MODELOS Y METODOS PARA LA PLANIFICACION DE LA PRODUCCION
modelos y métodos para la planificación de la produccion
1. Programación dinámica PD
1.1. es un enfoque para la modelación, aná lisis y resolución de problemas de decisión dinámicos tanto en entornos deterministas como estocásticos.
1.1.1. Hong y Shang (2001) desarrollan un modelo para la planificación y programación dinámica de la producción en un entorno de fabricación de hierro y acero. El modelo de optimización propuesto está basado sobre el concepto de en tradas-salidas de Leontif (1966)
1.1.2. El modelo desarrollado es apropiado para gestionar redes de cadenas de suministro descentralizadas o centralizadas, aunque los beneficios del modelo se aprecian mejor cuando los miembros de la red de fabricación juegan el rol de proveedor y consumidor simultáneamente.
2. Modelos de simulación
2.1. no pueden ser usados efectivamente para optimizar un problema dado, sino más bien para evaluar una medida de desempeño.
2.1.1. Albritton y otros (1999) presentan un modelo de planificación de la producción con incertidumbre en la demanda con dos variantes del muestreo de Monte Carlo y que denominan Optimización basada en Simulación.
3. Otros modelos y métodos
3.1. Zapfel (1996) propone un modelo jerárquico que puede ser incorporado a un MRP II para programar la producción con incertidumbre en la demanda.
3.2. Wu y Meixell (1998) analizan el comportamiento de la demanda en la gestión de la cadena de suministro de dos compañías, una del sector del automóvil y la otra del sector de la electrónica.
3.3. Giebels y otros (1998) desarrollan un nuevo concepto de control para entornos de fabricación o ingeniería bajo pedido que culmina con la creación del EtoPlan ( Engineer-To-order Planning ) (Giebels, 2000).
4. Programación estocástica PE
4.1. Los modelos de PE combinan el paradigma de la programación lineal con la formulación de parámetros aleatorios. La PE puede usar escenarios o distribuciones de probabilidades para los parámetros inciertos. Diversos autores han sugerido numerosos modelos de PE, en lo referente a la planificación de la producción cabe destacar
4.1.1. Eppen y otros (1989) desarrollan un modelo para planificar las capacidades de un importante fabricante de automóviles.
4.1.2. Escudero y Kamesan (1993) presentan un modelo de PE para el problema del MRP ( Material Requirements Planning ) con incertidumbre en la demanda
4.1.3. Mulvey y otros (1995) formulan un modelo que denominan Optimización Robusta
4.1.4. Kira, Kusy y Rakita (1997) proponen el uso de la PE para problemas de planificación jerárquica de la producción.
5. Teoría de los conjuntos difusos (fuzzy sets)
5.1. La teoría de los conjuntos difusos hace una distinción entre aleatoriedad e imprecisión.
5.1.1. Petrovic (2001) presenta una herramienta de simulación, SCSIM, desarrollada para analizar el comportamiento y funcionamiento de la cadena de suministro en presencia de incertidumbre utilizando conjuntos difusos
5.1.2. Los conjuntos difusos se utilizan para describir las imprecisi ones de la información, pero cuando el problema progresa con la adquisición de datos reales, se pueden empezar a modelar estos valores con distribuciones de probabilidad y frecuencias relativas. De esta forma, la demanda de los clientes, el nivel de desempeño del proveedor externo, y los tiempos de ciclo de producción se convierten en variables fuzzy, que son asociadas con distribuciones de probabilidad de una forma similar a las variables aleatorias.