REDUCCIÓN DE LOS COSTOS ASOCIADOS A LA PRODUCCIÓN MEDIANTE SIMULACIÓN MONTE CARLO Y PLANEACIÓN AGREGADA (TREDUCTION OF COSTS ASSOCIATED WITH PRODUCTION THROUGH MONTE CARLO SIMULATION AND AGGREGATE PLANNING)
Resumen
En cualquier empresa es fundamental tener un buen control de su producción. Las empresas constantemente se ven afectadas en la demanda, originado por los factores estacionales que sufre a lo largo del año. Estas afectaciones se originan por problemas que no se habían supuesto, debido a que la demanda es una variable aleatoria que no se tiene control de ella, por esta razón se podría llegar a tomar una mala decisión en la administración de la producción al no considerar la aleatoriedad que existe en la demanda. Para la administración de la producción una de las mejores herramientas es la aplicación de la planeación agregada para reducir los costos asociados a la administración de la producción. En este trabajo se analizaron las estrategias de planificación agregada bajo un enfoque de simulación Monte Carlo para reducir costos de producción. Se obtuvo mediante el método de simulación que género soluciones para las distintas estrategias de la planeación agregada mediante un modelo orientado a la reducción de costos de producción considerando las variables como fuerza laboral, niveles de inventario, horas extras y subcontratación para satisfacer diferentes patrones de la demanda.
Palabras clave: Demanda, Planeación agregada, Simulación Monte Carlo
Abstract
In any company it is essential to have good control of its production. Companies are constantly affected by demand, caused by seasonal factors that suffer throughout the year. These affectations originate from problems that are not random assumption, because demand is a variable that is not controlled by it, for this reason, a bad decision could be made in the production management decision by not considering the randomness that exists in demand. For production management, one of the best tools is the application of aggregate planning to reduce the costs associated with production management. In this work aggregate planning strategies were analyzed under a Monte Carlo simulation approach to reduce production costs. It was obtained through the simulation method that generated solutions for the different strategies of aggregate planning a model aimed at reducing production costs considering variables such as workforce, inventory levels, overtime and subcontracting to satisfy different demand patterns.
Keywords: Demand, Aggregate Planning, Monte Carlo Simulation.
Texto completo:
560-573 PDFReferencias
Aboozar, J., Jian-Bo, Y., Dong-Ling, X., Ardalan, F., & Gholamreza, J. (2019). Evaluating the performance of aggregate production planning strategies under uncertainty in soft drink industry. Journal of Manufacturing Systems, 50. doi:10.1016/j.jmsy.2018.12.009
Ata, M. Y. (2007). A convergence criterion for the Monte Carlo estimates. Simulation Modelling Practice and Theory, 15, 237–246. doi:10.1016/j.simpat.2006.12.002
Babak Rasmi, S. A., Kazan, C., & Turkay, M. (2019). A multi-criteria decision analysis to include environmental, social and cultural issues in the sustainable aggregate production plans. Computers & Industrial Engineering, 132, 348-360. doi:10.1016/j.cie.2019.04.036
Chang, P. C. (2017). A simulation analysis of the impact of finite buffer storage on manufacturing system reliability. Simulation Modelling Practice and Theory, 70, 149–158. doi:10.1016/j.simpat.2016.10.006
Chase, R. B., Jacobs, F. R., & Aquilano, N. J. (2006). Administración de operaciones, producción y cadena de suministros (Duodécima ed.). México: McGraw-Hill.
García Dunna, E., García Reyes, H., & Cárdenas Barrón, L. E. (2013). Simulación y análisis de sistemas con ProModel (Segunda ed.). México: Pearson.
Jang, J., & Chung, B. D. (2020). Aggregate production planning considering implementation error: A robust optimization approach using bi-level particle swarm optimization. Computers & Industrial Engineering, 142(2). doi:10.1016/j.cie.2020.106367
Render, B., Stair, R. M., & Hanna, M. E. (2012). Métodos cuantitativos para los negocios (Undécima ed.). México: Pearson Eduación.
Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, k. (2012). Probabilidad y estadística para ingenería y ciencias (Novena ed.). México: Pearson.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada. 
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx