Herramientas para la toma de decisiones estratégicas y operativas en la cadena de suministro inversa

  1. Barba Gutiérrez, Yolanda
Supervised by:
  1. Belarmino Adenso Díaz Fernández Director

Defence university: Universidad de Oviedo

Fecha de defensa: 19 September 2008

Committee:
  1. Esteban Fernández Sánchez Chair
  2. Pilar Lourdes González Torre Secretary
  3. Carlos Ochoa Laburu Committee member
  4. José Carlos Rico Fernández Committee member
  5. Marisa Paula de Brito Pereira Maduro Committee member
Department:
  1. Administración de Empresas

Type: Thesis

Teseo: 156901 DIALNET

Abstract

Las regulaciones medioambientales en todos los ámbitos, junto con las tendencias hacia hábitos de consumo cada vez más conscientes de los problemas medioambientales, están dando lugar a un rápido desarrollo de técnicas que ayudan a la toma de decisiones entorno al fin de vida de los productos, tanto a nivel estratégico como operativo. En la presente Tesis se ha realizado una revisión exhaustiva del amplio abanico de decisiones a tomar en la cadena de suministro inversa, desde aquellas que poseen un carácter estratégico (como la adquisición, el diseño de redes logísticas o la distribución y venta), a aquellas que poseen un carácter operativo, como la inspección-disposición, el control de inventario o el reacondicionamiento de los productos. Desde un enfoque de la Ingeniería de Organización, se presentan en esta Tesis herramientas de ayuda a la toma de decisiones en entornos diversos. Por un lado, y centrándose en el caso particular de los Residuos de Aparatos Eléctricos y Electrónicos (RAEEs), se han discutido consecuencias medioambientales de la legislación europea vigente y se ha analizado la eco-eficiencia asociada a diferentes aparatos domésticos, utilizando la metodología del Análisis del Ciclo de Vida (ACV). Por otro lado, y ofreciendo una solución más enfocada a la parte operativa del problema, se han desarrollado nuevos algoritmos de planificación en procesos de desensamblaje, incorporando técnicas de lotificación y entornos de demanda imprecisos e inciertos, con el objetivo de aproximar el funcionamiento de algoritmos previamente diseñados a entornos reales.