Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/279647200
CITATIONS READS
3 157
3 authors:
Leonardo González
Universidad de La Sabana
20 PUBLICATIONS 41 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Leonardo González on 24 March 2016.
58 Vol. 10 No. 2
Ingeniería
se expresa como tasa de producción por uni- La capacidad de los medios de producción,
dad de tiempo. en general, puede también diferenciarse, en
función de la disponibilidad, requerimiento y
Es complicado expresar la capacidad como tasa utilización temporal en:
de producción cuando se produce diversidad de
productos que requieren diferentes niveles de re- Capacidad Instalada, es aquella que está
cursos; para tal situación la tasa de producción potencial y totalmente disponible para alcan-
depende de la mezcla de productos y del tamaño zar los resultados productivos máximos espe-
de los lotes, para tal efecto, la capacidad puede cificados por un productor. La magnitud de
medirse en unidades de recurso disponible. esta capacidad se ve solo disminuida por ra-
zones de mantenimiento de los medios de pro-
Cuando un proceso requiere de una serie de ducción, requeridos para garantizar su propia
operaciones, su capacidad se determina por la ope- disponibilidad y utilización en la actividad pro-
ración que ocupa el nivel más bajo en la secuencia. ductiva. [5].
La operación que limita la capacidad se denomina
operación cuello de botella. La capacidad instalada es la cantidad de má-
quinas y equipo que una organización produc-
Una forma de expresar la capacidad cuando tiva posee y el potencial de producción que
se refiere a la disponibilidad de un recurso re- estos permiten alcanzar. La capacidad instala-
querido para la producción de una mezcla de da representa la producción posible, si todas
productos en un espacio de tiempo, como la las máquinas y equipos estuvieran trabajando
capacidad del recurso máquina en horas- má- al 100 % del tiempo ininterrumpido [6]. A su
quina al año. vez, la capacidad instalada puede ser sosteni-
El termino capacidad se relaciona a la poten- da por muy cortos periodos de tiempo, así
cialidad técnica y económica que posee un sis- como pocas horas al día o pocos días al mes
tema u organización productiva, sus unidades [7]
estructurales , las componentes y elementos que Es habitual denominar la capacidad de es-
lo componen para participar en la elaboración pacio físico como capacidad instalada para el
de productos y/o prestación de servicios de almacenamiento de productos terminados,
una forma técnica, racional y económicamente productos en proceso y materiales, así como
eficiente, en un tiempo determinado. para la instalación de nuevos equipos y pues-
De esta manera se puede diferenciar: tos de trabajo.
Vol. 10 No. 2 59
Ingeniería
riarse que las nuevas, ocasionando así una me- producción. La perdida de tiempo de produc-
nor productividad. ción aumenta por que el tiempo libre disponi-
ble para reparaciones disminuye. Por ejemplo
Factores relacionados con la fuerza laboral, si en algún momento una máquina se avería,
como el ausentismo, los tiempos de para, las usualmente su reparación se realizaría en el se-
necesidades personales, el tiempo de valoración gundo turno de trabajo, lo cual haría que se
de lo producido, los ajustes de las máquinas y disminuyera el tiempo destinado para la pro-
preparación y alistamiento de las máquinas y ducción de ese segundo turno. De otra parte
del material reducen la disponibilidad del re- factores como la falta de material, la falta de
curso máquina. ayuda técnica, el ausentismo de los trabajado-
Debido a los requerimientos de calidad en res afectan el rendimiento y la capacidad en
los procesos de producción, tiene asociada cier- mayor grado en el segundo turno que en el pri-
ta perdida de capacidad inclusive cuando el mero. En general el grado de ausentismo es
equipo este adecuadamente instalado y se ope- mayor en el segundo turno y aún más en el
re correctamente. Además, se pierde alguna pro- tercero.
ducción al desechar algunas unidades defectuo- Para abordar el problema de planeación y
sas cuando la máquina esta operando mal o se programación de capacidades productivas en
produce incorrectamente produciéndose pie- un contexto de criterios múltiples propone un
zas con la calidad no deseada. modelo metodológico integral.
En ciertas situaciones se les asigna más de
una máquina a un solo operario, lo cual se co- 3. MODELO INTEGRAL DE ANÁLISIS
noce como acoplamiento de máquina. Esto Y PLANEACIÓN DE CAPACIDADES
se determina dividiendo el tiempo de ciclo to-
tal en dos partes, a saber el tiempo de la máqui- Para abordar el problema de planeación y
na y el tiempo del trabajador. El tiempo de programación de capacidades productivas en
máquina es aquel en que la máquina está fun- un contexto de criterios múltiples se propone
cionando sin asistencia del operario, y el tiem- un modelo metodológico integral que contri-
po del operario es aquel en donde el trabaja- buye a la obtención de una significativa varie-
dor está con la máquina inactiva, realizando por dad de información para la gestión de la fun-
ejemplo actividades de alimentación y carga de ción de operaciones.
las máquinas. Cuando el tiempo de máquina es Se plantea un conjunto de criterios de deci-
relativamente más grande que el tiempo del tra- sión, los cuales deben ser resueltos individual-
bajador es usual que en este tiempo de opera- mente, utilizando programación lineal [8] con
ción de la máquina el trabajador realice activi- el objeto de identificar soluciones alternativas,
dades de carga de otras máquinas. Por lo tanto e información relevante para la toma de deci-
es posible que a un operario se la asigne varias siones.
máquinas en su actividad productiva.
En el sistema de conversión, un problema Variables de decisión
de desperfecto en una máquina o una produc- Xi: Cantidad a elaborar de producto tipo j,
ción defectuosa puede afectar la producción de donde j=1,2,⋅⋅⋅,n
otras máquinas del proceso productivo. Así
mismo, un operario ocupado en tratar de solu- Xn+i:Ocio productivo de la maquinaria tipo i,
cionar un problema, o corregir una producción donde ni=1,2,⋅⋅⋅,m
defectuosa pude descuidar las demás máqui-
nas que requieren de la manipulación del ope- Xn+m+i:Ocio productivo del recurso mano de
rario para su funcionamiento. obra.
60 Vol. 10 No. 2
Ingeniería
Para abordar el Parámetros 3.1 Función(es) Objetivo(s)
problema de Cj: Costo unitario de producción del artículo El modelo de integral de análisis y planeación
planeación y tipo j, donde j=1,2,⋅⋅⋅,n de capacidades se desarrollo a partir de los cri-
programación
terios de decisión mas utilizados en el entorno
de capacidades Ij: Precio de venta por unidad de producto tipo productivo tales como la maximización de in-
productivas en j, donde j=1,2,⋅⋅⋅,n greso (1),(2), la minimización de costos (3),(4)
un contexto de
criterios múltiples y la maximización de utilidad (5),(6) a los que
CF: Costo Fijo
propone un se adicionaron aquellos directamente asociados
modelo dmaxj: Demanda potencial del producto tipo a la gestión de capacidades como son los de
metodológico j, donde j=1,2,⋅⋅⋅,n maximización de volumen de producción
integral. (7),(8) y utilización de la capacidad de medios
dminj:Demanda requerida del producto tipo j, de trabajo (9),(10) y mano de obra (11),(12) y
donde j=1,2,⋅⋅⋅,n los de minimización del ocio de los mismos
(13,(14),(15),(16). Adicionalmente otros auto-
Cdi: Capacidad disponible de la maquinaria en res [9] amplían la gama de criterios y objetivos,
la etapa de procesoi, donde i=1,2,⋅⋅⋅,m considerando en contextos distintos criterios
como Minimización de inventarios de produc-
Cdui: Capacidad disponible por unidad de má- to en proceso y terminado, así como de
quina en la etapa de procesoi, donde
faltantes, entre otros.
i=1,2,⋅⋅⋅,m
Objetivo(s): Determinar un plan de produc-
Kd: Capacidad disponible del recurso mano de ción orientado al logro del criterio g, donde
obra g=1,2,⋅⋅⋅,h
Kdo: Capacidad disponible por operario El primer criterio considerado es el de
maximización del ingreso (1), (2), el cual es co-
ai,j: Tiempo de elaboración estándar de un pro- múnmente utilizado en condiciones de iliquidez
ducto tipo j en una máquina de la etapa de de la organización, es decir cuando existen fuer-
proceso i, donde i=1,2,⋅⋅⋅,m Λ j=1,2,⋅⋅⋅,n
tes deficiencias en el flujo de capital, Así:
bi,j:Tiempo de ejecución requerido de mano de F1=f1(Xj, j=1,2,⋅⋅⋅,n): Función ingreso (1)
obra por unidad de producto tipo j en la eta-
pa de proceso i, donde i=1,2,⋅⋅⋅,m Λ j=1,2,⋅⋅⋅,n Donde:
F1 = ∑ (I j )X j
n
(2)
dj,k: Cantidad requerida de materia prima tipo j =1
k, para elaborar una unidad de producto tipo
j, donde j=1,2,⋅⋅⋅,n Λ k=1,2,⋅⋅⋅,l El criterio de minimización de costo (3), (4)
es aplicable cuando se espera competir con pre-
Coi: Costo de operación de una máquina en la cio, o cuando se busca ampliar la cobertura de
etapa de proceso i, i=1,2,⋅⋅⋅,m servicios no generadores de ingreso directo.
CUM: Costo unitario de mano de obra F2=f2 (Xj, j=1,2,⋅⋅⋅,n): Función costo (3)
CMPK: Costo unitario de la materia prima tipo La función de costo propuesta (4) minimiza
k, donde k=1,2,⋅⋅⋅,l la suma de los costos de producción modifica-
bles vía gestión de capacidades, más los costos
CUOJ: Costo unitario de operación asociado al de ocio productivo de los medios de trabajo y
producto tipo j, donde j=1,2,⋅⋅⋅,n del recurso mano de obra, con agregación de
los costos de oportunidad de las ventas no rea-
CMOJ: Costo unitario de mano de obra asocia- lizadas, donde:
do a un producto tipo j, j=1,2,⋅⋅⋅,n
62 Vol. 10 No. 2
Ingeniería
n
La combinación de los criterios y restriccio-
∑a
j =1
i, j X j ≤ Cdi para cada i = 1,2,L, m (19)
nes expresadas, generan modelos aplicables a
diversas situaciones, objetivos y estrategias, los
n
modelos mas representativos (26), (27),(28),
∑a
j =1
i, j X j + Xn+i = Cdi para cada i =1,2,L, m (20)
(29), (30), (31), (32), (33), (34) unicriteriales y
multicriteriales se presentan a continuación.
Las restricciones de capacidad disponible por
grupo de sitios de trabajo (19) y (20), al igual
3.4 Modelo con Función ingreso
que las restricciones de capacidad de mano de
obra (21) y (22) se diferencian en la inclusión En este modelo el logro del máximo ingreso
de las variables de holgura que representan en (2) esta sujeto a la disponibilidad de medios fí-
el primer caso (20) el ocio productivo de los sicos (19) y humanos (21), como a las restric-
medios de trabajo, y en el segundo (22) el ocio ciones de demanda (24), y a las restricciones
productivo del recurso mano de obra, esto con naturales de no negatividad.
el fin de satisfacer diferentes objetivos en los (26)
Maximizar F1 = ∑ (I j )X j
n
∑∑b X j ≤ Kd
de la restricción por grupos de herramientas
i, j
i =1 j =1
y/o centros de trabajo, asi mismo analizan el d min j ≤ X j ≤ d max j para cada j = 1,2,L, n
j =1 j =1 i =1
+ ∑ (I j − C j )X n+ m +1+ j
n
CUM . X n + m +1
j =1
∑∑ b X j + X n+ m +1 = Kd
del criterio de maximización del volumen (7), i =1 j =1
i, j
∑ (I − C j )X j ≥ CF
n
manda, bajo el supuesto de absorción total de X j , X n +i , X n + m+1 , X n+m +1+ j ≥ 0 para cada i = 1,2, L , m Λ
j = 1,2, L , n
la producción por el mercado. Otros autores
[17] [18] utilizan la demanda como cota su- 3.6 Modelo con Función Utilidad
perior, bajo los supuestos de perdida de la
Este modelo solo difiere del anterior en el
demanda insatisfecha y de no producción para
cambio del criterio de optimización, como ya
inventario.
se menciono, dado su objetivo (6), es el mas
apropiado bajo condiciones de estabilidad y
dminj≤Xj≤dmaxj para cada j=1,2,⋅⋅⋅,n (24)
crecimiento de la actividad productiva generan-
do adicionalmente información acerca de la
Xj≤dminj para cada j=1,2,⋅⋅⋅,n (25) subutilizacion de recursos y su impacto en la
utilidad.
Vol. 10 No. 2 63
Ingeniería
Maximizar F3 = ∑ (I j − C j )X j − CF
n
(28) Capacidad del recurso máquina
j =1
m n (30)
Sujeto a : Maximizar F5 = ∑∑ ai , j X j
n i =1 j =1
∑a j =1
i, j X j + X n+i = Cdi para cada i = 1,2,L, m
Sujeto a :
m n n
∑∑ b
i =1 j =1
i, j X j + X n+m+1 = Kd
∑a i, j X j ≤ Cd i para cada i = 1,2,L, m
j =1
d min j ≤ X j ≤ d max j para cada j = 1,2,L, n m n
∑∑ b X j ≤ Kd
∑ (I − C j )X j ≥ CF
n
i, j
j i =1 j =1
j =1
d min j ≤ X j ≤ d max j para cada j = 1,2,L, n
X j , X n+i , X n+ m+1 ≥ 0 para cada i = 1,2,L, m Λ
j = 1,2,L, n Xj ≥0 para cada j = 1,2,L, n
∑∑ b
i =1 j =1
i, j X j + X n+ m+1 = Kd Ocio productivo del recurso máquina
d min j ≤ X j ≤ d max j para cada j = 1,2,L, n
Minimizar F7 = ∑ X n+i
m
(32)
∑ (I − C j )X j ≥ CF
n
i =1
j
j =1
Sujeto a :
X j , X n+i , X n+ m+1 ≥ 0 para cada i = 1,2,L, m Λ
n
∑∑ b
i =1 j =1
i, j X j + X n+m+1 = Kd
3.8 Modelo con Función Utilización d min j ≤ X j ≤ d max j para cada j = 1,2,L, n
de Capacidades X j , X n+i , X n+m+1 ≥ 0 para cada i = 1,2,L, m Λ
Los criterios de máxima utilización de la ca- j = 1,2,L, n
pacidad de los medios de trabajo (9), (10) y de
maximización de utilización de la capacidad de Ocio productivo del Recurso mano de
mano de obra (11), (12) son aplicables, como obra
MinimizarF8 = X n+m+1 (33)
ya fue descrito, a situaciones en las que dichos
Sujetoa :
medios son escasos, de difícil consecución y n
información que permita tomar decisiones re- d min j ≤ X j ≤ d max j para cada j = 1,2,L, n
ferentes a capacidades productivas. X j , X n+i , X n+m+1 ≥ 0 para cada i = 1,2,L, m Λ
j = 1,2,L, n
64 Vol. 10 No. 2
Ingeniería
3.10 Modelo con Función de Criterios La orientación de la actividad productiva pue-
Múltiples de generar mejoramiento sobre algunos crite-
Los sistemas de producción, generalmente, rios de decisión, pero afectar negativamente el
están condicionados por la capacidad de la mano desempeño de la organización al evaluarse en
de obra, de los medios de trabajo, así como por función de otros criterios. Por ejemplo en el in-
la disponibilidad de recursos y las condiciones tento de reducir costo se puede incurrir en la
del mercado; dichos sistemas son diseñados y producción de bienes de calidad inferior, o ge-
modificados para lograr los objetivos de la or- nerar niveles de producción baja y por tanto
ganización, por esta razón es deseable utilizar menor productividad.
criterios multiples (34) para soportar las decisio-
nes en función de las necesidades de la empresa, La determinación de elementos tales como
esto se alcanza con la aplicación conjunta, ya el ocio productivo, los requerimientos de ca-
sea parcial o total, de los criterios propuestos, pacidad, traducido en la programación de ho-
en la cual la ponderación de los mismos depen- ras extras o programación de más turnos, los
de la importancia de cada uno de ellos en el cum- porcentajes y grados de utilización de la capa-
plimiento de los objetivos y estrategias cidad, el grado de participación de la demanda
organizacionales. potencial, los niveles de servicio, el equilibrio
entre los recursos máquina y la fuerza laboral,
(34) la identificación de los recursos cuello de bote-
Maximizar G = ∑ (λ )( f (X , j = 1, 2 L , n + m + 1))
n
g g j
lla, y los costos asociados a la producción y la
j =1
inactividad productiva entre otros son de gran
Sujeto a :
n
importancia para el diseño y formulación de
∑a
j =1
i, j X j + X n +i = Cd i para cada i = 1,2, L , m planes de producción, los cuales se pueden
m n obtener bajo un análisis multicriterio.
∑ ∑b i, j X j + X n + m +1 = Kd
i =1 j =1
Con un enfoque multicriterio se logra obte-
d min j ≤ X j ≤ d max j para cada j = 1,2, L , n
ner información valiosa para la toma de deci-
∑ (I − C j )X j ≥ CF
n
j
siones con un carácter dinámico, lo cual impli-
j =1
ca la posibilidad de utilizar la adecuada orien-
X j , X n + i , X n + m +1 ≥ 0 para cada i = 1, 2, L , m Λ
tación en función de las metas y objetivos tra-
j = 1,2, L , n
zados por una organización que se encuentre
en un estado determinado.
Donde:
λg: Es un vector de ponderaciones que le da 5. REFERENCIAS BIBLIOGRÁFICAS
un grado de importancia al criterio g, para [1] Hamid Noori y Russell Radford. Administración de Operacio-
nes y Producción. Mc Graw Hill. 1997
g=1,2,...,l
[2] J. A. Domínguez Machuca et al. Dirección de Operaciones,
Aspectos Tácticos y Operativos en la Producción y los Servi-
Enfoques complementarios han sido desa- cios. Editorial Mc Graw Hill Interamericana de España. 1995
rrollados los cuales incluyen, la partición del [3] Keith Lockyer. Production and Operation Management.
problema [19], el uso de variables no controla- Prentice Hall 1991.
bles [20], y el impacto de los inventarios [21], [4] Narashimhan, L. et al. Planeación de la Producción y Control
entre otros. de Inventarios. Prentice Hall. 1996
[5] Kalenatic D. Modelo Integral y dinámico para el análisis,
planeación, programación y control de las capacidades pro-
4. CONCLUSIONES ductivas en empresas manufactureras. Universidad Distrital
«Francisco José de Caldas»Centro de Investigaciones y de-
En el desarrollo de los procesos de gestión sarrollo científico 2001.
de los sistemas productivos es de vital impor- [6] Chiavenato I. Iniciación a la planeación y control de la produc-
ción 1994
tancia proyectar y planear la capacidad de los
[7] Krajewski & Ritzman Operation Management. Prentice Hall
recursos que van a intervenir en la producción. 1996
[8] Frederick Hiller and Gerald J. Lieberman, Investigación de Ope-
El proceso de toma de decisiones afecta el raciones, Séptima Edición. Mc Graw Hill. 2002
desempeño de la organización reflejándose en [9] Lewis H. et al, Master scheduling in assemble-to-order
indicadores de gestión, los cuales varían en fun- environments: a capacitated multi-objective lot-sizing model,
Decision sciences, Jan/Feb 1992; 23, 1 ABI/INFORM Global
ción de la capacidad productiva. Pg. 21
Vol. 10 No. 2 65
Ingeniería
[10] Sixto Rios Insua et al. Programación lineal y aplicaciones. RA-
MA. Madrid 1998. Dusko Kalenatic
Doctor en Ciencias Técnicas, Universidad de Las Villas «Marta
[11] Wayne L. Winston. Investigación de Operaciones, Cuarta Edi- Abreu», Santa Clara, Especialista en Ingeniería de Producción
ción. Editorial THOMSON. 2005 Universidad Distrital, «Francisco José de Caldas», Especialista «Ins-
[12] Eppen G. et al, A Scenario approach to capacity planning, tituto de Periodismo Yugoslavo», Economista, Escuela Superior de
Operations research, Jul/Ag 1989; 37,4; ABI/INFORM Global Economía, Belgrado, Ingeniero en Organización de Trabajo, Uni-
Pg. 517 versidad de Belgrado, Profesor Titular, Director de los Grupos de
Investigación GIP de la Universidad Catolica de Colombia y del
[13] Bermon S. & Hood S., Capacity optimisation planning system Grupo De Investigación En Gestión De Proyectos, Investigador
CAPS, Interfaces, Sep/Oct 1999, 29, 5 ABI/INFORM Global CITAD, Centro de investigaciones en tecnologías avanzadas de
Pg.31 decisión «Carlos Jordana»Universidad de la Sabana.
[14] Karabuk S. & Wu D., Coordinating strategy capacity planning dusko.kalenatic@unisabana.edu.co
in the semiconductor industry, Operation Research Nov/Dec
2003, 51,6 ABI/INFORM Global Pg.839
[15] Kalenatic D. &Blanco E., Aplicaciones computacionales en pro- Cesar Amilcar López Bello
ducción, Biblioteca de catedráticos, UDFJC, Bogota, 1993
Candidato a Doctor en Ciencias Técnicas, Universidad de Las Vi-
[16] Sherali H., Stachus K., Huacuz J., An integer programming llas, «Marta Abreu» Santa Clara. Magíster en Ingeniería Industrial,
approach and implementation for an electric utility capacity Universidad de los Andes. Especialista en Ingeniería de Produc-
planning problem with renewable energy sources, Management ción, Universidad Distrital. Ingeniero Industrial»Francisco José de
science, Jul 1987, 3, 7 ABI/INFORM Global Pg. 831 Caldas», Universidad Distrital»Francisco José de Caldas». Profe-
[17] Balachandran B. et al, On the efficiency of cost-based decision sor Asociado, Facultad de Ingeniería Universidad Distrital. Director
rules for capacity planning, The Accounting revew; Oct 1997, de la Maestría en Ingeniería Industrial, Universidad Distrital «Fran-
72,4; ABI/INFORM Global Pg. 599 cisco José de Caldas». Director grupo de investigación MMAI de la
Universidad Distrital, Investigador grupo GIP Universidad Católica
[18] Leachman R. & Carmon T., On capacity modelling for de Colombia, Investigador CITAD, Centro de investigaciones en
production planning with alternative machine types, IIE tecnologías avanzadas de decisión «Carlos Jordana»Universidad
transactions September 1992, Vol 24, No 4 de la Sabana.
[19] Hung Y. & Cheng G., Hybrid capacity modelling for alternative clopezb@udistrital.edu.co
machine types in linear programming production planning, IIE
Transactions, Feb 2002, 34,2 ABI/INFORM Global Pg. 157
[20] Paraskevopoulos D. Et al, Robust capacity planning under Leonardo José González Rodríguez
uncertainty management science, Jul 1991, 37,7 ABI/INFORM Magíster en Ingeniería Industrial, Universidad de los Andes. Espe-
Global Pg. 787 cialista en Ingeniería de Producción, Universidad Distrital. Ingenie-
[21] McClain J. et al, Efficient solutions to a linear programming ro Industrial, Universidad Distrital. Profesor Asistente, Facultad de
model for production scheduling with capacity constraints and Ingeniería. Universidad Distrital «Francisco José de Caldas». Di-
no initial stock, IIE Transactions Jul 1989, 21,2 ABI/INFORM rector de las Especializaciones en Ingeniería de producción e In-
Global Pg.144 formática Industrial de la Universidad Distrital, Director Grupo de
Investigación en Sistemas Logísticos, CITAD- Centro de investiga-
ciones en tecnologías avanzadas de decisión «Carlos Jordana»
Universidad de la Sabana, Investigador grupo de investigación
MMAI de la Universidad Distrital, Investigador grupo GIP Universi-
dad Católica de Colombia. lejogorod@yahoo.com
66 Vol. 10 No. 2
Ingeniería