PARCIAL 3 CORTE

RAFAEL ANTONIO BORDA JIMENEZ

LAURA FERNANDA ARIAS JIMENEZ 59117

JHONATAN LEONARDO PORTELA CAMELO 87527

UNIVERSIDAD ECCI FACULTAD DE INGENIERA INDUSTRIAL

PLANEACIÓN DE PRODUCCIÓN

7BN

BOGOTA D.C

2022-II 09-11-2022
 a) Contexto de la organización y/o sistema productivo

El contexto de la organización (ORLICKY), tiene como fin la planeación de requerimientos

de Materia Prima en el sistema de manufacturación de dos escalones.

b) Problema u oportunidad de mejora estudiado en la investigación

Varios trabajos han sugerido la combinación de las ideas del MRP con técnicas de
optimización, de modo que no se obtengan simplemente planes de producción factibles sino
también económicamente atractivos. Para un sistema productivo en el cual el tamaño de
orden es una constante, Solar y Barker (1992) probaron un modelo generalizado de control
de inventarios, en el cual el tiempo de producción y los tiempos de alistamiento son
múltiplos enteros del intervalo entre envíos. La función de costo total es convexa, aunque
con intervalos lineales, y se muestra que, bajo ciertas condiciones el coste total se reduce en
conjunto con la disminución del tamaño de envió. Jamal y Barker (1993) investigaron un
sistema justo a tiempo (JIT) en el cual las políticas de ordenamiento de las materias primas
y el tamaño de lote de ellas fueron incluidas en un modelo.

c) Objetivo que se persigue

El estudio de los efectos sobre los costos fijos y las soluciones finales a las propuestas sobre
la aproximación de las versiones enteras de los problemas. En 1995 se desarrolló un
modelo de programación lineal sujeto a las restricciones de suministros, demandas totales y
disponibilidad de recursos, representativo de una situación en donde se deben secuenciar
las operaciones finales de un proceso de producción. El modelo optimizó la función de
utilidad e hizo énfasis en una estrategia de optimalidad agregada del sistema, en contraste
con la optimización local. En 1996 se analizo el caso de costo fijo de alistamiento y costo
fijo varia a lo largo del tiempo.

d) Decisiones por tomar para resolver el problema

En 1998 se brindó́ por primera vez el estudio de la red que busco la optimización del MRP,
pero el estudio tiene algunas deficiencias para expresar todos los aspectos de un sistema
MRP, por lo cual, en su nueva investigación (2005) se desarrolla un modelo de
optimización mejorado. Dicho modelo se basa en el enfoque de red de flujo, con
características de optimización. El modelo se construye de modo que exprese la estructura
de árbol de producto como algunas restricciones. Incluye los tiempos de suministro de
componentes y de materia prima.

e) Condiciones que debe cumplir la solución al problema (restricciones)

El presente trabajo reporta la implementación de un modelo de programación lineal que

representa un ambiente real de manual de dos escalones. El modelo incluye restricciones de
capaces- dad y decisiones de acumulación de inventario. La implementación se hace
desarrollando una herramienta computacional para usuarios finales. La característica de
dos escalones no resta generalidad, es posible reducir los árboles de producto para hacer
que los modelos sean más tratables computacionalmente, sin que ello signifique perdida de
representatividad.

F) Interpretación de los resultados obtenidos al utilizar la programación lineal / g)

Modelo matemático empleado

A continuación se aborda la formulación del modelo matemático y la programación e

integración de este en la herramienta de base de datos. Posteriormente se presentan los
resultados del modelo aplicado a un caso de estudio y se discute acerca de ellos. Al final se
ofrecen las conclusiones y perspectivas futuras de investigación.

 Desarrollo del modelo matemático

Se asume conocer el valor de requerimiento de productos finales, como resultado de un

plan maestro de producción (PMP); el costo de mantenimiento de inventario (CMIc)
empleado en los parame- tras del modelo es el producto entre el factor costo del valor uní-
tirio del ítem Cc ($/unidad) y el costo de llevar el inventario expire- sado en %/ano o en
$/($*ano); el modelo es multiproducto; se permite el almacenamiento de inventario de
componentes/materia prima y se asumen costos fijos en el tiempo, tanto de adquisición
como de ordenar; el lead time, bien sea de producción o de suministro, se da por conocido
con certeza y que además corresponda a un número entero de periodos de planeación
considerados en el modelo.

Función Objetivo:

Restricciones:

Definición de parámetros

LTc = Valor esperado del tiempo de producción/entrega del componente c [días]

Cc = Costo de producción/compra del componente c [$ / componente]

CMIc = Costo de mantenimiento de inventario del componente c [$ / componente * día]

COc = Costo de ordenar el componente c [$ / orden]

URc = Volumen ocupado por el componente c [unidad de volumen / componente]

CAPA = Capacidad de almacenamiento de la bodega [unidad de volumen]

CAPPi = Capacidad de producción en el periodo i [horas] CF = Costo fijo de ordenar [$]

UCPcp = Unidades requeridas del componente c para fabricación del producto p [unidades
de componente / unidad de producto]

Dpj = Demanda de producto p para el periodo j [unidades de producto p]

DCcj = Es un parámetro indirecto, pues el usuario ingresa la de- manda del producto final y
la lista de materiales y con base en esta ultima la herramienta calcula la demanda de
componente c en el periodo j usada en el modelo [unidades de componente]

IIc = inventario inicial del componente c en el periodo de inicio del horizonte de planeación
[unidades de componente]

Herramienta de gestión del modelo

Se ha diseñado en Microsoft Access 2003 tanto la base de datos que administra los
parámetros y resultados del modelo, como la interfaz grafica de usuario. En ella pueden
encontrarse:

1) Formularios que permiten el ingreso de parámetros que pertenecen a un único conjunto;

2) El procedimiento que retrasa la demanda del producto final ingresada por el usuario con
respecto al tiempo de suministro.
3) El procedimiento que realiza la explosión de materiales calculando la demanda de
componentes en cada periodo, originado a partir de la demanda (retrasada con el tiempo de
suministro) de los productos y de la lista de materiales.
4) El procedimiento que ejecuta el modelo programado en OPL desde la base de datos de
Access.
5) Una consulta que permite la adición de nuevos elementos a los conjuntos principales; y,
por ultimo.
6) Formularios que reportan los resultados de las variables principales del modelo. El
siguiente diagrama de flujo ilustra el esquema de funcionamiento de la herramienta.

Análisis de resultados del caso de estudio

Se trabaja con la adaptación de un caso de estudio reportado en la tesis de maestría de

Gutiérrez. El contexto de este caso es el de una empresa del sector de alimentos de
consumo masivo, dedicada a la producción y distribución de productos alimenticios a base
de maíz, plátano y arroz. El caso de estudio cuenta con un conjunto de 20 productos y 21
componentes, y se modela un horizonte de planeación de 30 días. El modelo resultante para
este caso de estudio consta de 20.211 variables de decisión de naturaleza continua, 660
variables binarias y 1.392 restricciones.

Bibliografía
 Aplicación de un modelo de programación lineal en la optimización de un sistema de
planeación de requerimientos de materiales:

http://200.10.150.204/index.php/tecnologica/article/view/322/236

 Aplicación de un modelo de programación lineal en la optimización de un sistema de

planeación de requerimientos de materiales:http://www.scielo.org.co/scielo.php?
script=sci_arttext&pid=S0120-56092010000100029