Documentos de Académico
Documentos de Profesional
Documentos de Cultura
POLITCNICA
DE
MADRID
Wilfredo Guaita
Ingeniero Industrial
MSc. en Administracin de la Produccin
2.008
Ao 2.008
ii
D.______________________
Vocal:
D.______________________
Vocal:
D.______________________
Vocal:
D.______________________
Secretario:
D.______________________
Suplente:
D.______________________
Suplente:
D.______________________
Calificacin: ______________________
El PRESIDENTE
LOS VOCALES
El SECRETARIO
iii
A Marian
iv
AGRADECIMIENTO
A mis Directores de Tesis, Dr. Carlos Rodrguez Monroy, por su excelente idea
de trabajar en Cadenas de Suministros y sus aportes importantes en esta rea y
al Dr. Miguel Nez, por sus orientaciones oportunas en materia de Modelado
de Procesos Industriales.
Al Dr. Juan Martn Garca, por sus constantes y precisas orientaciones en
Modelado y Dinmica de Sistemas.
Al Dr. Jos Alexis Tarazona, por su ayuda incondicional como amigo y Rector
de la Universidad de Guayana, y a los dems miembros del Consejo
Universitario por el apoyo total al desarrollo profesoral de la UNEG.
A mis colegas profesores Marin Gmez Hernndez, Pedro Colina, Jairo Pico
y Yohana Flores que me orientaron en tcnicas de modelado y estadsticas.
A Don. Rogelio Corvacho por impulsar el programa FIVE.
A m familia por comprender.
CONTENIDOS
AGRADECIMIENTO
NDICE DE FIGURAS..
RESUMEN. xiiv
ABSTRACT...
1 PRESENTACIN DE LA TESIS.
1.1 Justificacin de la Tesis.......................................................................
1.2 Conceptos Fundamentales...................................................................
1.3 Objetivos de la Investigacin...................................................................
1.4 Trabajos Previos en Cadenas de Suministros y Simulacin...................
1.5 Estructura de la Tesis...
2 CONSIDERACIONES TERICAS..........................................................
2.1 PYMES Transformadoras Tipo Talleres y Lote..................................
2.2 Estrategias para PYMES Transformadoras.............................................
2.2.1 Estrategias Competitivas, Funcionales y Polticas Operacionales.
2.2.1.1 La Asociatividad como Estrategia Competitiva en
PYMES Transformadoras.........................................
2.2.1.1.1 Caractersticas de la Estrategia Asociativa...
2.2.1.2 Modelos de Estrategias Asociativas.................................
2.2.1.2.1 Modelo de Recurso-Dependencia..
2.2.1.2.2 Modelo Cooperativista...
2.3 Cadenas de Suministros en Pymes Transformadoras.............................
2.3.1 Cadenas de Suministros Genricas
2.4 Sistemas, Modelos y Simulacin............................................................
2.4.1 Sistemas.........................................................................................
2.4.2 Modelos de Simulacin Discreta...................................................
2.4.3 Aplicaciones en Manufactura de Modelos de Simulacin
Discreta.
2.4.4 Transporte y Cadenas de Suministros............................................
2.4.5 Modelos de Simulacin de Procesos Continuos............................
3 PROCEDIMIENTOS EXPERIMENTALES................................................
3.1 Materiales...............................................................................................
3.2 Diseo de la Investigacin......................................................................
3.3 Metodologa para el Diseo de Modelos de Simulacin de Eventos
Discretos.
vi
xv
1
1
5
8
10
14
16
16
17
19
26
27
29
30
32
34
36
41
41
42
45
46
47
60
60
61
62
vii
62
65
65
66
66
68
69
70
72
73
80
80
83
86
86
87
87
88
89
89
94
95
96
96
98
100
102
105
106
109
111
113
115
viii
117
117
118
119
125
130
134
135
135
137
139
141
144
145
148
150
152
154
157
157
158
164
169
174
175
175
177
179
181
183
184
ix
186
188
191
192
195
195
197
199
201
203
204
210
219
219
224
226
227
228
236
254
270
NDICE DE FIGURAS
Figura 1: Cadena de Suministro Genrica 1...
37
38
38
39
39
40
40
41
49
50
51
54
55
67
69
71
75
76
77
77
78
85
86
86
72
xi
87
87
88
88
95
99
99
100
103
103
104
107
107
108
111
111
112
115
115
116
118
121
130
132
133
134
137
137
138
142
142
143
147
147
xii
148
151
151
152
155
155
156
157
160
169
171
172
174
178
178
178
181
181
182
185
185
186
189
189
190
193
193
194
RESUMEN
La presente investigacin tiene por objeto, disear un modelo de simulacin
para determinar el impacto que causa en la cadena de suministros las
variaciones de demanda, y de cmo las polticas operacionales de Capacidad,
Inventario, Proceso o Fuerza Laboral pueden mitigar este impacto,
contribuyendo as, con la gestin de la cadena de suministro a tener una
organizacin competitiva en la entrega de pedido.
Para lograr mejorar el proceso de toma de decisiones operacionales implcitas
en la administracin de la cadena, se desarroll en el captulo 4, el Modelo
Conceptual de la Cadena de Suministro Genrica, que sirve de apoyo al
modelo de simulacin de eventos discretos en Arena 9, y al modelo de
simulacin de procesos continuos, en PowerSim 2.0. El modelo de eventos
discretos se utiliza para equilibrar la cadena y el modelo de procesos continuos
para ensayar con las polticas operacionales que correspondan.
Gestionar una cadena de suministro representa un desafo importante, sobre
todo considerando la necesidad de hacerla competitiva. En consecuencia la
primera hiptesis de esta investigacin, contrastada en el capitulo 6, plantea:
las polticas operacionales de Capacidad, Inventario o Procesos son ms
efectivas para disminuir el nivel de pedidos pendientes, cuando se aplican de
manera combinada.
Tambin el captulo 6, ayuda a contrastar una segunda hiptesis: Los ajustes
en la poltica de Capacidad de Despacho de Productos Terminados y de
Almacenamiento de Materia Prima, tienen un impacto mayor en disminuir el
nivel de pedidos pendientes, que la poltica de Cobertura de Inventarios de
xiii
xiv
ABSTRACT
With the purpose of detecting the impact that variations of demand cause in the
supply chain, and in order to determine how the operational policies of
capacity, inventories or labor force can mitigate this impact, a system dynamics
simulation model has been designed.
The conceptual model of the generic supply chain developed in chapter four
considers three producers of raw material, one supplier of raw material, one
producer, one wholesaler and several distributing agents. These companies
operate individually under normal conditions, but they have understood that
their integration in a supply chain improves the competitiveness of all its
members. That is to say, the sum is greater than the parts. The discrete events
model simulated by Arena 9 software is used for obtaining a balanced supply
chain and the continuous process model, simulated in Powersim 2.0 is used for
performing tests with the different operational policies.
For its initial design a simulation software model is used in which the
resources of the supply chain are optimized. Afterwards, the product of this
optimization facilitates some initial values to be used in the system dynamics
model in which cause-effect or influence relationships have been previously
established considering the most representative variables. Subsequently,
changes in operational policies that can reduce the level of outstanding orders
in the supply chain are tested using other simulation software.
Supply Chain Management represents important challenges, when companies
consider the need to become more competitive. Therefore, the first hypothesis
xv
xvi
1.1 Justificacin
Las Pequeas y Medianas Empresas (PYMES) como la denominaremos de
ahora en adelante, representan uno de los principales motores del crecimiento
de la inversin productiva, del empleo y de la competitividad de cualquier
regin o pas. Esta es una realidad que confirman diversos estudios y
experiencias en distintos pases. A manera de ejemplo, se considera que las
PYMES representan, en promedio, en los pases latinoamericanos un 90% de
las empresas, emplean alrededor del 70% de la mano de obra y contribuyen, en
promedio, entre un 20 y un 30% al Producto Interno Bruto.
En Venezuela, las PYMES y las microempresas integran ms del 90% de las
empresas, con un registro de Pequeas y Medianas de aproximadamente
6.137, segn datos del Instituto Nacional de Estadstica, correspondiente al ao
2005. En general, estas empresas aportan el 13% del PIB y emplean,
conjuntamente con las microempresas el 55% de la poblacin econmicamente
activa.
A lo largo de los ltimos aos, han sucedido mltiples cambios, en la economa
mundial consecuencia de las innovaciones tecnolgicas, de la creacin de
bloques comerciales entre pases y de la creciente ola globalizadora que
impacta a muchos sectores industriales, entre ellos a las PYMES, lo que genera
una gran interrogante De qu manera, este sector, puede enfrentar estos
cambios para no desaparecer del mercado o en el mejor de los casos ser
exitoso?
procesos de suministro de
Calidad.
Tambin est la fuerza laboral como poltica, pero esta incorporada en las
anteriores. En atencin a estos aspectos, existe una variedad de polticas que se
tienen que considerar y la eleccin casi siempre involucra elecciones
conflictivas. Por ejemplo, el tener altos inventarios podra ser costoso. Sin
embargo, con esto se logra una entrega oportuna de pedidos. La eleccin de
polticas depende, en ltima instancia, de los objetivos que se hayan fijado, y
en esta investigacin, sern objeto de ensayos en el Modelo de Cadena de
Suministros las del tipo Capacidad, Inventarios o Procesos.
que
integradas
por
Pequeas
Medianas
Empresas
simular la
de la misma pueda
10
11
para los fabricantes del juguete (la tradicional produccin en masa o empujar
modelos). Estas malas prcticas en la cadena de suministro del juguete no son
causadas solamente por la difusin lenta del conocimiento, tambin influye la
incapacidad para manejar tales niveles de volatilidad y de estacionalidad. Por
lo tanto, se proponen acciones para minimizar las diferencias existentes entre la
teora y la prctica sobre el manejo de la volatilidad y estacionalidad extrema.
El estudio tambin, propone un modelo para emparejar las prcticas SCM del
fabricante con las prcticas SCM del minorista.
Kim (2006) seala que el propsito de su investigacin es examinar los
acoplamientos causales entre prctica de la gerencia de la cadena de
suministros (SCM), capacidad de la competencia, nivel de integracin de la
cadena de suministro (CS), y
12
13
en ambiente de
14
15
16
dominantes, son los que hacen la diferencia de las instalaciones que trabajan
por lotes de las que trabajan como talleres. Sin embargo, an no existe la
preponderancia de productos como para garantizar la existencia de mquinas
especiales. Por consiguiente, las plantas en donde se trabaja por lotes, se
fabrican una diversidad de productos, as como una gran variedad de
volmenes. El sistema debe ser an multipropsito y tener la flexibilidad para
todo tipo de producto, con poco volumen, an cuando los lotes de gran tamao
de productos estandarizado pueden ser procesados de una manera diferente, por
ejemplo, haciendo que la produccin de algunos lotes tengan como destino
intermedio las bodegas de almacenamiento y no vayan de inmediato a
satisfacer los pedidos de los clientes.
Los sistemas antes mencionados, utilizan en mayor o menor grado, algn tipo
de estrategia, dependiendo de su tamao, ubicacin, productos que fbrica o
mercados donde compite. En definitiva, estas organizaciones cuentan con
mltiples
17
18
19
20
21
22
23
Hasta hace poco tiempo, se venia sealando la Fuerza Laboral, como otra
poltica operacional que ahora la incorporan a las anteriores porque esta
presente en cada una de ellas; Sin embargo, en esta investigacin se utilizar
como una quinta poltica.
Por otro lado, Hayes y Pisano (1994), dieron otra definicin, en la que se habla
de la estrategia de operaciones como un patrn consistente de decisiones
operativas. Mientras ms consistentes sean estas decisiones y mayor sea el
grado en que apoyan a la estrategia empresarial, mejor ser esta.
La estrategia de operaciones, tambin se puede definir en trminos del
eslabonamiento entre las decisiones en operaciones y la estrategia corporativa.
Hay que hacer notar que cuando operaciones se encuentra desfasada de la
estrategia corporativa, es frecuente que las decisiones en operaciones muestren
inconsistencias. Como resultado, operaciones se ve divorciado de la empresa y
el eslabonamiento con la estrategia corporativa es dbil. El remedio
es
24
25
2.2.1.1
26
27
2.
28
4.
Las experiencias que se han reseado deben ser seguidas de cerca para
aprender de sus aciertos y descartar sus errores. La construccin de la
confianza entre los empresarios aparece como uno de los elementos
claves; la necesidad de contar con alguna experiencia exitosa como
efecto demostracin resulta, asimismo, de mxima importancia; la
evaluacin rigurosa para seguir de cerca el resultado de la relacin
entre las empresas, es una herramienta imprescindible para que estas
experiencias logren afianzarse.
29
cuerpo terico de sustento, que explique las nuevas fuerzas que modelan la
relacin entre los sistemas organizacionales. Por tal razn, es fundamental,
expresar algunas posiciones tericas que pueden orientar el proceso de
investigacin del comportamiento actual y de las tendencias que pudiesen suceder alrededor de la interaccin entre empresas, sobre todo las necesarias para
explicar las nuevas organizaciones conformadas en cadenas de suministros.
Las concepciones tericas sugieren que la progresiva aproximacin entre
organizaciones, se delinea por un conjunto de fuerzas internas y externas a
ambas, que las afectan en su supervivencia. Las aproximaciones tericas a la
explicacin de este proceso se basan en la necesidad de las relaciones
interorganizacionales como substrato del futuro funcionamiento de las
organizaciones. Existen ms de cinco modelos o escuelas que pretenden
explicar el comportamiento organizacional segn Hall (1996). Sin embargo, en
esta investigacin el que mejor la soporta desde el punto de vista terico son el
modelo de Recurso-Dependencia y el Cooperativista, ambos se describen a
continuacin.
30
31
32
33
34
35
36
Proveedor
Consumidor
Inventario
Proveedor
Productor
Proveedor
Consumidor
Inventario
Consumidor
Fuente: Direccin de la Produccin Haizer J., Render B.
37
Transporte
Almacenamiento
Transporte
Cliente
Fabrica
Flujo de Informacin
Transporte
Transporte
Almacenamiento
Fabrica
Proveedor
Proveedor
Proveedor
Distribuidor
Proveedor
Proveedor
Proveedor
Proveedor
Fabricante
Distribuidor
Proveedor
Fuente: La logstica empresarial en el nuevo Milenio Serra D.
38
Proveedor
Ordenes de
adquisicin
Pedidos para
existencia
Orden de
Distribuidor
Inventario de
Materia
Prima
Pedidos del
taller
Inventario
Productos
terminados en
Pedidos en
fbrica
Ventas del
Inventario
Pedidos del
cliente
Inventario
Producto en
proceso
Inventario de
Distribuidor
Pedidos del
Cliente
Suminist.
Fabricante
Distribuidor
Despacho
Distribuidor
Minorista
Clientes
Clientes
Suminist.
Distribuidor
Minorista
Clientes
Despacho
Distribuidor
Fabricante
Suminist.
Distribuidor
Minorista
Clientes
39
La figura 6, presenta una cadena lineal simple integrada por proveedor, fbrica,
distribuidor y clientes finales.
Proveedores
Compras
Materia prima
Fabrica
Distribucin
Clientes
Usuarios
Finales
P
Fabricante
de Partes
C
Fabricante
Componentes
S
Proveedores
P2
C2
S2
P3
C3
S3
A
Fabricante
Cliente
B
Fabricante
P4
C4
S4
40
Suministrador
Fabricante
Suministrador
Cliente
Cliente
Fabricante
Suministrador
Cliente
41
Sistema significa ver la totalidad en vez de las partes, ver las relaciones como
un todo. Desafortunadamente muchos anlisis actuales sobre situaciones
problemas muestran incapacidades para ver la totalidad. En este sentido Senge,
(1992) seala:
El pensamiento sistmico es una disciplina para ver totalidades. Es
un marco para ver interrelaciones en vez de cosas, para ver patrones
de cambios en vez de instantneas estticas. Es un conjunto de
principios generales destilados a lo largo del siglo veinte, y abarca
campos tan diversos como las ciencias, fsica y sociales, la
ingeniera y la administracin de empresas. Tambin es un conjunto
de herramientas y tcnicas especiales que se originan en dos
ramificaciones: el concepto de retroalimentacin de la ciberntica
y la teora de los servo mecanismos, procedente de la ingeniera,
que se remota al siglo diecinueve. (Pg. 91)
Por otro lado, Ackoff (2004) seala que un sistema es un conjunto de
elementos interrelacionados. Por tanto, un sistema es una entidad que se
compone de al menos dos elementos y una relacin que es vlida entre cada
uno de los elementos y al menos otro de los elementos del conjunto. Y seala
que existen 4 tipos bsicos de sistemas y modelos: Deterministas, Animados,
Sociales y Ecolgicos
42
43
44
2.4.3 Aplicaciones en
Discreta.
45
46
47
48
Desempeo
Real
Accin
Creciente
49
Condicin
META
Accin
Discrepancia
50
Accin
META
Discrepancia
51
52
53
Accin
Creciente
Condicin
Accin
Decreciente
54
Solucin
Superficial
Sntoma
Problemtico
Demora
Solucin
Fundamental
55
56
57
58
59
3.1 Materiales
1. Cuestionarios para el levantamiento de la informacin, al momento de
las entrevistas con gerentes de las empresas seleccionadas, segn
tcnicas de muestreo utilizando el software estadstico SPSS 12.0 para
procesar los datos.
2. Utilizacin de bases de datos, de
60
61
3.3
del
problema:
Consiste
en
determinar
los
62
63
64
documental:
Documentos
necesarios
para
recoger
3.6 Hiptesis
La discusin terica acerca de la naturaleza y alcance de las polticas
operacionales aplicadas en PYMES nos proporciona una base de
informacin y conocimiento para estudiar la competitividad de las
PYMES Transformadoras integradas en cadenas de suministros. Por
tanto, consideramos pertinente, asumir un cuerpo de hiptesis con la
finalidad de sustentar y consolidar el proceso de investigacin.
H1 Las polticas operacionales de capacidad, inventario o procesos
son ms efectivas para disminuir el nivel de pedidos pendientes,
cuando se aplican de manera combinada.
H2 Los ajustes en la poltica de capacidad de despacho de productos
terminados y de almacenamiento de materia prima, tienen un
impacto mayor en el nivel de pedidos pendientes, que la poltica
de cobertura de inventarios de productos terminados.
H3 La poltica de procesos, relativa al tiempo de procesamiento de
despachos de materia prima o factor de produccin, genera un
impacto limitado en el nivel de pedidos pendientes, cuando se
aplica por si sola, o sin combinarla con otras polticas
operacionales.
65
66
TRANSFORMADOR
FABRICA 1
FABRICA 2
CLIENTE 1
SMP
DPT
FABRICA 3
CLIENTE 2
CLIENTE 3
PEDIDOS
CLIENTES
67
68
factor de pedido
De Suplidores
Pedido
Despacho
Inventario SMP
De Inventario de pt
deseados
Tiempo de ajuste
Ajuste de
Inventario mp
Capacidad actual
Hacia
transformador
Demora en la
entrega mp
Inventario de mp
deseado
Cobertura de
inventario mp
Ajuste de
capacidad
Capacidad de mp
deseada
Incrementar
Capacidad mp
tpd
Sumidero
disminuir
Demanda prevista
Capacidad
almacenamiento SMP
tpi
Fuente
Aumentar
69
70
71
Disminuye
Capacidad de
despacho pt
Capacidad de
despacho ajustada
Incrementar capacidad
de despacho
Capacidad de
despacho actual
Hacia despacho pt
Aumenta
tpi
Capacidad de
despacho deseada
Estndar de
despacho
Demanda prevista
De ajuste de
inventario de pt
72
(PxT) (TxP)
A {1, 2, 3,..} Ai
Pi {1, 2, 3,..} Pi
Los eventos que originan los cambios de estado de las variables del sistema y
las actividades que se registran entre dos eventos son variados, de all la
necesidad de utilizar la simbologa de RdP para facilitar la construccin del
modelo conceptual de la cadena.
Al representar los eventos asocindolos a transiciones y las actividades a
lugares el estado de este sistema queda determinado, y puede describirse
matemticamente por el vector P. Utilizando esta tcnica, los elementos de
representacin y anlisis se definen bajo una funcin E (Tj) que representa el
conjunto de lugares de entrada a la transicin Tj.
73
De forma similar se puede definir la funcin S (Tj) para indicar los lugares de
salida de la transicin Tj:
E (Tj) = {Pi P, (Pi, Tj) A}
S (Tj) = {Pi P, (Tj, Pi) A}
En la RdP los nodos tipo transicin se representan grficamente por una lnea
corta vertical u horizontal, y se utilizan para modelar los eventos que aparecen
en la dinmica del sistema. Los nodos tipo lugar se representan grficamente
por crculos y se utilizan tanto para describir las colas de espera del sistema,
como las condiciones del estado en que se encuentran determinados recursos.
El nmero de piezas del sistema o productos que hay en una cola se
representan grficamente por marcas en el interior del nodo lugar. Los arcos
que conectan los nodos lugar con los nodos transicin suelen tener un peso
asociado, el cual permite describir las condiciones necesarias para que el
evento representado en la transicin pueda activarse.
La figura 18, muestra de manera general la CSG en RdP. Esta representacin
conjuga en principio una ejecucin secuencial desde el Fabricante de materia
prima (F) hasta el suministrador de materia prima, donde la representacin es
del tipo agrupacin, porque las unidades de suministro se almacenan a este
nivel. Posteriormente se entregan estas unidades de suministro a los
Transformadores (T) en una distribucin tipo concurrencia, que enva la
produccin a un Distribuidor de Productos Terminados (DPT) en una
configuracin tipo agrupacin y de all a la red de Clientes (C).
74
T1
P1
T2
P2
T3
P4
T4
P17
P3
T5
P5
T6
P6
T7
P8
T8
P13
T13
P14
T15
T14
P16
P18
P15
P7
P19
T9
P9
T10
P10
T11
P12
T12
P11
75
a) Fabricantes de insumos:
Est integrado por unidades de transporte que lleva insumos al suministrador
de materia prima (SMP). En las figuras 19, 20 y 21 se muestran los tres
fabricantes de insumos. Desde luego existe la posibilidad de creacin de una
cola de espera por ocupacin de la unidad de descarga del SMP. Liberada la
unidad de descarga, las unidades de materia prima son almacenadas y
disponibles para ser enviadas a la unidad de transformacin.
T3 (f.p.)
T2 (i.p.)
T1 (ll.)
P1 (u.c.)
P2 (t.o.)
T4 (i.p.a)
P4 (u.pr.)
P3 (t.l.)
76
T5 (ll.)
P5 (u.c.)
T6 (i.p.)
P6 (t.o.)
T7 (f.p.)
P8 (u.pr.)
T8 (i.p.a)
P7 (t.l.)
P10 (t.o.)
T9 (ll.)
P9 (u.c.)
T10 (i.p.)
T11 (f.p.)
P12 (u.pr.)
T12 (i.p.a)
P11 (t.l.)
77
P17
T13
P13
T14
P14
T15
P16
P18
P15
P19
78
79
2. Mdulo Dispose: Tiene la funcin inversa del modulo Create, es decir sacar
entidades del modelo.
Dispose 1
Process 1
0
80
True
False
81
82
83
84
85
Suplidor
Materia Prima
SMP
tiempo de
descarga en
SMP
SMPlibera
transporte
86
hacia
Transformadores
T
Transformador T
tiempo de
transformacion en
T
Transformador
llama transporte
hacia distribuidor
de productos
terminados
Distribuidor de
Productos
Terminados
DPT
tiempo de
almacenamiento
en DPT
DPT libera
transporte
87
hacia
despacho
Desapacho
DPT
Cliente 1
Minosrista
1llama
transporte
transporte
lleva la entidad
a m1
Cliente 2
Minorista 2
llama
transporte
transporte
lleva la entidad
a m2
Cliente 3
Minorista 3
llama
transporte
transporte lleva
la entidad a
m3
para clientes
33.333
33.333
E ls e
salida clientes
cliente libera
transporte
c li entes
88
89
90
91
92
93
94
95
96
PARMETROS DE DECISIN:
1. Longitud del intervalo de tiempo = 1 semana
2. Capacidad fija inicial en SMP, sin ajustes por variacin de demanda
3. Capacidad fija inicial en DPT, sin ajuste por variacin de demanda
4. Demora en la entrega de materia prima = 4 semanas
5. Semanas para calcular el promedio mvil = 10
6. Factor de pedido = 15 unidades por semana
7. Factor de cobertura inventario de productos terminados deseado = 4 S
8. Estndar de almacenamiento de materia prima en SMP = 10 U/M2/S
9. Estndar de despacho de productos terminados en DPT = 10 U/M2/S
10. Estndar de produccin en T = 5 U/H/S
11. Factor de transformacin de materiales en T = 0.80 UPT por UMP
12. Tiempo de la simulacin= 52 S
VOLUMENES EN LA CADENA:
1. Nivel inicial de pedidos pendientes = 0 U
2. Nivel inicial de inventario de productos terminados en DPT = 25 U
3. Nivel inicial de inventario materia prima en SMP = 50 U
4. Nivel inicial para ajuste de Cap. de Almac. Materia Prima = 0 U
5. Nivel inicial para ajuste de Cap. de Despac. Productos Terminados = 0 U
6. Nivel inicial para ajuste de Capacidad de Fuerza Laboral = 6 H
TASA DE FLUJO:
1. Pedidos de clientes = 15 unidades de pedido constante a lo largo del perodo
de simulacin.
POLTICAS OPERACIONALES:
1. Fuerza laboral variable, incrementa o disminuye en atencin a la demanda.
2. Inventario de seguridad de productos terminados con cobertura de 4
semanas.
97
98
99
100
101
TASA DE FLUJO:
1. Pedidos de clientes = 15 unidades de pedido constante a lo largo del perodo
de simulacin.
POLTICAS OPERACIONALES:
1. Fuerza laboral variable en T, incrementa o disminuye en atencin a la
demanda.
2. Inventario de productos terminados con una cobertura de 2 semanas
3. Pedidos fijos en 20 U/S superior a las ventas en tercio y ajustado por
variacin entre inventario de productos terminados deseado e invent. real.
4. Capacidad de almacenamiento de materia prima y de despacho de productos
terminados fijos = 10 y 10 respectivamente, ajustados por demanda.
5. Estndar de almacenamiento de materia prima = 10 U/M2/S
6. Estndar de despacho de productos terminados = 10 U/M2/S
7. Estndar de produccin = 5 U/H/S.
8. Estndar de materiales = 0.80 factor de de utilizacin de materia prima
ajustado por fuerza laboral.
9. Demora en el despacho de materia prima = 4 semanas
102
Los niveles observados en la figura 35, como es el caso del nivel de inventario
de materia prima se muestra muy superior al nivel de pedidos pendientes, que
se iguala al de productos terminados a partir de la semana 50, lo que se traduce
en capacidad suficiente para cumplir con los clientes. Desde luego reduciendo
los tiempos de demora de 12 semanas, en los ajustes de capacidad de
almacenamiento y de productos terminados la igualacin de los niveles de
pedidos pendientes y productos terminados hubiese sucedido antes de la
semana 50.
El nuevo nivel de capacidad de mano de obra es suficiente (ver figura 36) para
cumplir con los pedidos dado que al multiplicarlo por el estndar se ubica en
15 UPS (3 hombres x 5 unidades/hombre/semana). La capacidad de despacho
de productos terminados incrementa de 10 a 26 U/M2/S y la capacidad de
almacenamiento de materia prima incrementa de 10 a 19 U/M2/S.
103
104
105
VOLUMENES EN LA CADENA:
1. Nivel inicial de pedidos pendientes = 0
2. Nivel inicial de inventario de productos terminados en DPT = 25 U
3. Nivel inicial de inventario materia prima en SMP = 50 U
4. Nivel inicial para ajuste de Cap. de Almac. Materia Prima = 0 U
5. Nivel inicial para ajuste de Cap. de Despac. Productos Terminados = 0 U
6. Nivel inicial para ajuste de Capacidad de Fuerza Laboral = 4 H
TASA DE FLUJO:
1. Pedidos de clientes = 15 unidades de pedido variable en funcin logstica
hasta semana 10
POLTICAS OPERACIONALES:
1. Fuerza laboral variable, aumenta o disminuye segn demanda
2. Inventario de productos terminados con una cobertura de 4 semanas
3. Pedidos segn funcin logstica ajustada por variacin entre inventario de
productos terminados deseado e inventario real.
4. Capacidad de almacenamiento de materia prima y de despacho de productos
terminados fijos = 10 y 10 respectivamente.
5. Estndar de almacenamiento de materia prima = 20 U/M2/S
6. Estndar de despacho de productos terminados = 20 U/M2/S
7. Estndar de produccin = 5 U/H/S.
8. Estndar de materiales = 0.80 factor de utilizacin de materia prima ajustado
por fuerza laboral.
9. demora en el despacho de materia prima = 4 semanas
106
107
108
109
110
111
112
113
114
la tasa
comportamiento (ver figura 43). Ante esta eventualidad, y los pocos pedidos
recibidos en el lapso de diez semanas se entregan con el inventario de
productos terminados que tambin entran en declive cuando comienza a sentir
la baja en la tasa de produccin pero semanas despus de la disminucin de los
pedidos pendientes (ver figura 44) y posterior a la disminucin del inventario
de materia prima.
115
.
Figura 45: Niveles continuacin ensayo 5
Como conclusin de este escenario, aplicable a situaciones donde la cadena
est sometida a una fuerte competencia o a una prdida rpida de credibilidad o
confianza en los productos fabricados, es necesario tomar medidas rpidas,
tales como reducir la tasa de pedidos y limitar las capacidades del sistema para
que el resto de los niveles se iguale a esta tasa de pedidos en declive.
116
117
Aserradero
Campesino
SMP
DPT
Ferretera
Cliente 2
Cliente 3
Pedidos de
Clientes
118
PARAMETROS DE DECISIN:
1. Llegada de materia prima de los aserraderos = 1 pedido constante / da
2. Llegada de materia prima de los campesinos = 1 pedido constante / da
3. Llegada de materia prima de las ferreteras = 1 pedido constante / da
4. Transporte 1 traslada materia prima desde suplidores hasta SMP.
5. Velocidad del transporte = 100 Kph vaco, 80 con carga
6. Distancia desde aserradero hasta SMP = 10 K
7. Distancia desde campesino hasta SMP = 30 K
8. Distancia desde ferretera hasta SMP = 45 K
9. Distancia desde aserradero a campesino = 20 K
10. Distancia desde campesino a ferretera = 40 K
119
120
aserraderos
despacho
aserradero
aserradero
llama transporte
Transport lleva
la entidad al
SMP
despacho
campesino
campesino
llama transporte
Transpor lleva la
entidad al SMP
despacho
ferreteria
ferreteria llama
transporte
Transporte lleva
la entidad al
SMP
tiempo de
descarga en
SMP
SMP libera
transporte
hacia Carpinteria
Carpinteria llama
transporte
hacia
distribuidor de
productos
terminados
DPT libera
transporte
hacia despacho
c ampes inos
ferreterias
Suplidor Materia
Prima SMP
carpinteria
tiempo de
transformacion
en T
0
Distribuidor de
Productos
Terminados
DPT
tiempo de
almacenamiento
en DPT
Despacho
Cliente 1
Cliente 1llama
transporte
transporte lleva
la entidad a
cliente 1
Cliente 2
Cliente 2 llama
transporte
transporte lleva
la entidad a
cliente 2
para clientes
33.333
33.333
E ls e
Cliente 3
salida clientes
finales
Clientes liberan
transporte
Cliente 3 llama
transporte
transporte lleva
la entidad a
cliente 3
clientes finales
121
122
123
124
125
Vlidos
Acelerar el flujo
en el proceso de
produccin
Cambiar el tipo
de flujo en el
proceso
Mejorar las
instalaciones de
produccin
Mejorar el
mantenimiento
de equipos
Total
qu decisin operacional
Frecuen.
Porcent.
Porcent.
vlido
Porcentaje
acumulado
15
75,0
75,0
75,0
10,0
10,0
85,0
5,0
5,0
90,0
10,0
10,0
100,0
20
100,0
100,0
Vlidos
Incremento de
jornadas de
sobre-tiempo
Adquirir
almacenes
cerca de los
mercados
Aumentar la
fuerza laboral
Creacin de
incentivos
laborales
Total
Frecuen
Porcent
Porcentaje
vlido
Porcentaje
acumulado
30,0
30,0
30,0
15,0
15,0
45,0
30,0
30,0
75,0
25,0
25,0
100,0
20
100,0
100,0
126
Vlidos
Convenios a
largo plazo
para la
obtencin de
insumos
Incrementar
niveles de
inventario
Incrementar
inventarios
semiterminados
Comprar mas
materia prima
Aumentar la
frecuencia de
compra de
materia prima
Total
Frecuen
Porcent
Porcentaje
vlido
Porcentaje
acumulado
10,0
10,0
10,0
25,0
25,0
35,0
5,0
5,0
40,0
20,0
20,0
60,0
40,0
40,0
100,0
20
100,0
100,0
Vlidos
Implementar
planes de
mejoramiento
continuo
Aumentar la
prevencin
Aumentar la
capacidad en
control de
calidad
Mejorar la
seleccin de
proveedores
Total
operacional
operacional
Frecuencia
Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
10
50,0
50,0
50,0
15,0
15,0
65,0
15,0
15,0
80,0
20,0
20,0
100,0
20
100,0
100,0
127
Vlidos
Disminuir
variedad de
productos
Estandarizar
produccin
Hacer
fabricacin
manual
Total
Frecuen.
Porcent.
Porcentaje
vlido
Porcentaje
acumulado
14
70,0
70,0
70,0
20,0
20,0
90,0
10,0
10,0
100,0
20
100,0
100,0
Vlidos
Reducir turnos
de trabajo
Eliminar
jornadas de
sobre tiempo
Vender activos
Compartir
capacidades
con otras
empresas
Total
Frecuen
Porcent
Porcentaje
vlido
Porcentaje
acumulado
20,0
20,0
20,0
45,0
45,0
65,0
15,0
15,0
80,0
20,0
20,0
100,0
20
100,0
100,0
128
Vlidos
Reducir
niveles de
inventario
Hacer
entrega solo
bajo pedido
Total
Frecuencia
Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
10,0
10,0
10,0
18
90,0
90,0
100,0
20
100,0
100,0
Vlidos
Implementar
mejoras
continuas
Disminuir el
numero de
inspectores
Seleccin de
proveedores
en base a
menor costo
Total
Frecuen
Porcent
Porcentaje
vlido
Porcentaje
acumulado
35,0
35,0
35,0
10,0
10,0
45,0
11
55,0
55,0
100,0
20
100,0
100,0
129
Despacho
Inventario SMP
De Inventario de pt
deseados
Tiempo de ajuste
Ajuste de
Inventario mp
Capacidad actual
Hacia carpinteria
Demora en la
entrega mp
Inventario de mp
deseado
Cobertura de
inventario mp
Ajuste de
capacidad
Capacidad de mp
deseada
Incrementar
Capacidad mp
tpd
Sumidero
disminuir
Demanda prevista
Capacidad
almacenamiento SMP
tpi
Fuente
Aumentar
130
131
132
Disminuye
Capacidad de
despacho pt
Capacidad de
despacho ajustada
Incrementar capacidad
de despacho
Capacidad de
despacho actual
Hacia despacho pt
Aumenta
tpi
Capacidad de
despacho deseada
Estndar de
despacho
Demanda prevista
De ajuste de
inventario de pt
133
134
135
136
137
138
139
140
141
personas
multiplicadas
por
el
estndar
de
produccin
de
142
la
143
144
145
de pedidos. Eso no quiere decir que se entra en incumplimiento por que existe
un inventario inicial de productos terminados que permite hacer la entrega que
corresponda. La tasa de produccin se iguala a la tasa de pedidos de clientes en
la semana 2, despus de oscilar con intensidad por el cambio en de tasa se
nivela con pedidos de clientes y pedidos entregados (ped_entreg) a partir de
las semana 40. El pedido de materia prima despus de bajar desde 16 unidades
hasta 11, en 10 semanas se incrementa nuevamente hasta 60 unidades en la
semana 17, cuando siente el impacto del cambio en el nivel de pedidos, luego
estabiliza en 37 unidades.
El nivel de inventario de materia prima (inv_mat_p) oscila en ascenso y sube
hasta 207 unidades en semana 18 y estabiliza en 140 unidades a partir de la
semana 37 muy por encima del inventario de productos terminados. El
inventario de productos terminados (inv_prod_ter) deseado sube por efecto de
la funcin escaln, desde 25 unidades hasta 120 unidades en la semana 25, y
se estabiliza alrededor de las 95 unidades despus de la semana 40 ubicndose
por encima del nivel de pedidos pendientes (pedidos_pend) excepto entre las
semanas 11 y 15 consecuencia del cambio en la demanda. Se observa en la
figura 59 que con esta poltica se puede cumplir con los clientes en la mayora
de las veces.
146
147
148
PARMETROS DE DECISIN:
1. Longitud del intervalo de tiempo = 1 semana
2. Capacidad inicial fija en SMP = 50 M2/S, con ajustes por variacin de
demanda.
3. Capacidad inicial fija en DPT = 30M2/S, con ajustes por variacin de
demanda.
4. Demora en entrega materia prima = 8 semanas
5. Factor para calcular promedio mvil = 10 semanas
6. Factor de pedido variable funcin logstica
7. Factor cobertura inventario de productos terminados deseado = 2 S
8. Estndar de almacenamiento de materia prima en SMP = 50 M3/M2/S
9. Estndar de despacho de productos terminados en DPT = 30 M3/M2/S
10. Estndar de produccin en carpintera = 5 M3/H/S
11. Ratio de materiales en carpintera = 0.80 Unidad de Producto Terminado
por Unidad de Materia Prima.
12. Tiempo de la simulacin = 52 S
VOLUMENES EN LA CADENA:
1. Nivel inicial de pedidos pendientes = 0 M3
2. Nivel inicial de inventario de productos terminados en DPT = 25 M3
3. Nivel inicial de inventario materia prima en SMP = 50 M3
4. Nivel inicial para ajuste de Cap. de Almac. Materia Prima = 0 M2
5. Nivel inicial para ajuste de Cap. de Desp. Productos Terminados = 0 M2
6. Nivel inicial de capacidad de fuerza laboral = 6 H
TASA DE FLUJO:
1. Pedidos de clientes = 15 metros cbicos con incremento tipo funcin
logstica hasta 40 metros cbicos en semana 25.
149
POLTICAS OPERACIONALES:
1. Fuerza laboral variable, incrementa o disminuye en atencin a la demanda
2. Inventario de productos terminados con cobertura de 2 semanas
3. Pedido variable y ajustado por la diferencia entre inventario de producto
terminado deseado e inventario real.
4. Capacidad de almacenamiento de materia prima actual y capacidad de
despacho de productos terminados = 50 y 30 respectivamente.
5. Estndar de almacenamiento de materia prima = 50 M3/M2/S
6. Estndar de despacho de productos terminados = 30 M3/M2/S
7. Estndar de produccin = 5 M3/H/S.
8. Estndar de materiales = 0,80 ratio de utilizacin de madera ajustado por
fuerza laboral.
9. Demora en el despacho de materia prima = 4 semanas
150
151
152
PARMETROS DE DECISIN:
1. Longitud del intervalo de tiempo = 1 semana
2. Capacidad inicial fija en SMP = 50 M2/S, con ajustes por variacin de
demanda.
3. Capacidad inicial fija en DPT = 30 M2/S, con ajustes por variacin de
demanda.
4. Demora en entrega materia prima = 4 semanas
5. Factor para calcular promedio mvil = 10 semanas
6. Factor de pedido variable en atencin a la demanda
7. Factor cobertura inventario de productos terminados deseado = 2 S
8. Estndar de almacenamiento de materia prima en SMP = 50 M3/M2/S
9. Estndar de despacho de productos terminados en DPT = 30 M3/M2/S
10. Estndar de produccin en carpintera = 5 M3/H/S
11. Ratio de materiales en carpintera = 0.80 Unidad de Producto Terminado
por Unidad de Materia Prima.
12. Tiempo de la simulacin = 52 S
VOLUMENES EN LA CADENA:
1. Nivel inicial de pedidos pendientes = 0 M3
2. Nivel inicial de inventario de productos terminados en DPT = 25 M3
3. Nivel inicial de inventario materia prima en SMP = 50 M3
4. Nivel inicial para ajuste de Cap. de Almac. Materia Prima = 0 M2
5. Nivel inicial para ajuste de Cap. de Desp. Productos Terminados = 0 M2
6. Nivel inicial de capacidad de fuerza laboral = 6 H
TASA DE FLUJO:
1. Pedidos de clientes = 20 metros cbicos con decrecimiento hasta 0 en
semana 10.
153
POLTICAS OPERACIONALES:
1. Fza laboral variable, incrementa o disminuye en atencin a la demanda
2. Inventario de productos terminados con una cobertura de 2 semanas
3. Pedido variable y ajustado por la diferencia entre inventario de producto
terminado deseado e inventario real.
4. Capacidad de almacenamiento de materia prima y capacidad de despacho de
productos terminados = 50 y 30 M2 respectivamente.
5. Estndar de almacenamiento de materia prima = 50 M3/M2/S
6. Estndar de despacho de productos terminados = 30 M3/M2/S
7. Estndar de produccin: 5 M3/H/S.
8. Estndar de materiales = 0,80 ratio de utilizacin de madera ajustado por fza
laboral.
9. Demora en el despacho de materia prima = 4 semanas
154
155
156
Quesera
Cliente 1
Lechera 1
Lechera 2
CL
DPT
Lechera 3
Cliente 2
Cliente 3
Pedidos de
Clientes
157
DPT-Transporte- Cliente 1
DPT-Transporte- Cliente 2
DPT-Transporte- Cliente 3
PARAMETROS DE DECISIN:
1. Llegada materia prima de lechera 1: 1 entrega leche/da constante.
2. Llegada materia prima de lechera 2: 1 entrega leche/da constante.
3. Llegada materia prima de lechera 3: 1 entrega leche/da constante.
4. Transporte traslada materia prima desde lecheras hasta Centro Lcteo.
5. Velocidad del transporte 120 Kph sin carga, 100 con carga.
6. Tres transportes de leche, una por lechera.
158
159
160
161
162
163
164
Vlidos
Acelerar el flujo
en el proceso
de produccin
Automatizar
procesos
Total
Frecuencia
Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
12
85,7
85,7
85,7
14,3
14,3
100,0
14
100,0
100,0
Vlidos
Aumentar la
fuerza laboral.
Incremento de
jornadas de
sobre-tiempo
Adquirir control
sobre las
fuentes de
insumo
Creacin de
incentivos
laborales
Total
Porcentaje
vlido
Porcentaje
acumulado
Frecuencia
Porcentaje
28,6
28,6
28,6
42,9
42,9
71,4
14,3
14,3
85,7
14,3
14,3
100,0
14
100,0
100,0
165
Vlidos
Incrementar
niveles de
inventario
Instalar un
sistema de
control de
inventario
Comprar mas
materia prima
Total
Porcentaje
vlido
Porcentaje
acumulado
Frecuencia
Porcentaje
57,1
57,1
57,1
14,3
14,3
71,4
28,6
28,6
100,0
14
100,0
100,0
Vlidos
Implementar
planes de
mejoramiento
continuo
Aumentar la
prevencin
Buscar
certificaciones
en calidad
Aumentar la
capacidad en
control de
calidad
Total
Porcentaje
vlido
Porcentaje
acumulado
Frecuencia
Porcentaje
14,3
14,3
14,3
57,1
57,1
71,4
14,3
14,3
85,7
14,3
14,3
100,0
14
100,0
100,0
A manera de resumen de las cuatro tablas anteriores, se observa que las mas
sealadas en Proceso: acelerar el flujo del proceso (85,7 %), en Capacidad:
aumentar fuerza laboral y jornadas de horas extras (28 y 42 % cada una), en
166
Vlidos
Frecuencia
Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
13
92,9
92,9
92,9
7,1
7,1
100,0
14
100,0
100,0
Implementar
polticas de
disminucin de
costos
Diversificar
productos
Total
Vlidos
Reducir fuerza
laboral
Eliminar
jornadas de
sobre tiempo
Adquirir el
control sobre los
canales de
distribucin
Total
Frecuencia
Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
50,0
50,0
50,0
42,9
42,9
92,9
7,1
7,1
100,0
14
100,0
100,0
167
Vlidos
Frecuencia
Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
7,1
7,1
7,1
14,3
14,3
21,4
42,9
42,9
64,3
35,7
35,7
100,0
14
100,0
100,0
Adquirir el
control sobre
fuentes de
insumo
Convenios a
largo plazo para
la obtencin de
insumos
Reducir niveles
de inventario
Hacer entrega
solo bajo pedido
Total
Vlidos
Frecuencia
Porcentaje
Porcentaje
vlido
Porcentaje
acumulado
64,3
64,3
64,3
35,7
35,7
100,0
14
100,0
100,0
Implementar
mejoras
continuas
Seleccin de
proveedores
en base a
menor costo
Total
168
factor de pedido
De Suplidores
Pedido
Inventario CL
De Inventario de pt
deseados
Tiempo de ajuste
Ajuste de
Inventario mp
Capacidad actual
disminuir
Demora en la
entrega mp
Inventario de mp
deseado
Cobertura de
inventario mp
Demanda prevista
Incrementar
Capacidad mp
tpd
Sumidero
Hacia quesera
Despacho a
quesera
Capacidad
almacenamiento CL
tpi
Fuente
Aumentar
169
capacidad de
170
171
Disminuye
Capacidad de
despacho pt
Capacidad de
despacho ajustada
Incrementar capacidad
de despacho
Capacidad de
despacho actual
Hacia despacho pt
Aumenta
tpi
Capacidad de
despacho deseada
Estndar de
despacho
Demanda prevista
De ajuste de
inventario de pt
172
173
174
175
176
177
178
contratar ms personal para tratar de cumplir con los pedidos considerando que
despus de la semana quince la cadena entra en incumplimiento. Por otro lado
la poltica de inventarios relativa a la cobertura para previsin como inventario
de seguridad puede ajustarse de 1 a dos das, esto con el objeto de procurar
reducir los pedidos pendientes.
179
VOLUMENES EN LA CADENA:
1. Nivel inicial de pedidos pendientes = 0 M3
2. Nivel inicial de inventario de productos terminados en DPT = 200 K
3. Nivel inicial de inventario materia prima en CL = 1000 L
4. Nivel inicial para ajuste de Cap. de Almac. Materia Prima = 3000 L
5. Nivel inicial para ajuste de Cap. de Desp Productos Terminados = 600 K
6. Nivel inicial para ajuste de Capacidad de fuerza laboral = 15 H
TASA DE FLUJO:
1. Pedido de clientes constante = 100 K de queso.
POLTICAS OPERACIONALES:
1. Fza laboral variable, incrementa o disminuye en atencin a la demanda.
2. Capacidad variable en CL y DPT en atencin a la demanda pero con demora
de 90 das para el ajuste de capacidad.
3. Tener inventario de productos terminados con una cobertura de 2 das.
4. Pedido de materia prima constante en atencin a la demanda, pero ajustado
por variacin entre inventario de producto terminado deseado e inventario real
5. Capacidad de almacenamiento de materia prima = 3.000 L
6. Capacidad de despacho = 600 K
7. Estndar de almacenamiento de materia prima = 3.000 L/M3/D
8. Estndar de despacho de productos terminados = 600 K/M2/D
9. Estndar de produccin: 7 K/H/D.
10. Factor de materiales = 0,20 unidades de pt por unidades de mp ajustado por
variacin de fuerza laboral.
11. Demora en el despacho de leche = 1 D
180
181
182
183
cambia
184
185
186
187
TASA DE FLUJO:
1. Pedido de clientes: funcin tipo logstica desde 100 K hasta 600 K de queso
y as se mantiene hasta el final de la simulacin.
POLTICAS OPERACIONALES:
1. Fza laboral variable, incrementa o disminuye en atencin a la demanda
2. Capacidad iniciales variables en CL y DPT en atencin a la demanda pero
con demora de 90 das para el ajuste de capacidad.
3. Tener inventario de productos terminados con una cobertura de 1 da
4. Pedido de materia prima en atencin a la demanda, pero ajustado por
variacin entre inventario de producto terminado deseado e inventario real
5. Capacidad de almacenamiento de materia prima = 3.000 L
6. Capacidad de despacho = 600 K
7. Estndar de almacenamiento de materia prima = 1.000 L/M3/D
8. Estndar de despacho de productos terminados = 200 K/M2/D
9. Estndar de produccin: 7 K/H/D.
10. Factor de materiales = 0, 20 unidades de pt por unidad de mp ajustado por
variacin de fuerza laboral.
11. Demora en el despacho de leche = 1 D
188
189
190
7.2.6.5
191
192
por el efecto de la materia prima inicial y de los pedidos iniciales pero luego
disminuye hasta 0. El pedido de materia prima es el ltimo en descender (ver
figura 85). El nivel de inventario de la materia baja desde su valor inicial de
1000 litros, el nivel de pedidos pendientes disminuye hasta cero y el inventario
de productos terminados deseados tambin disminuye.
193
194
8 RESUMEN DE RESULTADOS
8. 1 Conclusiones Generales
1. El modelo conceptual de la cadena de suministro genrica, se realiz
utilizando lazos causales o retroalimentados donde se relaciona el nivel
suministrador de materia prima, el nivel transformador junto el inventario de
productos terminados del distribuidor y el nivel de capacidad de despacho del
distribuidor, de manera de observar como la estructura y las polticas
involucradas afectan el comportamiento del sistema.
2. El modelo responde apropiadamente a la siguiente situacin real: Un
aumento en los pedidos del cliente, producir un aumento en las rdenes
pendientes y un incremento en el inventario de productos terminados deseados.
Al poco tiempo tambin incrementa el inventario de materia prima y el de
productos terminados. Desde luego, una contraccin de la demanda inducir a
un inventario de materia prima en declive y a un aumento del inventario de
productos terminados hasta que sienta el impacto de la declinacin de la
demanda.
3. La metodologa para simular eventos discretos, es til para simular muchos
procesos operacionales del tipo manufactura o transformacin, donde
potencialmente se generen colas y permite equilibrar las lneas de
transformacin involucradas.
4. La metodologa de dinmica de sistemas, permite simular modelos de
sistemas desde una perspectiva continua, como por ejemplo: Un modelo de un
sistema transformador integrado con un suministrador de materia prima y un
distribuidores de productos terminados, con el objeto de analizar cmo la
195
de cualquier sector
196
197
198
199
200
201
202
203
204
Coad, L. A., y Van de Panne, C. (1996). Computer simulation for supplydemand interaction. The Canadian Journal of Economics. 29, 308.
Everett, A., y Ebert, R. (1991). Administracin de la produccin y de las
operaciones. Mxico: Prentice Hall.
Fernndez, E., Avella, L., y Fernndez, M. (2006). Estrategia de produccin
(2. ed.). Madrid: Mc Graw Hill Interamericana de Espaa.
Forrester, J. (1961). Industrial Dynamics. Cambridge: Wright-Allen Press.
Geoffrey G. (1980). Simulacin de sistemas. Mxico: Diana.
Gibb, A. (2005, Octubre 15). Las empresas metalmecnicas. Correo del
Caroni, p. A5.
Guasch, A., Piera, M., y Figueras, J. (2003). Modelado y simulacin,
aplicaciones a procesos logsticos de fabricacin y servicios (Segunda
ed.). Barcelona: UPC.
Haizer, J., Render, B. (1996). Direccin de la Produccin (6 ed.). Madrid:
Pearson Prentice Hall.
Hall, R. (1996). Organizaciones, estructuras, procesos y resultados (6 ed.).
Mxico: Prentice Hall.
Hayes, R., y Pisano, G. (1994). La nueva estrategia productiva. Summit, 2 (1),
11.
Hopeman, C. (1993). Planeacin, anlisis y control de las operaciones de
produccin. Mxico: Mc Graw Hill.
205
206
Minegishi, S., and Thiel, D. (2000). System dynamics modeling and simulation
of a particular food supply chain. Simulation Practice and Theory, 8(5),
321-339.
Narasinhan, S., Mcleavey, D., y Billington, P. (1996). Planeacin de la
produccin y control de inventario. Mxico: Prentice Hall.
Nonino, F., and Panizzolo, R. (2007). Integrated production/distribution
planning in the supply chain: The febal (wood producers) case study.
Supply Chain Management, 12(2), 150.
Pires, S., y Carretero Diaz, L. (2007). Gestin de la cadena de suministros.
Madrid: Mc Graw Hill.
Porter, M. (2006). Estrategia y ventaja competitiva. Madrid: Deusto.
Raisinghani, M. S., and Meade, L. L. (2005). Strategic decisions in supplychain intelligence using knowledge management: An analytic-networkprocess framework. Supply Chain Management, 10(2), 114.
Rico, J. (1992). Manual de modelos probabilsticas para la toma de decisiones.
Manual no publicado. Universidad de Oriente. Puerto Ordaz.
Sampieri, R., Collado, C., y Lucio, P. (2003). Metodologa de la investigacin
(3 ed.). Mxico: McGraw-Hill Interamericana.
Schroeder, R. (2005). Administracin de operaciones. Conceptos y casos
contemporneos (2 ed.). Mxico: Mc Graw Hill.
Senge, P. (1992). La quinta disciplina. Madrid: Juan Granica.
207
208
209
210
Cachon, G. P., and Fisher, M. (2000). Supply chain inventory management and
the value of shared information. Management Science, 46(8), 1032-1048.
Chase, R., y Aquilano, N. (1994). Direccin y administracin de la produccin
y las operaciones. Delaware: Addison Wesley Iberoamericana.
Chase, R., Aquilano, N., y Jacobs, R. (2000). Administracin de la produccin
y las operaciones, manufactura y servicios. Mxico: Mc. Graw Hill.
Chen, F. (1999). Decentralized supply chains subject to information delays.
Management Science, 45(8), 1076-1090.
Chen, F., Drezner, Z., Ryan, J. K., and Simchi-Levi, D. (2000). Quantifying the
bullwhip effect in a simple supply chain: The impact of forecasting, lead
times, and information. Management Science, 46(3), 436-443.
De Swaan Arons, H., van Asperen, E., Dekker, R., and Polman, M. (2004).
Coordination in a supply chain for bulk chemicals. Simulation Conference.
Proceedings of the 2004 Winter. 1365-1372, vol.2.
Delgado, J. (2002). Anlisis sistmico, su aplicacin a comunidades humanas.
Madrid: Cie Dossat.
Del-Rey-Chamorro, F. M., Roy, R., van Wegen, B., and Steele, A. (2003). A
framework to create key performance indicators for knowledge
management solutions. Journal of Knowledge Management, 7(2), 46.
Domnguez, E., and Muoz, J. (2007). A neural model for the p-median
problem. Computers & Operations Research, 35(2), 404.
211
212
213
Kim, B., and Oh, H. (2005). The impact of decision-making sharing between
supplier and manufacturer on their collaboration performance. Supply
Chain Management, 10(3/4), 223.
Kin, D. (1993). Systems archetypes: Diagnosing systemic issues and designing
high-leverage interventions. Cambridge: Pegasus Communications.
Kogut, B. (2000). The network as knowledge: Generative rules and the
emergence of structure. Strategic Management Journal, 21(3, Special
Issue: Strategic Networks), 405-425.
Liu, B., Chen, J., Liu, S., and Zhang, R. (2006). Supply-chain coordination
with combined contract for a short-life-cycle product. Systems, Man and
Cybernetics, Part A, IEEE Transactions on, 36, 53-61.
Lummus, R., and DeMarie, S. (2006), Evolutionary chain. Managing todays
supply chain means managing a strong corporate strategy. Industrial
Engineer, Junio 38.
Luo, Y., and Tu, F. (2005). Differentiated products combination pricing
strategy in supply chain. Simulation Conference. Proceedings of the 2001
Winter, 640-646, Vol. 1.
Mankins, M., and Steele, R. (2005, Como convertir una gran estrategia en un
gran desempeo. Harvard Business Review, 7 (1), 44.
Marnoch, K. (2003). Simulating business. Profit, 22(5), 83.
Moyaux, T., and Mcburney, P. (2006). Modelling a supply chain as a network
of markets. Simulation Conference. Proceedings of the 2001 Winter , 816821.
214
Parsons, D. J., Clark, R. J., and Payette, K. L. (2004). Impact of production run
length on supply chain performance. Simulation Conference. Proceedings
of the 2004 Winter, 1153-1157, vol.2.
Pathak, S. D., and Dilts, D. M. (2002). Simulation of supply chain networks
using
complex
adaptive
system
theory.
Simulation
Conference.
215
216
217
218
ANEXO 1
CUESTIONARIO PARA DETERMINAR ESTRUCTURAS DE CADENAS
DE SUMINISTROS Y POLITICAS OPERACIONALES
Para: Gerentes de PYMES Transformadoras
Nombre de la Empresa:
___________________________________________________________
Ubicacin de la empresa:
___________________________________________________________
___________________________________________________________
Telfono: ___________________
Email: _______________________
PROPSITO DEL CUESTIONARIO:
Determinar una descripcin de la Cadena de Suministro de una PYME
Transformadora y las decisiones operacionales que la administracin puede tomar ante
un incremento o disminucin de la demanda.
219
220
221
2.3 INVENTARIO
222
3.5 CALIDAD
223
ANEXO 2
Protocolo de Muestreo
El clculo de la muestra se determina para cada aplicacin: Madera-Mueble y
Leche-Quesos Blandos.
Poblacin: 21 Carpinteras y 14 Queseras ubicadas en la ciudad de Upata,
Estado Bolvar, Venezuela.
Determinacin del Tamao de la Muestra para poblaciones grandes y finitas
2
N * Zc * S 2
n 2
2
e N 1 Z c S 2
Donde:
n : Tamao de la muestra
N: Tamao de la poblacin
Zc: coeficiente de confianza
Nivel de Confianza 95% => Zc = 1,96
e: representar el error muestral o la diferencia entre la media muestral X y la
poblacin, (e: error admisible debe ser a lo sumo 5% por encima o por debajo
del valor real).
S: desviacin tpica Estndar
S = P. Q = 0.50. 0.50 = 0.25
P: es la proporcin poblacional. P puede ser estimada de experiencias
anteriores de esta naturaleza.
Q: La proporcin contraria a P, se obtiene calculando 1 - P = Q.
Datos del estudio:
N = 21 Carpinteras en Madera-Muebles
N = 14 Queseras en leche-Quesos
e = 0,05
224
225
ANEXO 3
Tiempo de Entrega de la
materia prima (en semanas)
(principal)
Tiempo de Entrega de la
materia prima (en semanas)
(segundo)
Tiempo de Entrega de la
materia prima (en semanas)
(tercero)
Distancia entre sus fuentes
principales de materia prima
(segundo) (km)
Distancia entre sus fuentes
principales de materia prima
(principal) (km)
Distancia entre sus fuentes
principales de materia prima
(tercero) (km)
Tiempo de Entrega del
pedido a su distribuidor (en
semanas) (principal)
Tiempo de Entrega del
pedido a su distribuidor (en
semanas) (segundo)
Tiempo de Entrega del
pedido a su distribuidor (en
semanas) (tercero)
Distancia entre su empresa
y sus distribuidores
principales (principal) (km)
Distancia entre su empresa
y sus distribuidores
principales (segundo) (km)
Distancia entre su empresa
y sus distribuidores
principales (tercero) (km)
N vlido (segn lista)
Mnimo
Mximo
Media
Desv. tp.
20
,10
4,00
1,2250
1,10923
11
,10
4,00
1,3636
1,54160
10
,10
2,00
,8000
,87050
13
1,00
50,00
30,7692
22,40965
20
,30
50,00
14,9300
17,00787
12
4,00
80,00
42,3333
26,75931
20
20
6,60
4,903
4,00
,000
2,00
60,00
39,0000
28,92058
0
0
226
ANEXO 4
Mnimo
Mximo
Media
Desv. Tp.
Tiempo de Entrega de
materia prima (en horas)
14
,50
2,00
1,2143
,54470
Tiempo de Entrega de
materia prima (en horas)
14
,50
2,00
1,2143
,54470
Tiempo de Entrega de
materia prima (en horas)
14
,50
2,00
1,2143
,54470
14
5,00
200,00
100,3571
63,86477
14
8,00
200,00
100,5714
63,52433
14
10,00
200,00
100,7143
63,30200
14
,15
3,00
,3536
,76169
4,00
4,00
4,0000
14
10,00
500,00
119,2857
163,50555
14
10,00
500,00
120,3571
162,95899
12
10,00
500,00
130,8333
174,74440
227
ANEXO 5
Ecuaciones de la Cadena de Suministro Genrica
INIT cap__despacho_pt = 0
flow cap_despacho_pt = +dt*incremento
-dt*disminucin
unit cap__despacho_pt = M2
INIT capac_alm_mp = 0
flow capac_alm_mp = -dt*disminuye
+dt*aumenta
unit capac_alm_mp = M2
init
capacid_fza_lab = 6
flow capacid_fza_lab = +dt*contrato
-dt*despido
unit capacid_fza_lab = hombres
init
inv_mat_pri_ = 50
flow inv_mat_pri_ = -dt*despacho_mat_p
+dt*pedido_mat_p
unit inv_mat_pri_ = unidades
init
inv_prod_ter = 25
flow inv_prod_ter = -dt*tasa_de_entrega
+dt*tasa_de_produccion
unit inv_prod_ter = unidades
INIT pedidos_pend = 0
flow pedidos_pend = -dt*ped_entreg
+dt*ped_clientes
unit pedidos_pend = unidades
aux
aumenta = incrementar_cap_almc
unit aumenta = M2/semana
aux
contrato = contratacion
unit contrato = hombres/semana
aux
despacho_mat_p = inv_mat_pri_/Demora_entrega
unit despacho_mat_p = unidades/semana
aux
despido = capacid_fza_lab/tiempo_medio_empres
unit despido = hombres/semana
aux
disminucion = cap__despacho_pt/concluir
unit disminucion = M2/semana
aux
disminuye = capac_alm_mp/tdd
unit disminuye = M2/semana
228
aux
unit
aux
unit
aux
unit
aux
unit
aux
unit
aux
unit
aux
unit
aux
unit
aux
doc
unit
aux
unit
aux
unit
aux
unit
aux
doc
unit
aux
unit
aux
unit
aux
incremento = incrementar_cap_desp
incremento = M2/semana
ped_clientes = 15+nuevos_pedidos
ped_clientes = unidades/semana
ped_entreg = tasa_de_entrega
ped_entreg = unidades/semana
pedido_mat_p =
IF(factor_de_pedidos*(inv_pt_desead/inv_prod_ter)<=cap_almac_actu
al,factor_de_pedidos*(inv_pt_desead/inv_prod_ter), cap_almac_actual)
pedido_mat_p = unidades/semana
tasa_de_entrega = IF(preentrega<=cap_desp_actual,
preentrega,cap_desp_actual)
tasa_de_entrega = unidades/semana
tasa_de_produccion = despacho_mat_p*factor_de_pro_ajusta
tasa_de_produccion = unidades/semana
ajuste_de_inv_pt = (inv_pt_desead-inv_prod_ter)/tiempo_de_ajuste
ajuste_de_inv_pt = unidades/semana
ajuste_inv_mp = (inv_mat_pri_des-inv_mat_pri_)/tiemp_ajuste_
ajuste_inv_mp = unidades/semana
Cap_alm_ajustada = capac_alm_mp*10
Cap_alm_ajustada = 10 es el estandar unidades/M2/semana por M2 =
unidades/semana
Cap_alm_ajustada = unidades/semana
cap_alm_deseado =
(demanda_prevista+ajuste_inv_mp)/estandar_de_almacena
cap_alm_deseado = M2
cap_almac_actual = 10+DELAYINF(Cap_alm_ajustada,
dem_ajus_cap)
cap_almac_actual = unidades/semana
cap_desp_actual = 10+DELAYINF(cap_desp_ajust, dem_ajust_cap)
cap_desp_actual = unidades/M2/semana
cap_desp_ajust = cap__despacho_pt*10
cap_desp_ajust = 10 es el estandar unidades/M2/semana por M2 =
Unidades por semana
cap_desp_ajust = unidades/semana
capacidad_desp_desead =
(demanda_prevista+ajuste_de_inv_pt)/estndar_de_despacho
capacidad_desp_desead = M2
contratacion = (fza_lab_deseada-capacid_fza_lab)/tct
contratacion = hombres/semana
demanda_prevista = SUM(1..10; ped_clientes)/promedio_movil
229
unit
aux
unit
aux
aux
unit
aux
unit
aux
unit
aux
unit
aux
unit
aux
unit
aux
unit
const
unit
const
unit
const
unit
const
doc
unit
const
doc
unit
const
unit
const
unit
const
demanda_prevista = unidades/semana
factor_de_pedidos = ped_clientes
factor_de_pedidos = unidades/semana
factor_de_pro_ajusta =
0.80+GRAPH(capacid_fza_lab,1,1,[0,0,0,0,0,0,0.1,0.1,0.1,0.1,0.1,0.1,0.
1,0.1,0.1,0.15,0.15,0.15,0.15,0.15"Min:0;Max:1"])
fza_lab_deseada =
(demanda_prevista+ajuste_de_inv_pt)/estandar_produccin
fza_lab_deseada = hombres
incrementar_cap_almc = (cap_alm_deseado-capac_alm_mp)/tdi
incrementar_cap_almc = M2/semana
incrementar_cap_desp = (capacidad_desp_deseadcap__despacho_pt)/tpi
incrementar_cap_desp = M2/semana
inv_mat_pri_des = demanda_prevista*cober_mp_desea
inv_mat_pri_des = unidades
inv_pt_desead = demanda_prevista*cobertura_pt_desead
inv_pt_desead = unidades
nuevos_pedidos = STEP(0, 0)
nuevos_pedidos = unidades/semana
preentrega = IF(pedidos_pend<=inv_prod_ter, pedidos_pend,
inv_prod_ter)
preentrega = unidades
cober_mp_desea = 4
cober_mp_desea = semanas
cobertura_pt_desead = 8
cobertura_pt_desead = semanas
concluir = 52
concluir = semanas
dem_ajus_cap = 300
dem_ajus_cap = demora incrementar la capacida fija
dem_ajus_cap = semanas
dem_ajust_cap = 450
dem_ajust_cap = demora en incrementar la capacidad fija
dem_ajust_cap = semanas
Demora_entrega = 4
Demora_entrega = semanas
estandar_de_almacena = 10
estandar_de_almacena = unidades/M2/semana
estndar_de_despacho = 10
230
doc
alto
unit
const
unit
const
unit
const
const
unit
const
unit
const
unit
const
unit
const
const
unit
cap__almac_mp = 0
cap__almac_mp = -dt*disminuy
+dt*increment
cap_despacho_pt = 0
cap_despacho_pt = +dt*incrementa
-dt*disminucion
capacid_fza_lab = 10
capacid_fza_lab = +dt*contrato
-dt*despido
inv_mat_p_ = 50
inv_mat_p_ = -dt*despacho_mat_p
+dt*pedido_mat_p
inv_prod_ter = 25
inv_prod_ter = +dt*tasa_de_produccin
-dt*tasa_de_entrega
pedidos_pend = 0
pedidos_pend = -dt*ped_entreg
+dt*ped_clientes
contrato = contratacion
231
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
doc
aux
aux
aux
aux
doc
aux
aux
aux
aux
aux
aux
aux
despacho_mat_p = inv_mat_p_/demora_entrega
despido = capacid_fza_lab/tiempo_medio_empres
disminucion = cap_despacho_pt/termi_contrato
disminuy = cap__almac_mp/conclusion
increment = incrementar_cap_mp
incrementa = inremento_cap_despch
ped_clientes = nuevos_pedidos
ped_entreg = tasa_de_entrega
pedido_mat_p =
IF(factor_de_pedido_mp*inv_pt_deseada/inv_prod_ter<=cap_almac_ac
tual, factor_de_pedido_mp*inv_pt_deseada/inv_prod_ter,
cap_almac_actual)
tasa_de_entrega = IF(preentrega<=cap_desp_actual, preentrega,
cap_desp_actual)
tasa_de_produccin = despacho_mat_p*factor_de_pro_ajusta
ajuste_de_inv_pt = (inv_pt_deseada-inv_prod_ter)/tiempo_de_ajuste
ajuste_inv_mp = (inv_mat_pri_des-inv_mat_p_)/tiemp_ajuste_
Cap_alm_ajustada = cap__almac_mp*50
Cap_alm_ajustada = 50 es el estandar M3/M2/Semana por M2 es igual
M3/semana
cap_almac_actual = 50+DELAYINF(Cap_alm_ajustada,
dem_ajus_cap)
cap_desp_actual = 30+DELAYINF(capacidad_desp_ajustada,
dem_ajust_cap)
capacidad_alm__deseada =
(demanda_prevista+ajuste_inv_mp)/estandar_de_almacena
capacidad_desp_ajustada = cap_despacho_pt*30
capacidad_desp_ajustada = 30 es el estandar M3/M2/semana por M2 es
igual M3/semana
capacidad_despach_des =
(demanda_prevista+ajuste_de_inv_pt)/estandar_de_despacho
contratacion = (fza_lab_deseada-capacid_fza_lab)/t_cont
demanda_prevista = SUM(1..10; ped_clientes)/promedio_movil
factor_de_pedido_mp = ped_clientes
factor_de_pro_ajusta =
0.80+GRAPH(capacid_fza_lab,0,1,[0,0,0,0,0,0,0,0,0.1,0.1,0.1,0.1,0.1,0.
1,0.1,0.1,0.1,0.1,0.1,0.1"Min:0;Max:1"])
fza_lab_deseada =
(demanda_prevista+ajuste_de_inv_pt)/estandar_produccion
incrementar_cap_mp = (capacidad_alm__deseada-cap__almac_mp)/tpi
232
aux
aux
aux
aux
const
const
const
const
const
doc
const
const
const
const
const
const
const
const
const
const
const
const
const
inremento_cap_despch = (capacidad_despach_descap_despacho_pt)/tiempo_para_contrat
inv_mat_pri_des = demanda_prevista*cober_mp_desea
inv_pt_deseada = demanda_prevista*cobertura_de_inv_des
preentrega = IF(pedidos_pend<=inv_prod_ter, pedidos_pend,
inv_prod_ter)
cober_mp_desea = 4
cobertura_de_inv_des = 4
conclusion = 52
dem_ajus_cap = 500
dem_ajust_cap = 500
dem_ajust_cap = treinta dias para buscar almacenamiento adicional
demora_entrega = 4
estandar_de_almacena = 50
estandar_de_despacho = 30
estandar_produccion = 5
nuevos_pedidos = 15
promedio_movil = 10
t_cont = 4
termi_contrato = 52
tiemp_ajuste_ = 4
tiempo_de_ajuste = 4
tiempo_medio_empres = 52
tiempo_para_contrat = 1
tpi = 2
cap__almac_mp = 0
cap__almac_mp = -dt*dismin
+dt*aument
cap__desp_pt = 0
cap__desp_pt = +dt*aumenta
-dt*disminuye
capacid_fza_lab = 15
capacid_fza_lab = +dt*contrato
-dt*despido
inv_prod_ter = 200
inv_prod_ter = +dt*tasa_de_produccin
-dt*tasa_de_entrega
inventario_mat_p = 1000
233
flow
init
flow
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
aux
doc
aux
aux
aux
doc
aux
aux
aux
aux
aux
aux
inventario_mat_p = -dt*despacho_mat_p
+dt*pedido_mat_p
pedidos_pend = 0
pedidos_pend = -dt*ped_entreg
+dt*ped_clientes
aument = increment_cap_alm
aumenta = incrementar_cap_desp
contrato = contratacion
despacho_mat_p = inventario_mat_p/demora_en_despacho
despido = capacid_fza_lab/tiempo_medio_empres
dismin = cap__almac_mp/disminuir_
disminuye = cap__desp_pt/disminuir
ped_clientes = nuevos_pedidos
ped_entreg = tasa_de_entrega
pedido_mat_p =
IF(factor_de_pedido*inv_pt_deseada/inv_prod_ter<=cap_almac_actual,
factor_de_pedido*inv_pt_deseada/inv_prod_ter, cap_almac_actual)
tasa_de_entrega = IF(preentrega<=cap_desp_actual, preentrega,
cap_desp_actual)
tasa_de_produccin = despacho_mat_p*factor_de_pro_ajusta
ajuste_de_inv_pt = (inv_pt_deseada-inv_prod_ter)/tiempo_de_ajuste
ajuste_inv_mp = (inv_mat_pri_des-inventario_mat_p)/tiemp_ajuste_
cap_alm__des = (demanda_prevista+ajuste_inv_mp)/estand_de_almac
Cap_alm_ajustada = cap__almac_mp*3000
Cap_alm_ajustada = 3000 es el estandar L/M3/S por M3 da L/S
cap_almac_actual = 3000+DELAYINF(Cap_alm_ajustada,
dem_ajus_cap)
cap_desp_actual = 600+DELAYINF(cap_desp_ajust, dem_ajust_cap)
cap_desp_ajust = cap__desp_pt*600
cap_desp_ajust = 600 es el estandar K/M2/S por M2 queda K/S
capacidad_despacho_des =
(demanda_prevista+ajuste_de_inv_pt)/estandar_de_despacho
contratacion = (fza_lab_deseada-capacid_fza_lab)/tiempo_cont
demanda_prevista = SUM(1..10; ped_clientes)/tiempo_promedio_movil
factor_de_pedido = ped_clientes
factor_de_pro_ajusta =
0.20+GRAPH(capacid_fza_lab,0,1,[0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0.2,0.
2,0.2,0.2,0.2,0.2,0.2,0.2"Min:0;Max:1"])
fza_lab_deseada =
(demanda_prevista+ajuste_de_inv_pt)/estandar_produccion
234
aux
aux
aux
aux
aux
const
const
const
const
doc
const
const
const
const
const
const
const
const
const
const
const
const
const
const
increment_cap_alm = (cap_alm__descap__almac_mp)/tiempo_para_incremet
incrementar_cap_desp = (capacidad_despacho_descap__desp_pt)/tiempo_para_incre
inv_mat_pri_des = demanda_prevista*cober_mp_des
inv_pt_deseada = demanda_prevista*cobertura_de_inv_des
preentrega = IF(pedidos_pend<=inv_prod_ter, pedidos_pend,
inv_prod_ter)
cober_mp_des = 4
cobertura_de_inv_des = 1
dem_ajus_cap = 90
dem_ajust_cap = 500
dem_ajust_cap = treinta dias para buscar almacenamiento adicional
demora_en_despacho = 1
disminuir = 365
disminuir_ = 365
estand_de_almac = 3000
estandar_de_despacho = 600
estandar_produccion = 7
nuevos_pedidos = 100
tiemp_ajuste_ = 4
tiempo_cont = 30
tiempo_de_ajuste = 4
tiempo_medio_empres = 365
tiempo_para_incre = 30
tiempo_para_incremet = 30
tiempo_promedio_movil = 5
235
ANEXO 6
Modelo de Simulacin Dinmica para Ensayar Polticas
Operacionales en PYMES Transformadoras
WILFREDO GUAITA
Universidad de Guayana, Ing. Industrial, Prof. Agregado
wguaita@uneg.edu.ve
Resumen:
Con el fin de determinar las polticas operacionales mas viables derivadas de
las estrategias competitivas implementadas por las PyMES Transformadoras,
especficamente las referidas a los sistemas de produccin tipo talleres
(Everett & Ebert, 1.991) se dise un modelo de simulacin dinmica del
proceso: Pedido-Transformacin-Entrega (PTE), configurndolo sobre la base
de una muestra de diez empresas representativas del sector metalmecnico,
radicadas en Guayana, Venezuela.
Como primer paso, fue necesario presentar el modelo esquemtico del proceso
PTE, Para luego disear el modelo conceptual de relaciones causales como
paso previo al modelo informtico, elaborado en lenguaje de simulacin
dinmica (Powersim 2.0). Con esta representacin del proceso PTE del sistema
real, se simul el comportamiento en el tiempo, ensayando con distintas
polticas operacionales del tipo capacidad o inventario, luego de hacer
variaciones al flujo de pedidos de clientes.
Algunos de los resultados muestran, que ensayar polticas de aumentar
capacidad de almacenaje de materia prima o inventarios de productos
terminados, no ayuda significativamente a mejorar las entregas de pedidos, si
no se evala conjuntamente con el nivel de pedidos entrantes. En otras
palabras, polticas que parecen lgicas para resolver situaciones en el corto
plazo, son contraproducentes en el largo plazo.
Como conclusin final del estudio se debe sealar la inconveniencia de seguir
con la prctica comn de muchos talleres metalmecnicos, de aceptar todos los
pedidos aun cuando supere su capacidad de produccin, lo que obliga a poner
236
237
1. INTRODUCCIN
Las Pequeas y Medianas Empresas, se han convertido en uno de los motores
principales para el crecimiento de la inversin, del empleo y para el desarrollo
de la competitividad de un sector industrial, de una regin o pas. Esta realidad
la confirman mltiples estudios y experiencias en distintos pases.(Linares,
1996) En el caso de Amrica Latina, Las PyMES representa, en promedio, un
90% del conglomerado de empresas, emplean alrededor del 70% de la mano de
obra y contribuyen entre un 20 y 30% del PIB; en Venezuela aportan un 13%
del PIB y emplean, conjuntamente con las microempresas (1.300.000 personas,
aproximadamente), el 55% de la poblacin econmicamente activa.(Francs,
2001).
Sin embargo, en el pas, el cierre de Pequeas o Medianas Empresas ha sido
notorio en los ltimos aos. De un total de 11.640 para el ao 1.998, han
sobrevivido 4.903, las cuales trabajan actualmente, en promedio, entre un 50 y
60% de su capacidad instalada. Desde luego hay que admitir un crecimiento
desde el ao 2004, por el orden de un 30% en el uso de la capacidad de
transformacin, pero este crecimiento muestra sntomas de estancamiento.
Este estancamiento en el crecimiento o cierre de empresas es originado por
mltiples causas, como por ejemplo: bajo desarrollo gerencial y limitaciones en
formulacin de planes de produccin y estrategias competitivas; atomizacin y
sobre-diversificacin de la produccin y escasa especializacin; mucha
obsolescencia en equipos y gran dependencia de insumos, maquinarias y
tecnologa importada; falta de informacin relacionada con procesos tcnicos y
bajas relaciones con centros de investigacin de universidades y carencia de
mecanismos financieros apropiados, giles, suficientes y oportunos. (Jurisch &
Centeno, 2002).
En ese sentido, el objetivo de este estudio es modelar polticas operacionales
tipo proceso, capacidad o inventario (Schroeder, 2005) simulando escenarios
expansivos o restrictivos del comportamiento de la demanda que impacten a la
organizacin, especficamente, en el nivel de entrega de pedidos a clientes, lo
que de incide significativamente, en la competitividad del sector
metalmecnico.
Simular, en una base tiempo, polticas consecuencia de estrategias
operacionales en empresas del sector antes sealado, facilita la planificacin
de la produccin (Hopeman, 1993) y sirve de entrenamiento a la gerencia de la
PYME Transformadora.
238
239
5.
6.
7.
8.
9.
240
241
242
243
244
245
246
247
Las ordenes pendientes crecen linealmente a partir del perodo 8, tal como en el
ensayo anterior, lo que significa que el aumento en la capacidad de recepcin,
como poltica aislada, tampoco fue suficiente para reducir las probables
demoras en las entregas de pedidos, dado lo bajo del inventario de artculos
terminados. An cuando el inventario de materia prima aumenta en la
simulacin.
La gerencia debe seguir ensayando otras polticas si quiere, por ejemplo
minimizar los reclamos disminuyendo el tiempo de espera al cliente. En
resumen, con este ensayo de continuar recibiendo rdenes de manera
constantes, a razn de 20 UP por perodo, y mejorando slo la capacidad de
recepcin de la materia prima, tampoco reduce el nivel de ordenes pendientes
que crece linealmente a partir del perodo 7 (ver figura 9).
3.3.4 Ensayo con Perdida de Mercado Acelerada.
La figura 10 muestra el resultado de las interacciones del modelo a lo largo de
30 unidades de tiempo. La nica variable que se hace cambiar es la tasa de
ordenes, que declina desde 20 UP hasta 0 unidades en el perodo 11. Este
ensayo puede ser el escenario de una perdida de mercado constante y
acelerada en el tiempo, para productos metalmecnicos, que si no se hace
ningn cambio en las otras variables, ocurrirn los resultados mostrados en los
distintos niveles, figura 10.
248
249
250
251
4. CONCLUSIONES
1. El modelo de produccin simplificado del proceso: Pedido-TransformacinEntrega de un Taller Metalmecnico, simulado en un entorno Powersim 2.0,
responde apropiadamente a la situacin real, en el sentido que un aumento en
los pedidos, producir un aumento en las rdenes pendientes y un incremento
en el inventario deseado. Al poco tiempo tambin incrementa el inventario de
materia prima y el de productos terminados. Desde luego, una contraccin de la
demanda inducir a un inventario en declinacin.
2. Aceptar todos los pedidos de los clientes aun cuando estos crezcan de
manera exponencial, da como resultado ms relevante un crecimiento tambin
exponencial de las rdenes pendientes y desde luego un retrazo en las entregas
y una prdida de credibilidad del taller.
3. Aceptar un incremento controlado de pedidos, bajo una funcin tipo escaln
de un paso, es decir de 20 UP a 30, resulta luego de una oscilacin un
reequilibrio a los 15 das en la tasa de recepcin de materia prima y la tasa de
embarque. El inventario de materia prima crece al igual que las rdenes
pendientes.
4. Mantener una tasa de rdenes recibidas constante en 20 UP e incrementar la
capacidad de recepcin de la materia prima, no detiene el incremento en las
rdenes pendientes. Aspecto que si se logra, cuando se mantiene la tasa de
rdenes recibidas en 5 UP constante a lo largo de la simulacin, lo que
significa que el nivel de inventario de productos terminados permanece por
encima del nivel de rdenes pendientes.
5. En una situacin de prdida acelerada de Mercado. Es decir, la tasa de
rdenes colocadas por los clientes desciende de 20 UP a 0, en un lapso de 11
unidades de tiempo de simulacin da como resultado, un inventario de artculos
terminados altos al final de la simulacin
252
Referencias Bibliogrficas
EVERETT, Adam; EBER Ronald. Administracin de la Produccin y de las
Operaciones, Mxico, Ed. Prentice Hall, 1.991
FORRESTER, Jay. Industrial Dynamics, Cambridge, Ed. Wright-Allen Press, 1.961
FRANCS, Antonio. Estrategia Para la Empresa en Amrica Latina, Caracas, Ed.
IESA, 2.001
GRAS, Jos. Estrategia para La Competitividad de la PYME, Madrid, Ed. McGraw
Hill, 2.000
HOPEMAN, Richar. Planeacin, Anlisis y Control de las Operaciones de
Produccin, Mxico, Ed. Mc Graw Hill, 1.993
JURISCH, Charlotte; CENTENO, Rene. Evaluacin del Impacto Econmico, Social y
de Desarrollo Tecnolgico de las Pequeas y Medianas Empresas (PYME)
que Operan en Ciudad Guayana, Caracas, III Foro Guayana Sustentable, Ed.
UCAB, 2.000
LINARES, Ramn. Estrategias Gerenciales Para la Pequea y Mediana Empresa,
Caracas, Ed. IESA, 1.996
MARTIN, Juan. Teora y Ejercicios Prcticos de Dinmica de Sistemas, Barcelona,
2.003
PORTER, Michel. Estrategia y Ventaja Competitiva, Barcelona, Ed. Deusto, 2.006
RENDER, Barry. HEIZER, Jay. Direccin de la Produccin, Decisiones Estratgicas,
Madrid, Ed. Person Educacin, 2.001
SCROEDER, Roger. Administracin de Operaciones,
Contemporneos. Mxico, Ed. McGraw Hill, 2.005
Conceptos y
Casos
253
ANEXO 7
Anlisis de los Factores Incidentes en la Gestin del Conocimiento
Caso: Gerencia de Colada CVG Venalum.
Marian Gmez , Carlos Rodrguez Monroy , Wilfredo Guaita3
Resumen
La presente investigacin, tuvo como propsito, analizar los factores que
inciden en la Gestin del Conocimiento (GC) en la Gerencia de Colada de
CVG Venalum, considerando el Modelo MAGIC (Modelo para Ayuda de la
Gestin Integrada del Conocimiento) de (Rivero 2006) para aumentar la
competitividad. Metodolgicamente, este estudio se inscribe en la modalidad
de investigacin de campo, de carcter descriptivo, el mismo permiti
encontrar las relaciones entre las 36 variables del modelo, divididas en los
enfoques: cultural, metodolgico, organizacional y tecnolgico; para
explicarlas por medio de unas dimensiones que las agruparon como las
variables objeto de estudio, permitiendo identificar que la GC est conformada
por 4 factores, stos se pueden construir en 4 dimensiones para explicar las
variables con base al 63,93% de la varianza total. El primer factor se refiere a
la formacin, el segundo a las TICs, el tercero a mejoras continuas, y el ltimo
factor asociado a la toma de decisiones. Demostrndose, con el estudio, que las
variables de mayor incidencia son las del enfoque cultural y tecnolgico,
quedando solapado el metodolgico y organizacional.
Palabras Claves: anlisis multifactorial, gestin del conocimiento, CVG.
Venalum, Modelo MAGIC.
Abstract
The present investigation had like intention to determine the factors that affect
the Knowledge Management (KM) in the Management of casting of CVG
Venalum, considering the Model MAGIC of (Rivero,2006) increasing the
competitiveness. Methodologically, this study registers in the modality of
investigation of field, of descriptive character, which allowed to find the
relations between the 36 divided variables of the model in the approaches:
cultural, methodological, organizational and technological; and to explain them
by means of dimensions that grouped them. The variable objects of study
allowed identifying that the KM is conformed by 4 factors which can be
constructed in 4 dimensions to explain the variable with 63.93% of the total
variance. The first factor talks about the formation, the second to the Tics, the
third a continuous improvement and the last factor associated to the decision
254
making. Demonstrating itself with the study that the variables of greater
incidence are those of the approach: cultural and technological, being left
methodological and the organizational one sly.
Key words: Multifactor analysis, Management of the Knowledge, CVG.
Venalum, Model MAGIC.
1. Introduccin
La creciente velocidad de cambios impulsados por la globalizacin, el
acelerado desarrollo tecnolgico producto del crecimiento sostenido de las
tecnologas de informacin y comunicaciones (TICs) y la influencia de Internet
como proveedor mundial de grandes volmenes de informacin, revelan que
incursiona en la era de los intangibles, donde la aplicacin de los
conocimientos para innovar, ser la nica ventaja competitiva sostenible por
sus caractersticas especficas que dificultan su imitacin y transferencia. En
este sentido, la Gestin del Conocimiento (GC) se presenta como el arte de
crear valor mediante el afianzamiento de los activos intangibles (Tiwana,
2000). Su objetivo es optimizar al mximo la explotacin de los activos
intelectuales en una compaa. Para algunos, su principal funcin es que una
empresa u organizacin no pase dos veces por un mismo proceso para resolver
nuevamente el mismo problema. Para otros, esta gestin se caracteriza por
transformar el conocimiento tcito en conocimiento explcito (Nonaka &
Takeuchi, 1995) y para ello existen sistemas y tcnicas especiales para
representar y gestionar el conocimiento como por ejemplo, la ingeniera de
software.
La falta de competitividad de la empresa CVG Venalum, la ms importante de
Venezuela en el sector aluminio, fue evidenciada en el ltimo ejercicio fiscal,
consecuencia de la rotacin de personal experto, fuga del personal clave en el
manejo y uso del conocimiento de los procesos de fabricacin, constantes
reestructuraciones y elevados costos de produccin por el incremento de la
fuerza laboral. Adicionalmente, para la empresa representa un riesgo
considerable contar con un historial de organizacin poco documentada que
conlleva a la prdida de tiempo en la bsqueda de informacin para establecer
mejoras operativas e innovaciones en procesos o productos que pudiesen haber
ayudado a diversificar la produccin.
Este estudio tiene como propsito analizar la Gestin del Conocimiento en el
rea de colada de CVG Venalum (empresa estatal reductora de aluminio
primario), aplicando el modelo MAGIC (Modelo para Ayuda de la Gestin
Integrada del Conocimiento) de (Rivero 2006), el cual consta de cuatro
enfoques que permiten explicar la situacin actual de la empresa desde las
siguientes perspectivas: cultural (cultura del conocimiento y en la forma de
comunicacin y socializacin); organizativa (procesos y la forma en que se
255
256
257
258
Organizati
Solucin de
Gestin del
Conocimiento
Metodolgico
y Operativo
Apoyo
Tecnolgico
En el caso del modelo de MAGIC es una versin ms amplia del modelo de
Referencia, responde a esquemas de tipo ms bien plano, consisten en una serie
de procesos secuenciales representados como diagramas con ramificaciones,
divididos en cuatro enfoques (cultural social, metodolgico y operativo,
organizacional y tecnolgico) y centrados en el ciclo del conocimiento en las
organizaciones, representados en el grfico 2 sus elementos principales se
definen seguidamente: identificar cules son los conocimientos necesarios para
el desarrollo ptimo tanto de las actividades actuales como las que sean preciso
acometer en el futuro; proteger los conocimientos disponibles, evitando
prdidas y fugas; finalmente, aplicar eficientemente los conocimientos
disponibles que, si se ha procedido de la forma indicada en el primer paso,
sern, adems, los idneos para el desarrollo de las actividades de la
organizacin.
259
Conocimiento
Requerido para el Desarrollo
de planes futuros
Conocimientos
Requeridos en
la actualidad
Identificar el
Conocimiento
requerido
Identificacin de
Necesidades
Adicionales
de conocimientos
Determinar
carencias de
conocimientos
Generacin
Adquisicin
Importacin
Identificar
Conocimientos
disponibles
Subsanar
Carencias de
conocimientos
Representacin
Del conocimiento de
Origen externo
Crear
Conocimiento
estructural
Conocimientos
disponibles
Representacin
Del conocimiento
propio
Evitar
prdidas
Proteccin del
Conocimiento
disponible
Captacin de
la
Generacin no
Programada
De
conocimientos
Apoyo a la
Transmisin del
conocimiento
Disponer del
Conocimiento
requerido
Asimilacin de
Conocimientos
Por los
usuarios
Evitar
fugas
Capacidad de
absorcin
Experimentacin
Tutora
Generacin no
Programada
de
conocimientos
Apoyo
on-line
y off
line
Utilizar
eficientemente
el
conocimiento
Adecuacin de
Procesos
260
P_1
P_2
P_3
P_4
P_5
P_6
P_7
P_8
P_9
P_1
0
Extr
In Extr
In Extr
Inic Extrac
Inic acci
ici acci
ici acci
ial
cin
ial
n
al
n
al
n
,89
P_1 ,77
P_2 ,9
P_3 ,9
,657
,225
,718
,661
1
0
1 21
1 29
6
P_1 ,84
P_2 ,8
P_3 ,9
,89
,717
,495
,520
,856
3
2
4
2 36
2 46
,86
P_1 ,89
P_2 ,9
P_3 ,9
,656
,707
,814
,842
0
3
3
3 15
3 40
,81
P_1 ,86
P_2 ,9
P_3 ,9
,360
,819
,656
,753
9
4
2
4 52
4 11
,83
P_1 ,88
P_2 ,8
P_3 ,9
,593
,763
,522
,902
8
5
1
5 62
5 82
,88
P_1 ,91
P_2 ,9
P_3 ,9
,790
,782
,616
,962
6
6
3
6 13
6 87
,88
P_1 ,80
P_2 ,8
,761
,598
,604
0
7
4
7 94
,83
P_1 ,89
P_2 ,9
,359
,854
,522
3
8
3
8 11
,72
P_1 ,85
P_2 ,8
,380
,560
,564
1
9
5
9 83
,76
P_2 ,88
P_3 ,9
,230
,651
,547
3
0
6
0 17
Fuente: elaboracin propia.
261
Co
mp
1
2
3
4
5
6
7
8
9
10
36
Autovalores iniciales
% de
%
la
varian Acum
Total
ulado
za
15,081 41,891 41,891
5,810
16,140 58,031
1,892
5,255
63,285
1,811
5,030
68,315
1,665
1,397
,916
,886
,730
,590
4,626
3,882
2,543
2,460
2,027
1,639
,006
,017
72,942
76,823
79,367
81,827
83,853
85,492
...
100,00
0
Suma de la
saturaciones al
cuadrado de la
extraccin
% de
%
la
Tot varia Acum
al
ulado
nza
11, 31,86
31,866
472
6
8,5 23,76
55,634
57
8
1,5
4,266 59,900
36
1,4
4,031 63,931
51
Suma de las
saturaciones al
cuadrado de la
rotacin
% de
%
la
varia Acum
Total nza
ulado
25,32
9,116
25,321
1
17,36
6,251
42,684
3
13,79
4,967
56,482
8
2,681 7,449 63,931
262
,678
-,072
,338
,276
P-21
,720
,087
,364
,244
P-4
,451
,099
-,013
,382
P-22
,251
,485
,149
,447
P-5
,300
,484
,069
,515
P-23
,801
,173
,350
,138
P-6
,092
,404
,222
,754
P-24
,739
,142
,298
-,040
P-7
,769
,065
,315
,258
P-25
,658
,183
,169
,164
P-8
,263
,023
,512
,163
P-26
,699
,049
,349
,049
P-9
,197
,026
,534
,236
P-27
,670
,095
,373
,085
P-10
,376
,208
,207
,047
P-28
,656
,124
,248
,124
P-11
,263
,105
,160
,346
P-29
,599
,184
,337
,241
P-12
,593
,101
,365
,017
P-30
,637
,197
,305
,094
P-13
,501
,032
,674
,011
P-31
,246
,743
,141
,168
263
P-14
,442
,001
,777
,144
P-32
,106
,893
,000
,215
P-15
,526
,044
,695
-,025
P-33
,234
,869
,045
,173
P-16
,420
,065
,766
,121
P-34
-,034
,847
,066
,176
P-17
,722
,219
,118
,125
P-35
,069
,943
-,065
-,065
P-18
,379
,140
,822
,121
P-36
,040
,979
-,049
-,006
Dimensin
que podra
Indicadores
Seleccionad
Factor 1
Factor 2
Factor 3
Factor 4
- Desarrollo
profesional
- Mejora de
actividades
- Motivacin
- Relaciones
interpersonales
- Cursos de
capacitacin
- Sistemas de
informacin para
el desarrollo de
tareas,
intercambio de
conocimientos,
prcticas de
trabajo,
procedimientos,
etc.
- Excelencia
como objetivo
de la empresa.
- Calidad de
productos y
procesos.
- Disposicin a
mejorar
- Desviaciones
operativas.
Participacin
en la toma de
decisin.
- Uso del
conocimiento
como
recurso.
Enfoque Cultural
Enfoque
Tecnolgico
Enfoque
Cultural
Enfoque
Cultural
Mejoras
Continuas
Toma de
Decisin
Formacin
TICs
264
265
266
4. Conclusiones
1 La Gestin del Conocimiento (GC) se configura como una nueva disciplina
cuya finalidad es optimizar la explotacin de los activos intelectuales en una
organizacin. Esta filosofa o enfoque todava tiene muchos aspectos que
resolver de ndole terica tiene un significado generalmente difuso, ya que no
existe una definicin estndar que explique en qu consiste, ni menos an de
cul es el procedimiento base para ponerla en prctica. An as, es evidente la
creciente importancia que toma en las organizaciones, hasta convertirse
prcticamente en una moda.
2 El Modelo MAGIC de (Rivero 2006) en el caso de CVG. Venalum
empresa Estatal productora de aluminio primario, qued constituido en cuatro
factores para explicar la variable, permitiendo la creacin de cuatro
dimensiones que son: formacin, TICs, mejoras continuas y toma de
decisiones; pertenecientes a dos enfoques el cultural y el tecnolgico, lo que
significa que fueron solapados el metodolgico y organizacional.
3 El primer factor se refiere a la Formacin, donde los indicadores que
deben emplearse son: desarrollo profesional, mejora de las actividades,
motivacin, relaciones interpersonales y cursos de capacitacin. En el segundo
factor se refiere a una dimensin de las TICs donde se integran el enfoque
tecnolgico, representado por el indicador los sistemas de informacin para el
desarrollo de tareas, intercambio de conocimientos y consideracin en ellos de
procedimientos, prcticas de trabajo y descripciones de cargo. El tercer factor
referido a Mejoras Continuas, integrado por los indicadores: excelencia como
parte de los objetivos de la empresa, calidad de los productos y procesos,
disposicin de los trabajadores a mejorar, corregir desviaciones operativas. Por
ltimo, el cuarto factor Toma de Decisin, conformado por dos indicadores:
participacin en la toma de decisin y el uso del conocimiento como recurso.
4 Las previsiones del mercado mundial del aluminio, sealan que el
consumo casi se duplicar, pasando de 31,6 millones de toneladas en 2.005 a
60,5 millones de tonelada en 2.020. Esto significa que la CVG Venalum debe
aumentar su productividad aprovechando sus ventajas competitivas de materia
prima, electricidad barata y el recurso ms importante: el conocimiento de sus
trabajadores que debe ser gestionado. Esta investigacin se perfila como el
marco de referencia de futuras investigaciones para la implantacin de un
modelo de GC.
267
Referencias Bibliogrficas
Abdullah, M. S., Kimble, C., Benest, I., & Paige, R. (2006). Knowledge-based
systems: A re-evaluation. Journal of Knowledge Management, 10(3), 127.
Chang, S., & Lee, M. (2007). The effects of organizational culture and
knowledge management mechanisms on organizational innovation: An
empirical study in Taiwan. The Business Review, Cambridge, 7(1), 295.
Chase, R. (2007). Examining global knowledge trends. Knowledge
Management Review, 9(6), 20.
Collison, C., Dennison, R., & Bhmer, R. (2007). Using social technologies to
aid communities. Knowledge Management Review, 10(1), 14.
Davenport, T. (2006). Capital humano. Creando ventajas competitivas a travs
de las personas. Deusto.
De la Garza, J. (1995). Anlisis de la informacin mercadolgica a travs de la
estadstica Multivariante. Alambra Mexicana, S.A.
Del Moral, A., Pazos, J., Rodriguez, E., Rodriguez-Paton, A., & Suarez, S.
(2007). Gestin del conocimiento. Madrid: Thomson.
Elgar, E. (2007). Communication and cooperation in the virtual workplace.
Knowledge Management Review, 9(6), 35.
Hair, J., Anderson, R., Tatham, R., & Black, W. (1999). Anlisis multivariante.
(5a Edicin). Madrid: Prentice Hall.
268
269
ANEXO 8
System Dynamics Simulation to Test Operational Policies in the
Milk-Cheese Supply Chain. Case Study: Piar Municipality, Bolvar
State, Venezuela.
270
ABSTRACT
With the purpose of detecting the impact that variations of demand cause in the
milk-cheese supply chain, and determining how the operational policies of
capacity, inventories or labor force can mitigate this impact, a system dynamics
simulation model has been designed based on a survey conducted on a sample
of cheese manufacturers and their links with milk farms, transportation
companies and cheese distributors. This supply chain will be consolidated
when a milk center that will collect the raw milk is completed. From this
center, and after adequate treatment, milk will be distributed to the different
cheese manufacturers in the supply chain. Managing adequately the milkcheese supply chain represents an important challenge due to the short life of
these products. Although this study was done in a region in Latin America, its
results can be applicable to food supply chains by introducing some
modifications.
The milk-cheese supply chain in this case study contemplates three milk
producers, one milk center, five cheese producers, one wholesaler and several
distributing agents. These companies operate individually under normal
conditions, but they have understood that their integration in a supply chain
improves the competitiveness of all its members. That is to say, the sum is
greater than the parts. For its initial design a simulation software model is used
in which the resources of the supply chain are optimized. Later the product of
this optimization facilitates some initial values to be used in the system
dynamics model in which cause-effect or influence relationships have been
previously established considering the most representative variables. Finally,
changes in operational policies that can reduce the level of pending orders in
the supply chain are tested using other simulation software.
The main contribution of this research is that it can serve as support or
contribute to reduce the uncertainty in the decision making process of the
supply chain management due to the speed with which individual or combined
policies can be analyzed. In response to a variation of demand the most
adequate policy may be selected and that can be done before the policy is
implemented.
Key words: Supply Chain, Milk Producers, Cheese Industry, Dynamic
Simulation, Operational Policies.
271
1. INTRODUCTION
The Small and Medium-Sized Enterprises (SME) represent one of the major
sources for the growth of productive investment, employment and
competitiveness in any region or country. This is a reality confirmed by
different studies in a number of countries. This study focuses on a group of
SMEs: milk producing companies and cheese producing companies in the
Guayana Region (Venezuela). These companies supply Guayans cheese to the
market. Guayans cheese is a fresh, soft, white cheese. Guayans cheese
producers try to compete successfully both in domestic and in international
markets. There are eighteen cheese producing companies that jointly produce,
on average, 7,500 kg of cheese per day. These companies are small production
plants that buy milk to farms within the area and sell their products to different
types of distributors and customers.
An option for developing this industry and making it competitive in national
and international markets is implementing associative strategies as coordinated
supply chains as well as applying advanced techniques for supply chain
management such as process simulation and optimization (Vieira, 2004). These
techniques have been used for planning production and can contribute to
reduce the uncertainty due to variations in demand (Cassivi, 2006). This
uncertainty directly affects the management of operations, such as the flows of
raw materials procurement, the production processes and the distribution of
finished products to customers (Lee, 2005). The coordination of the supply
chain, integrated by SMEs, should allow a much faster delivery of finished
products to customers that an uncoordinated supply chain. Agents integrated in
a coordinated supply chain have to reach an agreement on establishing global
goals for the supply chain. The establishment of common, global objectives is
one of the major advantages of these approaches to supply chain management
(Christopher, 1992). For taking this strategic decision, the need of working in a
coordinated way has to be perceived and understood by the different individual
agents. This understanding requires being first aware of the fact that many of
the techniques used for managing operations and production processes within
the individual companies can be applied at a global scale within the supply
chain (Minegishi & Thiel, 2000).
In order to implement a coordinated supply chain and to optimize the
operational policies for reaching global goals, this study established the
following initial objective: designing the configuration of the supply chain by
using tools and software for the simulations of discrete events. Once the
configuration of the supply chain has been designed, System Dynamics
techniques and software can be applied for developing the Continuous Process
272
Model. This model will be used for simulating different operational policies
and selecting the best ones for a supply chain that is expected to be competitive
for the efficient delivery of customers orders.
2. METHODOLOGY
2.1 Design of the Supply Network Configuration
For designing the supply configuration, the methodology applied was based on
the following steps (Guasch, Piera & Figueras, 2003):
1. Problem formulation.
2. Carrying-out of the conceptual design.
3. Definition of functional specifications, detailing the system and its
variables, the entities and their attributes, the resources available
and the control logic.
4. Formulation of the simulation model for discrete events.
5. Analysis by means of statistical evaluation.
6. Recommendation of alternatives.
2.2 Design of the Continuous Process Model
The methodology applied for designing the Continuous Process Model can be
described as follows (Forrester, 1961):
1. Problem identification: For the process known as OrderTransformation-Delivery, the problematic behaviors and the key
goals are identified.
2. Determination of influential factors: It is based on isolating those
situations that seem to interact to generate the observed
symptoms. Interrelations have to be visualized and the factors
having an influence on the responses of the OrderTransformation-Delivery process have to be described.
3. Identification of the feedback loops for the cause-effect
information: This step consists in tracing the feedback circuits for
the cause-effect information. These feedback loops and circuits
link decisions to the courses of action, to the changes generated
by the information and to new decisions. This step requires the
identification of places, policies, delays, and sources of
information for determining the dynamic behavior of the system.
273
274
3. MODEL DEVELOPMENT
3.1 The Structure of the Milk-Cheese Supply Chain
Cheese
Dairy farm
Dairy farm
Dairy farm
Cheese
Milk
Collection
Center
Cheese
Finished
Products
Distributor
Cheese
Cheese
Custome
r1
Custome
r 2
Custome
r3
275
Dispatch m
ilk 1
Dairy 1 call
transport
Transport 1 leads
m
ilk for S
RM
Dispatch m
ilk 2
Dairy 2 call
transport
Transport 2 leads
m
ilk for S
RM
Dispatch m
ilk 3
Dairy 3 call
transport
Transport3 leads
m
ilk for S
RM
S
RMfrees
transport
Towards Cheese
producers
Cheese producers
call transport
Towards distributor
of finished
products
DFPfrees transport
Towards dispatch
S
upplier of raw
m
aterial S
RM
Download Time in
SRM
Cheese producers
Processing time in
cheese producers
Distributor of
finished products
DFP
Storage time in
DFP
Dispatch DFP
Clients 1
Clients 1 call
transport 1
transport 1 leads
cheese clients 1
Clients 2
Clients 2 call
transport 2
transport 2 leads
cheese clients 2
Clients 3
Clients 3 cell
transport 3
transport 3 leads
cheese Clients 3
For clients
33.333
33.333
E lse
E
xit clients 1
Clients 1 frees
transport
E
xit clients 2
Clients 2 frees
transport
End customers
E
xit clients 3
Clients 3 frees
transport
276
For developing the conceptual model for cause-effect relationships, the cheese
production plants were surveyed. They provided information on the operational
policies they used to apply when the demand increases or decreases.
3.4 Causal and Graphic Models
Figure 3 shows the model graphic the milk-cheese supply chain.
CHEESE
PRODUCERS
Dairy
farm 1
Dairy
farm 2
CUSTOMER 2
FPD
MCC
Dairy
farm 3
CUSTOMER 1
CUSTOMER 3
CUSTOMER
REQUESTS
Delivery to cheese
producers
Inventory Center
Dairy Products
Desired inventory of
finished goods
Time adjustment
Current capacity
Adjustment of raw
material inventory
Standard storage
Adjustment of
capacity
Requirements
desired
Capacity of raw
material desired
Decrease
Delay in delivery
feedstock
Inventory of raw
materials desired
Coverage of raw
material inventory
Scheduled
Demand
Increasing capacity of
raw material
Time to decrease
Sink
Towards cheese
producers
Storage capacity
center milk
Source
Increase
277
Time to increase
The target order, adjusted by the difference between target stock of raw
materials and the real stock of raw materials, is used for determining the
storage capacity needed for a certain level of demand. Changing the storage
capacity takes some time, there is a delay. If the storage capacity is lower than
the demand, the Milk Collection Center will order an amount equivalent to that
storage capacity. On the contrary, if the storage capacity is greater than the
demand, the orders will be equal to the target orders.
The dispatch of raw materials to the cheese plants is shown in Figure 5. In this
figure, the relationships between the production in the cheese plants and the
storage capacity of the Distributor of the Finished Products are also specified.
Likewise, the effect of the demand on the labor force is taken into account.
Raw material
Production of
cheese
Coverage of finished
produts inventory
Adjustment of
inventory
Production factor Standard
production
Distributor's inventory
of finished products
Orders delivered
Time adjustment
Production desired
Delivery finished
products
Inventory products
finished desired
Pre-Delivery
Pending Orders
Work force
Dismissal
Contract
Scheduled
Demand
Work force
desired
New orders
Customer requests
278
of finished products is greater than the orders coming from customers, all the
orders are delivered. However, if the actual stock is lower than the total amount
of orders, only the finished products in the inventory can be delivered,
generating a stockout.
Capacity to dispatch
finished products
Decrease
Capacity release
adjusted
Increase
Increase capacity
for release
Capacity for
release current
Standard release
Towards dispatch of
finished products
Capacity release
desired
Scheduled demand
Setting inventory of
finished products
279
280
With a demand rate of 100 kg per day, the supply chain is not delivering
satisfactorily from day 8 on. The workforce starts at 15 people increases up to
24 at the end of the simulation (Figure 9). However, this amount is not enough
for increasing the delivery capacity up to the level required to avoid
backorders. These results suggest the need of some adjustments of the
capacities for this level of demand.
281
stabilizes at
people and
that there is
of finished
Figure 12: Level of work force, delivery capacities of finished products and
storage capacity of raw materials for scenario 2.
However, the policies of fixed capacity for delivery of finished products and
storage of raw materials do not seem adequate for this scenario. The level of
282
finished products was always greater than the level of orders. Therefore, a
safety stock of two days is not justified for this scenario.
5. CONCLUSIONS
1. The optimization of the cheese supply chain results in a balanced supply
chain in the sense of not having any component forming queues. This balance
is reached by assigning to each dairy farm a transport as well as to each
customer. On the contrary, using only one transport for collecting the milk
form the dairy farms and only one transport for distributing the finished
products to the customers generates queues, specifically at the cheese
production plants.
2. For a fixed demand of 100 kg per day, the policies on variable capacity for
the stock of raw materials and for the delivery of finished products show a
moderate deficit of capacity. These results suggest the need of hiring more
employees for meeting the customer orders. Increasing the safety stock from 1
to 2 days would allow reducing the backorders.
3. Fixed capacity policies for the inventories of raw materials and finished
products to be delivered are inadequate when demand tends to fall rapidly. In
this case, a safety stock of two days is not justified. Maintaining a fixed flow of
raw materials orders increases the raw materials inventories that are not
transformed in finished products due to the lack of customer orders.
REFERENCES
Cassivi, L. (2006). Collaborations in a Planning Supply Chain. Supply Chain
Management, 11(3), 249.
Christopher, M. (1992). Logistics. The Strategic Issues. Boca Ratn: Chapman
& Hall.
Forrester, J. (1961). Industrial Dynamics. Cambridge: Wright-Allen Press.
Guasch, A., Piera, M., y Figueras, J. (2003). Modelado y Simulacin,
Aplicaciones a Procesos Logsticos de Fabricacin y Servicios (Segunda
ed.). Barcelona, Universidad Politcnica de Catalunya.
283
284