PLANIFICACIÓN, PROGRAMACIÓN Y CONTROL DE LA PRODUCCIÓN

Rodríguez, M. Eliana
Escuela de Ingeniería Industrial. Facultad de Ingeniería.
Universidad de Carabobo. Valencia. Estado Carabobo. Venezuela
email: elianarodriguez99@gmail.com

Resumen: La investigación que se presenta examina el estado del arte de la planificación, programación y
control de producción, abordando su evolución y tendencias dentro de los procesos de transformación de
bienes en un mercado cada vez más exigente. Esta revisión permitió identificar la dinámica actual de la labor
logística en términos de la elaboración de planes, asignación de recursos, identificación de rutas de manufactura,
paradigmas actuales de fabricación y aprovisionamiento, así como las plataformas informáticas que sirven de
apoyo para tales funciones. En líneas generales, la tendencia en este campo está dirigida hacia la auto-
organización de los elementos de producción y la gestión horizontal para favorecer la visión holística de todos
los eslabones de la cadena de suministro.

Palabras clave: planificación agregada, programación de la producción, sistemas de fabricación.

PLANNING, PROGRAMMING AND PRODUCTION CONTROL

Abstract: The research presented examines the state of the art in planning, programming and production
control, addressing their developments and trends within the production processes of goods in an increasingly
demanding market. This review led to the identification of current logistics work dynamics in terms of planning,
resource allocation, identification of manufacturing routes, current manufacturing paradigms and procurement
as well as computing platforms that support such functions. In general, the trend in this area is directed
towards the self-organization of production elements and horizontal management to facilitate holistic view of
all links of the supply chain.

Key words: Aggregated planning, production scheduling, manufacturing systems.

INTRODUCCIÓN Existen en la comunidad empresarial dos grandes tipos

La complejidad de los sistemas de producción se ha
ido acrecentando en la medida en la que el mercado
se ha vuelto más exigente como consecuencia de la
evolución de la fabricación en masa a la fabricación
basada en la variedad. En estas circunstancias
aspectos como flexibilidad, adaptabilidad y rapidez de
respuesta han pasado de ser aspectos deseables, a
convertirse en la clave del éxito en muchas empresas
(Arauzo et al., 2004)
Para dar respuesta a estas necesidades del mercado
se han desarrollado paradigmas de producción que
pretenden conjugar de manera sinérgica todos los
elementos individuales del sistema y sacar el mayor
provecho posible de los recursos con los que se cuenta
para fabricar los bienes. Para ello, los esquemas de
producción se rigen por lineamientos derivados de
Sistemas de Planificación y Control de la Producción
(SPCP).
de SPCP, los de arrastre y los de empuje.La
característica principal de los sistemas de arrastre es
que la producción se inicia como consecuencia de los
pedidos de los clientes, mientras que en los sistemas
de empuje la producción se inicia por la decisión del
suministrador de fabricar para mantener los inventarios
antes que el cl iente exprese su neces idad
(Haan et al., 2001).
Los SPCP más conocidos son la Planificación de
Requerimientos de Materiales (MRP) (Orlicky, 1975) y
el Justo a Tiempo (JIT) (Ohno, 1991), el primero para
el empuje de los materiales y el segundo bajo la
modalidad de arrastre. Goldratt (1986) presentó una
propuesta de un paradigma de fabricación denominado
Tecnología de Producción Optimizada (OPT) y desde
la comunidad académica surgió una propuesta
denominada Planificación Jerárquica de la Producción
(HPP) (Hax y Meal, 1975). En este artículo se hace
una revisión del estado del arte de los SPCP, evolución,
nuevas tendencias y su influencia en la labor logística
del mundo moderno.

108 Planificación, Programación y Control de la Producción.

Rodríguez, M. Eliana.
DESARROLLO
La gestión de la planificación, programación y control
de la producción puede dividirse en cuatro etapas
(Rojas y Escudero, 2000). En una primera etapa se
realiza la Planificación agregada de la producción, en
la que se determina la cantidad de producción y su
desarrollo en el tiempo a mediano plazo a través de
familias de productos. Posteriormente, estos cálculos
mensuales se disgregan semana a semana tomando
en consideración las particularidades de cada
producto, para así programar su elaboración. Esta
información alimenta un sistema de planificación de
materiales, equipos y otros recursos que deberá
alinearse para cumplir con las metas establecidas en
el plan. Definidas las rutas de fabricación, se pone en
marcha un último eslabón en el que se coordina la
labor productiva y se ejecutan los mecanismos para
su control.
Planificación Agregada de la Producción
Según Heizer y Render (2001), la planificación
agregada es un método para determinar la cantidad
de producción y su desarrollo en el tiempo a mediano
plazo. Se refiere a la determinación de la fuerza
laboral, a la cantidad de producción y niveles de
inventario en orden de satisfacer la demanda para un
horizonte temporal de planificación específico a
mediano plazo, y el término agregada, hace referencia
a que la planificación no desglosa la cantidad de
producción por detalles de productos sino que los
considera en varias familias, sin importar sus
diferentes variantes de diseño o modelo (Dante, 2007).
En la actualidad, la planificación agregada es una
buena referencia para la planificación de ventas y
operaciones, en la cual puede cumplir la función de
pivote al integrar las funciones de operaciones de
producción, de comercialización y financieras (Singhal
y Singhal, 2006). Una de las primeras características
de las metodologías de planificación agregada es la
‘‘Jerarquía’’. El enfoque jerárquico es necesario para
se logre una integración vertical entre los objetivos
estratégicos, tácticos y operativos del sistema
productivo y además se establezca su relación
horizontal con el resto de las áreas funcionales de la
empresa (Miranda et al., 2005).
Estos autores señalan que la jerarquía de los planes
se inicia con la planificación estratégica o a largo plazo
que utiliza un horizonte temporal superior al año para
determinar la capacidad instalada de la planta, aspecto
que luego se convierte en restricción para los planes
de orden inferior. Posteriormente, se pasa a la
planificación agregada o también llamada planificación
a mediano plazo que estima la fuerza de trabajo, la
tasa de producción, el nivel de inventario, entre otros
factores, con un horizonte temporal de entre 6 y 18
meses.
El plan maestro de la producción se desarrolla a corto
plazo como consecuencia de las restricciones
establecidas en el plan agregado y así se determina
la cantidad a fabricar de cada artículo, como tambien
el momento en que se debe iniciar dicha producción.
Según Miranda et al. (2005), este proceso concluye
con el programa y control de la producción.
La planificación agregada posee las características
mostrada en la figura 1. Las características temporales
tienen que ver con el horizonte temporal de la
planificación, periodos, plazo de rigidez y plazo de
revisión. Los criterios de evaluación determinarán las
bondades y desventajas de diversos escenarios frente
a la maximización del beneficio. A su vez, este
beneficio se determina gracias a la inclusión de
variables de decisión tales como el mantenimiento de
inventarios, la subcontratación y las variaciones de la
fuerza laboral que por lo general también se influencian
de restricciones técnicas, de mercado y legales que
permiten definir el desempeño de la empresa.
Caracteristicas -Horizonte temporal, periodos, plazo de
Temporales rigidez y plazo de revisión
Criterios de -Maximización del beneficio, Minimizar las demoras en
las entregas de los pedidos, variaciones en el nivel de la
evaluación fuerza de trabajo y variaciones en el nivel de producción
Variables de -Inventario, Nivel de fuerza laboral, Nivel de
decisión producción, Subcontratación, Horas de trabajo
Restricciones -Especificaciones del producto, Restricciones
Técnicas. Requerimientos del mercado
Figura 1. Características principales de la
planificación agregada
Fuente: Dante (2007)
Los métodos para la planificación agregada se pueden
clasificar en métodos de comparación de alternativas,
métodos que utilizan reglas de decisión y métodos
basados en modelos de programación matemática.
En la figura 2, se presenta una lista de los métodos
más reconocidos.
109
 Métodos de Métodos con Modelos de La programación entera mixta fue utilizada por Singhvi
comparación de reglas de decisión programación et al. (2004) para resolver el problema de la
alternativas lineal pl anificació n agregada recurriendo a la
- Métodos gráficos de - Regla de decisión - Métododel subcontratación, a variar los niveles de fuerza laboral,
planificación agregada lineal (LDR) transporte de a horas extras, y a mantener inventarios y permitir su
- Proceso de - Modelo de los Bowman
quiebre para satisfacer los pronósticos de demanda
planificación agregada coeficientes de la - La LDR y el
mediante una hoja de dirección modelo de conocidos. Torres (2006) desarrolló un trabajo en la
cálculo - LDR y la capacidad programación lineal ULA Colombia en el que estudia el efecto de la
de la planta de Hanssmann-Hess
descomposición del horizonte temporal sobre las
- Método de la regla - Planificación
de decisión por agregada mediante decisiones de regulación agregada de cargas de
búsqueda programación lineal trabajo, con ayuda de Programación Lineal Entera Mixta
- LDR con múltiples
y un segundo modelo de programación dinámica.
productos y ciclos
largos de producción Dante (2008) propone un modelo de planificación
agregada que incorpora la gestión de la tesorería y
Figura 2. Métodos más reconocidos para la las finanzas a corto plazo, y la organización flexible
planificación agregada del tiempo de trabajo, con un sistema de cuentas de
Fuente: Singhal y Singhal (2006) horas.

Esta revisión muestra como la planificación agregada

Los métodos de comparación de alternativas son
puede desempeñar un papel fundamental en la gestión
aquellos que consisten en generar varios planes
de la empresa integrando todas las áreas de la
alternativos y seleccionar uno en función de ciertos
organización a través de la aplicación de modelos
criterios, haciendo uso de métodos gráficos y hojas
racionales que incluyen cada vez un número mayor
de cálculo. Son métodos ampliamente usados por su
de variables de interés. Tal y como lo señala Dante
sencillez pero sólo para la evaluación de estrategias y
(2007) la tendencia es hacia la programación lineal
no para su desarrollo, puesto que para ello se requiere
con múltiples objetivos y al revisar las publicaciones
de modelos matemáticos.
presentadas puede observarse dicha situación. Esta
realidad representa una enorme ventaja al empresario,
Los métodos con reglas de decisión proporcionan un
pues se muestra un abanico más amplio de opciones
plan agregado que especifica nivel de producción, nivel
para la generación y evaluación de propuestas de
de fuerza de trabajo, horas extras e inventarios a
fabricación que consideran aspectos como niveles de
partir de datos tales como pronósticos de demanda,
inventario, variaciones de la fuerza laboral,
costos, inventarios actuales, mediante un conjunto de
tercerización de algunas operaciones, sobretiempo,
expresiones matemáticas que pueden ser lineales o
entre otros.
no.
Programa Maestro de Producción
Los modelos de programación lineal son los más
importantes para resolver el problema de la
La programación de la producción permite disgregar
planificación agregada por la versatilidad y calidad de
la informació n mensual que proporci ona la
los resultados que ofrecen (Singhal y Singhal, 2006).
planificación agregada, semana a semana, ya no por
Esta afirmación puede corroborarse al revisar las
familias, sino por productos. El objetivo debe estar
publicaciones científicas de los últimos años en las
orientado a establecer la mejor asignación y
que se ha hecho un uso extendido de estas
ordenamiento en el tiempo de lo s recursos
metodologías, seguido de los métodos de la regla de
compartidos, considerando restricciones del sistema
decisión lineal (LDR).
y algún objetivo de fabricación (Acevedo y Mejía,
2006). Las técnicas comúnmente usadas son la
Por ejemplo, la incertidumbre de la demanda del
Programación Reactiva, Redes de Petri, Algoritmos
mercado y la incertidumbre en las capacidades de
Genéticos y la Teoría de las Restricciones
producción son abordadas por Fung et al. (2003) y
Tang et al. (2003) planteando un modelo de
Programación Reactiva
programación no-lineal con lógica difusa para la
planificación de la producción agregada con múltiples
La programación reactiva consiste en un esquema de
productos, tomando en cuenta la posibilidad de
programación en el que las interrupciones aleatorias
modificar la plantilla de personal para lograr minimizar
que pueden efectuarse dentro de las líneas de
los costos.
producción son tomadas en cuenta para generar el

110
plan de fabricación y sus derivaciones en caso de
llegada de órdenes de trabajo imprevistas o fallas en
los sistemas. Muchos han sido los enfoques utilizados
para abordar esta clase de problemas. Acevedo y
Mejía (2006) señalan, por ejemplo, que Yamamoto y
Nof (1985), Chang, y Hsieh (1992), Rojas (1996) y
Pan y Chen, (1997) han clasificado las interrupciones
aleatorias como aquellas que se llevan a cabo en
tiempo real o fuera de línea, y basándose en ello han
generado modelos reactivos que le hacen frente.
En investigaciones como las de Sun, y Xue (2001) se
introdujo un mecanismo de programación de
producción reactivo y dinámico para resolver
interrupciones por cambios de órdenes de producción
y recursos de manufactura. El mecanismo propuesto
modifica sólo la parte de los programas creados
originalmente para mejorar la eficiencia de la
programación reactiva, mientras mantiene la calidad
de programación.
Honghong y Zhiming (2003) estudiaron un ambiente
de manufactura flexible con interrupciones y un
requerimiento de respuesta con restricción de tiempo
en la reprogramación. Su propuesta se basó en la
utilización de una base de datos dinámica, la cual podía
reformar el estado actual del sistema perturbado vía
totalización de los recursos remanentes y trabajos en
proceso. Hall y Potts (2004), consideraron los
problemas de programación en los que un conjunto
de trabajos originales ya se han programado para
minimizar un determinado objetivo y un nuevo conjunto
de trabajos llega de imprevisto y ocasiona una
perturbación, en un ambiente de manufactura de una
sola m,áquina. Para su solución, diseñaron dos
modelos: el primero, para minimizar los costos de
programación de todos los trabajos sujeto a un límite
sobre la ruptura causada al programa original; y el
segundo, para minimizar un objetivo de costo total en
el que se incluye la medida del costo original y el costo
por la ruptura.
Redes de Petri
Una Red de Petri (RdP) es un tipo particular de grafo
dirigido, pesado y bipartito (Cho, H., 1998). Murata
(1989) afirma que las redes de Petri permiten modelar
fácilmente sistemas con eventos concurrentes,
asíncronos, distribuidos, paralelos y/o estocásticos,
donde cada pieza puede tener rutas alternativas para
su proceso dentro del sistema y esto ocurre en los
sistemas de manufactura flexible.
Figura 3. Modelo de Red de Petri
Fuente: Acevedo y Mejía, 2006
Algunas de las aplicaciones de las RdP son las
propuestas por Liu y Dillon (2007) en la que se
desarrolla un método de transformación de las normas
de producción en Redes de Petri para mantener la
exactitud, consistencia e integridad de la base de datos
a programar. Gradisar y Music (2007) describen como
aplicar Redes de Petri temporizadas y datos históricos
en la modelización de los sistemas de producción. Para
ello se construye un algoritmo de redes de Petri en
Matlab y para mostrar la eficiencia de la propuesta lo
aplican a un problema de programación en la
producción de herrajes para muebles. Zou et al. (2009)
presentaron un modelo de flujo de trabajo para el
Desarrollo Cooperativo de Productos (DCP). Para ello
se plantearon como objetivo analizar el proceso de
desarrollo de la producción basada en las Redes de
Petri, tomando como referencia la gestión de flujo de
trabajo.
Algoritmos Genéticos
Los Algoritmos Genéticos (AGs) son métodos de
búsqueda estocástica que utilizan las teorías de
evolución y selección natural, para resolver un
problema dentro de un espacio de solución complejo
y forma parte de una población más amplia de
algoritmos denominados Algoritmos Evolutivos
(Acevedo y Mejía, 2006). El uso de los AGs para la
resolución de problemas de programación y asignación
de recursos puede observarse en investigaciones
como la de Illada y Maneiro (2005) en la que se logra
optimizar el manejo de materiales en una empresa
fabricante de cremas dentales mediante métodos
evolutivos.
111
Gómez (2007) presenta un algoritmo genético basado
en un sistema multiagente para la programación de
la producción en un taller de flujo híbrido, en el que
diferentes máquinas son capaces de producir los
mismos productos. Correa et al. (2008) presenta una
revisión del estado del arte de los métodos meta
heurísticos, principalmente algoritmos genéticos
existentes en la literatura para el problema genérico
del Job Shop, minimizando el makespan y resalta que
esta clase de métodos son los más recurrentes a la
hora de solucionar el problema genérico de los talleres
de producción.
I de problemas, árbol de uso de recursos y la
SB P
EG
ES
CNI
CNR
F
Figura 4. Ejemplo de Aplicación de Algoritmos
Genéticos. Estados de un Agente Familia
Fuente: Gómez (2007)
Jaramillo et al. (2009) presentaron el desarrollo de
un método basado en algoritmos genéticos y
programación lineal para la solución de un problema
de corte unidimensional para optimizar un proceso de
producción de cajas de cartón. Como parte de las
conclusiones resalta que el desempeño del método
desarrollado es superior a las soluciones anteriores
obtenidas al utilizar únicamente algoritmos genéticos
o programación lineal.
Teoría de las Restricciones
Esta teoría fue propuesta por Goldratt en la década
de los 80 y desde entonces ha sido ampliamente
utilizada en la industria (Mula, 2005). Es un conjunto
de procesos de pensamiento que utiliza la lógica de la
causa y efecto para entender lo que sucede y así
encontrar maneras de mejorar. Tiene como premisa
112
fundamental que en toda empresa existen restricciones
que impiden que las ganancias sean ilimitadas. Estos
factores limitantes se denominan cuellos de botella y
el objetivo de la gerencia debe ir orientado a la
neutralización de los mismos (Watson et al., 2007).
Morales (2006) utilizó esta técnica para diseñar un
sistema de programación en una empresa de artes
gráficas en Medellín y logró detectar las brechas para
el aumento de las ganancias y en base a ello
estructurar mecanismos para enfrentarlas. Jia et al.
(2007) utilizaron la Teoría de las restricciones y la
dinámica de sistemas para rediseñar un método de
producción a partir del uso de árboles de resolución
transferencia de la matriz de restricciones. El objetivo
era mejorar la eficacia y eficiencia de los sistemas de
producción mediante el establecimiento de un
mecanismo de supervisión, previsión y gestión de
restricciones.
Tsai et al. (2007) presentaron un algoritmo para la
optimización de la programación de un conjunto de
productos bajo la teoría de restricciones, tomando en
cuenta todos los recursos cuello de botella mediante
el cálculo de una relación de prioridad. Los resultados
muestran que el algoritmo propuesto es un instrumento
práctico para la obtención de la programación del
conjunto de productos que optimiza los beneficios.
Planificación de los Requerimientos
La planificación de los requerimientos de los recursos
empresariales generalmente se logra a través de
sistemas integrados que permiten optimizar los
procesos empresariales, acceder a la información de
forma fiable, concisa y segura, no replicar información
a través de bases de datos centralizadas, dar soporte
a los clientes del negocio, gestionar eficientemente
los recursos de información para la toma de decisiones
y minimizar los costos de operaciones.
Planificación de los requerimientos de los
materiales (MRP)
Un sistema MRP transforma un plan maestro de
producción en un programa detallado de necesidades
de materiales y componentes requeridos para la
fabricación de los productos finales utilizando para ello
las listas de materiales Orlicky (1975). En este sentido
los programas generados por el MRP provocan el inicio
de los procesos de producción para satisfacer las
fechas de entrega. Las piezas requeridas se procesan
y pasan a la siguiente etapa hasta que se produce el
montaje final (Mula, 2005)
El hecho de no considerar ninguna restricción de
capacidad, fue considerado una desventaja en la
planificación real de los materiales y el MRP
evolucionó al sistema MRP II en el que se encuentran
funciones como planificación de negocio, ventas y
planificación de la producción (Petty et al., 2000)
(Vollmann et al., 1992). Sin embargo, Jonsson y
Mattson (2002) y Mula y Poler (2001) señalan que los
sistemas MRP II son los más utilizados para la
planificación y control de la producción en las industrias,
aunque en algunas casos haya problemas para su
implementación.
Planificación Jerárquica de la Producción (HPP)
Los procesos de planificación jerárquica de la
producción descomponen el problema global de toma
de decisiones en una serie de sub-problemas que
corresponden a diferentes niveles de una jerarquía
de planes. Estos sub-problemas pueden resolverse en
secuencia, de modo que la solución en cada nivel
impone restricciones sobre el problema del nivel
inferior (enfoque de arriba-abajo) (Hax y Meal, 1975).
Vicens (1988) señala que si bien el MRP podría
considerarse como un procedimiento jerárquico, la
HPP lo es realmente, y se basa en la división del
problema de la planificación de la producción en varios
niveles. La planificación jerárquica de la producción
(HPP) difiere marcadamente del MRP y sus
implicaciones matemáticas habían impedido que
lograra el mismo grado de aceptación (Vicens et al.,
2001).
Las aplicaciones de la HPP son diversas. Qiu et al.
(2001), por ejemplo, la utilizan en un ambiente de
multiproducto y multimáquina para asignación de
recursos en un horizonte temporal, Tisher (2003) para
los problemas de la cosecha de la caña de azúcar y
Yan (2003) en un taller flexible automatizado en china.
Para el 2004, Yan et al. exploran el problema de la
HPP de sistemas flexibles de fabricación con el objetivo
de descomponer planes de producción a medianos
plazo en planes de producción a corto plazo que
minimicen los costes sujetos a la restricción de que
las demandas sean satisfechas.
Control de la Producción
Una vez que se han disgregado las necesidades para
la consecución de los objetivos del programa de
producción es necesario establecer los mecanismos
de control de las actividades de producción.
Domínguez, Machuca et al (1995), denominan gestión
de talleres a todas las actividades cotidianas que tienen
como objetivo elaborar programas, evaluaciones y
controles de la producción para satisfacer el Programa
Maestro, conjugando capacidad disponible y máxima
eficiencia.
Un concepto muy ligado al de control de producción
es el de inventarios. Varias filosofías describen estos
esquemas de manera muy clara: Justo a Tiempo (JIT)
y Tecnología de Producción Optimizada (OPT) son
algunas de ellas. La Tecnología de Producción
Optimizada es la filosofía detrás de la Teoría de las
Restricciones. Este método se puede sintetizar de la
siguiente manera; en primer lugar, se programa la
producción para el recurso cuello de botella, este
programa se traslada al origen del flujo de materiales
en forma de permiso para comenzar la producción y
a ésto se le denomina tambor. La anticipación con la
que se proporciona este permiso depende de las
irregularidades del sistema que se gestiona, y a ésto
se le conoce como cuerda. De este modo no se
establece un calendario para los distintos centros de
trabajo, sino que éstos deben procesar las órdenes
tan rápido como puedan (Mula, 2005). Las aplicaciones
de esta filosofía se han presentado en el aparte relativo
a programación de producción.
El Justo a Tiempo (JIT) es el cambio de paradigma de
un grupo teórico sobre los sistemas MRP II. El esquema
de producción JIT está caracterizado por el trabajo
en pequeños lotes y el control de la producción por
medio de un sistema de información denominado
Kanban. Esta filosofía de manufactura ha sido
ampliamente difundida y sus repercusiones estudiadas
por numerosos investigadores. Actualmente, se
enmarca dentro de los patrones de la Manufactura
Esbelta, que se ha definido como un conjunto de
herramientas cuyo objetivo principal es eliminar el
desperdicio como tiempo, espacio, personas,
material, retrabajos, inventarios, entre otros (Shah y
Ward, 2003).
Numerosos investigadores han explorado las ventajas
y desventajas del JIT. González (2000) presenta un
estudio sobre cuáles son los problemas que están
afrontando los proveedores de primer nivel en la
industria española del automóvil, tras la adopción de
sistemas de aprovisionamiento JIT por parte de sus
clientes y señala que los problemas de inventario de
las ensambladoras no han desaparecido, sólo se han
desplazado a los almacenes de los proveedores y
Álvarez (2002) realizó un estudio similar en México
encontrando resultados muy parciales.
Por su parte, Zijm (2000) resalta que muchos autores
abogaron por enfatizar la estabilidad de los tiempos
113
de entrega internos y no prestaron atención al tiempo
que pasaban las órdenes de trabajo esperando a ser
liberadas. Sin embargo, Sáenz et al. (2006) señalan
que dentro de las buenas prácticas de la logística en
una comunidad europea, estaban indicadores como
la satisfacción del cliente, reducción de plazos de
entrega y reducción de inventarios, como los
principales factores de evaluación de la gestión logística
de diversos tipos de empresas y que éstos resultados
estaban asociados a JIT dentro de las cadenas de
suministro.
Rodríguez y Mendoza (2007), en un artículo de revisión
documental, señalan que en las empresas en las que
se ha establecido el JIT, se evidencia una marcada
distancia entre modelo y realidad, por cuanto su
aplicación está limitada a pequeños cambios que no
modifican de manera sustancial la organización de la
producción.
Nuevos sistemas de fabricación
La aparición de paquetes informáticos que permiten
la resolución de problemas complejos en un tiempo
muy corto ha permitido el desarrollo de nuevas formas
de gestión de los sistemas productivos, que destacan
la idea de ver los sistemas de fabricación como seres
complejos para establecer símiles con sociedades
humanas, enjambres de insectos o seres vivos. En tal
sentido aparecen nuevos paradigmas tales como
Sistemas de Fabricación Holónicos, Sistemas de
Fabricación Biónicos, Fabricación Fractal o Fabricación
Basada en Agentes (Tharumarajah 1998).
Los sistemas de fabricación holónicos son los que más
interés han despertado en los últimos años. Su fuente
de inspiración es la organización de los sistemas
observados en la naturaleza (Tiwari 2002). Están
co mpuestos por unas uni dades autónomas
denominadas holones que poseen cierto grado de
independencia y capacidad de decisión ante ciertas
contingencias, de forma que no necesitan solicitar
instruccio nes a una autoridad s uperio r.
Simultáneamente están sujetos al mando múltiple de
autoridades superiores. De esta forma, los sistemas
constituidos por holones combinan los mejores rasgos
de las organizaciones jerárquicas y de las horizontales.
CONCLUSIONES
De la revisión bibliográfica realizada, su análisis y
discusión, se puede verificar que los conceptos MRP y
JIT siguen vigentes; sólo se han hecho adiciones a los
paradigmas y tal situación queda demostrada por la
cantidad de implantaciones que se han reportado en
114
la literatura especializada y que permiten identificar
las bondades y desventajas de tales sistemas de
planificación y control de la producción. Uno de los
mayores desafíos es adaptar tales enfoques a la
realidad doméstica de plantas con grandes volúmenes
de importación.
A medida que se han desarrollado paquetes
informáticos que realizan cálculos complejos en una
menor cantidad de tiempo, y considerando una cada
vez mayor cantidad de variables, los planificadores
han decidió utilizar la HPP como herramienta para la
toma de decisiones. Esto ha permitido mejorar los
márgenes de rentabilidad al incorporar en el análisis,
variables no sólo de orden cuantitativo sino que
también se han podido ajustar variables cualitativas
que permiten aumentar la sensibilidad de las
maniobras de planificación y producción.
Al observar la evolución de los sistemas de producción,
se identifica una tendencia de estas filosofías hacia la
auto organización de sus elementos y la gestión
horizontal. En este sentido, emerge una nueva
generación de esquemas de fabricación que
promueven la sinergia entre los eslabones de la
cadena de producción, de manera de aprovechar la
máxima capacidad de todos los involucrados al menor
costo posible a través de la construcción de sistemas
informáticos, que modelan la situación real de trabajo
y que en muchos casos también colaboran con la labor
logística y operacional de las fábricas.
REFERENCIAS
Acevedo, J. y Mejía G. (2006) ‘‘ Programación Reactiva
y Robusta de la Producción en un Ambiente Sistema
de Manufactura Flexible: Llegada de Nuevas Órdenes
y Cambios en la Prioridad de las Órdenes de Trabajo’’.
Universidad de los Andes. Bogotá, Colombia.
Álvarez, M. (2002) ‘‘Cambios en la industria automotriz
frente a la globalización: el sector autopartes en
México’’. Revista Contaduría y Administración. N’ 206.
Araúzo, J., de Benito, J., del Olmo, R., Sanz, P. (2004)
‘‘Situación actual y expectativas de los sistemas de
fabricación basados en agentes’’ VIII Congreso de
Ingeniería de Organización. Leganés.
Correa, A., Rodríguez, E., Londoño, M. (2008)
‘‘Secuenciación de operaciones para configuraciones
de planta tipo flexible Job Shop: Estado del arte’’
Revista Avances en Sistemas e Informática, Vol. 5,
No. 3, Diciembre de 2008. Medellín, ISSN 16577663.
Chang, S. C. y Hsieh, F. (1992) ‘‘Order and Production
Scheduling/Rescheduling for Flow Shops’’, en
Proceedings of the IEEE International Conference on
Robotics and Automation (Niza, Francia, 1992).
Computer Society Press, Vol. 2, pp. 1173-1178.
Cho, H. (1998) ‘‘Petri net models for message
manipulation and event monitoring in an FMS cell’’.
International Journal of Production Research, Vol. 36,
No. 1, Enero (1998), pp. 231 – 250.
Dante, O., Corominas, A., Lusa, A. (2007) ‘‘Estado del
arte sobre planificación agregada de la producción’’.
Estado del arte sobre planificación agregada de la
producción. Tesis doctoral, Universidad Politécnica de
Cataluña, Instituto de la organización y sistemas
industriales: Barcelona.
Dante, O., Corominas, A., Lusa, A. (2008) ‘‘Modelo de
planificación agregada de la producción, la plantilla,
el tiempo de trabajo y la tesorería’’. EOLI: Enginyeria
d’Organització i Logística Industrial. Universidad
Politécnica de Cataluña.
Domínguez Machuca, J.A., Álvarez Gil, M.J., Domínguez
Machuca, M.A., García González, S., Ruiz Jiménez, A.
(1995) ‘‘Dirección de Operaciones. Aspectos tácticos
y operativos en la producción y los servicios’’. Editorial
McGraw-Hill.
Fung, R.Y.K., Tang, J., Wang, D. (2003). ‘‘Multiproduct
aggregate production planning with fuzzy demands and
fuzzy capacities’’. IEEE Transactions on Systems, Man,
and Cybernetics-Part A: Systems and Human, Vol. 33,
No. 3, pp. 302-313.
Gradisar, D. y Music, G. (2007) ‘‘Production-process
modelling based on production-management data: a
Petri-net approach’’. International Journal of Computer
Integrated Manufacturing, Vol. 20, No. 8, pp. 794-
810(17)
Goldratt, E.M. y Cox, J. (1986) ‘‘The Goal: A process
of ongoing improvement’’, North River Press,
Massachusetts, USA.
González, J. (2000) ‘‘Aprovisionamiento Just-In-Time
en la Industria del Automóvil: El Reto de los
Proveedores de Primer Rango’’, Dirección y
Organización, Vol. 24, pp. 51-60.
Gómez. P. (2007) ‘‘Un nuevo Algoritmo Genético
Basado en un Si stema Multiagente para la
Programación de la Producción en un Taller de Flujo
Híbrido’’. International Conference on Industrial
Engineering y Industrial Management – CIO.
Haan, J., Yamamoto, M. y Lovink, G. (2001) ‘‘Production
Planning in Japan: Rediscovering Lost Experiences or
New Insights?’’ International Journal of Production
Economics, Vol. 71, pp. 101-109.
Hax, A.C. y Meal, H.C. (1975) ‘‘Hierarchical Integration
of Production Planning and Scheduling’’, Geisler (ed.),
Logistics. Studies in the Management Sciences, vol.
1, Elsevier, Netherlands.
Heizer, J., Render, B. (2001). ‘‘Dirección de la
producción-Decisiones tácticas’’. Sexta Edición. Editorial
Prentice-Hall.
Hall, N. G. y Potts, C. N. (2004) ‘‘Rescheduling for New
Orders. Operations Research’’. Vol. 52 No. 3, pp. 440
– 453.
Honghong, Y., y Zhiming, W. (2003) ‘‘The application
of Adaptive Genetic Algorithms in FMS dynamic
rescheduling’’. International Journal of Computer
Integrated Manufacturing, Septiembre 2003, Vol. 16,
No. 6, pp. 382- 398.
Illada, R. y Maneiro, N. (2005) ‘‘Optimización del
manejo de materiales en una empresa fabricante de
cremas dentales mediante métodos evolutivos’’.
Revista Ingeniería Industrial, Vol. XXVI, No. 1.
Jonsson, P. y Mattson, S.A. (2002) ‘‘The selection and
application of material planning methods’’, Production
Planning and Control, Vol. 13, No. 5, pp. 438-450.
Jaramillo, J., Correa, F. y Jaramillo, R. (2009)
‘‘Desarrollo de un Método Basado en algoritmos
Genéticos y Programación Lineal Para la Solución de
un problema de Corte Unidimensional.’’ Cuarto
Congreso Colombiano de Computación 4CCC. Sociedad
Colombiana de Computación.
Jia, G. y Cheng, Y. (2007) ‘‘Reengineering method of
production system based on theory of constraint and
system dynamics’’. Computer Integrated Manufacturing
Systems, No. 4.
Liu, N.K. y Dillon, T. (2007) ‘‘An approach towards the
verification of expert systems using numerical petri
nets’’. Department of Computer Science. International
Journal of Intelligent Systems. Vol. 6, No. 3, pp. 255 –
276.
115
Miranda Gonzalez, F.J., Rubio, S., Chamorro, A. y
Bañegil, T. (2005) ‘‘Manual de dirección de
operaciones’’. Editorial Thomson..
Morales, J. (2006) ‘‘Propuesta para implementar un
sistema de programación de la producción bajo la
teoría de las restricciones, en una empresa de artes
gráficas’’. Trabajo de grado para optar al título de
especialista en Logística Industrial. Universidad de
Antioquia.
Mula, J. y Poler, R. (2001) ‘‘Sistema MRP Frente al
Enfoque Tradicional en la Planificación y Control de la
Fabricación de Calzado. Un Caso Práctico’’. IV Congreso
de Ingeniería de Organización, Actas del Congreso,
pp. 231-239.
Mula, J., Poler, R. y García, J. (2005) ‘‘Evaluation of
Production Planning and Control Systems’’. Universidad
Politécnica de Valencia, Dpto. Organización de
Empresas, Escuela Politécnica Superior de Alcoy.
Información Tecnológica, Vol. 17, No. 1, pp. 19-34.
Murata, T. (1989) ‘‘Petri nets: Properties, analysis and
applications’’. Proceedings of the IEEE
Ohno, T. (1991) ‘‘El sistema de producción Toyota:
más allá de la producción a gran escala’’. Editores
Gestión 2000. España. ISBN: 84-86703.
Orlicky, J. (1975) ‘‘Material Requirements Planning’’,
Editorial McGraw Hill, Londres, Reino Unido.
Pan, C. H. y Chen, J. S (1997) ‘‘Scheduling Alternative
Operations in Two-Machine Flo w-Shops’’. J.
Operational Research Society, Vol. 48, No. 5, pp. 533-
540.
Petty, D.J., Stirling, M.D., Travis, L.C. y Bennett, R.
(2000) ‘‘Conditions for the Succesful Implementation
of Finite Capacity/MRPII Hybrid Control Systems’’,
Proceedings of the Institution of Mechanical Engineers,
Part B, Journal of Engineering Manufacture, Vol. 214,
pp. 847-851.
Qiu, M., Fredendall, L. y Zhu., Z. (2001) ‘‘Application
of hierarchical production planning in a multiproduct,
multimachine environment’’. International Journal of
Production Research, Vol. 39, No. 13, Septiembre 2001,
pp. 2803 – 2816.
Rojas, J. y Escudero, S. (2000) ‘‘Reprogramación de
operaciones en procesos de producción: Complejidad
y alternativas de resolución’’. Instituto Politécnico
Nacional, México D.F.
116
Rojas, J. (1996) ‘‘Evaluación de Estrategias de
Reacción ante Perturbaciones de Sistemas Flexibles
de Producción’’. Avances en Ingeniería de Sistemas y
Educación Tecnológica (1er. Congreso Internacional
de Ingeniería Electromecánica y Sistemas, México D.F.,
pp. 56-62.
Rodríguez, M y Mendoza, H. (2007) ‘‘Sistemas
productivos y organización del trabajo: Una visión
desde Latinoamérica’’. Gaceta Laboral, Agosto 2007,
Vol. 13, No. 2, pp. 218-241.
Shah, R. y Ward, P. (2003) ‘‘Lean Manufacturing:
Context, Practice Bundles, and Performance’’. Journal
of Operations Management, Vol. 21, pp. 129-149.
Saénz, J., Lambán, M., García, C., Royo, J. y Calahorra,
R. (2006) ‘‘Buenas prácticas en la gestión de la cadena
de suministro: Estudio Empírico’’. Tercera convocatoria
de proyectos de investigación sobre economía
aragonesa de FUNDEAR.
Singhal, J. y Singhal, K. (2006) ‘‘Holt, Modigliani, Muth,
and Simons work and its role in the renaissance and
evolution of operations management’’. Journal of
Operations Management.
Sun, J. y Xue, D. (2001) ‘‘A dynamic reactive scheduling
mechanism for responding to changes of production
orders and manufacturing resources’’. Computers in
Industry, Vol. 46, No. 2, pp. 189–207.
Sinhvi, A., Madhavan, K.P. y Shenoy, U.V. (2004). ‘‘Pinch
analysis for aggregate production planning in supply
chains’’. Computers and Chemical Engineering, Vol.
28, pp. 993-999.
Tang, J.F., Fung, R.Y.K. y Yung, K.L. (2003) ‘‘Fuzzy
modelling and simulation for aggregate production
planning’’. International Journal of Systems Science,
Vol. 34, pp. 12-13.
Tsai, W., Lai, C. y Chang, J. (2007) ‘‘An algorithm for
optimizing joint products decision based on the Theory
of Constraints’’. International Journal of Production
Research, Vol. 45, No. 15, pp. 3421-3437(17).
Tharumarajah, A., Wells, A.J y Nemes, L. (1998)
‘‘Comparison of Emerging Manufacturing Concepts’’.
CSIRO Manufacturing Science y Tecnology, Australia.
Tiwari, M. K. y Samrat, M. (2002) ‘‘Application of an
Auto nomous Agent Network to Support the
Architecture of a Holonic Manufacturing System’’. Int.
J Adv. Manuf. Technol. Vol. 20, pp. 931–942.
Tisher, I. y Carrión, A. (2003) ‘‘La planificación
jerárquica y su aplicación a la cosecha de la caña de
azúcar’’. Ingeniería y Competitividad. Vol. 4, pp. 42-
52. Fecha de recepción: 6 de mayo de 2010
Fecha de aceptación: 8 de junio de 2010
Torres, J. (2006) ‘‘Descomposición robusta de
horizontes temporales en planificación de la
producción’’. Universidad de Los Andes, Departamento
de Ingeniería Industrial, Bogotá, Colombia.

Vicens, E. (1988) ‘‘Sistema Integrado de Gestión de

Producción en una Empresa de Muebles. Planifi­cación
Jerárquica y de Requerimiento de Materiales’’. Tesis
Doctoral. Universidad Politéc­nica de Valencia, España.

Vicens, E., Alemany, M., Andres, C. y Guarch , J.

(2001) ‘‘A design and application methodology for
hierarchical production planning decision supports
systems in an enterprise integration context’’.
International Journal of Production Economics, Vol. 74,
pp. 5-20.

Vollmann, T.E., Berry, W.L. y Whybark, D.C. (1992)

‘‘Manufacturing Planning and Control Systems’’.
3ª Edition, Irwin, Homewood, Illinois.

Watson, J., Blackstone, J. y Gardinerc, S. (2007) ‘‘The

evolution of a management philosophy: The theory
of constraints’’. Journal of Operations Management,
Vol. 25, No. 2, pp. 387-402.

Yamamoto, M. y Nof, S. Y. (1985) ‘‘Scheduling /

Rescheduling in the Manufacturing Operating System
Environment’’. International Journal Production
Research, Vol. 23, No. 4, pp. 705 – 722.

Yan, H.S., Zhang, X.D. y Jiang, M. (2004) ‘‘Hierarchical

production planning with demand constraints’’.
Computers and Industrial Engineering, Vol. 46, pp.
533­551.

Yan, H. (2003) ‘‘Practical solution approaches to solve

a hierarchical stochastic production planning problem
in a flexible automated workshop in china’’. IIE
Transaction, Vol. 35, pp. 113-115.

Zi jm, W. H.M. (2000) ‘‘To wards I ntel li gent

Manufacturing Planning and Control Systems’’, OR
Spektrum, Vol. 22, pp. 313-345.

Zou, L., Gou, D., Sun, C. y Gao, D. (2009) ‘‘Workflow

Modeling for Cooperative Production Development
Based upon Advanced Petri Net’’. Key Engineering
Materials, Vols. 392-394, pp. 810-815.

117