías de simulación más conocidas: sistemas de eventos discretos, dinámica de sistemas y modelado de agentes. Este artículo se centra en el contexto de dinámica de sistemas permitiendo la simulación de dos tipos de CS: colaborativa y no-colaborativa. Finalmente, se presenta un ejemplo ilustrativo en AnyLogic que permite comparar los dos modelos de CS (i) no-colaborativa  vs. (ii) colaborativa, caracterizada por un modelo de Inventario Administrado por el Proveedor (en inglés Supplier Managed Inventory, SMI), en la que existe colaboración entre el proveedor y el fabricante de la CS.


Palabras clave

modelado; simulación; AnyLogic®; dinámica de sistemas; soporte a la toma de decisiones; cadena de suministro; herramienta docente

Texto completo:

PDF

Referencias

AnyLogic (2015) Retreived from http://www.anylogic.com/

Beamon, B. M. (1998). Supply chain design and analysis: Models and methods. International Journal of Production Economics , Vol. 55, pp. 281-294. doi:10.1016/S0925-5273(98)00079-6

Campuzano, F., Martinez, E., & Ros, L. (2010). Cadenas de suministro tradicionales y colaborativas. Análisis de su influencia en la gestión de la variabilidad de la demanda. Dyna, Organización y dirección de empresas. 5311.99-6 Logística , Vol. 85 nº1, pp. 33-40.

Campuzano, F., & Mula, J. (2011). Supply Chain Simulation. A System Dynamics Approach for Improving Performance (p. 106). Springer London Dordrecht Heidelberg New York. doi:10.1007/978-0-85729-719-8

Forrester, J. (1961). Dinámica Industrial. Buenos Aires, Argentina: Editorial El Ateneo.

Gupta, A., & Maranas, C. D. (2003). Managing demand uncertainty in supply chain planning. Computers and Chemical Engineering , Vol. 27, pp. 1219-1227. doi:10.1016/S0098-1354(03)00048-6

McDonald, C. M., & Karimi, I. A. (1997). Planning and Scheduling of Parallel Semicontinuous Processes. 1. Production Planning. Industrial Engineering Chemical Research , 36 (7 pp. 2691-2700), Vol. 36, pp. 2691-2700. doi: 10.1021/ie960901+

Poler, R., Mula, J. & Díaz-Madroñero, M. (2013) ADGIP: Una herramienta docente para el modelado y resolución de árboles de decisión. Modelling in Science Education and Learning (MSEL) 6(2), 16. Instituto Universitario de Matemática Pura y Aplicada. doi: http://dx.doi.org/10.4995/msel.2013.1946

Sterman, J.D. (2000) Business Dynamics: Systems Thinking and Modelling for a Complex World. McGraw-Hill Higher Education, New York. ISBN: 978-0-07-231135-8

Abstract Views

6609
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. E-aplan: a tool for teaching collaborative aggregate production planning in industrial engineering
Raul Poler, Beatriz Andres, Eduardo Guzmán Ortiz
Modelling in Science Education and Learning  vol: 14  num.: 1  primera página: 81  año: 2021  
doi: 10.4995/msel.2021.14440



Esta revista esta bajo una Licencia licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional

Universitat Politècnica de València

e-ISSN: 1988-3145   https://dx.doi.org/10.4995/msel