Escolar Documentos
Profissional Documentos
Cultura Documentos
Introducción a la Metodología
SEMANA 1
GENERAL
[ FÍSICA DE PLANTA ]
SEMANA
N.
0
1
LECTURA
1:
INTRODUCCIÓN
A
LA
METODOLOGÍA
GENERAL
Para
entender
qué
es
física
de
planta
primero
es
necesario
entender
qué
son
las
operaciones.
El
término
operaciones
se
refiere
a
la
aplicación
de
recursos
(máquinas,
materia
prima,
materiales,
tecnología,
fuerza
laborar,
conocimiento,
etc.)
para
la
producción
de
bienes
y
servicios.
En
el
mundo
moderno
en
el
que
nos
encontramos,
las
operaciones
han
adquirido
gran
importancia
para
el
bienestar
de
las
empresas.
Ejemplo
de
esto
es
el
impacto
que
han
tenido
las
operaciones
en
las
tres
principales
dimensiones
de
competencia
a
nivel
empresarial:
costos,
calidad
y
tiempo
de
entrega.
En
relación
con
los
costos,
la
investigación
de
operaciones
ha
sido
una
pieza
vital
que
ayuda
a
mantener
costos
competitivos
a
través
de
la
utilización
eficiente
de
mano
de
obra,
materiales
y
equipos.
En
lo
que
se
refiere
a
la
dimensión
de
calidad,
para
nadie
es
un
secreto
que
desde
los
años
80,
la
calidad
se
convirtió
en
arma
competitiva
a
nivel
empresarial.
Esta
revolución
sirvió
para
centrar
la
atención
en
la
calidad
interna,
en
cada
paso
en
el
proceso
de
fabricación,
y
su
relación
con
la
satisfacción
del
consumidor.
Facetas
de
la
gestión
de
operaciones
tales
como
el
control
del
proceso,
la
fuerza
laboral,
y
el
control
del
flujo
de
materiales,
han
cobrado
mucha
importancia
en
este
contexto
de
las
estrategias
de
la
Gestión
de
la
Calidad
Total
(TQM,
Total
Quality
Management).
Si
bien
el
costo
y
la
calidad
han
seguido
siendo
críticos.
La
década
de
los
años
90
puede
ser
denominada
como
la
década
de
la
velocidad,
en
la
que
el
rápido
desarrollo
de
los
nuevos
productos,
junto
con
la
vertiginosa
fecha
de
entrega
al
cliente,
se
convirtieron
en
los
pilares
de
la
competencia
basada
en
el
tiempo.
Lanzar
nuevos
productos
al
mercado
con
rapidez
requiere
tanto
el
desempeño
en
paralelo
de
las
tareas
de
desarrollo
como
la
capacidad
de
aumentar
la
producción
de
manera
eficiente.
La
respuesta
de
entrega,
sin
exceso
ineficiente
de
inventario,
requiere
tiempos
de
ciclo
cortos
durante
la
fabricación.
Todas
estas
cuestiones
son
fundamentales
para
la
gestión
de
operaciones
y
surgen
repetidamente
a
lo
largo
de
todas
las
áreas
de
los
sistemas
de
producción.
El
área
de
operaciones
incorpora
los
métodos
analíticos
y
matemáticos
que
se
utilizan
para
apoyar
la
administración
de
los
sistemas
de
producción.
2
[ POLITÉCNICO GRANCOLOMBIANO ]
En
el
módulo
de
Física
de
planta
se
busca
el
conocimiento
de
un
conjunto
de
herramientas
de
las
áreas
de
producción
y
operaciones
que
son
útiles
para
administrar
los
recursos
necesarios
para
la
producción
de
bienes
y
servicios
en
cualquier
tipo
de
empresa.
Para
lograr
el
cumplimiento
de
los
objetivos
anteriores,
es
fundamental
apoyarse
en
el
área
de
las
operaciones.
Desde
esta
perspectiva,
podremos
encontrar
que
en
física
de
planta
será
necesario
hacer
uso
de
herramientas
cuantitativas
y
herramientas
de
administración
de
operaciones.
Entre
las
herramientas
cuantitativas
utilizadas
en
física
de
plantas
encontraremos
la
optimización,
la
probabilidad
y
la
teoría
de
colas,
mientras
que
entre
las
herramientas
de
administración
de
operaciones
enfocadas
a
física
de
plantas
podremos
hacer
uso
de
temáticas
como
programación
de
la
producción,
planeación
agregada,
administración
de
inventarios,
análisis
de
capacidad
y
control
de
piso.
PROGRAMACIÓN
DE
LA
PRODUCCIÓN
En
todos
los
sistemas
de
manufacturas
los
gerentes
y
jefes
de
producción
siempre
desean
realizar
entregas
a
tiempo,
minimizar
el
trabajo
en
proceso
(WIP),
tener
cortas
fechas
de
entrega
para
los
clientes
y
maximizar
la
utilización
de
los
recursos.
La
empresa
que
logre
cumplir
los
objetivos
anteriormente
descritos
podrá
ser
reconocida
como
una
empresa
eficiente,
con
alto
nivel
de
servicio
al
cliente,
bajos
niveles
de
inventarios
y
alta
utilización.
Sin
embargo,
infortunadamente
muchos
de
estos
ideales
respecto
al
[ FÍSICA DE PLANTA ] 3
tiempo
de
entregas,
WIP
y
utilización,
resultan
ser
difíciles
de
manejar
y
frecuentemente
son
contradictorios.
Por
ejemplo,
un
bajo
nivel
de
inventario
es
ideal
para
las
empresas
porque
reduce
los
costos
de
administración
de
inventarios,
pero
puede
ser
peligroso
porque
no
tener
inventarios
puede
generar
grandes
pérdidas
económicas
debido
a
clientes
que
en
un
momento
determinado
deciden
comprar
un
producto
sustituto
o
a
otros
que
nunca
más
volverán
a
comprar
los
productos
de
la
empresa
porque
se
cansaron
de
buscar
un
producto
que
nunca
estaba
disponible
para
su
adquisición.
Al
considerar
la
contradicción
de
los
ideales,
se
puede
analizar
que
es
más
fácil
terminar
un
trabajo
a
tiempo
si
la
utilización
de
los
recursos
es
baja.
Lo
anterior
porque
con
una
utilización
baja,
los
cursos
siempre
estarán
disponibles
para
procesar
cualquier
producto,
componente,
etc.,
tan
pronto
como
llega
una
orden
de
trabajo.
En
caso
contrario,
si
la
utilización
es
alta
cuando
llegue
un
trabajo
para
ser
procesado,
en
muchas
ocasiones,
este
tendrá
que
esperar
a
que
los
recursos
se
desocupen
para
poder
empezar
la
operación.
Otro
análisis
de
ideales
contradictorios
es
el
que
se
presenta
entre
el
tiempo
de
entrega
y
los
inventarios.
Para
lograr
un
tiempo
de
entrega
igual
a
cero
(entrega
inmediata)
es
necesario
tener
niveles
inventario
altos
que
aseguren
la
disponibilidad
del
producto
en
un
momento
determinado.
Es
muy
difícil
lograr
tener
en
un
mismo
instante
tiempos
de
entrega
cero
y
bajos
niveles
de
inventario.
El
objetivo
de
utilizar
la
programación
de
la
producción
es
encontrar
un
equilibrio
entre
los
ideales
anteriormente
descritos
para
lograr
maximizar
las
ganancias
en
los
sistemas
productivos.
Las
fechas
de
entrega
tiene
dos
fuentes
principales:
pueden
ser
originadas
directamente
por
el
cliente
o
pueden
ser
originadas
desde
requerimientos
de
material
que
surgen
a
partir
de
otro
proceso
de
manufactura.
4
[ POLITÉCNICO GRANCOLOMBIANO ]
Al
recordar
que
make
to
order
es
un
término
utilizado
para
referirse
a
los
sistemas
de
producción
en
los
cuales
la
fabricación
de
un
producto
empieza
sólo
después
de
que
una
orden
es
recibida,
se
puede
concluir
que
en
un
sistema
make
to
order,
el
cliente
es
quien
inicialmente
genera
la
fecha
de
entrega,
la
cual
a
su
mismo
tiempo
crea
fechas
de
entrega
para
cada
uno
de
los
requerimientos
de
materiales
en
el
sistema
productivo.
Un
caso
totalmente
contrario
es
el
que
sucede
con
un
sistema
make
to
stock.
Recordemos
que
un
sistema
make
to
stock
hace
referencia
a
un
sistema
en
el
cual
la
fabricación
empieza
con
base
en
pronósticos
de
demanda.
Se
puede
concluir
que
en
este
sistema
no
hay
una
fecha
de
entrega
que
pueda
ser
generada.
Adicional
a
las
fuentes
y
tipos
de
sistemas
sobre
los
cuales
se
puede
presentar
una
fecha
de
entrega,
a
continuación
se
presentan
los
indicadores
que
en
las
operaciones
son
usados
con
más
frecuencia
para
medir
el
desempeño
de
un
proceso
respecto
a
las
fechas
de
entrega:
El
nivel
del
servicio
está
directamente
relacionado
con
el
cumplimiento
de
las
fechas
de
entregas.
El
nivel
de
servicio
se
utiliza
principalmente
para
sistemas
make
to
order
y
se
puede
definir
como
la
fracción
de
órdenes
completas
en
o
antes
de
la
fecha
de
entrega.
Es
un
buen
indicador
para
medir
el
porcentaje
de
trabajos
terminados
a
tiempo.
Sin
embargo,
una
de
sus
limitaciones
es
que
no
mide
qué
tanto
se
demoran
los
trabajos.
Ejemplo:
al
considerar
la
siguiente
tabla
que
contiene
la
información
de
la
fecha
pactada
de
entrega
y
la
fecha
real
de
entrega
o
fecha
real
de
terminación
del
trabajo,
calcular
el
nivel
de
servicio.
Fecha
Fecha real
Trabajo pactada de
de entrega
entrega
1 31/05/2013 29/05/2013
2 28/05/2013 23/05/2013
3 27/05/2013 25/05/2013
4 20/05/2013 21/05/2013
5 25/05/2013 20/05/2013
Fuente:
Elaboración
propia
[ FÍSICA DE PLANTA ] 5
!ú!"#$ !" !"#$#%&' !"#$!%&'() ! !"#$% !
!"#$% !" !"#$%&%' = ×100
!ú!"#$ !"!!" !" !"#$#%&'
4
!"#$% !" !"#$%&%' = ×100 = 80%
5
1.2. Retraso
El
retraso
es
la
diferencia
entre
la
fecha
de
entrega
y
la
fecha
de
terminación
de
un
trabajo.
Si
se
define “!! ”
como
la
fecha
de
entrega
del
trabajo
“! ”,
“!! ”
como
la
fecha
de
terminación
del
trabajo
“! ”
y
“!! ”
como
el
retraso
del
trabajo
“! ”.
Entonces
se
podría
inferir
que
el
retraso
es
igual
a
la
diferencia
entre
"!! ”
y “!! ”.
Es
decir:
!! = !! − !!
1.3. Tardanza
La
tardanza
es
definida
como
el
retraso
de
un
trabajo
si
este
fue
entregado
tarde
y
cero
si
el
trabajo
fue
entregado
en
o
antes
de
la
fecha
programada.
La
tardanza
es
comúnmente
definida
como
“!! ”
y
se
representa
de
la
siguiente
manera:
!! = !á!"#$ !! , 0
Un
buen
indicador
del
cumplimiento
de
las
fechas
de
entrega
es
la
tardanza
promedio
"!! "
la
cual
se
calcula
como
la
sumatoria
de
las
tardanzas
sobre
el
número
de
trabajos,
es
decir:
!
!!
! =
!
!!!
6
[ POLITÉCNICO GRANCOLOMBIANO ]
La
utilización
es
el
grado
en
que
utilizamos
los
recursos
de
una
empresa
para
producir
un
producto
o
para
ofrecer
un
servicio.
A
medida
que
se
aumenta
el
porcentaje
de
utilización
de
un
recurso,
las
ganancias
y
el
retorno
de
la
inversión
son
mayores
para
la
empresa.
Sin
embargo,
no
es
ideal
tener
niveles
de
utilización
demasiado
altos
porque
esto
ocasiona
grandes
niveles
de
inventarios,
y
aumenta
la
posibilidad
de
tener
pérdidas
por
paro
de
producción
debidas
a
situaciones
en
que
un
recurso
falla
y
no
haya
otro
recurso
libre
para
remplazar
temporalmente
el
dañado.
!ú!"#$ !" !"#$#%&'
!"#" !" !"#$%&&'ó! =
!"#$%&"'
!"#" !" !"#$%&&'ó!
!"#$#%&'#ó! =
!"#"$%&"&
WIP
o
Work
in
Process
es
el
inventario
de
producto
durante
las
etapas
del
proceso
de
manufactura.
Los
inventarios
de
subcomponentes
o
productos
semielaborados
son
sinónimos
de
WIP
en
los
sistemas
de
producción.
Tiempo
de
ciclo
(TC)
es
el
tiempo
necesario
para
fabricar
un
producto,
es
el
tiempo
que
va
desde
que
inicia
la
fabricación,
cuando
el
producto
está
como
materia
prima
a
procesar,
hasta
que
está
listo
para
su
respectiva
distribución.
El
WIP
y
el
tiempo
de
ciclo
son
dos
indicadores
de
que
están
directamente
relacionados:
a
medida
que
se
logra
optimizar
los
recursos
de
un
sistema
de
producción
para
disminuir
el
WIP,
el
tiempo
de
clico
de
los
productos
también
se
reducirá,
y
a
medida
que
los
problemas
de
producción
se
traduzcan
en
un
WIP
muy
elevado
esto
será
reflejado
en
un
tiempo
de
ciclo
muy
alto
en
la
producción.
[ FÍSICA DE PLANTA ] 7
1 . Planeación
SEMANA 2
AGREGADA
[ FÍSICA DE PLANTA ]
SEMANA
N.
0
2
LECTURA
1:
PLANEACIÓN
AGREGADA
Entre
las
principales
tareas
de
los
gerentes
y
jefes
de
los
sistemas
de
manufactura
está
lograr
la
administración
adecuada
de
los
recursos
que
permita
maximizar
los
beneficios
en
las
empresas.
Para
cumplir
con
este
propósito
los
gerentes
tienen
el
reto
de
tomar
decisiones
acertadas
respecto
a
la
suavización
de
la
producción,
la
planeación
del
Mix
de
productos,
el
personal,
los
proveedores,
la
subcontratación
y
el
Marketing.
La
planeación
del
Mix
de
productos
busca
un
mejor
uso
de
los
recursos
tomando
decisiones
de
producción
que
consideran
grupos
o
familias
de
productos.
Cuando
se
trabajan
modelos
matemáticos
para
la
optimización
de
recursos
en
un
sistema
de
manufactura,
agrupar
los
productos
en
familias
facilita
la
obtención
de
una
solución
óptima
de
los
modelos.
Los
proveedores
juegan
un
papel
muy
importante
en
los
sistemas
de
producción
porque
estos
son
quienes
suministran
los
recursos
necesarios
para
que
mantener
activa
la
producción.
Por
tal
motivo,
los
jefes
de
los
sistemas
de
manufactura
deben
establecer
las
decisiones
correctas
de
contratación
para
el
suministro
de
materiales
y
componentes
requeridos
por
la
dinámica
de
producción.
La
subcontratación
o
Outsourcing
es
un
mecanismo
que
las
empresas
deben
direccionar
muy
bien
para
lograr
un
manejo
eficiente
de
la
producción.
La
subcontratación
se
puede
dar
según
la
necesidad
de
una
empresa
a
nivel
de
personal
(subcontratar
fuerza
laboral),
maquinaria
(alquiler
de
equipos)
o
tareas.
Un
ejemplo
de
subcontratación
de
tareas
es
2
[ POLITÉCNICO GRANCOLOMBIANO ]
Las
actividades
de
Marketing
determinan,
en
gran
parte,
las
ventas
que
tienen
las
empresas.
Es
muy
importante
considerar
esta
labor
porque
a
medida
que
se
logra
impulsar
un
mayor
número
de
ventas,
todas
las
demás
decisiones
respecto
a
suavización
de
la
producción,
Mix
de
productos,
personal,
proveedores
y
subcontratación,
se
verán
directamente
afectadas.
Estas
estradas
serán
incorporadas
como
parámetro
en
los
modelos
de
programación
lineal
que
se
utilizarán
para
dar
solución
a
los
problemas
de
planeación
agregada.
Con
el
objetivo
de
lograr
una
buena
comprensión
del
tema
de
planeación
agregada,
este
documento
empieza
con
la
explicación
de
un
problema
de
planeación
agregada
simple
y
paulatinamente
se
extiende
a
problemas
más
complejos.
MODELO SIMPLE
[ FÍSICA DE PLANTA ] 3
En
la
formulación
del
modelo
simple
al
igual
que
para
cualquier
problema
de
programa
lineal
se
tienen
que
definir
los
conjuntos,
parámetros
y
las
variables
de
decisión,
tal
como
se
presentan
a
continuación.
Conjuntos:
Parámetros:
! = !"#$#%&% !"#$%&#% !"# !"#$%&'# !"#$%$& (!"# !"#$%!& !"#$"# !" !"#$"%&'!())
ℎ = !"#$" !" !"#$%&#%& !"# !"#$%$ !" !"#$"%&'!( !"#$%&' !" !"#$%!!
Variables
de
decisión:
Formulación
del
modelo:
!
!"#$%$&"': (! ∗ !! − ! ∗ !! )
!!!
Como
el
propósito
final
es
obtener
la
utilidad
máxima,
la
función
objetivo
del
modelo
simple
debe
agregar
la
utilidad
por
ventas
de
todos
los
periodos
del
horizonte
de
planeación
y
restarle
el
costo
por
manejo
de
inventarios
de
cada
periodo
del
mismo
horizonte
de
tiempo.
!"#$%& !:
!! ≤ !! ∀ ! = !, ! … !
La
restricción
anterior
se
utiliza
para
asegurar
que
las
ventas
nunca
pueden
superen
la
demanda
en
ningún
periodo
de
tiempo.
4
[ POLITÉCNICO GRANCOLOMBIANO ]
!! ≤ !! ∀ ! = !, ! … !
La
restricción
anterior
tiene
como
función
asegurar
que
el
número
de
unidades
producidas
se
limita
por
la
capacidad
de
producción.
!! = !!!! + !! − !! ∀ ! = !, ! … !
Esta
restricción
busca
balancear
el
número
de
unidades
que
se
encuentran
en
inventario,
con
las
unidades
producidas
y
las
unidades
vendidas,
de
manera
que
las
que
se
quedan
(inventarios),
sean
iguales
a
las
que
entran
(producción),
menos
las
que
salen
(ventas).
Comúnmente
esta
restricción
es
conocida
como
la
restricción
de
balance
del
inventario.
!! , !! , !! ≥ ! ∀ ! = !, ! … !
Por
último,
se
deben
definir
las
variables
positivas
y
se
agregan
las
restricciones
de
No
Negatividad.
Ejemplo:
Productos
LTDA.,
es
una
empresa
que
desea
conocer
la
cantidad
de
productos
que
debe
producir,
la
cantidad
de
productos
que
venderá
y
el
inventario
que
tendrá
para
cada
mes
de
operación
correspondiente
al
primer
semestre
del
próximo
año.
La
compañía
conoce
que:
la
utilidad
unitaria
de
cada
producto
vendido
es
de
$10.
El
costo
de
mantener
en
inventario
cada
unidad
de
producto
es
de
$1
para
cualquier
mes
del
año.
Al
inicio
del
próximo
año
tendrá
cero
unidades
en
inventario.
La
capacidad
de
producción
para
cada
mes
es
de
100
unidades
de
producto
y
que
según
los
pronósticos
de
ventas,
el
área
administrativa
de
la
empresa
espera
que
las
demanda
de
enero
a
junio
sea
de
80,
100,
120,
140,
90
y
140
unidades,
respectivamente.
Resuelva el problema anterior como un ejercicio de programación lineal.
Datos
! = $10
ℎ = $1
!! = 0
!! = 100, ! = 1,2, … ,6
[ FÍSICA DE PLANTA ] 5
Solución óptima
!
1
2
3
4
5
6
!!
100
100
100
120
110
120
!!
80
100
120
120
90
140
!!
20
20
0
0
20
0
Para
acercarse
a
la
realidad
industrial
actual,
hay
que
tener
en
cuenta
que
la
mayoría
de
las
empresas
no
producen
un
solo
producto,
muchas
veces
ni
siquiera
una
sola
familia
de
productos.
Por
el
contrario,
el
portafolio
de
bienes
y
servicios
de
una
compañía
puede
llegar
a
ser
muy
amplio
y
la
planeación
del
mix
de
productos
juega
un
papel
esencial
para
la
rentabilidad
de
la
organización
en
un
horizonte
de
tiempo
determinado.
Complementando
el
modelo
simple,
se
agregan
nuevas
entradas
para
hacer
referencia
a
los
nuevos
alcances
del
problema.
Esto
con
el
fin
de
encontrar
un
mix
de
productos
óptimo
mediante
la
programación
lineal.
Observe
que
ahora
los
parámetros
y
variables
no
son
definidos
para
cada
periodo
únicamente,
sino
que
ahora
dependen
también
de
los
nuevos
conjuntos
denotados
a
continuación.
Conjuntos:
6
[ POLITÉCNICO GRANCOLOMBIANO ]
Parámetros:
!!" = !"#$%& !"#$"!%&' !" !" !"#$%!ó! ! !"#" !"#$%&'" !" !"#$%&'# !
!!" = !"#"$%&"& !" !"#$%&&'ó! !" !" !"#$%&ó! ! !" !" !"#$%&% !
!! = !"#$#%&% !"#$%&#% !"# !"#$%&'# ! !"#$%$& (sin !"#!!"# !"#$" !" !"#$"%&'!()
ℎ! = !"#$" !" !"#$%&#%& !"# !"#$%$ !"# !"#$%&'# ! !"#$%&' !" !"#$%&%
Variables
de
decisión:
Formulación
del
modelo:
! !
Al
igual
que
en
el
modelo
simple,
el
propósito
final
es
obtener
la
utilidad
máxima.
En
este
caso,
se
agrega
otra
sumatoria
porque
se
debe
sumar
la
utilidad
neta
de
todos
los
productos
en
todos
los
periodos,
lo
que
nos
obliga
a
hacer
una
sumatoria
por
periodos
y
otra
por
productos.
!"#$%& !:
!! ≤ !!" ≤ !! ∀ !, !
Restricción
que
afirma
que
las
ventas
de
un
producto
nunca
pueden
superar
la
demanda
del
mismo,
pero
que
además
debe
cumplir
con
un
mínimo
de
ventas
para
cada
periodo
de
tiempo.
!
Las
unidades
producidas
de
cada
producto
requieren
un
tiempo
determinado
en
cada
estación
de
trabajo;
dicho
tiempo
está
limitado
por
la
capacidad
de
producción
de
cada
estación
de
[ FÍSICA DE PLANTA ] 7
trabajo.
Luego,
la
suma
de
los
tiempos
utilizados
en
cada
estación
para
producir
las
unidades
de
todos
los
productos,
están
sujetas
a
la
disponibilidad
de
producción
de
cada
estación
de
trabajo.
Esta
restricción
busca
balancear
por
cada
producto
el
número
de
unidades
en
inventario,
con
las
unidades
producidas
y
las
unidades
vendidas,
en
cada
uno
de
los
periodos
del
horizonte
de
planeación.
Ejemplo:
Tornillos
S.A.
es
una
compañía
que
produce
y
comercializa
tornillos
industriales
de
seguridad.
Por
recomendación
del
área
de
Marketing,
el
producto
P
ha
tenido
que
bajar
su
precio
para
estimular
la
demanda,
lo
cual
ha
generado
resultados
aceptables.
Sin
embargo,
el
producto
Q
es
un
tornillo
sustituto
del
P,
y
a
pesar
de
tener
menor
demanda
que
este
último,
genera
mayor
utilidad
unitaria.
El
dueño
de
la
compañía
quiere
que
usted
presente
un
análisis
que
le
permita
decidir
si
vale
la
pena
prescindir
de
alguno
de
los
2
productos
o,
de
no
ser
necesario,
mostrar
qué
cantidad
es
la
óptima
para
producir
de
cada
uno.
Basado
en
la
información
presentada
en
la
siguiente
tabla
que
tiene
por
nombre
“Información
de
Tornillos
S.
A.”,
desarrolle
los
siguientes
análisis
y
calcule
la
utilidad
semanal
de
cada
uno
utilizando:
8
[ POLITÉCNICO GRANCOLOMBIANO ]
Producto P Q
Tenga
en
cuenta
que
para
el
desarrollo
del
ejercicio
Tornillos
S.
A.
está
sujeta
a
las
siguientes
condiciones
o
supuestos:
Costos Fijos
[ FÍSICA DE PLANTA ] 9
Utilidad unitaria:
Capacidad máxima de producción de P: 900 / 15 = 60 unidades
Utilidad neta semana: ($45 * 60) + ($60 * 50) -‐ $5000 = $700
10
[ POLITÉCNICO GRANCOLOMBIANO ]
Ejemplo modificado:
Ahora
suponga
que
las
estaciones
B
y
D
están
empezando
a
presentar
complicaciones
debido
a
factores
externos
a
la
empresa
y
se
le
pide
que
realice
los
siguientes
análisis
de
acuerdo
con
la
nueva
información:
Tabla 2. Información de Tornillos S.A. con cambios en las estaciones B y D.
Producto P Q
[ FÍSICA DE PLANTA ] 11
Utilidad neta semana: ($45 * 96) + ($60 * 0) -‐ $5000 = -‐$680
Capacidad máxima para producir Q: 2400 / 35 = 68.57 > 50
Utilidad neta semana: ($45 * 43) + ($60 * 50) -‐ $5000 = -‐$65
12
[ POLITÉCNICO GRANCOLOMBIANO ]
Programación Lineal
sujeto a:
!! = 75.79 ≈ !! = 76
!! = 36.09 ≈ !! = 36
Utilidad neta semana: ($45 * 76) + ($60 * 36) -‐ $5000 = $580
Como
se
afirmó
anteriormente,
la
mano
de
obra
en
un
ambiente
de
manufactura
es
uno
de
los
recursos
más
importantes
que
se
deben
considerar
a
la
hora
de
planear
la
producción.
De
igual
forma
que
la
maquinaria
o
las
materias
primas,
la
fuerza
de
trabajo
restringe
nuestra
producción
y
es
primordial
controlarla
y
optimizarla
de
tal
manera
que
la
empresa
logré
maximizar
los
beneficios.
Tenga
en
cuenta
que
las
nuevas
entradas
que
se
consideran
en
el
siguiente
modelo
deben
tener
la
misma
relación
de
unidades.
Vea
también
que
dichas
entradas
deben
limitar
el
número
de
unidades
producidas
mediante
las
restricciones
señaladas.
Conjuntos:
[ FÍSICA DE PLANTA ] 13
Parámetros:
!! = !"#$% !" !"#$#%& !"#$"!%&'( !"#" !"#$%&'" !"# !"#$%$ !" !" !"#$%&ó! !
! = !"#$#%&% !"#$%&#% !"# !"#$%&'! !"#$%$& (sin !"#$%!& !"#$" !" !"#$"%&'!()
Variables
de
decisión:
!! = !"#!!"#$# !" !"#$%& !"#$%&! !" !" !"#$%&% ! !" ℎ!"# − ℎ!"#$%
!"#$%$&"': (! ∗ !! − ! ∗ !! − ! ∗ !! − !! ∗ !! − ! ∗ !! − !! ∗ !! )
!!!
14
[ POLITÉCNICO GRANCOLOMBIANO ]
Para
obtener
la
utilidad
neta
en
este
modelo,
a
la
utilidad
por
ventas
se
le
deben
restar
todos
aquellos
costos
que
están
asociados
con
la
fuerza
de
trabajo
y
operación.
Para
este
caso
incluimos
el
costo
de
inventarios;
el
costo
de
los
empleados
en
tiempo
regular;
el
costo
de
empleados
en
horas
extra;
el
costo
de
los
empleados
contratados
y
el
costo
de
los
empleados
despedidos.
!"#$%& !:
!! ≤ !! ≤ !! ∀ !
Esta
restricción
obliga
al
modelo
a
cumplir
con
una
cuota
mínima
de
ventas
por
periodo.
Y
a
su
vez,
no
le
permite
superar
la
demanda
en
ningún
periodo
de
tiempo.
!! ∗ !! ≤ !!" ∀ !, !
Las
unidades
producidas
requieren
un
tiempo
determinado
en
cada
estación
de
trabajo;
dicho
tiempo
está
limitado
por
la
capacidad
de
producción
de
cada
estación
de
trabajo.
Luego,
el
tiempo
unitario
requerido,
multiplicado
por
las
unidades
elaboradas,
no
puede
superar
la
capacidad
de
cada
estación.
!! = !!!! + !! − !! ∀ !
Esta
restricción
busca
balancear
el
número
de
unidades
que
se
encuentran
en
inventario,
con
las
unidades
producidas
y
las
unidades
vendidas.
!! = !!!! + !! − !! ∀ !
De
igual
manera
que
en
la
restricción
de
balance
de
unidades,
esta
restricción
busca
balancear
el
número
de
horas-‐hombre
que
van
a
mantenerse,
con
las
horas-‐hombre
que
se
van
(despidos)
y
las
horas
hombre
que
llegan
(contrataciones).
! ∗ !! ≤ !! + !! ∀ !
Así
como
no
se
puede
superar
la
capacidad
por
estación,
las
horas-‐hombre
de
trabajo
para
manufactura
no
pueden
exceder
el
número
de
horas-‐hombre
disponibles
en
cada
periodo.
Estas
horas
disponibles
corresponden
a
las
horas-‐hombre
contratadas
en
tiempo
regular,
más
las
horas-‐hombre
contratadas
en
tiempo
extra.
[ FÍSICA DE PLANTA ] 15
!! , !! , !! , !! , !! , !! , !! ≥ !
∀ !
Por
último,
se
definen
las
variables
positivas
y
se
agrega
la
restricción
de
No
Negatividad.
Nota:
Siempre
que
vaya
a
modelar
un
problema
de
planeación
agregada,
primero
identifique
y
analice
toda
la
información
que
le
están
dando.
A
partir
de
dicha
información,
usted
debe
estar
en
la
capacidad
de
decidir
cuáles
parámetros,
variables
y
restricciones
son
las
que
necesita
considerar
y
cuáles
no.
Tenga
en
cuenta
que
los
diferentes
sistemas
utilizados
para
solucionar
problemas
de
programación
lineal,
dependen
directamente
de
la
modelación
que
usted
haga
y
que
estos
no
modelan
los
problemas,
lo
cual
requiere
que
usted
desarrolle
una
capacidad
de
análisis
de
resultados
tal,
que
le
permita
identificar
si
el
modelo
está
correcto
o
requiere
revisiones.
Como
cualquier
programación,
“si
basura
entra,
basura
sale”.
EJERCICIOS
Ejemplo 1:
Tabla 3. Utilidad neta unitaria, demanda máxima diaria y capacidad de ensamble.
16
[ POLITÉCNICO GRANCOLOMBIANO ]
Fuente:
Hopp,
W.
&
Spearman,
M.
Factory
Physics,
Third
Edition,
McGraw
Hill,
2008.
P.
576.
a. Formule
un
Problema
Lineal
(PL)
que
asigne
plantas
a
los
tres
tipos
de
baterías
entre
las
tres
plantas
de
manera
que
se
maximice
la
utilidad.
Solución:
Consideremos la siguiente notación para la solución de este problema:
[ FÍSICA DE PLANTA ] 17
Se formula la solución como un PL de la siguiente manera:
Función Objetivo
!"# 12 !!! + !!! + !!! + 10 !!! + !!! + !!! + 7(!!! + !!! + !!! )
Sujeta a:
Otra
forma
de
solucionar
el
punto
“a”
de
este
ejercicio
es
la
que
se
presenta
a
continuación.
La
solución
es
similar
a
la
anterior,
lo
único
que
cambia
es
la
notación
que
se
utiliza
para
el
ejercicio.
El
primer
paso
es
definir
los
conjuntos,
parámetros
y
variables
de
decisión
del
problema.
Tal
como
se
presenta
a
continuación:
Conjuntos
Parámetros
18
[ POLITÉCNICO GRANCOLOMBIANO ]
• !!" : !ú!"#$ !" !"#$%í!" ! !"#$%&'$() !" !" !"#$%# ! !" !" !í! (!"#$%í!"/!í!)
Luego, se formula la solución como un PL de la siguiente manera:
Función
Objetivo
! !
!"# !! ∗ !!"
!!! !!!
Sujeta
a:
!
!!" ≤ !! ∀ ! = 1,2 ! 3
!!!
!! ≤ !! ∀ ! = 1,2 ! 3
!!!
!!" ≤ !! ∀ ! = 1,2 ! 3
!!!
!!" ≥ 0 ∀ !, ∀!
b. Suponga
que
por
políticas
de
la
compañía,
la
fracción
de
capacidad
utilizada
deba
ser
la
misma
en
las
tres
plantas.
Muestre
cómo
modificaría
su
PL
para
incorporar
esta
restricción.
[ FÍSICA DE PLANTA ] 19
0 ≤ ! ≤ 1
c. Ahora
suponga
una
política
corporativa
que
dicte
que
al
menos
el
50%
de
las
baterías
producidas
deben
ser
de
Heavy-‐duty.
Muestre
cómo
modificaría
su
PL
para
incorporar
esta
restricción.
Ejemplo 2:
Mr.
B.
O’Problem
de
Industrias
Rancid
debe
decidir
sobre
una
estrategia
de
producción
para
dos
productos
top-‐secret,
los
cuales
por
razones
de
seguridad
llamaremos
A
y
B.
Lo
que
realmente
importa
es
(1)
si
vale
la
pena
producir
ambos,
uno
o
ninguno
de
estos
productos
y
(2)
la
cantidad
a
producir
de
cada
uno
de
ellos.
Ambos
productos
se
pueden
producir
en
una
sola
máquina,
y
hay
tres
marcas
de
máquinas
que
pueden
ser
alquiladas
para
este
propósito.
Sin
embargo,
debido
a
problemas
de
disponibilidad,
Rancid
puede
alquilar
máximo
una
de
cada
marca.
Por
lo
tanto,
O'Problem
también
debe
decidir,
dado
el
caso,
cuáles
de
las
máquinas
arrendar.
Los
datos
relevantes
de
la
máquina
y
el
producto
se
dan
a
continuación.
Fuente:
Hopp,
W.
&
Spearman,
M.
Factory
Physics,
Third
Edition,
McGraw
Hill,
2008.
P.
577.
20
[ POLITÉCNICO GRANCOLOMBIANO ]
a. Sea
!!" el
número
de
unidades
del
producto
i
producidas
a
la
semana
por
la
máquina
j,
formule
un
PL
para
maximizar
la
utilidad
semanal
(incluir
costo
de
arrendamiento)
sujeto
a
las
constantes
de
capacidad
y
demanda.
Nota:
tenga
en
cuenta
que
el
costo
de
arrendamiento
se
incurre
sólo
si
la
máquina
es
usada
y
que
el
costo
es
fijo
sin
importar
el
número
de
unidades
producidas
por
la
máquina.
Solución:
Consideremos la siguiente notación para la solución de este problema:
- Variables
binarias
!!
=
Variable
binaria
(Puede
tomar
los
valores
“0”
ó
“1”)
para
decidir
se
la
“máquina
1”
es
arrendada
o
no.
!!
=
0
significa
que
la
“máquina
1“no
debe
ser
arrendada,
mientras
que
!!
=
1
significa
que
la
“máquina
1“debe
ser
arrendada,
!!
=
Variable
binaria
(Puede
tomar
los
valores
“0”
ó
“1”)
para
decidir
se
la
“máquina
2”
es
arrendada
o
no.
!!
=
Variable
binaria
(Puede
tomar
los
valores
“0”
ó
“1”)
para
decidir
se
la
“máquina
3”
es
arrendada
o
no.
Función Objetivo
!"# 150 !!! + !!! + !!! + 225 !!! + !!! + !!! − 20000!! − 22000!! − 18000!!
Sujeto a:
[ FÍSICA DE PLANTA ] 21
!! + !! ≤ 1
Nota:
Si
el
objetivo
es
dar
solución
al
ejercicio
utilizando
la
notación
que
permite
dar
una
solución
abreviada
o
corta
a
la
formulación
del
problema
es
necesario
definir
los
conjuntos,
parámetros
y
variables
de
decisión,
tal
como
se
presenta
a
continuación.
Conjuntos
!!" : !"#$%$&' !"#$%&'$() !"# !"#$%&'# ! !" !" !á!"#$% ! !" !"# !"#!"!
100
22
[ POLITÉCNICO GRANCOLOMBIANO ]
Parámetros
[ FÍSICA DE PLANTA ] 23
3. Control de
SEMANA 3
INVENTARIOS
[ FÍSICA DE PLANTA ]
SEMANA
N.
0
3
LECTURA
1:
CONTROL
DE
INVENTARIOS
A
lo
largo
de
la
historia
de
la
administración
operativa
y
la
producción,
diferentes
disciplinas
y
autores
han
intentado
dar
una
verdad
única
acerca
del
papel
y
el
valor
de
los
inventarios
en
las
empresas.
En
un
principio,
algunos
produjeron
en
volúmenes
enormes
creyendo
que
la
capacidad
desmedida
de
producción
reflejaba
el
poder
de
la
industria,
sin
importar
si
había
demanda
o
no
para
tal
oferta.
Otros
han
afirmado
que
los
inventarios
no
agregan
valor
en
lo
absoluto
y
hacen
lo
necesario
por
eliminarlos
del
proceso.
Lo
cierto
es
que
no
existe
un
extremo,
no
existe
una
verdad
única
acerca
del
tema
y
las
diferentes
teorías
o
filosofías
de
gestión
desarrolladas
anteriormente,
han
impulsado
los
modelos
citados
y
utilizados
actualmente
para
el
control
de
los
inventarios.
Los
inventarios
están
obligados
a
existir
de
una
forma
u
otra
en
la
medida
que
exista
la
imposibilidad
para
predecir
el
futuro
y
la
dificultad
para
sincronizar
toda
la
cadena
de
suministro.
Sincronizar
todos
los
elementos
de
una
cadena
de
suministro
en
la
empresa
es
una
tarea
muy
difícil.
Es
arduo
hacer
que
los
proveedores
abastezcan
la
producción
justo
en
el
momento
y
en
la
cantidad
necesarias
siempre;
es
difícil
que
las
corridas
de
producción
lleguen
directamente
a
las
manos
del
cliente
en
el
momento
en
que
este
lo
demanda;
es
difícil
pronosticar
y
controlar
todos
los
factores
externos;
es
difícil
no
tener
inventarios.
Dicho
esto,
es
evidente
que
la
gestión
de
los
inventarios
juega
un
rol
protagonista
en
el
comportamiento
de
las
empresas.
No
se
pueden
eliminar
del
todo
por
las
razones
ya
mencionadas,
pero
tampoco
se
puede
tener
todo
el
inventario
que
se
quiera
porque
este
genera
costos
y
se
vuelven
obsoletos
con
el
tiempo.
La
pregunta
sería
entonces:
¿Cuánto
inventario
tener?
Para
contestar
esa
pregunta,
primero
se
tiene
que
aclarar
cómo
es
que
se
produce
el
inventario.
Imagine
un
estanque
de
agua
con
una
llave
de
entrada
de
suministro
en
la
parte
2
[ POLITÉCNICO GRANCOLOMBIANO ]
superior
y
otra
llave
de
escape
en
la
base
del
estanque
por
donde
saldría
el
agua.
Usted
tendría
permitido
controlar
únicamente
la
llave
de
suministro,
mientras
otra
persona
que
usted
no
conoce,
dispondría
del
agua
a
su
antojo
en
el
momento
en
que
esta
la
requiriera.
Su
tarea
consistiría
en
no
dejar
que
la
otra
persona
se
quede
sin
agua
en
ningún
momento,
manteniendo
la
menor
cantidad
de
agua
posible
en
el
estanque.
Ahora
piense
en
la
llave
de
suministro
como
la
producción
o
compra
de
un
determinado
producto,
y
en
la
llave
de
escape
como
la
demanda
de
este
mismo.
La
producción
puede
ser
controlada
de
alguna
manera,
pero
la
demanda
no.
La
diferencia
entre
lo
que
se
produce
y
lo
que
se
demanda
(lo
que
mantiene
en
el
estanque)
sería
el
inventario.
Luego,
la
pregunta
ya
no
sería
cuánto
mantener
en
el
estanque,
sino:
¿Cuándo
abrir
la
llave?
Y
¿Cuánto
abrir
la
llave?
Estas
dos
preguntas
son
las
que
interesan
al
desarrollar
modelos
de
inventarios:
¿Cuánto?
y
¿Cuándo?
CANTIDAD
ECONÓMICA
DE
PEDIDO
–
ECONOMIC
ORDER
QUANTITY
(EOQ)
por
sus
siglas
en
inglés
Este
primer
modelo
se
basa
en
supuestos
muy
fuertes.
Supuestos
que
van
a
ir
siendo
suavizados
posteriormente
a
medida
que
se
desarrollen
los
otros
modelos.
Los
supuestos
sobre
los
que
se
desarrolla
este
son:
Notación
[ FÍSICA DE PLANTA ] 3
Nota:
si
sólo
se
tiene
en
cuenta
el
interés
del
dinero
invertido,
entonces
ℎ = !",
donde
!
es
la
tasa
anual
de
interés.
Q/2
Fuente:
Elaboración
propia
Costos
asociados
!
!"#$"%&'() !"#$%&'# =
2
!
!ú!"#$ !" !"#$#%& !" !ñ! =
!
ℎ!
!"#$" !"#!$ !" !"#$"%&'!( =
2
!"#$" !" !"#$% ! !"#$%&'" = ! + !"
!"#$%ó! !" !"#$" !"#!$ = !"#$" !" !"#$% + !"#$" !"#!$ !" !"#$"%&'!(
4
[ POLITÉCNICO GRANCOLOMBIANO ]
! ! ℎ!
! ! =! + !" +
! ! 2
!" ℎ!
! ! = + !" +
! 2
Se
define
el
costo
en
función
de
Q
porque
queremos
conocer
el
“¿Cuánto?”
del
modelo.
Gráficamente
la
función
se
vería
así:
Fuente:
Elaboración
propia
Como
se
muestra
en
la
gráfica,
la
función
del
costo
total
es
la
suma
de
dos
funciones
de
costo:
el
costo
de
mantener
y
el
costo
de
pedir.
Por
lo
tanto,
nuestro
Q
óptimo
depende
de
ambas
y
este
se
encuentra
justo
donde
la
función
de
costo
total
halla
su
mínimo,
lo
que
resulta
ser
el
punto
exacto
donde
el
costo
de
pedir
es
igual
al
costo
de
mantener.
[ FÍSICA DE PLANTA ] 5
Para
minimizar
la
función
de
costo
se
deriva
con
respecto
a
la
variable
de
interés
y
se
iguala
a
cero
justo
como
se
hacía
en
los
cursos
de
cálculo
diferencial.
!" ! ! !" ℎ!
= + !" +
!" !" ! 2
!" ! !" ℎ
= − ! +
!" ! 2
!" ! !" ℎ
= − ! + = 0
!" ! 2
Igualando
a
cero
se
encuentra
el
mínimo
de
la
función
y
se
procede
a
hallar
el
valor
de
Q
para
el
cual
el
costo
es
el
menor.
!" ℎ
=
!! 2
2!"
!! =
ℎ
!"#
!∗ =
!
Para
comparar
el
comportamiento
del
costo
mientras
se
aleja
de
su
mínimo,
se
pueden
hacer
diferentes
análisis
de
sensibilidad
con
las
variables
relacionadas
al
óptimo.
La
función
de
costo
anual
es
una
función
que
depende
del
tamaño
de
lote
óptimo,
y
puede
ser
formulada
de
la
siguiente
manera:
ℎ!∗ !"
! ∗ = ! !∗ = + ∗
2 !
ℎ 2!"/ℎ !
= +
2! 2!"/ℎ
6
[ POLITÉCNICO GRANCOLOMBIANO ]
= !"#$
En
las
ecuaciones
anteriores
!∗
representa
la
cantidad
óptima
a
pedir
calculada
a
partir
de
las
ecuaciones
del
modelo
EOQ.
Vea
que
el
costo
unitario
no
afecta
el
tamaño
del
lote,
razón
por
la
cual
no
es
tenido
en
cuenta
en
la
función.
Ahora,
la
misma
función
de
costo
calculada
con
un
Q
arbitrario
sería
igual
a
la
función
que
se
formuló
anteriormente.
Ese
valor
de
Q
arbitrario
puede
tomar
cualquier
valor
diferente
del
!∗
que
se
calcula
con
las
ecuaciones
del
modelo
EOQ.
ℎ! !"
! ! = +
2 !
De
esta
manera,
la
razón
de
costo
anual
entre
el
tamaño
de
lote
Q
y
el
tamaño
de
lote
Q*
se
calcula
como
sigue:
!"#$"(!) !(!) ℎ!/2 + !"/! ! ! !∗
= = = +
!"#$"(!∗ ) !(!∗ ) 2!"ℎ ! !∗ !
Ejemplo:
Si
Q
=
2Q*,
entonces
el
aumento
en
el
costo
anual
es
de:
1 1
2 + = 1.25
2 2
Es
decir,
un
25%
más
alto
Otro
análisis
que
se
puede
sacar
del
EOQ
es
el
del
tiempo
entre
abastecimientos,
dado
que
este
también
depende
del
tamaño
de
Q.
!
!=
!
Por
lo
tanto,
usando
el
Q*
óptimo
podemos
calcular
un
tiempo
entre
abastecimientos
óptimo:
!"#
∗
!∗ ! !"
! = = =
! ! !"
De
la
misma
forma
que
con
el
análisis
del
tamaño
del
lote,
podemos
hallar
una
razón
para
el
costo
entre
T
arbitrario
y
T*
óptimo:
[ FÍSICA DE PLANTA ] 7
Ejemplo 1:
Una
cafetería
vende
café
a
una
tasa
constante
de
280
libras
anuales.
Los
granos
se
compran
a
un
proveedor
local
a
2,4
dólares
por
libra.
La
cafetería
estima
que
le
cuesta
45
dólares
colocar
un
pedido
de
café,
y
que
los
costos
de
mantener
el
inventario
se
basan
en
una
tasa
anual
de
interés
de
20%.
a. Calcule la cantidad óptima de pedido para el café colombiano.
c. ¿Cuál es el número de pedidos que se deben hacer por año?
d. ¿Cuál es el costo anual promedio de inventario debido a este artículo?
e. ¿Cuál es el costo anual de preparación debido a este artículo?
f. ¿Cuál es el costo anual promedio total de la política de inventario?
Solución:
Lo
primero
que
se
debe
hacer
es
organizar
los
datos
de
entrada
de
acuerdo
a
la
notación
para
aplicar
las
ecuaciones
correctamente.
! = U$2.4 !"#$%
! = U$45
! = 20%
ℎ = !" = 0.2 U$2.4 = !$0.48
a. Con
los
datos
definidos,
se
utiliza
la
ecuación
para
Q
óptimo.
!(!")(!"#)
!∗ = = !!". !" ≈ !"# !"#$%&
!. !"
b. El
tiempo
entre
pedidos
es
constantes
y
lo
vamos
a
denotar
como
T.
Será
calculado
de
la
siguiente
manera:
8
[ POLITÉCNICO GRANCOLOMBIANO ]
c. El
número
de
pedidos
por
año
no
es
más
que
la
demanda
anual
dividida
entre
el
tamaño
del
pedido
óptimo,
o
lo
que
es
igual,
el
inverso
de
T.
! ! !"# !"#$#%&
= =
! ! !"#
= !. !" !ñ!
!" !. ! ∗ !. ! ∗ !"#
= = !$!!. !
! !
e. El
costo
de
preparación
también
se
conoce.
!" ! !"
= = = !$!". !"
! ! !. !"#
! !"
!"#$" !" !"#$% + !"#$" !" !"#$%#%& = + = !$!". !" + !$!!. !
! !
= !$!!"
LOTE
ECONÓMICO
DE
PRODUCCIÓN
–
ECONOMIC
PRODUCTION
LOT
(EPL)
por
sus
siglas
en
inglés
En
este
modelo
se
comienzan
a
involucrar
más
variables
de
tal
forma
que
los
supuestos
se
acerquen
un
poco
más
a
la
realidad.
Los
supuestos
sobre
los
que
se
desarrolla
este
modelo
son:
• Producción
NO
instantánea:
la
tasa
de
producción
es
finita
y
constante
en
el
tiempo.
• Demanda
determinística:
se
asume
que
no
hay
incertidumbre
para
la
cantidad
demandada
o
para
el
momento
de
la
misma.
• Demanda
constante:
se
demanda
la
misma
cantidad
en
el
mismo
periodo
de
tiempo.
Es
decir,
si
se
tiene
una
demanda
anual
de
365
unidades,
se
asume
que
se
demanda
una
unidad
por
día.
• Costos
fijos:
los
costos
relacionados
con
el
modelo
permanecen
constantes.
• Entrega
inmediata:
no
hay
tardanzas
entre
la
producción
y
el
momento
de
la
entrega.
[ FÍSICA DE PLANTA ] 9
• Único Producto.
Notación
Nota: esta vez el tiempo entre corridas o pedidos se dividirá en dos de la siguiente manera:
!
!! = !"#$%& !"# !"#$%& !" !"##$%& !" !"#$%&&'ó! =
!
10
[ POLITÉCNICO GRANCOLOMBIANO ]
!
!= = !! + !!
!
Costos
asociados
! !−! ! !−! ! ! !
!"#$"%&'() !"#$%&'# = = = = 1−
2 2 ! ! 2 ! 2
!
!ú!"#$ !" !"#$#%& !" !ñ! =
!
! !
!"#$" !"#!$ !" !"#$"%&'!( = ℎ 1 −
! 2
!"#$" !" !"#$% ! !"#$%&'" = ! + !"
!"#$%ó! !" !"#$" !"#!$ = !"#$" !" !"#$% + !"#$" !"#!$ !" !"#$"%&'!(
! ! ! !
! ! =! + !" +ℎ 1−
! ! ! 2
!" ! !
! ! = + !" + ! ! −
! ! !
Nuevamente
se
define
el
costo
en
función
de
Q
porque
queremos
conocer
el
“¿Cuánto?”
del
modelo.
!" ! ! !" ! !
= + !" + ℎ 1 −
!" !" ! ! 2
!" ! !" ! ℎ
=− ! + 1−
!" ! ! 2
!" ! !" ! ℎ
=− ! + 1− = 0
!" ! ! 2
Se
halla
el
valor
de
Q
para
el
cual
el
costo
es
el
menor.
!" ! ℎ
!
= 1−
! ! 2
[ FÍSICA DE PLANTA ] 11
2!"
!! =
ℎ 1−! !
!"#
!∗ =
! !−! !
Nota:
Es
importante
recordar
que
el
primer
supuesto
que
se
mencionó
sobre
el
modelo
EPL
es
el
siguiente:
“La
Producción
NO
instantánea:
la
tasa
de
producción
es
finita
y
constante
en
el
tiempo”.
Por
esta
razón,
en
la
formulación
del
modelo
EPL
encontramos
la
letra
“P”
que
hace
referencia
a
la
tasa
de
producción.
Frente
a
lo
anterior
es
producente
hacer
la
siguiente
pregunta.
¿Qué
pasaría
si
en
la
siguiente
ecuación
eliminamos
este
supuesto
y
asumimos
que
la
tasa
de
producción
es
infinita?
!"#
!∗ =
! !−! !
Si
la
tasa
de
producción
es
infinita,
esto
implica
que
en
la
ecuación
anterior
(! !)
tiende
a
cero.
Por
tal
motivo,
la
ecuación
quedaría
de
la
siguiente
manera:
!"# !"#
!∗ = =
! !−! !
Ejemplo 2:
Química
Wood
produce
una
sustancia
que
se
usa
como
fertilizante
para
prados.
Se
puede
generar
10.000
libras
diarias
de
esa
sustancia.
Su
demanda
anual
es
de
600.000
libras.
El
costo
fijo
para
preparar
una
corrida
de
producción
del
fertilizante
es
de
1.500
dólares,
y
el
costo
variable
de
producción
es
3.5
dólares
por
libra.
La
empresa
usa
una
tasa
de
interés
de
22%
anual
para
tener
en
cuenta
el
costo
de
capital.
Suponiendo
que
hay
250
días
hábiles
por
año,
responda
lo
siguiente.
12
[ POLITÉCNICO GRANCOLOMBIANO ]
b. ¿Cuál es el costo anual promedio de inventario debido a la sustancia?
d. ¿Cuál es el tiempo de producción para cada corrida de producción de la sustancia?
e. ¿Cuál es el tiempo de consumo durante cada corrida de producción de la sustancia?
Solución:
De igual forma que con el ejemplo de EOQ, se definirán los datos.
! = U$3.5 !"#$%
! = U$1500
! = 22%
! !""""" !"##
!∗ = = !!"#$. !" ≈ !!"#$ !"#$%&
!. !! ! − !""""" !"#####
[ FÍSICA DE PLANTA ] 13
WAGNER-‐WHITIN
Supuestos
Para
este
modelo,
cambia
uno
de
los
supuestos
relacionados
con
la
demanda.
Cada
vez
que
un
modelo
adapta
un
supuesto
diferente,
es
porque
el
problema
planteado
en
principio
así
lo
requiere.
El
objetivo
principal
es
reducir
los
costos.
Los
supuestos
sobre
los
que
se
desarrolla
este
modelo
son:
Notación
14
[ POLITÉCNICO GRANCOLOMBIANO ]
!! = !"#$" !" !"#$%!&#'(%) ! !" !"#"!$% !"# ó!"#$ !" !" !"#$%&% ! ($)
Este
algoritmo
se
basa
en
la
propiedad
de
Wagner-‐Whitin
que
afirma
que
bajo
una
política
óptima
de
pedidos:
o
la
cantidad
producida
en
el
periodo
t+1
es
cero,
o
la
cantidad
almacenada
en
inventario
para
utilizar
en
el
periodo
t+1
es
cero.
La
idea
principal
del
algoritmo
es
decidir
cuántos
periodos
se
van
a
abastecer
con
la
producción
de
cada
periodo.
Es
decir,
en
cada
periodo
voy
a
producir
exactamente
lo
que
necesito
para
suplir
las
necesidades
de
un
número
entero
de
periodos
posteriores.
Por
ejemplo,
si
mi
horizonte
de
tiempo
es
de
6
meses
y
me
encuentro
en
el
mes
1,
tengo
6
posibles
tamaños
de
producción
para
el
mes:
producir
para
la
demanda
del
mes
1
únicamente;
producir
para
las
demandas
de
los
meses
1
y
2;
producir
para
las
demandas
de
los
meses
1,
2
y
3;
producir
para
las
demandas
de
los
meses
1,
2,
3
y
4;
producir
para
la
demanda
de
los
meses
1,
2,
3,
4
y
5;
o
producir
para
todos
los
meses
desde
el
primer
mes.
Tenga
en
cuenta
que
si
produce
para
el
mes
1,
2
y
3,
su
inventario
llegará
a
cero
en
el
mes
4,
lo
que
implica
que
también
debe
decidir
entre
las
3
opciones
de
tamaño
de
producción
que
quedan
para
abastecer
la
demanda
de
los
meses
restantes
(4,
5
y
6).
Para ilustrar mejor el algoritmo, se desarrollarán los pasos del algoritmo con un ejemplo:
Considere
la
siguiente
situación
de
RoadHog
Inc.,
una
pequeña
empresa
que
fabrica
accesorios
de
motocicletas.
Esta
produce
un
silenciador
con
aletas
en
una
línea
que
es
también
usada
para
fabricar
una
serie
de
productos
diferentes.
Dado
que
los
costos
de
alistamiento
para
producir
los
alineadores
son
altos,
han
decidido
producirlos
por
lotes.
Sin
embargo,
mientras
la
demanda
a
mediano
plazo
(horizonte
de
planeación
de
10
semanas)
es
bien
conocida,
la
demanda
semana
a
semana
no
es
constante
y
es
difícil
programar
la
producción.
Puesto
que
esto
viola
los
supuestos
del
modelo
EOQ,
la
empresa
necesita
un
modelo
diferente
para
balancear
los
costos
de
alistamiento
y
los
costos
de
inventarios.
Los
valores
de
demanda,
costo
unitario,
alistamiento
e
inventarios,
están
señalados
en
la
siguiente
tabla:
!
1
2
3
4
5
6
7
8
9
10
!!
20
50
10
50
50
10
20
40
20
30
!!
10
10
10
10
10
10
10
10
10
10
!!
100
100
100
100
100
100
100
100
100
100
[ FÍSICA DE PLANTA ] 15
!!
1
1
1
1
1
1
1
1
1
1
Paso 1
Lo
primero
que
analizamos
es
la
producción
del
mes
1,
lo
cual
es
trivial
ya
que
no
hay
inventario
de
meses
anteriores
y
obviamente
debemos
cumplir
con
la
demanda,
luego,
producimos
20
y
eso
es
todo.
El
costo
unitario
es
irrelevante
ya
que
vamos
a
producir
el
número
total
de
unidades
de
cualquier
modo.
El
mínimo
costo
(incluyendo
alistamiento
e
inventarios)
para
el
mes
1
lo
denotaremos
de
la
siguiente
manera:
!∗! = !! = !""
Para señalar el periodo en el que se producirá el lote del mes 1, denotaremos:
!∗! = !
Paso 2
Para
el
lote
del
segundo
mes
tenemos
2
alternativas:
producirlo
en
el
mes
1
o
producirlo
en
el
mes
2:
!! + ℎ! !! ; !"#$%&'" !" !
!!∗ = !"#
!!∗ + !! ; !"#$%&'" !" !
100 + 1(50) = 150
!!∗ = !"#
100 + 100 = 200
!∗! = !"#
!∗! = !
Paso 3
Como
no
hemos
descartado
el
primer
mes,
tenemos
ahora
3
alternativas:
producir
en
el
mes
1,
producir
en
el
mes
2
o
producir
en
el
mes
3:
100 + 1 50 + 1 + 1 10 = 170
!!∗ = !"# 100 + 100 + 1 10 = 210
150 + 100 = 250
!∗! = !"#
16
[ POLITÉCNICO GRANCOLOMBIANO ]
!∗! = !
Paso 4
Ahora
4
alternativas:
!! + ℎ! !! + (ℎ! + ℎ! +)!! + (ℎ! + ℎ! + ℎ! )!! ; !"#$%&'" !" !
! ∗ + !! + ℎ! !! + (ℎ! + ℎ! )!! ; !"#$%&'" !" !
!!∗ = !"# !∗
!! + !! + ℎ! !! ; !"#$%&'" !" !
!!∗ + !! ; !"#$%&'" !" !
100 + 1 50 + 1 + 1 10 + 1 + 1 + 1 50 = 320
100 + 100 + 1 10 + 1 + 1 50 = 310
!!∗ = !"#
150 + 100 + 1(50) = 300
170 + 100 = 270
!∗! = !"#
!∗! = !
Observe
que
esta
vez
el
óptimo
no
se
encuentra
en
el
primer
mes,
sino
que
es
menos
costoso
si
se
produce
lo
del
mes
4
en
el
mismo
mes
4.
Paso 5 y demás
Ahora
que
ya
sabemos
que
la
producción
del
cuarto
mes
se
hará
en
el
mes
4,
no
tenemos
que
considerar
los
meses
anteriores
como
alternativas
para
producir
el
mes
5,
dado
que
ya
conocemos
que
es
más
económico
producir
en
el
mes
4,
que
mantener
el
inventario
después
de
producir
en
meses
anteriores.
Si
fuese
un
problema
de
5
periodos,
ya
sabríamos
que
no
es
óptimo
producir
en
el
mes
3
para
el
mes
4,
ni
para
el
mes
5.
De
esta
manera,
las
alternativas
que
debemos
considerar
son
sólo
dos:
producir
en
el
mes
4
o
producir
en
el
mes
5.
!!∗ + !! + ℎ! !! ; !"#$%&'" !" !
!!∗ = !"#
!!∗ + !! ; !"#$%&'" !" !
170 + 100 + 1(50) = 320
!!∗ = !"#
270 + 100 = 370
!∗! = !"#
!∗! = !
Así sucesivamente...
[ FÍSICA DE PLANTA ] 17
!
1
2
3
4
5
6
7
8
9
10
1
100
150
170
320
2
200
210
310
3
250
300
4
270
320
340
400
560
5
370
380
420
540
6
420
440
520
7
440
480
520
610
8
500
520
580
9
580
610
10
620
!∗!
100
150
170
270
320
340
400
480
520
580
!!
1
1
1
4
4
4
4
7
7/8
8
!
1
2
3
4
5
6
7
8
9
10
Total
!!
20
50
10
50
50
10
20
40
20
30
300
!!
80
0
0
130
0
0
0
90
0
0
300
!!
60
10
0
80
30
20
0
50
30
0
280
!!
100
0
0
100
0
0
0
100
0
0
300
!!
60
10
0
80
30
20
0
50
30
0
280
Total
160
10
0
180
30
20
0
150
30
0
580
Nota:
La
aplicación
de
los
modelos
planteados
en
esta
lectura
debe
desarrollarse
de
acuerdo
con
los
datos
planteados
por
el
problema
y
el
contexto
del
mismo.
Tenga
en
cuenta
que
los
supuestos
de
cada
modelo
brindan
pistas
acerca
de
cuándo
se
debe
y
se
puede
utilizar
un
modelo
u
otro.
Por
ejemplo,
sería
imposible
aplicar
EPL
a
un
problema
cuya
tasa
de
producción
es
desconocida.
18
[ POLITÉCNICO GRANCOLOMBIANO ]
Control de
SEMANA 4
INVENTARIOS
[ FÍSICA DE PLANTA ]
SEMANA
N.
0
4
LECTURA
1:
CONTROL
DE
INVENTARIOS
Los
primeros
modelos
desarrollados
en
esa
lectura
brindaron
una
idea
clara
de
las
variables
y
aspectos
más
importantes
que
se
deben
tener
en
cuenta
a
la
hora
de
tomar
decisiones
inherentes
a
los
inventarios.
Sin
embargo,
recuerde
que
cada
uno
de
los
modelos
allí
mencionados,
se
basaba
en
una
serie
de
supuestos
muy
fuertes,
los
cuales
fueron
modificados
o
suavizados
con
cada
nuevo
modelo.
Uno
de
los
supuestos
más
importantes
a
considerar
en
cualquier
modelo
es
el
que
da
razón
acerca
del
comportamiento
de
la
demanda.
Dentro
de
los
modelos
tratados
anteriormente
se
asumía
una
demanda
determinística.
Es
decir
que
sin
importar
si
la
demanda
era
constante
o
variable,
se
asumía
que
esta
era
conocida
y
se
trabajaba
el
modelo
con
dicha
información.
Dicho
esto,
y
puesto
que
la
demanda
estocástica
tiene
una
incertidumbre
asociada,
se
introducirá
al
nuevo
modelo
con
un
corto
resumen
de
variables
aleatorias
de
probabilidad
y
funciones
de
distribución
estadísticas.
Diferentes
ciencias
y
disciplinas
han
querido
hacer
inferencias
acerca
de
comportamientos
en
la
población
y
el
mundo
en
general.
En
el
caso
de
los
inventarios,
es
importante
estar
en
capacidad
de
hacer
inferencias
del
comportamiento
de
la
demanda.
Para
tener
noción
de
ese
comportamiento,
debemos
conocer
básicamente
dos
cosas:
el
conjunto
de
valores
que
puede
tomar
la
demanda
y
la
probabilidad
asociada
a
cada
uno
de
esos
valores.
A
dicho
conjunto
de
valores
se
le
conoce
como
el
espacio
muestral.
De
esta
manera,
se
va
a
definir
2
[ POLITÉCNICO GRANCOLOMBIANO ]
una
variable
aleatoria
como
la
función
que
asocia
un
número
real
(probabilidad)
con
cada
uno
de
los
valores
del
espacio
muestral.
Un ejemplo de definición de una variable aleatoria relacionada con la demanda sería:
Para
definir
de
manera
más
fácil
las
variables
aleatorias,
se
crearon
distribuciones
de
probabilidad,
las
cuales
pueden
describir
el
comportamiento
de
una
serie
de
valores
determinados
de
forma
clara
y
resumida.
Estos
permiten
calcular,
de
manera
más
eficiente,
las
probabilidades
asociadas
a
los
diferentes
valores
y
para
fines
de
esta
lectura,
se
explicarán
las
tres
distribuciones
de
probabilidad
más
usadas
en
el
campo
de
la
administración
de
inventarios.
Distribución uniforme:
[ FÍSICA DE PLANTA ] 3
Fuente:
tomado
el
15
de
enero
de
2013
de
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_uniforme_continua
Al
integrar
la
función
de
densidad
de
probabilidad
que
por
notación
se
define
como
!(!),
podemos
obtener
la
función
de
densidad
acumulada
que
por
notación
se
define
como
! (!)
,
de
tal
manera
que
se
pueda
calcular
la
probabilidad
de
un
intervalo
completo
de
valores
que
se
encuentre
dentro
del
espacio
muestral:
0 ; ! < !
!−!
!! = ; ! ≤ ! < !
!−!
1; ! ≥ !
Distribución normal:
Otra
de
las
distribuciones
de
probabilidad
más
usadas
es
la
distribución
normal.
Esta
función
es
denominada
la
más
importante
en
el
campo
estadístico
gracias
a
que
su
aproximación
4
[ POLITÉCNICO GRANCOLOMBIANO ]
!! !!
1 !
(!!!)
!! = ! ! = ! !! ! !"
!! !! 2!! !
[ FÍSICA DE PLANTA ] 5
! = !"#$% !"#$%"&' !" !" !"#$%$&'&(%( (# !" ! !"# !" !"#$! !" !)
Distribución exponencial:
A
pesar
de
que
la
distribución
normal
puede
ser
usada
para
resolver
varios
problemas
de
cualquier
tipo,
existen
numerosas
situaciones
que
requieren
de
otro
tipo
de
distribuciones.
La
distribución
exponencial
se
caracteriza
por
modelar
tiempos
entre
eventos,
lo
que
la
hace
muy
útil
en
el
campo
de
la
ingeniería.
Su
función
de
densidad,
media,
varianza
y
gráfica
son
las
siguientes:
6
[ POLITÉCNICO GRANCOLOMBIANO ]
Fuente:
tomado
el
15
de
enero
de
2013
de
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_exponencial
Recuerde
que
debido
a
la
relación
que
tiene
la
distribución
exponencial
con
el
proceso
Poisson,
la
función
de
densidad
se
puede
formular
en
términos
de
la
tasa
λ
de
la
siguiente
forma:
! ! = !! !!"
Integrando su función de densidad acumulada en términos de λ sería:
!! = 1 − ! !!"
[ FÍSICA DE PLANTA ] 7
Con
esta
corta
introducción
de
probabilidad,
podemos
empezar
a
desarrollar
un
modelo
de
inventarios
estocástico:
Este
primer
modelo
se
basa
en
supuestos
muy
fuertes.
Supuestos
que
van
a
ir
siendo
suavizados
posteriormente
a
medida
que
se
desarrollen
los
otros
modelos.
Los
supuestos
sobre
los
que
se
desarrolla
este
son:
Notación
Costos asociados
La función de costos se construye sumando el costo por exceso y el costo por faltantes:
8
[ POLITÉCNICO GRANCOLOMBIANO ]
Note
que
en
cualquier
periodo
se
pueden
tener
sobrantes
o
faltantes
pero
no
ambos.
En
promedio
las
dos
cantidades
serán
positivas.
!!
! !∗ = ! ! ≤ !∗ =
!! + !!
Figura 4: Gráfica de función de costo de un modelo de new vendor
!!
!! + !!
Fuente:
Elaboración
propia
Note
que
costo
mínimo
se
encuentra
en
el
punto
de
inflexión
de
la
gráfica
donde
los
costos
de
faltantes
y
sobrantes
tienden
a
ser
iguales.
[ FÍSICA DE PLANTA ] 9
La
idea
de
este
análisis
es
encontrar
el
nivel
de
servicio
que
le
permita
atender
la
demanda
necesaria
para
minimizar
sus
costos.
A
partir
de
ese
nivel
de
servicio
obtenido,
usted
tendrá
los
parámetros
necesarios
para
despejar
Q
de
la
función
de
densidad
acumulada
correspondiente
a
la
distribución
específica
de
la
demanda
en
estudio.
Ejemplo:
Imagine
que
la
selección
Colombia
clasifica
al
mundial
de
fútbol
y
una
pequeña
empresa
de
camisetas
aprovecha
la
situación
para
sacar
diseños
especiales
alusivos
a
los
jugadores
durante
el
mes
que
dura
el
torneo.
El
precio
de
la
camiseta
es
de
$15.
A
la
empresa
le
cuesta
producir
cada
camiseta
exactamente
$10.
Por
otro
lado,
si
el
torneo
termina
y
no
se
venden
todas
las
camisetas,
estas
tendrán
que
rematarse
a
$8
cada
una.
Suponga
que
la
demanda
se
comporta
exponencial
con
media
1000
durante
el
mes
que
dura
el
mundial.
Calcule
la
cantidad
óptima
de
camisetas
a
producir
para
la
temporada
del
mundial.
Primero se definen las variables con el fin de utilizarlas correctamente en las ecuaciones.
! ! = ! ! ≤ ! = ! − !!!"
!! = $!" − $! = $!
!! = $!" − $!" = $!
Paso
a
seguir,
se
debe
encontrar
el
nivel
de
servicio
que
equilibra
los
costos
de
sobrantes
y
faltantes.
!! !
= = !. !"#
!! + !! ! + !
!∗
!
1−! !""" = 0.714
!∗ = !"#$
10
[ POLITÉCNICO GRANCOLOMBIANO ]
Ahora
suponga
que
la
demanda
se
distribuye
normal
con
media
1000
y
desviación
estándar
100.
¿Cómo
afectaría
la
nueva
distribución
el
tamaño
del
lote
para
el
mes
del
mundial
de
fútbol?
El
nivel
de
servicio
sigue
siendo
el
mismo
pero
ahora
el
despeje
debe
hacerse
con
respecto
a
los
parámetros
de
la
nueva
distribución.
! 0.714 = 0.57
Revisar
tablas
de
la
distribución
normal
!∗ − !
= 0.57
!
!∗ = ! + !"
!∗ = 1000 + 0.57 100
!∗ = !"#$
[ FÍSICA DE PLANTA ] 11
Justo a Tiempo
JUST IN TIME ( JIT )
SEMANA 5
[ FÍSICA DE PLANTA ]
SEMANA
N.
0
5
LECTURA
1:
JUSTO
A
TIEMPO
–
JUST
IN
TIME
(JIT)
por
sus
siglas
en
inglés
Los
orígenes
del
JIT
se
dan
en
Japón
gracias
a
una
serie
de
factores
económicos,
históricos,
culturales
y
geográficos.
Desde
siempre,
los
japoneses
han
sido
conscientes
de
sus
limitaciones
geográficas,
que
les
proporcionan
recursos
muy
reducidos,
lo
cual
hace
que
entre
su
cultura
se
genere
un
instinto
de
conservación
más
natural.
En
adición
a
esto,
la
geografía
juega
un
papel
importante
a
la
hora
de
reabastecer
rápidamente
las
instalaciones,
dado
que
las
industrias
y
las
ciudades
se
encuentran
concentradas
y
los
recorridos
se
vuelven
más
cortos.
A
pesar
de
todo
eso,
la
filosofía
del
JIT
tomó
fuerza
con
el
trabajo
de
Taiichi
Ohno
en
Toyota
Motor
Company.
Según
Ohno,
la
industria
automotriz
japonesa
debía
nivelarse
con
la
estadounidense
en
tres
años
si
quería
sobrevivir.
Para
ese
tiempo
Japón
se
encontraba
en
guerra
y
producía
tan
solo
una
novena
parte
de
lo
que
los
estadounidenses
lo
hacían.
Evidentemente,
Toyota
no
se
niveló
con
los
estadounidenses
en
tres
años,
pero
en
su
esfuerzo
por
hacerlo,
sentó
las
bases
para
la
revolución
del
JIT.
Ohno
sabía
que
la
única
forma
de
reducir
la
brecha
entre
una
industria
y
otra,
era
reduciendo
todos
los
desperdicios
con
el
fin
de
disminuir
costos.
No
había
forma
de
que
los
costos
se
redujeran
a
través
de
las
economías
de
escala
(como
lo
hacían
los
norteamericanos)
puesto
que
el
mercado
de
Toyota
era
muy
reducido.
Entonces
los
decidieron
que
su
estrategia
de
producción
tenía
que
ser:
producir
muchos
modelos
en
pequeños
lotes.
Para
que
esta
estrategia
tuviera
éxito,
habría
que
tener
un
flujo
continuo
de
producción
con
mix
de
productos.
El
sistema
se
describió
entonces
en
dos
pilares
fundamentales:
Ohno
tenía
la
idea
de
manejar
la
fábrica
como
un
supermercado.
Los
clientes
llegan,
toman
sólo
lo
necesario
y
sólo
cuando
lo
necesitan,
es
decir,
justo
a
tiempo.
Esto
implica
que
el
inventario
sea
reabastecido
rápidamente
todo
el
tiempo.
En
el
caso
de
la
fábrica,
lo
que
abastece
a
una
estación,
viene
de
otra
estación.
Luego,
también
debía
asegurarse
que
ninguna
de
las
estaciones
dejara
de
abastecer
la
siguiente
cuando
esta
lo
requiriera,
dado
que
eso
entorpecería
todo
el
sistema
de
producción.
Allí
es
donde
entra
la
automatización
con
toque
humano.
La
productividad
de
las
máquinas
era
mucho
mayor
y
los
operarios
podían
manejar
varias
máquinas
al
tiempo,
detectando
y
corrigiendo
errores
de
manera
efectiva
(a
prueba
de
tontos).
Sin
embargo,
todo
esto
exigía
una
serie
de
prácticas
continuas
que
se
deben
llevar
a
cabo
para
que
el
JIT
sea
exitoso:
2 [ POLITÉCNICO GRANCOLOMBIANO ]
Siete ceros
Para
cumplir
la
meta
de
Ohno,
se
requería
un
sistema
de
producción
nuevo.
La
idea
de
tener
cero
inventarios
es
platónica,
pero
la
idea
de
perfección
es
importante
en
la
medida
que
estimula
la
mejora
continua.
Con
el
objetivo
de
alcanzar
las
metas
del
JIT,
era
necesario
alcanzar
un
sistema
sin
inventarios.
Para
ello,
se
describieron
dichas
metas
en
términos
de
siete
ceros
resumidos
de
la
siguiente
manera:
1. Cero
defectos:
para
evitar
demoras
y
no
entorpecer
el
proceso
productivo.
Las
partes
deben
salir
bien
hechas
desde
el
principio
(calidad
en
la
fuente).
2. Cero
excesos
en
tamaño
del
lote:
para
evitar
demoras
por
esperas
de
lotes
incompletos.
Preferiblemente,
lotes
de
tamaño
de
uno.
3. Cero
alistamientos:
para
minimizar
las
demoras
por
alistamientos
y
facilitar
los
lotes
pequeños.
4. Cero
fallas
(maquinaria):
para
evitar
detenciones
en
una
línea
de
producción
estrechamente
acoplada.
5. Cero
excesos
en
manejo
manual:
Para
facilitar
el
flujo
de
las
partes.
6. Cero
tiempos
de
aprovisionamiento:
Par
asegurar
el
rápido
reabastecimiento
de
las
partes
(fundamental
en
la
política
de
cero
inventarios).
7. Cero
aumentos
repentinos
de
demanda:
Necesaria
en
un
sistema
sin
inventarios.
Inflexibilidad
inherente
del
JIT
A
pesar
del
esfuerzo
de
los
japoneses
por
crear
todo
un
ambiente
de
JIT
en
la
fábrica
con
el
fin
de
controlar
y
la
reducir
los
costos
de
manera
más
fácil,
existen
una
serie
de
fuentes
de
inflexibilidad
o
problemas
que
no
permiten
que
el
sistema
funcione
como
se
supone
que
lo
exige
la
filosofía
del
Justo
a
Tiempo:
• Volumen
estable
• Mix
estable
[ FÍSICA DE PLANTA ] 3
• Secuencia
precisa
• Reabastecimiento
rápido
(¿instantáneo?).
Administración
total
de
la
calidad
A
pesar
de
que
las
técnicas
básicas
para
el
control
de
calidad
nacieron
en
Estados
Unidos,
Schonberger
ofrece
dos
razones
por
las
cuales
el
control
de
calidad
japonés
tomó
mayor
importancia
para
ellos,
que
para
los
mismos
estadounidenses:
El
JIT
exige
estándares
de
calidad
muy
altos.
Cada
estación
requiere
que
la
anterior
haya
realizado
un
trabajo
excelente
o
de
lo
contrario,
las
consecuencias
pueden
ser
muy
malas,
debido
a
que
no
se
tiene
inventario
para
cubrir
la
falla.
A
pesar
de
parecer
una
idea
perjudicial,
el
JIT
promueve
la
mejora
continua
a
nivel
general
y
ayuda
a
la
detección
rápida
de
problemas
en
el
sistema.
La
analogía
que
hacen
varios
autores
al
hablar
de
JIT
es
la
de
una
corriente
de
agua
que
pasa
sobre
una
base
rocosa.
Mientras
más
agua
haga
pasar,
mas
rocas
se
podrán
cubrir
y
no
se
verán.
En
cambio,
si
se
utiliza
muy
poca
agua,
las
rocas
no
se
cubrirán
y
serán
fáciles
de
ver.
El
agua
representa
el
inventario,
y
las
rocas
representan
los
problemas.
Mientras
se
mantengan
más
piezas
de
repuesto,
las
fallas
serás
más
fáciles
de
cubrir
y
no
habrá
necesidad
de
corregirlas.
En
cambio,
como
el
JIT
lo
exige,
si
no
se
tienen
muchas
piezas
disponibles,
lo
mejor
es
evitar
cualquier
falla,
en
principio,
y,
por
consiguiente,
aumentar
la
calidad.
En
pro
de
la
calidad
se
escribieron
enciclopedias
completas
acerca
del
tema,
entre
los
años
80
y
90.
Schonberger
resume
las
principales
prácticas
de
dicha
literatura
en
7
principios
esenciales:
4 [ POLITÉCNICO GRANCOLOMBIANO ]
[ FÍSICA DE PLANTA ] 5
Efectos de la
VARIABILIDAD
SEMANA 6
[ FÍSICA DE PLANTA ]
SEMANA
N.
0
6
LECTURA
1:
EFECTOS
DE
LA
VARIABILIDAD
Para
un
sistema
productivo
cualquiera,
la
Ley
de
Little
afirma
que
se
puede
alcanzar
la
misma
eficiencia
(Throughput)
con
un
trabajo
en
proceso
(WIP)
y
un
tiempo
de
ciclo
(CT)
grandes,
que
con
un
WIP
y
un
CT
pequeños.
2
[ POLITÉCNICO GRANCOLOMBIANO ]
adicional
a
esas
variables,
se
hubiesen
tenido
en
cuenta
la
densidad
del
aire,
velocidad
del
viento
y
demás
factores
que
afectan
el
lanzamiento,
y
deduzca
si
ese
último
modelo
pudo
haber
sido
más
preciso.
La
herramienta
más
poderosa
con
la
que
los
tomadores
de
decisiones
puedan
enfrentarse
a
la
realidad
aleatoria
es
una
buena
intuición
probabilística.
La
intuición
es
bien
usada
por
todas
las
personas
a
diario,
incluso
sin
saber
que
la
usan,
debido
a
que
la
experiencia
permite
inferir
consecuencias
de
determinadas
acciones.
Asimismo,
la
intuición
de
“primer
orden”
para
los
sistemas
de
manufactura,
también
presentan
buenos
resultados
en
general.
En
lenguaje
de
probabilidad
y
estadística,
se
habla
de
un
razonamiento
basado
en
los
“primeros
momentos”
o
la
media.
Por
ejemplo,
nuestra
intuición
nos
dice
que
si
aumentamos
la
velocidad
promedio
del
cuello
de
botella,
obtendremos
mayor
producción,
y
eso
es
cierto.
Sin
embargo,
la
intuición
tiende
a
ser
menos
efectiva
cuando
se
quiere
inferir
a
partir
de
los
“segundos
momentos”,
es
decir,
en
lenguaje
estadístico,
los
valores
que
tienen
en
cuenta
el
efecto
de
la
varianza.
Por
ejemplo,
¿Qué
será
más
variable,
el
tiempo
para
procesar
un
número
de
piezas
individualmente,
o
el
tiempo
para
procesar
la
misma
cantidad
de
piezas
por
lotes?
Este
tipo
de
preguntas
requieren
un
análisis
más
profundo
y
una
intuición
más
fina.
Puesto
que
esta
última
intuición
es
más
difícil
de
desarrollar,
se
tiende
a
malinterpretar
la
aleatoriedad
de
los
eventos.
Vale
la
pena
insistir
en
que
los
sistemas
tienen
muchas
variables
que
no
siempre
se
tienen
en
cuenta.
Por
lo
tanto,
las
conclusiones
apresuradas
acerca
de
eventos
individuales
pueden
no
ser
las
más
precisas,
y
conllevan
a
decisiones
erróneas.
Dado
que
nuestra
intuición
de
primeros
momentos
está
menos
expuesta
al
error,
esta
lectura
se
enfocará
principalmente
en
el
estudio
de
los
segundos
momentos,
es
decir,
la
varianza.
Se
definirá
la
variabilidad
del
proceso
como
cualquier
causa
que
ocasione
que
el
sistema
se
aleje
de
su
comportamiento
regular
y
predecible.
Dentro de dichas causas que pueden afectar al sistema se encuentran:
• Setups
o
alistamientos
• Fallas
(máquinas)
• Falta
de
material
• Incumplimientos
• Reprocesos
• Disponibilidad
operario
[ FÍSICA DE PLANTA ] 3
Nota: muchas veces será conveniente usar el coeficiente de variación al cuadrado (CVC), !! !
Note
que
la
varianza
mide
la
variación
en
términos
absolutos
y
que
para
hacer
un
mejor
análisis
comparativo
entre
variabilidades,
se
formula
la
variación
relativa
con
el
coeficiente
de
variación.
Para
hacer
una
pequeña
clasificación
de
la
variabilidad,
se
establece
que
de
acuerdo
con
los
valores
del
coeficiente
de
variación,
la
variabilidad
va
a
ser
baja,
moderada
o
alta,
de
la
siguiente
manera:
Fuente:
Elaboración
propia.
4
[ POLITÉCNICO GRANCOLOMBIANO ]
• El
tiempo
actual
o
natural:
es
un
tiempo
de
proceso
generalmente
de
variabilidad
baja.
• El
tiempo
efectivo:
tiempo
que
incluye
tiempos
de
setups,
fallas,
etc.
Variabilidad natural
La
variabilidad
natural
hace
alusión
a
la
variabilidad
inherente
al
tiempo
natural
del
proceso,
es
decir,
que
excluye
situaciones
aleatorias
externas
que
lo
afecten
como
setups,
fallas,
entre
otras.
Dentro de las fuentes o causas de variabilidad natural podemos incluir:
Sea
!!
y
!!
la
media
y
la
desviación
estándar,
respectivamente,
del
tiempo
de
proceso
natural,
decimos
que
el
coeficiente
de
variación
del
tiempo
de
proceso
natural
es:
!!
!! =
!!
La
variabilidad
natural
del
proceso
está
usualmente
en
la
categoría
de
Variabilidad
Baja.
Dentro
de
las
principales
causas
que
nombrábamos
anteriormente,
las
fallas
son
una
de
las
más
importantes.
Por
consiguiente,
sus
efectos
van
a
ser
analizados
en
esta
lectura
a
fin
de
entender
mejor
cómo
incluirlas
en
los
cálculos
de
la
variabilidad.
Definiciones:
[ FÍSICA DE PLANTA ] 5
Uno
de
los
primeros
efectos
que
tienen
las
fallas
de
las
máquinas
es
que
ahora
la
disponibilidad
de
las
mismas
estará
definida
como
un
porcentaje
del
tiempo
total
de
la
siguiente
manera:
!
!=
!! + !!
Ahora
dado
que
las
máquinas
ya
no
van
a
estar
funcionando
el
100%
del
tiempo,
el
tiempo
y
tasas
de
producción
se
ven
afectados.
Razón
por
la
cual
es
necesario
hallar
un
tiempo
efectivo
y
una
tasa
efectiva
de
producción
en
términos
de
la
disponibilidad
de
las
máquinas.
!! = !! /!
!! = !!!
De
esta
manera
ya
se
puede
hallar
una
fórmula
para
la
varianza
y
el
coeficiente
de
variación
que
involucre
los
nuevos
tiempos
y
tasa
efectivos:
!
!! ! !! ! + ! ! ! ! − ! ! !
!! = +
! !!!
!! ! !!
!! ! = = !!
!
+ ! + !!
!
!(! − !)
!! ! !!
Note
que
si
se
quieren
comparar
2
máquinas
con
tiempos
de
proceso
iguales,
la
variabilidad
depende
exclusivamente
de
los
tiempos
de
reparación
y
la
disponibilidad
de
las
máquinas.
Ejemplo:
Suponga
que
usted
debe
sacar
un
lote
muy
importante
para
un
cliente
reconocido
de
la
empresa
y
debe
escoger
entre
2
máquinas,
con
comportamientos
muy
parecidos,
las
ideales
6
[ POLITÉCNICO GRANCOLOMBIANO ]
para
ese
trabajo.
Los
datos
de
operación
históricos
han
arrojado
la
siguiente
información,
con
la
cual
usted
debe
tomar
la
decisión
de
producir:
Máquina 1:
!! = 15 !"#.
!! = 3.35 !"#.
3.35
!! = !! !! = = 0.05
15
!! = 12.4 ℎ. = 744 !"#.
!! = 1
Máquina
2:
!! = 15 !"#.
!! = 3.35 !"#.
3.35
!! = !! !! = = 0.05
15
!! = 1.9 ℎ. = 144 !"#.
Lo primero que se debe calcular para ambas máquinas es la disponibilidad.
Disponibilidad
máquina
1
!! 744
!= = = !. !"
!! + !! 744 + 248
Disponibilidad
máquina
2
!! 144
!= = = !. !"
!! + !! 144 + 38
[ FÍSICA DE PLANTA ] 7
Como
siguiente
paso,
se
procede
a
calcular
el
coeficiente
de
variación
de
cada
máquina.
Sin
embargo,
para
hallarlo,
primero
debemos
encontrar
el
tiempo
efectivo
y
la
varianza
del
tiempo
efectivo
de
cada
máquina:
Máquina
1
!! 15
!! = = = !" !"#
! 0.75
!!
!! ! = !! ! + 1 + !! ! ! 1 − !
!!
248
!! ! = 0.05 + 1 + 1 0.75 1 − 0.75
15
!! ! = !. !"
Máquina
2
!! 15
!! = = = !" !"#
! 0.75
!!
!! ! = !! ! + 1 + !! ! ! 1 − !
!!
38
!! ! = 0.05 + 1 + 1 0.75 1 − 0.75
15
!! ! = !. !
Otra
de
las
principales
causas
mencionadas
anteriormente
son
los
setups
o
alistamientos.
Algunos
ejemplos
de
su
ocurrencia
son
los
alistamientos
entre
corridas
de
producción
o
algunos
setups
en
cambios
de
turno.
8
[ POLITÉCNICO GRANCOLOMBIANO ]
Notación:
Cabe
resaltar
que
no
se
tiene
en
cuenta
la
medida
del
tiempo
entre
setups
porque
resulta
conveniente
calcular
el
tiempo
efectivo,
como
una
proporción
del
tiempo
de
setup
y
los
trabajos,
adicional
al
tiempo
natural.
Ejemplo:
Imagine
ahora
una
compañía
que
necesita
comprar
sólo
una
máquina
para
una
línea
específica
de
producción
y
le
están
ofreciendo
dos
opciones:
La
máquina
1
presenta
los
siguientes
datos
de
acuerdo
al
comportamiento
de
otras
máquinas
de
la
misma
referencia:
!! = 1 ℎ.
!! = 10 !"#$#%&' !"#$%
!! = 2 ℎ.
!! 2
!! = !! + =1+ = 1.2 ℎ.
!! 10
1 1
!! = = = 0.833 !"#$#%&' ℎ.
!! (1 + 2 )
10
!!! = !!! = 0,0625
[ FÍSICA DE PLANTA ] 9
Por su lado, la máquina 2 no presenta setups, y sus datos son los siguientes:
!! = 1.2 ℎ.
1 1
!! = = = 0.833 !"#$#%&' ℎ.
!! 1.2
!!! = 0.25
Máquina 1
Observe
que
para
hallar
la
varianza
de
esta
máquina
se
tienen
todos
los
datos,
excepto
uno:
la
varianza
del
tiempo
natural
de
proceso.
Para
encontrar
ese
valor,
debemos
analizar
el
coeficiente
de
variación
que
nos
dieron:
!! = !! = 0,25
!!!
!!! =
!!!
De forma similar,
!!!
!!! =
!!!
De
esta
manera,
ya
se
puede
calcular
la
varianza
efectiva
y
el
coeficiente
de
variación
efectivo
de
la
máquina
1:
10
[ POLITÉCNICO GRANCOLOMBIANO ]
0.0625 10 − 1
!! ! = 0.0625 + 4 + = !. !!"#
10 100
!! ! = !. !"
Máquina 2
!! ! = !! ! = !. !"
La
máquina
2
presenta
mejores
resultados
con
respecto
a
variabilidad
y
en
ese
sentido
sería
la
mejor
opción
de
compra.
!! = 10 !"#.
!! = 5 !"#.
!! = 38 ℎ.
!! = 0.5 ℎ.
[ FÍSICA DE PLANTA ] 11
Considerando
las
fallas
del
proceso
y
los
datos
dados,
se
puede
hallar
la
disponibilidad,
el
coeficiente
de
variación
de
los
tiempos
de
reparación,
el
coeficiente
de
variación
del
tiempo
natural
del
proceso
y
el
tiempo
efectivo:
!! 38
!= = = !. !"
!! + !! 38 + 2
!! 0.5
!! = = = !. !"
!! 2
!
!! ! 5!
!! = ! = !
!! 10
!! ! = !. !"
!! 10
!! = = = !". !" !"#.
! 0.95
Con
los
nuevos
datos,
ya
se
puede
calcular
el
coeficiente
de
variación
efectivo
para
la
consideración
de
las
fallas
del
sistema.
!!
!! ! = !! ! + 1 + !! ! !(1 − !)
!!
120
!! ! = 0.25 + 1 + 0.25! 0.95 1 − 0.95 = !. !""#
10
!! = !. !"#
!! = !!!"##"! = 0.925
Con
el
tiempo
natural
del
proceso
y
el
coeficiente
de
variación
natural,
se
puede
despejar
la
desviación
estándar
del
tiempo
de
proceso
natural:
!!
!! = => !! = !! ∗ !! = 0.925 ∗ 10.53 = !. !"#$%.
!!
12
[ POLITÉCNICO GRANCOLOMBIANO ]
Puesto
que
el
problema
no
brinda
el
valor
del
número
promedio
de
trabajos
por
setup,
pero
si
un
tiempo
entre
cada
setup
(mantenimiento),
se
va
a
dividir
el
tiempo
dado
entre
!!
con
el
fin
de
hallar
el
número
de
trabajos
promedio
entre
mantenimientos:
!! ! !! − 1 !
!! ! = !! ! + + !!
!! !! !
! !
10! 60 − 1
!! = 9.74 + + !
∗ 30! = !!!. !"
60 60
Y,
finalmente,
encontramos
el
coeficiente
de
variación
efectivo:
!! ! 111.29
!! ! = = = 0.915
!! ! 11.03!
!! = !. !"#
Con
esto,
se
puede
afirmar
que
esta
máquina
presenta
una
variabilidad
moderada
ya
que
se
encuentra
entre
0.75
y
1.33
[ FÍSICA DE PLANTA ] 13
Introducción a la Teoría de
COLAS
SEMANA
7
[ FÍSICA DE PLANTA ]
SEMANA
N.
0
7
LECTURA
1:
INTRODUCCIÓN
A
LA
TEORÍA
DE
COLAS
JUSTIFICACIÓN
Las
colas
o
líneas
de
espera
hacen
parte
de
muchos
de
los
sistemas
del
mundo
moderno.
Nosotros
mismos
requerimos
estar
físicamente
en
una
cola
cuando
vamos
al
banco,
al
cine,
en
un
peaje,
en
Transmilenio,
etc.
Estas
colas
o
esperas,
aparecen
en
el
sistema
porque,
por
lo
general,
el
número
de
personas
que
llega
al
sistema
es
mayor
al
número
de
personas
que
se
puede
atender
al
tiempo
y
ello
hace
que
estas
deban
esperar.
Un
modelo
de
colas
es
un
sistema
al
cual
llegan
entidades
de
cualquier
tipo
como
clientes,
personas,
componentes,
materiales,
etc.
Luego
pasan
por
un
proceso
de
servicio
en
el
que
demandan
cierta
capacidad
de
un
recurso
y
finalmente
dejan
el
sistema.
Dentro
de
las
preguntas
que
nos
podemos
plantear
en
un
modelo
de
colas
están
las
siguientes:
1. Identificar
el
nivel
óptimo
de
capacidad
de
los
recursos
del
sistema
de
tal
manera
que
se
minimicen
los
costos.
2. Establecer
un
equilibrio
entre
calidad
de
servicio
y
el
costo
global
del
sistema.
3. Analizar
el
comportamiento
del
sistema
bajo
diferentes
escenarios
de
capacidad
del
sistema.
2
[ POLITÉCNICO GRANCOLOMBIANO ]
1. Tiempos
de
arribos:
nosotros
asumimos
que
los
clientes
llegan
uno
a
la
vez
y
que
los
tiempos
entre
arribos
son
i.i.d.
(independientes
e
idénticamente
distribuidos).
Los
tiempos
entre
los
arribos
son
representados
por
los
símbolos
según
su
distribución
(Notación
de
Kendall).
2. Tiempos
de
servicio:
nosotros
asumimos
que
los
tiempos
de
servicio
de
clientes
sucesivos
son
i.i.d.
Los
tiempos
de
servicio
son
representados
de
la
misma
forma
que
los
tiempos
entre
arribos
según
su
distribución.
3. Numero
de
servidores:
nosotros
asumimos
que
todos
los
servidores
son
idénticos
y
que
cualquier
cliente
puede
ser
atendido
por
cualquier
servidor.
4. Capacidad
del
sistema:
consiste
en
el
número
máximo
de
clientes,
entes,
etc.,
que
se
pueden
tener
en
el
sistema.
Por
ejemplo,
si
un
área
de
producción
está
compuesta
por
una
máquina
que
puede
procesar
dos
componentes
simultáneamente
y
además
se
pueden
almacenar
10
componentes
antes
de
ser
procesados,
entonces
podríamos
modelar
el
sistema
de
producción
como
un
modelo
de
colas
con
capacidad
de
12
componentes.
5. Notación
de
Kendall:
los
sistemas
de
espera
se
pueden
identificar
según
los
siguientes
símbolos:
A / B / C / D
A:
Distribución
de
probabilidad
del
tiempo
entre
arribos.
Puede
tomar
los
siguientes
valores
según
la
distribución:
M – Distribución exponencial.
G – Distribución general.
D – Determinística.
M – Distribución exponencial.
G – Distribución general.
D – Determinística.
[ FÍSICA DE PLANTA ] 3
NOTACIÓN
L: número esperado de clientes en el sistema en estado estable.
W: tiempo esperado que gasta el cliente en el sistema en estado estable.
Lq: número esperado de clientes en cola en estado estable. Longitud esperada de la cola.
Wq: tiempo esperado que gasta el cliente en cola en estado estable.
SISTEMAS
Para
el
modelamiento
de
cada
sistema,
las
líneas
de
espera
pueden
modelarse
como
procesos
estocásticos
en
los
cuales
la
variable
aleatoria
se
define
como
el
número
de
entidades
en
el
sistema
en
un
momento
dado.
El
conjunto
de
valores
que
puede
tomar
dicha
variable
es
{0,
1,
2,…,
k}
y
cada
uno
de
esos
valores
(estados)
tienen
asociada
una
probabilidad
de
ocurrencia.
Dado
que
estos
sistemas
de
colas
van
a
ser
modelados
como
procesos
estocásticos
y
dichos
procesos
(no
todos,
pero
si
los
que
se
van
a
tratar
en
el
curso)
manejan
distribuciones
exponenciales
para
describir
los
diferentes
aspectos
de
un
sistema
determinado,
las
cadenas
de
Markov
nos
brindan
la
base
de
cálculo
necesaria
para
describir
y
analizar
elementos
importantes
de
cada
sistema.
Dentro de los sistemas de colas a modelar, se encuentran los siguientes modelos:
4
[ POLITÉCNICO GRANCOLOMBIANO ]
Siguiendo
la
notación
de
Kendall,
este
sistema
presenta
distribuciones
exponenciales
tanto
en
los
tiempos
entre
arribos,
como
en
los
tiempos
de
servicio.
Además,
nos
dice
que
hay
un
solo
servidor
atendiendo
las
entidades
que
ingresan
al
sistema.
El
primer
paso
para
modelar
un
sistema
de
colas
es
definir
el
sistema
como
un
proceso
estocástico
en
tiempo
continuo,
en
donde
la
variable
del
sistema
de
colas
se
define
en
función
del
tiempo
de
la
siguiente
manera:
X(t): Número de entidades en el sistema en el tiempo t.
y para las líneas de espera representan el número de clientes, piezas, etc., del sistema.
La
notación
X(t)
también
puede
ser
representada
como
el
estado
del
sistema
en
el
tiempo
“t”.
Por
ejemplo,
para
un
ejercicio
particular
de
un
sistema
de
colas,
el
estado
del
sistema
en
el
tiempo
“t”
puede
ser
“X(t)
=
2”,
lo
cual
puede
ser
interpretado
como
la
existencia
de
dos
entidades
en
el
sistema
en
el
tiempo
t,
o
puede
ser
interpretado
como
que
hay
dos
clientes
en
una
tienda
de
electrodomésticos
el
día
lunes.
Por
notación
“S”
será
definida
como
el
conjunto
de
posibles
estados
del
sistema.
Por
ejemplo,
“0”
puede
indicar
que
hay
cero
clientes
en
el
sistema,
“1”
que
solo
hay
1
y
así
sucesivamente.
Los
puntos
suspensivos
(…)
indican
que
se
puede
tener
un
número
infinito
de
entidades
en
el
sistema.
Es
decir,
un
modelo
M/M/1
es
lo
mismo
que
tener
un
modelo
M/M/1/∞.
Grafo:
Figura 1: Representación gráfica de un sistema de colas M/M/1/∞
!
!
!
0
1
2
…
[ FÍSICA DE PLANTA ] 5
!
!
!
Formulación:
Primero,
debemos
comprobar
que
el
sistema
se
encuentre
en
estado
estable.
Para
esto,
la
tasa
de
arribos
!
debe
ser
menor
que
la
tasa
de
servicio
!,
de
lo
contrario,
el
sistema
estaría
recibiendo
más
entidades
de
las
que
puede
despachar
y
llegaría
a
un
punto
en
el
que
“estallaría”.
!"#$% = !"#$
0. !!! = !!!
!
!! = !
! !
1. !!! + !!! = ! + ! !!
! + ! !! !
!! = − !
! ! !
! ! !
!! = 1 + !! − !
! ! ! !
! ! ! !
!! = !! + !! − !
! ! ! !
! !
!! = !!
!
2. !!! + !!! = ! + ! !!
!+! !
!! = !! − !
! ! !
! ! ! ! !
!! = 1 + !! − !
! ! ! ! !
6
[ POLITÉCNICO GRANCOLOMBIANO ]
! ! !
! ! !
!! = !! + !! − !!
! ! !
!
!
!! = !!
!
De
forma
general,
tenemos
entonces:
! ! !
!! = !! ; !! = ! − = ! − !
! !
Ejemplo:
Suponga
que
todos
los
dueños
de
automóviles
llenan
sus
tanques
cuando
estos
están
exactamente
por
la
mitad.
En
este
momento,
un
promedio
de
7.5
clientes
por
hora
llegan
a
una
estación
de
gasolina
de
único
dispensador.
Toma
un
promedio
de
4
minutos
llenar
el
tanque
de
cada
automóvil.
Asuma
que
los
tiempos
entre
arribos
y
los
tiempos
de
servicio
se
comportan
exponenciales.
Suponga
que
se
produce
una
escasez
de
gasolina
y
los
clientes
entran
en
pánico.
Para
modelar
este
fenómeno,
suponga
que
todos
los
dueños
de
automóviles
compran
gasolina
[ FÍSICA DE PLANTA ] 7
cuando
sus
tanques
están
exactamente
¾
de
llenos.
Como
cada
cliente
ahora
está
llenando
con
menos
gasolina
el
tanque
durante
cada
visita
a
la
estación,
asumimos
que
el
tiempo
de
servicio
promedio
se
ha
reducido
a
3.33
minutos.
¿Cuánto
afectó
el
pánico
de
los
clientes
a
L
y
W?
Definimos las tasas asegurándonos de que tengan las mismas unidades.
Este
sistema
en
particular
nos
permite
analizar
casos
donde
sólo
se
puede
servir
a
una
entidad
y
virtualmente
no
existe
cola
en
el
sistema,
ya
que
la
capacidad
de
la
fila
es
1
y
es
la
misma
entidad
que
está
ocupando
al
servidor.
Sólo
tendríamos
2
estados
entonces:
hay
una
entidad
o
no
hay
ninguna
entidad.
Luego,
el
modelo
es
el
siguiente:
8
[ POLITÉCNICO GRANCOLOMBIANO ]
X(t): # de entidades en el sistema en el tiempo t.
S = {0, 1}
Grafo:
Figura
2:
Representación
gráfica
de
un
sistema
de
colas
M/M/1/1
!
0
1
!
Formulación:
Para
hallar
las
probabilidades
de
ambos
estados,
debemos
entender
cuándo
ocurre
cada
uno
de
ellos.
Una
de
las
formas
de
analizarlos
es
viéndolos
como
2
variables
(eventos)
independientes
que
llamaremos:
A – tiempo de servicio de una entidad en el sistema. Exp(1/µμ).
B – tiempo entre una llegada y otra de una entidad al sistema. Exp(1/ λ).
La
probabilidad
de
que
una
entidad
llegue
al
sistema
y
pueda
ser
atendida,
es
la
misma
probabilidad
de
que
no
haya
ninguna
entidad
en
el
sistema,
o
lo
que
es
lo
mismo,
la
probabilidad
de
que
el
servidor
esté
desocupado.
Para
que
esto
se
cumpla,
el
tiempo
de
servicio
de
la
entidad
anterior
(A),
debe
ser
menor
al
tiempo
de
llegada
de
la
entidad
entrante
(B).
Luego,
la
probabilidad
de
que
no
haya
ninguna
entidad
en
el
sistema
en
estado
estable
corresponde
a
la
probabilidad
de
que
la
variable
A
sea
menor
que
la
variable
B.
!! = ! ! < !
Condicionando
A,
tenemos:
!
!! = ! ! < ! ! = ! !! !!" !"
!
!
!! = ! ! < ! !! !!" !"
!
[ FÍSICA DE PLANTA ] 9
!
!! = ! !!" !! !!" !"
!
!
!! = !! ! !!! ! !"
!
!
!! =
!+!
Usando
la
ecuación
de
balance
obtenemos
el
complemento:
!! + !! = 1
!
!! = 1 − !! = 1 −
!+!
!
!! =
!+!
Ahora
podemos
calcular
los
indicadores:
!
! = !" ! = ! ∗ !! + ! ∗ !! =
!+!
Recordando
la
Ley
de
Little
podemos
hallar
W:
!
! =
!
! !
!= =
!(! + !) ! + !
10
[ POLITÉCNICO GRANCOLOMBIANO ]
Esto
modelo
conserva
la
restricción
de
capacidad
del
sistema
anterior,
pero
ahora,
esta
capacidad
es
de
un
número
finito
k.
Esto
significa
que
el
número
de
entidades
que
pueden
estar
en
el
sistema
al
mismo
tiempo
no
puede
exceder
a
k.
X(t): # de entidades en el sistema en el tiempo t.
Grafo:
Figura 3: representación gráfica de un sistema de colas M/M/1/K
!
!
!
!
0
1
2
… k
!
!
!
!
Formulación:
! ! − !!!!
!" ! ≠ !
!! = !−!
!!! ! + ! !" ! = !
Por
lo
tanto,
las
probabilidades
de
cada
estado
con
capacidad
finita
k
serán:
!−! !
! !" ! ≠ !
! − !!!!
!! ! =
!
!" ! = !
!+!
Ahora
podemos
hallar
con
qué
probabilidad
encontraremos
al
servidor
ocioso
[ FÍSICA DE PLANTA ] 11
!−!
!! (!) =
! − !!!!
Y
la
probabilidad
de
que
una
entidad
llegue
al
sistema
y
no
logre
entrar
porque
este
llegó
a
su
capacidad
máxima.
!−! !
!! (!) = !
! − !!!!
Calculando
las
medidas
de
desempeño
tenemos:
! ! − ! + ! !! + !!!!!
∗ !" ! ≠ !
!= !−! ! − !!!!
!
!" ! = !
!
Como
vimos
en
el
sistema
anterior,
la
tasa
de
arribos
no
corresponde
a
la
tasa
de
entrada
al
sistema,
por
lo
que
debemos
calcularla
teniendo
en
cuenta
la
probabilidad
de
bloqueo.
!! = ! − !! !
De
tal
forma
que
siguiendo
la
Ley
de
Little
encontramos
el
tiempo
promedio
que
una
entidad
gasta
en
el
sistema.
!=! = ! !
! ! − !! ! !
Ejemplo:
Un
único
barbero
atiende
una
barbería
que
tiene
en
total
10
puestos.
Los
tiempos
entre
arribos
se
distribuyen
exponenciales
con
una
tasa
promedio
de
20
clientes
por
hora.
Aquellos
clientes
que
lleguen
y
encuentren
la
barbería
llena
no
se
molestan
en
entrar.
El
barbero
toma
en
promedio
12
minutos
con
cada
cliente.
Los
tiempos
de
atención
se
distribuyen
exponenciales
también.
En promedio, ¿cuánto va a tardar en la barbería un cliente que entre?
! = 20 !"#$%&$' ℎ!"#
12
[ POLITÉCNICO GRANCOLOMBIANO ]
1 − 20 5
!!" = 20 !" = 1 − 4 4!" = 0.75
!"!! 5 1 − 4!!
1 − 20 5
!! = 20 1 − 0.75 = 5 !"#$%&$' ℎ.
4 1 − 10 + 1 4!" + 10 ∗ 4!"!!
!= ∗ = 9.6667
1−4 1 − 4!"!!
Y,
finalmente,
podemos
hallar
el
tiempo
promedio
que
dura
un
cliente
en
la
barbería
luego
de
entrar:
! = 9.6667 5 = 1.93ℎ.
Según
notación
de
Kendall,
este
sistema
posee
más
de
un
servidor
(S
servidores),
lo
que
le
permite
atender
más
de
una
entidad
al
tiempo
(S
entidades
al
tiempo).
X(t): # de entidades en el sistema en el tiempo t.
Grafo:
Tabla 4: representación gráfica de un sistema de colas M/M/s
! ! ! ! !
0
1
… S-‐1
S
…
!
!"
(! − !)!
!"
!"
[ FÍSICA DE PLANTA ] 13
Formulación:
Primero,
se
debe
comprobar
que
el
sistema
se
encuentra
en
estado
estable.
Para
esto,
la
tasa
de
arribos
!
debe
ser
menor
que
la
tasa
de
servicio
!,
pero
dado
que
la
tasa
de
servicio
está
dada
en
términos
de
un
solo
servidor,
debemos
multiplicarla
por
el
número
de
servidores
S
para
obtener
la
utilización
general.
!"#$% = !"#$
0. !!! = !!!
!
!! = !
! !
1. 2!!! + !!! = ! + ! !!
! + ! !! !
!! = − !
2! 2! !
1 ! ! !
!! = + !! − !
2 2! ! 2! !
! 1 ! ! !
!! = !! + !! − !
2! 2 ! 2! !
! ! !
!! = !!
! !
2. 3!!! + !!! = 2! + ! !!
2! + ! !
!! = !! − !
3! 3! !
2 ! 1 ! ! ! !
!! = + !! − !
3 3! 2 ! 3! ! !
1 ! ! 1 ! ! 1 ! !
!! = !! + !! − !!
3 ! 6 ! 3 !
! ! !
!! = !!
! !
De
esta
manera,
podemos
formular
las
probabilidades
de
estado
hasta
S-‐1
de
manera
general:
14
[ POLITÉCNICO GRANCOLOMBIANO ]
! ! !
!! = !!
!! !
A
partir
de
S,
el
cálculo
de
las
probabilidades,
se
formula
lo
siguiente:
!
! !
!! = !!
!! !
S.
!"!!!! + !"!!! = !" + ! !!
!" + ! !! !
!!!! = − !
!" !" !!!
! 1 ! ! 1 ! 1 ! !!!
!!!! = 1+ !! − !!
!" !! ! ! ! !−1 ! !
!
! 1 ! 1
!!!! = !! + −
! !! !" !! !!
! ! ! !!!
!!!! = !!
! !! !
Sucesivamente…
!!!
! ! !
!!!! = ! !!
! !! !
!!!
! ! !
!!!! = ! !!
! !! !
Luego ya podemos formular las probabilidades de estado a partir de S:
1 1 ! !
!! = !!
! !!! !! !
!! 1 ! !
!! = ! !!
! !! !
!! ! !
!! = !!
!! !"
[ FÍSICA DE PLANTA ] 15
! ! !
!! !" ! ≤ ! − !
!! !
!! =
!! ! !
!! !" ! ≥ !
!! !"
Donde:
! ! !!
!!! ! !
! !
!! = +
!! !! 1 − ! !"
!!!
16
[ POLITÉCNICO GRANCOLOMBIANO ]
Ejemplo:
Una
pequeña
firma
de
envío
de
órdenes
por
correo
maneja
únicamente
2
líneas
telefónicas.
En
promedio
60
personas
llaman
por
sus
órdenes
cada
hora
y
es
necesario
1
minuto
para
responder
a
cada
una
en
promedio.
Si
las
líneas
se
encuentran
ocupadas,
el
sistema
está
en
capacidad
de
poner
hasta
x
número
de
llamadas
en
espera.
Si
hay
x
llamadas
en
espera
y
entra
una
nueva,
el
cliente
llamará
a
la
competencia.
La
compañía
quiere
que
sólo
el
1%
de
las
llamadas
se
pierdan.
¿Cuál
debe
ser
el
número
máximo
de
personas
x
que
van
a
estar
en
espera?
Primero, hay que asegurarse que el sistema se encuentre en estado estable.
! = 60 2 ∗ 60 = 1 2 < 1
Para
calcular
los
indicadores
de
espera,
debemos
hallar
la
probabilidad
de
que
las
líneas
estén
desocupadas
primero.
! ! !!
!!! 60 60
!! = 60 + 60
!! 2! 1 − 60
!!! 2 ∗ 60
!!
1! 1! 1! 1
= + + =
1 1 2 1−1 3
2
Luego,
ya
podemos
calcular
la
probabilidad
de
que
ambas
líneas
estén
ocupadas
en
un
momento
cualquiera
en
el
largo
plazo.
!
1 60 1 1
!! = !! = =
2 60 3 6
Con
la
probabilidad
de
bloqueo
ya
podemos
hallar
el
número
promedio
de
llamadas
en
espera.
1 1
!! = 6 ∗ 2 = 1
(1 − 1 2)! 3
Calculemos
ahora
el
tiempo
promedio
de
espera
de
una
llamada
1 1 1
!! = 6 = ℎ. = !"#.
2 ∗ 60(1 − 1 2)! 180 3
[ FÍSICA DE PLANTA ] 17
Nota:
Cuando
se
realiza
un
ejercicio
de
teoría
de
colas
no
es
necesario
demostrar
todas
las
ecuaciones
como
se
demostraron
anteriormente.
Es
importante
que
conozcan
la
procedencia
de
las
ecuaciones,
pero
la
forma
eficiente
de
resolver
cualquier
problema
de
teoría
de
colas
es
utilizar
o
reemplazar
las
fórmulas
correspondientes
a
cada
sistema.
Lo
más
importante
es
identificar
el
tipo
de
sistema
que
se
está
modelando,
es
decir,
si
estamos
hablando
de
un
sistema
donde
existe
un
único
servidor
y
además
existe
una
restricción
de
capacidad,
se
utilizan
las
fórmulas
del
sistema
M/M/1/k.
18
[ POLITÉCNICO GRANCOLOMBIANO ]
Distribución en
PLANTA
SEMANA
8
[ FÍSICA DE PLANTA ]
SEMANA
N.
0
8
LECTURA
1:
DISTRIBUCIÓN
EN
PLANTA
INTRODUCCIÓN
La
distribución
en
planta
consiste
en
determinar
la
ubicación
de
los
diversos
elementos
que
conforman
un
proceso
productivo.
La
ubicación
de
los
elementos
que
conforman
el
ambiente
de
producción
debe
ser
interpretada
como
un
ordenamiento
que
incluye
los
espacios
necesarios
para
el
movimiento
y
transporte
del
material,
el
almacenamiento,
las
actividades
o
servicios,
la
maquinaria
y
el
personal
o
fuerza
de
trabajo.
La
distribución
en
planta
tiene
gran
impacto
en
el
desarrollo
de
una
empresa
porque
de
esta
dependen,
en
gran
medida,
los
costos
operativos,
la
coordinación
de
los
departamentos
de
la
empresa,
el
tiempo
de
ciclo
de
los
productos,
etc.
A
medida
que
una
empresa
logre
establecer
una
buena
distribución
en
planta
podrá
tener
mayores
márgenes
de
utilidad
y
podrá
mantenerse
en
el
mercado
actual
que
cada
vez
resulta
ser
más
competitivo.
OBJETIVOS
DE
LA
DISTRIBUCIÓN
EN
PLANTA
“El
objetivo
de
la
distribución
en
planta
es
determinar
la
organización
de
los
departamentos,
estaciones
de
trabajo,
máquinas,
puntos
de
atención
al
cliente,
y
puntos
de
mantenimiento
de
las
existencias
para
garantizar
un
flujo
uniforme
de
trabajo
en
una
fábrica
o
un
patrón
de
tráfico
determinado
en
una
empresa
de
servicios”1.
Con
esto
en
mente
se
busca:
- Minimizar
los
costos
del
manejo
y
transporte
de
materiales.
- Tener
un
uso
eficiente
del
espacio.
- Desarrollar
la
labor
de
manera
eficiente
y
eficaz.
- Facilitar
la
comunicación
e
interacción
entre
los
trabajadores
y
sus
supervisores,
trabajadores
y
clientes.
- Reducir
el
tiempo
del
ciclo
o
el
tiempo
de
servicio
al
cliente.
- Facilitar
las
actividades
de
mantenimiento.
TIPOS
BÁSICOS
DE
DISTRIBUCIÓN
EN
PLANTA
1
R.
Chase,
N.
Aquilano
&
F.
Jacobs.
Administración
de
producción
y
operaciones:manufactura
y
servicio.
2
[ POLITÉCNICO GRANCOLOMBIANO ]
Los
ambientes
básicos
de
distribución
en
planta
dependen
de
las
relaciones
de
máquinas,
equipos,
personas,
etc.,
que
hacen
parte
de
una
empresa
y
dependen
fundamentalmente
del
flujo
de
los
materiales
a
través
de
la
planta.
Existen
cuatro
tipos
de
distribuciones
en
planta:
Distribución
por
procesos
Conocida
también
como
“Taller”
o
“Job
Shop”
consiste
en
que
las
máquinas
o
funciones
similares
sean
agrupadas
por
el
proceso
que
ellos
realizan.
Por
ejemplo,
tener
todas
las
máquinas
de
metalmecánica
en
un
mismo
sitio.
Distribución
por
productos
Conocida
también
como
“Taller
en
flujo”
o
“Flow
Shop”
consiste
en
que
las
máquinas
se
organizan
según
la
secuencia
de
operaciones
necesarias
para
fabricar
el
producto.
Por
ejemplo,
el
alimento
de
un
taller
de
lavado
de
autos
en
el
que
se
puedan
identificar
dos
máquinas
de
lavado
que
están
ubicadas
en
paralelo.
Distribución
por
posición
fija
Conocida
también
con
“Fixed-‐Position”
es
usada
en
proyectos
donde
el
producto
no
puede
moverse
y
las
máquinas
o
equipos
se
mueven
hacia
el
producto.
Por
ejemplo,
la
fabricación
de
aviones,
buques
o
edificios.
Células
de
manufactura
o
distribución
por
tecnología
de
grupo
Esta
distribución
consiste
en
que
las
diferentes
máquinas
y
equipos
están
agrupados
bajo
el
criterio
de
utilizar
diferentes
tipos
de
máquinas
en
un
mismo
centro
de
trabajo
(Células
de
manufactura)
y
asignar
una
familia
de
productos
(que
son
similares)
a
cada
una
de
esas
células.
El
tipo
de
formato
de
distribución
en
planta
a
utilizar
está
determinado,
en
gran
parte,
por
el
tipo
de
productos
o
servicios,
los
tipos
de
procesos
de
producción
y
los
volúmenes
de
producción.
En
la
siguiente
figura
se
observa
el
tipo
de
distribución
recomendada
según
la
demanda
(volumen
de
artículos)
y
la
variedad
de
productos.
Figura
1.
Distribución
según
volumen
y
variedad
[ FÍSICA DE PLANTA ] 3
Fuente:
Elaboración
propia
En
la
gráfica
se
puede
observar
que
una
empresa
con
un
alto
volumen
de
producción
y
poca
variedad
de
productos
deberá
utilizar
una
distribución
por
productos.
Mientras
que
una
empresa
con
un
bajo
volumen
de
producción
y
alta
variedad
de
productos
deberá
utilizar
una
distribución
por
posición
fija.
Cuando
una
planta
de
producción
tiene
una
variedad
media
y
un
alto
volumen
de
producción
lo
más
recomendado
es
utilizar
Células
de
Manufactura
(distribución
por
tecnología
de
grupos).
Asimismo,
cuando
se
tiene
un
volumen
bajo
de
producción
y
una
variedad
alta
de
productos,
lo
más
recomendado
es
utilizar
el
formato
de
distribución
por
procesos.
La
dificultad
para
determinar
la
distribución
en
planta
a
utilizar
radica
en
que
es
difícil
determinar
que
es
alto
o
bajo
volumen
de
producción.
Para
tratar
de
mitigar
el
impacto
de
esta
dificultad
se
sugiere
considerar
como
un
volumen
de
producción
“alto”
cuando
se
tienen
miles
de
unidades
al
mes,
un
volumen
de
producción
“medio”
si
se
tienen
cientos
de
unidades
al
mes,
“bajo”
si
se
habla
de
decenas
de
unidades
al
mes
y
“muy
bajo”
si
se
tienen
unas
pocas
unidades
por
mes.
MODELAMIENTO
MATEMÁTICO
DE
DISTRIBUCIÓN
POR
PROCESOS
4
[ POLITÉCNICO GRANCOLOMBIANO ]
La
distribución
por
procesos
junto
con
la
distribución
por
productos
son
los
tipos
de
distribución
más
utilizados
en
las
empresas.
Esto
se
debe,
en
gran
parte,
a
que
la
mayoría
de
las
empresas
trabajan
con
pequeños
o
medianos
volúmenes
de
producción.
En
esta
sección
profundizaremos
en
el
aprendizaje
de
los
modelamientos
matemáticos
existentes
para
la
solución
de
problemas
de
producción
que
incorporen
distribución
por
procesos.
Una
de
las
características
de
un
tipo
de
distribución
por
proceso
es
que
el
conjunto
de
máquinas
o
equipos
se
agrupan
en
una
misma
área.
Por
ejemplo,
tal
como
se
muestra
en
la
siguiente
imagen,
una
planta
con
una
distribución
por
proceso
puede
tener
una
agrupación
de
máquinas
que
hacen
parte
del
departamento
de
torneado,
un
conjunto
de
máquinas
que
hacen
parte
del
departamento
de
fresado,
otras
que
hacen
parte
del
departamento
de
taladrado,
otras
del
departamento
de
cizallado,
otras
del
departamento
de
pintura,
y
otros
equipos
que
pertenecen
al
área
de
ensamble,
y
recepción
y
despacho.
Figura
2.
Distribución
por
proceso
Fuente:
Elaboración
propia
Otra
característica
que
presenta
el
tipo
de
distribución
por
proceso
es
que
tiene
alta
flexibilidad,
porque
cada
departamento
tiene
maquinaria
o
equipos
de
uso
general,
que
pueden
fabricar
una
diversa
variedad
de
productos.
El
objetivo
de
la
distribución
por
procesos
es
ubicar
los
centros
de
trabajo
(departamentos)
que
tengan
mayor
interacción
(relación
de
proximidad)
de
manera
tal
que
queden
lo
más
cerca
posible,
ayudando
a
un
flujo
mínimo
de
materiales
(o
personas)
a
centros
que
no
estén
[ FÍSICA DE PLANTA ] 5
6
[ POLITÉCNICO GRANCOLOMBIANO ]
[ FÍSICA DE PLANTA ] 7
Ejemplo
1:
Una
empresa
de
producción
de
artículos
de
metalmecánica
se
desea
redistribuir
los
3
departamentos
(A,
B
y
C)
de
manera
que
se
reduzca
el
costo
total
de
transporte
por
hora.
Para
la
solución
del
ejercicio,
suponga
que
los
desplazamientos
son
rectilíneos
(a
lo
largo
del
“eje
x”
y/o
a
lo
largo
del
“eje
y”).
Determinar
la
distribución
final
utilizando
el
método
CRAFT.
La
cantidad
de
viajes
por
hora
y
el
costo
por
distancia
recorrida,
están
dados
en
las
siguientes
tablas:
Cantidad
de
viajes
por
hora
Costo
por
distancia
recorrida
($/distancia)
Hacia Hacia
A B C A B C
A 0 4 3 A 0 1 1
De B 2 0 0 De B 1 0 2
C 1 5 0
C 1 2 0
La
distribución
inicial
de
la
planta
está
determinada
por
el
siguiente
dibujo.
8
[ POLITÉCNICO GRANCOLOMBIANO ]
Figura
3:
Diagrama
de
la
distribución
inicial
de
la
planta
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1
2
3
4
5
6
7
A B
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
C
37
38
39
40
41
42
43
44
45
Fuente:
Elaboración
propia
Solución:
Según
el
paso
1
del
algoritmo
del
método
CRAFT
se
debe:
1.
Desarrollar
una
distribución
Inicial
y
estimar
el
costo
actual.
En
algunos
casos
la
distribución
inicial
puede
ser
la
distribución
actual
del
problema.
Para
calcular
el
costo
actual
de
la
distribución
es
necesario
calcular
los
centroides
de
los
departamentos.
Los
centroides
de
los
departamentos
se
hallan
con
base
en
el
dibujo
anterior
y
se
calculan
de
la
siguiente
manera:
[ FÍSICA DE PLANTA ] 9
Figura
4:
Diagrama
de
la
distribución
inicial
de
la
planta
y
centros
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
45
1
44
2
43
3
42
4
41
5
40
6
39
7
A B
38
8
37
9
36
10
35
11
34
12
33
13
32
14
31
15
30
16
29
17
28
18
27
19
Centro
de
A Centro
de
B
26
20
21
25
22
24
x
=
7.5
x
=
22.5
23
23
24
22
25
21
y
=
30
y
=
30
26
20
27
19
28
18
29
17
30
16
31
15
32
14
33
13
34
12
35
11
36
10
Centro
de
C
C
37
9
38
8
39
7
40
6
41
5
x
=
15
42
4
43
3
44
2
y
=
7.5
45
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Fuente:
Elaboración
propia
El
centroide
del
departamento
A
se
calcula
de
la
siguiente
manera:
X! + !! Y! + Y!
!"#$%& !" ! = ,
2 2
0 + 15 15 + 45
!"#$%& !" ! = ,
2 2
10
[ POLITÉCNICO GRANCOLOMBIANO ]
!"#$%& !" ! = !. ! , !"
El
centroide
del
departamento
B
se
calcula
de
la
siguiente
manera:
X! + !! Y! + Y!
!"#$%& !" ! = ,
2 2
15 + 30 15 + 45
!"#$!" !" ! = ,
2 2
!"#$%& !" ! = !!. ! , !"
El
centroide
del
departamento
C
se
calcula
de
la
siguiente
manera:
X! + !! Y! + Y!
!"#$%& !" ! = ,
2 2
0 + 30 0 + 15
!"#$%& !" ! = ,
2 2
!"#$%& !" ! = !! , !. !
En
la
siguiente
tabla
se
resumen
los
centroides
de
los
departamentos
A,
B
y
C.
Tabla
1:
Centroides
de
los
departamentos
Departamento X Y
A 7.5 30
B 22.5 30
C 15 7.5
Fuente:
Elaboración
propia
Para
estimar
el
costo
actual
es
necesario
calcular
las
distancias
entre
los
departamentos
utilizando
las
distancias
rectilíneas
entre
estos.
Las
distancias
entre
los
departamentos
se
calculan
de
la
siguiente
manera:
[ FÍSICA DE PLANTA ] 11
12
[ POLITÉCNICO GRANCOLOMBIANO ]
[ FÍSICA DE PLANTA ] 13
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
45
44
43
42
41
40
39
B A
38
37
36
35
34
33
32
31
30
29
28
Centro
de
B Centro
de
A
x
=
7.5
x
=
22.5
27
26
25
y
=
30
y
=
30
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
Centro
de
C
C
9
8
7
6
5
x
=
15
4
3
2
y
=
7.5
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Fuente:
Elaboración
propia
Nuevamente,
para
estimar
el
costo
actual
es
necesario
calcular
las
distancias
entre
los
departamentos
utilizando
las
distancias
rectilíneas
entre
estos.
Las
distancias
entre
los
departamentos
se
calculan
de
la
siguiente
manera.
14
[ POLITÉCNICO GRANCOLOMBIANO ]
[ FÍSICA DE PLANTA ] 15
Después
de
tener
las
distancias,
el
costo
actual
se
calcula
de
la
siguiente
manera:
Costo
total
actual
=
(Flujo)
x
(Costo)
x
(Distancia)
En
las
siguientes
tablas
se
puede
apreciar
el
cálculo
del
costo
total
actual
de
la
nueva
distribución.
Cantidad de viajes Costo por distancia
Distancias Costo Total ($)
por hora recorrida ($/distancia)
Hacia Hacia
A B C A B C Distancias A B C A B C Total
A 0 4 3 A 0 1 1 A 0 15 30 A 0 60 90 150
De B 2 0 0 X De B 1 0 2 X B 15 0 30 = B 30 0 0 30
C 1 5 0 C 1 2 0 C 30 30 0 C 30 300 0 330
Costo
Total
= 510
De
esta
manera,
se
puede
concluir
que
el
costo
total
actual
de
la
nueva
distribución
es
de
$510.
Por
lo
tanto,
concluimos
que
hasta
el
momento
no
se
ha
logrado
proponer
una
distribución
que
mejore
el
costo
de
$510
que
se
tenía
con
la
distribución
inicial.
Intercambio
de
los
departamentos
A
y
C.
Al
intercambiar
los
departamentos
A
y
C
la
distribución
de
los
departamentos
en
la
planta
quedaría
como
se
presenta
en
la
siguiente
imagen:
16
[ POLITÉCNICO GRANCOLOMBIANO ]
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
45
44
43
42
41
40
39
C B
38
37
36
35
34
33
32
31
x
=
22.5
27
26
25 x
=
7.5
y
=
30
24
23
22
21
y
=
30
20
19
18
17
16
15
14
13
12
11
10
Centro
de
A
A
9
8
7
6
5
x
=
15
4
3
2
y
=
7.5
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Fuente:
Elaboración
propia
Nuevamente,
para
estimar
el
costo
actual
es
necesario
calcular
las
distancias
entre
los
departamentos
utilizando
las
distancias
rectilíneas
entre
estos.
Las
distancias
entre
los
departamentos
se
calculan
de
la
siguiente
manera.
[ FÍSICA DE PLANTA ] 17
18
[ POLITÉCNICO GRANCOLOMBIANO ]
Después
de
tener
las
distancias,
el
costo
actual
se
calcula
de
la
siguiente
manera:
Costo
total
actual
=
(Flujo)
x
(Costo)
x
(Distancia)
En
las
siguientes
tablas
se
puede
apreciar
el
cálculo
del
costo
total
actual
de
la
nueva
distribución.
Cantidad de viajes Costo por distancia
Distancias Costo Total ($)
por hora recorrida ($/distancia)
Hacia Hacia
A B C A B C Distancias A B C A B C Total
A 0 4 3 A 0 1 1 A 0 30 30 A 0 120 90 210
De B 2 0 0 X De B 1 0 2 X B 30 0 15 = B 60 0 0 60
C 1 5 0 C 1 2 0 C 30 15 0 C 30 150 0 180
Costo
Total
= 450
De
esta
manera
se
puede
concluir
que
el
costo
total
actual
de
la
nueva
distribución
es
de
$450.
Por
lo
tanto,
concluimos
que
esta
nueva
distribución
mejora
el
costo
de
$510
que
se
tenía
con
la
distribución
inicial.
Intercambio
de
los
departamentos
B
y
C.
Al
realizar
los
cálculos,
tal
como
se
realizaron
para
los
dos
intercambios
anteriores,
se
puede
apreciar
que
el
costo
total
actual
de
la
nueva
distribución
es
de
$540.
Ver
resultados
a
continuación:
Cantidad de viajes Costo por distancia
Distancias Costo Total ($)
por hora recorrida ($/distancia)
Hacia Hacia
A B C A B C Distancias A B C A B C Total
A 0 4 3 A 0 1 1 A 0 30 15 A 0 120 45 165
De B 2 0 0 X De B 1 0 2 X B 30 0 30 = B 60 0 0 60
C 1 5 0 C 1 2 0 C 15 30 0 C 15 300 0 315
Costo
Total
= 540
De
esta
manera
se
puede
concluir
que
esta
nueva
distribución
empeora
el
costo
de
$450
que
se
había
logrado
con
el
intercambio
de
los
departamentos
A
y
C.
El
siguiente
paso
del
algoritmo
del
método
de
CRAFT
es:
2.2.
Seleccionar
la
pareja
de
departamentos
que
maximice
la
reducción
de
costo.
[ FÍSICA DE PLANTA ] 19
20
[ POLITÉCNICO GRANCOLOMBIANO ]
Al
evaluar
los
costos
se
obtiene
que
el
intercambio
entre
C
y
B
presenta
un
costo
de
$450,
el
intercambio
entre
C
y
A
presenta
un
costo
de
$510,
y
el
intercambio
entre
A
y
B
tiene
un
coso
de
$540.
Al
realizar
el
paso
2.2
se
puede
concluir
que
no
hay
pareja
que
mejore
la
distribución
actual.
El
algoritmo
se
detiene
y
la
solución
que
se
obtiene
es
de
$450,
y
está
representada
por
la
distribución
de
planta
que
se
presenta
en
la
siguiente
imagen.
[ FÍSICA DE PLANTA ] 21
Figura 7: Diagrama de la distribución final de la planta
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
45
44
43
42
41
40
39
C B
38
37
36
35
34
33
32
31
x
=
22.5
27
26
25 x
=
7.5
y
=
30
24
23
22
21
y
=
30
20
19
18
17
16
15
14
13
12
11
10
Centro
de
A
A
9
8
7
6
5
x
=
15
4
3
2
y
=
7.5
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Fuente:
Elaboración
propia
22
[ POLITÉCNICO GRANCOLOMBIANO ]