producción Archivos - Página 4 de 4 - Gestión de Operaciones

Características de un Proceso Productivo Job Shop (Producción Tipo Taller)

Un sistema productivo es un conjunto de componentes cuyo fin es convertir insumos en productos. En este contexto la clasificación de procesos productivos permite ordenar el análisis y sugiere las prioridades competitivas que se deberán privilegiar. Una de dichas clasificaciones corresponde a los procesos productivos Job Shop el cual está orientado a trabajos tipo taller. El Job Shop es un proceso de transformación en el cual los productos siguen diferentes trayectorias y secuencias a través de los procesos y máquinas, las cuales se encuentran agrupadas por funciones. Una representación esquemática de un proceso tipo taller con rutas alternativas se muestra a continuación:

La producción artesanal de ropa realizado por una modista como también la fabricación de parte y repuestos para maquinaria que se realizan en maestranzas industriales son ejemplos clásicos de los procesos Job Shop.

Las características típicas de un proceso Job Shop son las siguientes:

Alta variedad de producto: La flexibilidad del proceso permite adaptarse a distintos tipos de necesidades de los clientes.

Bajo volumen de producción: A diferencia de un proceso productivo Flow Shop, en un Job Shop la producción es en volúmenes relativamente bajos dado que se enfrentan requerimientos heterogéneos por parte de los clientes.

Equipos y máquinas de propósito general: Esto permite ofrecer una alta variedad de producto. Por ejemplo, en una maestranza industrial se dispone de soldadoras, tornos, fresadoras, herramientas, etc, que permiten atender distintos tipos de pedidos de los clientes. Dado su propósito general en caso de cierre del negocio, las barreras a la salida son más bajas (en comparación a un proceso tipo Flow Shop).

Operadores ampliamente capacitados: De modo de mantener un proceso productivo flexible que se adapte a las necesidades de los clientes, se requiere de trabajadores altamente capacitados, de modo que puedan abordar las distintas necesidades de producción.

Muchas instrucciones de trabajo: Un proceso Job Shop suele no ser repetitivo en contraste a un proceso Flow Shop que es estandarizado y donde las instrucciones de trabajo son escasas.

Alto valor de la materia prima relativa al valor del producto: Como también un inventario de producto en proceso (WIP) relativamente alto en relación al output o salida.

Flujo lento de productos: Básicamente por la necesidad de disponer de un proceso flexible.

Make to Order: Equivalente a producción a pedido donde los productos se procesas una vez que el cliente ha planteado su requerimiento. De esta forma se busca generar una oferta personalizada. No obstante para mitigar las implicancias que tiene en la rapidez de respuesta esta situación, es frecuente observar actualmente la proliferación de procesos híbridos donde se produce contra stock aquello que suele ser estándar en el producto y se termina a pedido los elementos que son más heterogéneos en cuanto a los requerimientos. De esta forma se busca rescatar la flexibilidad de un proceso Job Shop con la rapidez de respuesta que tiene un proceso Flow Shop.

Expansión de capacidad flexible: Es relativamente sencillo agregar nuevas máquinas o substituir las que se utilizan actualmente en el proceso productivo.

Programación compleja: La programación de la producción de un proceso Job Shop se caracteriza por ser compleja (en parte por las características detalladas anteriormente). En términos computacionales dicha programación de trabajos se suele considerar NP-Hard.

Estimación del Costo de Producción de un Producto bajo Control de Calidad

Estimar de forma correcta los costos de producción es vital al momento de la fijación de precios dado que de esto dependerá si se logra cubrir los costos fijos y variables asociados al Proceso Productivo, como también por cierto el cumplimiento de determinadas expectativas de rentabilidad. Dicho proceso de estimación es más complejo cuando en la fabricación de los productos se incurre en unidades defectuosas que requieren reproceso y/o simplemente son descartadas en el contexto de un control de calidad.

Consideremos por ejemplo un restaurant que tiene como política comercial generar un margen de comercialización de un 32%. Cada cliente paga $10.000 y el costo por cliente es de $6.800. Adicionalmente el 5% de los clientes se retira del restaurant sin pagar la cuenta.

¿Cuál es el margen de comercialización real?. Si atendimos 100 clientes el costo es de $680.000, no obstante dicho costo debe ser asumido por 95 clientes (dado que 5 de cada 100 clientes no paga), por tanto el costo de atender a cada uno de ellos es de $680.000/95=$7.157,89. En consecuencia el margen real es de $10.000-$7.157,89=$2.842,11, es decir, un 28,42%.

Un ejemplo con mayor detalle se presenta a continuación. Una empresa fabrica 2 productos (A y B). Cada uno de ellos requiere un pack de insumos correspondiente a la manufactura inicial de $2.00. Luego el producto se somete a un primer Test (con un costo de $0.50) donde el 10% es descartado, el 60% pasa a un ajuste de terminaciones (con un costo de $1.50) para terminar como Producto A y el 30% restante a un segundo Test (con costo de $0.20). Para aquellos productos que pasan al segundo Test, el 10% de ellos es descartado y el 90% requiere ajustes de terminaciones por un valor de $2.00 con lo cual se completa una unidad del Producto B. El diagrama de proceso a continuación representa dicha situación:

¿Cuántos packs de insumos deben ingresar al sistema si nuestra meta es obtener 1.620 productos de tipo B?
¿Cuánto cuesta producir exactamente 600 unidades de A y 540 unidades de B?
En la situación 2), ¿cuál es el costo real (costo ajustado) por unidad del producto A?

Pregunta 1: X*0,3*0,9=1.620. Despejando X se obtiene X=6.000, es decir se requieren 6.000 packs de insumos para fabricar 1.620 unidades del producto B.

Pregunta 2: Se requiere comenzar con 2.000 packs de insumos: 2.000=540/(0.9*0.3). El costo total es:

Pregunta 3: De los 2.000 packs de insumo, sólo 600 van ser usados para hacer el producto A, lo que representa el 30%. Entonces el costo real es $11.66 ($11.66=$3.50*(100/30)).

Problema de Corte Ensamblado y Producción de Sillas resuelto con Solver

Una empresa de Rústicos “El Viejo Baúl” fabrica entre muchos otros productos tres tipos de sillas A, B y C, las cuales se venden a precio de 11, 13 y 12 dólares cada una y respectivamente. Las sillas pasan por tres procesos, Corte, Ensamblado y Pintado, para lo cual se dispone máximo de 17, 13 y 15 horas respectivamente a la semana para dedicar a estas operaciones a estos productos. La silla tipo A requiere 3 horas para corte, 1 hora para ensamblado y 3 horas para pintura. La silla tipo B requiere 1 hora para corte, 4 horas para ensamblado y 3 horas para pintura. Y finalmente la silla tipo C, requiere de 5 horas para corte, 2 para ensamblado y 2 horas para pintura. De acuerdo a la anterior información:

a. Resuelva el problema con variables continuas y señale los resultados para cada variable.

Variables de Decisión: Se estable el nivel de producción semanal para cada una de las variedades de silla según se detalla a continuación:

Función Objetivo: Maximizar los ingresos semanales asociados a la producción y venta de las sillas.

Restricciones: En los procesos de corte, ensamblado y pintura se debe respetar la disponibilidad de horas semanales. Adicionalmente se deben satisfacer las condiciones de no negatividad.

La implementación computacional del problema anterior con Solver de Excel permite alcanzar los siguientes resultados:

Donde la solución óptima es A=1,914286, B=1,828571 y C=1,885714 con valor óptimo V(P)=67,45714.

b. Modifique las condiciones de las variables y elíjalas enteras (integer) y observe el cambio entre la respuesta del punto a y esta nueva hallada.

Al definir las variables de decisión enteras estamos frente a un modelo de Programación Entera (siendo el escenario inicial un problema de Programación Lineal). Los resultados son:

La solución óptima es A=1, B=2 y C=2 con valor óptimo V(PE)=61.

c. Concluya qué sucedió entre variables continuas y variables enteras.

Es importante observar que el dominio de soluciones factibles del problema entero (parte b) es un subconjunto del dominio de soluciones factibles del problema lineal (parte a). Por tanto es natural que al no obtener una solución con valores enteros para las variables de decisión en el problema inicial, el valor óptimo necesariamente disminuirá en la variante entera de dicho problema de maximización (V(PE)<V(P)). También se puede destacar que la solución entera no necesariamente se alcanza al aproximar los resultados fraccionarios de una solución de un problema lineal al entero inferior o superior más cercano. En consecuencia, para abordar de forma eficiente la resolución de un modelo que considere valores enteros para las variables de decisión requiere de una alternativa algorítmica específica como por ejemplo el Método Branch and Bound.

A continuación encontrarás un enlace de descarga del archivo Excel utilizado para la resolución del problema de corte, ensamblado y producción de sillas. En el archivo se incluyen 2 hojas que corresponden a la parte a) y b) del problema propuesto. Produccion de Sillas.

Problema de Producción e Inventario resuelto con Solver de Excel

La Programación Lineal nos permite abordar distintos problemas de naturaleza real algunos de los cuales ya hemos tratado en artículos anteriores como el Problema de Transporte, el Problema de Mezcla de Productos y el Problema de la Dieta.

En el siguiente artículo analizaremos otra aplicación clásica conocida como el Problema de Producción e Inventario cuyas extensiones y variantes se pueden consultar adicionalmente en la categoría del Plan Maestro de la Producción.

El Problema de Producción e Inventario consiste básicamente en determinar una política de producción en el tiempo que permita satisfacer ciertos requerimientos de demanda, respetando las limitantes de producción y a un costo mínimo.

Este tipo de modelos se puede extender para varios productos, sin embargo, en esta oportunidad consideraremos un solo producto para su ilustración.

En este contexto, consideremos los siguientes antecedentes de producción que se presentan a continuación:

Luego, definimos el siguiente modelo de optimización lineal:

Supuesto: se dispone de un inventario inicial de 50 unidades, es decir, I0=50.

1. Variables de Decisión:

Xt: Unidades a producir en el mes t (t=1,..,6 con t=1 => Enero; t=6 => Junio)
It: Unidades a almacenar en inventario al final del mes t (t=1,..,6 con t=1 => Enero; t=6 => Junio)

2. Función Objetivo: Minimizar los costos de producción (destacados con color azul) y costos de inventario (destacados con color rojo) durante el período de planificación definido por:

60X1 + 60X2 + 55X3 + 55X4 + 50X5 + 50X6 + 15I1 + 15I2 + 20I3 + 20I4 + 20I5 + 20I6

De forma compacta (parametrica) se puede representar la función objetivo como:

$Minimizar\sum_{t=1}^{6}[C_{t}\cdot X_{t}+H_{t}\cdot I_{t}]$

Donde $C_{t}$ es el costo unitario de producción en el mes t (por ejemplo $C_{1}=60$ ) y $H_{t}$ es el costo unitario de almacenar unidades en inventario durante el mes t (por ejemplo $H_{1}=15$ )

3. Restricciones:

a) Satisfacer los requerimientos de demanda (conocida como restricción de Balance de Inventario).

Por ejemplo, el inventario disponible al final del mes de Enero será el resultado de la producción del mismo mes, más el inventario inicial (que se asume un dato, en este caso 50 unidades) menos la demanda satisfecha durante el mes de Enero.

X1 + 50 – I1 = 100 (Enero)
X2 + I1 – I2 = 130 (Febrero)
X3 + I2 – I3 = 160 (Marzo)
X4 + I3 – I4 = 160 (Abril)
X5 + I4 – I5 = 140 (Mayo)
X6 + I5 – I6 = 140 (Junio)

Notar que la restricción se Balance de Inventario impuesta para un producto se puede generalizar como: $X_{t}+I_{t-1}-I_{t}=d_{t}$ , donde $d_{t}$ representa la demanda estimada (parámetro) para el mes t.

b) Respetar la capacidad máxima de producción mensual (oferta).

Se establece que la oferta o producción máxima mensual no puede superar la capacidad de producción.

X1<=120 X2<=120 X3<=150 X4<=150 X5<=150 X6<=150

O simplemente $X_{t}\leq O_{t}$ donde $O_{t}$ es la capacidad de producción máxima del mes t (parámetro).

c) Condiciones de no negatividad.

De forma natural y dada nuestra definición cada variable de decisión debe ser no negativa.

Xt >= 0 It >= 0 Para todo t

El siguiente tutorial muestra cómo implementar este Modelo de Producción e Inventario correspondiente a la Programación Lineal en Solver de Excel:

La solución óptima se muestra a continuación con un valor óptimo de $43.450. Se puede apreciar que se producen en total 780 unidades entre Enero y Junio las cuales junto al inventario inicial de 50 unidades permiten satisfacer los requerimientos de demanda mensualmente.

¿Quieres tener el archivo Excel con la resolución en Solver de este problema?.

[sociallocker]

MUCHAS GRACIAS!. DESCARGA AQUÍ EL ARCHIVO

[/sociallocker]