Documentos de Académico
Documentos de Profesional
Documentos de Cultura
07( 10)142
1
II.07( 10)142
Asesor
GERMAN RIAÑO
2
II.07( 10)142
TABLA DE CONTENIDO
INTRODUCCIÓN ................................................................................................. 6
METODOLOGÍA ...............................................................................................................9
ADMINISTRACIÓN DE INVENTARIOS..............................................................................10
ELSP – ECONOMIC LOT SCHEDULING PROBLEM.......................................................11
Conjunto .................................................................................................................13
Parámetros .............................................................................................................13
Variables.................................................................................................................13
Función O bjetivo ...................................................................................................13
Res tricciones .........................................................................................................14
SOLUCIO N ELS P .....................................................................................................15
SOLUCIÓ N ELS P PAUL ZIPK IN ............................................................................16
SOLUCIÓN .........................................................................................................30
PROPUESTA DE SOLUCIÓN...........................................................................................30
METODOLOGÍA DE LA SOLUCIÓN..................................................................................30
RESULTADOS ...................................................................................................37
SI MULACIÓN .................................................................................................................37
ESC ENARIO PROPUESTA DE ZIPKIN.............................................................................38
ESC ENARIO METODOLOGÍA ACTUAL ............................................................................39
3
II.07( 10)142
ANEX OS .............................................................................................................44
4
II.07( 10)142
5
II.07( 10)142
INTRODUCCIÓN
Todas las organiz aciones c on ánimo de lucro entr e su misión o vis ión deben
tener la gener ación de valor c omo uno de sus objetiv os primor diales para
obtener may or es ingr esos a menor costo, siendo estos últimos pr inc ipalmente,
el reflejo de las dec is iones tomadas en el área de cadena de abas tec imiento.
Es por esto que todos los esfuerzos deben ir enc aminados en la r evis ión de los
proc esos que intervienen en la cadena de abastecimiento, para encontrar los
puntos neur álgicos y maximizar los ahorros en c ada una de las etapas del
proc eso de producción de los productos c ongelados.
Los proc esos der ivados del plan de producción publicado c ada oc ho días son:
6
II.07( 10)142
por ende no se lleve a cabo la pr oducc ión hasta la res puesta del
prov eedor.
2. Planeaci ón del recurs o hum ano para llevar a cab o los pl anes de
producción. Se organiza el rec urso humano par a llev ar a c abo las
producciones programadas con los distintos c olabor adores de la
organización ( oscilan entre 500 a 600). Co mo r esultado de este
proc eso se ar man las tr ipulaciones por máquina tenie ndo en cuenta
las restricc iones del pers onal c omo: vac ac iones, c apac itac iones e
inc apac idades.
3. Estim ar la capacidad de alm acenamiento. El área de logística estima
el es pac io nec esar io par a guar dar las producciones en el cuarto frío.
Al ser una planta de productos congelados el es pacio es una
restr icción a tener en cuenta, debido a las espec ificac iones de frió
(almacenar lo a -34ºC) del producto para mantener sus estándares de
calidad, mas aun c uando es te tipo de pr oductos no se puede
almac enar fuer a del mismo.
4. Planear el núm ero de vehículos par a tr ansportar el pr oducto. Realizar
la planeación de vehíc ulos necesarios par a r ealizar los car gues a las
difer entes r egionales a las cuales la planta de pr oductos c ongelados
prov ee de inventar io.
7
II.07( 10)142
unidades a vender, por ende s e puede afirmar que labor an c on una demanda
deter ministic a, y ponen en marc ha s u proces o pr oductiv o s olo cuando y a tienen
la venta as egur ada del pr oducto ter minado.
• Altos niv eles de pr oducto ter minando tr aduc iéndose en una disminuc ión
del EVA (Economic V alue A dded) por la reducción de la liquidez de la
compañía a causa de la gran cantidad de días de inventar io.
• Venc imiento de un pr oduc to si se manejan referenc ias per eceder as.
• Constantes cambios de refer encia en las máquinas.
• Falt antes de pr oducto ter minado.
8
II.07( 10)142
Metodología
9
II.07( 10)142
MARCO TEORICO
Aunque este pr oyecto enfatiza una soluc ión al problema de adminis trac ión de
inventarios par a una planta de pr oduc tos congelados, esta puede ser extendida
a los demás r amas de la industria manufac tur er a como: bebidas, pr oduc tos
químicos, alimentos, entr e otr os que enfrentan el mis mo problema.
10
II.07( 10)142
El ELSP cons iste en hallar la s ecuencia y los tamaños de lote que minimicen
los c ostos de mantener inventar io y cambio de r efer enc ias, s ujeto a: la
capac id ad de producción de la máquina y la satisfacc ión de las demandas de
las r efer enc ias producidas. Sin embar go, par tiendo de es ta definic ión ex isten
variac io nes al pr oblema or iginal, los cuales se clasifican s iguiendo tres
carac ter ísticas :
• Pr esenc ia o aus encia de tiempos y costos de set up.
11
II.07( 10)142
Las c aracter ísticas de los ocho subproblemas con sus r espec tivas var iantes
se s intetizan en el siguiente diagrama de Venn
12
II.07( 10)142
Conjunt o
Numero de referencias: i = { 1,2.., N}
Parámetros
d i = Tas a de demanda del pr oducto i.
ρ i = di / pi
Variables
fi .
Función Objetivo
La func ión objetiv o de es te problema esta c ompuesta por los costos: debido a
los c ambios de r efer enc ia de la máquina y el de almacenamiento de las
unidades. Este último se calcula multiplic ando el parámetr o hi por el nivel de
13
II.07( 10)142
Restricciones
La r estr icción de demanda se deduce partiendo del gr áfic o 2 donde el tiempo
de pr oducc ión debe satisfacer la demanda del produc to hasta la próx ima
elaborac ión del mis mo.
( p − d )t = d (s + u ) → p (1 − ρ )t = pρ ( s + u ) → (1 − ρ )t = ρ ( s + u ) →
t i = ρ i (s i + t i + u i ) ∀i ∈ N
14
II.07( 10)142
∑ (s i + ti + u i ) = T
i =1
t i , ui ≥ 0 ∀i ∈ N
SOLUCION ELSP
La s oluc ión al pr oblema ELSP no s olo ha despertado el inter és del mundo
académico por la frec uencia de ocurr encia en esc enar ios reales , s ino, por la
dificultad para llegar a una s olución óptima del mis mo. Lo anter ior se explica
debido a la teor ía de la complejidad computac io nal, la cual estudia los recursos
requeridos (tiempo y memoria del c omputador) para darle solución a un
problema.
Khouja, Mec halew icz y Wilmot ( 1998) pr oponen el uso de algor itmo genético.
Esta heurística s upone: el planteamiento de un periodo básic o donde los
tiempos de producción de los produc tos son un múltiplo enter o del mismo y
unas cotas inferior es y superior es para el valor de las v ariables. Se inicializ a el
método generando una población aleator ia de s oluciones, donde los valores
son transfor mados a base binaria y cada var iable es repr esentada por un
número determinado de bits para for mar un cr omosoma de unos y cer os. A
continuación, por medio de oper aciones de combinación entr e los cromosomas
y el cambio de valor en alguna de s us posiciones se v an variando las
soluc iones de tal que forma que a la s ig uiente generación s obr evivan las
mejor es soluciones, esta técnic a es conoc ida como elitismo r ealiz ando un s ímil
a la teor ía de ev olución de Darw in.
15
II.07( 10)142
… … … …
k1 k2 k11 g
Dobs on en 1985 se enfoco en brindar una metodología para hallar s ec uenc ias
óptimas de producción. Donde los tiempos de elabor ación de una referencia
podr ían var iar a lo lar go de un c iclo y no depender de la r estr icción de periodo
básic o. Su heur ís tic a se bas a en deter minar frecuencias de producc ión
teniendo en cuenta el tiempo de duración de cada refer encia. De esta for ma
proc esa las órdenes por dos criter ios: el pr imero es la frecuencia de producc ión
en el cic lo y luego de menor a may or tiempo de pr oducc ión.
Sin embargo la técnic a escogida para res olver el pr oblema de progr amac ión en
la planta de pr oductos c ongelados se basa en el estudio elabor ado por Paul
Zipkin ( 1989) por:
• Fácil implementación a difer enc ia del algoritmo genétic o donde hay que
hacer transfor maciones de base binar ia a dec imal.
• Tiene en c uenta los tiempos de set up para constr uir la sec uencia de
producción.
• Br inda como res ultado los tiempos y secuencia de producción a
difer encia de la técnic a de Dobs on (1985) la cual se limita a calcular una
secuencia óptima de producc ión.
Paul Zipkin (1989) considera que el pr oblema ELSP esta confor mado por dos
etapas, la primer a de ellas es un pr oblema de combinac ión lineal donde se
halla la s ecuencia óptima de producción c ons ignada en el vec tor f , la primera
posic ión c orresponde al pr oducto a elabor ar en primera ins tancia y as í
suces iv amente. Zipkin se apoya en la metodología r ealizada por Dobson (1986)
para enc ontrar esta secuenc ia óptima y parte de este resultado para solucionar
la segunda etapa del problema. Sin embar go, en este pr oy ecto se r esuelve
16
II.07( 10)142
esta primer a parte del pr oblema us ando la metodología del problema del
agente viajero, gr acias al supuesto par a este cas o donde las r eferencias no se
repiten dur ante el ciclo de pr oducción T .
producción del pr oduc to ubic ado en la pos ición j del vector f . Por otr a parte,
el autor define un vec tor J i = { j : f j
= i} donde J i es el conjunto de pos iciones
donde s e r epite la producción del pr oduc to ubic ado en la pos ición j del vector
f . Sin embar go par a el pr oblema de la planta de productos congelados las
referenc ias a pr oducir solo apar ec en una vez en la secuencia óptima f como
cons ecuenc ia de la metodología implementada en la primer a etapa del
problema. Por ende el número de elementos del conjunto J es igual J i = 1 lo
Con el fin de prec isar el tie mpo de pr oducción en la posic ión f j , el cual debe
17
II.07( 10)142
Al realiz ar las condiciones KKT al problema ELS P matric ial s ur gen cuatro
ecuac io nes de gran utilidad para res olver el pr oblema para un T fijo.
Ht − eλ − (I − At )µ = 0
− eλ + At µ = v
et t + et u = T − s
(I − A)t − Au = As
u ≥ 0, v ≥ 0, u t v = 0
Donde µ es el vector de las var iables duales de las res tricc iones t = A(s + t + u) ;
λ es la var iable dual de la restricc ión e(s + t + u) = T . y v son los cos tos
reduc idos de las variables u .
Para inic ializ ar el algoritmo propuesto por Zipkin (1989) se crea una sec uencia
finita de pos ib les valor es para la v ariable T ( TO ...TK ) donde la cota inferior es
igual a:
s
To =
1− ρ
Los pas os del algor it mo s e descr iben a continuación:
18
II.07( 10)142
*
Paso 2: Calcular el v alor de las direcc iones y el valor de Tk que ser á optimo si
19
II.07( 10)142
La empresa de pr oduc tos c ongela dos ofrece un portafolio de cinc uenta y ocho
referenc ias con el fin de satisfacer los diferentes gustos de los consumidor es.
Cada ocho días el área de planeación in dustr ia l de la organiz ación realiz a un
progr ama de pr oducc ión con un horizonte de quinc e días para cada una de las
referenc ias teniendo en cuenta: inventarios iniciales, pronóstico de ventas,
faltante de pr oducto, capac idades de las máquinas, mano de obr a, eventos
extr aordinar ios , entre otros.
Pero onc e de los c inc uenta y oc ho pr oductos de la empres a son produc idos en
una mis ma máquina, s iendo este equipo el de mayor numero de referencias a
progr amar en toda la compañía y el pr oblema a r esolver en este proy ecto.
Por otra par te, el realizar corridas muy largas de las refer encias gener a altos
costos de almacenamiento, sumado a que al ser una empr esa de pr oduc tos
congelados los productos no pueden ser depositados a la intemper ie, sino en
unos cuartos fríos a una temper atur a de - 34º C par a mantener las propiedades
y par ámetr os de calidad, sumado a que la capac idad de almacenamiento de la
compañía es limitada (1120 pos iciones) de las cuales 350 fueron as ignadas a
esta máquina.
20
II.07( 10)142
Por lo anter ior sur ge la necesidad de implementar un modelo de progr amac ión
de pr oducc ión el cual sugier a una metodología de planeación par a esta
máquina y genere ahorros para la c ompañía.
Conjunt o
Parámetros
21
II.07( 10)142
y Octubre de 2006, respectiv amente. Para estos casos donde tan s olo se
tienen dos meses de datos, el parámetr o Di sale del pr esupuesto de ventas
elaborado por el ár ea de mercadeo de la compañía en el cual s e es pec ific a el
número de unidades a vender para los pr óximos doc e mes es.
Por otra par te, la máquina tiene contemplada dos tr ipulaciones de gente, para
trabajar dos tur nos al día. Con esta infor mac ión calculamos las tas as anuales
de pr oducc ión, tenie ndo en cuenta que por polític as de la compañía no se
permite trabajar los domingos ni festivos . En el año son 18 festiv os, lo que
repr esenta 3 semanas de producc ión por ende los cálc ulos se hacen de la
siguiente for ma:
semanas.
Tabla 4. Producc io nes anuales de la referencias por unidades
22
II.07( 10)142
Producto (i) Pi
Producto c ilíndric o 21.168.000
Pr oducto a base de agua 1 26.460.000
Pr oducto a base de agua 2 26.460.000
Pr oducto a base de leche 1 24.108.000
Pr oducto a base de leche 2 24.108.000
Pr oducto a base de leche 3 24.108.000
Pr oducto a base de leche 4 24.108.000
Pr oducto a base de leche 5 24.108.000
Pr oducto a base de leche 6 24.108.000
Pr oducto con harina 1 20.580.000
Pr oducto con harina 2 10.584.000
Con esta infor mación podemos c omprobar la condic ión de factibil idad del
modelo, el cual exige ∑ρ
i =1
i = 0 .973 < 1 .
La c ompañía tiene dos bodegas de almac enamiento con c apacidad para 800 y
420 estibas r espectiv amente. De igual forma cuenta con un prov eedor que
pres ta el s ervicio de almac enamiento en frío, el cual cobra de acuerdo al
número de pos iciones que tenga la empr esa almac enadas en su bodega. El
costo por una estiba de produc to almacenada en el pr oveedor durante un mes
es de: $ 119.880. Sin embar go de acuer do con los lineamentos de la gerencia
de la cadena de abastec imiento solo s e per mite un máximo de 150 es tibas en
el almacén externo. Dado que el pr oduc to se almac ena en tres bodegas
difer entes, el c osto de mantener una unidad de producto en el inventar io es un
promedio ponderado entre los tres centros.
23
II.07( 10)142
De igual for ma hay que tener en c uenta que las unidades por estiba var ían de
acuer do al v olumen de c ada pr oducto. A contin uación hay una tabla donde se
espec if ica las unidades por estiba para cada r efer enc ia.
Con esta infor mac ión se calc ulo el de la siguiente for ma:
24
II.07( 10)142
Teniendo en c uanta los tiempos de alistamiento mec ánico y lavado del equipo,
se c ons truy o la matriz de tiempos en hor as par a el cambio de la referencia i a
la referencia j.
Con bas e a esta matr iz de tiempos se soluciona la primer a etapa del pr oblema
para hallar la secuenc ia óptima de producción f.
a i = Costo de set up.
Metodología Actual
En la ac tualidad el área de planeac ió n industrial de la organiz ación, realiz a un
progr ama de producc ió n c ada miérc oles c on un hor izonte de 30 días. Es
25
II.07( 10)142
revis ado c ada oc ho días con el fin de hacer c ambios al pr ogr ama c omo
cons ecuenc ia de v ar iaciones en la demanda.
Como cons ecuencia de esta labor surge el progr ama de producc ión de la
máquina, pero al rev isar la pr ogramación de los últimos tr es mes es no se
encuentra un patrón claro en los tiempos de durac ión par a cada lote de
producción. Sin embargo s e r espeta un patr ón sobre el orden en que deben
progr amars e las r eferenc ias entre familias de pr oductos, el patrón sigue el
siguiente or den:
• Pr oductos a base de agua
• Pr oductos a base de leche: r espetando las pigmentaciones de
cada referencia donde se pasa del produc to con ingredientes más
claros a los oscur os.
• Pr oductos a base de harina.
• Pr oducto cilíndr ico.
26
II.07( 10)142
El 25.6% de los gastos anuales de este equipo son gener ados por el numero
de unidades almac enadas en los cuartos fríos. El r estante 74.4% se debe a los
cambios de referencia que debe soportar el equipo, 11 en total, a lo largo de los
30 días hábiles de pr oducción. Estos cambios no solo cas tigan la eficiencia de
la máquina al r ealizar menos unidades por tur no, sino que ex pone a las piezas
de tecnología de punta, a la manipulación recurr ente de los operarios de
mantenimiento donde se corre un mayor riesgo de r uptur a en un engranaje
para el nor mal funcionamiento del r ec urso. Sumado a que este equipo al tener
27
II.07( 10)142
una tec nología s ofisticada es ta elaborado para r ealizar c orridas lar gas de
alr ededor de una s emana.
Consecuencias
Las cons ecuencias de pr ogramar el r ecurs o bajo este esquema de inventar ios
son:
• Altos costos de alistamiento.
• Fatiga mec ánic a de algunas piezas por frec uente manipulac ión de los
oper arios.
• Perdida de tiempo efectiv o de producción y mano de obr a.
• Sub utilizac ión de la c apacidad tec nológic a de la máquina.
Finalmente es un error pr ogr amar la planta c on base a los his tór ic os de ventas
de los últimos tr es meses. Porque estos no predicen con exactit ud el s iguiente
mes de ventas que puede estar afectado por alguna es tacionalidad del año.
Siendo este el cas o de los pr oductos congelados donde hay un aumento de
ventas par a los meses de ju nio y dic iembr e en las refer encias .
800.000 UN
700.000 UN
600.000 UN
500.000 UN
400.000 UN Producto a base de Agua
300.000 UN
200.000 UN
100.000 UN
0 UN
05
06
06
06
06
06
20
20
20
20
20
20
ri l
e
to
re
ni
br
er
Ab
os
ub
Ju
br
em
Ag
ct
Fe
O
i ci
D
28
II.07( 10)142
Esta estacionalidad de los productos se explica por el v erano que sufre el país
durante estos meses, donde s e incr ementa la v enta de los pr oduc tos
congelados por s atisfacer la necesidad de r efrescanc ia de los c onsumidor es.
Por ende s ería un error proyec tar las ventas de los mes es de venta pico s obre
los histór icos de los últimos datos r egistrados .
29
II.07( 10)142
SOLUCIÓN
Propuesta de solución
En pr oc ura de una s oluc ión par a el gr ave pr oblema hasta ahora descrito, en
este doc umento s e pretende aplic ar el método de planeación propuesto por
Zipkin (1989) que per mita planificar la producción buscando dis minuir los
gastos en los que le empres a de pr oduc tos congelados incurr e por faltantes o
exces o de inventarios. Esta sección desarrollar á el método basado en valores
pasados de la demanda, que s ervir á como apoyo para la toma de las
decis iones de producc ión.
Metodología de la solución
Et apa 1
Para res olv er la pr imera etapa s upondr emos que a lo largo de la secuencia de
producción no se repite ninguna r eferencia, como c onsecuenc ia a los altos
costos de set up en relación a los costos de almacenamiento de un turno de
producción. Bajo este panor ama el problema de optimizac ión es similar al del
agente v iajero TSP (Trav eli ng Sales man pr oblem).
El TS P c ons iste en un vendedor el cual debe vis itar n c lientes antes de r etor nar
a su punto de salida. El tiempo que le toma ir del cliente i al j es C ij y se
busc a encontr ar el orden en el cual debe realiz ar las v isitas de manera que le
tome el menor tiempo pos ible. La adaptación de este pr oblema par a la
30
II.07( 10)142
situac ión pr oblemátic a enunc iada en este doc umento, s e logra r edefiniendo los
nodos ya no como c lientes sino c omo las onc e referenc ias a producir en el
equipo y el agente viajer o es la máquina de producción. De esta for ma se
garantiza que la máquina pr ograme las once r efer enc ias y enc uentr e la
secuencia que minimice los tiempos de set up. En el gr áfic o seis se enc uentra
el gr afo par a este pr oblema donde los nodos s on las referencias y los arcos
son los tiempos de set up registrados en la tabla 9.
31
II.07( 10)142
11 11
min ∑ ∑ S ij x ij
i= 1 j =1
11
s.a ∑x
i= 1
ij =1 ∀j ∈ S (1)
11
∑x ij =1 ∀i ∈ S (2)
j= 1
Las r estricc iones uno y dos garantizan que cada bac he tenga un único
predeces or y suc esor. Sin embargo estas dos no gar antiz an solucionar el
problema porque exis te la probabilidad de gener arse s ub c iclos dentr o el gr afo.
En efecto, c uando s e r elaja esta r estr icción y s e r es uelv e el pr oblema en la
herr amienta de pr ogr amación lineal ( X-pr ess) el r esultado de la optimizac ión
arroja s ub c iclos los c uales no son una res puesta factible al problema.
Grafico 7. Res ultado problema r elajada TSP
32
II.07( 10)142
Para lograr que el modelo genere un solo cic lo pasando por todas las
referenc ias se agr ega al problema la r estr icción (3) la c ual analiz a c ada
subc onjunto del grafo. Si una solución contiene un subcic lo dentro de un
conjunto de nodos S, la suma de los xij de 1 hasta S tiene el mis mo v alor al
número de nodos del s ubconjunto. Per o la res tricc ión ( 3) genera un número
exponencial de conjuntos 2 N − 1 = 2 10 =1024, donde N es el númer o de nodos del
grafo, que no puede ser r esuelto por el s oftw are de pr ogr amación lineal debido
a la complejidad c omputacional mencionada anterior mente.
Por lo anterior es nec es ario usar otra r estr icc ión cr eando una var iable real y j ,
la cual evita la for mación de sub c iclos dentro del algor itmo. El numer o de
restr icciones c on esta modificación es igual a N( N-1) = 11 x 10 = 110, siendo
este un problema de tamaño razonable par a programar en el softw are Xpress.
∀j ∈ referencias : y j ≥ 0
∀i ∈ referencia s, ∀j = 2,..., NR, i ≠ j : y j ≥ yi + 1 − NR (1 − xi, j )
Al adicionar estas dos restr icciones y realizar la for mulación del problema en el
softw are de optimiz ac ión se obtiene el siguiente r esultado:
33
II.07( 10)142
agua (A), luego los s eis productos a base de lec he y finalmente los dos a base
de harina.
Con esta soluc ión hallamos el vector f el c ual es la base para la s egunda
etapa del proble ma, el cual muestr a la sec uenc ia de producción de las
referenc ias . fj
1 3 2 6 7 4 8 5 9 10 11
Con esta secuenc ia de pr oducc ión s e c alcula los tie mpos de alistamiento pr evio
a cada una de las producciones de la s ecuenc ia .
Si
6 4 1 2 1 1 0,5 2 0,5 8 2
7.141.500 2.388.750 1.871.625 5.040.000 1.796.000 1.388.000 470.000 2.984.000 684.000 7.440.000 1.444.500
34
II.07( 10)142
Et apa 2
El objetiv o de la segunda parte del pr oblema es hallar el tiempo de cic lo y la
durac ión del bache de producción par a las onc e r eferenc ias , partiendo de la
secuencia encontr ada en la pr imera etapa. Sin embargo a diferencia de la
primera fas e, Zipkin (1989) destac a que la natur alez a c uadrática del pr oblema
dificulta la obtenc ión de una solución por los métodos tradic ionales de
optimización. Surge entonces la neces idad de fijar la var iable tiempo de c iclo
( T ).
La v ariable tiempo de cic lo tiene una cota inferior para gar antizar la factibilidad
del pr oblema.
s
To =
1− ρ
11
Donde s es la suma de los tiempos de set up de la sec uencia f y ρ = ∑ρ i , el
i =1
T 0 es igual a 0.1183 años corr espondientes a 43 días . Lo anter ior sugier e que al
menos c ada c uar enta y tres días s e r epite la secuenc ia de pr oducc ión. Luego
se define el c onjunto de v alor es pos ibles par a , la c ota s uper ior para esta
variable se calc ula con el númer o máx imo de estibas as ignado par a la máquina
en el cuarto fr ío. El número per mitido es de 350 posiciones almacenando una
parte en el proveedor de externo. Sin embar go el v alor máximo deducido para
esta var iable es de 75 días por que c on esta frecuenc ia genera un inventar io
promedio de 360 estibas que supera al máx imo permitido por la gerencia de
cadena de abastec imiento y evita tomar espacios de almac enamiento
asignados a las demás máquinas de la c ompañía. Por ende los “br eakpoints”
suger idos por Zipkin (1989) par a r ealiz ar son el conju nto de númer os impares
que v an del 43 a 75 días . Porque r es puestas con tiempos de cic los may or es a
75 días sobr epasa las capacidades de almac enamiento de la organiz ación.
La solución óptima encontr ada por el algor itmo dis eñado de Zipkin (1989) al
iterar entre el c onjunto de tiempos de c iclo se ilustra a c ontinuación:
35
II.07( 10)142
El res ultado sugiere un tiempo de c iclo de nueve s emanas, donde el costo por
almac enamiento aumento en su par tic ipac ión, paso de un 25 % a un 66.4%, en
relac ión a la pr imera opción. Por otra par te, con esta solución s e r ealizan un
menor numero de cambios de refer encia y se opta por tener un mayor nivel de
inventarios, no solo por mantener los estándar es de servicio a los clientes de la
empr es a, s ino por que los c ostos de almacenamiento s on mas bajos a los de
alistamiento del equipo.
El valor de los cos tos totales bajo este panor ama se mues tra a continuac ión
11
c(T ) = ( t t Ht + ∑ a i ) / T = (64 '794.309 + 32'648.375) / 0 .18427 = $528'803.842
1
2 i= 1
36
II.07( 10)142
RESULTADOS
Simulación
Para enc ontrar un valor par a el costo de faltante, se deter mina que és te s erá
igual a lo que la empr esa deja de ganar por la v enta, es to en otr as palabras es
el pr ecio de venta del pr oducto.
Tabla 12: Prec io de producto por r eferenc ia.
Referencia $ COP
Producto Cilindric o 476
Pr oducto a base de agua 1 395
Pr oducto a base de agua 2 350
Pr oducto a base de leche 1 912
Pr oducto a base de leche 2 995
Pr oducto a base de leche 3 850
Pr oducto a base de leche 4 875
Pr oducto a base de leche 5 515
Pr oducto a base de leche 6 515
Pr oducto a base de harina 1 410
Pr oducto a base de harina 2 625
37
II.07( 10)142
Para poder implementar esta solución la organiz ación nec esita ampliar su
bodega de almacenamiento ha 100 posiciones adicionales par a esta máquina.
De igual for ma puede reduc ir el tiempo de pr oducción par a los pr oductos a
base de agua 1 y el producto a base de leche 2 par a aumentar los tiempos de
38
II.07( 10)142
A diferencia del anter ior escenario en este caso los produc tos no tienen exc eso
en estibas de almacenamiento para un promedio de 283. Por ende es pr obable
incrementar las producciones de los pr oductos c on mayor es faltantes, sin
embargo esto afecta el tiempo de cic lo de las demás r efer enc ias pudiendo
generar pos iblemente mas agotados.
Por otro lado es ta cif ra de faltantes obtenida por la simulac ión no se asemeja al
valor real de faltantes pr esentado por la c ompañía en el último año para es tas
referenc ias , el cual fue de 64’354.600. Esto ev idencia la no exis tencia de un
patrón de tiempos de pr oducción par a cada una de las refer encias, dado que
cada ocho días se realiz a la pr ogr amación de la máquina evitando así generar
faltantes al detec tar c ambios dr ásticos en la demanda aleatoria de los
productos. Por ende esta aproximación a los tiempos de pr oducción no logra
ser la mas adecuada, como consecuencia de los constantes cambios a los que
es s ometido el programa de producción.
39
II.07( 10)142
40
II.07( 10)142
• Se r equiere alr ededor de 100 posic iones adic ionales para almac enar el
producto en la r ed de frío.
• No hay velocidad de reacción ante cambios súbitos en el
comportamiento de la demanda. Siendo este un punto critico por que las
referenc ias elaboradas en la planta de productos congelados s on de
cons umo masiv o y por ende responden a una demanda estoc ástica. De
ahí que al momento de r ealiz ar la s imulación los faltantes de pr oducto se
hayan incr ementado en un 50% en r elación al niv el de faltantes que
sostiene la compañía actualmente.
41
II.07( 10)142
42
II.07( 10)142
BIBLIOGRAFÍA
BAZA RAA, M., JA RV IS, J., SHERALI, H. 1990. Progr amación lineal y flujo en
redes, Gr upo Noriega Editor es, Méx ico.
GUERET, C., PRINS, C., SEVA UX, M. 2000. Applic ations of optimization w ith
Xpress- MP, Editions Enrolles , Paris , Fr ance. Pag 133
W INA NDS, E., ADAN, I.,VAN HOUTUM, G. 2005. The Stoc hastic Ec onomic Lot
Sc heduling Problem: A Surv ey. International Journal of Production Economics,
vol 88, 231 – 242.
43
II.07( 10)142
ANEXOS
44
II.07( 10)142
45
II.07( 10)142
Pr oducto k
b jk
1 2 3 4 5 6 7 8 9 10 11
1 1 1 1 1 1 1 1 1 1 1 1
2 1 1 1 1 1 1 1 1 1 1 1
Producto j
3 1 1 1 1 1 1 1 1 1 1 1
4 1 1 1 1 1 1 1 1 1 1 1
5 1 1 1 1 1 1 1 1 1 1 1
6 1 1 1 1 1 1 1 1 1 1 1
7 1 1 1 1 1 1 1 1 1 1 1
8 1 1 1 1 1 1 1 1 1 1 1
9 1 1 1 1 1 1 1 1 1 1 1
10 1 1 1 1 1 1 1 1 1 1 1
11 1 1 1 1 1 1 1 1 1 1 1
Matriz P
0,103 0 0 0 0 0 0 0 0 0 0
0 0,011 0 0 0 0 0 0 0 0 0
0 0 0,181 0 0 0 0 0 0 0 0
0 0 0 0,052 0 0 0 0 0 0 0
0 0 0 0 0,002 0 0 0 0 0 0
0 0 0 0 0 0,021 0 0 0 0 0
0 0 0 0 0 0 0,115 0 0 0 0
0 0 0 0 0 0 0 0,039 0 0 0
0 0 0 0 0 0 0 0 0,002 0 0
0 0 0 0 0 0 0 0 0 0,114 0
0 0 0 0 0 0 0 0 0 0 0,333
Matriz A
0,103 0,1028 0,103 0,103 0,10279 0,103 0,103 0,103 0,10279 0,103 0,1
0,011 0,011 0,011 0,011 0,01129 0,011 0,011 0,011 0,01129 0,011 0,01
0,181 0,1812 0,181 0,181 0,18121 0,181 0,181 0,181 0,18121 0,181 0,18
0,052 0,0524 0,052 0,052 0,05239 0,052 0,052 0,052 0,05239 0,052 0,05
0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002
0,021 0,021 0,021 0,021 0,021 0,021 0,021 0,021 0,021 0,021 0,021
0,115 0,1147 0,115 0,115 0,11473 0,115 0,115 0,115 0,11473 0,115 0,11
0,039 0,0388 0,039 0,039 0,03877 0,039 0,039 0,039 0,03877 0,039 0,04
0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002
0,114 0,1143 0,114 0,114 0,11427 0,114 0,114 0,114 0,11427 0,114 0,11
0,333 0,3332 0,333 0,333 0,3332 0,333 0,333 0,333 0,3332 0,333 0,333
46
II.07( 10)142
47
II.07( 10)142
48
II.07( 10)142
elseif tOpt<T
k=k-1;
else
condic ion=condic ion+1;
end
end
function [tOpt,tk,uk]=Pas oDos(matr izA,vector S,s,matr iz H,a,T,T1)
%*********************************************************************
% Esta función c alc ula el T óptimo
%INPUTS:
% v ector S:
% matr izA:
% matr iz H:
% a:
% T:
% T1:
%OUTPUT:
% tOpt
%********************************************************************
%Definic ión de var iables
delt a=zeros( 0,0);
%Calcular tk
[tk,uk]=SolucionELSPNueva( matrizA,v ectorS,s ,T);
%Calcular tk+1
[tk1,uk1]=Soluc ionELS PNuev a( matrizA ,vec tor S,s,T1);
%Calcular delta
delt a=(tk- tk1)/( T-T1);
%Calcular nk
nk=0.5*delta'*matr izH*delta;
%Calcular alpha
alpha=0.5*(tk- T*delta)'*matr iz H*(tk- T*delta) ;
%Calcular t óptimo
tOpt=(alpha+a)/nk;
tOpt=tOpt^0.5;
49
II.07( 10)142
end
function [t,u]=Soluc ionELSPNueva( matrizA ,vector S,s,T)
%********************************************************************
% Esta función s oluciona el pr oblema ELS P para un v alor de t dado
%INPUTS:
% matr izA
% v ector S:
% s:
% T:
%OUTPUT:
% t
% u
%*********************************************************************
%Definic ión de las variables
u=zer os( 0,0);
v=zeros( 0,0);
% Plantear el s istema de ecuaciones
sol1=T-s ;
sol2=matrizA*v ectorS';
[row A,colA]=siz e( matr izA);
I=ey e(row A,colA);
e=ones(row A,1)'; %Tamaño e
%Solucionar el sistema
mat1=e*inv( I-matrizA) *sol2;
mat2=e*inv( I-matrizA) *matrizA;
mat2=mat2+e;
mat3=sol1- mat1;
%Soluciones
u=linsolv e( mat2,mat3) ;
t=inv( I-matr izA)*(s ol2+( matr izA*u)) ;
end
50