| dc.description.abstract | La transición de un enfoque intensivo de procesamiento de datos a procesos de negocios basados en el conocimiento ha hecho crítico el estudio del flujo de conocimiento entre los actores de la cadena de suministro; resaltando el foco en la gestión del conocimiento. Fundamentalmente, el objetivo de la gestión del es el manejo sistemático del conocimiento y del conocimiento potencial con un enfoque en la creación de valor a partir de los recursos intangibles tanto dentro como fuera de una organización. Los sistemas de gestión de conocimiento basados agentes inteligentes, una técnica de inteligencia artificial, implican que el sistema real de interés se modela e implementa en software de simulación utilizando principios de modelado y simulación basados en agentes; estos principios significan que el sistema real se modela como un conjunto de agentes que interactúan en un entorno definido y se presume que los agentes actúan en lo que perciben como sus propios intereses. El objetivo del trabajo de tesis es desarrollar un sistema de gestión de conocimiento basado en el enfoque de modelado de agentes para la administración de la cadena de suministro.
Dos cadenas de suministro caso de estudio son consideradas en esta investigación, la cadena de suministro agroalimentaria y la cadena de suministro humanitaria.
En referencia a la cadena de suministro agroalimentaria el objetivo es contribuir al estado de la investigación sobre la necesidad de sistemas logísticos para la planificación y programación/reprogramación dentro del contexto de la agroindustria. Con este fin, se presenta un sistema de gestión del conocimiento basado en un modelo multi-agente utilizando la combinación de modelado y simulación basada en agentes y simulación de eventos discretos. Los datos de entrada en la cadena de suministro agroalimentaria se toman de una cadena de suministro de café verde. En este contexto, los agentes de decisión tienen el
propósito de obtener conocimiento útil para lograr i) la decisión con respecto a la estimación del rendimiento del café cereza obtenido en la plantación de café, y la decisión de verificación de la muestra de café pergamino, utilizando un modelo de lógica difusa que involucra un motor de inferencia con reglas de tipo Si-Entonces, ii) la decisión de establecimiento del plan de producción, utilizando un enfoque de reglas de toma de decisiones basado en la integración de un modelo de lógica difusa que involucra un motor de inferencia con reglas de tipo Si-Entonces y la representación basada en ecuaciones por medio de un modelo de programación entera mixta con el objetivo de maximizar el nivel de servicio al cliente; y iii) la decisión de actualización del plan de producción utilizando ecuaciones matemáticas una vez que el nivel de servicio al cliente cae por debajo del nivel esperado. Se consideraron tres escenarios de patrones de demanda para realizar los experimentos: creciente, unimodal y decreciente.
El sistema de gestión del conocimiento basado en un modelo multi-agente puede manejar la demora en la llegada de materias primas mientras considera escenarios de planificación que reflejan el contexto de la producción de café verde, escenarios donde la demanda está sesgada hacia el final del horizonte de planificación, donde la demanda es sesgada hacia el comienzo de la planificación, y donde la demanda alcanza su punto máximo en el medio del horizonte de planificación y cae por debajo de la capacidad disponible en los primeros y últimos días del horizonte.
Respecto a la cadena de suministro humanitaria el objetivo es contribuir al estado de la investigación sobre la necesidad urgente de herramientas analíticas que capturen la complejidad de la logística humanitaria y permitan a los tomadores de decisiones determinar el mejor curso de acción en las situaciones de desastre en relación a modelos de enrutamiento que incorporen costos de privación; modelos de asignación de inventario que incorporan costos de privación; logística inversa; pre posicionamiento de suministros; planeación de puntos de distribución; y asignación dinámica de recursos para gestionar la convergencia de
materiales. El sistema de gestión de conocimiento se centra en la selección de la ubicación de puntos de abastecimiento en zonas afectadas por un sismo con el objetivo de agilizar y optimizar los esfuerzos de respuesta al desastre: maximizando el beneficio a los damnificados y reduciendo la distancia que implica la distribución de víveres y materiales, y proponiendo
los niveles de inventario deseables en los centros de distribución; de manera tal que se provean soluciones de forma rápida y basadas en datos. Los agentes de decisión tienen el propósito de obtener conocimiento útil para i) la evaluación de campo, ii) coordinación y ubicación de instalaciones, y iii) gestión de almacenamiento e inventario. Los datos de entrada en la cadena
de suministro humanitaria se tomaron del caso del terremoto en la Ciudad de México el 19 de septiembre de 2017. La formulación matemática para el problema de ubicación de instalaciones consta de dos fases, en la primera se genera el segundo eslabón de la cadena de suministro humanitaria y en la segunda se genera el primer eslabón. La primera fase consta de
dos funciones objetivo, una que minimiza la sumatoria de la distancia desde cada punto de demanda hasta el punto de distribución dentro de cada clúster, la segunda función objetivo maximiza la cobertura de la demanda, tomando en cuenta la distancia máxima que una persona está dispuesta a caminar desde el punto de demanda hasta el punto de distribución que
sirve a ese clúster; es en esta segunda función objetivo en la que se toma en cuenta la zona de influencia del punto de distribución, de manera tal que si un punto de demanda queda fuera de esta zona de influencia, esa demanda no será cubierta. La segunda fase consta de tres funciones objetivo: la primera minimiza la sumatoria de la distancia desde el punto de
distribución en cada clúster hasta el almacén general, la segunda maximiza la utilidad generada por los puntos de distribución y la tercer función objetivo minimiza el tiempo de respuesta, es decir, el tiempo que toma transportar los víveres del almacén general a los puntos de distribución. | es |
