"Año del Bicentenario del Perú: 200 años de Independencia"

INTEGRANTES:

Héctor Andrade

Mireya Flores

Álvaro Sarmiento

Augusto Sánchez

Alisson Torres

Diego Chupillon

Alejandro Vega

TEMA: Análisis de la Evolución del Programa Maestro de la

Producción en los últimos 10 años.

INGENIERO: Alex Izquierdo

CURSO: Programación, planificación y Control de la Producción

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

1.1 Resumen Ejecutivo

El presente trabajo tiene como finalidad presentar el análisis y evolución del

Programa Maestro de la Producción en los últimos 10 años. y su impacto en la
productividad de una manera concreta. A continuación, se presentarán los puntos
que se detallarán en este documento.

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.

Se comentará la información más relevante sobre la evolución en los últimos

diez años del Plan Maestro de Producción implementado en el sector minero en
diversos países, y también los aportes realizados a lo largo este periodo y
descripción de los MPS usados en los distintos países y sus empresas.

Finalmente, se presentarán las conclusiones y recomendaciones finales a

partir de toda la investigación realizada con la finalidad de explicar puntos
importantes y aportes en base a toda la información recogida de las distintas
revistas sobre los MPS y su influencia en el Sector Minero.

Palabras clave: Horizonte congelado, incertidumbre, Plan Maestro de producción

(siglas en inglés MPS) y nerviosismo.

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.

Finally, conclusions and final recommendations will be presented based on all

the research carried out with the purpose of explaining important points and
contributions based on all the information gathered from the different journals on the
MPS and their influence in the Mining Sector.

Keywords: Frozen Horizon, uncertainty, Master Production Schedule (MPS) and

nervousness.

4
1.3 Justificación

Una organización que cuenta con un programa adecuado de producción,

debido a un correcto plan maestro de producción (MPS), podrá reducir sus costos
en tiempos de espera, inventario e insumos, brindando a su vez altos niveles de
servicio.

El Plan Maestro de Producción (MPS) es un asunto importante para la cultura

empresarial, ya que a través de esta, las empresas pueden desarrollar con más
facilidad nuevos productos, cambios en los productos ya existentes, teniendo en
cuenta los impactos que tendrá en los recursos con los que cuentan (capacidad).
Para esto con el MPS se estima cuántos productos finales serán producidos y en
qué períodos de tiempo, concretando el plan de ventas y operaciones de la empresa
y viabilizando mediante un plan aproximado de capacidad (Sablón Cossío et. al.
2018).

Para que las empresas sean sostenibles en el tiempo, el planeamiento de

producción debe ser flexible en el tiempo. Es por ello, que el Plan Maestro de
Producción es una herramienta importante para tener un equilibrio entre la
demanda, capacidad e incertidumbre.

Un sistema MPS es útil tanto para la planificación de requerimientos de

materiales (MRP) como para la capacidad de prometer (CTP), esto especialmente
para no ofrecer a los clientes cantidades de entrega que nunca se han pronosticado
(Anders Segerstedt). Por ello la rentabilidad a largo plazo de una organización está
en la forma en que organiza su trabajo de manera productiva.

El plan maestro de producción es una herramienta para programar

requerimientos finales. Muchas empresas lo usan con el fin de ser eficientes en su
producción, para cumplir con lo comprometido con los clientes y así evitar
sobrecargas o quiebres de stock en las instalaciones.

5
1.4 Problemática

Según los papers de investigación indexados, la mayoría de autores

comentan que muchas organizaciones han pasado de la producción en masa a la
personalización en masa para satisfacer mejor las necesidades de los clientes, pero
ha dado como resultado una explosión de diversidad de productos finales que es el
origen de los problemas de planificación de requisitos de producción y materiales
ya que supera ampliamente la capacidad de producción anual. A continuación, se
explicarán los diferentes problemas dentro del plan maestro de producción que no
permite una adecuada predicción de la demanda, optimizando los diferentes
recursos ( tiempo , costo total , entre otros).

Una de las problemáticas dentro del programa maestro de producción es el

fenómeno llamado nerviosismo que se genera como consecuencia del ajuste
periódico de este programa de acuerdo con la demanda. Este fenómeno provoca
inestabilidad en la programación ya que es una característica en un sistema de MRP
cuando se dan cambios menores en los niveles superiores o en el MPS que provoca
cambios significativos en el tiempo o cambios bruscos en los programas y órdenes
de nivel inferior.

Recientemente , el problema de reducir el nerviosismo se ha centrado en la

cadena de suministro.Se propone la integración de información entre proveedores
mediante normas MPS/AOC(Robinson et.2014).Otro aspecto importante según
Pujawan y Smart (2012) y Sahin et al. (2013) es que las principales causas del
nerviosismo proviene de la relación con clientes y proveedores. Por lo tanto,
propusieron abordar el problema desde una perspectiva externa en lugar de utilizar
el convencional enfoque, que se basa en la simulación y el modelado matemático de
operaciones internas.

En este estudio, un enfoque basado en un proceso de toma de decisiones

reactivo para gestionar el nerviosismo en un sistema de producción. Este enfoque
genera la planificación de la producción sin deteriorar significativamente el costo
global y el sistema de habilitación de operación dentro de un margen aceptable. Se
obtiene un conjunto de planes alternativos minimizando una diferencia ponderada
entre las cantidades planificadas por períodos para cada artículo ya que este

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.

Otros factores sociales para considerar son los factores socioeconómicos y

políticos que son fundamentales al momento de querer implementar un plan
maestro en poblaciones. Un error determinante es planificar sin tener en cuenta el
lado político de la zona, ya que al trabajar, la mayoría de las veces, en ámbitos
públicos, se necesita de la voluntad política de las instituciones para llevar el plan
maestro de la mano con la ley. Asimismo, muchos fracasos en la implementación de
planes maestros en estas circunstancias se debieron a no escuchar la opinión
pública que podría ser de rechazo, ya que se estarían usando recursos de las tierras
de forma indebida o llevando a cabo un monitoreo deficiente en la zona.

Además, se considera como las principales razones objetivas que afectan el

desarrollo del plan maestro a la falta de datos y descoordinación en los ámbitos
socioeconómicos y políticos. La falta de información en base de datos y estudios
demográficos complica en gran medida las decisiones y las rutas a seguir para
lograr los objetivos.

Una última problemática dentro del programa maestro de producción es la

tecnología actual que se enfoca en la limitación de los algoritmos que resuelvan
problemas de MPS, donde sus parámetros no se ajustan a la variantes dentro de la
industria que son la Capacidad limitada, tiempo de producción no fijo y demanda
fijos. Algunas de las soluciones dentro de la literatura son “El programa estocastico

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.

Además , se utiliza diferentes algoritmos que se han creado dentro de la

industria automotriz para predecir de manera realista el rendimiento de los sistemas
en función de sus características y diferentes enfoques del MPS que son los
algoritmos FL97, SN12 y GM15 que se explicará como funciona en el apartado de la
argumentación.

Plan maestro de producción de una empresa textil. Caso de estudio de

Imbabura, Ecuador

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.

La confección del Plan Maestro de Producción y su plan aproximado de

capacidad permitió identificar las cantidades a producir en las semanas planificadas,
controlar la recepción de pedidos de los clientes sobre la base de la capacidad del
proceso, así como, los niveles de inventarios. A pesar de ello es necesario encontrar
un mejor consenso entre los tres indicadores mencionados anteriormente bajo una
perspectiva multicriterio y trabajar mejor en los pronósticos, que fueron los que
originaron la inmovilización de recursos, problema que genera pérdidas económicas
para la empresa.

Plan de producción para la compañía de helados "NATA"

Es de vital importancia saber que existen variables que afectan la oferta

como las contrataciones: despidos, tiempo extra, inventarios, subcontrataciones,
mano de obra eventual, y arreglos de cooperación los cuales a través de la
planeación de la producción se pueden cambiar y ajustarse.

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.

Problemática de la definición de los MPS respecto a los componentes

alternativos (nivel 1), respecto al caso de estudio de la industria automotriz.

En el contexto de la personalización masiva como ocurre en la industria

automotriz, para la implementación de los MPS deben definirse para cada
componente alternativo (nivel 1) en lugar de para cada producto final (nivel 0). Sin
embargo, hay algunos problemas que evitan que se desarrolle de esa manera:

● 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.

Problemática de la definición de MPS en el contexto de la personalización

masiva, estudio de caso de la industria automotriz.

La solución tomada por los fabricantes de automóviles para generar MPS a

nivel de producto final (nivel 0), utilizan técnicas de programación matemática para
resolver una serie de problemas de optimización en cascada, para cada uno de los
períodos del horizonte de planificación. Al propagar errores en cada iteración, esta
solución finalmente produjo pronósticos poco confiables que condujeron a escasez y
suministros de emergencia costosos, o exceso de existencias que afectaron el flujo
de efectivo.

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.

Debido a la diversidad de los componentes de la personalización masiva, es

muy difícil determinar un MPS en base a cada uno de los componentes, por ello se
realiza en función a los servicios alternativos (AS) que representan las
combinaciones de los componentes (AC), pero para calcular los pronósticos de los
AC a partir de los AS sobre el horizonte congelado no es tan sencillo debido a las
nuemeros combinaciones e incompatibilidades de AS.

Plan maestro de producción basado en programación lineal entera para una

empresa de productos químicos

El sistema reactivo de producción en la empresa está basado en cubrir los

límites de inventario preestablecidos de forma empírica como mínimos y máximos;
estos niveles determinan el espacio en almacén para cada producto. Por medio de
un informe de existencias generado por el sistema ERP, se determinó que, cuando
las reservas son iguales o menores al mínimo, se genera una orden de producción
por la cantidad necesaria para alcanzar el nivel máximo. Esto genera un conflicto en
la optimización de los recursos y el nivel de servicio al realizar pedidos por lotes
incompletos, rebasar por mucho el espacio de almacén o de abastecerse de un
momento a otro.

Esta situación también ha generado conflictos internos, entre los que

destacan la desconfianza de los trabajadores, dados los cambios súbitos en la
planificación diaria para cubrir el desabastecimiento de productos, situación que
implica en algunos casos el pago de tiempo extra; y, por otro lado, la incertidumbre
a la que se enfrenta el área de compras al no contar con información confiable en la
cual basar sus negociaciones de compra de materia prima con los proveedores.

EVIDENCIA DE LA RELEVANCIA DE LA PROGRAMACIÓN DE LA

PRODUCCIÓN MAESTRA PARA LA PLANIFICACIÓN DE LA PRODUCCIÓN
JERÁRQUICA

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.

Para contrastar está hipótesis se analizará un caso, donde el horizonte de

planificación para ambos planes será el mismo, todo para poder comparar los
resultados.

1.5 Objetivos

1.5.1 Objetivo general

Determinar la evolución, de los últimos 10 años, del Plan Maestro de

Producción en el sector minero.

1.5.2 Objetivos específicos

● Investigar y redactar, la información más relevante escrita en torno al sector

minero, en los últimos años, referente a el Plan Maestro de Producción
● Realizar una línea de tiempo (evolución histórica) del aporte o de la posición
de los autores de las revistas científicas.
● Describir las posiciones a favor y en contra, de los autores de revistas
indexadas en cuanto al presente tema de investigación. - Realizar, interpretar
y analizar la productividad de la región asignada, de los últimos 10 años.
● Realizar entrevistas a expertos y encuestas a profesionales para conocer su
opinión acerca de el MPS en su sector y cómo impacta en la productividad y
capacidad de la industria.
● Realizar, interpretar y analizar los factores que influyen en el MPS,
plantear un bosquejo gráfico de cómo ejerce influencia según los
artículos de investigación revisados u otros papers, sustentar su posición.

11
1.6 Argumentación

Investigar y redactar, la información más relevante en los últimos años,

referente a el Plan Maestro de Producción

Un programa maestro de producción (MPS) es el plan general para evaluar la

producción de sus productos terminados, este detalla cuánto debe producirse dentro
de un cierto período, estos se utilizan altamente en la factoría, especialmente en el
software de planificación de capital empresariales (ERP). El enfoque normativo para
difundir MPS supone una validez infinita, tiempos de procesamiento fijos y un solo
marco para los pronósticos de demanda.

Los trabajos de Steel y Mather (1975) y (1977) se encuentran entre los

primeros que lidian con el nerviosismo del sistema MRP. Estos análisis identifican
causas tales como modificaciones del MPS debido a cambios en los pedidos de los
clientes, el tiempo de espera, las existencias de seguridad y el pronóstico de la
demanda

La mayoría de las empresas productoras están cambiando en los últimos

años, porque los consumidores actuales son más exigentes con el producto, está
acción causa la volatilidad de la demanda. Por ello, el programa maestro es
generalmente la clave para la entrada del desarrollo eficaz del Plan de
Requerimiento de Materiales(MRP) y el principal nodo del plan integral de una
empresa.(PAUL HIGGINS, JIM BROWNE, 2007).

En esta investigación se diseña un programa estocástico de múltiples etapas

de algoritmos para planificar un Plan Maestro. Teniendo como parámetros, una
capacidad ilimitada, tiempos de procesamiento fijos y valores de la demanda no fija.
Es decir, el número de períodos en los que las decisiones de programación de la
producción no se cambien incluso cuando las realizaciones de la demanda de los
consumidores sean diferentes a lo pronosticado.

Para que el tiempo de procesamiento sea fija. En este artículo, plantean 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

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)

Poder controlar el tiempo de procesamiento es importante y más en días de

crisis económicas, donde la demanda es más fluctuante. Esto ayudaría a las
empresas a alinear sus cantidades de producción para satisfacer la demanda
inmediata de cualquier cambio.

Para este diseño de programación estocástica de múltiples etapas se usa

programación matemática para manejar la incertidumbre. Sin embargo, en la
actualidad se usan optimizaciones deterministas formulados por parámetros que se
conocen con certeza, para resolver los problemas. Los valores del plan de venta y
operaciones en la vida real son difíciles de conocer exactamente. No obstante, la
programación estocástica sí maneja esa incertidumbre () asumiendo que las
distribuciones de las probabilidades de datos son conocidas

Para la solución del problema se utilizará la programación estocástica, como

ya se mencionó; pero adicional a ello se complementará con un árbol de escenarios
que maneja la incertidumbre de la demanda, teniendo en cuenta que cada
información de la demanda estará disponible al comienzo.

Figura 1.Árbol de escenario para tres periodos

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 SN12 (2012) identifica una combinación de productos inicial

utilizando los algoritmos codiciosos para el problema de la mochila y mejora su
solución inicial utilizando un método de búsqueda de vecindad.

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.

El algoritmo memético también da una óptima solución a los problemas

multiobjetivos de la Planificación Maestra de la Producción, combinando algoritmos
evolutivos con operadores de búsqueda locales.

Para el problema sobre 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. Este problema lo argumentan,
desarrollando un caso.

El caso es el siguiente, un sitio de producción que contiene dos centros de

trabajo. La capacidad de cada centro de trabajo es de 500 horas por período, la
capacidad del personal es igual. El lugar de producción produce(P), el producto
final(E) consta de un input(V)

El producto final E se produce en el centro de trabajo A y necesita 4 horas de

capacidad por unidad, el componente V se produce en el centro de trabajo B y
necesita 6 horas de producción por unidad. Para este caso se usa el modelo de
producción cerrado; es decir cada pedido debe terminarse y almacenarse.
(Herrmann, 2011).

El modelo de programación lineal (PL) se utilizará para el programa de

producción para ambas planificaciones tanto la agregada como la maestra.

14
 El resultado de los modelos comparados para cada programación son las
siguientes:

Para la planificación de la producción agregada se usa el valor de la

capacidad para los grupos de productos y lugares de producción. Sin embargo, la
programación maestra lo realiza para los productos finales y centros de trabajos. En
adicción, el plan maestro cuenta con el parámetro del tiempo de producción
(Vollman, 2005).

La planificación de producción agregada no puede crear un plan de demanda

flexible en el tiempo para esos momentos en que la demanda fluctúa.

En conclusión, se debe primero realizar una planificación de producción

agregada para filtrar lo pronosticado por V & OP, adicionalmente a esto, se debe
llevar a cabo la programación maestra.

PROGRAMACIÓN PRINCIPAL DE PRODUCCIÓN: UN ENFOQUE DE

PLANIFICACIÓN CONCURRENTE.

En este artículo hace énfasis a la función de la programación maestra (MPS),

y mencionan que este planeamiento es la intersección entre los niveles de
planificación estratégica y táctica en un sistema integrado de planificación y control
de la producción (Paul, 2007).

Tener un buen sistema de programación maestra que esté alineado con el

plan estratégico empresarial, ayudan a las empresas en la toma de decisiones ante
el desarrollo de los sistemas de fabricación de los últimos años.

Según menciona el escritor la programación maestra propone un plan que

satisfaga a estos tres departamentos: Marketing y venta, fabricación e ingeniería.

15
 Figura 2. Intersección de los tres departamentos

Impactos de gran variedad en el programa maestro de producción: un estudio

de caso de la industria automotriz

Los sistemas de producción de personalización en masa, tienen una gran

diversidad de productos finales que proceden de la combinación de miles de
componentes alternativos (AC). Dado que la diversidad es un punto muy importante,
los pronósticos en base a producto final no se pueden realizar directamente de ese
nivel 0, por lo que una opción razonable es realizar el Plan Maestro de Producción
respecto a los componentes alternativos (nivel 1), aunque esto trae consigo otros
problemas como lo son la consistencia entre la capacidad, demanda y la
incertidumbre.

Entonces para abordar estos problemas en el sector automotriz respecto a la

implementación del Plan Maestro de Producción, algunos fabricantes de
automóviles han introducido una nueva forma de representar el producto a través
del concepto de servicios alternativos (AS), que se refiere a las características
comerciales que se ofrecen al cliente.

El uso de cada AC en la línea de montaje está relacionado con una cierta

combinación de AS los cuales son llamados “predicados”.

El cálculo de los pronósticos de AC sobre el horizonte congelado no es tan

fácil debido a las numerosas combinaciones e incompatibilidades de AS. Entonces
se analiza dos posibles formas de resolver el problema metodológico del dibujo
MPS que surge de la personalización masiva. A partir de las previsiones de AS, la
primera propuesta tiene como objetivo la elaboración de MPS de forma
independiente para cada elemento de nivel 1 de la lista de materiales, mientras que
la segunda propuesta tiene como objetivo la elaboración de MPS para el nivel 0 de
los elementos de la lista de materiales. La segunda solución es la solución actual
adoptada por varios fabricantes de automóviles para abordar este problema
(Clément et. al. 2013)

La solución alternativa que consiste en definir MPS respecto de componentes

de nivel 1 es fácil de implementar solo cuando la información (coeficientes BOM y

16
volumen total de producción por período) utilizada para esos componentes es
confiable.

Suponiendo que la información es confiable, son posibles dos enfoques de

cálculo de MPS más allá del horizonte congelado.

● 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).

La relevancia de estos dos enfoques se basa en la calidad de las previsiones

de los coeficientes de planificación de la lista de materiales. Si existen restricciones
que limitan la libre combinación entre los componentes, el uso de estos enfoques
sólo es posible si las características estructurales de la demanda son estables.

Debido a la diversidad de productos y las múltiples restricciones de

combinación entre los componentes, muchas empresas del sector de la automoción
proponen una nueva representación de los productos finales a través de una lista de

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.

Tabla 1: Tipología de problemas para la definición de MPS de componentes de nivel

1 (Clément et. al. 2013)

Primer escenario cuando el tiempo de entrega de los AC es más corto que el

horizonte congelado, no es necesario evaluar un MPS. Por el lado si el tiempo de
adquisición de AC está más allá del horizonte congelado, se requeriría un MPS
dependiendo de los casos observados en la tabla 1.

Se identificaron dos posibles usos de los coeficientes de planificación de la

lista de materiales para definir un MPS: un enfoque determinista y uno estocástico.
En la definición de MPS para componentes del nivel 1, se adopta el enfoque
estocástico más allá del horizonte congelado. De otra manera la definición de MPS
del producto final, que es el método utilizado por algunos fabricantes de
automóviles, se adopta el enfoque determinista.

El enfoque probabilístico (para componentes nivel 1) de la definición de MPS

más allá del horizonte congelado descrito en la sección anterior se puede utilizar en

18
presencia de pronósticos de coeficientes de los componentes (AC) de la lista de
materiales. Se pueden distinguir dos casos:

· Caso 1. Los coeficientes AC de la BOM (lista de materiales) se calculan a

partir de los AS que los determinan.

· Caso 2. Los coeficientes de la lista de materiales de AC se calculan sobre

la base de sus series de tiempo sin referencia a los AS. En este caso, de nada
sirve hacer pronósticos de AS que determinen estas AC.

Respecto al caso 1, requiere conocer los coeficientes BOM asociados a los

AS que determinan los AC relevantes a través de los predicados. Se pueden
distinguir dos posibilidades:

● La AC está predeterminada por un único AS, lo que permite utilizar un

enfoque probabilístico, utilizando un riesgo de desabastecimiento
arbitrariamente débil, para determinar los lanzamientos de producción de
componentes necesarios para cubrir total o parcialmente requisitos
aleatorios. Este enfoque estocástico arrojó resultados claramente mejores
que el enfoque determinista basado en la definición de MPS del producto
final.
● La AC que está determinada por varios AS pertenecientes a diferentes SAS,
es mayor la complejidad del pronóstico, sin embargo una solución para
calcular los coeficientes de AC de la BOM consiste en introducir una función
objetivo para optimizar bajo restricciones.

En el contexto de la personalización masiva, caracterizada por múltiples

restricciones combinatorias de los AC, las organizaciones representan productos
finales a través de combinaciones de servicios alternativos (AS) que corresponden a
características funcionales comprensibles tanto para los clientes como para los
departamentos de ventas. Uno debe confiar en los SAS para preparar los MPS más
allá del horizonte congelado, ya que los pronósticos del departamento de ventas se
basan en una descripción funcional del producto. Sin embargo, cambiar de
pronósticos basados en AS a AC no es sencillo cuando los AC son determinados
por varios AS. Hay dos opciones de formulación de MPS disponibles y descritas en
este caso: una, utilizada por varios fabricantes de automóviles, se reduce a definir

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).

Aplicación del Machine Learning sobre la inestabilidad del plan maestro de

producción de una cadena de suministro de semiconductores

El plan maestro de producción se centra en coincidir la demanda y la oferta

para un horizonte temporal, en un entorno volátil, diverso y con capacidad limitada.
Por lo tanto, se describe un marco para medir la inestabilidad, donde se desarrolla y
aplica un enfoque de Machine Learning para predecir la inestabilidad utilizando la
metodología CRISP-DM sobre datos reales en el caso de una cadena de suministro
de semiconductores.

El enfoque que se presenta puede integrarse en el marco del proceso

estándar entre industrias para la minería de datos (CRISP-DM). A diferencia de la
construcción de modelos genéricos tradicionales, un enfoque de aprendizaje
automático comienza con la recopilación de datos, porque los datos son la base
para elegir la metodología. Por lo tanto, el proceso MPS de la empresa de casos
Infineon Technologies AG se describe en primer lugar: un sistema de planificación
avanzado, basado en el cálculo del plan de producción con un horizonte de
planificación de 26 semanas. El plan de producción se actualiza seis veces por
semana. Con el fin de proporcionar una comprensión de los factores de influencia
clave que afectan el plan de producción de cada producto, la Fig.2 proporciona una
ilustración simplificada de los pasos del proceso a lo largo de la cadena de valor
interna (Tim Lauer et. al. 2019)

La pregunta es si este resultado de aprendizaje automático es confiable, ya

que los datos de entrada se manipulan artificialmente. Puede referirse al supuesto
de cualquier teoría del aprendizaje, con lo cual los datos pasados y futuros se
originan a partir de la misma distribución que representa un fenómeno subyacente.
En general la investigación se puede considerar como un paso para aplicar el
aprendizaje automático en la programación de producción maestra, que aún no ha
recibido atención. De este modo, la medición de la estabilidad demostró ser

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).

Línea de tiempo (evolución histórica) del aporte o de la posición de los

autores de las revistas científicas.

En 2004 Pil y Holweg explican que muchas organizaciones han pasado de la

producción en masa a la personalización en masa para satisfacer mejor las
expectativas de los clientes, Esto da como resultado una explosión de diversidad de
productos finales que supera con creces la capacidad de producción anual.

En 2013 Sahin F., Narayanan A. y Robinson E nos mencionan que los

ajustes de la capacidad de producción se ven limitados por el capital y ciclos
prolongados. Hoy en día, la digitalización permite nuevos potenciales en cuanto a la
programación maestra de producción (MPS) para asignar el suministro de manera
eficiente y para un cumplimiento flexible y puntual de la demanda de los clientes. Un
método común para incorporar información actual es la revisión periódica de un
plan.

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.

En 2019, Riana Magdalena y Theresia Suli señalan lo siguiente: “Las

empresas deben pronosticar cada Centro de Distribución para que se realicen
pronósticos óptimos. La programación de la producción debe realizarse por cada
uno para que no haya errores de cálculo en la producción del producto”. Así como
también señalan la importancia de tomar datos históricos de al menos dos años
para un pronóstico con análisis de gráficas de series de tiempo.

Shereen S. Sadiq, Adnan Mohsin Abdulazeez, Habibollah Haron, 2020.

Prueban la eficiencia de resolver los problemas multiobjetivos de MPS, mediante la
aplicación de algoritmos meméticos que combinan algoritmos evolutivos y
operadores de búsqueda locales. Así el nivel de inventario puede ser reducido sin
influir en los niveles de servicio.

Figura 3: Historia del MPS

Describir las posiciones a favor y en contra, de los autores de revistas

indexadas en cuanto al presente tema de investigación. - Realizar, interpretar y
analizar la productividad de la región asignada, de los últimos 10 años.

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.

Clément Chatras, Vincent Giard y Mustapha Sali, explican acerca del

desarrollo de la implementación de un MPS respecto diferentes variables
cuantificables como lo son los componentes alternativos y los servicios alternativos,
en la producción de la personalización en masa, donde se refieren a “cualquiera que
sea la solución preferida, tanto el aumento de la diversidad como los plazos de
entrega más prolongados en la cadena de suministro, afectan gravemente a las
previsiones de confiabilidad más allá del horizonte congelado. Esto induce costos de
cadena de suministro injustificados como resultado del desabastecimiento y las
medidas correctivas asociadas, desde un punto de vista estratégico, uno debe
centrarse en la causa raíz de ambos enfoques implementados con la esperanza de
aumentar el margen. A menudo sin una evaluación adecuada, tendrá un impacto
potencial en el costo de la gestión de la cadena de suministro”

Según los autores Vitzthum, T., & Herrmann, F. en el artículo “Evidencia de la

relevancia de la Programación de la Producción Maestra para la Planificación de la
Producción Jerárquica” indican cómo es útil la Planificación Agregada en las
organizaciones y cómo ello logra obtener un realizable programa de demanda
donde no hay escasez ni demoras. Además sus beneficios se trasladan en la
Planificación de los Requerimientos de Material, el cual determina las cantidades y
las fechas de finalización para un período corto (días) en función de sus resultados.

En un segundo artículo titulado: “¿Se puede modificar la Planificación de

Producción Agregada para que sea tan buena como la Programación de Producción
Maestra”, se consideraron las recomendaciones del trabajo anterior, sin embargo,
siguió siendo mejor que la Planificación Agregada, incluso cuando se introdujo una
restricción de capacidad con un Factor de Reducción de Capacidad (CRF) porque

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.

En el artículo “EVIDENCIA DE LA RELEVANCIA DE LA PROGRAMACIÓN

DE LA PRODUCCIÓN MAESTRA PARA LA PLANIFICACIÓN DE LA
PRODUCCIÓN JERÁRQUICA” de Thorsten Vitzthum, Frank Herrmann se menciona
que la planificación de la producción jerárquica no debe llevarse a cabo mediante la
programación maestra de la producción sin antes ser filtrado por la planificación de
la producción agregada.

Realizar, interpretar y analizar los factores que influyen en el MPS,

plantear un bosquejo gráfico de cómo ejerce influencia según los
artículos de investigación revisados u otros papers, sustentar su posición.

Figura 4: Factores que influyen en el MPS

En el gráfico anterior se muestra la relación de los distintos factores que

influyen dentro del plan maestro de producción que se divide en 2 grandes grupos

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.

Dentro de los factores externos, se encuentran 3 aspectos a considerar que

son: Contexto económico , contexto político y la demanda.

En el contexto económico se tiene que tener en cuenta los recursos del

entorno, donde se elaboren controles y planes de contingencia para dotar de
seguridad y versatilidad al plan maestro.

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.

El factor de la demanda es fundamental, ya que se debe estar evaluando

constantemente, mediante estudios, el comportamiento de las personas en zonas
demográficas específicas.

Además, se comentará de los factores internos, se encuentran 3 aspectos a

considerar que son: capacidad de producción , niveles de inventario y el lead time
de producción.

En la Capacidad de producción, debe estar mapeada, debido a que es muy

importante para poder producir la máxima cantidad de bienes o servicios teniendo
en cuenta los recursos de la empresa.

Lead time de producción, es fundamental, ya que es necesario saber el

tiempo de producción de cada producto, para la implementación de un programa
maestro de producción.

El Nivel de inventarios debe ser controlado continuamente dentro de la

planificación ya que debe ser el adecuado dependiendo de la industria y el sector
ya que si se tiene un exceso , afectará en el costo total de producción, y por ende,
en la productividad de la planta o defecto en el nivel de inventario ya que afectará en
la disponibilidad del producto si es que sube la demanda de forma imprevista y
provocará un quiebre de stock que dará origen a una mala impresión por parte de
los clientes.

25
26
 CAPÍTULO II

2.1 Conclusiones

● A pesar de tener grandes avances en tecnología, la intervención humana en

cuestiones de planificación y toma de decisiones sigue siendo el núcleo de
una buena organización en la que participan diversas entidades y recursos.
Por esto, se debe concientizar acerca de la importancia de una buena
coordinación por parte de los altos mandos que planean implementar un plan
maestro.
● No se puede llegar a un método global que satisfaga todas las vertientes de
los mercados, ya que las circunstancias de cada industria tienen distinciones
muy específicas entre sí. Se ha llegado a soluciones parciales en algunos
sectores
● La ejecución de un plan maestro en grandes magnitudes de grupos sociales
(ciudades, pueblos, comunidades), requiere de una alta coordinación política
con las instituciones públicas y con los pobladores del lugar, con el fin de no
obstruir la ruta del plan maestro.
● El MPS es preferible a la Planificación Agregada, debido a sus beneficios en
la demanda donde no hay escasez ni demoras. Además de que contempla
los productos finales de un sitio de producción, a diferencia de la Planificación
Agregada que solo tienen en cuenta el sitio de producción.

● Distintas variabilidades que atraviesa en el sector minero en el Perú,

producto de crisis sociales, crisis económicas, crisis políticas y diversidad de
la naturaleza, hacen que la tarea de crear un adecuado y estable programa
maestro de producción sea muy difícil, debido a la falta de visión y análisis
para prever ciertos factores que puede afectar el desarrollo de los procesos,
es por ello que los buffers de tiempo se vuelven indispensables para poder
tener un colchón de seguridad, respecto a cualquier cambio repentino.

27
2.2 Crítica del trabajo

● Debido al atareado horario de los profesionales entrevistados, no se pudo

realizar entrevistar por Zoom, las cuales hubiera permitido un ambiente más
amplio para la conversación, de modo que se hubiera podido saber más
sobre el sector en el que trabajan, por el lado contrario, solo se pudo mandar
las preguntas de las entrevistas para que sean contestadas por WhatsApp y
correo.

● Es necesario tener conocimientos básicos en terminología industrial para

poder entender y analizar la información de una manera más sencilla.
● Varias investigaciones referentes al tema del Plan Maestro de Producción
son inconclusas, por lo que existe una laguna de preguntas sin responder.
● La información de los artículos científicos no está del todo concluida, debido a
la falta de investigación.
● Varios artículos están centrados en investigaciones del caso, y no aseveran
puntos generales.
● La mayoría de la información recabada está en inglés (lengua extranjera), lo
cual dificulta un poco la lectura.

28
2.3 Recomendaciones

● 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 sin
tener sobrecargas o subcargas. Se debe ser un poco flexible en casos de que
conviene a la empresa.
● Es importante en gran medida utilizar buffers de tiempo para tener un
amortiguador respecto a cualquier variabilidad durante los procesos, de modo
de evitar retrasos e incumplimientos con los hitos.
● 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.
● Se debe tener un plan de contingencia, para aquellos factores externos
ambientales, como la niebla en las áreas de extracción o un mal tiempo en el
mar, que atrase el tiempo de descarga del mineral; ya que, esto podría
retrasar la operación.
● Tener mapeado meticulosamente los inputs del MPM, saber la cantidad de
gente operativa que se tiene, la maquinaria, el rendimiento de cada una, los
niveles de inventario, el pronóstico de venta y el Plan Agregado. Todo para
elaborar un buen MPM.

29
 Anexos

Anexo nº1

Nota: Proceso de elaboración de Plan Maestro de Producción, Krajewski 2013.

Anexo nº2

Nota: Inputs para la elaboración del Plan Maestro de Producción

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.

Nota 3: Referencia de la entrevista al ingeniero Eduardo Pinco Robles

33
Nota 4: Referencia de la entrevista a la ingeniera química Betsy Salzar

Nota 5: Referencia de la entrevista a la ingeniera Civil Luis de Franche

34
Nota 6: Referencia de la entrevista a el ingeniero Carlos Gálvez

Nota 7: Referencia de la entrevista a el ingeniera Nathaly

35
 Referencias

1. Álvarez, H. , Alvarado, W., & Delgado, B. (2020) Master production program

based on the modelling and analysis of a time series as a statistical technique
for forecasting demand. Journal of Xi'an University of Architecture &
Technology.
2. Amaranti, R., Muhammad, C., & Septandri, M. (2020) Determining the
changes in the Master Production Schedule (MPS) at the company with Make
to Stock (MTS) and Make to Order (MTO) strategies. IOP Conference Series:
Materials Science and Engineering, Vol 83. Recuperado de:
http://dx.doi.org/10.1088/1757-899X/830/4/042003
3. Chatras, C., Giard,V., & Sali, M. (2015) High variety impacts on master
production schedule: A case study from the automotive industry. IFAC-
PapersOnLine, vol. 28, (pp. 1073–1078). Recuperado de:
10.1016/j.ifacol.2015.06.226.
4. Charani, S. Rismanchi, B. (2021), “Planificación maestra energética para
comunidades con emisiones netas cero”, recuperado de: ScienceDirect
5. Clément Chatras, Vincent Giard y Mustapha Sali (2015). Impactos de gran
variedad en el programa maestro de producción: un estudio de caso de la
industria automotriz. Recuperado de: ScienceDirect
6. Herrera, C., Belmokhtar-Berraf, C., Thomas, A., & Parada, V. (2016) A
reactive decision-making approach to reduce instability in a master production
schedule. Int. J. Prod. Res., vol. 54, (pp. 2394–2404). Recuperado de:
10.1080/00207543.2015.1078516.
7. Hussain, Z., & Nadeem, O. (2021), “El nexo entre las estrategias de
crecimiento de los planes maestros y la dinámica espacial de una ciudad
metropolitana: el caso de Lahore, Pakistán”. Recuperado de: ScienceDirect
8. Jonsson, P., & Kjellsdotter, I. (2015). Improving performance with
sophisticated master production scheduling. International Journal of
Production Economics, Vol 168, (pp. 118-130). Recuperado de:
http://dx.doi.org/10.1016/j.ijpe.2015.06.012
9. Kristianto, Y., Ajmal, M., & Helo, P. (2011) Advanced planning and
scheduling with collaboration processes in agile supply and demand
networks. Business Process Management Journal, Vol. 17, (pp. 107 – 126).

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.

Generando una disminución en la fuerza laboral, así como una disminución en la

producción. Además, el no tener claro las restricciones, como las características del
terreno o la capacidad de la maquinaria, repercuten en un menor ritmo en la obra y
no se cumpla con lo planificado.

Tener un buen plan maestro de producción ayuda a tener en cuenta las

capacidades de maquinaria, la compra de insumos y el empleo de los recursos
humanos que se necesitan. De modo que se pueden evitar los factores de retrasos
en los procesos. Es por ello, que se considera muy importante el plan maestro de
producción para la planificación para los procesos en las compañías del sector
minero.

3.2 Control de tiempos del PMP en el sector minero

El horizonte de planeación del proceso depende de la complejidad de la obra. En

algunos casos más complejos de la minería, la barrera puede variar de 3 años a
más.

La importancia de controlar los tiempos radica en su utilidad como indicador para la

producción en función al PMP, la meta siempre es lograr el 100% planificado de la
producción. Por lo tanto, es trascendental tener un control de los avances de la obra
y evitar retrasos.

3.3 Funcionamiento del PMP en las empresas del sector minero

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.

3.4 Problemas más comunes y cambios del PMP realizados en el sector

minero

Los problemas más comunes son: la estimación exacta de la producción en un

periodo, si bien se realizan pronósticos de producciones anteriores, existe un
margen de error de lo planificado.

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.

3.5 Experiencia y indicadores del PMP en el sector minero

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.

Se utilizan ratios de producción mensuales para poder validar la producción

asumida. Uno de ellos es el siguiente:

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.

El modelo presentado parte de un análisis de series de tiempo, el cual genera un

pronóstico del tipo moderado (no pesimista ni optimista), lo que permitirá determinar
la demanda de los próximos meses, el plan de capacidad e inventario y la
planeación de fuerza de trabajo.

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.

Una vez terminada la Planificación Agregada, servirá de entrada para elaborar el

Plan Maestro de Producción. Este plan permitirá determinar las cantidades de
producto final a producir que garanticen altos niveles de servicio, en un tiempo
determinado.

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.

Habiendo realizado el PMP adecuado y analizado la lista de materiales y el registro

de inventarios, se realiza el Plan de Requerimiento de Materiales, con ello se
conocen qué materiales son necesarios, qué cantidades hacen falta y cuándo será
necesario pedirlos para que el plan de producción no se vea interrumpido. Si el
mismo desarrollo del proceso se ve interrumpido por alguna interferencia o
variabilidad, se procede a realizar una Orden de compra y si no, se seguirá con la
ejecución del planeamiento establecido.

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.

● Se concluye que, en el sector minero, la planificación se ve afectada por

diversos factores; entre los más resaltantes se encuentra la interrupción por
los conflictos sociales entre las empresas y las comunidades locales
cercanas, generando huelgas y retrasando la producción estipulada; y la
variabilidad general del proceso, donde el análisis de capacidad no se
desarrolla a profundidad lo que genera discrepancias en la mano de obra
definida o los requerimientos de materiales o insumos.

● En sistemas donde no son adecuadas la simulación y el modelado

matemático como sucede en el sector minero debido a diferentes motivos
como los mencionados en el párrafo anterior, puede adoptarse un enfoque
para la toma de decisiones aplicando el Aprendizaje Automático en la
Programación Maestra de la Producción que forma parte de la planificación,
permitiendo un cumplimiento puntual de la demanda.

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.

● Es importante en gran medida utilizar buffers de tiempo para tener un

amortiguador respecto a cualquier variabilidad durante los procesos, de modo
de evitar retrasos y no cumplir con los hitos.

● 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.

● Se debe tener un plan de contingencia, para aquellos factores externos

ambientales, como la niebla en las áreas de extracción o un mal tiempo en el
mar, que atrase el tiempo de descarga del mineral; ya que, esto podría
retrasar la operación.

● Tener mapeado meticulosamente los inputs del MPM, saber la cantidad de

gente operativa que se tiene, la maquinaria, el rendimiento de cada una, los
niveles de inventario, el pronóstico de venta y el Plan Agregado. Todo para
elaborar un buen MPM.

46