RESUMEN

         Se define la Cadena de Suministro de Respuesta Rápida (Responsive Supply Chain) como aquella apropiada para productos innovadores con procesos estables. Esta Cadena de Suministro (CS) tiene que enfrentar una incertidumbre alta en la previsión de la demanda de sus múltiples productos (demanda que es además estacional y volátil). Interesa reducir los costes, las roturas de stock y el exceso de productos que deberán rematarse al final de cada temporada de ventas.  
         El objetivo de esta tesis es mejorar la Planificación Táctica de las Operaciones en las Cadenas de Suministro de Respuesta Rápida con estructura alternativa de procesos (es decir con la posibilidad fabricar los productos de varias maneras aplicando el concepto de aplazamiento -postponement-), para productos con ciclo de vida corto (con drástica pérdida de valor en el mercado al final de la temporada de ventas), con proveedores alternativos y con componentes comunes y no comunes. Se busca maximizar los beneficios como diferencia entre los ingresos por ventas y los costes totales de producción, almacenaje y transporte.
         En cuanto a la metodología de modelado, se ha tenido en cuenta dos momentos en la toma de decisiones. El primer momento de planificación de las operaciones ocurre varios meses antes del inicio de la temporada de ventas y se planifica contra previsiones muy inciertas de la demanda. El segundo momento de planificación de las operaciones ocurre al inicio de la temporada de ventas, cuando las primeras ventas permiten obtener unas previsiones muy precisas de la demanda. En consecuencia se han desarrollado dos modelos matemáticos de planificación táctica de las operaciones (un modelo estocástico y un modelo determinista) con un nuevo enfoque, el de strokes, de manera que se planifican los procesos y no los productos. Con este nuevo enfoque se simplifica el modelado matemático de las múltiples alternativas de aplazamiento y los múltiples procesos de fabricación y transporte.
         Para implementar los modelos de manera que se ejecuten consecutivamente, se ha desarrollado una herramienta en Java que: genera un archivo XML, el cual contiene toda la información de entrada al primer modelo, simula la demanda para el segundo modelo (usando el método de difusión de Bass para productos nuevos y la simulación de Monte Carlo), calcula los resultados del primer modelo en el inicio de la temporada de ventas (en función de la demanda simulada) y los ingresa al segundo modelo, ejecuta el segundo modelo tantas veces como el decisor considere convenientes (para igual número de demandas simuladas), calcula los resultados (promedio de las diferentes ejecuciones) y genera otro archivo XML con los resultados. Los modelos matemáticos se han programado en lenguaje AMPL y se resuelven con el optimizador comercial Gurobi Optimizer 3.0.3.
         Con la información proporcionada por una empresa valenciana, que produce localmente y además subcontrata (a proveedores en China) la fabricación de componentes y artículos de plástico y metal, se ha experimentado distintas alternativas de costes, incertidumbre de la demanda, momentos de decisión, tiempos de entrega, etc., para distintas problemáticas de la CS. 
         Se puede afirmar que el conjunto de modelos desarrollados mejora la planificación táctica de las operaciones en CS de respuesta rápida, permite la selección de distintos proveedores alternativos y, permite anticipar y analizar diferentes escenarios de demanda y alternativas de procesos, capacidades, valores de remate, etc.