OPERACIONES MATEMATICAS

La logística se puede abarcar desde tres grandes etapas, la etapa estratégica, la táctica y la operativa, y en cualquiera de esas etapas se aplican modelos matemáticos, aunque es importante que no sea como la Física en donde es estrictamente necesario aplicar modelos matemáticos, en la Logística si una persona no aplica modelos matemáticos, no es que no sepa de logística, pero si le falta un gran mundo por descubrir.

 Ahora solo miremos algunos ejemplos de modelos matemáticos aplicados a las etapas anteriormente nombradas:

• Estratégicos:

-¿Dónde ubico mi centro de distribución? : Se resuelve con un modelo matemático de ubicación, el cual puede ir desde el método del centroide  hasta la aplicación de un metaheurístico.

-¿Qué plantas deben atender que distribuidores de tal manera que minimice el costo de transporte, y cumpla con las restricciones de demanda y capacidad?: Se resuelve con un modelo de programación lineal, llamado modelo de asignación.

• Tácticos:

-¿Cuánto debe ser mi tamaño de flota para un determinado producto?: se resuelve el problema de ruteo normalmente aplicando metaheuristicos como son algoritmos genéticos.

-¿Cómo debe ser mi política de inventarios, de tal manera que minimice mi costo de inventario?: Se resuelve aplicando modelos de inventario como son los ROP o modelos T.

• Operativos:

-¿Cuál debe ser la ruta de las personas encargadas del picking, de tal manera que minimice la distancia recorrida en la bodega?: Se utiliza un modelo de ruteo dentro de la bodega, se puede aplicar un modelo analítico o un metahuristico.

-¿Cómo debo almacenar un despacho en un contenedor de tal manera que maximice el porcentaje de utilización del contenedor, teniendo en cuenta que los productos son diferentes?: Se aplica un modelo de binpacking 3d.

Esto es apenas unos pocos ejemplos que muestra como para tomar decisiones importantes en la logística es muy importante el uso de los modelos matematicos.

Por eso la importancia de que los profesionales de la logística tengan mínimamente conocimiento de que estos modelos existen y para qué sirven.

Es comprensible que muchos de estos modelos son complejos, ya que muchos son problemas de optimización combinatoria y tienen componentes estocásticos, pero esa complejidad se ve recompensada en su utilidad.