Diseño de la cadena logística inversa para modelo de negocio de economía circular

• Autores: Juan Valenzuela Inostroza, Andrea Espinoza Pérez, Miguel Alfaro Marchant
• Localización: Ingeniería Industrial, ISSN-e 1815-5936, Vol. 40, Nº. 3 (septiembre-diciembre), 2019, págs. 306-315
• Idioma: español
• Títulos paralelos:
  • Design of a reverse logistics chain for a circular economy business model
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Se muestra el diseño de una red de logística inversa para plásticos contaminados con petróleo para minimizar los costos del reciclaje. Esta disminución de costos se logra a partir de la selección en la ubicación de instalaciones para el procesamiento del plástico y la cantidad de plantas reprocesadoras a instalar. Se pretende minimizar los costos del transporte, y, maximizar las utilidades de la venta de la materia prima generada, para el beneficio de los distintos stakeholders. El modelo fue capaz de seleccionar qué plantas de reproceso se deberían instalar, pudiendo, a su vez, evidenciar algunas falencias, en cuanto a la determinación de variables y posibles futuras investigaciones. El modelo fue trabajado con programación lineal y resuelto con algoritmos evolutivos, lo que permitió encontrar soluciones en un Frente de Pareto, que permiten deducir las distintas combinatorias de las variables de decisión, para ser aplicadas en la cadena logística.

  • English

    This work shows a design of a reverse logistics network for petroleum-contaminated plastics; which seeks to minimize costs and make it more financially attractive, for recycling. This cost decrement achieved stem from selecting the location of plastic processing facilities , and the reprocessing plants’number to install. It seeks to minimize transportation costs, and to maximize profits acquired from raw material sale, to benefit the different stakeholders. The model was able to select which reprocessing plants should be installed, while makes evident some shortcomings, regarding the determination of variables and possible future research. The model was worked with linear programming and solved with evolutionary algorithms, enabling the finding solutions in a Pareto’s front, which allows deducing the different combinatorial of the decision variables to apply in the logistics chain.