Está en la página 1de 13

MODELIZACINDIFUSAPARALAPLANIFICACIN

AGREGADADELAPRODUCCINENAMBIENTESDE
INCERTIDUMBRE
FUZZYMODELIZATIONFORAGGREGATEDPRODUCTION
PLANNINGUNDERUNCERTAINTYENVIRONMENTS

MARTNDARIOARANGOSERNA
II.DoctorIngenieroIndustrial
EscueladeIngenieradelaOrganizacin.FacultaddeMinas.UniversidadNacional,mdarango@unalmed.edu.co

CESARVERGARARODRGUEZ
II,UniversidadNacionalde Colombia, cjvergar@unalmed.edu.co

HORACIOGAVIRIAMONTOYA
Estudiantedeingenieraindustrial,Universidad Nacionalde Colombia, hagaviri@unalmed.edu.co

Recibidopararevisar Julio5de2009,aceptadoOctubre7de2009,versinfinalOctubre26de2009

RESUMEN: El presente artculo presenta una herramienta de apoyo a los procesos de toma de decisin en la
planificacindelaproduccinamedianoplazocuandolademandaesunparmetroconincertidumbre,desarrollada
al interior del Grupo de Logstica IndustrialOrganizacional GICO. El desarrollo de un plan de produccin lleva
consigoladeterminacindeparmetrosquemuchasvecesposeenciertogradodevaguedad,estoconllevaaqueel
personal a cargo de tomar dediciones asuma el manejode esta incertidumbre. La lgica difusa aparece como una
herramienta alternativa a la estocstica o tradicional para asistir procesos de toma de decisiones en ambientes
difusos.Esteartculoinicialmenterealizaunabreveintroduccinacercadelaplanificacindelaproduccinydela
lgicadifusa.Seguidamentesediseaunmodelodeprogramacinlinealdifusacomoherramientadeapoyoparala
toma de decisin en la planeacin agregada de la produccin cuando esta sigue una estrategia de alcance de la
demanda prevista, asumiendo a la demanda como un parmetro difuso. Para la construccin de este modelo fue
preciso plantear previamente un modelo de programacin lineal que marcara los lmites del modelo difuso.
Finalmente en este artculo se soluciona un problema de planeacin agregada donde la demanda posee
incertidumbre, utilizandoelmodelodifusopropuesto.

PALABRASCLAVE:Lgicadifusa,planificacindelaproduccin,decisionesenambientesdifusos,modelode
programacinlinealdifusa,planeacinagregada, modelodeprogramacinlineal

ABSTRACT:Thisarticleshowsatooltosupportdecisionmakinginproductionplanningforthemediumtermif
demandisan uncertain parameter, developed intotheIndustrialOrganizational LogisticResearch Group GICO.
The development of a production plan involves the determination of parameters that often have some degree of
vagueness, it is concluded that the personnel in charge of taking dedication assume the management of this
uncertainty.Fuzzylogicappearsasanalternativetotraditionalorstochasticprocessestoassistdecisionmakingin
fuzzyenvironments.Thisarticlebeginswithabriefintroductionoftheproductionplanningandfuzzylogic.Inthe
second part it designs a fuzzy linear programming model as a tool to support decision making in the aggregate
productionplanningwhenitfollowsastrategy offorecastdemand,assumingtheclaimasafuzzyparameter.Forthe
constructionofthismodelpreviouslywastoraisealinearprogrammingmodeltomarktheboundariesofthefuzzy
model.Finallyinthispapersolvesan aggregateplanningproblem wheredemandisuncertain,usingtheproposed
fuzzymodel.

KEYWORDS: Fuzzy logic, production planning decisions in fuzzy environments, fuzzy linear programming
model,aggregateplanning,linearprogramming model.

Dyna,Ao77,Nro.162,pp. 397409.Medelln, Juniode2010.ISSN00127353


398 Arangoetal

1. INTRODUCCIN
cuenta a la demanda como un parmetro
En este articulo se desarrolla el concepto de lgica
difusoylasconclusionesmsrelevantesobre
Difusa,introducido en1965por Lotfi AskerZadeh
el problemamodelizado.
[8]. La lgica difusa es un lenguaje que permite
modelar sentencias del lenguaje natural del ser
humano como un formulismo matemtico. Este
2. PLANIFICACIN DE LA
modelamientoserealizaatravs deuna funcin de
PRODUCCIN.
membresa o pertenencia continua en el intervalo
[0,1] que califica el nivel de pertenencia de cada Unaorganizacindebeplanearlaproduccin
elementodeunconjunto [3],[9]. antes de poder llevarla a acabo. Sin la
planificacin de la produccin es probable
Enunproceso deplanificacin de laproduccinse
que una empresa no pueda producir lo
determinaparalelamentelosnivelesdeproduccin,
suficiente para lograr un incremento en la
inventarioycapacidaddeunaorganizacinparaun
demandafutura.Quizs lacapacidadno este
horizonte de planificacin conocido con el fin de
disponible en ese momento y se pierdan las
minimizarloscostostotalesgeneradosporelplande
ventas[6].
produccin [4].
En un problema de planificacin de la produccin 2.1 La J er ar qua De Los Planes De
donde la incertidumbre de los parmetros juega un Pr oduccin
papel importante, la herramienta de apoyo para la La jerarqua de planes de la funcin
toma de decisiones debe seleccionarse de manera productiva est compuesta por tres niveles
quelefacilitealusuariotomarladecisinadecuada [4]:
y responder a los posibles imprevistos que surjan
[1]. 2.1.1 Planificacin estratgica o a largo
El objetivo de este artculo es presentar una plazo
herramientadeapoyoparalatomadedecisionesen
la planificacin de la produccin, ms Ladeterminacindelacapacidadproductiva
concretamenteen laplaneacinagregada. es una decisin que lleva asociada una
importante inversin de capital y va a
Este articulo se enmarca dentro del proyecto de determinar en gran medida las posibilidades
InvestigacinfinanciadoporelDIME2008titulado dexitodelaorganizacin.Porello,esuna
Modelizacin matemtica fuzzy para la decisin que debe analizarse de forma
planificacin de la produccin en contextos de detenida,tratandodeoptimizarlautilizacin
incertidumbre delosrecursosfinancieros.
Se da un breve marco referencial asociado a la Se puede definir la capacidad como la
planificacin de la produccin y a la lgica difusa mxima cantidad de bienes o servicios que
con el objetivo de familiarizar al lector con estas pueden obtenerse en una unidad productiva
temticas. en condiciones normales de funcionamiento
Para la construccin del modelo fuzzy se hizo enun periododetiempodeterminado [4].
necesario la delimitacin de los parmetros difusos
presentes en el mismo, esto se logra evaluando el
modelo determinista equivalente en los lmites que 2.1.2 Planeacinagregada
presentanlosparmetrosdifusos.
La finalidad principal de la planificacin
Finalmente, se ilustra el uso del modelo de agregada es determinar la combinacin de
programacin lineal difusa propuesto en este ritmosdeproduccin,manodeobrayniveles
artculo en el campo de la planificacin de la de existencia, que minimiza costos y logra
produccin, especficamente brindando solucin a satisfacer la demanda prevista. Para ello se
un problemadeplaneacin agregada,teniendoen debeconseguirlossiguientesobjetivos:
Dyna162,2010 399

Minimizarelcosteymaximizarlosbeneficios. y se reduce el coste de mano de obra y


materiales al evitar las paradas en el
Maximizarelservicioalcliente. procesoproductivo [4].
Minimizarlainversineninventario. Estrategia de seguimiento de la
Minimizar los cambios en el ritmo de demanda: En este caso, el ritmo de
produccin. produccinseadaptaencadaperiodoala
demandaexistente,porloqueelnivelde
Minimizarlasvariacionesenlaplantilla. inventario es prcticamente inexistente.
Maximizar la utilizacin de la capacidad Paralograrloesnecesariocontarconuna
instalada. enorme flexibilidad que nos permita
variar el nmero de trabajadores,
Un plan agregado bien elaborado debe lograr capacidad instalada y materiales de
adaptar la produccin a las oscilaciones de la formarpidayeconmica[4].
demanda otratardereducirla intensidad de dichas
oscilaciones, a la vez que conseguir una eficiente Estrategias mixtas: Se trata de una
utilizacindelacapacidadproductivadelaempresa mezcla de las opciones anteriores, en la
(manodeobra,maquinaria,etc.). cual la empresa establece un nivel base
de produccin constante que adapta a la
Algunas medidas para modificar la oferta son las demanda empleando horas extras,
contrataciones y despidos de empleados,utilizacin trabajadorestemporales,subcontratacin,
dehorasextraordinarias,contratacindeempleados acumulacindepedidos,etc.[4].
temporales o a tiempo parcial, acumulacin de
inventario en temporada de poca demanda y la
subcontratacin de la produccin. Esta ltima 2.1.3 Programa maestro de produccin
implica una serie de inconvenientes entre los que (MPS)
podemos sealar la perdida de control sobre el Un programa maestro de produccin (MPS)
tiempodeentregaylacalidaddelproducto [4]. representa un plan para la fabricacin. Este
Otraalternativa es mantenerelritmodeproduccin plan proporciona los requerimientos de
ytratardemodificarlademandaparaamortiguarsus insumos del nivel superior y desarrolla las
oscilaciones. Evidentemente esta opcin no cuenta cantidades y fechas que se deben explotar a
con tantas posibilidades de xito, dado que en la findegenerarlosrequerimientosporperiodo
demanda influyen muchos factores que se paracomponentes,piezasymateriasprimas.
encuentranfueradecontroldelaorganizacin.Aun ElMPSnoesunaproyeccindeventas,sino
aslaempresapuedetratardemodificarlademanda un plan de fabricacin factible. Un MPS
mediante:lamodificacindeprecioodelapoltica detallado determina la economa de la
de comunicacin, la retencin de pedidos, la produccin mediante el agrupamiento de
creacin de nueva demanda y la complementacin diversas demandas y la elaboracin de
de la gamma de productos empresariales con otros tamaos de lotes. De esta manera, el MPS
quetenganunaestacionalidadinversa[4]. conserva la integridad de las acumulaciones
Entre las estrategias alternativas que el director de del sistema total, las acumulaciones
operacionesdebeelegiralahoradeconfeccionarel anticipadas y los requerimientos de
plan agregado de produccin se puede sealar las componentesdenivelinferior[4].
tressiguientes[4]:
Estrategia de produccin constante: En esta 2.1.4 Planificacindelaproduccinamuy
opcin elritmo deproduccinseconsiderafijo cortoplazo
eneltiempo,conlocualseconsiguereducirlos
costos de contratacin y despido, se simplifica Elplandeproduccinacortoplazotieneun
el proceso de planeacin de recursos, se horizontedeplaneacininferioratresmeses.
incrementalacalidaddelproducto,sesimplifica A esta planificacin a corto plazo se la
el cumplimiento del cronograma de produccin conoce en las empresas industriales como
400 Arangoetal

gestin de talleres y se encarga de programar, adhesin de estos elementos en el conjunto


controlaryevaluarlasoperacionesdeproduccina encuestin.Losvaloresmsaltosindicanun
muy corto plazo, para lograr el cumplimiento del mayor grado de afiliacin. Esa funcin se
plan maestro con la capacidad disponible y con la llama una funcin de pertenencia, y el
mayoreficienciaposible. conjuntodefinidoporunconjuntodifuso[3].
Zimmermann(1996),defineformalmentelos
Entrelas principales funciones querealizaen dicha
conjuntos difuso como:
gestindetallerescabesealarlassiguientes[4]: ~
A ={x,mA ( x)}, x X
donde mA( x)se
Evaluarycontrolarlospedidosafabricar.
denominalafuncindepertenencia(ogrado
Establecer las prioridades entre los pedidos o ~
de pertenencia) de x en A, y
trabajos a realizar, ordenndolos por centro de
trabajoyasignndoselosacadaunodeellos. mA : X Mes una funcin de X en un
Rastrearlaevolucindelospedidosencurso. espacio M denominado espacio de
pertenencia.Cuandoelespaciodeperteneca
Controlareldesarrollodelasoperaciones. ~
slocontiene los dos puntos 0y1, A no es
difusa y mA( x) es idntica a la funcin
Controlar la capacidad de cada centro de
trabajo.
caracterstica de un conjunto no difuso.
Proporcionar realimentacin al sistema de mA( x) Es una funcin cuyo rango es un
planificacinycontroldecapacidad.
subconjunto de los nmeros reales no
negativos y quetiene lapropiedad de que el
supremo de este conjunto es finito. As, la
3. LGICADIFUSA
presuncin bsica es que un conjunto
~
difusoA , a pesar de la imprecisin de sus
Laimprecisin en lainformacintiene que vercon lmites, se puede representar con precisin
el entorno humano, esta puede ser del tipo asocindole a cada puntox un nmero entre
estadstico o no estadstico. Precisamente es a este doslmitesinferiorysuperior,porejemplo0
ltimo tipo de incertidumbre es a la que se hace y1,querepresentansu gradodepertenencia
referenciacomodifusa.Porejemplo,sisedefineel ~
en A [5].Paraelmejorentendimientodelos
conjunto de objetos que estn cercanos a 7,
conjuntos difusos seguidamente se
entonces no ser posible definir dicho conjunto
presentaran variosejemplos.
empleando valores convencionales,con objetos que
satisfagan propiedades precisas para el grado de Ejemplo1.Sedeseadescribirelconjuntode
pertenencia.Zadeh(1965)propusolarepresentacin lagentejoven.
de dicho elemento mediante funciones de B = {Conjuntodegente joven}
pertenencia,quemapeanlosnmerosenelintervalo
B=[0,20]
unitario [0, 1], los cuales contienen un grado de
pertenencia. Usando esta representacin, se puede El lmite inferior puede ser 0, pero el lmite
definirunconjuntodenmerosqueseancercanosa superioresmsdifcildedefinir.
7.Endichocaso,sielgradodepertenenciaes0.98,
entoncessepuedeinferirquesetratadeunelemento Cmosedefineellmitesuperioren
conunvalorcasiigual a7 [1],[2]. 20,paraunapersonajoven?

La funcin caracterstica de un conjunto clsico Unapersonade21aosoentre20y


asigna un valor de 1 0 a cada individuo en el 21,yanoesjoven?
conjuntouniversal 1a los queson miembros de la LaFigura 1 muestraunaforma de definir el
relacin y 0 a los que no. Esta funcin puede ser conjunto de personas jvenes, asignndole
generalizadadetalmaneraquelosvaloresasignados unafuncindepertenenciaentre0y1.
alos elementos del conjuntouniversal estn dentro
de un rango, especificando con este el grado de
Dyna162,2010 401

Figur a1. Ejemplodeconjuntodifuso. Figur a3. Nmerotriangulardifusoasimtrico


Figur e1. Exampleofdiffuseset. ~
6 =(4.5,6,7.3).
~ Figur e3. Asymmetricaltriangularfuzzynumber
Se define el nmero difuso A , como el conjunto ~
cuyafuncindepertenencia, mA tomaelvalorde1, 6 =(4.5,6,7.3).
~ Una extensin de la representacin de los
en el punto x = A. Un nmero difuso A
correspondeaunsubconjuntonormalyconvexode nmeros difusos, puede realizarse tomando
un universo de discurso X. Normalmente funciones de pertenencia trapezoidales. Se
"x RymA (x)) = 1. Dicha convexidad obtiene as un nmero difuso trapezoidal,
como se denota a continuacin:
implica: "x1 X,"x2 X,a [0,1]. ~
b =(m,n,a ,b ) . La representacin grfica
~
Si A es un nmero difuso, entonces se considera delnmeroexpresadoenlaecuacinanterior
queestriangularsisuconvexidadeslinealatramos. seobservaenlaFigura4.
Con la finalidad de simplificar las operaciones con Aunqueestetipodenmerospuedenabarcar
los nmeros difusos, generalmente se simplifica su una gran componente de incertidumbre,
notacin, de manera lineal. Desde este punto de requierentratamientos matemticos de orden
vista, un nmero difuso triangular asimtrico se ms complejo que el de los nmeros
denota como sigue: a~ =(m- a ,m,m+ b ) [2] triangulares[2].
(Figura2).

Figur a4. Conceptodenmerotrapezoidaldifuso


~
Figur a2. Nmero triangulardifusoasimtrico: asimtrico b =(m,n,a ,b ) .
a~ =(m- a ,m,m+ b ) . Figur e4. Trapezoidalfuzzynumberconceptof
~
asymmetric b =(m,n,a ,b )
Figur e2. Asymmetricdiffusetriangularnumber:
a~ =(m- a ,m,m+ b )
Ntese que corresponde a una notacin simple, 4. MODELO DE PROGRAMACIN
como una representacin de 3 nmeros concretos, LINEAL PARA LA PLANEACIN
donde el nmero del centro representa el punto AGREGADADEPRODUCCIN.
donde mA=1 . Unadelastareas enquelosadministradores
de produccin han invertido ms tiempo y
Ejemplo 2. Un nmero cercano a 6, (Representado recurso es en la planeacin agregada. A lo
~
enlaFigura3),puededenotarsecomo 6 =(4.5,6, largodeltiemposehandesarrolladomuchos
7.3) modelos utilizando programacin lineal y
estos han tratado de alcanzar los principales
objetivosquebuscaunaplaneacinagregada
[6],[8]. Una de las ventajas que ofrece la
programacin lineal es que todas las
402 Arangoetal

variables ysus costesepueden expresar de manera 4.3 Funcin Objetivo


explicita[6].
Aunqueexistendiversasmetasquealcanzara
Elmodelodeprogramacinlinealqueseproponeen la hora de crear un plan agregado, para el
esteartculo,buscaminimizarloscostosasociadosa modelo de programacin lineal propuesto
laplaneacinagregadadeproduccin. solonoscentramosenunobjetivo,minimizar
los costos asociados al plan agregado de
Lanotacinquesedefinirdeaquenadelanteesla
produccin. En este sentido, para minimizar
queseutilizaraalolargodeeste artculo.
estoscostosplanteamosunafuncinobjetivo
que esta conformada por unos costos de
manodeobrayotrosdemanejodeinventario
4.1 Definicin DeVar iablesDeDecisin
en el horizonte de planeacin conocido. A
Acontinuacinsedefinirnlasvariablesdedecisin continuacin se define en que consiste cada
del modelo de programacin lineal para la unodeestoscostos:
planeacinagregadadeproduccin:
CEi =Cantidaddeempleadosenel periodoi.
CHEi =CantidadProducidaen HorasExtrasenelPeriodoi.
4.3.1 Costos manodeobra.
CUSi =CantidaddeProduccionSubcontratadaenelPeriodoi. Este tipo de costos hace referencia a los
CECi =CantidaddeEmpleadosContratadosenelPeriodoi. ocasionados por el incremento de la
CEDi =CantidaddeEmpleadosDespedidosenelPeriodoi. produccin,nosoncostosfijos,esdecir,son
costos asociados a la manufactura de
PJRi = ProduccionJornadaRegularenelPeriodoi.
productos en horasregulares, extraordinarias
NUIi =NumerodeUnidadesen InventarioenelPeriodoi.
y costos de unidades subcontratadas.
Tambin tiene en cuenta los costos de
contratacinydespidodepersonalconelfin
4.2 Definicin De Par metr os Constantes Del de alcanzar la demanda prevista [1]. El
Modelo. modelodeestoscostoseselsiguiente:
12
Los parmetros a continuacin se consideran CMO = (CDLi CEi CHEED CostHR) +
constantesdentrodelmodelo: i=1
Di = DemandaPrevistaenelPeriodoi. 12 12

CDLi = CantidaddediasLaborables enelPeriodoi. (CHEi CHTEU CostHE) + (CUSi CostUS ) +


i=1 i=1
CMB =CapacidaMaximaenlabodeg a(ProductoTerminado) 12 12

CHTEU =CantidadHorasdetrabajo (CECi CostC) + (CEDi CostD)


i=1 i=1
Estandar porunidaddela familia. Donde:
CHEED =Cantidaddehoras Estandarporempleadodia. CMO =CostomanodeObra
CME =Capacidadmax imadeEmpleados
PHE = PoliticaLimiteHorasExtras. 4.3.2 Costos asociados a manejo de
PCE = PoliticaLimitedeContrataciones porPeriodo. inventario
PDE = PoliticaLimitedeDespidosporPeriodo.
Cuando se produce un descenso de la
PUS = PoliticaLimiteUnidadesSubcontratadasporperiodo. demanda puede mantenerse el ritmo de
Di = DemandaPrevistaenelPeriodoi. produccin establecido acumulando en
CostHR =CostedehoraRe gular. excesodeproduccinennuestrosalmacenes.
CostHE =CostedeHoraExtra.
Dichacantidaddeartculosalmacenados nos
permitirn satisfacer un exceso de demanda
CostUS =Coste porUnidadSubcontratada.
que pueda producirse en un futuro sin
CostC =CostedeContratarunEmpleado.
necesidad de modificar nuestro ritmo de
CostD =CostedeDespidodeunEmpleado. produccin. Evidentemente la acumulacin
CostUI =CostodeUnidadenInventario. de inventarios tieneuncosteimportante,por
loquenosepuedeabusardeestaopcin [4].
Acontinuacin,sepresentalafuncinobjetivoylas
restriccionesdelmodelo de programacin lineal.
Dyna162,2010 403

Elcostequesetendrnencuentaparaelmanejode en cuenta limitaciones de capacidad,


inventarioeselproducidoalalmacenarunproducto mercado, materiales e inventario,
porperiodoelcostederupturadestocknosetendr administrativasydenonegatividad.
en cuenta divido a la estrategia de alcance de la
demanda que empleamos en el modelo no hay
4.4.1 Restriccionesdecapacidad
unidades faltantes. El modelo de estos costos es el
siguiente: Lashorasregularesdisponibles,estnsujetas
12
a la cantidad de empleados por periodo y
CMI = (NUIi-1 CostUI) dichaproduccinporperodoestasujetaala
i=1 cantidaddehorasregularestiles.
Donde: 1
CDLi CEi CHEED = PJRi
CMI =CostoManejodeInventario. CHTEU
Despus de definir los costos de mano de obra y
manejo de inventario nos disponemos a platear Reemplazando parmetros constantes y
nuestrafuncinobjetivocomosigue: unidades de las variables de decisin
tenemos:
Min CAPA=CMO+ CMI
CDLi [dia]CEi[empleado]
[hora]
Donde: [empleado dia]
CAPA =CostodeAplicacion delPlanAgregado

Paraluegollegaraunaversinsincontraccindela 1
= PJR [unidad]
funcinobjetivo: hora i

12 unidad
MinCAPA = (CDLi CEi CHEED CostHR)
i=1
Otro tipo de restriccin de capacidad tiene
12 que ver con el lmite de empleados que la
+ (CHEi CHTEU CostHE) + empresapuedealbergar.
i=1
12 12 CEi-1 + CECi - CEDi CME
(CUSi CostUS) + (CECi CostC) +
i=1 i=1
CEi = CEi-1 + CECi - CEDi
12 12

(CEDi CostD) + ( NUIi -1 CostUI) 4.4.2 Restriccionesdemercado


i
=1 i =1
Esta restricciones existen divido a la
estrategia dealcance de lademandaprevista
4.4 PlanteamientoDeRestr icciones queseutilizaparalaplaneacinagregada,la
Exciten diversas categoras de restricciones en la cualadaptaelritmodelaproduccinencada
industria manufacturera, como son: de mercado, de periodo a la demanda existente. A
materiales e inventario, de capacidad, logstica, Continuacin se muestra el modelo de la
administrativas y conductuales. Los requisitos y restriccindemercadoqueseutilizara.
necesidades de mercado definen los lmites de
rendimiento especfico de la empresa. Los PJRi + CHEi + CUSi + NUIi-1 Di
problemas de materiales, inventario y capacidad le Reemplazando parmetros constantes y
saltan a la vista al administrador de la produccin, unidades de las variables de decisin
por lo tanto, es posible que estas reciban gran tenemos:
atencin. En las industrias manufactureras tambin
hay restricciones logsticas, administrativas y
conductuales[7].Elmodelodeprogramacinlineal
queproponemosparaunaplaneacinagregadatiene
404 Arangoetal

Esta poltica empresarial trata de no



CDLi [dia] CEi[empleado] 8 [hora] 1 + contratarodespedirmsdeunnmerode
[empleado dia] 2 hora empleadosenunsoloperodo.

unidad
CECi PCE
CHEi[unidad] + CUSi[unidad] + NUIi-1[unidad] Di[unidad]
CEDi PDE
4.4.3Restriccionesdematerialeseinventario Polticasdemximasubcontratacin
El modelo no tiene consideraciones ni limitaciones Esta restriccin limita el nmero de
acercadelmanejodemateriasprimas.Paramodelar unidades de produccin que es
las restricciones de inventario, se tiene que el convenientedelegaraotraempresa.
inventario al final de un perodo debe ser igual al
inventario del perodo anterior sumada la CUSi PUS
produccin del perodo menos la demanda del este
periodo. 4.4.5 RestriccionesDeNoNegatividad
NUI i = NUIi-1 + PJRi + CHEi + CUSi - Di Esta restriccin implica que ninguna de
las variables de decisin en el modelo
Reemplazandoparmetrosconstantesyunidades de debersernegativa.
lasvariablesdedecisintenemos:
NUIi [unidad] = NUIi-1[unidad] + PJRi[unidad] 5. MODELO DE PLANEACIN
+ CHEi[unidad] + CUSi[unidad] - Di[unidad] AGREGADA DE PRODUCCIN CON
LGICADIFUSA
Losnivelesmximosymnimosdeinventarioestn
condicionados a la capacidad que se tiene en la En esta parte del artculo se plantea un
bodegaparaalmacenarproductoterminado. modelodeprogramacinlinealdifusaparala
planeacin agregada de produccin, este
NUIi CMB modelo es una ampliacin del modelo lineal
planteado en la seccin cuatro, con la
Este tipo de restricciones costa de una estructura diferenciaquelademandaestadadade forma
muysimple,porlocual no necesitaladescripcin imprecisaovaga.
delasunidadesdelosparmetrosquelaconforman.
Uncasoparticularde laprogramacinlineal
4.4.4Restriccionesadministrativas difusa es cuando los coeficientes del lado
Estasrestriccionestienenqueverconlas diferentes derecho de las restricciones bi son
polticasquelagerenciahaimpuestoenlaempresa. cantidadesconciertogradodeincertidumbre
Seguidamente se expondrn y detallaran estas [3].
polticasylasrestriccionesqueestasconllevan. Para el diseo de este modelo seasume que
Polticadehorasextras losvaloresdelademandaestndefinidosen
elintervalo [Di,Di + pi ] paracadaperiodo,
En la mayora de los casos cuando se tienen
polticas de horas extras,estas secalculan como donde Di eslademandapronosticadaparael
unporcentajedelaproduccinentiemporegular. periodoiypi es elcomponentedifuso pi se
Para Colombia, por ley, se tiene estipulado un
mximo de produccin en horas extras puede definir por mtodos cualitativos para
equivalente a un 10% de la produccin en pronsticos de demanda para cada periodo
jornadaregular[1]. estos mtodos se basan en percepciones y
juiciosdevalorqueseconstruyenapartirdel
CHEi PHE PJRi entorno, de factores que determinan la
demandayenlapresenciafuturadeestos[4].
Polticasdecontratacionesydespidos
Dyna162,2010 405

Despus de los anteriores supuestos se procede a Luegoelconjuntodifusodevaloresptimos


plantear el modelo de difuso para la planeacin (U),elcualesunsubconjuntodifusode Rn,
agregadaelcualbuscamaximizarlasatisfaccindel estadefinidopor[3]:
decisor ( l) minimizando a su vez los costos de 1 si x CAPA-
implementacin de un plan agregado bajo una CAPA - x
+

estrategia de alcance de demanda prevista, cuando U(x)= + -


si CAPA- < x< CAPA+
CAPA - CAPA
estaposeeincertidumbre. 0 x CAPA+
El primer supuesto que realizamos para nuestro
~
modelo es que Di es un nmero difuso. Para una En este caso el grado de satisfaccin del
~
mejor ilustracin, Di es un nmero difuso de la decisor (l) aumenta en la medida que la
forma: respuestaobtenidaseacercaa CAPA- como
lomuestralafigura6.
1 si ax Di + pi
~ ax- D
i
Di (x)= si Di < ax< Di + pi
pi
0 ax Di

Cuyarepresentacinsemuestraenlafigura5.

Figur a6. Nmerodifuso CAPA.


Figur e6. FuzzynumbersCAPA.

~ Luegolasolucinmseficienteseencuentra
D
Figur a5. Nmerodifuso i .
resolviendo el siguiente modelo de
~ programacinlineal [7]:
D
Figur e5. Fuzzynumbers i .
Maxl
Ahora,paradeterminarelconjuntodifusodevalores S.A.
ptimos, primero se calculan los lmites inferior y
superior de estos. Para hallar estos lmites, se RestriccionesDeCapacidad:
solucionan los problemas de programacin lineal 1
estndarequivalentes: CDLi CEi CHEED = PJRi
n
CHTEU
Min CAPA +
= c j x j CEi -1 + CECi - CEDi CME
j= 1
n Restricciones De La Funcin Objetivo
S.a
j= 1
ai j x j bi + pi (i N m ) (Difusa):
+ -
x j 0 ( j N n ) l ( CAPA - CAPA ) +
n
n
Min CAPA -
=
j
=1
cj x j
j
(CDL i CE i CHEED CostHR ) +
= 1

n
(CHE i CHTEU CostHE ) +
S.a
j
ai j x j bi
= 1
(i Nm )
(CUS i CostUS ) + (CEC i CostC ) +
xj 0 ( j N n ) (CED i CostD ) + (NUI i-1 CostUI )
+
CAPA
Paraestefinutilizamos elmodelo deprogramacin
linealquesepropusoenelnumeral cuatro. RestriccinDeMercado(Difusa)
406 Arangoetal

n Tabla1. Demandaprevista

j
=1
PJRi + CHEi + CUSi +NUIi -1 - lpi Di Table1. Expecteddemand
DemandaPr evista
RestriccionesDeMaterialeseInventario (Difusa): Enero 2500
Febrero 3200
NUI i - (NUIi-1+ PJRi + CHEi + CUSi)- Pil = - Di Marzo 3800
Abril 2300
NUIi CMB Mayo 1800
Junio 2500
RestriccionesAdministrativas: Julio 4000
Agosto 3200
PolticaDeHorasExtras: Septiembre 3800
Octubre 2600
CHEi PHE PJRi Noviembre 2100
Diciembre 1800
PolticaDeContratacionesYDespidos:
CECi PCE El gerente de esta empresa ha comprobado
(experiencia) que la demanda alcanza
CEDi PDE aproximadamente200productos masquelas
prediccionesqueserealizanenlaempresa,el
PolticasDeMximaSubcontratacin: explica que esto se debe a que las
CUSi PUS predicciones que se realizan son muy
conservadoras.
YRestriccionesDeNoNegatividad
El comportamiento de la demanda difusa se
Donde es el nivel que como mnimo tienen que describeenlafigura8.
alcanzar todas las funciones de pertenencia. Lo
Teniendoencuentalainformacinanteriory
anteriorseinterpretarcomoelniveldeaspiracino
los datos operativos de la empresa(Tabla2)
desatisfaccindeundecisor[2].
se busca maximizar la satisfaccin del
6. APLICACIN DEL MODELO DIFUSO decisor al implementar una planeacin
agregada deproduccin.Estasatisfaccinse
A UN PROBLEMA DE PLANEACIN
AGREGADA logra minimizando los costos de la
planeacin agregada alcanzando la demanda
encadaperiodo.
En el siguiente problema se ilustra la ventaja de
considerar incertidumbre en la formulacin de
modelos para la planificacin de la produccin. Se
presentaacontinuacin lasolucin deunproblema
de programacin lineal difusa para la planeacin
agregada de produccin cuando la demanda es un
parmetrodifuso.
Figur a7. Demandadifusa
Figur e7.Fuzzydemand
6.1 EnunciadoDelPr oblema
En la tablas 2 muestra otra serie de datos
Unaempresaquesededicaala fabricacinyventa operativosdelaempresa.
deelectrodomsticos,quevendenconmarcablanca
enunaimportantecadenacomercial,lasprevisiones
dedemandaparaelprximoaoaparecenreflejadas
enlatabla1.
Dyna162,2010 407

Tabla2. Datosoperacionales Tabla3.Daslaborados.


Table2. Operationaldata Table3.Labordays.
DasLabor ados
DatosOp eracio nales
Enero 20
Inventariofinal 500
Febrero 20
Produccionmesdediciembredelpresenteao 2000 Marzo 21
Costeunitariodealmacenamientomensual $33.600 Abril 20
Costedecontratacionporempleado $1.120.000 Mayo 19
Costedespidoportrabjador $1.400.000 Junio 19
Costedeunahorademanodeobraregular $25.200 Julio 21
Costedeunahorademanodeobraextra $42.000 Agosto 19
Costedesubcontratacionporunidad $140.000 Septiembre 22
Octubre 21
5%delaproduccion
Limitedehorasextrasmensuales
enjornadaregular. Noviembre 19
Diciembre 21
Horasdetrabjomensual 2

5. Sesuponequelacapacidaddeproduccin
6.2 AnlisisYSolucinDelPr oblemaDifusoDe en horas regulares, extras se mantiene
PlaneacinAgr egada constante a lo largo del horizonte de
Para propsitos de ilustracin, iniciaremos el planeacin.
anlisis del problema con una lista de suposiciones 6. Para determinar la cantidad de horas
usuales, para despus, presentar la solucin estndarpordaportrabajador,setomala
encontrada. suposicin que es la misma cantidad de
Supuestos horaslaborablesporda.
7. Se supone que la cantidad de horas
1. Se supone que los costos que se manejaran, se estndarporunidaddelafamiliaesigual
comportaran de manera constante a lo largo del las horas de trabajo por unidad
horizontedeplaneacin. (2h /Unidad).
2. La planta de empleados es de 25 al inicio del
horizontedeplanificacin. 8. Se supone que el espacio destinado para
almacenaje de producto terminado en la
3. Laempresatrabaja5das alasemana,unturno bodega de la empresa es para mximo
al da, comenzando labores a las 8 A.M. y 500unidades.
terminndolas a las 5 P.M. Con una hora de
almuerzoalas12M. 9. Se supone que la empresa tiene una
poltica de produccin en horas extras de
4. Se supone que la cantidad de das laborables nosuperar10%deltotaldeproduccinen
durante el horizonte de planeacin son los jornadaregular.
siguientes(Tabla3):
10.Se supone que la empresa tiene una
poltica de no superar la contratacin o
despido de mas de 10 empleados por
periodo.
11.Se supone que la empresa utiliza una
polticalacualtienecomolimitemximo
deunidadessubcontratadasporperiodode
500unidades.
12.Sesuponequelaempresapuedeteneruna
cantidaddeempleadosmximade50.
Para resolver este problema se utiliza los
modelos lineal y difuso planteados en este
408 Arangoetal

Co m par c ion d e M o d e lo s Pr o p u es t o s vs .De m an daPr e d ic h a

artculoloscualesfueronsolucionadosutilizandoel 4500
4000

softwareGAMS.Primeroseencontraronloslmites 3500

Unidades
3000

superior e inferior del modelo difuso. Los valores 2500


2000

1500

de CAPA+ y CAPA- son $ 2.016.682.272 y $ 1000


0 1 2 3 4 5 6 7 8 9 10 11 12 13

Pe r io d os

1.887.366.690respectivamente. DemandaPrev is ta ModeloDeterministic o ModeloDif us o

Enlatabla4seencuentranelmanejodeempleados Figur a8. ComparacindeModelos.


encontrado con el modelo, con el fin de minimizar Figur e8.ComparisonofModels
costos y alcanzar la demanda en cada periodo del
horizontedeplanificacin. 7. CONCLUSIONES
Tabla4. Manejodeempleados. Algunodelosbeneficiosqueofrecelalgica
Table4. Managementemployees difusa a los procesos de toma de decisiones
en la planificacin de la produccin es el
Numerode Numerode manejo de la incertidumbre. Esta
Periodo Cantidadeempleados empleados empleados caractersticalepermitealapersonaoequipo
contratados despedidos
1 28 3 0
quetomanlasdecisiones,modelarconmayor
2 38 9 0 exactitudelcomportamientodeunparmetro
3 38 0 0
4 28 0 10
difuso.
5 21 0 6
6 31 10 0 aplicacinconlgicadifusapropuestaeneste
7 41 10 0 artculo para la toma de decisiones en la
8 40 0 1
9 39 0 1 planificacin de la produccin a mediano
10 29 0 10 plazo es un modelo de programacin lineal
11 26 0 3
12 20 0 6 difusa que tiene por objetivo maximizar la
satisfaccin del decisor. Esta aplicacin es
El volumen de produccin resultante para el til cuando lademanda es unparmetro con
horizontedeplanificacin seencuentradiscriminado cierto grado de incertidumbre y la empresa
enlatabla5. sigue una estrategia de alcance de la
demanda.Estaaplicacinofreceunasolucin
Tabla5. Produccin a las principales variables de decisin en la
Table5. Production planeacin agregada de produccin como lo
son: la produccin a realizarse en jornada
Produccionen
Periodo
Produccionenjornada
jornada
Cantidades Produccion regular y extra, la produccin que ser
regular subcontratadas total
extraordinaria subcontratada yel nmero de contrataciones
1 2250 0 0 2250 y despidos por periodo en un horizonte de
2 3003 0 0 3003 planificacinconocido.
3 3153 315 161 3629
4 2203 0 0 2203 El modelo de programacin lineal difuso
5 1623 0 0 1623
propuesto se utiliza en este articulo para
6 2384 0 0 2384
7 3474 347 0 3821 solucionar un problema de planeacin
8 3039 0 0 3039 agregada donde la demanda posee
9 3449 199 0 3648 incertidumbre.
10 2452 0 0 2452
11 1954 0 0 1954 solucin que entrega el modelo para este
12 1655 0 0 1655 problemaalcanzaunniveldesatisfaccinen
el decisor de 72% aproximadamente, este
Con estos resultados se alcanzo un nivel de resultadoesaceptabledentrodelconjuntode
satisfaccindeldecisorde =0.7195 @ 72%.Enla modelos diseados para la planeacin de la
figura 8 podemos apreciar la produccin resultante produccinendondelosmejoresalcanzanun
de los modelo difusos, deterministas y la demanda niveldesatisfaccindel78%.
predicha. Los modelos que se propone en este trabajo
son slo un ejemplo de las diferentes
Dyna162,2010 409

aplicaciones que puede tener la lgica difusa para [5] MULA, JOSEFA, Aplicaciones de la
facilitarlatomadedecisionesalahoradeplanificar Teora de los Conjuntos Difusos en la
laproduccin. Planificacin de la Produccin: Un Estudio
de la Literatura. (2004). Memorias VIII
Congreso de Ingeniera de Organizacin.
REFERENCIAS Legans.
[1] ARANGO S., MARTIN D. URAN S.,
AUGUSTO PEREZ O., GIOVANNI. (2008). [6] NARASIMHAN, S. Planeacin de la
Aplicaciones de lgica difusa a las cadenas de produccin y control de inventarios. 2 ed.
suministro.Avance enSistemas eInformtica,Vol. Mxico:PrenticeHall.[1996].
5,N3.
[7] UMBLE, MICHAEL. Manufactura
[2] CORREA, JORGE. Aproximaciones Sincrnica.(1995). Vol.1,Mxico.
Metodolgicas Para la Toma de Decisiones,
Apoyadas en Modelos Difusos. (2004). tesis
presentada a la Universidad Nacional de Colombia [8] ZADEH. From circuit theory to systems
para optar al grado de Magster en Ingeniera de theory.(1965).IREProc
Sistemas.Medelln.
[3] KLIR, GEORGE.Fuzzy Sets end Fuzzy Logic, [9] ZIMMERMANN. Fuzzy Set Theory and
Theory and Applications. (1995). Vol. 1, New its Application. (1996). third ed., Kluwer
Jersey:PrenticeHallPTR AcademicPublishers.

[4]MIRANDA,FRANCISCO.Manualdedireccin
deoperaciones.(2005).Vol.2,Madrid.