Professional Documents
Culture Documents
Informe 2 Ppcp.
Informe 2 Ppcp.
INTEGRANTES:
Héctor Andrade
Mireya Flores
Álvaro Sarmiento
Augusto Sánchez
Alisson Torres
Diego Chupillon
Alejandro Vega
2021
1
ÍNDICE
CAPITULO I 3
1.1 Resumen Ejecutivo 3
1.2 Abstract y keywords (en inglés). 4
1.3 Justificación 5
1.4 Problemática 6
1.5 Objetivos 11
1.5.1 Objetivo general 11
1.5.2 Objetivos específicos 11
1.6 Argumentación 11
CAPÍTULO II 26
2.1 Conclusiones 26
2.2 Crítica del trabajo 27
2.3 Recomendaciones 28
Anexos 29
Referencias 34
CAPÍTULO III 38
3.1 La problemática de la planificación de la producción en el sector minero 38
3.2 Control de tiempos del PMP en el sector minero 38
3.3 Funcionamiento del PMP en las empresas del sector minero 38
3.4 Problemas más comunes y cambios del PMP realizados en el sector minero 39
3.5 Experiencia y indicadores del PMP en el sector minero 39
CAPÍTULO IV 40
4.1 Modelo de planificación. 40
CAPÍTULO V 43
5.1 Conclusiones: 43
5.2 Recomendaciones: 44
2
CAPITULO I
En primer lugar, se hablará sobre el motivo por el cual este tema provoca un
impacto en la industria actual; ya que, es importante conocer el concepto que tiene
el Plan Maestro de Producción y su objetivo en mejorar y redefinir la capacidad
productiva de una empresa. Además, se describe la problemática en torno a el MPS
desde la posición de los autores.
3
1.2 Abstract y keywords (en inglés).
The purpose of this paper is to present the analysis and evolution of the
Master Production Program over the last 10 years and its impact on productivity in a
concrete manner. The points that will be detailed in this document will be presented
below.
First of all, we will talk about the reason why this topic causes an impact in the
current industry; since, it is important to know the concept of the Production Master
Plan and its objective in improving and redefining the productive capacity of a
company. In addition, the problems around the MPS are described from the authors'
position.
The most relevant information on the evolution in the last ten years of the
Master Production Plan implemented in the mining sector in different countries will
be commented on, as well as the contributions made throughout this period and a
description of the MPS used in the different countries and their companies.
4
1.3 Justificación
5
1.4 Problemática
6
problema ocurre en muchas empresas industriales, la solución propuesta para
abordar el nerviosismo permitiría a estas empresas programar sus producciones con
menos incertidumbre y consecuentemente reducir sus costos de producción. El
interés principal se dirige a empresas de masa personalizada que deberían
alcanzar un alto nivel de estabilidad con respecto a los horarios para una
conveniencia práctica.
Algunos autores comentan que otro obstáculo para una correcta planificación
del programa maestro de producción es que como su aplicación se da en un grupo
social para beneficiar a los consumidores, estas estrategias a gran escala requieren
de una organización muy estricta en la que se involucran varias entidades. Debido a
este factor, es fácil que el plan maestro no se ejecute de la manera correcta o no se
ejecute.
7
de múltiples etapas de algoritmos para planificar un Plan Maestro en el cúal se
plantea diferentes soluciones para cada parámetro mencionado como por ejemplo ,
para que el tiempo de procesamiento sea fija, se plantea el aumento de la velocidad
de operación, disminuyendo así el tiempo de procesamiento. Sin embargo, este
aumento de velocidad genera costos de herramientas. Por ello, se desea plantear la
compensación entre los ingresos obtenidos al satisfacer una demanda adicional,
porque este será variable, con respecto al costo de compresión.
El desempeño del MPS para el caso de estudio, se evaluó a partir del costo
total, nivel de servicio y la inestabilidad, donde lo ideal es buscar una compensación
entre los tres indicadores.
8
Resolver el problema del programa maestro de producción multiobjetivo
utilizando un algoritmo memético
MPS tiene dos objetivos en conflicto porque necesita un plan óptimo para
incrementar los niveles de servicio y a su vez quiere disminuir la cantidad de
inventario y el uso de los recursos. Además, a medida que se incrementan los
planes de producción, se necesita crear un Programa Maestro que crezca
rápidamente, especialmente trabajando con recursos limitados.
● El MPS debe ser consistente con las limitaciones técnicas y comerciales que
impiden algunas combinaciones de componentes alternativos.
● Debido a los plazos de entrega más largos que resultan de la globalización, la
producción panorámica debe adaptarse a la incertidumbre sobre el horizonte
congelado.
9
Problemática del cálculo de pronósticos de los componentes alternativos (AC)
a partir de los servicios alternativos (AS), para el caso de estudio de la
personalización masiva.
10
Situación problemática: En esta investigación se quiere saber si la
planificación de la producción agregada es suficiente para obtener una demanda
final más estable, sin la necesidad de usar la programación maestra de la
producción.
1.5 Objetivos
11
1.6 Argumentación
12
obtenidos al satisfacer una demanda adicional, porque este será variable, con
respecto al costo de compresión.(Ersin Körpeoğlu a, Hande Yaman B, M. Selim
Aktürk, 2011)
13
El algoritmo FL97 (1997) primero idéntica las limitaciones del sistema en
función de la diferencia entre la capacidad de los recursos y la demanda sobre ellos.
Luego, determina las restricciones considerando los posibles cuellos de botella que
existen en el sistema.
El algoritmo GM15 (2015) tiene mejores resultados que los otros algoritmos
en situaciones complejas y en problemas de escasez. Bajo esos criterios determina
los posibles cuellos de botella del sistema. Se desarrolla un plan maestro y luego es
mejorado por la búsqueda local.
14
El resultado de los modelos comparados para cada programación son las
siguientes:
15
Figura 2. Intersección de los tres departamentos
16
volumen total de producción por período) utilizada para esos componentes es
confiable.
● En el primer enfoque, los requisitos para un período más allá del horizonte
congelado se calculan como el volumen de producción total para el período
multiplicado por los coeficientes AC de la BOM. Este cálculo se basa en el
supuesto de una determinada demanda. Para limitar la propagación de
interrupciones en la parte ascendente de la cadena de suministro debido a la
incertidumbre de la demanda que conduce a cambios continuos de MPS, es
importante disponer de inventarios de seguridad para esos AC (Clément et.
al. 2013).
● En el segundo enfoque, la demanda de AC más allá del horizonte congelado
se considera conocida en probabilidad. Los coeficientes de planificación de la
lista de materiales para un SAC se utilizan como vector de una distribución
multinomial en la que el número de ensayos es el número total de
automóviles producidos para el período. La demanda de AC en un período
dado más allá del horizonte congelado puede verse como una variable
aleatoria que sigue una distribución binomial y el cálculo de los inventarios de
seguridad se puede realizar definiendo un nivel de reabastecimiento asociado
con un riesgo de escasez predeterminado. En este contexto, se puede
demostrar que los requisitos brutos de cualquier componente de la lista de
materiales son variables aleatorias definidas como la una suma ponderada de
variables aleatorias binomiales (Clément et. al. 2013).
17
AS en lugar de una lista de AC (componentes). Esta representación depende de la
descripción funcional del producto que refleja la percepción del cliente en lugar de la
descripción orgánica clásica que refleja la percepción de la ingeniería. Limitados en
número, los AS permiten una gestión más sencilla de las restricciones combinatorias
y, por lo tanto, facilitan el proceso de planificación a este nivel. De hecho, este
método está más adaptado a los SAS (conjuntos de servicios alternativos) ya que
son menos que los SAC (conjunto de componentes alternativos) y corresponden al
punto de vista de los clientes y ventas, mientras que los SAC corresponden a una
percepción física (Clément et. al. 2013). A los efectos de planificación de la
producción de las adquisiciones, se deben distinguir varios escenarios como en la
siguiente tabla 1.
18
presencia de pronósticos de coeficientes de los componentes (AC) de la lista de
materiales. Se pueden distinguir dos casos:
19
MPS en el nivel 0 de la lista de materiales, la otra se basa en el nivel 1. Ambas
soluciones presentan ventajas e inconvenientes, lo que requiere un mayor análisis e
investigación (Clément et. al. 2013).
20
adecuada. Sin embargo, la precisión de los resultados de la predicción indica que el
algoritmo de aprendizaje automático desarrollado está influenciado principalmente
por la relación dominante con la demanda, lo que da como resultado una alta
precisión en una parte del horizonte de planificación. Para poder capturar las
desviaciones de este patrón por el impacto de otras características, se necesitan
más datos y características, por ejemplo, por capacidad. Otro enfoque de solución
podría ser el aprendizaje de modelos separados para las diferentes partes del
horizonte de planificación. Esto significa que los datos de entrenamiento del
algoritmo se dividen para generar modelos individuales. Además, se pueden evaluar
otros algoritmos en función de su precisión de predicción. Con respecto a la
reducción de la inestabilidad, una empresa aún debe decidir cómo establecer un
objetivo en la compensación de planes de producción estables y capacidad de
respuesta a un entorno cambiante. En general, el enfoque se puede utilizar para la
toma de decisiones, donde los sistemas respectivos no son adecuados para la
simulación y el modelado matemático (Tim Lauer et. al. 2019).
21
Para el año 2016 el sistema MPS evolucionó en sistemas tales como ERP
ofreciendo soportes que se requieren para compartir información favoreciendo la
comunicación en las empresas diseñando productos elaborando planes de venta y
coordinando empresas.
22
En el artículo “Un enfoque de programación estocástica de múltiples etapas
en la programación maestra de producción” de Ersin Körpeoğlu a, Hande Yaman B,
M. Selim Akturk se cuestiona los métodos actuales, donde mencionan que para
poder generar un MPS se debe tener parámetros opuestos a lo propuesto. El
enfoque clásico que tienen del MPS es dejar de un lado la incertidumbre de la
demanda en la generación del pronóstico, porque según la experiencia de Vieira,
señala que la verdadera complejidad para elaborar un MPS está en los parámetros
planteados en esta investigación.
23
normalmente sobreestima la capacidad disponible. Sus mejores resultados (sin
demoras o escasez y disminución en los costos de inventario) se deben a que usa
perfiles de recursos, los cuales consideran la capacidad de cada centro de trabajo y
lead times de producción.
24
que son los factores externos y factores internos. A continuación se comentará la
composición de estos grupos y la importancia que cada factor dentro del MPS.
Por otro lado, el contexto político es un factor primordial para el desarrollo sin
obstrucciones por parte de las instituciones, donde se logre una coordinación con
todas estas y no se entorpezcan las acciones a realizar.
25
26
CAPÍTULO II
2.1 Conclusiones
27
2.2 Crítica del trabajo
28
2.3 Recomendaciones
29
Anexos
Anexo nº1
Anexo nº2
30
Anexo nº3 : Modelo de cómo se realizaron las entrevistas.
31
Nota 1: Referencia de la entrevista a Jesus Neyra
32
Nota 2: Referencia de la entrevista a el ingeniero José Valle.
33
Nota 4: Referencia de la entrevista a la ingeniera química Betsy Salzar
34
Nota 6: Referencia de la entrevista a el ingeniero Carlos Gálvez
35
Referencias
36
10. Körpeoğlu Ersin, Hande Yaman B, M. Selim Aktürk (2011). Un enfoque de
programación estocástica de múltiples etapas en la programación maestra de
producción, Recuperado de: ScienceDirect
11. Magdalena, R., & Suli, T. (2019, May). Forecasting Methods and
Implementation of DRP (Distribution Requirement Planning) Methods in
Determining the Master Production Schedule. In IOP Conference Series:
Materials Science and Engineering (Vol. 528, No. 1, p. 012049). IOP
Publishing.
12. Mansouri, S., Golmohammadi, D., & Miller, J. (2019). The moderating role of
master production scheduling method on throughput in job shop systems.
International Journal of Production Economics, Vol 216, (pp. 67-80).
Recuperado de: http://dx.doi.org/10.1016/j.ijpe.2015.06.012
13. Martín, A., Díaz-Madroñero, B., & Mula, J. (2020). Master production
schedule using robust optimization approaches in an automobile second-tier
supplier. Central European Journal of Operations Research. Vol. 28, (pp. 143-
166). Recuperado de: https://doi.org/10.1007/s10100- 019-00607-2
14. Medina P, Hernan M (2009) PLAN DE PRODUCCION PARA LA COMPAÑÍA
DE HELADOS “NATA” . Recuperado de: Redalyc.
15. Paul H. Jim B(2007).Programación maestra de producción: un enfoque de
planificaciónconcurrente.Taylor&Francis,(18pág),http://dx.doi.org/
10.1080/09537289208919369
16. Perez G (2014) Plan Maestro como instrumento de diseño urbano:
potencialidades y limitantes. El caso de la ciudad de Antofagasta.
Recuperado de Redalyc
17. Reyes Y. Mula J. Diaz M.l (2017) Plan maestro de producción basado en
programación lineal entera para una empresa de productos químicos.
Recuperado de: Redalyc.
18. Rivera Juan, Ortega Edith y Pereyra Julio (2014). Diseño e implementación
del sistema MRP en las pymes. Recuperado de: Redalyc.
19. Rudberg, M. (2011), "APS para la planificación táctica en una empresa de
procesamiento de acero", recuperado de: Emerald Insight.
20. Sablón Cossío, Neyfe; Orozco Crespo, Erik; Lomas Rosero, Carina Yoconda
y Montero, Yakcleem (2018). Plan maestro de producción de una empresa
37
textil. Caso de estudio de Imbadura, Ecuador. Recuperado de: Uniandes
EPISTEME. Revista digital de Ciencia, Tecnología e Innovación.
21. Sadiq, S. S., Abdulazeez, A. M., & Haron, H. (2020). Solving multi-objective
master production schedule problem using memetic algorithm. Indonesian
Journal of Electrical Engineering and Computer Science, 18(2), 938-945.
22. Schuster, E., Allen, S., Lee, H., & Unahabhokha, C. (2008) Master
Production Schedule Stability Under Conditions of Finite Capacity. (pp. 1–28).
23. Segerstedt, A. (2006) Master Production Scheduling and A Comparison of
Material Requirements Planning and Cover-Time Planning. International
journal of production research.
24. Shahmoradi-Moghadam, H., & Schonberger, J. (2021) Joint optimization of
production and routing master planning in mobile supply chains. Recuperado
de: ScienceDirect
25. Taylor, P., Vieira, G., & Favaretto, F. (2015) International Journal of
Production A new and practical heuristic for Master Production Scheduling
creation. (pp. 37–41) Recuperado de:
https://doi.org/10.1080/00207540600818187.
26. Thorsten V, Herrmann F (2016). Evidencia de la relevancia de la
Programación de la Producción Maestra para la planificación de la
producción jerárquica.Centro de Innovación y Competencia para la
Producción Logística y planificación de fábricas (IPF), (7 pág.), Paper for
ECMS (scs-europe.net)
27. Tim Lauer, Sarah Legner y Michael Henke (2019). Aplicación del Machine
Learning sobre la inestabilidad del plan maestro de producción de una
cadena de suministro de semiconductores. Recuperado de:ScienceDirect
28. Vitzthum, T., & Herrmann, F. (2017, May). Evidence Of The Relevance Of
Master Production Scheduling For Hierarchical Production Planning. In ECMS
(pp. 475-481).
29. Vitzthum, T., Claus, T., & Herrmann, F. (2017). Can Aggregate Production
Planning (APP) Be Modified to Be as Good as Master Production Scheduling
(MPS)?. ACC Journal.
30. Vorn, S. (2021) Coordinated Production Scheduling for a High-Mix Make-to-
Order Manufacturing Company. Eindhoven University of Technology.
38
31. Wortmann J. (1983) A Classification Scheme for Master Production
Scheduling. Efficiency of Manufacturing Systems, Vol 14. Recuperado de:
https://doi.org/10.1007/978-1-4684-4475-9_10
32. Zhao, X., & Lee, T. (1993) Freezing the master production schedule for
material requirements planning systems under demand uncertainty. Journal
of Operations Management, Vol 11, (pp. 185-205). Recuperado de:
https://doi.org/10.1016/0272-6963(93)90022-H
39
CAPÍTULO III
3.1 La problemática de la planificación de la producción en el sector minero
Las problemáticas más comunes del sector minero son referidas a conflictos
sociales. Muchas veces se subestiman las posibles restricciones que puede tener
un proyecto, como la existencia de huelgas o factores ambientales que pueden
interferir.
Actualmente en las empresas el PMP está a cargo del área de producción. El cual
está siendo efectivo, se cumple con el programa de manera exitosa, y ello es
gracias a estrategias de fuerza laboral que son mapeadas minuciosamente según
los organigramas.
40
Además, se tiene en cuenta la cantidad de gente operativa, la maquinaria, el
rendimiento de cada una y la aplicación de buffers de tiempo para que no se vean
afectados los procesos.
Esto se soluciona identificando los factores que generan ese margen de error en la
producción. Para ello se utilizan los buffers de tiempo, que sirven como
amortiguadores que ayudan a evitar cualquier variabilidad durante el proceso que
afecte el programa.
Los cambios que se han realizado en el PMP los últimos 5 años fue una mejora en
el análisis de los requerimientos. Y una mayor compra de equipos para mejorar los
rendimientos.
Lo que las empresas toman en cuenta para generar sus PMP son factores externos
ambientales como niebla en las áreas de extracción o un mal tiempo en el mar que
atrasa el tiempo de descarga del mineral. Además, priorizan la productividad
evitando los tiempos muertos de tal forma que se asegure el flujo de producción y la
minimización de los costos.
El objetivo del indicador es que sea 100% en un periodo determinado para poder
cumplir con el PMP.
41
Por otro lado, en construcción se tiene un plan maestro denominado cronograma
plan, el cual se fija al inicio de obra, y bajo ese cronograma se empieza a medir
cómo van avanzando los proyectos. El indicador de control que se utiliza es el
SCHEDULE PERFORMANCE INDEX (SPI) que sirve para determinar qué tan
eficiente es tu producción respecto a lo que has programado.
CAPÍTULO IV
4.1 Modelo de planificación.
Dicho pronóstico se tendrá que trabajar con datos de los últimos 10 años, de
manera que la componente tendencial, estacional y cíclica nos ofrezcan una mayor
información del comportamiento de ventas pasadas, disminuyendo el margen de
error en la predicción.
De esta manera se podrá trabajar un plan agregado que contemple de manera más
precisa tanto la cantidad a producir como los insumos necesarios, pues está
apoyada por sistemas estadísticos. Es decir, con este sistema es menos probable
que ocurran problemas de sobreproducción que, por consiguiente, llevaría a un
exceso de inventario. Los costos que acarrean estos inconvenientes se verían
enormemente reducidos.
Para resolver los problemas de MPS que generalmente ocurren, se pueden aplicar
algunos de los siguientes conceptos mencionados anteriormente en el presente
documento y adoptar los que mejor se adecúen a una determinada empresa dentro
del sector minero.
42
● Un modelo de MPS con consideraciones más realistas como: capacidad
finita, tiempos de procesamiento controlables y valores de demanda inciertos,
el cual puede ser manejado por programación estocástica de múltiples etapas
produciendo mejores resultados puesto que incorpora datos a medida que se
encuentran disponibles, significando un mejor panorama para la toma de
decisiones.
● Aplicaciones de Aprendizaje Automático en la Programación Maestra de
Producción para reducir la inestabilidad del plan, asigna el suministro de
manera eficiente y permite un cumplimiento flexible y puntual de la demanda
de los clientes.
● Otro problema que presenta MPS es que es multivariable y a su vez debe
cumplir con muchos objetivos (incrementar los niveles de servicio, disminuir
el uso de los recursos e inventarios, etc.), para resolver esto se puede hacer
uso de algoritmos meméticos, los cuales combinan operaciones evolutivas y
operadores de búsqueda locales.
43
CAPÍTULO V
5.1 Conclusiones:
44
● Todos los entrevistados afirman que el valor del programa de plan maestro
dentro de una empresa es importante, porque les ayuda a tener datos
actuales, como las capacidades de mano de obra y maquinaria, de modo que
no se vuelvan un factor en el retraso de los procesos.Y también, les permiten
planificar la compra de insumos y empleos de recursos humanos.
5.2 Recomendaciones:
45
● Se recomienda respetar la política del cronograma del Plan Maestro de
producción. Sin embargo, si surge un imprevisto que interrumpe el PMP, lo
recomendable es evaluar el suceso y luego actuar de manera eficiente. Se
debe ser un poco flexible en casos de que conviene a la empresa.
● Se recomienda que toda empresa debe contar con indicadores para el control
de procesos, para que se identifique qué tan eficiente es la producción
respecto a lo que se ha programado.
46