Professional Documents
Culture Documents
Fuzzy Logic For MRP PDF
Fuzzy Logic For MRP PDF
Abstract
Material Requirement Planning (MRP) is a system that translates the production needs of finished products into net
production or purchase needs for the components of those products. When talking about MRP, certain limitations
regarding the uncertainty that some variables involve. In the case of the present investigation, a methodology is proposed
through the application of the principles of fuzzy logic, which allows the incorporatrion of the uncertainty that handles
the delivery times of the supplier (lead time). In this way, through the application of fuzzy logic, it is possible to
consider those variables that generate uncertainty at the supplier’s delivery times. Variables such as lot size, location
of the supplier and complexity of the pre-dispatch process are considered in order to obtain an adjusted lead time of
the supplier which is more in line with the reality of the process. In this way, the error generated by the uncertainty
is reduced, and decision making is simpler.
Index Terms—Lead Time, Fuzzy Logic, Material Requirement Planning (MRP), Fuzzificación, Defuzzificación, Incertidumbre,
Inferencia difusa, Mamdani, Takagi-Sugeno-Kang (TSK), Centroide.
B. Material Requirement Planning existir una diferencia entre los tiempos de entrega planificados
De acuerdo con [8], el MRP es un sistema que permite de los proveedores (flujo de información) y los tiempos de
traducir las necesidades de producción de productos termina- entrega reales de los proveedores (flujo de material).
dos en necesidades netas de producción o compra para los De este modo, se dice que el lead time depende de ciertas
componentes de dichos productos. restricciones tales como el tiempo de transporte, precios,
Para la realización de un MRP, es necesario considerar averı́as de las máquinas y limitaciones de capacidad, las cuales
algunos subsistemas principales que proporcionan información hacen que esta variable sea sumamente incierta en muchos
adecuada, entre estos subsistemas se encuentran el Plan Mae- casos [11].
stro de Producción (MPS, especificaciones del producto o Con base en lo anterior, y como menciona [8], algunas de
lista de materiales (BOM), registros de disponibilidad de las razones por las cuales los sistemas MRP fallan a nivel
inventarios, órdenes de compra pendientes y los lead times, operativo, se adjudican al hecho de que los tamaños de lote,
los cuales corresponden al tiempo que le toma al proveedor stocks de seguridad y tiempos de entrega fijos resultan en
para entregar los componentes que se ordenan. Los lead times implementaciones rı́gidas, de este modo, se puede rescatar
para propósitos de planeación normalmente deben de tener el hecho de que los tiempos de entrega o lead times, se
valores fijos [8]. consideran fijos en el cálculo, independientemente del tamaño
A partir de lo anterior y según [9], el MRP permite realizar de los lotes.
pedidos planificados, debido a que se obtiene a partir de este, De este modo, a partir de lo visto en la teorı́a, se procede a
lo que debe comprarse, tanto en cantidad como en tiempo. utilizar la lógica de conjuntos difusos para la optimización de
De esta forma, será posible utilizar el MRP como insumo los sistemas MRP, mediante la inclusión de la incertidumbre
principal para la planificación de la capacidad, el sistema en las variables de entrada que hacen posible su cálculo.
de compras y los sistemas de control de la actividad de
III. C R ÍTICA AL M ODELO ACTUAL
producción, que programan y controlan la producciń real de
los pedidos. A. Crı́tica
A lo largo del estudio de la teorı́a, fue posible identificar
Incertidumbre en MRP como el MRP es un sistema que permite una mejor gestión de
los entornos de fabricación. A través de su cálculo es posible
En su artı́culo [9] menciona que existen muchas formas de conocer requerimientos de material, cuanto y cuando realizar
incertidumbre que podrı́an afectar los sistemas de planificación un pedido de los componentes de los productos definidos por
de necesidades de materiales (MRP). Existen dos grupos de variables de entrada como lo son el BOM y MPS.
incertidumbre: la incertidumbre ambiental, la cual es aquella En general, el MRP es un sistema robusto, sin embargo,
que no tiene que ver con los procesos de producción en sı́ y fue posible identificar como la incertidumbre en su cálculo se
que depende de varios factores externos a la producción. ve totalmente ignorada y no es considerada en muchos de las
Por otro lado está la incertidumbre del sistema, que se variables que se utilizan en su cĺculo.Una de estas variables
relaciona con los propios procesos productivos, por ejemplo corresponde al lead time del proveedor.
la incertidumbre del tiempo de producción, la incertidumbre De acuerdo a [8] la incertidumbre de los lead times no se
de calidad, el fallo del sistema de producción y los cambios ha tenido en cuenta en modelos anteriores a pesar de su gran
en la estructura del producto. importancia.
De acuerdo a [3] los sistemas MRP necesitan valores Fue posible además, identificar cómo la variabilidad del
numéricos precisos y no pueden manejar variables que tengan lead time es un aspecto que genera un impacto significativo
un cierto grado de incertidumbre, limitando ası́ su aplicación en la cadena de abastecimiento. Un atraso en las entregas
cuando se trabaja con valores que son inciertos. de los proveedores, puede incurrir en atrasos en entregas a
Es por esto, que para poder aplicar los sistemas MRP en los clientes, mala planificación de la producción o unidades
escenarios donde exista incertidumbre, se utiliza la Lógica insatisfechas que no son posibles de producir.
Difusa, la cual permite trabajar con variables que son difı́ciles De este modo, en el modelo actual, el MRP considera el
de analizar. lead time como una variable fija, sin considerar por ejemplo,
Existen muchas fuentes de incertidumbre que involucran al el tamaño del lote que se maneja. Este aspecto es significativo
MRP, entre ellas se encuentran la demanda pronosticada para debido a que los proveedores de acuerdo a qué tan grande sea
los productos a producir. el pedido que se realice, deben considerar temas de capacidad
Según [10], uno de los problemas más difı́ciles de modelar o manejo de inventarios disponibles, los cuales influirán en
en los pronósticos es la incertidumbre relacionada con la in- gran medida en qué tan variable será el lead time que ofrezcan.
formación disponible, en donde los métodos tradicionalmente En trabajos anteriores, fue posible notar como la demanda
utilizados por las empresas para la proyección de la demanda, pronosticada ha sido un tema de enfoque para la aplicaciń
se basan principalmente en el comportamiento pasado del de la lógica difusa en los sistemas de MRP. Esto debido a
mercado sin considerar en su análisis los factores que influyen que la misma corresponde a una de las principales fuentes
en ese comportamiento. de incertidumbre que delimitan qué tan óptimo es el MRP a
Por otro lado, una de las variables de entrada que posee el desarrollar.
MRP, corresponde al lead time, el cual constituye un factor de Sin embargo, como se ha visto, el ajuste del lead time es
incertidumbre importante debido a que en muchos escenarios, dejado de lado, y en la mayorı́a de los casos, para el cálculo
FUZZY LOGIC FOR MATERIAL REQUIREMENTS PLANNING (MRP) 4
del MRP, el mismo es considerado como real y exacto a la de las instalaciones del proveedor. En esta variable lingüı́stica
realidad, a pesar de la gran cantidad de fuentes de variabilidad se definen tres casos:
que pueden generar diferencias significativas en los cálculos. • Buena: el proveedor se ubica en la misma provincia en
Es por ello, que la crı́tica va enfocada hacia el modelo MRP, que se localiza la planta de producción.
especı́ficamente en la nula consideración de la incertidumbre • Regular:el proveedor se encuentra fuera de la provincia
existente en los tiempos de aprovisionamiento de los provee- donde se ubica la empresa, pero dentro del paı́s.
dores. • Mala: proveedor se ubica en el extranjero.
Se considera que el modelo debe ser más flexible y debe
de llevar a cabo un estudio más profundo de las fuentes de Tamaño del lote
incertidumbre que pueden influir en la toma de decisiones de
planificación inferiores en comparación con los modelos que Esta variable de entrada está relacionada al tamaño de
se toman explı́citamente en cuenta la incertidumbre. pedido de materia prima que el proveedor debe entregar en
las instalaciones de la planta. Según sea el tamaño del lote,
IV. P ROPUESTA ası́ puede variar la duración en que el proveedor tenga listo
el producto y lo entregue a la empresa. En esta variable
Durante la planeación de los requerimientos de material, el
lingüı́stica se definen tres casos:
lead time del proveedor debe asumirse como un valor fijo, sin
embargo, la fecha de entrega de un pedido puede ser afectada • Grande: el tamaño del lote es superior a 51 láminas.
por factores internos y externos al proveedor de una compañı́a. • Mediano: el tamaño del lote se encuentra en el rango de
A. Diseño de la propuesta
1. Variables lingüı́sticas
En [9], se establece que la lógica difusa es utilizada para la
toma de decisiones a partir de datos inciertos o conocimiento
subjetivo. En esta sección, se presentarán las variables de Fig. 4. Función triángular
entrada, las cuales son delimitadas mediante criterio experto
y afectan directamente la variable de salida lead time. Variables de salida
previo al despacho, los valores de entrada se encontraban entre Tal como se observa en la figura anterior, se define el
complejidad media y alta. método de centroide para realizar el proceso de defuzzifi-
En la Figura 9, se encuentran las reglas que se activaron cación. Esto debido a que, con base en la literatura y opinión
a partir de la matriz de reglas difusas. Dichas reglas fueron de expertos en el tema, es el método de centroide el cual posee
activadas según la interacción entre las variables lingüı́sticas, mayor aproximación con la realidad, por lo que seleccionado
valores de entrada y el grado de pertenencia de cada uno. para desarrollar la aplicación del ejemplo.
Seguidamente, se ingresa la variable lingüı́stica de
localización y su conjunto difuso. Lo cual se aplica de la
misma manera con las otras dos variables definidas.
5. Defuzzificación
Fig. 13. Ingreso de conjunto difuso para el estudio de la complejidad del reglas activadas según se definió por criterio experto en el
proceso previo al despacho apartado del diseño de la propuesta. Asimismo, se destaca
que la conexión utilizada fue and, ya que se analiza cuando
Asimismo, para cada uno de los niveles de los conjuntos las tres condiciones suceden simultáneamente.
difusos es necesario definir el tipo de forma difusa a utilizar, ya Ahora bien, se procede a ejecutar la defuzzificación
sea: triangular, trapezoidal, gaussiana, sinusoidal, entre otras. como tal, en donde la técnica de lógica difusa estudia de
Para el presente caso de aplicación serán utilizadas las formas manera inteligente cada una de las variables con base en las
triangulares y trapezoidales, ya que son las de mayor uso en condiciones expuestas por el criterio experto. Como resultado
este tipo de aplicaciones. de dicha defuzzificación, se obtiene un factor de ajuste para
Finalmente, se define la variable de salida como el ajuste la variable de salida que en este caso es el lead time.
del lead time, tal como se ha mencionado. Es en este
momento, donde se deben ingresar los efectos definidos
según las reglas difusas: DLT, DPLT, LT, APLT y ALT.
de dos dı́as y medio aproximadamente en la fecha de entrega distorsionan la eficiencia y utilización planificadas, de forma
de la orden. que se logren tomar medidas anticipadas.
Por otra parte, se propone dar seguimiento al análisis de
otros factores importantes en el MRP, tal como lo es la de-
TABLE I manda. En este caso se habla de una incertidumbre relacionada
VARIACI ÓN DEL LEAD TIME CON L ÓGICA D IFUSA
a los pronósticos de la misma, la cual puede ser mejorada
Lead time teórico 15,0 a partir de la metodologı́a de la lógica difusa, aplicando las
Porcentaje de ajuste 17,1% técnicas explicadas para lograr un ajuste de la demanda, que
Dı́as ajustados 2,6
Lead time real 17,6 logre aproximarse a la realidad.
Por otra parte, al considerar el ajuste del lead time, es VII. C ONCLUSIONES
posible evitar escenarios indeseados con respecto al desarrollo La implementación de conocimiento experto por medio de
del negocio. Con base en el escenario de la entrega de 600 metodologı́as como la lógica difusa, es lo que convierte a esta,
pares de sandalias en una fecha establecida, se definió que en una técnica cuyos resultados son más cercanos a la realidad,
cada dı́a de atraso se compensa aplicando un descuento al pues imita las decisiones que toman las personas.
cliente desde un 10% en el dı́a 1, que va en aumento 5% La lǵica difusa es una técnica que puede ser aplicada a todos
por dı́a. Según los resultados, se refleja de la siguiente manera: aquellos casos en los que exista incertidumbre, esta es la razón
por la cual puede ser utilizada para resolver problemas a nivel
de Plan Maestro de Producción (MPS) o en la Planeación de
TABLE II
PANORAMA ECON ÓMICO REFLEJADO
Requerimientos de Materiales (MRP).
El lead time del proveedor es una variable de entrada de
Ingreso por ventas ¢4 710 000,0 un sistema MRP y que además, es un factor que involucra
Dı́as de atraso en la entrega 2,6
Porcentaje de descuento 20,0% incertidumbre, por lo que, en toda compañı́a es conveniente
Descuento a aplicar ¢942 000,0 estudiar dicha incertidumbre para ajustar el tiempo real para
Ingreso neto ¢3 768 000,0 tener mejores controles a nivel de compra e inventarios.
A partir de la propuesta realizada y del desarrollo de la
Según los resultados anteriores, se evidencia el impacto validación, se determina que para las variables de entrada
económico que tendrı́a la empresa Cartisan S.A., si realiza definidas y el comportamiento que se espera a futuro en la
su planificación de materiales según el lead time de 15 dı́as empresa Cartisan S.A, el porcentaje de ajuste del lead time
establecido por el proveedor. Se observa un 20% de descuento del proveedor es de un 17.1%. Con la aplicación del mismo,
a aplicar, ya que 2,6 dı́as se redondea al dı́a 3 de entrega. Las es posible realizar el ajuste adecuado del lead time que evite
pérdidas por el monto de 942 000,0 podrı́an evitarse si en la un impacto económico desfavorable por atrasos en la entrega
empresa se considerara el tiempo de entrega ajustado, lo cual de pedidos.
significa que su punto de reorden deberı́a darse 3 dı́as antes Por otra parte, MATLAB es un software que a partir de
para evitar dichas demoras. una sencilla metodologı́a de uso, permite simular sistemas con
A manera de sı́ntesis, se observa la importancia de im- lógica difusa, por lo que se considera una herramienta muy
plementar metodologı́as como la lógica difusa para resolver útil a nivel académico y empresarial para brindar soluciones
problemas en la vida real como lo es la incertidumbre del lead de alto impacto operacional.
time. De manera que, es posible modelar distintas situaciones
y tomar decisiones a partir de los resultados modelados. Tal R EFERENCES
como lo menciona [12], el impacto que genera el tiempo de
entrega es muy significativo al definir el nivel de servicio, [1] A. Matute and W. Bernal Suárez, Fuzzy Logic Techniques in Control
Engineering Rev. Cienc., vol. III, pp. 125134, 2017.
además en términos de rentabilidad y por supuesto es de alto [2] M. L. Cúnico and A. Vecchietti, Una Aplicación de Lógica Difusa en
impacto en el desarrollo de la cadena de suministro. el Modelado de Una Cadena de Suministro con Incertidumbre en el
Abastecimiento de Materiales. Iberoam. J. Ind. Eng., vol. 5, no. 10, pp.
265280, Apr. 2015.
VI. L ÍNEAS FUTURAS DE INVESTIGACI ÓN Y [3] A. D. Velázquez-cruz, H. Muñóz-contreras, J. A. Rojas-, and U. J.
R ECOMENDACIONES Lpez-maldonado, Inclusión de la incertidumbre en la Planeación de
Requerimientos de Materiales mediante Lógica Difusa, vol. 4, no. 2,
La lógica difusa como metodologı́a de inteligencia artificial 2013.
tiene campos de estudio muy amplios, gracias a que una de sus [4] Almache and Juan, Lógica clásica y lógica difusa: Facetas que las
caracterizan. Estoa, no. 2, pp. 91101, 2013.
ventajas consiste en la capacidad para tomar en cuenta la in- [5] C. Lameda and E. Torres, Lotfi Zadeh: el genio creador de la lógica
certidumbre y el conocimiento experto para brindar soluciones borrosa Lotfi Zadeh: the genius creator of fuzzy logic. vol. 12, no. 16,
de alto valor. pp. 127133, 2018.
[6] M. M. Arcila and S. D. Sanahuja, Sistemas de Control con Lógica Difusa:
Es por esto que se propone investigar otros vacı́os que exis- Métodos de Mamdani y de Takagi-Sugeno-Kang ( TSK ). 2017.
ten en la gestión de las operaciones de una empresa que puedan [7] C. Feltan, Principios de Lógica Difusa. no. October, 2018.
ser mejorados a partir esta metodologı́a. Principalmente, en [8] I. D. E. Sistemas and I. Operaciones, Universidad nacional autónoma de
méxico. 2013.
ámbitos relacionados a la planeación de los requerimientos [9] U. D. C. Rica, In adjusting forecasted demand for Material Requirement
de la capacidad, donde se ataque por ejemplo factores que Planning. pp. 112.
FUZZY LOGIC FOR MATERIAL REQUIREMENTS PLANNING (MRP) 9