Localisation and Circularity in Apple Supply Chains: An Algorithmic Exploration

Este artículo presenta un modelo de programación lineal entera mixta ponderada para optimizar la asignación de manzanas en el Reino Unido, equilibrando criterios económicos y de sostenibilidad para fomentar la localización y la circularidad en la cadena de suministro de alimentos perecederos.

Lo esencial

Imagina que el sistema de distribución de manzanas en el Reino Unido es como un gigantesco mercado de frutas donde, en lugar de vendedores y compradores gritando precios, todo ocurre en una red digital invisible. El problema es que las manzanas son como flores: si no se venden y comen rápido, se pudren y se tiran a la basura. Además, si las envían desde muy lejos, el camión gasta mucha gasolina y contamina más.

Este paper es como el manual de instrucciones para un "árbitro inteligente" (un algoritmo) que decide qué manzana va a qué caja, con el objetivo de que nadie se quede sin comer, nadie tire fruta y el viaje sea lo más corto posible.

Aquí tienes la explicación sencilla, paso a paso:

1. El Problema: El Dilema de la Manzana

Imagina que tienes una caja de manzanas que se van a pudrir en dos días. Tienes dos opciones:

• Opción A: Venderlas a un precio alto a alguien que está a 500 km de distancia (ganas dinero, pero gastas mucha gasolina y las manzanas podrían llegar mal).
• Opción B: Venderlas a un precio bajo a alguien en tu pueblo (gastas menos gasolina y salvas la fruta, pero ganas menos dinero).

El sistema actual a veces elige mal, tirando comida o gastando demasiado en transporte. Los autores quieren un sistema que pueda equilibrar estos deseos: ganar dinero, no desperdiciar comida y cuidar el planeta.

2. La Solución: El "Tablero de Control" con Pesas

Los autores crearon un algoritmo (un programa matemático) que actúa como un tablero de control con cuatro pesas. Tú puedes decidir qué pesa más en la balanza:

1. El Precio: ¿Queremos que la transacción sea lo más rentable posible?
2. La Cantidad: ¿Queremos que las cajas grandes se emparejen con compradores grandes?
3. La Frescura: ¿Queremos salvar primero las manzanas que están a punto de pudrirse? (Como en un supermercado, donde lo que vence primero se vende primero).
4. La Distancia: ¿Queremos que las manzanas viajen lo menos posible para ahorrar gasolina?

La analogía de la receta:
Imagina que estás cocinando un guiso.

• Si pones mucha sal (prioridad al precio), el guiso sabe muy rico pero quizás es caro.
• Si pones mucha pimienta (prioridad a la distancia), el guiso viaja menos pero quizás no está tan rentable.
• El algoritmo es el chef que mezcla estos ingredientes según lo que tú le pidas en ese momento.

3. Cómo Funciona el "Árbitro" (El Algoritmo)

El programa no solo busca una solución perfecta (que a veces es imposible), sino una solución "suficientemente buena" y rápida. Funciona en rondas, como un juego de cartas:

• Ronda 1: El árbitro intenta emparejar todas las manzanas con compradores usando las reglas que le diste (ej. "¡Prioridad a la distancia!").
• Lo que sobra: Si quedan manzanas sin vender o pedidos sin cubrir, no se tiran a la basura.
• La Magia de la Circularidad: Las manzanas que sobraron se guardan y se vuelven a intentar vender en la Ronda 2.
  • Ejemplo: Si una manzana ya no sirve para comer fresca porque pasó un día, el sistema la "recicla" y la envía a una fábrica de jugo o a comida para animales en lugar de a la basura. ¡Nada se pierde!

4. ¿Qué Descubrieron? (Los Resultados)

Cuando probaron el sistema con datos reales de manzanas del Reino Unido, vieron cosas interesantes:

• No hay una "fórmula mágica" única: Si priorizas mucho la distancia, las manzanas viajan menos, pero a veces quedan pedidos sin cubrir. Si priorizas el precio, se venden más, pero quizás viajan más lejos. Depende de lo que quieras lograr en ese momento.
• La geografía es clave: En algunas zonas (como Kent), hay muchas manzanas y muchos compradores cerca. Ahí, priorizar la distancia funciona genial. En otras zonas, es más difícil.
• La "Circulación" funciona: El sistema logró vender casi el 96% de las manzanas. Las que sobraron en la primera ronda se vendieron en la segunda o tercera. Solo un pequeño porcentaje (3-5%) no se pudo vender, y eso suele ser porque los precios del vendedor y el comprador no coincidían en absoluto.

5. La Gran Lección: Transparencia y Adaptabilidad

El mensaje final es que la tecnología no debe ser una caja negra.

• Los dueños de la plataforma (o los políticos) deben poder ver y cambiar las "pesas" fácilmente.
• Si el sistema falla en vender algo, debe decirte por qué (ej. "El precio no cuadra" o "Está muy lejos").
• En lugar de tirar la fruta que no se vendió, el sistema debe tener un plan B para darle una segunda vida (hacerla jugo, comida animal, etc.).

En resumen:
Este paper nos dice que para salvar el planeta y no desperdiciar comida, no necesitamos un algoritmo perfecto que lo haga todo solo. Necesitamos un sistema flexible que nos permita decidir qué es más importante hoy (¿ahorrar dinero? ¿ahorrar gasolina? ¿salvar la fruta?) y que tenga la inteligencia para dar una segunda oportunidad a lo que sobra, cerrando el círculo y evitando que la comida acabe en el vertedero.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Localización y Circularidad en la Cadena de Suministro de Manzanas de Apple

Título: Localisation and Circularity in Apple Supply Chains: An Algorithmic Exploration
Autores: Baraa Alabdulwahab y Ruzanna Chitchyan (Universidad de Bristol, Reino Unido).

---

1. El Problema

Las cadenas de suministro de alimentos perecederos, como las manzanas, enfrentan desafíos críticos relacionados con la sostenibilidad y la eficiencia económica. La mala asignación de productos sensibles al tiempo genera:

• Desperdicio de alimentos: Aproximadamente un tercio de la producción global se pierde o desperdicia.
• Impacto ambiental: El transporte innecesario y el desperdicio de alimentos contribuyen significativamente a las emisiones de gases de efecto invernadero.
• Ineficiencia operativa: La desconexión entre la oferta local y la demanda, junto con la falta de mecanismos para reutilizar el suministro no asignado, impide una economía circular real.

El problema central abordado es: ¿Cómo asignar cantidades de manzanas (o subproductos) desde la oferta disponible hacia la demanda para apoyar objetivos de economía circular (localización, gestión de frescura) manteniendo la viabilidad económica para los participantes?

2. Metodología

Los autores proponen un marco de trabajo basado en un Modelo de Programación Lineal Entera Mixta (MILP) con suma ponderada para la asignación de recursos.

• Enfoque de Optimización:

  • Se utiliza una función de puntuación escalarizada (suma ponderada) en lugar de un enfoque de Pareto, para garantizar una solución única, interpretable y ejecutable en operaciones diarias.
  • La función objetivo maximiza la puntuación total de las asignaciones basándose en cuatro criterios operativos:
    1. Alineación de precios ($f_{price}$): Similitud entre el precio de oferta y demanda.
    2. Alineación de cantidades ($f_{quantity}$): Compatibilidad entre volúmenes ofrecidos y solicitados.
    3. Alineación de frescura ($f_{freshness}$): Diferencia en días entre la fecha de caducidad de la oferta y la requerida por el pedido (estrategia FEFO - First-Expired-First-Out).
    4. Distancia geográfica ($f_{distance}$): Proximidad entre vendedor y comprador (proxy para impacto de transporte).

• Implementación Técnica:

  • Lenguaje: Java, utilizando la biblioteca de optimización ojAlgo (v56.2.0) para resolver el MILP sin dependencias externas.
  • Proceso Iterativo: El sistema opera en un ciclo de cuatro etapas:
    1. Construcción de flujo factible: Filtrado de pares oferta-pedido que cumplen restricciones duras (compatibilidad de producto, ventanas de tiempo, logística, precios).
    2. Puntuación: Cálculo de la puntuación ponderada para cada par factible.
    3. Optimización MILP: Resolución del problema de asignación maximizando la utilidad total.
    4. Circulación de residuos: Las cantidades no asignadas (ofertas o pedidos pendientes) no se descartan; se llevan al siguiente ciclo de asignación si no han caducado, o se redirigen a vías alternativas (ej. procesamiento o alimentación animal) si han caducado.

• Datos de Evaluación:

  • Se utilizó el conjunto de datos sintético ENG-Apple (Reino Unido), filtrado para incluir solo manzanas comestibles (118 pedidos y 932 ofertas).
  • Se probaron 7 estrategias de ponderación (ej. "Prioridad Precio", "Prioridad Distancia", "Pesos Iguales", "Extremos").

3. Contribuciones Clave

1. Operacionalización de la Circularidad: El marco integra explícitamente objetivos de economía circular (localización y reutilización de residuos) en un algoritmo de asignación operativa, no solo en planificación estratégica.
2. Transparencia y Configurabilidad: El uso de pesos explícitos permite a los operadores de plataformas y responsables políticos ajustar las prioridades (económicas vs. sostenibles) de manera transparente y dinámica.
3. Mecanismo de Circulación de Residuos: A diferencia de los sistemas tradicionales que descartan lo no asignado, este modelo implementa un ciclo iterativo que reintroduce el suministro no asignado en rondas posteriores, reduciendo el desperdicio evitable.
4. Diagnóstico de Incompatibilidad: El sistema genera información diagnóstica sobre por qué ciertas transacciones fallan (ej. rangos de precios no superpuestos), permitiendo a los actores ajustar sus parámetros para mejorar la circularidad.

4. Resultados

La evaluación comparó las diferentes estrategias de ponderación y reveló lo siguiente:

• Alta Utilización: Todas las estrategias lograron una utilización de la oferta doméstica superior al 95.5%, demostrando la eficacia del modelo para maximizar el uso de recursos.
• Efectos de las Estrategias:
  • Prioridad Distancia: Logró la mayor reducción en la distancia de transporte (localización), pero resultó en un cumplimiento de pedidos más fragmentado (menos pedidos totalmente satisfechos).
  • Prioridad Cantidad: Maximizó el número de pedidos totalmente satisfechos, pero dejó más oferta sin utilizar y aumentó la carga logística.
  • Prioridad Caducidad (Frescura): Mejoró significativamente la alineación FEFO (reduciendo la brecha de caducidad), sin sacrificar el volumen total asignado.
  • Prioridad Precio: Mejoró los resultados económicos para los vendedores, aprovechando la alta compatibilidad de precios en el conjunto de datos.
• Limitaciones Estructurales: Se encontró que ninguna configuración estática es óptima universalmente; los resultados dependen fuertemente de la estructura de la red de suministro (concentración geográfica, estacionalidad).
• Iteración: El proceso de asignación se estabilizó naturalmente tras 3-4 iteraciones, indicando que la mayoría de las coincidencias factibles se realizan rápidamente y que los residuos restantes se deben a incompatibilidades estructurales (ej. precios) más que a falta de capacidad de cálculo.

5. Significado e Implicaciones

El estudio demuestra que la optimización exhaustiva no es siempre factible ni deseable en contextos operativos reales de gran escala. En su lugar, se propone un enfoque de "soluciones lo suficientemente buenas" (good-enough) que prioriza:

• La interpretabilidad de las decisiones.
• La exposición de incompatibilidades no resueltas.
• La circulación sistemática de recursos no asignados.

Conclusión Principal: La circularidad en las cadenas de suministro de alimentos perecederos no puede lograrse con una fórmula estática. Requiere plataformas digitales que permitan la reconfiguración dinámica de prioridades y que estén diseñadas para gestionar los residuos como un recurso para ciclos futuros, en lugar de como un desecho inevitable. Este marco proporciona la base algorítmica para transformar las plataformas de comercio digital de meros mecanismos de emparejamiento económico a sistemas de distribución de recursos conscientes de la sostenibilidad.