INNOVA Research Journal, ISSN 2477-9024  
Septiembre, 2017). Vol. 2, No.9.1 pp. 1-13  
(
DOI: https://doi.org/10.33890/innova.v2.n9.1.2017.500  
URL: http://revistas.uide.edu.ec/index.php/innova/index  
Correo: innova@uide.edu.ec  
Aplicación de un modelo heurístico en el diseño estratégico de la cadena de  
suministro: sector neumático Ecuador  
Application of a heuristic model to the strategic supply chain design:  
Ecuadorian rubber sector  
Jorge Campoverde  
Universidad de Cuenca, Ecuador  
Freddy Naula  
Universidad de Cuenca, Ecuador  
Denis Borenstein  
Universidade Federal do Rio Grande, Brasil  
Autor para correspondencia: jorgecampoverdec@gmail.com, freddybenja@gmail.com,  
denis.borenstein@gmail.com  
Fecha de recepción: 01 de Junio de 2017 - Fecha de aceptación: 15 de Agosto de 2017  
Resumen: En función del Programa Prometeo, del cual formó parte el Grupo de Investigación  
Empresarial (GIE) y la Carrera de Administración de Empresas de la Facultad de Ciencias  
Económicas y Administrativas de la Universidad de Cuenca, conjuntamente con la Dirección de  
Investigación de la Universidad de Cuenca (DIUC), se llevó a cabo el proyecto de Investigación  
“
Desarrollo de Modelos Matemáticos para la Cadena de Suministro”; cuya finalidad fue  
implementar modelos de optimización en la Cadena de Suministro para la Industria Ecuatoriana  
Sector Neumáticos). El artículo presenta una memoria respecto al desarrollo en si del proyecto,  
(
las metodologías adoptadas, dificultades en cuanto a acceso de la información, soluciones  
adoptadas, así como una evaluación de la Cadena de Suministro en términos generales. El aporte  
de ésta investigación servirá como base y marco de referencia para futuras investigaciones ya sea  
en la Cadena de Suministro o en Áreas Relacionadas.  
Palabras clave: cadena de suministro; modelos de optimización; proyecto logístico  
Abstract: According to the Prometeo Program, which included the Business Research Group  
(GIE) and the Business Administration Career of the Faculty of Economic and Administrative  
Sciences of the University of Cuenca, together with the University of Cuenca Research  
Directorate, the research project "Development of Mathematical Models for the Supply Chain"  
was carried out; Whose purpose was to implement optimization models in the Supply Chain for  
the Cuencan industry (Tires Sector). This article presents a report on the development of the project  
itself, the methodologies adopted, the difficulty of obtaining information, adopted solutions, as  
well as an evaluation of the Supply Chain in general terms; All serve as a frame of reference for  
future research in either the Supply Chain or Related Areas.  
Key words: supply chain; optimization models; logistic project  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
1
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
Introducción  
La cadena de suministro (CS) se la puede considerar como un proceso integrado en el  
cual varios negocios (i.e., proveedores, productores, distribuidores, y detallistas) trabajan juntos  
con la finalidad de adquirir materias primas, convertir éstas en productos, y entregarlos al cliente  
final (Beamon, 1998). La CS se caracteriza generalmente por mantener un flujo de materiales y/o  
productos hacia adelante, y de información en ambas direcciones. Las empresas se motivan a ser  
parte de esta compleja red, debido a las recompensas monetarias (David Simchi-Levi, Xin Chen,  
2
004), cuyo impacto en la economía global es hoy más relevante que en ningún otro momento;  
en este sentido (David Simchi-Levi, Xin Chen, 2004) consideran que el paso más importante  
para reducir los costos en la cadena de suministro es el Diseño de la Red de la Cadena de  
Suministro (DRCS), por lo tanto el DRCS, involucra la toma de decisiones tanto a nivel  
estratégico i.e., número de instalaciones, localizaciones, capacidades y tecnología de las mismas;  
como a nivel táctico u operativo i.e., cantidades agregadas, flujos de las compras, procesamiento  
y distribución de los productos (Santoso, Ahmed, Goetschalckx, & Shapiro, 2005); el número de  
etapas se determina de acuerdo a la complejidad de los problemas fragmentados en la red (Pirkul  
&
Jayaraman, 1998), además siempre es importante desarrollar competencias a lo largo de la  
red, para mejorar la competitividad de las empresas (Rice & Hoppe, 2001). Por lo tanto, el  
DRCS, debe considerar necesariamente las capacidades de cada uno de los elementos que  
conforman la red, pues son aspectos importantes para la sostenibilidad y competitividad de una  
empresa (Zhang, Lee, & Zhang, 2016).  
Las técnicas de investigación operativa están siendo cada vez más utilizadas para la  
resolución del problema de DRCS, con el afán de proporcionar una solución no solo factible sino  
en muchos de los casos óptimos. La modelación matemática generalmente busca minimizar los  
costos de mover los materiales a lo largo de la red, sin que por ello se comprometan los niveles  
de servicio ofrecidos al cliente (Farias & Denis, 2017).  
En este estudio se presentan las experiencias en el desarrollo e implementación de un  
modelo de Programación Lineal Entera Mixta aplicado a una empresa importante de la ciudad de  
Cuenca, cuyo giro del negocio se basa principalmente en la producción de Neumáticos, misma  
que cuenta con zonas de consumo definidas, así como con proveedores y distribuidores.  
El proyecto es el resultado de la fusión de dos auspicios: el primero, el Proyecto  
Prometeo para docentes e investigadores en Ecuador, impulsado por el Gobierno Nacional; y el  
segundo, la Dirección de Investigación de la Universidad de Cuenca (DIUC), en función de lo  
mencionado se ha trabajado este artículo, el cual se estructura de la siguiente forma: en la  
sección 1 realizamos una introducción, posteriormente en la sección 2 se presenta la metodología  
utilizada, en la cual se incluye también el modelo matemático, algunas fórmulas utilizadas para  
el cálculo de los costos logísticos y el diseño de un sistema de Información para la CS; en la  
sección 3 se contextualiza y finalmente se presentan las conclusiones.  
Metodología  
Modelo Matemático  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
2
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
La compañía oferta al mercado nacional e internacional un conjunto de productos  
elaborados de caucho; los mismos que pueden ser de diferentes tamaños y características. Las  
plantas de producción reciben materias primas de varios proveedores; el conjunto de Centros de  
Distribución (CD), recibe una amplia gama de productos de las diferentes plantas de producción,  
paralelamente los CD son responsables de enviar cantidades establecidas de productos a las  
diferentes zonas de consumo, de acuerdo a la demanda establecida; de esta manera se completa  
la Red de la Cadena de Suministro, la misma que está conformada por los proveedores de  
materias primas, plantas de producción, centros de distribución y zonas de consumo.  
En la cadena de suministro se genera la necesidad de movilizar productos, por lo tanto es  
importante conocer los costos de transportación de las materias primas y de los distintos  
productos en cada fase de la cadena, así como también se debe considerar la capacidad de  
producción de cada planta, y las de procesamiento en los Centros de Distribución.  
Consecuentemente es necesario considerar costos fijos y variables.  
El modelo matemático desarrollado, se basó en la formulación presentada por (Pirkul &  
Jayaraman, 1998), en el cual las variables continuas están definidas en función de las cantidades  
de materia prima que suministran los proveedores a las plantas, y las cantidades de productos  
(variables enteras) que fluyen desde las fábricas hacia las zonas de consumo a través de los  
distintos Centros de Distribución.  
El problema básicamente consiste en determinar: el conjunto de CDs necesarios para  
satisfacer la demanda de productos en las diferentes Zonas de Consumo (ZC) con el costo  
operacional más bajo, la cantidad de materia prima a solicitar a cada proveedor, así como  
también determinar las cantidades a producir en las diferentes plantas.  
Una zona de consumo puede ser atendida exclusivamente por un CD, lo cual es conocido  
como modelo de “Distribuidor Único”, en el caso en el cual una determinada zona de consumo  
sea atendida por más de un CD, lo llamaremos modelo de “Múltiple Distribuidor”, a  
continuación definiremos algunas variables a utilizar:  
C: Conjunto de zonas de consumo (Clientes), asignados como c;  
W: Conjunto de CDs, (almacenes), asignados como w;  
F: Conjunto de plantas de fabricación; asignados como f;  
R: Conjunto de materias primas; asignados como r;  
V: Conjunto de proveedores; asignados como v;  
S: Conjunto de productos; asignados como s;  
P: Conjunto de rutas; asignadas como p.  
Parámetros Utilizados:  
푑 : Demanda para el producto ꢀ ∈ 푆 de la zona de consumo ꢁ ∈ 퐶;  
푠푐  
푈 : Número máximo de plantas que pueden ser abiertas;  
푓
푈 : Número máximo de centros de distribución que pueden ser abiertos;  
푤
푢 : Porcentaje de uso de materia prima ꢂ ∈ 푅 para el producto ꢀ ∈ 푆;  
푟푠  
푢 : Porcentaje de la capacidad de uso para el producto ꢀ ∈ 푆;  
푠
퐶퐴푃 : Capacidad de transferencia de los centros de distribución;  
푊
퐶퐴푃 : Capacidad de proveer de materia prima ꢂ ∈ 푅 por el proveedor ꢃ ∈ 푉;  
푣푟  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
3
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
퐶퐴푃 : Capacidad de producción de la planta ꢄ ∈ 퐹;  
푓
표
퐶푇 : Costos fijos anuales para el funcionamiento de la planta ꢄ ∈ 퐹;  
푓
표
퐶푇 : Costos fijos anuales para el funcionamiento del centro de distribución ꢅ ∈ ꢆ;  
푤
푔
퐶푇 : Costos unitarios de transferencia para el funcionamiento del centro de distribución ꢅ ∈  
푤
ꢆ;  
푝
퐶푇 : Costo unitario de producción para el producto ꢀ ∈ 푆 en la planta ꢄ ∈ 퐹;  
푓푠  
푡
푓푣푟  
퐶푇 : Costo unitario de transporte de materia prima ꢂ ∈ 푅 desde el proveedor ꢃ ∈ 푉 para la  
planta ꢄ ∈ 퐹;  
푡
푝푠  
퐶푇 : Costo unitario de transporte del producto ꢀ ∈ 푆 usando la vía ꢇ ∈ 푃;  
푡
퐶푇 : Costo unitario de transporte del producto ꢀ ∈ 푆 usando la planta ꢄ ∈ 퐹 para el centro de  
푓푤푠  
distribución ꢅ ∈ ꢆ;  
푡
퐶푇 : Costo unitario de transporte del producto ꢀ ∈ 푆 usando el centro de distribución ꢅ ∈ ꢆ  
푤푐푠  
a la zona de consumo ꢁ ∈ 퐶;  
푢푚푖푛: Demanda mínima para abrir un Centro de Distribución ꢅ ∈ ꢆ;  
Modelo Distribuidor Único  
La figura 1 ejemplifica el concepto de Distribuidor Único, demostrando que una zona de  
consumo puede ser atendida por exclusivamente un centro de distribución.  
Figura 1 Modelo de Distribuidor Único  
Se exponen a continuación las siguientes variables, de acuerdo al presente modelo:  
푥푓푤푠: Cantidad del producto ꢀ ∈ 푆, enviado desde la planta ꢄ ∈ 퐹, al centro de distribución ꢅ ∈  
ꢆ;  
푦푣푓푟: Cantidad de la materia prima ꢂ ∈ 푅, enviado desde el proveedor ꢃ ∈ 푉, al centro de  
distribución ꢄ ∈ 퐹;  
푎 : Variable binaria que asume el valor 1 si el centro de distribución ꢅ ∈ ꢆ es seleccionado,  
푤
caso contrario 0;  
ꢈ : Variable binaria que indica si el centro de distribución ꢅ ∈ ꢆ satisface la demanda de la  
푤푐  
zona de consumo ꢁ ∈ 퐶;  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
4
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
Una vez que se han definido las variables, el problema puede ser considerado como de  
Programación Lineal Entera Mixta, como se indica a continuación:  
Formulación Matemática  
푔
푤
푝
표
푤
min(∑푤∈푊 퐶푇 푎 + ∑  
∑푐∈ꢊ ∑푠∈ꢉ 퐶푇 푑 ꢈ + ∑푓∈ꢋ ∑푤∈푊 ∑푠∈ꢉ 퐶푇 푥  
+
푓푠 푓푤푠  
푡
푤
푡
푤∈푊  
푠푐 푤푐  
푡
∑푣∈ꢍ ∑푓∈ꢋ ∑푟∈ꢌ 퐶푇 푦푣푓푟 + ∑푓∈ꢋ ∑푤∈푊 ∑푠∈ꢉ 퐶푇  
푥
+ ∑푤∈푊 ∑푐∈ꢊ ∑푠∈ꢉ 퐶푇 푑 ꢈ푤푐)  
푓푣푟  
푓푤푠 푓푤푠  
푤푐푠 푠푐  
(1a)  
St:  
∑푤∈푊 ꢈ푤푐 = 1  
∀ꢁ ∈ 퐶  
∀ꢅ ∈ ꢆ  
(1b)  
(1c)  
(1d)  
(1e)  
(1f)  
(1g)  
(1h)  
(1i)  
∑푐∈ꢊ ∑푠∈ꢉ 푑 ꢈ ≤ 퐶퐴푃 푧  
푠푐 푤푐  
푤 푤  
∑푤∈푊 푎 ≤ 푈  
푤
푤
∑푐∈ꢊ 푑 ꢈ ≤ ∑푓∈ꢋ 푥푓푤푠  
∀ꢅ ∈ ꢆ, ∀ꢁ ∈ 퐶  
∀ꢂ ∈ 푅, ∀ꢃ ∈ 푉  
∀ꢂ ∈ 푅, ∀ꢄ ∈ 퐹  
∀ꢄ ∈ 퐹  
푠푐 푤푐  
∑푓∈ꢋ 푦푣푓푟ꢈ푤푐 ≤ 퐶퐴푃푣푟  
∑푤∈푊 ∑푠∈ꢉ 푢 푥  
≤ ∑푣∈ꢍ 푦푣푓푟  
푟푠 푓푤푠  
∑푤∈푊 ∑푠∈ꢉ 푢 푥  
≤ 퐶퐴푃푓  
푠 푓푤푠  
∑푓∈ꢋ ∑푠∈ꢉ 푥푓푤푠 ≥ 푢푚푖푛  
∀ꢅ ∈ ꢆ  
푎 = {0,1}  
∀ꢅ ∈ ꢆ  
(1j)  
푤
ꢈ푤푐 = {0,1}  
∀ꢅ ∈ ꢆ, ∀ꢁ ∈ 퐶  
(1k)  
La función objetivo minimiza la suma de Costos fijos anuales del funcionamiento de los  
CDs, Costo unitario de transferencia para el funcionamiento de los centros de distribución, Costo  
unitario de producción para el producto, Costo unitario de transporte de la materia prima desde el  
proveedor a la planta, Costo unitario de transporte de producto de la planta al CD y Costo  
unitario de transporte de producto del CD a la ZC. La restricción (1b) asegura que una zona de  
consumo es atendida por un CD, bajo el enfoque de “Distribuidor Único”. Por su lado la  
restricción (1c) garantiza que la capacidad de cada centro de distribución sea respetada. La  
restricción (1d) limita el número de CD a ser abiertos. Mediante la restricción (1e) se asegura  
que los CD tengan suficiente capacidad para atender a las zonas de consumo. La restricción (1f)  
garantiza la capacidad de entrega de los proveedores a la planta. En la restricción (1h) se asegura  
que las capacidades de las plantas sean respetadas. A su vez la restricción (1i) permite imponer  
un mínimo de productos necesarios para abrir un centro de distribución. Las restricciones (1j) y  
(1k) son condiciones de integridad de las variables binarias.  
Modelo Múltiple Distribuidor  
El Diseño de la Red de la Cadena de Suministro (DRCS), denominado Múltiple  
Distribuidor, es un modelo que propone usar líneas de abastecimiento entre las plantas, los CD y  
las Zonas de Consumo. Las variables de decisión están definidas en las líneas de abastecimiento,  
representando los flujos de productos y de materias primas entre elementos en dos niveles  
consecutivos de la CS. Ésta formulación se la denomina “una a muchas”, porque el modelo  
permite a un cliente recibir productos de más de un CD, también considera una estructura que  
limita la cantidad de plantas que se pueden abrir. El modelo se presenta en la figura 2.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
5
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
Figura 2 Modelo Múltiple Distribuidor  
El modelo de Múltiple Distribuidor requiere de los costos de transporte ya definidos entre  
las plantas, CD, y Zonas de Consumo. Se definen las siguientes variables:  
푠
푤푐  
푥
: Cantidad del producto ꢀ ∈ 푆 enviado desde los centros de distribución ꢅ ∈ ꢆ a las zonas  
de consumo ꢁ ∈ 퐶;  
푟
푣푓  
푦 : Cantidad de la materia prima ꢂ ∈ 푅 enviados desde el proveedor ꢃ ∈ 푉 a la planta ꢄ ∈ 퐹;  
푠
푧
: Cantidad del producto ꢀ ∈ 푆 enviado desde la planta ꢄ ∈ 퐹 al centro de distribución ꢅ ∈  
푓푤  
ꢆ;  
푎 : Variable binaria que asume el valor 1 si el centro de distribución ꢅ ∈ ꢆ es seleccionado,  
푤
caso contrario 0;  
푏푓: Variable binaria que asume el valor 1 si la planta ꢄ ∈ 퐹 es seleccionado, caso contrario 0;  
El problema puede ser formulado de la siguiente manera:  
표
푝
푠
푔
푠
푤푐  
표
min(∑푤∈푊 퐶푇 푎 + ∑  
퐶푇 푏 + ∑  
∑푠∈ꢉ ∑푤∈푊 퐶푇 푧 + ∑푤∈푊 ∑푐∈ꢊ ∑푠∈ꢉ 퐶푇 푥  
+
푤
푤
푤∈푊  
푟
푓
푓
푓∈ꢋ  
푓푠 푓푤  
푤
∑푓∈ꢋ ∑푟∈ꢌ ∑푣∈ꢍ 퐶푇푡  
+ ∑푓∈ꢋ ∑푤∈푊 ∑푠∈ꢉ 퐶푇푡  
푠
+ ∑푤∈푊 ∑푐∈ꢊ ∑푠∈ꢉ 퐶푇푡  
푠
푦
푧
푥 )  
푓푣푟 푣푓  
푓푤푠 푓푤  
푤푐푠 푤푐  
2
(a)  
St:  
∑푤∈푊  
∑푐∈ꢊ  
푠
≥ 푑푠  
= ∑푓∈ꢋ  
푥
푥
∀ꢀ ∈ 푆, ∀ꢁ ∈ 퐶  
∀ꢀ ∈ 푆, ∀ꢅ ∈ ꢆ  
∀ꢅ ∈ ꢆ  
(2b)  
(2c)  
(2d)  
(2e)  
푤푐  
푐
푠
푠
푓푤  
푧
푤푐  
푠
∑푐∈ꢊ  
∑푓∈ꢋ  
∑
푥
≤ 퐶퐴푃 푎  
푠∈ꢉ 푤푐 푤 푤  
푟
푦
≤ 퐶퐴푃푣푟  
∀ꢂ ∈ 푅; ∀ꢃ ∈ 푉  
푣푓  
∑푤∈푊 ∑푠∈ꢉ 푢 푧푠 ≤ ∑푣∈ꢍ  
푟
푣푓  
푦
∀ꢂ ∈ 푅; ∀ꢄ ∈ 퐹  
∀ꢄ ∈ 퐹  
(2f)  
(2g)  
(2h)  
(2i)  
푟푠 푓푤  
∑푤∈푊 ∑푠∈ꢉ 푢 푧푠 ≤ 퐶퐴푃 푏  
푟푠 푓푤  
푓 푓  
∑푤∈푊 푎 ≤ 푈  
푤
푤
∑푓∈ꢋ 푏푓 ≤ 푈푓  
푎 = {0,1}  
푏푓 = {0,1}  
∀ꢅ ∈ ꢆ  
∀ꢄ ∈ 퐹  
(2j)  
(2k)  
푤
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
6
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
La función objetivo (2a) minimiza la suma de: Costo fijo anual del funcionamiento del  
CD, Costos fijos anuales para el funcionamiento de la planta, Costo unitario de producción,  
Costo unitario de transferencia para el funcionamiento del CD, Costo unitario de transporte de  
materia prima del proveedor a la planta, Costo unitario de transporte del producto desde la planta  
al CD y el Costo unitario de transporte de producto del CD a la ZC. La restricción (2d) asegura  
que la capacidad de cada CD sea respetada, La restricción (2e) segura la capacidad de los  
proveedores en la entrega de materias primas, La restricción (2f) garantiza la relación entre  
cantidad de materia prima y cantidad de producto, la restricción (2g) asegura que la capacidad de  
las plantas se cumpla, las restricciones (2j) y (2k) son condiciones de integridad de las variables  
binarias.  
Referencias para Calcular Costos. En la cadena de suministro, se involucran también  
otras actividades, como por ejemplo: manejo de inventario, almacenamiento, producción,  
distribución, etc. (Arshinder, Kanda, & Deshmukh, 2008); sin embargo lo más común es que se  
defina como un sistema de proveedores, productores, distribuidores, detallistas y clientes; en  
donde fluyen los materiales en una sola dirección (desde los productores a los clientes) y la  
información en ambas direcciones (Houlihan, 1987; Lamming, 1996; Lee & Billington, 1993;  
Stevens, 1989). Como se mencionó anteriormente, es necesario obtener los costos de  
aprovisionamiento, almacenamiento y distribución, por lo tanto, es importante determinar o  
identificar los costos involucrados en el flete en cada caso ($/Km), los mismos que se obtienen  
de la siguiente fórmula:  
(
퐶퐹ꢏ)(퐶ꢏꢇ)  
퐶퐹푘ꢎ =  
(3푎)  
푅ꢎ  
퐺푎  
퐶퐹ꢏ = ꢐ1 +  
ꢑ (퐶ꢄꢏ + 퐶ꢃꢏ + 퐶ꢒꢏ) (3푏)  
100  
푁
∑
퐶ꢄ푛  
푛ꢓꢔ  
퐶ꢄꢏ =  
(3ꢁ)  
(
ꢃ)(퐶ꢏꢇ)  
푁
푅ꢎ  
퐶ꢃꢏ = ꢐ  
퐶ꢒꢏ =  
ꢑ ꢕꢖ 퐶ꢃ ꢗ  
(3푑)  
(3푒)  
푛
퐶ꢏꢇ  
푛ꢓꢔ  
푁
푛ꢓꢔ  
∑
퐶ꢒ푛  
ꢏꢎ  
En dónde;  
CFkm: Costo del flete por Kilómetro  
CFt: Costo del Flete por Tonelada  
Ctp: Capacidad de tonelaje promedio del vehículo.  
Rm: Recorrido mensual  
Ga: Ganancia o rentabilidad  
Cft: Costos fijos por tonelada  
Cvt: Costos variables por tonelada  
Cit: Costos indirectos por tonelada  
Cfn: Costo fijo n.  
Cvn: Costo variable n.  
V: Número de viajes mensuales.  
Cin: Costo indirecto n.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
7
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
Tm: Tonelaje mensual expedido  
En cuanto al cálculo de costos de almacenamiento y distribución, para los distintos  
productos se observó la utilización de un índice logístico (Lambán, Royo, Valencia, Berges, &  
Galar, 2013), la fórmula de repartición para los productos fue modificada y se adaptó al contexto.  
퐼 =∝∗ 퐼ꢇ + 훽 ∗ 퐼ꢃ  
4(푎)  
4(푏)  
푖
푖
푖
푃푖  
푁
푛ꢓꢔ  
퐼ꢇ =  
푖
∑
푃
푛
푉푖  
퐼ꢇ =  
4(ꢁ)  
푖
푁
∑
푉
푛ꢓꢔ 푛  
En donde:  
퐼푖: Indice logistico del artículo i  
퐼ꢇ : Indice del peso del artículo i  
푖
퐼ꢃ : 퐼ndice del volumen del artículo i  
푖
푃푖: Peso del artículo i  
푉푖: Volumen del artícuo i  
∝
+훽 = 1  
(
∝, 훽)휖 ꢘ  
Tanto Alfa como Beta toman un valor de 0.5, sin embargo, éstos pueden variar de  
acuerdo al grado de importancia que se le otorgue al peso y/o al volumen con respecto al  
producto transportado y su influencia en el furgón o camión.  
La fórmula para la repartición de costos directos de almacenamiento (5), ya modificada  
está dada por:  
(
ꢊ푚표ꢚ )∗ꢜ ∗푀ꢞ  
ꢛ
ꢝ ꢝ,ꢛ  
ꢑ
퐶ꢎꢙ푑퐴 = ∑ꢥ  
ꢐ
ꢢ
∑
ꢠꢣꢤ  
(5)  
푖
ꢦꢓꢔ  
ꢟꢜ ∗푀ꢞꢠ,퐾ꢡ  
ꢠ
En donde:  
퐶ꢎꢙ푑퐴 : Costo de mano de obra directa del articulo ꢒ  
푖
퐶ꢎꢙ푑 : Costo de mano de obra del empleado k  
ꢦ
ꢧ퐴푖;ꢦ: Numero de manipulaciones del 푎ꢂꢏꢒꢁ푢푙ꢙ ꢒ (ꢨ) ꢇꢙꢂ ꢇ푎ꢂꢏ푒 푑푒푙 푒ꢎꢇ푙푒푎푑ꢙ 푘  
Similar operación se realiza para costos de infraestructura y el resto de costos directos  
realizando las adaptaciones que correspondan.  
Sistema de Información  
El desempeño de la cadena de suministro es un factor determinante para el éxito de la  
empresa (Nunes, Annansingh, & Eaglestone, 2006). Además, considerando el desarrollo de la  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
8
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
economía hacia un entorno cada vez más globalizado, es necesario crear, adquirir y diseminar  
información y conocimiento apropiado. Para que la empresa pueda responder de mejor manera a  
las exigencias del cliente y a los cambios del mercado es necesario que comparta la información  
dentro de sí, lo cual incluye también a la CS (Lotfi, Mukhtar, Sahran, & Zadeh, 2013).  
En este contexto, la organización debe responder básicamente a cuatro preguntas: ¿qué  
compartir?, ¿con quién compartir?, ¿cómo compartir?, y ¿cuándo compartir?; en base a la calidad  
de las respuestas a las preguntas planteadas se podrán: evitar redundancias, reducir costos y  
mejorar resultados (Pérez-Méndez & Machado-Cabezas, 2015; Sun & Yen, 2005); Todo lo  
anterior servirá además como insumo importante para el diseño de estrategias administrativas  
(Martinez-Simarro, Devece, & Llopis-Albert, 2015). Hay que considerar sin embargo que el  
entorno dinámico y cada vez más complejo, obliga a la empresa a utilizar nuevos y mejores  
sistemas de información (El-Telbany & Elragal, 2014) con la finalidad de que la información sea  
consistente y oportuna (Doherty & Terry, 2009), estos sistemas han de involucrar en mayor  
medida posible a todos los actores de la cadena de suministro.  
En este trabajo se introducen particularidades que permiten que el sistema se adecue y  
responda de la mejor manera posible. En la figura 3 se presenta el diagrama relacional, diseñado  
para el levantamiento de información base a ser utilizada en el proyecto; El sistema de  
información fue implementado en MySql WorkBench.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
9
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
Figura 3 Modelo Relacional del SI. Generado en MYSql.  
Contextualización:  
En base al modelo ejecutado, lo más conveniente para la industria de los neumáticos del  
país es proveer el producto segmentando el mercado en básicamente tres zonas de consumo:  
Norte, Oeste y Sur. La zona Norte comprende a Pichincha y sus provincias vecinas incluidas  
algunas del oriente. La zona Sur abarca a Azuay y a las provincias circundantes, incluyendo  
cierta parte del oriente. Finalmente la zona Oeste está comprendida por Guayas y las provincias  
que la rodean.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
10  
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
Figura 4 Zonas de Consumo.  
El grado de dificultad en la ejecución del presente modelo, puede ser mucho más  
complejo en el caso de países, o zonas geográficamente extensas. Dado el tamaño del mercado  
nacional es suficiente una sola planta de producción. Es necesario acotar que la ubicación de los  
CDs nacionales, que proveen de inventario a las zonas de consumo coincide con las principales  
ciudades del país, consideradas como polos de desarrollo regionales. En general, los parámetros  
base son: 35 tipos de productos, 8 zonas de consumo (3 nacionales y 5 extranjeras), 3 Centros de  
Distribución, 7 materias primas fundamentales, 17 proveedores y una sola planta de producción.  
Para la implementación del modelo se utilizó el software IBM ILOG CPLEX.  
En la fase de levantamiento de datos, se comprobó que no existe información a un nivel  
de detalle adecuado para el modelo. Se observó que la empresa básicamente distribuye su  
producción en dos tipos de mercados: el de repuesto y el original. El mercado de repuesto está  
compuesto básicamente por las ventas al detalle en el país; y el original por las ensambladoras  
nacionales de automóviles.  
Una implementación 100% efectiva requiere contar con la máxima colaboración de la  
empresa, en cuanto a suministro de información; éste no es el caso, ya que el empresario  
ecuatoriano normalmente no proporciona toda la información, pues considera que es parte del  
giro de su negocio (know-How), ésta situación si bien no merma validez al modelo, si exactitud.  
Conclusiones  
Los modelos desarrollados “Distribuidor Único” y “Múltiple Distribuidor” representan  
esquemas factibles para la optimización de la cadena de Suministro; sin embargo dadas las  
circunstancias propias de cada una de las industrias; en el presente caso, el modelo más  
adecuado resulta ser el de “Distribuidor Único”.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
11  
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
Con el modelo “Distribuidor Único” se obtiene una relación cliente proveedor más  
personalizada; sin embargo los costos mantienen una ligera desventaja frente al Modelo  
“Múltiple Distribuidor”, ya que las opciones de aprovisionamiento existentes se restringen.  
En última instancia, la elección del modelo más adecuado será responsabilidad de la alta  
gerencia, quienes tendrán que sopesar entre personalización en el aprovisionamiento o tener  
costos menores.  
Uno de los objetivos principales de este estudio fue establecer el número de CDs que han  
de formar parte de la CS, con los modelos desarrollados se logran cubrir de manera íntegra la  
cadena de suministro. Se determinó qué proveedores deben entregar a la planta sus productos,  
que cantidad de materias primas, considerando la demanda del producto en cada zona de  
consumo. Ambos modelos fueron implementados de tal manera que las soluciones obtenidas  
logren cubrir totalmente las demandas requeridas; con valores de acuerdo al propósito de  
minimización de costos operacionales.  
Bibliografía  
Arshinder, Kanda, A., & Deshmukh, S. G. (2008). Supply chain coordination: Perspectives,  
empirical studies and research directions. International Journal of Production Economics,  
1
15(2), 316–335. http://doi.org/10.1016/j.ijpe.2008.05.011  
Beamon, B. M. (1998). Supply chain design and analysis: Models and methods. International  
Journal of Production Economics, 55(3), 281–294. http://doi.org/10.1016/S0925-  
5
273(98)00079-6  
David Simchi-Levi, Xin Chen, J. B. (2004). The Logic of Logistics: Theory, Algorithms, and  
Applications for Logistics and Supply Chain Management. Springer.  
Doherty, N. F., & Terry, M. (2009). The role of IS capabilities in delivering sustainable  
improvements to competitive positioning. Journal of Strategic Information Systems, 18(2),  
1
00–116. http://doi.org/10.1016/j.jsis.2009.05.002  
El-Telbany, O., & Elragal, A. (2014). Business-information Systems Strategies: A Focus on  
Misalignment. Procedia Technology, 16, 250–262.  
http://doi.org/10.1016/j.protcy.2014.10.090  
Farias, E. da S., & Denis, B. (2017). Modeling the logistics design of a multi-commodity industry.  
Gestión Y Producción, 148–160.  
Houlihan, J. B. (1987). International Journal of Physical Distribution & Logistics Management  
International Supply Chain Management.  
Lambán, M. P., Royo, J., Valencia, J., Berges, L., & Galar, D. (2013). Almacenamiento para el  
cáluculo del costo de almacenamiento de un producto: Caso de estudio en un entorno  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
12  
INNOVA Research Journal 2017, Vol 2, No. 9.1, pp. 1-13  
logístico.  
Dyna  
-
Medellín,  
(179),  
23–32.  
Retrieved  
from  
http://www.scielo.org.co/pdf/dyna/v80n179/v80n179a03.pdf  
Lamming, R. (1996). Squaring lean supply with supply chain management. International Journal  
of Operations Production Management, 16(2), 183–196.  
http://doi.org/10.1108/01443579610109910  
&
Lee, H. L., & Billington, C. (1993). Material management in decentralized supply chains.  
Operations Research, 41(5), 835. http://doi.org/10.1287/opre.41.5.835  
Lotfi, Z., Mukhtar, M., Sahran, S., & Zadeh, A. T. (2013). Information Sharing in Supply Chain  
Management.  
Procedia  
Technology,  
11(Iceei),  
298–304.  
http://doi.org/10.1016/j.protcy.2013.12.194  
Martinez-Simarro, D., Devece, C., & Llopis-Albert, C. (2015). How information systems strategy  
moderates the relationship between business strategy and performance. Journal of Business  
Research, 68(7), 1592–1594. http://doi.org/10.1016/j.jbusres.2015.01.057  
Pérez-Méndez, J. A., & Machado-Cabezas, Á. (2015). Relationship between management  
information systems and corporate performance. Revista de Contabilidad, 18(1), 32–43.  
http://doi.org/10.1016/j.rcsar.2014.02.001  
Pirkul, H., & Jayaraman, V. (1998). A multi-commodity, multi-plant, capacitated facility location  
problem: formulation and efficient heuristic solution. Computers & Operations Research,  
2
5(10), 869–878. http://doi.org/10.1016/S0305-0548(97)00096-8  
Rice, J. B., & Hoppe, R. M. (2001). Supply chain vs supply chain. The hype & the reality. Supply  
Chain Management Review, (September/october), 46–54.  
Santoso, T., Ahmed, S., Goetschalckx, M., & Shapiro, A. (2005). A stochastic programming  
approach for supply chain network design under uncertainty. European Journal of  
Operational Research, 167(1), 96–115. http://doi.org/10.1016/j.ejor.2004.01.046  
Stevens, G. C. (1989). Integrating the Supply Chain. International Journal of Physical Distribution  
&
Materials Management, 19(8), 3–8. http://doi.org/10.1108/EUM0000000000329  
Sun, S., & Yen, J. (2005). Information Supply Chainꢀ: A unified framework for information-  
shraing. Intelligence and Security Informatics, 3495, 422–428.  
Zhang, L. L., Lee, C., & Zhang, S. (2016). An integrated model for strategic supply chain design:  
Formulation and ABC-based solution approach. Expert Systems with Applications, 52, 39–  
4
9. http://doi.org/10.1016/j.eswa.2015.12.035  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
13