Layout de procesos en una fábrica de vehículos eléctricos optimizando la

asignación de procesos en los sectores

Juan Pablo Cárcamo Cárcamo, Juan Pablo Jaque Toro, Benjamín Pablo Toledo Quezada
Proyecto Integrador de Gestión de Operaciones – IN1102C

Profesores: Dr. Sebastián Muñoz Herrera,

Dr. Guido Salazar Sepúlveda
Departamento de Ingeniería Civil Industrial, Universidad Católica de la Santísima Concepción

Noviembre de 2023, Concepción

1
RESUMEN
En la industria manufacturera de gran escala, específicamente en las fábricas de automóviles, se
identifica un problema relacionado con los plazos de fabricación debido a la alta complejidad de los
procesos que requieren una optimización dentro de las líneas de producción.

Se presenta una empresa que ha decidido incursionar en el mercado de vehículos eléctricos

asequibles. En este contexto, es esencial analizar la relación entre la disposición de sus instalaciones y
las métricas de rendimiento, con un enfoque primordial en la minimización de los trabajos en proceso
que aún no han sido completados.

Para afrontar este desafío, se realizará un diseño de modelado matemático que vincula la gestión de la
cadena de suministro con la optimización de la producción, para reducir al mínimo los trabajos en
proceso no terminado. El modelo pretende asignar procesos a los distintos sectores para minimizar el
total de trabajo en proceso, garantizando el respeto de las capacidades de trabajo de los procesos y un
flujo de trabajo eficiente entre ellos. El resultado deseado de este modelo es proporcionar una
programación lineal óptima para la línea de producción, que reduzca la congestión y los trabajos en
proceso en la fábrica de vehículos eléctricos. Al lograr esto, se contribuirá a la reducción de los plazos
de fabricación y la optimización de la producción en general.

En este contexto, se llevó a cabo un estudio sobre los posibles enfoques disponibles para abordar el
problema de asignación. Entre los métodos explorados se identificaron los siguientes:

Ruta más corta: Este método tiene como objetivo principal la minimización de la suma de los costos
de los arcos ponderados a lo largo de la ruta seleccionada. Se utiliza para encontrar la ruta óptima
entre un origen y un destino.

Árbol de expansión mínimo: En esta estrategia, se hacen uso de variables binarias para indicar la
inclusión o exclusión de arcos en un árbol de expansión. El propósito es construir un árbol que
conecte todos los nodos con el costo total mínimo.

Algoritmo de Floyd: Este enfoque se emplea para determinar las rutas más cortas entre todos los pares
de vértices en un grafo, incluso cuando las ponderaciones de los arcos pueden ser tanto positivas
como negativas.

Método Húngaro: Conocido también como el "algoritmo de asignación de costos mínimos", este
método se utiliza para resolver problemas de asignación. Su objetivo es asignar tareas a recursos de
manera que se minimice el costo total o se maximice el beneficio, sujeto a restricciones específicas.

2
 ÍNDICE
1. INTRODUCCIÓN...........................................................................................................................4
2. OBJETIVOS....................................................................................................................................5
2.1. OBJETIVO GENERAL................................................................................................................5
2.2. OBJETIVOS ESPECÍFICOS.......................................................................................................5
3. METODOLOGÍA............................................................................................................................6
3.1. IDENTIFICACIÓN DEL TIPO DE PROBLEMA......................................................................6
3.2. ALTERNATIVAS DE SOLUCIÓN............................................................................................6
3.3. IMPLEMENTACIÓN DE LA SOLUCIÓN.................................................................................7
4. PROBLEMA A ANALIZAR...........................................................................................................7
4.1. CONTEXTUALIZACION DEL PROBLEMA............................................................................7
4.2. DEFINICION DEL PROBLEMA................................................................................................8
4.3. SUPUESTOS................................................................................................................................8
5. RESULTADOS................................................................................................................................8
5.1. CONSTRUCCIÓN DEL MODELO............................................................................................8
5.2. PERSPECTIVAS DE SOLUCIÓN............................................................................................10
6. CONCLUSIONES..........................................................................................................................13
7.. BIBLIOGRAFÍA............................................................................................................................14

3
 1. INTRODUCCIÓN

La industria manufacturera se dedica a la transformación de la materia prima o de productos

semielaborados en nuevos bienes de consumo final, lo que significa que produce mercancías listas
para su comercialización (Inés de Azkue, 2023). Lo anterior se puede ajustar a la industria automotriz
ya que esta abarca todas las compañías especializadas en la fabricación y venta de vehículos terrestres
de autopropulsión, que incluyen automóviles de pasajeros, autobuses, camiones, maquinaria agrícola
y otros vehículos comerciales (Gonzales, 2023).

Se ha identificado una oportunidad de mejora en este tipo de industrias, que consiste en la reducción
de los tiempos de producción a través de la minimización del trabajo en proceso. Esta mejora se
centra particularmente en el contexto de una empresa especializada en la fabricación de vehículos
eléctricos de bajo costo, a la cual se dirige este informe.

La empresa proporcionó esta información: el número de áreas designadas para realizar los procesos,
los procesos necesarios para fabricar vehículos, las distancias entre cada sector y el flujo de unidades
por minuto entre los procesos. Con todo lo anterior se busca para desarrollar un diseño de distribución
que permita optimizar la secuencia de tareas y, de esta manera, maximizar la eficiencia operativa de la
empresa.

Se busca resolver mediante un modelo de asignación ya que este es un modelo de programación lineal
cuyo principio central de resolución consiste en determinar cuál fuente es la más adecuada para
atender a un determinado destino (López, 2021), lo que se ajusta al problema planteado.

Luego de la construcción del modelo utilizando la información suministrada, se anticipa que los
resultados del mismo ofrecerán una solución a la problemática. Esto se logrará mediante una
programación óptima de la línea de producción que disminuirá la congestión y reducirá el trabajo en
proceso en la fábrica de vehículos eléctricos económicos. Esta optimización contribuirá a la reducción
de los tiempos de fabricación y a la mejora del rendimiento en la producción.

4
 2. OBJETIVOS
2.1. OBJETIVO GENERAL
Resolver un problema matemático relacionado con la optimización de los plazos de fabricación en
industrias manufactureras de gran escala, utilizando herramientas de ingeniería, como Microsoft Excel
y LINGO, para minimizar los niveles de inventario de trabajos en curso.

2.2. OBJETIVOS ESPECÍFICOS

 Identificar el problema planteado.
 Reconocer los factores que influyen en el problema.
 Determinar los modelos matemáticos que pueden usarse para resolver el problema.
 Evaluar la viabilidad de las perspectivas de solución que tiene el problema.

5
 3. METODOLOGÍA
3.1. IDENTIFICACIÓN DEL TIPO DE PROBLEMA

El enunciado en presenta dos escenarios que modifican la forma en la que buscar dar solución al
problema presentado en la empresa de vehículos que ha decidido competir en el segmento de los
vehículos eléctricos de bajo costo. En el primer escenario dado el análisis realizado a la literatura
pertinente se estima que método de resolución para el problema propuesto se ajusta a la definición
problema de asignación estándar ya que se presenta una restricción que indica que cada uno de
procesos que dispone la empresa solo pueden ser asignado un sector de fabricación de acuerdo a los
anteriores según Milian Zelada, Y. Y. (2020) “Los problemas de asignación se ocupan de asignar
trabajadores a tareas sobre una base de uno a uno. Se considera el número de trabajadores igual al
número de tareas (condición que puede garantizarse creando trabajadores o tareas ficticias) y se
conoce el tiempo Cij que necesita el trabajador i para terminar la tarea j. El objetivo es asignar a cada
trabajador una tarea de manera que todas las tareas se terminen en un tiempo total mínimo”. “Sin
embargo, los asignados no tienen que ser personas. También pueden ser máquinas, vehículos o
plantas, o incluso periodos a los que se asignan tareas”. Hillier, Frederick S., and Gerald J. Lieberman.
(2015).

Por otro lado, se estima que el segundo escenario presentado en el enunciado del problema modifica
la forma en la que interpreta el método de solución de este y dirigiéndolo así a un modelo de
asignación generalizado ya en principio al suprimir la restricción que indica que los procesos solo
pueden ser asignados a un sector se continúa presentado el modelo de la base en la que se busca
asignar los procesos disponibles en la fábrica de vehículos eléctricos a los sitios de fabricación,
considerando lo anterior según Saaty, Thomas L. (2003). en el libro Programación lineal. McGraw-
Hill. que indica que “El modelo de asignación generalizada es una extensión del problema de
asignación estándar. En el modelo de asignación generalizada, se permite que cada tarea tenga
múltiples asignados, y cada asignado puede realizar múltiples tareas. El objetivo es asignar tareas a
asignados de manera que se minimice el costo total o se maximice el beneficio total."

3.2. ALTERNATIVAS DE SOLUCIÓN

Las técnicas existentes para resolver los problemas de optimización combinatorial se pueden dividir
en métodos exactos y métodos aproximados. Los algoritmos exactos buscan una solución óptima y
demostrar que la solución obtenida es de hecho el óptima global, debido a que los algoritmos exactos
muestran un rendimiento pobre para muchos problemas se han desarrollado múltiples tipos de
algoritmos aproximados que proporcionan soluciones de alta calidad para estos problemas
combinatorios (aunque no necesariamente la óptima) en un tiempo computacional breve [Alonso,
2005].

6
Por lo tanto, los modelos exactos en programación lineal se refieren a enfoques que buscan encontrar
la solución óptima de un problema de optimización lineal sin aproximaciones no heurísticas. A
continuación, algunos algoritmos para resolver modelos exactos:
 Problema de la ruta más corta.
 Árbol de expansión mínimo.
 Algoritmo de Floyd.
 Método húngaro.
La heurística está diseñada para encontrar buenas soluciones aproximadas de problemas
combinatorios difíciles que de lo contrario no pueden resolverse mediante los algoritmos de
optimización disponibles. Una heurística es una técnica de búsqueda directa que utiliza reglas
favorables prácticas para localizar soluciones mejoradas. La ventaja de la heurística es que en general
determina (buenas) soluciones con rapidez, utilizando reglas de solución simples. La desventaja es
que la calidad de la solución (con respecto a la óptima) suele desconocerse. Hamdy A. Taha.
Investigación de operaciones (9a ed.), Pearson education, 2012.
Por lo tanto, los modelos de aproximación en programación lineal se utilizan para encontrar
soluciones que se acerquen a la solución óptima de un problema de optimización lineal, pero sin
garantizar la optimalidad. A continuación, algunos algoritmos para resolver modelos aproximados:
 Algoritmo Greedy.
 Algoritmo local de search.
 Algoritmo Metaheurística.

3.3. IMPLEMENTACIÓN DE LA SOLUCIÓN

La implementación del modelo de asignación se espera llevar a cabo posteriormente, esto a través de
una serie de herramientas y software especializados que permitirán encontrar una solución óptima y
mejorar significativamente el flujo de trabajo. En este proceso, se considerarán diversas opciones de
software, tales como Excel, Lingo, Python o una combinación de estos, con el fin de llevar a cabo un
análisis detallado y eficaz.

4. PROBLEMA A ANALIZAR
4.1. CONTEXTUALIZACION DEL PROBLEMA
La reducción de los plazos de fabricación a través de la minimización de los inventarios de trabajos en
curso ha sido un factor determinante en la evolución de las industrias manufactureras a gran escala.
En el contexto de las fábricas de automóviles, la necesidad de optimizar la congestión de la línea de
producción es evidente por la complejidad de sus numerosos procesos. Una recién creada empresa que
busca competir en el mercado de vehículos eléctricos asequibles debe evaluar la correlación entre la
distribución de sus instalaciones y sus indicadores de rendimiento, poniendo un fuerte énfasis en la
reducción de los trabajos en proceso que no han sido finalizados.
7
4.2. DEFINICION DEL PROBLEMA
La empresa, que pretende competir en el segmento de los vehículos eléctricos de bajo costo, busca
generar un layout que le permita optimizar el flujo de trabajo y, así, maximizar su rendimiento. Donde
i se asociará a los sectores disponibles de la empresa y j a los procesos para la fabricación de
unidades, Para ello, la empresa ha proporcionado la siguiente información sobre los factores de
influencia en el problema:

- La cantidad de sectores destinados a la realización de los procesos (W ij ).

- Las distancias entre cada uno de los sectores ( D i).
- El flujo de unidades por minuto entre los procesos ( F j).

Además, se debe considerar que los procesos solo pueden ser asignados a un sector, y que cada sector
puede ser asignado a un solo proceso.

Por otro lado, los gerentes del negocio están interesados en optimizar algunos de los procesos, por lo
que podría surgir la siguiente modificación: permitir que más de un proceso pueda ser asignado a un
sitio. Por lo tanto, se deben considerar dos escenarios: uno en el que los procesos solo pueden ser
asignados a un sector, y otro en el que no existe esa restricción.

4.3. SUPUESTOS
Antes de comenzar con la construcción del modelo, se dio paso a plantear los siguientes supuestos a
tener en consideración:
- El turno de trabajo diario de la fábrica es de 480 minutos.
- La capacidad de cada sector es menor al total del número de procesos inicial.
- La distancia entre los sectores esta expresada en metros.

5. RESULTADOS
5.1. CONSTRUCCIÓN DEL MODELO
Escenario considerando que los procesos solo pueden ser asignado a un solo sector:

Índices:
i: Asociado a los sectores de trabajo de la empresa. i= {1...150}
j: Asociado a los procesos requeridos para la fabricación de piezas. j= {1...150}

Variables:
Dij: Distancia entre el sector i siendo utilizado para un proceso j. [ mts ]

F j: Flujo de unidades por minuto por proceso j.

[ unides
min ]
T : Turno de trabajo diario.[ min ]

8
Variables de decisión:
X j: Cantidad de unidades a procesar en el proceso j.

W ij : {si al sector i le es asignado un proceso j}

{0, en otro caso}

Función Objetivo:
150 150
Min [Z]: ∑ ∑ Wij ⋅ Dij
i : 1 j :1

Sujeto a:

- Restricción procesos solo pueden ser asignados a un sector.

150

∑ W ij=1 ∀ i {1. .150 }

j=1

- Restricción de cada sector puede ser asignado a un solo proceso.

150

∑ W ij=1 ∀ j { 1. .150 }
i=1

- Restricción sobre la cantidad de unidades máxima a procesar por minuto.

X j ≤ Fj ⋅T ∀ j {1. .150 }

Naturaleza de las variables:

W ji ∈ { 0 ,1 } , ∀ j { 1..150 } , ∀i { 1..150 }

X j ≥ 0 y enteros , ∀ j ∈ { 1. .150 }

Escenario que no considera que los procesos solo pueden ser asignado a un solo sector:

Índices:
j: Asociado a los sectores de trabajo de la empresa. j= {1...150}
k: Asociado a los procesos requeridos para la fabricación de piezas. k= {1...150}

9
Variables:
D jk: Distancia entre el sector j siendo utilizado para un proceso k. [ mts ]

F k : Flujo de unidades por minuto por proceso k.

[ unidades
min ]
T : Turno de trabajo diario. [ min ]

Variables de decisión:
Y k : Cantidad de unidades a procesar en el proceso k

Q jk: {1, si el sector j es asignado al proceso j}

{0, en otro caso}

Función Objetivo:
150 150
Min [Z]: ∑ ∑ Q jk ⋅ D jk
j k

Sujeto a:

- Restricción que indica cada sector puede tener más de un proceso.

150

∑ Q jk ≥ 1 ∀ j {1. .150 }
k

- Restricción de cada sector puede ser asignado o no con algún proceso.

150

∑ Q jk ≥ 0 ∀ k { 1..150 }
j

- Restricción sobre la cantidad de unidades de máxima a procesar por turno.

Y k ≤ F k ⋅T ∀ k { 1..150 }

Naturaleza de las variables:

Q jk ∈ {0 , 1 } , ∀ j { 1..150 } , ∀k { 1..150 }

10
 Y k ≥ 0 y enteras , ∀ k ∈ { 1..150 }

5.2. PERSPECTIVAS DE SOLUCIÓN

A continuación, se identificarán y analizaran los diferentes enfoques y algoritmos que pueden ser
utilizador para resolver un problema de asignación.

Problema de ruta más corta

Resolver el problema de la ruta más corta es un problema clásico en la investigación de operaciones y

se puede abordar utilizando programación lineal. Se utiliza para encontrar la ruta más corta entre dos
puntos en un grafo ponderado (red) representado como un conjunto de nodos y arcos, su objetivo es
minimizar la suma de los costos de los arcos ponderados de la ruta.
“Considere una red conexa y no dirigida con dos nodos especiales llamados origen y destino. A cada
ligadura (arco no dirigido) se asocia una distancia no negativa. El objetivo es encontrar la ruta más
corta —la trayectoria con la mínima distancia total— del origen al destino. Se dispone de un
algoritmo relativamente sencillo para manejar este problema. La esencia del procedimiento es que
analiza toda la red a partir del origen; identifica de manera sucesiva la ruta más corta a cada uno de
los nodos en orden ascendente de sus distancias (más cortas), desde el origen; el problema queda
resuelto en el momento de llegar al nodo destino.” Hillier, Frederick S., and Gerald J. Lieberman.
Investigación de operaciones (10a. ed.), McGraw-Hill Interamericana, 2015.

Árbol de expansión mínimo

La resolución del problema del árbol de expansión mínima generalmente no se aborda directamente
con programación lineal, si no que se utiliza un algoritmo especifico diseñado para resolver este
problema de manera más eficiente. Sin embargo, puede ser formulado como un problema de
programación lineal utilizando variables binarias para representar la inclusión de arcos en el árbol.
“El problema del árbol de expansión mínima tiene algunas similitudes con la versión principal del
problema de la ruta más corta. En ambos casos se considera una red no dirigida y conexa, en la que la
información dada incluye alguna medida de longitud positiva —distancia, costo, tiempo, etc.—
asociada con cada ligadura. Los dos problemas involucran también el hecho de seleccionar un
conjunto de ligaduras con la longitud total más corta entre todos los conjuntos de ligaduras que
satisfacen cierta propiedad. En el caso del problema de la ruta más corta, esta propiedad es que la
ligadura seleccionada debe proporcionar una trayectoria entre el origen y el destino. Para el árbol de
expansión mínima la propiedad que se requiere es que las ligaduras seleccionadas deben proporcionar
una trayectoria entre cada par de nodos.” Hillier, Frederick S., and Gerald J. Lieberman. Investigación
de operaciones (10a. ed.),.McGraw-Hill.Interamericana,.2015.
Algoritmo de Floyd

11
El algoritmo de Floyd-Warshall es un algoritmo para encontrar las distancias más cortas entre todos
los pares de vértices en un grado ponderado, pero no es un algoritmo de programación lineal. En
cambio, es un algoritmo de programación dinámica que se utiliza en la teoría de grafos para encontrar
la ruta más corta entre todos los pares de vértices en un grafo con ponderaciones positivas o negativas.

“Este algoritmo es más general que el Dijkstra porque determina la distancia entre dos nodos
cualesquiera en la red. El algoritmo representa una red de n nodos como una matriz cuadrada con n
filas y n columnas. La entrada (i,j) de la matriz da la distancia dij del nodo i al nodo j, la cual es finita
si i está vinculado directamente a j, e infinita en caso contrario. La idea del algoritmo de Floyd es
simple. Dados tres nodos, i, j y k en la figura 6.19 con las distancias de conexión que se muestran en
los tres arcos, es más corto llegar de j a i pasando por k si D ik + D kj < D ij (Investigación de operaciones,
Hamdy.A..Taha,.2012).

Algoritmo Método húngaro

El algoritmo húngaro, ampliamente conocido como el algoritmo de asignación de costos mínimos, se

utiliza para la resolución de problemas de asignación en programación lineal. Este método es
particularmente valioso para abordar el problema de asignación, una variante dentro del ámbito de la
programación lineal.

“Es un método para resolver modelos de redes, que supone, que el número de recursos asignados es
igual al número de tareas definidas (denotadas con la letra n), donde a cada recurso le es asignado una
tarea y cada tarea a su vez, debe ser realizada por un recurso asignado. Todas las ofertas y demandas
serán iguales a 1” (Quesada, Vergara, & Badrán, 2014, p. 303).” Este método supone que el número
de recursos asignados es igual al número de tareas definidas (denotadas con la letra n), donde a cada
recurso le es asignado una tarea y cada tarea a su vez, debe ser realizada por un recurso asignado.
Todas las ofertas y demandas serán iguales a 1. El costo asociado a la asignación es igual a Cij siendo
i (i = 1, 2, …, n) la designación del recurso que realiza la tarea j (j = 1, 2, …, n)” (Quesada, Vergara,
& Badrán, 2014, p. 190).

12
6. CONCLUSIONES
En la industria manufacturera de gran escala, específicamente en las fábricas de automóviles
eléctricos de bajo costo, se ha identificado una oportunidad de mejora que consiste en la reducción de
los tiempos de producción a través de la minimización del trabajo en proceso. Para abordar esta
cuestión, se ha solicitado el desarrollo de un diseño de distribución que permita optimizar la secuencia
de tareas y, de esta manera, maximizar la eficiencia operativa en la empresa.

Junto con el objetivo de maximizar la eficiencia operativa de la empresa y las características del
problema, se han identificado dos tipos de problemas de asignación. En el primer caso, se trata de un
problema de asignación clásica o estándar, en el que los procesos solo pueden ser asignados a un
sector y cada sector puede ser asignado a un solo proceso. En el segundo caso, se enfrenta un
problema de asignación generalizado, en el que más de un proceso puede ser asignado a un sitio.

Para formular estos modelos, en el primer caso se ha definido una variable continúa relacionada con la
cantidad de unidades a procesar en su proceso indicado, así como una variable binaria que indica si al
sector se le ha asignado un proceso. Las restricciones del modelo de asignación clásica o estándar se
refieren a que los procesos solo pueden ser asignarse a un sector y que cada sector puede ser asignado
a un solo proceso.

En el segundo caso, las variables se mantienen, con una variable continúa relacionada con la cantidad
de unidades a procesar en su proceso indicado y una variable binaria relacionada con la asignación de
procesos a sectores. Sin embargo, las restricciones cambian, ya que ahora cada sector puede tener más
de un proceso, y cada sector puede ser asignarse o no a algún proceso.

Para abordar la solución de estos problemas de asignación, se ha realizado un estudio sobre posibles
enfoques. Entre los identificados se encuentran:

Ruta más corta: Que se utiliza para encontrar la ruta óptima entre un origen y su destino.

Árbol de expansión mínima: Cuyo propósito es construir un árbol que conecte todos los nodos con el
costo total mínimo.

Algoritmo de Floyd: Que determina las rutas más cortas entre todos los pares de vértices de un grafo.

Método húngaro: Cuyo objetivo es asignar tareas a recursos de manera que se minimice el costo o se
maximice el beneficio.

13
 7.. BIBLIOGRAFÍA

De Azkue, I. (2023, 20 julio). Industria manufacturera: qué es, sus tipos y características.
Enciclopedia Humanidades. https://humanidades.com/industria-manufacturera/

Gonzales, E. (2023, 4 julio). ¿Cuál es la industria automotriz? Cimatic.

https://cimatic.com.mx/blog/cual-es-la-industria-automotriz/

López, B. S. (2021, 14 agosto). Problemas de asignación. Ingeniería Industrial Online.

https://www.ingenieriaindustrialonline.com/investigacion-de-operaciones/problemas-de-asignacion/

Hillier, F. S., & Lieberman, G. J. (2015). Investigación de operaciones (10a. ed.). McGraw-Hill
Interamericana.

Investigación de operaciones, Hamdy A. Taha (Novena edición). (2012). Pearson. Recuperado de

https://fad.unsa.edu.pe/bancayseguros/wp-content/uploads/sites/4/2019/03/investigacic3b3n-de-
operaciones-9na-edicic3b3n-hamdy-a-taha-fl.pdf

Tópicos de investigación de operaciones / Víctor Manuel Quesada Ibargüen, Juan Carlos Vergara
Schmalbach; Grupo Métodos Cualitativos de Gestión; Freddy Badrán Padauí, Editor -- Cartagena de
Indias: Editorial Universitaria, c2014 306p

[Alonso, 2005] Recuperado de http://opac.pucv.cl/pucv_txt/txt-0500/UCF0925_01.pdf

Milian Zelada, Y. Y. (2020). Evaluación final de Matemática Administrativa. Universidad Mariano

Gálvez de Guatemala, Nueva Concepción, Escuintla. Recuperado de
https://issuu.com/yoselinmilianmatematicaii/docs/libro_de_matematicas_ii_yoselin_milian_examen_f
ina

Saaty, T. L. (2003). Programación lineal (3ra ed.). McGraw-Hill.

14