Professional Documents
Culture Documents
Articulo Metodologias en La Produccion
Articulo Metodologias en La Produccion
VII, N° 25 151
Actualidad y Nuevas Tendencias ISSN: 1856-8327
e-ISSN: 2610-7813
RESUMEN ABSTRACT
Este artículo tiene como objetivo presentar una This article aims to present a literature review
revisión bibliográfica de la planificación de la of the production planning until 2015 and its
producción hasta 2015 y su aplicación en las application in industry, and serve as a reference
industrias, y que sirva de referencia para futuras for future research. The method of "content
investigaciones. Para la revisión se utilizó el analysis" used and was carried out under four
método de “Análisis de contenido” y se derivó categories set according to the methodology for
bajo cuatro categorías estipuladas según la the review follows: Aggregate Production
metodología de la siguiente manera: Planeación Planning (APP) model of linear programming
de la producción agregada (APP), modelo de
(LP) master plan production (MPS) and
programación lineal (PL), plan maestro de
production schedule for inventories. In the
producción (MPS) y programación de producción
review it is evident that 60% of the literature
por inventarios. En la revisión se evidencia que el
corresponds to PL, used to solve problems
60% de la bibliografía consultada corresponde a
PL, es utilizada para la solución de problemas
related to various productive contexts and has
relacionados con varios contextos productivos y allowed companies or organizations reduce
ha permitido a empresas u organizaciones costs and increase profitability. In addition,
reducir costos y aumentar su rentabilidad. 22% of research corresponds to APP, which is
Además, el 22% de las investigaciones used for the determination of production in the
corresponde a APP, que se utiliza para la industry in order to meet the requirements for
determinación de la producción en la industria a planning horizon of the medium term.
con el objetivo de satisfacer los requerimientos Similarly, the MPS with 12% is related in the
para un horizonte de planificación de medio uncertainty of demand for determining the
plazo. De igual manera, el MPS con un 12%, se amounts and dates must be willing inventory
relaciona bajo la incertidumbre de la demanda Distribution Company. Finally, 6%
con el propósito de determinar las cantidades y corresponding production-scheduling
fechas en que deben estar dispuestos los inventory due to their low industrial
inventarios de distribución de la empresa. applicability.
Finalmente, 6% correspondiente a la
programación de producción por inventarios
debido a su poca aplicabilidad en la industria.
INTRODUCCIÓN
PRODUCCIÓN DE
INVENTARIOS, 6% PLANEACIÓN
AGREGADA, 22%
PLAN MAESTRO,
12%
PROGRAMACIÓN
LINEAL, 60%
12
10
8
Cantidad
6
4
2
0
1992 1999 2000 2002 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Año
llegada para cada producto, donde cada Ramezanian, Rahmani y Barzinpour (2012);
orden puede ser aceptada o rechazada de Jiménez y Bilbao (2009); Leung y Chan
acuerdo con una política determinada. Si el (2009) explican una amplia visión de la PL
pedido es rechazado, deja el sistema y por donde el modelo diseñado pretende
el contrario si es aceptado, se espera a la minimizar los costos totales y el tiempo
fecha de entrega y el material disponible. total de entrega en relación con los niveles
Zhang, Ong y Nee (2015) presenta un de inventario, niveles disponibles de mano
modelo interactivo de PL con un enfoque de obra y capacidad de la máquina en cada
probabilístico para resolver un problema fuente, la demanda del mercado y espacio
de planeación agregada de la producción de almacenamiento en cada destino, y el
con una estimación imprecisa de la valor temporal del dinero para cada una.
demanda, relacionando costos Por otra parte, cabe destacar que dentro de
operacionales y capacidad. El enfoque la PL se establecen dos herramientas
propuesto intenta minimizar los costos complementarias que son utilizadas para la
totales con referencia al nivel de programación de la producción como son
inventarios, labores en tiempo la programación lineal entera y la
suplementario, subcontratación y nivel de programación lineal entera mixta (MILP)
órdenes retrasados, capacidad de en donde diferentes autores han hecho sus
máquinas y almacén. El propósito del aportes y se muestran a continuación.
problema de PL es proporcionar una Liang (2006) realizaron una investigación
eficiente planeación agregada y sobre todo con el fin de realizar la programación de los
un grado de satisfacción de quien toma la trabajos en una maquina utilizando un
decisión de acuerdo con los valores de las modelo de MILP, con las variables de
metas determinadas. decisión del modelo que corresponde a la
En otra aplicación, Wang y Liang (2004) fecha de inicio de la operación, las variables
desarrollan un modelo difuso de PL que representan terminación a tiempo del
multiobjetivo para solucionar un plan trabajo. Finalmente estructuran el modelo
agregado de producción en un ambiente en donde queda en evidencia la
difuso. Los principales objetivos del importancia del modelamiento matemático
modelo es minimizar los costos de en la solución de problemas empresariales.
producción, costos de almacenamiento y En este caso se llegó rápidamente a una
costos de retrasos generados por el cambio solución asistida por una herramienta
en los niveles de trabajo, inventario, informática llamada LINGO. Según sus
capacidad, espacio de almacenamiento y el autores a través del uso de ese tipo de
valor del dinero en el tiempo. Valencia, variable fue posible modelar una condición
Lambán y Royo (2014); Pradenas, Peñailillo importante del problema que radicaba en la
y Ferland (2004); Das y Patnaik (2015); necesidad de no permitir que dos
Guchhait, Maiti, y Maiti (2013);
REFERENCIAS
strategies in the sawmilling industry. IFAC- Herrera, L.A y Martínez, C.R. (2011). Planeación
PapersOnLine, 48(3), 622-627. y control de la producción: Administración de la
https://doi.org/10.1016/j.ifacol.2015.06.151 cadena de suministros. México: McGraw-Hill.
Gansterer, M., Almeder, C., & Hartl, R. F. Jiménez, M. y Bilbao, A. (2009). Pareto-optimal
(2014). Simulation-based optimization solutions in fuzzy multi-objective linear
methods for setting production planning programming. Fuzzy Sets and Systems, 160(18),
parameters. International Journal of Production 2714-2721.
Economics, 151, 206-213. https://doi.org/10.1016/j.fss.2008.12.005
https://doi.org/10.1016/j.ijpe.2013.10.016 Jiménez, M., & Bilbao, A. (2009). Pareto-
Goerzig, D., Lucke, D., Lenz, J., Denner, T., optimal solutions in fuzzy multi-objective
Lickefett, M., & Bauernhansl, T. (2015). linear programming. Fuzzy Sets and Systems,
Engineering Environment for Production 160(18), 2714-2721.
System Planning in Small and Medium https://doi.org/10.1016/j.fss.2008.12.005
Enterprises. Procedia CIRP, 33, 111-114. Kerzner, H. R. (2002). Strategic planning for
https://doi.org/10.1016/j.procir.2015.06.021 project management using a project management
Gligorić, M., Gligorić, Z., Beljić, C., Lutovac, S. maturity model. EE.UU: John Wiley & Sons.
& Damnjanović, V. (2019). Long-Term Room Kerzner, H. R. (2013). Project management: a
and Pillar Mine Production Planning Based on systems approach to planning, scheduling, and
Fuzzy 0-1 Linear Programing and Multicriteria controlling. EE.UU: John Wiley & Sons.
Clustering Algorithm with Uncertainty. Khoshalhan, F. y Khani, A. C. (2012). An
Mathematical Problems in Engineering, 1-26. Integrated Model of Aggregate Production
https://doi.org/10.1155/2019/3078234 Planning with Maintenance Costs. International
Guchhait, P., Maiti, M. K. y Maiti, M. (2013). Journal of Industrial Engineering, 23(1), 67-77.
Production-inventory models for a damageable http://ijiepm.iust.ac.ir/article-1-860-en.pdf
item with variable demands and inventory Krippendorff, K. (2012). Content Analysis: An
costs in an imperfect production process. Introduction to Its Methodology (3rd ed.).
International Journal of Production Economics, Thousand Oaks, CA: Sage Publications.
144(1), 180-188. Kuwano, H. (1996). On the fuzzy multi-
https://doi.org/10.1016/j.ijpe.2013.02.002 objective linear programming problem: Goal
Guchhait, P., Maiti, M. K. y Maiti, M. (2013). programming approach. Fuzzy Sets and
Production-inventory models for a damageable Systems, 82(1), 57-64.
item with variable demands and inventory https://doi.org/10.1016/0165-0114(95)00231-6
costs in an imperfect production process. Leung, S. C. y Chan, S. S. (2009). A goal
International Journal of Production Economics, programming model for aggregate production
144(1), 180-188. planning with resource utilization constraint.
https://doi.org/10.1016/j.ijpe.2013.02.002 Computers & Industrial Engineering, 56(3), 1053-
Hees, A. y Reinhart, G. (2015). Approach for 1064. https://doi.org/10.1016/j.cie.2008.09.017
Production Planning in Reconfigurable Leung, S. C., & Chan, S. S. (2009). A goal
Manufacturing Systems. Procedia CIRP, 33, 70- programming model for aggregate production
75. https://doi.org/10.1016/j.procir.2015.06.014 planning with resource utilization constraint.
Computers & Industrial Engineering, 56 (3), 1053-
1064. https://doi.org/10.1016/j.cie.2008.09.017
Liang, T. F. (2006). Distribution planning programación de alto nivel. Revista ION, 22(1).
decisions using interactive fuzzy multi- https://revistas.uis.edu.co/index.php/revistaio
objective linear programming. Fuzzy Sets and n/article/view/195/962
Systems, 157(10), 1303-1316. Mula, J., Poler, R. Garcia-Sabater, J. P. y Lario,
https://doi.org/10.1016/j.fss.2006.01.014 F. C. (2006). Models for production planning
Liang, T. F. (2008). Fuzzy multi-objective under uncertainty: A review. International
production/distribution planning decisions journal of production economics, 103(1), 271-285.
with multi-product and multi-time period in a https://doi.org/10.1016/j.ijpe.2005.09.001
supply chain. Computers & Industrial Munier, N. J. (1986). Aplicaciones de la
Engineering, 55(3), 676-694. programación lineal. Buenos Aires. Buenos Aires:
https://doi.org/10.1016/j.cie.2008.02.008 Astrea.
Linn, R. y Zhang, W. (1999). Hybrid flow shop Neuendorf, K. A. (2017). The Content Analysis
scheduling: a survey. Computers & industrial Guidebook, 2th edition. Thousand Oaks, CA,
engineering, 37(1), 57-61. USA: SAGE Publications.
https://doi.org/10.1016/S0360-8352(99)00023-6 Noguero, F.L. (2002). El análisis de contenido
Linn, R., & Zhang, W. (1999). Hybrid flow shop como método de investigación.XXI. Revista de
scheduling: a survey. Computers & industrial educación, (4), 167-180.
engineering, 37(1), 57-61. http://rabida.uhu.es/dspace/bitstream/handle/
https://doi.org/10.1016/S0360-8352(99)00023-6 10272/1912/b15150434.pdf
Maldonado, M., Rangel, S., y Ferreira, D. Ouyang, L. Y., & Chang, C. T. (2013). Optimal
(2014). A study of different subsequence production lot with imperfect production
elimination strategies for the soft drink process under permissible delay in payments
production planning. Journal of applied research and complete backlogging. International Journal
and technology, 12(4), 631-641. of Production Economics, 144(2), 610-617.
https://doi.org/10.1016/S1665-6423(14)70080-X https://doi.org/10.1016/j.ijpe.2013.04.027
Miller, A. J. y Wolsey, L. A. (2003). Tight Pasandideh, S. H. R., Niaki, S. T. A. y Gharaei,
formulations for some simple mixed integer A. (2015). Optimization of a multiproduct
programs and convex objective integer economic production quantity problem with
programs. Mathematical Programming, 98(1-3), stochastic constraints using sequential
73-88. https://doi.org/10.1007/s10107-003-0397- quadratic programming. Knowledge-Based
3 Systems, 84, 98-107.
Mirzapour Al-E-Hashem, S. M. J., Malekly, H., https://doi.org/10.1016/j.knosys.2015.04.001
& Aryanezhad, M. B. (2011). A multi-objective Peidro, D., Mula, J., Poler, R. y Verdegay, J. L.
robust optimization model for multi-product (2009). Fuzzy optimization for supply chain
multi-site aggregate production planning in a planning under supply, demand and process
supply chain under uncertainty. International uncertainties. Fuzzy Sets and Systems, 160(18),
Journal of Production Economics, 134(1), 28-42. 2640-2657.
https://doi.org/10.1016/j.ijpe.2011.01.027 https://doi.org/10.1016/j.fss.2009.02.021
Morales, Y. L. et al. (2009). Modelamiento y Poles, R. (2013). System Dynamics modelling of
simulación del proceso de producción de a production and inventory system for
azúcar a partir de caña en un ingenio azucarero remanufacturing to evaluate system
colombiano aplicando lenguajes de improvement strategies. International Journal of
Production Economics, 144 (1), 189-199. Roghanian, E., Sadjadi, S. J., y Aryanezhad, M.
https://doi.org/10.1016/j.ijpe.2013.02.003 B. (2007). A probabilistic bi-level linear multi-
Poles, R. (2013). System Dynamics modelling of objective programming problem to supply
a production and inventory system for chain planning. Applied Mathematics and
remanufacturing to evaluate system computation, 188(1), 786-800.
improvement strategies. International Journal of https://doi.org/10.1016/j.amc.2006.10.032
Production Economics, 144(1), 189-199. Riza M. , Purba H. H. & Mukhlisin (2018). The
https://doi.org/10.1016/j.ijpe.2013.02.003 implementation of economic order quantity for
Pradenas, L., Peñailillo, F. y Ferland, J. (2004). reducing inventory cost. Research in Logistics &
Aggregate production planning problem. Electronic Production, 8(3), 207-216.
Notes in Discrete Mathematics, 18, 193-199. https://doi.org/10.21008/j.2083-4950.2018.8.3.1
https://doi.org/10.1016/j.endm.2004.06.031 Sahin, F., Robinson, E. P., & Gao, L. L. (2008).
Raa, B., Dullaert, W. y Aghezzaf, E. H. (2013). Master production scheduling policy and
A matheuristic for aggregate production– rolling schedules in a two-stage make-to-order
distribution planning with mould sharing. supply chain. International Journal of Production
International Journal of Production Economics, Economics, 115(2), 528-541.
145(1), 29-37. https://doi.org/10.1016/j.ijpe.2008.05.019
https://doi.org/10.1016/j.ijpe.2013.01.006 Sánchez, C. C. y Puente, M. M. (2006).
Ramezanian, R., Rahmani, D. y Barzinpour, F. Formulación de un modelo de programación
(2012). An aggregate production planning lineal entera mixta para el departamento de las
model for two phase production systems: importaciones en régimen aduanero definitivo
Solving with genetic algorithm and tabu para una Empresa de Producción. Industrial
search. Expert Systems with Applications, 39(1), Data, 9(2), 033-038.
1256-1263. https://doi.org/10.15381/idata.v9i2.5864
https://doi.org/10.1016/j.eswa.2011.07.134 Sandoval, F. (2016). Diseño de un sistema para la
Ramezanian, R., Rahmani, D. y Barzinpour, F. mejora de la cadena de abastecimiento en el sector:
(2012). An aggregate production planning industria azucarera, utilizando la herramienta:
model for two phase production systems: “MPS (master production schedule)”, para la
Solving with genetic algorithm and tabu mejora de la competitividad empresarial. Tesis de
search. Expert Systems with Applications, 39(1), Pregrado. Universidad Dr. José Matías
1256-1263. Delgado, El Salvador.
https://doi.org/10.1016/j.eswa.2011.07.134 Seitz, K. F. y Nyhuis, P. (2015). Cyber-Physical
Ramezanian, R., Rahmani, D., & Barzinpour, F. Production Systems Combined with Logistic
(2012). An aggregate production planning Models–A Learning Factory Concept for an
model for two phase production systems: Improved Production Planning and Control.
Solving with genetic algorithm and tabu Procedia CIRP, 32, 92-97.
search. Expert Systems with Applications, 39(1), https://doi.org/10.1016/j.procir.2015.02.220
1256-1263. Silver, E. A., Pyke, D. F. y Peterson, R. (1998).
https://doi.org/10.1016/j.eswa.2011.07.134 Inventory management and production planning
Render, B. y Heizer, J. (2014). Principios de and scheduling. New York: Wiley.
Administración de Operaciones, 9na edición. Sipper, D., & Bulfin, R. L. (1997). Production:
México: Edit. Hall Hispanoamericana Edic. 1ra. planning, control, and integration. México:
Autores
Julián Silva Rodríguez. Ingeniero Industrial, Magister en Ingeniería Industrial. Docente-
Investigador, Grupo de Investigación en Gestión Integral de os Servicios y Productividad
Agroindustrial (GISPA), Programa de Ingeniería Industrial, Universidad Santo Tomas,
Tunja, Colombia.
ORCID: https://orcid.org/0000-0001-7497-8632
Email: julian.silva@usantoto.edu.co
Sandra Lazo Jiménez. Ingeniero Industrial, Universidad de Boyacá, Tunja, Colombia.
Email: splazo@uniboyaca.edu.co
Daniela Palencia Molina. Ingeniero Industrial, Universidad de Boyacá, Tunja, Colombia.
Email: danpalencia@uniboyaca.edu.co
Mayra D’Armas Regnault. Ingeniero Industrial, Magíster en Ingeniería Industrial,
Doctora en Ingeniería de la Producción. Profesora Universidad Estatal de Milagro,
Ecuador.
ORCID: https://orcid.org/0000-0002-6288-1566
Email: mdarmasr@unemi.edu.ec
Recibido: 18-01-2020 Aceptado: 24-03-2020