TFG I 184 PDF

UNIVERSIDAD DE VALLADOLID
ESCUELA DE INGENIERIAS INDUSTRIALES
Grado en Ingeniería en Organización Industrial
Determinación de la Planificación
Agregada y Plan Maestro de Producción:
Aplicación de técnicas basadas en la
Simulación y la Optimización
Autor:
Gutiérrez Pascual, Luis
Tutor:
De Benito Martín, Juan José
Departamento de Organización
de Empresas y CIM
Valladolid, Septiembre 2014.

A mis padres.
i
ii
Agradecimientos
El presente trabajo ha sido realizado en el Departamento de

Organización de Empresas y Comercialización e Investigación de
Mercados de la Escuela de Ingenierías Industriales de la
Universidad de Valladolid.
Quiero expresar mi agradecimiento a mi tutor D. Juan José de

Benito Martín por su apoyo y dedicación para la elaboración y buen
fin de este trabajo. Así mismo, hago extensivo este agradecimiento
a todos los profesores que han contribuido en mi formación.
Y en especial, quiero agradecer a mi familia y a mis amigos su

inestimable apoyo y comprensión en todo momento.
iii
iv
Resumen
Este trabajo se centra en dos aspectos fundamentales de la

planificación, programación y control de la producción: la
Planificación Agregada y el Plan Maestro de Producción.
El objetivo principal del trabajo es la determinación de estos

planes productivos empleando las técnicas de simulación y
optimización.
Para ello, se hará uso del programa de software de simulación de

eventos discretos WITNESS, así como de su módulo de
optimización.
Palabras clave
Planificación, programación, producción, simulación, optimización.
v
vi
Índice
Introducción ....................................................................................................... 3
La Dirección de Operaciones ............................................................................ 3
Antecedentes y motivación................................................................................ 5
Objetivo del Trabajo ........................................................................................... 6
Estructura de la memoria .................................................................................. 7
1. Planificación, programación y control de las operaciones ....................... 11

1.1. El subsistema de operaciones ............................................................. 11
1.2. Planificación empresarial y planificación de operaciones ................. 13
1.3. Enfoque jerárquico del proceso de planificación y control de la
producción ........................................................................................................ 14
1.4. Planificación y control de inventarios .................................................. 18
1.4.1. Razones que justifican la existencia de inventarios ................... 19
1.4.2. Consecuencias sobre la liquidez y la rentabilidad ...................... 20
1.4.3. Tamaño de lote .............................................................................. 20
1.4.4. Tiempo de suministro .................................................................... 21
1.5. Las previsiones de demanda ............................................................... 22
1.6. Planificación y control de la capacidad ............................................... 24
1.6.1. Conceptos básicos ......................................................................... 24
1.6.2. Determinación de las necesidades de capacidad....................... 26
1.6.3. Medidas de ajuste transitorio para la capacidad disponible...... 26
2. Planificación Agregada y Plan Maestro de Producción............................. 31

2.1. Plan Agregado de Producción (PAP) .................................................... 31
2.1.1. La Planificación Agregada y sus funciones .................................. 31
2.1.2. Posibilidades de actuación y factores a considerar .................... 32
2.1.3. El proceso de Planificación Agregada .......................................... 35
2.1.4. Técnicas para la Planificación Agregada...................................... 36
2.1.5. Método de prueba y error (Ejemplo) ............................................. 37
2.2. Programa Maestro de Producción (PMP) ............................................ 49
2.2.1. La Programación Maestra y sus funciones .................................. 49
vii
2.2.2. Proceso de obtención de un PMP factible ................................... 49
2.2.3. Desagregación del Plan Agregado y obtención del PMP propuesto
51
2.2.4. Obtención del PMP propuesto (Ejemplo) ..................................... 52
2.2.5. Planificación Aproximada de Capacidad ...................................... 60
2.2.6. Por qué es necesaria la Programación Maestra.......................... 61
2.3. Programación de Materiales (MRP) ..................................................... 61
3. Técnicas de resolución.............................................................................. 65
3.1. Simulación ............................................................................................. 65
3.1.1. ¿Qué es la simulación? ................................................................. 65
3.1.2. Ventajas e inconvenientes ............................................................ 66
3.1.3. El sistema ....................................................................................... 67
3.1.4. Los límites del sistema .................................................................. 69
3.1.5. El modelo de simulación ............................................................... 69
3.1.6. Construcción de un modelo .......................................................... 70
3.1.7. Elementos de un modelo .............................................................. 71
3.1.8. Pasos de la simulación .................................................................. 72
3.1.9. Software de simulación ................................................................. 75
3.2. Optimización .......................................................................................... 77
3.2.1. La programación lineal .................................................................. 77
3.2.2. Conceptos básicos ......................................................................... 77
3.2.3. Resolución de un problema de programación lineal................... 79
3.2.4. Aplicación en la Planificación Agregada ....................................... 81
3.2.5. Consideraciones finales ................................................................ 84
3.3. Métodos heurísticos.............................................................................. 85
3.3.1. Métodos metaheurísticos y características ................................. 85
3.3.2. Tipos de métodos metaheurísticos .............................................. 86
4. WITNESS .................................................................................................... 91
4.1. Características generales ..................................................................... 91
4.2. Construcción de un modelo.................................................................. 92
4.3. Elementos de modelización ................................................................. 93
4.3.1. Elementos de procesos discretos ................................................. 94
viii
4.3.2. Elementos de procesos continuos................................................ 95
4.3.3. Elementos lógicos y módulos ........................................................ 96
4.3.4. Elementos gráficos e informes ..................................................... 97
4.3.5. Elementos especiales .................................................................... 98
4.4. Reglas, expresiones y acciones ........................................................... 98
4.5. Reloj de la simulación ......................................................................... 101
4.6. Módulo de optimización...................................................................... 102
4.6.1. Procedimiento a seguir ................................................................ 103
4.6.2. Métodos disponibles ................................................................... 110
5. Modelo de simulación ............................................................................. 117

5.1. Desarrollo del modelo ......................................................................... 117
5.1.1. Configuración inicial .................................................................... 119
5.1.2. Elementos definidos .................................................................... 121
5.1.3. Datos de entrada ......................................................................... 125
5.1.4. Acciones de Inicialización y otras ............................................... 128
5.1.5. Funciones ..................................................................................... 130
5.1.6. Control del tiempo ....................................................................... 133
5.1.7. Cálculo de la planificación .......................................................... 135
5.1.8. Representación gráfica ............................................................... 151
5.2. Validación del modelo......................................................................... 153
5.3. Experimentación y análisis de resultados ......................................... 156
6. Modelo de optimización .......................................................................... 161

6.1. Desarrollo del modelo ......................................................................... 161
6.1.1. Modelo .......................................................................................... 161
6.1.2. Parámetros ................................................................................... 164
6.1.3. Variables ....................................................................................... 164
6.1.4. Restricciones ................................................................................ 166
6.1.5. Función objetivo ........................................................................... 167
6.1.6. Solución ........................................................................................ 168
6.2. Validación del modelo......................................................................... 172
6.3. Experimentación y análisis de resultados ......................................... 177
ix
7. Estudio económico .................................................................................. 183
7.1. Planificación temporal. Fases del proyecto....................................... 183
7.2. Coste del proyecto............................................................................... 184
7.2.1. Costes directos............................................................................. 185
7.2.2. Costes indirectos ......................................................................... 187
7.2.3. Coste total .................................................................................... 187
7.3. Precio de venta.................................................................................... 188
Conclusiones y líneas futuras ........................................................................ 191

Conclusiones .................................................................................................. 191
Líneas futuras de trabajo .............................................................................. 193
Opinión personal ............................................................................................ 195
Bibliografía ..................................................................................................... 199
x
Índice de Figuras
Figura 0.1: Sistema productivo. ............................................................................. 3

Figura 1.1: El subsistema de operaciones. ......................................................... 12
Figura 1.2: Correspondencia entre la planificación y el control en el conjunto
de la empresa y en el subsistema de producción. ............................................. 13
Figura 1.3: Sistema jerárquico de planificación y control de la producción. .... 16
Figura 1.4: Proceso de planificación y control de la producción. ...................... 18
Figura 1.5: Costes unitarios en función del tamaño de lote.............................. 22
Figura 1.6: Niveles de planificación de la capacidad......................................... 25
Figura 2.1: Fases en la determinación del Plan Agregado de Producción. ...... 35
Figura 2.2: Proceso de Programación Maestra. ................................................. 50
Figura 3.1: Formas de estudiar un sistema ........................................................ 68
Figura 3.2: Construcción de un modelo. ............................................................. 71
Figura 3.3: Verificación y validación del modelo de simulación. ....................... 74
Figura 3.4: Problema genérico de programación lineal. .................................... 79
Figura 4.1: Logotipo de WITNESS y versión utilizada ......................................... 92
Figura 4.2: Uno de los modelos de ejemplo incluido en WITNESS ................... 93
Figura 4.3: Lista de elementos con sus iconos. ................................................. 94
Figura 4.4: Sistema de ayuda de WITNESS. ..................................................... 100
Figura 4.5: Cuadro de optimización del modelo............................................... 102
Figura 4.6: Cuadro para añadir variables. ........................................................ 104
Figura 4.7: Cuadro para añadir restricciones. .................................................. 105
Figura 4.8: Cuadro de control de números aleatorios. ....................................106
Figura 4.9: Cuadro de análisis de variabilidad. ................................................ 107
Figura 4.10: Cuadro de optimización del modelo (Tracking)........................... 108
Figura 4.11: Cuadro de ejecución de la optimización......................................109
Figura 4.12: Cuadro de configuración del método Hill Climb. ........................ 111
Figura 4.13: Cuadro de configuración del método Random Solutions. ......... 111
Figura 4.14: Cuadro de configuración del método Adaptive Th. SA. .............. 112
xi
Figura 4.15: Cuadro de configuración del método Six Sigma. ........................ 113
Figura 5.1: Vista general del modelo de simulación. ....................................... 118
Figura 5.2: Configuración del reloj (General). ................................................... 119
Figura 5.3: Configuración del reloj (Períodos de trabajo). ............................... 120
Figura 5.4: Configuración del reloj (Días festivos). ........................................... 120
Figura 5.5: Hoja de Excel de datos de entrada. ............................................... 127
Figura 5.6: Selección de la estrategia ............................................................... 129
Figura 5.7: Configuración general de la entidad PiezaMes. ............................ 134
Figura 5.8: Configuración general de la máquina ControlTiempo................... 135
Figura 5.9: Representación gráfica del modelo. .............................................. 151
Figura 5.10: Plan de necesidades obtenido. .................................................... 153
Figura 5.11: Planificación Agregada con la estrategia de caza. ..................... 154
Figura 5.12: Planificación Agregada con la estrategia de nivelación. ............ 154
Figura 5.13: Planificación Agregada con la estrategia mixta. ......................... 154
Figura 5.14: Programa Maestro de Producción para el producto 1. .............. 155
Figura 5.17: Experimentación con la estrategia de caza................................. 156
Figura 5.18: Experimentación con la estrategia de nivelación. ...................... 157
Figura 6.1: Vista general del modelo de optimización. ....................................162
Figura 6.2: Configuración de la entidad Mes. ................................................... 163
Figura 6.3: Variables añadidas en WITNESS Experimenter. ........................... 165
Figura 6.4: Restricciones añadidas en WITNESS Experimenter. .................... 166
Figura 6.5: Datos de los mejores resultados obtenidos. .................................169
Figura 6.6: Gráfico de los mejores resultados obtenidos. ............................... 170
Figura 6.7: Análisis de las variables. .................................................................170
Figura 6.8: Validación del modelo con Xpress.................................................. 172
Figura 7.1: Estudio económico del proyecto..................................................... 183
Figura 7.2: Diagrama circular del estudio económico .....................................188
xii
Índice de Tablas
Tabla 1.1: Objetivos de la planificación y programación de la producción. ..... 14

Tabla 1.2: Tipos de costes relacionados con los inventarios. ........................... 21
Tabla 2.1: Tipos de costes en la Planificación Agregada. .................................. 34
Tabla 2.2: Ejemplo PAP. Previsión de ventas a largo plazo y días de trabajo. . 37
Tabla 2.3: Ejemplo PAP. Datos para el cálculo de necesidades. ...................... 37
Tabla 2.4: Ejemplo PAP. Datos para el cálculo de la capacidad. ...................... 37
Tabla 2.5: Ejemplo PAP. Datos para el cálculo de costes.................................. 38
Tabla 2.6: Ejemplo PAP. Plan de Necesidades. .................................................. 39
Tabla 2.7: Ejemplo PAP. Estrategia de caza. ...................................................... 44
Tabla 2.8: Ejemplo PAP. Estrategia de nivelación. ............................................. 46
Tabla 2.9: Ejemplo PAP. Estrategia mixta. .......................................................... 48
Tabla 2.10: Ejemplo PMP. Plan Agregado........................................................... 52
Tabla 2.11: Ejemplo PMP. Datos de los productos. ........................................... 53
Tabla 2.12: Ejemplo PMP. Plan Agregado por producto. ................................... 53
Tabla 2.13: Ejemplo PMP. PMP inicial de los tres productos. ........................... 54
Tabla 2.14: Ejemplo PMP. Previsiones a medio plazo desagregadas. ............. 55
Tabla 2.15: Ejemplo PMP. Pedidos pendientes y comprometidos en enero.... 55
Tabla 2.16: Ejemplo PMP. Previsión a corto plazo y pedidos comprometidos. 55
Tabla 2.17: Ejemplo PMP. PMP modificado del producto 1. ............................. 57
Tabla 3.1: Ventajas de la simulación. ................................................................. 66
Tabla 3.2: Inconvenientes de la simulación. ...................................................... 67
Tabla 3.3: Ciclo PDCA. .......................................................................................... 71
Tabla 3.4: Elementos de un modelo ................................................................... 72
Tabla 3.5: Métodos metaheurísticos. .................................................................. 86
Tabla 5.1: Elementos del módulo de Inicio. ...................................................... 122
xiii
Tabla 5.2: Elementos del módulo del Plan de Necesidades. .......................... 122
Tabla 5.3: Elementos del módulo del Plan Agregado de Producción. ............ 124
Tabla 5.4: Elementos del módulo del Programa Maestro de Producción. .....125
Tabla 5.5: Elementos del módulo Otros. ........................................................... 125
Tabla 6.1: Elementos definidos en el modelo de optimización. ...................... 163
Tabla 6.2: Valores de las variables para la mejor solución encontrada. ........ 171
Tabla 6.3: Valores de las variables para la solución óptima. .......................... 176
Tabla 6.4: Resultado de la optimización del ejemplo con Xpress................... 180
Tabla 7.1: Diagrama de Gantt del TFG. ............................................................. 184
Tabla 7.2: Costes de personal. .......................................................................... 185
Tabla 7.3: Costes de materiales. ....................................................................... 186
Tabla 7.4: Costes indirectos. ............................................................................. 187
Tabla 7.5: Coste total del proyecto. ...................................................................187
Tabla 7.6: Resumen del estudio económico .................................................... 188
xiv
Introducción
Introducción
La Dirección de Operaciones
La dirección de operaciones o de producción es el proceso que combina y

transforma los recursos utilizados en el subsistema de operaciones de una
organización en productos y servicios con valor añadido, de una manera
controlada siguiendo las políticas de esa organización (Kumar & Suresh,
2008).
En un sentido amplio, la dirección de operaciones está relacionada con la

producción de bienes y servicios. En un principio, fue desarrollada en
empresas productivas. Sin embargo, actualmente se utiliza tanto en
empresas de fabricación como de servicios ya que ambas se enfrentan a
dificultades similares (Tersine, 1985).
A primera vista, puede parecer que las operaciones de una empresa de

servicios tienen muy poco en común con las de una empresa de fabricación.
Sin embargo, ambas se pueden ver como procesos de transformación en los
que unas determinadas entradas (materias primas, energía, mano de obra y
capital) se transforman en bienes terminados o servicios (ver Figura 0.1).
Dirección de Operaciones
ENTRADAS SALIDAS
Energía
Materiales
Mano de obra Proceso de Bienes o servicios
Transformación
Capital
Información
Información
exterior
Información de realimentación
para el control de las entradas
y la tecnología del proceso
Tersine (1985)
Figura 0.1: Sistema productivo.
3
Introducción
En cualquier tipo de organización, la tarea del director de operaciones es

dirigir estos procesos de una forma eficiente y efectiva. El término eficiencia
significa hacer algo al costo más bajo posible, es decir, utilizando la menor
cantidad posible de recursos. Por otro lado, la eficacia significa hacer lo
correcto para crear el máximo valor posible para la compañía (Chase, Jacobs,
& Aquilano, 2009).
Hay cuatro factores que miden la efectividad de la función de operaciones: el

coste, la calidad, las entregas y la flexibilidad o servicio (Buffa & Sarin, 1987).
Los directores de operaciones son los responsables de la producción de

bienes y servicios en las organizaciones. Toman decisiones sobre la función
de operaciones y los sistemas de transformación utilizados (Schroeder,
1993).
 Toda organización cuenta con una función de operaciones ya que

tienen que producir algún tipo de producto o servicio. Sin embargo, no
en todas se llama de la misma forma (Slack, Chambers, & Johnston,
2010). En las empresas de fabricación se suele llamar departamento
de fabricación, producción u operaciones. En cambio, en las empresas
de servicios puede llamarse departamento de operaciones o bien
puede tener una denominación particular relacionada con la propia
empresa.
En general, el término de operaciones se emplea para referirse a la
función que produce bienes y servicios en cualquier organización. Al
tratar la dirección de operaciones como un área funcional dentro de la
organización, se pone al nivel de otras como las finanzas o el
marketing.
 La toma de decisiones es un elemento muy importante en la dirección

de operaciones. En cualquier organización, la función de operaciones
tiene que tomar decisiones relativas a la calidad, el proceso, la
capacidad, el inventario y el personal.
Dentro de la dirección de operaciones, hay una parte dedicada a la

planificación, programación y control de la producción (sobre la que trata el
primer y el segundo capítulo de este Trabajo).
La planificación y programación de la producción es un proceso de toma de

decisiones empleado regularmente tanto en empresas de fabricación como
de servicios. Las funciones de planificación y programación en una empresa
hacen uso de técnicas matemáticas y heurísticas para asignar recursos
limitados a las actividades que se tienen que realizar, de manera que la
empresa optimice sus objetivos y alcance sus metas (Pinedo, 2005).
4
Introducción
Antecedentes y motivación
La dirección de operaciones existe desde que se producen bienes y servicios.

Se puede considerar que el origen de las operaciones está en las antiguas
civilizaciones, pero resulta más interesante analizar su desarrollo en los
últimos 200 años. En este período, se ha producido un avance muy
significativo en este campo.
En Schroeder (1993) se habla de siete áreas en las que se han producido

importantes contribuciones en la dirección de operaciones: la división del
trabajo, la estandarización de piezas, la Revolución Industrial, el estudio
científico del trabajo, las relaciones humanas, los modelos de decisión y el
uso de los ordenadores.
En las últimas décadas del siglo XX (desde finales de los años 70 y,

principalmente, en la década de los 80), volvió a surgir un gran interés por la
dirección de operaciones, tanto en las empresas como en las universidades.
Durante los años 60 (e incluso 70) pocos directivos de empresas occidentales

dieron la suficiente importancia al área productiva y a las decisiones que se
toman en ella (Domínguez Machuca, 1995). En la mayor parte de las
empresas occidentales no se mantenía un nivel de calidad suficiente, no
existía una correcta planificación y programación de las operaciones, la
producción se entregaba con retraso, etc. Esto provocó, entre otras cosas, un
aumento del personal de inspección y coordinación y un alto volumen de
inventarios.
En esa época, las empresas japonesas sí que supieron reconocer el papel

fundamental que tenía la dirección de operaciones en el cumplimiento de sus
objetivos. Fue necesaria una fuerte sacudida a nivel mundial para “despertar”
a las empresas occidentales y que cambiase su opinión sobre la función de
producción. Las empresas japonesas entraron con fuerza en los mercados
occidentales, incluyendo áreas productivas hasta entonces dominadas por
empresas europeas y americanas (como la automoción, el acero, la televisión
y la electrónica), lo que provocó una gran atención en los gobiernos de los
países afectados.
La mayor competitividad de las empresas japonesas no se basaba en una

mayor potencia comercial o en una mayor fuerza financiera, sino en que eran
capaces de producir de una forma más eficiente, fiable y precisa. La
diferencia estaba únicamente en el enfoque y los instrumentos empleados en
la dirección y gestión de la producción.
5
Introducción
El factor determinante que decantó la balanza competitiva fue la inversión en

dirección y gestión. Entre otras acciones, se mejoraron los sistemas
productivos y se desarrollaron nuevas técnicas de dirección, planificación y
control de operaciones. También se prestó una mayor atención al factor
humano y al trabajo en equipo.
El resultado fue que estas empresas alcanzaron una productividad y unos

niveles de calidad mucho mayores que las empresas occidentales.
Una mejor administración de las operaciones en una empresa puede

agregarle un valor sustancial, mejorando su competitividad y rentabilidad a
largo plazo. Es una disciplina con una gran importancia en la lucha por
mantenerse competitivo en un mercado mundial continuamente en cambio
(Gaither & Frazier, 2000).
En resumen, la función de operaciones es un instrumento competitivo

esencial y una de las bases más sólidas para obtener una ventaja competitiva
sostenida. Sin embargo, cuando esta es inadecuada puede conducir al
fracaso empresarial.
Objetivo del Trabajo
El presente Trabajo de Fin de Grado fue realizado durante el curso 2013/14

por D. Luis Gutiérrez Pascual, alumno del Grado en Ingeniería en Organización
Industrial de la Escuela de Ingenierías Industriales de la Universidad de
Valladolid, siendo su tutor D. Juan José de Benito Martín, perteneciente al
Departamento de Organización de Empresas y Comercialización e
Investigación de Mercados.
El título del Trabajo es “Determinación de la Planificación Agregada y Plan

Maestro de Producción: Aplicación de técnicas basadas en la Simulación y la
Optimización”.
El objetivo de este Trabajo es la utilización de las técnicas de simulación y

optimización en el cálculo del Plan Agregado y el Plan Maestro de Producción.
Para realizar esta tarea, se va a emplear un software de simulación de
eventos discretos llamado WITNESS, que a su vez cuenta con un módulo de
optimización.
6
Introducción
Estructura de la memoria
La memoria está estructurada en esta introducción, una serie de siete

capítulos, que incluyen un estudio económico del proyecto, y una última
sección de conclusiones.
 El primer capítulo es una introducción a la planificación empresarial y

de operaciones. En este capítulo se ven aspectos claves para el
Trabajo, como el enfoque jerárquico de la planificación y control de la
producción, así como otros conceptos relativos a la planificación de
inventarios y de capacidad.
 En el segundo capítulo, que continúa con lo visto en el primero, se

detalla la utilidad y el proceso de cálculo de la Planificación Agregada y
el Plan Maestro de Producción.
 En el capítulo tres, se describen las técnicas de resolución que se

utilizarán en este Trabajo: la simulación y la optimización.
 En el cuarto capítulo, se ven las características generales del programa

WITNESS y los elementos de modelización que tiene disponibles, junto
con otras opciones. Además, se describe el procedimiento a seguir al
utilizar el módulo de optimización y los métodos de optimización con
los que cuenta.
 El quinto capítulo está destinado a explicar detalladamente cómo se

ha desarrollado con WITNESS el modelo de simulación, así como su
validación y los resultados obtenidos en la experimentación.
 En el sexto capítulo trata sobre la construcción del modelo de

optimización. Al igual que en el capítulo anterior, se asegura que el
modelo es válido y se realizan diversos experimentos.
 En el capítulo siete, se realiza el estudio económico del proyecto. En él,

se analizan los costes que ha supuesto su realización y, a partir de
ellos, se calcula el precio de venta final.
 Por último, en el apartado de conclusiones, se hace un balance final

de los resultados obtenidos en este Trabajo y se analizan futuras
líneas de trabajo.
7
Introducción
8
Capítulo 1:
Planificación, programación y
control de las operaciones
1. Planificación, programación y control de las
operaciones
En este primer capítulo se va a introducir el proceso de planificación,

programación y control de la producción que se realiza en el subsistema de
operaciones de las empresas. Entre otras cosas, se explicará el enfoque
jerárquico de este proceso y la importancia de las previsiones de demanda,
así como algunos conceptos sobre planificación y control de inventarios y de
capacidad.
La planificación, programación y control de la producción es una herramienta

de la que dispone la administración de una empresa para lograr sus objetivos
de cantidad, calidad, coste y tiempo (Kumar & Suresh, 2008). Sirve para crear
una conexión entre la oferta y la demanda que asegure que las operaciones
se ejecutan de forma efectiva y eficiente, y para producir bienes y servicios tal
y como son requeridos por los clientes (Slack, Chambers, & Johnston, 2010).
1.1. El subsistema de operaciones
Como se ha adelantado en la Introducción, de forma general, las empresas

están compuertas por diferentes subsistemas: dirección y gestión, finanzas,
recursos humanos, comercial, operaciones, etc. El que nos interesa en este
trabajo es este último.
La función del subsistema de operaciones o de producción es la planificación,

la ejecución y el control de la producción. Planificar significa proyectar el
futuro deseado, los medios necesarios y las actividades a desarrollar para
conseguirlo (Domínguez Machuca, 1995). En la Figura 1.1 se pueden ver
cuáles son sus funciones y la relación que tiene con los otros subsistemas.
A largo plazo se debe definir la estrategia productiva, incluyendo los objetivos

y el diseño del subsistema. Para ello, hay que tomar una serie de decisiones
relacionadas entre sí que van a marcar la producción a medio y corto plazo.
Algunas de estas decisiones son:
 Qué se va a fabricar y mediante qué proceso.

 La capacidad a largo plazo y los equipos necesarios.
 La localización y la distribución en planta.
11
Capítulo 1
Por otra parte, las decisiones que se toman a medio y corto plazo están
encaminadas a:
 Concretar los objetivos.

 La planificación (decidir, respecto de los productos o servicios a
elaborar, las cantidades y momentos de tiempo para cumplir con los
objetivos).
 La programación (definir qué artículos hay que fabricar o comprar y en
qué momentos para satisfacer lo que se ha establecido para los
productos).
 La programación a muy corto plazo (establecer qué actividades deben
realizarse y en qué momentos).
 Tener en cuenta la capacidad disponible.
 La planificación, gestión y control de inventarios.
SUBSISTEMA DE OPERACIONES
Recursos Inform.
Nivel estratégico
RRHH
Diseño del Objetivos
Inform. subsistema
productivo Largo
Entorno
plazo Personal
Control
Planificación Inform.
Medio
Planificación y control de inventarios
de producción plazo Finanzas

y capacidad
Bienes y Corto
Nivel táctico y operativo
plazo Recursos
servicios Programación
de producción
y capacidad Muy
corto
plazo
Ejecución
Inform. Inform.
Inventario de Dirección
Comercial Inventarios de
productos y gestión
fabricación
terminados
Bienes y
servicios
Domínguez Machuca (1995)
Figura 1.1: El subsistema de operaciones.
12
Planificación, programación y control de la producción
1.2. Planificación empresarial y planificación de

operaciones
La planificación empresarial consta de varias etapas (ver Figura 1.2). La

primera es la planificación estratégica, en la que se fijan los objetivos,
estrategias, políticas globales y el plan de empresa a largo plazo
(generalmente de tres a cinco años). La Alta Dirección es la encargada de
realizar esta planificación, en la que se tratan problemas muy amplios.
La planificación operativa, en la que se concretan con un alto grado de detalle

los objetivos globales y planes estratégicos para cada área y subárea
funcional. También, se definen las actividades a realizar para cumplir los
objetivos y los planes a largo plazo. El horizonte temporal en este caso es
mucho más corto (dependiendo del caso puede ser de 18 meses, un año,
varias semanas, etc.) y las variables están más desagregadas. Además, suele
ser necesaria una planificación a muy corto plazo (semanas o días) en la que
se elabore un programa con las operaciones que hay que hacer en cada
unidad productiva.
Como nivel intermedio entre la planificación estratégica y la operativa está la

planificación táctica o de medio plazo, que tiene características comunes con
ambas y las conecta.
Proceso de planificación y control Sistema de planificación y control

en la empresa de producción
Objetivos estratégicos y
Planificación, gestión y control de la capacidad
Planificación Estratégica
plan de producción a LP
Plan de producción o
Planificación Táctica
Plan Agregado
Planes de producción
Planificación Operativa
operativos
Actividades de
Objetivos Ejecución
ejecución y control
relacionadas
Comparación
Gestión de Acciones de
talleres compras
Planificación Adaptativa
Figura 1.2: Correspondencia entre la planificación y el control en el

conjunto de la empresa y en el subsistema de producción.
13
Capítulo 1
Por último, también existe la planificación adaptativa, en la que se toman

medidas para corregir las divergencias entre los resultados obtenidos y los
objetivos que se habían marcado.
Los objetivos que se persiguen con la planificación y programación de la

producción se muestran en la Tabla 1.1.
 ¿Qué se va a producir?
Programación de
 ¿Cuándo debe producirse?
la producción
 ¿En lotes de qué tamaño?
Programación de
 ¿Cuándo se necesitan los diferentes recursos?
las compras de
 ¿Cuándo se deben hacer los pedidos?
materias primas
Programación de  ¿Cuáles son las necesidades de capacidad?

la capacidad  ¿Cuál es la capacidad disponible y cómo adaptarla
productiva a la necesaria?
Planificación de
 ¿Qué niveles de inventarios se deberían tener?
inventarios
Programación de
 ¿Qué actividades se realizarán en cada máquina y
las actividades de
cuándo?
las máquinas
Tabla 1.1: Objetivos de la planificación y programación de la producción.
1.3. Enfoque jerárquico del proceso de planificación y

control de la producción
Las actividades de planificación y control de la producción siguen un enfoque

jerárquico mediante el cual se coordinan los objetivos, planes y actividades
que se han establecido en los niveles estratégico, táctico y operativo. Cada
uno de estos niveles tendrá sus propios objetivos, pero deberá tener en
cuenta los del nivel superior (de los que dependen) y los del nivel inferior (a
los que limitan). Sin este enfoque sería prácticamente imposible conseguir
una dirección y gestión integrada en la empresa (Domínguez Machuca, 1995).
Dependiendo del tipo de empresa, la jerarquización del proceso de

planificación y control de la producción puede estructurarse de diversas
formas. En las empresas de fabricación suele haber cinco fases (ver Figura
1.3):
14
 Planificación estratégica o a largo plazo:

A partir de los objetivos estratégicos de la empresa, se definen el Plan
de Ventas (demanda que la empresa espera alcanzar para cumplir con
los objetivos), el Plan de Producción (cantidades agregadas de
productos a producir) y el Plan Financiero a largo plazo (necesidades
de recursos e ingresos previstos por ventas). En conjunto, estos tres
planes constituyen el Plan Estratégico o Plan de Empresa.
En este nivel, las actividades de planificación están relacionadas con

el desarrollo de nuevos productos o modificación de los productos
existentes, con las tecnologías y los procesos productivos, con las
necesidades de capacidad a largo plazo (modificación de las
instalaciones actuales o creación de nuevas instalaciones), etc.
 Planificación agregada, táctica o a medio plazo:

En esta etapa se establecen, en unidades agregadas (familias de
productos) y para períodos normalmente mensuales, las cantidades
que hay que producir, el nivel de inventarios, la mano de obra, etc.,
considerando la capacidad disponible de la empresa e intentando
cumplir el Plan a Largo Plazo con el menos coste posible.
Al finalizar esta etapa se establecen dos planes: el Plan Agregado de

Producción y el Plan Agregado de Capacidad. En este caso la
capacidad se considerará fija y solo se podrán tomar medidas de
ajuste transitorio para conseguir que la planificación sea factible.
 Programación maestra:
Este nivel tiene todavía un mayor grado de detalle, ya que las familias
se dividirán en productos concretos y los meses en semanas. El
resultado es el Plan Maestro de Producción. Como el nivel de
desagregación es mayor, habrá que volver a asegurar que el plan es
factible realizando un análisis aproximado de capacidad. Aunque la
capacidad disponible sea suficiente de forma agregada para períodos
mensuales, no quiere decir que no pueda haber desajustes
semanales.
Tanto en la planificación agregada como en la planificación maestra

deben considerarse las previsiones de demanda a medio y corto plazo,
respectivamente. En caso de que la empresa trabaje bajo pedido, las
previsiones pueden sustituirse por estos últimos.
15
Capítulo 1
Entorno
Objetivos estratégicos
Plan estratégico Planificación

estratégica o a
Plan financiero LP Plan producción LP Plan de ventas LP largo plazo
Planificación Estimaciones de
Agregada de la demanda:
Capacidad
Planificación
Largo plazo
agregada o a
Medio plazo medio plazo
Capacidad
Plan Agregado de Producción
existente Corto plazo
Planificación
Aproximada de la
Capacidad
Pedidos de clientes Programación
y otras fuentes de maestra de la
Capacidad Programa Maestro de Producción demanda producción
existente
Capacidad
Base de datos de
existente Procesos inventarios
Planificación
Detallada de la Estructuras de Programación
Programación de componentes
Capacidad productos componentes
Plan detallado de
Plan de materiales
capacidad
Gestión de talleres Acciones y compras Ejecución y

Control I/O
control
Programa de Ejecución
Informe de operaciones
producción detallado
Figura 1.3: Sistema jerárquico de planificación y control de la producción.
16
 Programación de componentes:
En esta etapa se obtiene el Plan de Materiales, llevando a cabo la
programación detallada de los componentes que forman parte de los
productos tanto en cantidades como en momentos de tiempo, y la
planificación detallada de capacidad que necesitan los mismos (para
cada centro de trabajo).
 Ejecución y control:
En esta última fase se ejecuta y controla el Plan de Materiales, aunque
también se realizan operaciones de programación a nivel muy
detallado. Para ello, se realiza la programación de operaciones en los
centros de trabajo, teniendo en cuenta las prioridades de fabricación, y
las acciones de compra de materias primas y componentes. Además,
se debe hacer un control detallado de la capacidad.
Estos niveles, como hemos visto, utilizan diferentes tipos de unidades:

 Componentes: partes de las que se componen los productos finales.
 Productos: bienes o servicios resultantes del proceso productivo que
serán distribuidos a los clientes.
 Familias: grupos de clientes, servicios o productos que tienen
requerimientos de demanda similares y requerimientos comunes de
procesos, fuerza de trabajo y materiales (Krajewski, Ritzman, &
Malhotra, 2013).
 Tipos: grupos de familias cuya demanda tiene la misma tendencia de
comportamiento, y cuyas cantidades de producción se determinan en
un solo Plan Agregado de Producción (Nahmias, 2007).
Estas fases, que deben realizarse en cualquier empresa de fabricación,

dependerán de las características propias de cada empresa. También deben
realizarse en las empresas de servicios, aunque generalmente su proceso
será más simple.
El enfoque jerárquico es condición necesaria, pero no suficiente, para

conseguir una dirección y gestión integrada en la empresa. Permite la
integración en sentido vertical (de lo global a lo concreto). Sin embargo, falta
tener en cuenta la integración en el otro sentido, el horizontal, entre todas las
áreas o departamentos de la empresa.
Como hemos visto, la planificación y programación de la producción se puede

dividir en distintos niveles en función del horizonte de planificación y del nivel
de detalle. En la Figura 1.4 se puede ver un resumen de todo ello. En cada
nivel hay que programar la producción, la capacidad y los inventarios.
17
Capítulo 1
Proceso de planificación y control de la producción

Planificación empresarial
Gestión de la capacidad
Ejecución y control Compra
s
Figura 1.4: Proceso de planificación y control de la producción.
1.4. Planificación y control de inventarios
Para cumplir con los objetivos de la planificación y control de la producción,

se debe realizar una correcta planificación de los materiales y los productos
finales. Los inventarios o stocks son cualquier recurso ocioso que es
almacenado a la espera de ser utilizado. Es decir, es el material que está
retenido dentro del proceso productivo.
Existen cuatro tipos de inventario: inventario de materias primas, inventario

de trabajo en proceso (Work in Progress, WIP), inventario para el
mantenimiento, reparación y operaciones (MRO) e inventario de productos
terminados (Heizer & Render, 2009).
El inventario de manufactura normalmente se clasifica en materia prima,

productos terminados, partes componentes, suministros y trabajo en proceso.
En cambio, en las empresas de servicios se refiere a los bienes tangibles a
vender y a los suministros necesarios (Chase, Jacobs, & Aquilano, 2009).
Por lo tanto, los inventarios están presentes en cualquier tipo de empresa,

tanto en las de producción como en las de servicios. En las primeras los
inventarios pueden llegar a representar una gran parte del activo.
18
1.4.1. Razones que justifican la existencia de inventarios
Los inventarios repercuten directamente en la rentabilidad de la empresa y en

el coste de los productos. Sin embargo, hay razones que justifican su
existencia y que los hacen necesarios para el buen funcionamiento de la
empresa. El objetivo buscado es funcionar con el menor nivel de inventarios
posible.
Las principales funciones de los inventarios y que los hacen útiles y

necesarios son las siguientes (Domínguez Machuca, 1995):
 La propia naturaleza del proceso productivo, que requiere que existan

productos en curso. Si las distintas fases del proceso productivo
estuviesen perfectamente sincronizadas, este inventario se podría
reducir al mínimo.
 Hacer frente a una demanda incierta. El stock permite absorber las
posibles variaciones de la demanda, que siempre tiene un cierto grado
de aleatoriedad.
 Evitar interrupciones en el proceso productivo. Se pueden producir
paradas por falta de suministros externos (retrasos en la entrega o
recepción de pedidos en cantidades menores a las solicitadas) o
internos (averías, problemas de calidad, baja productividad, etc.). El
stock de seguridad es aquel que se utiliza para evitar las rupturas de
stock (cuando existe la necesidad de un artículo concreto y este no se
encuentra disponible).
 Nivelar el flujo de producción. Como la demanda suele ser variable,
una opción es fabricar por encima de ella en épocas bajas y almacenar
el exceso de producción para aquellas épocas en las que la demanda
supera la capacidad disponible.
 Obtener ventajas económicas. En ocasiones, comprar o producir
cantidades superiores a las que van a utilizarse puede implicar alguna
ventaja económica (rebajas en el precio al aumentar el tamaño de los
pedidos, elevados costes de preparación de los equipos, etc.).
 Solucionar la falta de acoplamiento entre la producción y el consumo.
Esto ocurre, por ejemplo, cuando la producción se obtiene solo en un
período determinado mientras que el consumo es durante todo el año.
 Ahorro y especulación. Si se prevé una subida en el precio de un
recurso, se puede comprar con anterioridad (ahorro) o venderlo
después (especulación).
19
Capítulo 1
1.4.2. Consecuencias sobre la liquidez y la rentabilidad
Como hemos dicho, los inventarios llevan asociado un coste (ya que ocupan
espacio, están asegurados, tienen gastos de manipulación, existe un riesgo
de deterioro, son un activo que hay que financiar, etc.) y bajan la rentabilidad
ya que reducen los beneficios y aumentan los activos.
 Consecuencias sobre la liquidez.

Un incremento del nivel de inventarios penaliza la situación de liquidez
en relación con la cifra de beneficio obtenida. Esto se debe a que la
tesorería se calcula como la diferencia entre cobros y pagos mientras
que el beneficio es la diferencia entre ingresos y gastos. Por ello, los
inventarios de materias primas se imputan al beneficio cuando se
consumen los materiales y a la tesorería en el momento de la compra.
Es decir, que afecta a la tesorería inmediatamente, cuando los
materiales comprados todavía no han sido consumidos, por lo que
provoca una disminución en la tesorería mayor que en el beneficio.
 Consecuencias sobre la rentabilidad.

Una reducción de los stocks tiene un doble efecto sobre la rentabilidad
de la empresa, ya que influye positivamente sobre los dos
componentes que la determinan. Por un lado, aumenta la rentabilidad
que proporcionan los activos y, por otro, disminuye el volumen de
pagos por retribución del pasivo estable (Domínguez Machuca, 1995).
1.4.3. Tamaño de lote
En la producción por lotes los productos y los componentes se producen

intermitentemente, pasando al almacén a la espera de ser consumidos. La
cantidad producida de un producto desde que se preparan los equipos hasta
que finaliza la producción se llama lote.
El tamaño de los lotes dependerá principalmente de los costes de emisión y

de posesión. Los costes más importantes en la gestión de inventarios se
muestran en la Tabla 1.2.
Los lotes grandes aumentarán el nivel de inventario y, consecuentemente, los

costes de posesión. Sin embargo, implicarán menos costes de emisión ya que
será necesario producir menos lotes. En el caso de que los lotes sean
pequeños, la situación será la contraria (menos costes de posesión pero más
costes de emisión).
20
Tipo de coste Descripción
Mantener un stock trae consigo una serie de costes (impuestos,

Coste de seguros sobre los materiales y los edificios, personal,
posesión (Cp) depreciación, energía, deterioro, pérdida, robo, etc.) que son
proporcionales al nivel de inventario.
Coste que se produce cada vez que se solicita y recibe un

pedido (preparación de la documentación necesaria, recepción,
inspección, manipulación, transporte, etc.). Si el pedido se
Coste de
elabora dentro de la empresa, al coste de emisión (en este caso
emisión (Ce)
llamado coste de lanzamiento) hay que añadir también los
costes de preparación de las máquinas, cambio de utillaje, etc.
Normalmente, se considera independiente del tamaño de lote.
Coste incurrido cuando se necesita un artículo pero no quedan

existencias del mismo. Esto incluye costes de paradas en los
Coste de equipos por falta de recursos, aumento de costes por
ruptura (Cr) aceleración de pedidos no satisfechos, pérdidas de ventas,
pérdida de imagen, etc. Se considera proporcional a la demanda
no satisfecha.
Coste relacionado con la compra o fabricación de los lotes

Coste de
solicitados. Suele considerarse independiente del tamaño y del
adquisición (Ca)
número de lotes.
Tabla 1.2: Tipos de costes relacionados con los inventarios.
Por lo tanto, hay que buscar el tamaño de lote óptimo (Q*) que permita tener
unos costes totales mínimos (ver Figura 1.5).
1.4.4. Tiempo de suministro
El tiempo de suministro (TS) es el intervalo de tiempo que pasa entre el

momento en que se solicita un pedido y el instante de su llegada, es decir,
cuando puede ser utilizado en el proceso. Este concepto se utiliza tanto para
el suministro externo como interno (Domínguez Machuca, 1995).
En el caso del suministro externo, el tiempo de suministro se calcula a partir

del comportamiento del proveedor en el pasado, del plazo de entrega que se
ha acordado y del tiempo de seguridad establecido.
Si es interno, el tiempo de suministro incluye todos los tiempos desde que se

detecta la necesidad hasta que el pedido está disponible: tiempos de
confección del pedido, de desplazamiento o de transporte, de cola, de
preparación, de ejecución, de espera y de inspección. De todos ellos, solo los
tiempos de preparación y ejecución son productivos. El resto se debe intentar
21
Capítulo 1
Coste (u.m.)
Coste de posesión
Coste de emisión
Coste total
Tamaño de
lote (u)
Q*
A partir de Heizer & Render (2009)
Figura 1.5: Costes unitarios en función del tamaño de lote.
reducir al mínimo para poder dar una respuesta más rápida a la demanda,
reducir los inventarios, etc.
1.5. Las previsiones de demanda
La formulación de pronósticos es una técnica en la que se utilizan

experiencias pasadas con la finalidad de predecir expectativas del futuro
(Chapman, 2006). Las estimaciones de demanda son un dato imprescindible
para conseguir una correcta planificación de producción e inventarios. Un
buen sistema de previsión es esencial para lograr las metas estratégicas y
operativas de cualquier organización (Delurgio & Bhame, 1991).
Las previsiones se pueden clasificar en función del horizonte de tiempo:
 Las previsiones a largo plazo se cuantifican en unidades muy

agregadas y se refieren a amplios períodos de tiempo.
 A medio plazo, las previsiones se establecen por meses o trimestres en
unidades agregadas (familias de productos).
 Por último, las previsiones a corto plazo se dan en unidades de
productos y componentes con una periodicidad semanal.
Una característica muy intuitiva, es que los pronósticos son más precisos
cuando se hacen para períodos cortos. Cuanto más lejano sea el horizonte de
pronóstico, menos exacto será. Otras características básicas de las
previsiones de demanda (Domínguez Machuca, 1995) son las siguientes:
22
 Tienen que ser consistentes, ya que hay varias previsiones que afectan
a los mismos productos en los mismos períodos de tiempo. Hay
previsiones a corto, medio y largo plazo pero con distinto nivel de
agregación. La suma de las unidades demandadas debe ser la misma
en los tres tipos de previsiones. Para ello, se pueden calcular de abajo
hacia arriba o de arriba hacia abajo (desagregando normalmente
mediante relaciones de porcentaje)
 La agregación disminuye el error. Normalmente las previsiones de
unidades agregadas son más exactas que las de ítems concretos. Por
ello, resulta más conveniente empezar por valores agregados y
desagregarlos posteriormente (de arriba hacia abajo).
 Aumentar la frecuencia de periodificación incrementa el error, es decir,
el error será mayor cuanto menores sean los intervalos o cubos de
tiempo utilizados.
Los pronósticos normalmente están equivocados. Por ello, un buen pronóstico

tiene que ser más que un simple número y debe incluir una medida del error
cometido (Nahmias, 2007).
Para conocer la eficacia de las previsiones de demanda es interesante utilizar

algún indicador que mida el error, es decir, la diferencia entre la demanda
prevista y la demanda real. Por ejemplo, la desviación media absoluta o la
media de las desviaciones por período.
Existen diversos métodos de cálculo de previsiones. En algunas ocasiones, lo

más apropiado puede ser utilizar una combinación de ellos. Se pueden
clasificar en (Buffa & Sarin, 1987):
 Métodos de series temporales o de extrapolación. Emplean los datos

históricos de la demanda para hacer una previsión del futuro. El
objetivo de estos métodos es encontrar algún patrón en los datos
pasados y extrapolarlo para el futuro. Funcionan bien cuando el
horizonte de previsión es corto. Dentro de este grupo de técnicas, se
encuentran los métodos de promedios móviles y de suavización
exponencial.
 Métodos causales. Estos métodos asumen que la demanda de un
artículo depende de uno o más factores independientes (precio,
publicidad, precio de los competidores, etc.). Buscan establecer una
relación matemática entre la variable a pronosticar y estas variables
independientes. En este grupo se incluyen el análisis de regresión y los
modelos econométricos.
23
Capítulo 1
 Métodos cualitativos. Se apoyan en la opinión de expertos o directores

para hacer una predicción del futuro. Son especialmente útiles para
hacer pronósticos a medio y largo plazo. En un principio, pueden
parecer métodos poco científicos, pero hay ocasiones en las que no se
dispone de datos pasados o estos no son representativos del futuro.
Normalmente, se utilizan junto con los otros tipos de métodos. Dentro
de este tipo están el método Delphi (de consenso de expertos) y las
investigaciones de mercado.
Según Chapman (2006), en la Planificación Agregada los pronósticos

agregados a largo plazo son generados a menudo con métodos causales. Sin
embargo, los pronósticos de la Programación Maestra casi siempre son
resultado de métodos cualitativos o de series de tiempo.
1.6. Planificación y control de la capacidad
Antes de pasar a ver la Planificación Agregada y el Plan Maestro de

Producción, hay algunos conceptos sobre planificación y control de la
capacidad que ayudarán a entender el trabajo.
1.6.1. Conceptos básicos
La capacidad es el volumen de producción o número de unidades que puede

alojar, recibir, almacenar o producir una instalación en un período específico
de tiempo (Heizer & Render, 2009). A continuación se explican algunos
conceptos que se necesitan conocer:
 El factor de utilización (U): cociente entre el número de horas

productivas desarrolladas (NHP) y el número de horas reales (NHR) de
jornada por período.
 El factor de eficiencia (E): cociente entre el número de horas estándar

(NHE) y el número de horas productivas (NHP).
 Mediante estos dos factores se puede pasar de horas reales a horas

estándar.
24
 La capacidad de diseño es el volumen de producción para el cual fue

diseñada. Es la producción teórica máxima de un sistema en un
período de tiempo dado bajo condiciones ideales (Heizer & Render,
2009). El volumen de producción real es menor que la capacidad
diseñada e igual a esta multiplicada por E y por U.
 La capacidad disponible es el volumen de producción que podría ser
logrado por período de tiempo en las circunstancias normales de
fabricación (número de turnos por jornada, horas por turno, jornadas
por semana, trabajadores por turno, etc.) para la eficiencia (E) y la
utilización (U) reales del factor considerado.
 La capacidad necesaria es aquella que se necesita para cumplir con el
plan de producción establecido.
Planif. Agregada
Planificación Agregada de Capacidad o
de Producción de neces. de
recursos (RRP)
No ¿Suficiente? Sí
Programación Planificación
Maestra de Aproximada de
CAPACIDAD DISPONIBLE
Producción Capacidad
(rough-cut)
Planificación de
Planificación de
la Capacidad
Materiales
Detallada (CRP)
Gestión de talleres,
Carga finita
programación de
operaciones Carga infinita
Figura 1.6: Niveles de planificación de la capacidad.
25
Capítulo 1
1.6.2. Determinación de las necesidades de capacidad
Como hemos visto anteriormente, la planificación de la capacidad se debe

realizar paralelamente junto con los diferentes niveles de la planificación y
control de la producción (ver Figura 1.6).
1.6.3. Medidas de ajuste transitorio para la capacidad disponible
Para ajustar la capacidad disponible a la necesaria a medio, corto y muy corto

plazo, no se puede cambiar la estructura productiva fija. Únicamente se
podrán tomar medidas de carácter transitorio. Estas medidas pueden ser de
dos tipos: activas o pasivas (Domínguez Machuca, 1995).
Las medidas activas (o externas) son aquellas en las que se actúa sobre la
demanda, intentando acercar la capacidad necesaria a la que se tiene
disponible. Para ello, se podrían tomar acciones comerciales como:
promoción, bajada de precios, reservas, creación de nuevos productos con
ciclos de demanda que complementen a los actuales, etc.
El otro tipo de medidas son las pasivas (o internas), en las que se actúa sobre
la capacidad disponible. Son las que se emplean más frecuentemente. Las
principales medidas de este tipo son:
 Contrataciones y despidos: consiste en aumentar o disminuir el

número de trabajadores (contratando cuando la demanda es alta y
despidiendo cuando es baja).
Ventajas: se evita el tiempo ocioso, la acumulación de inventario y las
horas extra. Utilizado en empresas con demanda de alta
estacionalidad.
Inconvenientes: tiene limitaciones legales y de convenios colectivos,
crean malestar y conflictividad, no es viable con mano de obra
especializada (se necesitaría una gran capacidad de formación), baja
la productividad y los gastos de contratación y despido son altos.
 Horas extra: se aumenta el número de horas trabajadas por período

manteniendo constante el número de trabajadores.
Ventajas: se evitan contrataciones, despidos, inventarios y retrasos.
Inconvenientes: limitadas también por la normativa laboral o los
convenios colectivos, el empleado no está obligado a aceptarlas y
tiene que estar de acuerdo, tiene un coste de horas mayor (además
implican otros costes adicionales), la productividad en estas horas es
26
menor, baja la calidad de los productos y aumenta el número de

accidentes laborales.
 Horas ociosas:
Ventajas: se evitan despidos, permiten conservar a buenos empleados
y no acumular inventario.
Inconvenientes: baja eficiencia de los equipos, coste de los salarios y
desaprovechamiento de capacidad.
 Subcontratación: permite aumentar la producción durante un período

de tiempo contratando a otra empresa del sector para que produzca
una determinada cantidad de unidades.
Ventajas: no necesita inversiones ni tiene limitaciones legales, evita la
sobreutilización y los contratos y los despidos.
Inconvenientes: existe riesgo de pérdida de clientes, se pierde control
(por la dependencia con la otra empresa) y tiene costes más altos.
 Programación de vacaciones:
Ventajas: permite reducir la mano de obra sin ningún coste ni riesgo.
Se pueden hacer coincidir con los períodos de menor demanda, o
incluso aprovechar para cerrar las instalaciones y realizar tareas de
limpieza y mantenimiento.
Inconvenientes: Está condicionada por la normativa laboral y los
convenios colectivos.
 Movilidad del personal: el personal se destina a otras actividades

cuando su centro de trabajo no tiene suficiente carga.
Ventajas: personal multifuncional, ha dado buenos resultados.
Inconvenientes: menor especialización y, por lo tanto, menor
productividad.
 Utilizar rutas alternativas: consiste en desviar un componente o

producto que tiene que pasar por un centro de trabajo que está
sobrecargado, a otro con capacidad disponible.
Ventajas: evita la sobrecarga de algún centro de trabajo.
Inconvenientes: menor eficiencia y aumento de los costes de
producción unitarios.
 Variaciones del volumen de inventario: durante períodos de demanda

baja, se mantiene una producción mayor a la necesaria acumulando
inventarios para períodos de demanda más alta. También puede
27
Capítulo 1
trabajarse con pedidos pendientes (inventario negativo), sirviendo a

los clientes con retraso.
Ventajas: permite nivelar la producción.
Inconvenientes: los clientes deben aceptar el retraso, posible pérdida
de la venta o del cliente, disminuye la satisfacción del mismo, otros
costes adicionales.
 Reajuste del tamaño de lotes de los pedidos:

Ventajas: con ello se puede mejorar la distribución temporal de la
carga en los diferentes centros de trabajo, sin que implique retrasos
en la producción, y se puede conseguir una mayor o menor capacidad
cuando el tiempo de preparación es largo.
Inconvenientes: puede provocar un aumento de los costes.
Para elegir una alternativa u otra hay que considerar una serie de factores: las
limitaciones del entorno (marco legal laboral), las políticas de empresa, el
plazo disponible para ponerlas en marcha y corregir el desajuste y el tipo y
volumen de la divergencia entre capacidad disponible y necesaria. Una vez se
ha tenido todo esto en cuenta, el criterio predominante será el coste de cada
alternativa.
28
Capítulo 2:
Planificación Agregada y Plan
Maestro de Producción
2. Planificación Agregada y Plan Maestro de
Producción
En este capítulo se explican dos de los pasos del proceso de planificación y

control de la producción: la Planificación Agregada y el Programa Maestro de
Producción. Es esencial conocer en qué consisten, por qué son importantes y
cómo se calculan, ya que este trabajo está basado en ellos.
Además, al final del capítulo se ha incluido un breve apartado sobre la

Programación de Materiales.
2.1. Plan Agregado de Producción (PAP)
Como se explicó anteriormente, en la planificación estratégica se generaban

el Plan de Ventas, el Plan de Producción y el Plan Financiero a largo plazo,
formando el llamado Plan Estratégico o Plan de Empresa. Al pasar a la
planificación táctica, hay que desarrollar y concretar este plan para el medio
plazo, elaborando el Plan Agregado de Producción.
2.1.1. La Planificación Agregada y sus funciones
El Plan Agregado de Producción (PAP) se puede considerar como el objetivo

que tiene que cumplir el departamento de operaciones para apoyar la
realización del Plan de Empresa (Domínguez Machuca, 1995). También se
conoce como Planificación de Ventas y Operaciones, Planificación de la
Producción o Planificación de Personal (Chapman, 2006).
Este plan convierte los planes de negocio anuales y trimestrales en extensos

planes sobre la fuerza de trabajo y la producción para un plazo inmediato (de
3 a 18 meses). Ayuda a las empresas a mantener un equilibrio entre la oferta
y la demanda. Su objetivo es minimizar el coste de los recursos necesarios
para cubrir la demanda durante un período de tiempo (Chase, Jacobs, &
Aquilano, 2009).
Para llevar a cabo el PAP es necesario obtener, en unidades de familias de

productos, las necesidades mensuales totales de producción agregada. La
desagregación posterior, en períodos más cortos de tiempo y en unidades de
31
Capítulo 2
productos, se hará en la planificación operativa con el Plan Maestro de

Producción.
Aunque en la planificación de la capacidad a largo plazo se haya asegurado

que existe capacidad disponible para cubrir las necesidades anuales, esto no
garantiza que ocurra lo mismo para cada uno de los meses. Por ello, habrá
que realizar un plan a medio plazo sobre capacidad. En este nivel no se
podrán tomar medidas de ajuste estructurales, sino solamente transitorias:
contratos, despidos, horas extra, subcontratación, variaciones del volumen de
inventario, etc.
El PAP tiene que servir para comunicar y coordinar el departamento de

operaciones con la Alta Dirección (y con el resto de áreas funcionales). Por
ello, tiene que ser manejable y comprensible, y sus unidades de medida
tienen que ser significativas y estar agregadas. La unidad que se emplea
habitualmente es la familia de productos. Gracias a ello, se hace más fácil la
planificación y se consigue una previsión más exacta.
Por otro lado, el horizonte de planificación suele estar comprendido entre 6 y

18 meses, divididos en períodos mensuales o, si no se dispone de suficiente
información, trimestrales. Debe permitir conectar el Plan a largo plazo
(cubriendo una parte representativa de él) con el Plan Maestro de producción
(siendo mayor o igual que este).
En resumen, el Plan Agregado de Producción es un plan de producción a

medio plazo, factible desde el punto de vista de la capacidad, que permite
cumplir eficazmente el Plan Estratégico teniendo en cuenta los objetivos
tácticos del subsistema de operaciones (Domínguez Machuca, 1995). Sus
funciones son:
 Conectar y comunicar el departamento de operaciones con la Alta

Dirección y con los otros departamentos.
 Origen del proceso de planificación y control de producción que
desarrolla la Dirección de Operaciones.
 Instrumento de control del Plan Estratégico.
2.1.2. Posibilidades de actuación y factores a considerar
En la planificación de la capacidad, hemos visto que para responder a las

necesidades de producción se plantean dos alternativas. Por un lado, están
las medidas activas, que actúan sobre la demanda. Suelen tomarse a nivel
estratégico y en el área comercial.
32
Planificación Agregada y Plan Maestro de Producción
Por otro lado, tenemos medidas pasivas, que actúan sobre la capacidad y que
son las que vamos a utilizar. Algunas de ellas son: modificar el volumen de
mano de obra (contrataciones y despidos), utilización de horas extra, tiempos
ociosos, subcontratación o programación de vacaciones. Dependiendo de las
medidas que se empleen, se pueden seguir diferentes estrategias:
 Estrategias puras: son aquellas en las que solamente se actúa sobre

una de las variables mencionadas. Por ejemplo, se puede cambiar la
producción en jornada regular mediante contrataciones y despidos o
utilizar variaciones en el volumen del inventario. En la bibliografía se
pueden encontrar varias estrategias puras, aunque las más comunes
son:
 Estrategia de caza (dependiendo del autor, también se llama

estrategia de persecución, de ajuste, de seguimiento o de cero
inventarios). Su objetivo es ajustarse a la demanda, es decir,
conseguir niveles de producción que igualen la previsión de
demanda para cada período (Heizer & Render, 2008). En cada
cubo de tiempo se va a ajustar la capacidad a las necesidades
de producción.
Esta estrategia tiene la ventaja de ser flexible a los cambios de
demanda y mantener un nivel bajo de inventarios. Sin embargo,
provoca mucha inestabilidad en la producción y una pérdida de
productividad y calidad. Muchas empresas de servicios
emplean esta estrategia ya que no pueden elegir la opción de
actuar sobre el inventario. Se utiliza, por ejemplo, en la
educación, los servicios hospitalarios o la construcción.
 Estrategia de nivelación (también llamada estrategia al nivel de

utilización, de fuerza de trabajo constante, de nivel de
producción o de planificación nivelada o estable). Consiste en
un plan agregado en el que la producción diaria es constante
período a período. Hay que seleccionar la capacidad adecuada
para conseguir la producción media en el horizonte de
planificación, ajustando las variaciones mediante inventarios y
retrasos en las entregas. Por lo tanto, la fuerza de trabajo se
mantiene constante, excepto al principio del horizonte temporal
cuando se tiene que ajustar.
Esta estrategia es utilizada en empresas como Toyota o Nissan.
Algunas de sus ventajas son: plantilla constante, aumento de la
productividad, simplificación de la supervisión y el control,
mejores precios de los proveedores, etc. Es aconsejable si la
demanda se mantiene relativamente estable.
33
Capítulo 2
 Estrategias mixtas o de combinación: son aquellas en las que se

emplea una combinación de las medidas propuestas. En este trabajo,
las estrategias mixtas nos va a permitir mejorar las puras con horas
extras y subcontrataciones. Esto da mayor flexibilidad aunque también
complica el problema.
Coste Definición
Salarios de tipo normal pagados a los empleados más las
contribuciones a las prestaciones (seguro de salud, cuidado
Tiempo normal
dental, seguro social, fondo de retiro y pago por vacaciones,
días festivos y otro tipo de ausencias).
Salarios pagados por el trabajo adicional a la semana normal
Tiempo extra (alrededor del 150% del salario normal, incluso hasta el 200%
en fines de semana y festivos) excluyentes de prestaciones.
Tiempo ocioso Costes debidos a la no utilización de la capacidad productiva.
Costes de anunciar los puestos de trabajo, entrevistas,

programas de formación para nuevos empleados, desperdicio
Contratación
provocado por la falta de experiencia, pérdida de productividad
y documentación inicial.
Costes que incluyen la entrevista de salida, pago de
Despido indemnización, retención y formación de los trabajadores y
administradores restantes y pérdida de productividad.
Coste derivado de la externalización de una actividad (por

Subcontratación ejemplo, parte de la producción) a otra empresa, especializada
en proporcionar esos servicios.
Coste que varía con el nivel de inventario: coste de capital
Inventario
comprometido en el inventario, costes variables de
almacenado
almacenamiento, coste por deterioro u obsolescencia, seguros
(posesión)
e impuestos.
Órdenes
Costes adicionales para acelerar las órdenes con fecha vencida,
pendientes y
costes de pérdida de ventas y costes potenciales de pérdida de
faltantes
clientes (si se va a otro competidor).
(ruptura)
Tabla 2.1: Tipos de costes en la Planificación Agregada.
Para elegir la Planificación Agregada más adecuada hay que tener en cuenta
diferentes factores:
 Limitaciones del entorno, que actúan como restricciones. Por ejemplo,

la legislación laboral o la disponibilidad de mano de obra.
34
 Políticas de empresa, que también pueden restringir las posibles

opciones. Por ejemplo, puede haber limitaciones en la utilización de
horas extra o en la variación de mano de obra.
 Costes, que se derivan de las diferentes alternativas de ajuste de la
capacidad. Estos costes se muestran en la Tabla 2.1 (Krajewski,
Ritzman, & Malhotra, 2013). No es necesario tener en cuenta el coste
básico de producción, ya que no depende de la alternativa elegida.
 Satisfacción del cliente, que se puede medir a través del cumplimiento
de plazos, la calidad del producto, etc.
Por lo tanto, hay que buscar un plan que, cumpliendo con las limitaciones del
entorno y las políticas de empresa, permita obtener un coste y un servicio
adecuados.
2.1.3. El proceso de Planificación Agregada
El proceso para obtener un plan de producción satisfactorio se puede dividir

en diferentes fases (ver Figura 2.1).
Cálculo de las Opciones de Planes

necesidades ajuste Agregados
de producto transitorio alternativos
Objetivos Evaluación de Tomar el mejor

deseados los planes como base
No
¿Alguno es
satisfactorio?
Sí
Plan Agregado
de Producción
satisfactorio
Figura 2.1: Fases en la determinación del Plan Agregado de Producción.
35
Capítulo 2
Es importante destacar que una vez se ha elaborado el Plan Agregado, hay

que actualizarlo cuando sea necesario. En caso contrario, puede dejar de ser
representativo de la realidad. Pueden ser varias las causas que impliquen
realizar una modificación, como que la demanda real no se corresponde con
la que se había previsto o que la productividad no coincide con la supuesta.
En todo caso, el Plan Agregado tiene que hacerse periódicamente
(normalmente todos los meses) (Schroeder, 1993). Consecuentemente, estos
cambios en la Planificación Agregada producirán alteraciones en el Plan
Maestro de Producción.
2.1.4. Técnicas para la Planificación Agregada
Hay diferentes métodos para obtener la planificación agregada (Domínguez

Machuca, 1995). Los más utilizados en la práctica son los métodos de prueba
y error o intuitivos, que consisten en realizar distintos planes agregados y
mejorarlos hasta llegar a un Plan Agregado aceptable. Son fáciles de
comprender y de aplicar, aunque eso no quiere decir que proporcionen la
mejor solución.
Otros métodos que se utilizan para calcular el Plan Agregado son la

simulación y los métodos analíticos de optimización, que pueden basarse en
la programación matemática o en métodos heurísticos (aproximados). El
objetivo del presente trabajo es la utilización de estos métodos, por lo que los
veremos con más detalle en el Capítulo 3.
A continuación, se va a aplicar el método de prueba y error siguiendo las

diferentes estrategias (de caza, de nivelación y mixta).
36
2.1.5. Método de prueba y error (Ejemplo)
Se va a calcular la Planificación Agregada para este ejemplo utilizando las

estrategias puras (de caza y de nivelación) y la estrategia mixta. El horizonte
de planificación será de 12 meses, comenzando en enero.
Datos iniciales:
A continuación se detallan los datos necesarios para resolver este problema.

En primer lugar se tiene la previsión de ventas a largo plazo y el número de
días que se trabaja en cada mes.
Septiembre
Noviembre
Diciembre
Octubre
Febrero
Agosto
Marzo
Enero
Mayo
Junio
Abril
Previsión Julio
6500 8000 9500 7500 10000 10000 5000 9500 8500 10000 9500 8000
ventas LP
Días
21 20 22 20 22 21 23 20 20 21 21 20
laborables
Tabla 2.2: Ejemplo PAP. Previsión de ventas a largo plazo y días de trabajo.
Además, se necesitan determinados datos para calcular el plan de

necesidades y otros datos relativos a la capacidad y a los costes.
Datos para el cálculo de necesidades

Stock disponible en enero 500 Unidades
Stock de seguridad deseado 750 Unidades
Pedidos pendientes de entregar 400 Unidades
Pedidos comprometidos (enero) 3350 Unidades
Tabla 2.3: Ejemplo PAP. Datos para el cálculo de necesidades.
Datos para el cálculo de la capacidad

Número inicial de trabajadores 140 Trabajadores
Número máximo de trabajadores 160 Trabajadores
Número de trabajadores fijos 130 Trabajadores
Duración del turno de trabajo 8 Horas
Trabajo por unidad producida 3 hh/unidad
Máximo horas extra 10 % h normales
Tabla 2.4: Ejemplo PAP. Datos para el cálculo de la capacidad.
37
Capítulo 2
Datos para el cálculo de costes

Coste de contratar 11000 u.m./obrero
Coste de despedir 15000 u.m./obrero
Coste de subcontratar 750 u.m./producto
Coste de posesión 80 u.m./mes
Coste de ruptura 200 u.m./mes
Coste de hora ordinaria 120 u.m./h
Coste de hora extra 160 u.m./h
Coste de horas ociosas 140 u.m./h
Tabla 2.5: Ejemplo PAP. Datos para el cálculo de costes.
Plan de necesidades:
Antes de calcular el plan agregado es necesario obtener el plan de

necesidades. Para ello, hay que utilizar los datos de la previsión de ventas a
largo plazo, los pedidos pendientes y los pedidos comprometidos de enero.
Además, es necesario calcular la reposición de stock o inventario que hay que

hacer en el primer mes. Su obtención es muy simple ya que tenemos los
datos del stock disponible a principios de enero y el stock de seguridad
deseado. Por lo tanto, la reposición de stock es igual a:
Una vez hallado, se puede calcular el plan de necesidades para cada uno los
12 meses con la siguiente expresión:
( )
Se puede ver la tabla con los resultados en la siguiente página. Al final de

esta se ha añadido una fila con el plan de necesidades acumulado.
38
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Sept. Octubre Nov. Dic.
Previsión 6500 8000 9500 7500 10000 10000 5000 9500 8500 10000 9500 8000
Pedidos
Comprometidos 3350
Pedidos
400
39
Pendientes
Reposición Stock
Seguridad 250
Plan de
necesidades 7150 8000 9500 7500 10000 10000 5000 9500 8500 10000 9500 8000
Plan Acumulado 7150 15150 24650 32150 42150 52150 57150 66650 75150 85150 94650 102650
Tabla 2.6: Ejemplo PAP. Plan de Necesidades.

Capítulo 2
Estrategia de caza:
Ahora que ya conocemos el plan de necesidades, podemos seguir las

diferentes estrategias para calcular la planificación agregada. Empezamos por
la de caza.
En primer lugar se calcula la producción a realizar en cada mes, teniendo en

cuenta si en el mes anterior ha habido ruptura (en esta estrategia no puede
haber inventario de posesión).
Ahora se calculan las horas necesarias para cumplir con la producción que
hay que realizar, sabiendo que, en este ejemplo, el trabajo por unidad
producida es 3 hh/unidad.
Como conocemos el número de días de cada mes y la jornada laboral de los

trabajadores (8 horas diarias), se puede calcular el número de trabajadores
teórico, es decir, el que se necesitaría para lograr la producción que hay que
realizar.
El número de trabajadores reales se calculará redondeando hacia arriba el

número de trabajadores teórico. Ahora bien, también hay que tener en cuenta
que este número no puede ser inferior al número mínimo de trabajadores
(hay 130 empleados fijos) ni superior al número máximo (que son 160
trabajadores).
En cada caso, se dará una situación distinta:
 Si el número de trabajadores final está entre el mínimo y el máximo, se

podrá cumplir exactamente con la producción a realizar. En esta
estrategia nunca harán más horas de las necesarias ya que no puede
quedar inventario de posesión. Se considera que a los trabajadores
que no son fijos se les paga únicamente por las horas que se les
necesita (no hacen horas ociosas).
 Si se ha tenido que seleccionar el mínimo, habrá horas ociosas ya que
hay más trabajadores de los necesarios y habrá horas en las que no
estén produciendo. No van a producir para inventario.
40
 Si el número de trabajadores es el máximo, no se podrá cumplir con

toda la producción a realizar (ya que en las estrategias puras solo se
puede producir en horas normales), por lo que habrá ruptura.
Conociendo el número de trabajadores reales, y teniendo en cuenta los

puntos anteriores, se pueden calcular las horas aportadas por los obreros
como:
El siguiente paso es hallar la producción en horas normales y su coste,

sabiendo que el coste de la hora ordinaria o normal es 120 u.m./h:
Para calcular el número de contrataciones y el de despidos, simplemente hay

que comparar el número de trabajadores del mes actual y el del mes anterior.
Para el primer mes, se toma como dato del mes anterior el número de
trabajadores inicial (son 140 trabajadores, como se puede ver en los datos).
Así mismo, calcular el coste es muy fácil ya que conocemos el coste de cada
despido: 15.000 u.m./obrero; y de cada contratación: 11.000 u.m./obrero.
(
)
(
)
Después, hay que hallar las horas ociosas y su coste. Como hemos dicho, solo
habrá horas ociosas cuando haya un exceso de trabajadores fijos. En este
caso podrían producir más horas, pero hay que ajustarse exactamente a lo
que hay que producir. Las horas que sobran son las horas ociosas.
41
Capítulo 2
Cuando el número de trabajadores reales sea igual al número mínimo de

trabajadores, las horas ociosas se calculan con la siguiente expresión:
( )
Como conocemos el coste de cada hora ociosa (140 u.m./h), se puede

calcular su coste total:
El siguiente paso es calcular el inventario, que si es positivo implica que hay

inventario de posesión (con esta estrategia no lo habrá) y si es negativo
significa que hay ruptura. Para ello, se utiliza la siguiente expresión:
Uno de los cálculos más complejos son los costes de posesión y ruptura, ya
que no solo hay que tener en cuenta el inventario que tengamos al final del
mes actual, sino también el del anterior. En la estrategia de caza solo habrá
costes de ruptura. Aun así, vamos a suponer que también existen costes de
posesión para ver cómo se calcularían (esto nos servirá para las otras
estrategias):
 El caso más simple es cuando tanto en el mes actual como en el

anterior solamente hay posesión o solamente hay ruptura. También se
puede considerar este caso cuando alguno de ellos (o ambos) sea
cero. Para calcular el coste de posesión o de ruptura, hay que tomar la
media de ambos inventarios, de forma que se calcularía como:
42
 Si uno de los inventarios es de posesión y el otro de ruptura, el cálculo

se vuelve más complejo. Se puede comprobar que se calcularían de la
siguiente forma, siendo P el inventario de posesión y R el inventario de
ruptura:
Para evaluar si una estrategia es mejor que otra, se emplearán dos criterios:
 El coste total: que es la suma de los costes de las horas normales, las
horas extras, las horas ociosas, los despidos, las contrataciones, el
inventario de posesión y el inventario de ruptura.
 El nivel de servicio: que es el porcentaje de unidades que se han
entregado a tiempo, tomando como referencia el número de unidades
totales. Se calcula de la siguiente forma:
Para hallar las unidades servidas a tiempo en cada mes, hay que tener
en cuenta el inventario del mes anterior. Se considera que si hay
ruptura en el mes anterior, esta se intenta recuperar antes de
satisfacer las necesidades del mes actual. De forma general, se
calcula de la siguiente forma:
La tabla con los resultados aparece en la siguiente página. El coste total que
se ha obtenido es 40.504.700,00 u.m y el nivel de servicio es 89,53 %.
43
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Total
Plan de
7150 8000 9500 7500 10000 10000 5000 9500 8500 10000 9500 8000 102650
Necesidades
Producción a
Capítulo 2
7150 8000 9500 7614 10000 10614 6654 9500 9467 10934 11474 10514
realizar
Horas necesarias 21450 24000 28500 22842 30000 31842 19962 28500 28401 32802 34422 31542
Días de trabajo 21 20 22 20 22 21 23 20 20 21 21 20
Trabajadores
127,68 150,00 161,93 142,76 170,45 189,54 108,49 178,13 177,51 195,25 204,89 197,14
teóricos
Trabajadores
130 150 160 143 160 160 130 160 160 160 160 160
reales
Horas aportadas
21450 24000 28160 22842 28160 26880 19962 25600 25600 26880 26880 25600
por obreros
Producción en
7150 8000 9386 7614 9386 8960 6654 8533 8533 8960 8960 8533
horas normales
Coste horas
2574000 2880000 3379200 2741040 3379200 3225600 2395440 3072000 3072000 3225600 3225600 3072000 36241680
44
normales
Nº de despidos 10 0 0 17 0 0 30 0 0 0 0 0
Coste de despidos 150000 0 0 255000 0 0 450000 0 0 0 0 0 855000
Nº de
0 20 10 0 17 0 0 30 0 0 0 0
contrataciones
Coste de
0 220000 110000 0 187000 0 0 330000 0 0 0 0 847000
contrataciones
Nº de horas
390 0 0 0 0 0 3958 0 0 0 0 0
ociosas
Coste mano de
54600 0 0 0 0 0 554120 0 0 0 0 0 608720
obra ociosa
Inventario
0 0 -114 0 -614 -1654 0 -967 -934 -1974 -2514 -1981
Posesión / Ruptura
Coste Posesión 0 0 0 0 0 0 0 0 0 0 0 0 0
Coste Ruptura 0 0 11400 11400 61400 226800 165400 96700 190100 290800 448800 449500 1952300
Unidades servidas
7150 8000 9386 7500 9386 8346 5000 8533 7566 8026 6986 6019 91898
a tiempo
Tabla 2.7: Ejemplo PAP. Estrategia de caza.

Estrategia de nivelación:
En la estrategia de caza hemos visto cómo en cada mes el número de

trabajadores se adaptaba a las necesidades de producción. En nivelación, lo
que se busca es adaptar el número de trabajadores en el primer mes,
manteniéndolo invariable en el resto del horizonte de planificación.
Esto se conseguirá utilizando inventarios y retrasos en las entregas, es decir,

tanto inventarios de posesión como de ruptura. En los meses en los que las
necesidades sean menores, se acumulará inventario que será utilizado
cuando las necesidades sean más altas.
La principal diferencia con el método de caza está en el cálculo del número

de trabajadores. Ahora los trabajadores teóricos (para todos los meses) se
calculan como:
Los trabajadores reales se calculan de la misma forma, aunque en este caso

sí que pueden producir para inventario.
Si se tiene el número mínimo de trabajadores, hay que evitar que produzcan

para inventario, ya que se estaría produciendo de forma innecesaria. Se
acumularía inventario de posesión que no sería utilizado en ningún mes
posterior. Por lo tanto, también puede haber horas ociosas en este caso.
La tabla de resultados se muestra en la siguiente página. Para este ejemplo,

la estrategia de nivelación da un resultado mejor que la de caza, ya que se
consigue un coste total menor (38.694.899,70 u.m.) y un mejor nivel de
servicio (99,60 %). Esto no quiere decir que una estrategia sea mejor que
otra, dependerá del caso que se esté estudiando.
En esta estrategia no es necesario calcular las filas de la producción a realizar

y las horas necesarias, ya que no se utilizan para calcular el número de
trabajadores teóricos. De todas formas, se han incluido para que la tabla esté
completa.
45
Plan de
7150 8000 9500 7500 10000 10000 5000 9500 8500 10000 9500 8000 102650
Necesidades
Producción a
Capítulo 2
7150 6526 7813 6279 8066 9032 5408 5463 5750 7537 8413 7789
realizar
Días de trabajo 21 20 22 20 22 21 23 20 20 21 21 20 251
Trabajadores
153,36 153,36 153,36 153,36 153,36 153,36 153,36 153,36 153,36 153,36 153,36 153,36
teóricos
Trabajadores
154 154 154 154 154 154 154 154 154 154 154 154
reales
Horas aportadas
25872 24640 27104 24640 27104 25872 28336 24640 24640 25872 25872 24640
por obreros
Producción en
8624 8213 9034 8213 9034 8624 9445 8213 8213 8624 8624 8213
horas normales
Coste horas
3104640 2956800 3252480 2956800 3252480 3104640 3400320 2956800 2956800 3104640 3104640 2956800 37107840
46
normales
Nº de despidos 0 0 0 0 0 0 0 0 0 0 0 0
Nº de
14 0 0 0 0 0 0 0 0 0 0 0
contrataciones
Coste de
154000 0 0 0 0 0 0 0 0 0 0 0 154000
contrataciones
Nº de horas
0 0 0 0 0 0 0 0 0 0 0 0
ociosas
Coste mano de
0 0 0 0 0 0 0 0 0 0 0 0 0
obra ociosa
Inventario
1474 1687 1221 1934 968 -408 4037 2750 2463 1087 211 424
Posesión / Ruptura
Coste Posesión 58960 126440 116320 126200 116080 27239,07 146657,99 271480 208520 142000 51920 25400 1417217,06
Coste Ruptura 0 0 0 0 0 12097,67 3744,97 0 0 0 0 0 15842,64
Unidades servidas
7150 8000 9500 7500 10000 9592 5000 9500 8500 10000 9500 8000 102242
a tiempo
Tabla 2.8: Ejemplo PAP. Estrategia de nivelación.

Estrategia mixta:
Las estrategias mixtas se diferencias de las puras en que introducen

producción en horas extras y producción subcontratada. Con ello, se puede
intentar conseguir que las variaciones en el número de trabajadores sean
menores.
No existe un criterio general para calcular esta planificación. Consiste en

probar diferentes combinaciones (de trabajadores, horas extra y producción
subcontratada) hasta encontrar una solución que sea satisfactoria. El objetivo
será encontrar una planificación que permita tener unos costes totales
menores y/o un mejor nivel de servicio.
La producción en horas extra se calcula, al igual que la producción en horas

normales, como:
También será necesario calcular sus costes:
En este caso, junto con la producción en horas normales, hay que tener en
cuenta la producción en horas extra y la producción subcontratada. Esto
modificará las expresiones que habíamos indicado para el cálculo del
inventario y el cálculo de las unidades servidas a tiempo. También hay que
tener en cuenta los nuevos costes en el cálculo del coste total.
En la siguiente página se muestra una planificación mixta de ejemplo, en la

que se han añadido horas extra en algunos meses. Se consigue un buen
resultado, ya que el coste total se ha reducido con respecto a la estrategia de
nivelación (ahora es 38.314.235,00 u.m.). Sin embargo, el nivel de servicio se
ha reducido ligeramente hasta 99,58 %.
47
Plan de
Necesidades 7150 8000 9500 7500 10000 10000 5000 9500 8500 10000 9500 8000 102650
Producción a
realizar 7150 7310 8810 7510 9510 9917 5404 5582 5976 7870 8858 8013
Capítulo 2
Días de trabajo 21 20 22 20 22 21 23 20 20 21 21 20
Trabajadores
teóricos 127,68 137,06 150,17 140,81 162,10 177,08 88,11 104,66 112,05 140,54 158,18 150,24
Trabajadores
reales 140 150 150 150 155 155 152 152 152 152 152 152
Horas aportadas
por obreros 23520 24000 26400 24000 27280 26040 27968 24320 24320 25536 25536 24320
Producción en
horas normales 7840 8000 8800 8000 9093 8680 9322 8106 8106 8512 8512 8106
Coste horas
normales 2822400 2880000 3168000 2880000 3273600 3124800 3356160 2918400 2918400 3064320 3064320 2918400 36388800
Nº de despidos 0 0 0 0 0 0 3 0 0 0 0 0
48
Nº de
contrataciones 0 10 0 0 5 0 0 0 0 0 0 0
Coste de
contrataciones 0 110000 0 0 55000 0 0 0 0 0 0 0 165000
Nº de horas
ociosas 0 0 0 0 0 0 0 0 0 0 0 0
Coste mano de
obra ociosa 0 0 0 0 0 0 0 0 0 0 0 0 0
Nº de horas extra 0 0 0 0 1500 2500 0 0 0 0 1000 0

Coste de horas
extra 0 0 0 0 240000 400000 0 0 0 0 160000 0 800000
Producción en
horas extras 0 0 0 0 500 833 0 0 0 0 333 0
Producción
subcontratada 0 0 0 0 0 0 0 0 0 0 0 0
Coste de
subcontratar 0 0 0 0 0 0 0 0 0 0 0 0 0
Inventario
Posesión / Ruptura 690 690 -10 490 83 -404 3918 2524 2130 642 -13 93
Coste Posesión 27600 55200 27205,71 19208 22920 565,83 142070,56 257680 186160 110880 25170,32 3263,77 877924,49
Coste Ruptura 0 0 14,29 20 0 33514,58 3776,40 0 0 0 25,80 159,44 37510,51

Unidades servidas
a tiempo 7150 8000 9490 7500 10000 9596 5000 9500 8500 10000 9487 8000 102223
Tabla 2.9: Ejemplo PAP. Estrategia mixta.

2.2. Programa Maestro de Producción (PMP)
El siguiente paso en el proceso de planificación y control de la producción,

ahora que ya se ha realizado el Plan Agregado, es determinar el Programa
2.2.1. La Programación Maestra y sus funciones
El Programa Maestro de Producción (PMP) es una plan detallado que

establece cuántos productos finales serán producidos y en qué períodos de
tiempo (Krajewski & Ritzman, 1990). Es decir, consiste en establecer qué
productos se van a fabricar, en qué cantidad (cuánto) y en qué periodo
(cuándo). Tiene dos funciones básicas (Domínguez Machuca, 1995):
 En primer lugar, sirve para concretar los lotes de los productos y

cuándo deben estar terminados (no cuándo tienen que empezar a
fabricarse). También permite calcular y planificar los inventarios de los
productos finales en intervalos de tiempo más detallados.
 Además, a partir de él se puede calcular el Plan Aproximado de
Capacidad, para comprobar si se puede satisfacer la demanda con los
medios disponibles. De esta forma, se puede asegurar que el
Programa Maestro es factible y, a su vez, el Plan Agregado.
En cuanto al horizonte de planificación, este va a depender del caso concreto

al que se esté aplicando. Es extremadamente importante que el horizonte sea
mayor o igual que el tiempo de espera agregado del producto o servicio cuya
producción se está planificando (Chapman, 2006). Normalmente, se utiliza un
horizonte de planificación de 3 meses. Los cubos de tiempo empleados
suelen ser semanas, ya que períodos de tiempo más cortos generan
demasiados cálculos, y períodos más largos provocan menos exactitud.
La unidad de planificación en este caso son los productos finales. Hay veces
que estos productos no son exactamente los que se van a vender al cliente,
ya que dentro de cada uno existen diferentes opciones y configuraciones (se
agrupan en un subconjunto debido a su similitud).
2.2.2. Proceso de obtención de un PMP factible
Para comenzar el proceso de obtención de un Programa Maestro hay que

partir de un Plan Agregado o de las previsiones de venta medio plazo (ver
Figura 2.2).
49
Capítulo 2
Tanto en un caso como en otro, las unidades agregadas (en familias de

productos) tienen que desagregarse en unidades de productos finales.
Además, hay que periodificarlas en períodos de tiempo más cortos
(normalmente semanas).
Si se parte de las previsiones de venta a medio plazo, hay que corregirlas con
las previsiones a corto plazo, los pedidos comprometidos, las disponibilidades
de inventario, los pedidos en curso, aspectos técnicos y otras fuentes
generadoras de demanda.
Plan Agregado Partiendo de Previsión de

de producción ventas a MP
Plan Agregado Previsión de

en unidades de ventas en unid.
producto de producto
Inventario Previsión
disponible ventas a CP
Pedidos en Pedidos
curso comprometidos
Aspectos Otras fuentes

técnicos de demanda
Periodificación
PMP propuesto
Capacidad Plan de carga

disponible aproximado
¿Es viable?
No
Sí
PMP aprobado
Planificación de
materiales
Figura 2.2: Proceso de Programación Maestra.
50
En cambio, si se comienza con el Plan Agregado, solamente hay que

considerar los pedidos en curso y los aspectos técnicos, debido a que el resto
ya ha sido tenido en cuenta.
De esta manera se obtiene el PMP propuesto, que será válido si la capacidad

disponible es suficiente para la carga que genera. Como hemos visto
anteriormente, que el Plan Agregado sea factible no quiere decir que el
Programa Maestro tenga que serlo. Esto se comprobará mediante la
Planificación Aproximada de la Capacidad.
Si existen problemas de capacidad para llevar a cabo el Programa Maestro,

hay dos posibilidades de actuación. Por un lado, se pueden tomar medidas de
aumento transitorio de la capacidad, y por otro, es posible realizar
modificaciones en el PMP propuesto. Si las medidas son suficientes, se
obtiene el PMP aprobado.
Si con estas medidas no se consigue obtener un PMP válido, habría que

modificar la Planificación Agregada y proponer de nuevo un PMP con menos
cantidades a producir. Se procedería así hasta que se llegase a un resultado
factible.
El PMP suele recalcularse todos los meses para corregir las desviaciones que
se han producido y para modificar las previsiones que se habían realizado
anteriormente. De esta forma, en los primeros períodos del horizonte
temporal se trabaja con datos bastante exactos.
2.2.3. Desagregación del Plan Agregado y obtención del PMP

propuesto
Como sabemos, el Plan Agregado está expresado en unidades de familia de

productos por mes. El objetivo del proceso de desagregación es convertirlo en
cantidades de productos por semana. Esto tiene que realizarse teniendo en
cuenta que:
 Tienen que cubrirse las necesidades de fabricación expresadas en la

Planificación Agregada.
 Hay que evitar retrasos en el servicio de las necesidades de los
productos (inventarios negativos).
 Debe hacerse con el menor coste posible.
Para desarrollar este proceso, las empresas suelen utilizar métodos de

prueba y error, que se estructuran en cinco fases:
51
Capítulo 2
1) Descomposición de las familias del Plan Agregado en unidades de

productos concretos.
2) Periodificación de las unidades de producto en los cubos de tiempo
que se hayan definido (semanas).
3) Calcular el PMP inicial: dimensionar los lotes de pedido y determinar
su fecha de obtención.
4) Calcular el PMP propuesto y los inventarios finales de cada período:
ajustar el PMP inicial en función de la demanda.
5) Determinar las disponibilidades a comprometer con los clientes.
La técnica más empleada para descomponer las familias de producto se

conoce como Previsión de Listas de Planificación (Forecasting Planning Bills).
Estas listas expresan las proporciones previstas de cada producto de la
familia en la demanda futura. Se aplican a lo que produce la empresa con sus
propios recursos, es decir, a la suma de la producción en horas normales y la
producción en horas extra.
Vamos a ver cómo se calcularía el Plan Maestro de Producción propuesto a

través de un ejemplo.
2.2.4. Obtención del PMP propuesto (Ejemplo)
Vamos a continuar con el ejemplo desarrollado en el apartado 2.1.5. Se van a

utilizar los datos del Plan Agregado obtenidos con la estrategia de nivelación.
La producción total, que en este caso coincide con la producción en horas
normales (ya que no hay horas extra), en familias de producto para los tres
primeros meses es la siguiente:
Enero Febrero Marzo
PA 8624 8213 9034

Tabla 2.10: Ejemplo PMP. Plan Agregado.
Cálculo del PMP inicial:
Para desagregar la familia de productos y calcular el Plan Maestro de

Producción inicial se necesitan algunos datos. Vamos a suponer que la familia
está compuesta por tres productos. Sus porcentajes se muestran a
continuación, junto con el tamaño de lote y la producción en curso de cada
uno.
52
Producción
Producto Porcentaje Tamaño de lote
en curso
P1 55% 4000 4000
P2 25% 2000 2000
P3 20% 2000 2000
Tabla 2.11: Ejemplo PMP. Datos de los productos.
Mediante estos porcentajes, desagregamos el Plan Agregado en los tres

productos:
Enero Febrero Marzo
PA 8624 8213 9034

PA P1 4743 4517 4969
PA P2 2156 2053 2259
PA P3 1725 1643 1806
Tabla 2.12: Ejemplo PMP. Plan Agregado por producto.
Con estos datos ya podemos calcular el PMP inicial de cada producto, que se
muestra en la siguiente página.
Para periodificar en semanas el Plan Agregado de cada producto (las

necesidades brutas), este se ha repartido uniformemente entre las cuatro
semanas de cada mes.
Las necesidades netas de producción semanales se calculan con la siguiente

expresión:
Si las necesidades netas son positivas, es decir, si las disponibilidades no son

suficientes para cubrir las necesidades, en el PMP inicial se programará
recepción de un lote (o varios) de unidades de producto.
Para calcular el inventario en exceso simplemente hay que considerar las

necesidades netas y el PMP inicial de la semana anterior:
53
Enero Febrero Marzo
1 2 3 4 5 6 7 8 9 10 11 12
PA P1 1186 1186 1186 1185 1129 1129 1129 1130 1242 1242 1242 1243
Capítulo 2
Exceso 0 2814 1628 442 3257 2128 999 3870 2740 1498 256 3014
Producción en curso 4000 0 0 0 0 0 0 0 0 0 0 0
Nec. netas de producción -2814 -1628 -442 743 -2128 -999 130 -2740 -1498 -256 986 -1771
PMP Inicial 0 0 0 4000 0 0 4000 0 0 0 4000 0
PA P2 539 539 539 539 513 513 513 514 565 565 565 564
Exceso 0 1461 922 383 1844 1331 818 305 1791 1226 661 96
54
Nec. netas de producción -1461 -922 -383 156 -1331 -818 -305 209 -1226 -661 -96 468
PMP Inicial 0 0 0 2000 0 0 0 2000 0 0 0 2000
PA P3 431 431 431 432 411 411 411 410 452 451 452 451
Exceso 0 1569 1138 707 275 1864 1453 1042 632 180 1729 1277
Nec. -1569 -1138 -707 -275 136 -1453 -1042 -632 -180 271 -1277 -826
PMP Inicial 0 0 0 0 2000 0 0 0 0 2000 0 0
Tabla 2.13: Ejemplo PMP. PMP inicial de los tres productos.

Cálculo del PMP propuesto:
Se vuelve a calcular el Plan Maestro pero esta vez con las previsiones de
venta a medio y corto plazo, eligiendo siempre las más cercanas
temporalmente. También se conocen los pedidos comprometidos con los
clientes y los pedidos pendientes.
Enero Febrero Marzo
Prev. MP 7000 8000 9000

Prev. MP P1 3850 4400 4950
Prev. MP P2 1750 2000 2250
Prev. MP P3 1400 1600 1800
Tabla 2.14: Ejemplo PMP. Previsiones a medio plazo desagregadas.
Ped. Pendientes Ped. Comprom.

Enero Enero
P1 300 2500
P2 100 850
P3 0 0
Tabla 2.15: Ejemplo PMP. Pedidos pendientes y comprometidos en enero.
Enero Febrero
Semanas 1 2 3 4 5 6 7 8
Prev. CP P1 1050 750 950 1000 1250 1100

Ped. Comprom. P1 1500 800 200
Prev. CP P2 450 550 500 450 450 600
Ped. Comprom. P2 400 300 150
Prev. CP P3 300 450 350 300 450 400
Ped. Comprom. P3
Tabla 2.16: Ejemplo PMP. Previsión a corto plazo y pedidos comprometidos.
Hay que asegurar que el PMP inicial cubra las necesidades de productos en
tiempo y cantidad. Para ello, se comprobará que los inventarios no sean
negativos, en cuyo caso habría que adelantar los pedidos.
55
Capítulo 2
Las previsiones de ventas a medio plazo y los pedidos pendientes se han

periodificado de manera uniforme entre las cuatro semanas de cada mes. Las
previsiones a corto plazo y los pedidos comprometidos ya estaban
periodificados.
Lo que hay que hacer es hallar el inventario de cada producto. Se calcula de

la siguiente forma, utilizando la previsión a corto plazo o, si no se dispone de
ella, la previsión a medio plazo:
En la primera semana se utiliza la producción en curso en vez del inventario

modificado.
Cuando en una semana el inventario es negativo, significa que las

necesidades de productos son mayores que las unidades disponibles, por lo
que hay que programar la recepción de un lote (o varios). De esta forma se
obtiene el PMP modificado (propuesto).
Para terminar, se calcula el inventario modificado teniendo en cuenta los

cambios que se han realizado en el PMP:
En las siguientes páginas se muestra el cálculo del PMP propuesto para los
tres productos.
56
Enero Febrero Marzo
P1
1 2 3 4 5 6 7 8 9 10 11 12
Prev MP periodificadas 963 962 963 962 1100 1100 1100 1100 1238 1237 1238 1237
Previsión venta CP 1050 750 950 1000 1250 1100
Pedidos comprometidos 1500 800 200
57
Pedidos pendientes 75 75 75 75
Pedidos en curso 4000
Plan Maestro Inicial 0 0 0 4000 0 0 4000 0 0 0 4000 0
Inventario 2425 1550 525 -550 2200 1100 0 -1100 1662 425 -813 1950
Plan Maestro Modificado 0 0 0 4000 0 0 0 4000 0 0 4000 0
Inventario Modificado 2425 1550 525 3450 2200 1100 0 2900 1662 425 3187 1950
Tabla 2.17: Ejemplo PMP. PMP modificado del producto 1.

Capítulo 2
Enero Febrero Marzo

P2
1 2 3 4 5 6 7 8 9 10 11 12
58
Inventario 1525 950 425 -50 1500 900 400 -100 1337 775 212 -350

Enero Febrero Marzo
P3
1 2 3 4 5 6 7 8 9 10 11 12
59
Inventario 1700 1250 900 600 150 -250 1350 950 500 50 -400 1150

Capítulo 2
2.2.5. Planificación Aproximada de Capacidad
Como hemos visto, es necesario comprobar que el PMP es viable desde el

punto de vista de la capacidad. Con el Plan Aproximado de Capacidad se
analiza si los centros de trabajo tienen capacidad suficiente para responder a
la carga generada por los diferentes productos.
Es importante que el Programa Maestro no sea exagerado. Si la producción

programada excede a la capacidad, pueden ocurrir diversos problemas: mal
servicio al cliente (entregas perdidas), aumento de los costes, exceso de
inventario en proceso, etc.
El Programa Maestro debe ser un plan viable y actualizado. Si se mantiene

adecuadamente, puede reducir el inventario, mejorar el servicio al cliente e
incrementar la productividad (Tersine, 1985).
El Plan Aproximado de Capacidad (Rough Cut Capacity Planning, RCCP) ayuda

a identificar la escasez de materiales o personal, las restricciones de tiempo y
los problemas de capacidad, permitiendo crear un plan de producción y un
Programa Maestro que pueda ejecutarse con éxito. También, sugiere posibles
alternativas para evitar los cuellos de botella. En resumen, sirve para
comprobar la validez de Programa Maestro antes de realizar la planificación
detallada de materiales y capacidad, así como para iniciar acciones de ajuste
de capacidad a medio y largo plazo (Proud, 1994).
Se pueden usar diversas técnicas, aunque las más empleadas son

(Domínguez Machuca, 1995):
 Planificación de Capacidad Usando Factores Agregados (Capacity

Planning Using Overall Factors, CPOF). Este método requiere poca
información y cálculos, pero es menos exacto que los otros.
 Listas de Capacidad (Capacity Bills). Esta técnica facilita el cálculo de

la carga semanal derivada del PMP propuesto. Al comparar esta con la
capacidad disponible, se puede calcular la desviación (que indica si se
tiene capacidad suficiente o si existe una sobrecarga).
No cualquier sobrecarga hace inviable el PMP. En este método, la
desviación de cada semana no es representativa, ya que no están
periodificadas las cantidades.
En lo que hay que fijarse es en la desviación acumulada. Mientras esta
se mantenga positiva período a período, indicará que pueden
fabricarse las cantidades del PMP (con la capacidad de esa semana
más la de las semanas anteriores).
60
 Perfiles de Recursos (Resource Profiles). También se llaman Listas de

Capacidad Periodificadas, ya que tratan de corregir uno de los
problemas básicos del método anterior: la periodificación de las
cargas. Este problema se resuelve repartiendo la carga de los pedidos
entre los períodos que abarca el tiempo de suministro del producto
final y de sus componentes. Los cálculos se vuelven algo más
complejos.
En este trabajo no se analizará la capacidad del Programa Maestro de

Producción, de manera que no nos extenderemos más en este apartado.
2.2.6. Por qué es necesaria la Programación Maestra
Por último, son varias razones que justifican la realización de la Programación

Maestra en una empresa (Proud, 1994). Tiene una gran importancia ya que
sirve para:
 Asegurar la integración e implementación de los planes de empresa,

de ventas, de marketing, de ingeniería, de finanzas y de fabricación.
 Gestionar el inventario y los retrasos hacia la posición deseada por la
Alta Dirección.
 Crear una base sobre la responsabilidad de la empresa hacia los
clientes, hacia los proveedores y hacia nosotros mismos.
 Dirigir las necesidades detalladas de material y capacidad.
 Planificar y comprometer los recursos para satisfacer las demandas de
los clientes.
2.3. Programación de Materiales (MRP)
Una vez realizado el Plan Maestro de Producción, la siguiente etapa sería la

Programación de Materiales, que consiste en calcular las necesidades reales
de componentes, con fechas y cantidades.
En ella, se definen los lotes de los productos y de los componentes, cuándo

deben estar terminados y cuándo deben lanzarse los pedidos (orden de
producción o compra). Además, se calculan los inventarios de productos y
componentes.
61
Capítulo 2
Al igual que en la etapa anterior, es necesario analizar la viabilidad de la

programación realizada, teniendo en cuenta la capacidad disponible. Esto se
realiza mediante el Plan Detallado de Capacidad.
Este nivel de la planificación y programación de la producción se sale del

alcance del trabajo, por los que no es necesario entrar más en detalle.
62
Capítulo 3:
Técnicas de resolución
3. Técnicas de resolución
En este capítulo se va a explicar la base teórica de las técnicas de

determinación de la Planificación Agregada que se emplearán en este trabajo:
la simulación y la optimización.
Como hemos visto en el capítulo anterior, además de los métodos de prueba y

error, existen otros métodos que se utilizan para calcular el Plan Agregado.
Por un lado, están las técnicas de simulación y, por otro, los métodos
analíticos. Estos últimos, pueden basarse en la programación matemática
(lineal o cuadrática), con la que se trata de encontrar la solución óptima; o
bien en métodos heurísticos, que buscan una solución satisfactoria cercana a
la óptima.
3.1. Simulación
Según el Diccionario de la lengua española, la palabra simular significa

representar algo, fingiendo o imitando lo que no es. Esto nos da una idea de
lo que puede ser una simulación y los objetivos que persigue.
3.1.1. ¿Qué es la simulación?
La simulación es una técnica numérica que sirve para conducir experimentos

a lo largo del tiempo mediante la ayuda de una computadora digital,
realizando pruebas en un modelo (que no se llevarían a cabo de otro modo, ya
sea por imposibilidad técnica, económica, etc.) que mimetice las respuestas
de un sistema o proceso real ante determinadas circunstancias, para analizar
su comportamiento y las posibles estrategias a seguir.
Dicho de otra forma, se refiere a la construcción de un modelo que representa

un sistema de la vida real con el objetivo de explorar distintos escenarios y
tomar decisiones.
La simulación, que se empezó a utilizar durante la II Guerra Mundial, es

utilizada en muchos campos (producción, economía, biología, medio
ambiente, etc.) ya que se trata de una técnica muy útil. Tradicionalmente ha
sido utilizada por empresas productivas, aunque en la actualidad la utilizan
también las empresas de servicios.
65
Capítulo 3
3.1.2. Ventajas e inconvenientes
Las ventajas de la simulación se muestran en la siguiente tabla:
Ventajas
 Técnica relativamente sencilla y flexible.

 Facilita la toma de decisiones.
 Se puede utilizar repetidamente.
 Utilización de diferentes escalas de tiempo (tiempo real, expandido o
comprimido). En muy poco tiempo se pueden obtener los efectos de la
dirección de operaciones durante varios meses o años.
 Análisis del comportamiento del sistema en diferentes escenarios.
 Se pueden estudiar los efectos de componentes individuales o variables,
para ver cuáles son más importantes.
 Permite hacer pruebas sobre sistemas sobre los que no se podría
experimentar por razones técnicas, económicas, éticas o morales.
 Facilidad para crear modelos incluyendo elementos estocásticos, difíciles
de resolver analíticamente.
 No necesita tantas restricciones como los modelos analíticos.
 Comprensión del funcionamiento del sistema.
 Identificación de problemas.
 Herramienta muy gráfica y fácilmente comprensible.
Tabla 3.1: Ventajas de la simulación.
Por otra parte, la simulación también tiene sus inconvenientes, que se

muestran a continuación:
Inconvenientes
 Requiere un aprendizaje especializado y un conocimiento exhaustivo del

sistema.
 Desconocimiento del grado de exactitud. Desconfianza de los resultados
hasta ser probados en el sistema real.
 La calidad del análisis depende del modelo construido. Deben introducirse
datos adecuados y realistas.
 Dificultad para construir un modelo preciso.
 Es un método de prueba y error, que produce diferentes soluciones
66
cuando se realiza en repetidas ocasiones. Al contrario que la

programación lineal, no encuentra soluciones óptimas a los problemas.
 En ocasiones puede ser difícil de interpretar.
 Un buen modelo de simulación puede ser caro y puede requerir bastante
tiempo para su desarrollo.
 Cada modelo de simulación es único, por lo que sus resultados no se
suelen poder transferir a otros problemas.
 Elevada carga computacional.
Tabla 3.2: Inconvenientes de la simulación.
3.1.3. El sistema
Un sistema es un conjunto de elementos que están interrelacionados

dinámicamente y del que interesa su comportamiento global frente al de cada
una de sus partes. Se puede considerar un proceso dinámico que responde a
unas entradas para producir unas salidas.
El estado del sistema es el conjunto variables que contienen toda la

información necesaria para describir el sistema en cualquier instante de
tiempo.
Las características más significativas de un sistema son:
 Sinergia (“el todo no es igual a la suma de sus partes”). No se puede

explicar el comportamiento del sistema a partir del análisis aislado de
sus componentes. Todo está relacionado y el resultado depende de
esas relaciones.
 Recursividad. Un objeto sinérgico está compuesto de partes que son a
su vez objetos sinérgicos.
 Homeostasis. Se refiere a la capacidad de adaptación de los sistemas
a los cambios que se puedan producir en el exterior.
 Entropía. Los sistemas tienden al desgaste y a la desintegración,
evolucionando a estados más simples de menor energía.
 Complejidad. Será necesario simplificarlos.
Se pueden distinguir dos tipos de sistemas: discretos y continuos. Los

sistemas discretos son aquellos en los que el estado de las variables cambia
de manera instantánea en momentos separados de tiempo. Por ejemplo: un
avión aterrizando en un aeropuerto, un cliente llegando a una oficina bancaria
67
Capítulo 3
o una máquina terminando un ciclo. En cambio, los sistemas continuos son

aquellos en los que el estado de las variables cambia continuamente con el
tiempo. Ejemplos de este tipo son: un avión desplazándose por el aire (su
posición y velocidad cambian todo el tiempo) o las variaciones de la
temperatura de un lago durante el día. Pocos sistemas son totalmente
discretos o totalmente continuos, aunque normalmente un tipo predomina
sobre el otro.
Normalmente, en la mayoría de sistemas llega un momento en el que es

necesario estudiarlos para conocer las relaciones entre sus componentes o
predecir su funcionamiento bajo otras condiciones (Law & Kelton, 1991). Los
sistemas pueden estudiarse de diversas formas, como se puede ver en la
Figura 3.1.
Experimentar
con el sistema
real
Sistema Modelo
físico
Experimentar
con un modelo
Solución
del sistema
analítica
Modelo
matemático
Simulación
Law & Kelton (1991)
Figura 3.1: Formas de estudiar un sistema
Lo ideal es experimentar directamente con el sistema real, ya que, si no hay

ningún otro factor que lo afecte significativamente, se podrá asegurar que se
está actuando de la manera correcta. Sin embargo, en muchas ocasiones
realizar estudios sobre el sistema es difícil, muy costoso o imposible de
realizar (cuando el sistema ni siquiera existe). Por ello, hay que recurrir a
modelos que se comporten de la misma forma que el sistema real.
68
Los modelos pueden ser físicos (por ejemplo, un prototipo de un nuevo

producto) o matemáticos. La mayoría de sistemas que se utilizan en el campo
de la investigación de operaciones y análisis de sistemas son matemáticos.
En estos modelos, el sistema se representa con relaciones lógicas y
cuantitativas, que se modifican para ver cómo reacciona y los resultados que
se obtienen.
Si el modelo matemático es lo suficientemente simple, se puede trabajar con

sus relaciones y cantidades para encontrar una solución analítica (exacta).
Generalmente, será difícil plantear y resolver el modelo, por lo que será
necesario recurrir a la simulación.
3.1.4. Los límites del sistema
Los límites de un sistema separan el sistema del entorno en el que se

encuentra. Se escogen de tal forma que incluyan todos los elementos
necesarios para describir el comportamiento del sistema y que excluyan a
aquellos que son irrelevantes.
Las relaciones entre el medio y el sistema son unidireccionales, mientras que

los elementos interiores están interrelacionados por medio de bucles de
realimentación que crean una fuerte interacción entre ellos. El
comportamiento de interés del sistema se genera en el interior de los límites y
no fuera de ellos.
Los elementos que forman el sistema se pueden clasificar según esto en:
 Exógenos: su manejo se realiza desde el exterior.

 Endógenos: su comportamiento y evolución está determinado por la
estructura del sistema.
3.1.5. El modelo de simulación
Un modelo es la representación simplificada de un sistema que se construye

con el propósito de estudiarlo. El modelo va a ser la base para la toma de
decisiones, ya que es la relación que une las posibles acciones a tomar y sus
efectos.
Se deben considerar todos los aspectos que afecten al problema de estudio y

debe ser lo suficientemente detallado como para obtener conclusiones
aplicables al sistema real. Esto se puede resumir en la siguiente frase: “un
69
Capítulo 3
modelo debe ser tan sencillo como sea posible y tan complejo como sea
necesario”.
Existen varias clasificaciones de modelos (Law & Kelton, 1991). En primer

lugar, se puede distinguir entre modelos estáticos y dinámicos. Los modelos
estáticos son aquellos que no están influenciados por el tiempo, mientras que
los dinámicos sí que lo están.
También, existen modelos deterministas y estocásticos. Los primeros no

contienen variables aleatorias, por lo que las mismas entradas provocarán
siempre las mismas salidas. Los estocásticos, por su parte, sí que contienen
elementos aleatorios.
Por último, también se pueden clasificar, al igual que los sistemas, en

modelos de simulación continuos y discretos. En este trabajo se utilizarán
modelos discretos, estocásticos y dinámicos (modelos de simulación de
eventos discretos).
3.1.6. Construcción de un modelo
Se pueden considerar tres clases de modelos:
 Modelo mental o conceptual: se basa en el conocimiento que se tiene

de cierto aspecto y que se ha adquirido a través de la experiencia e
intuición, del cual se extraen sus características esenciales.
 Modelo formal o matemático: se define el comportamiento del sistema
con relaciones formales o de funcionamiento creadas a partir de las
hipótesis del modelo mental.
 Modelo computerizado: consiste en la implementación del modelo
formal en un lenguaje informático para poder realizar simulaciones
utilizando la capacidad de cálculo de un ordenador.
Como se puede ver en la Figura 3.2, se pueden distinguir diferentes fases en

la construcción de un modelo:
 Fase de conceptualización: comprensión mental del funcionamiento

del sistema real. En esta fase se busca obtener información,
establecer los límites del sistema, etc.
 Fase de formalización: representación de los elementos de la fase
anterior en un lenguaje formal e implementación en un computador.
 Fase de evaluación: pruebas y análisis del modelo (análisis de
sensibilidad).
70
Sistema real Modelo mental

Conceptualización
Relaciones
formales
Modelo formal
Codificación
Observación de su
comportamiento Modelo computerizado
Experimentación
Comparación
observación-predicción
Figura 3.2: Construcción de un modelo.
Este proceso no es lineal, sino que es un proceso de mejora progresiva. Hay

una etapa inicial en la que se realiza una primera aproximación y después
una etapa de perfeccionamiento en la que se hace una mejora iterativa, de
forma que el comportamiento del modelo se aproxima cada vez más al del
sistema real. Como en todo proceso de mejora, se sigue el ciclo PDCA
(también llamado ciclo de Deming).
Ciclo PDCA
Plan Planificar los cambios.

Do Implementar los cambios.
Check Evaluar sus efectos.
Act Mejorar a través de la adaptación.
Tabla 3.3: Ciclo PDCA.
3.1.7. Elementos de un modelo
De forma general, los modelos están compuestos por diferentes tipos de

elementos (son similares a los elementos de WITNESS que se verán en el
Capítulo 4) como se puede ver en la Tabla 3.4:
71
Capítulo 3
Componentes que se mueven, cambian de estado e interaccionan

Entidades con otras entidades. Pueden ser temporales (piezas) o
permanentes (procesos).
Características de las entidades que se utilizan para describirlas y

Atributos
diferenciarlas.
Tipo especial de entidad que es utilizada por otra para realizar una
Recursos acción. El personal, los equipos y las instalaciones se consideran
recursos.
Actividades Funciones que realizan los recursos sobre las entidades.
Reflejan características del sistema de forma global. Son únicas

Variables
para todo el modelo.
Tipo especial de variables que determinan las propiedades que

Parámetros
tienen los recursos.
Lugar donde las entidades esperan a ser atendidas cuando los

Colas
recursos no están disponibles.
Hechos que ocurren en un momento determinado y que pueden

Eventos cambiar el estado de una entidad o del sistema. Pueden ser
endógenos o exógenos.
Situación en la que se encuentra una entidad o un recurso como

Estado
consecuencia de los eventos que suceden a lo largo del tiempo.
Relaciones Vínculos e interrelaciones que se establecen entre los recursos del

funcionales sistema.
Tabla 3.4: Elementos de un modelo
3.1.8. Pasos de la simulación
Para realizar una simulación correctamente, que permita extraer conclusiones

de ella y tomar decisiones, debe seguirse un orden lógico de pasos. Estos
pasos cambian dependiendo del autor pero, de forma general, se van a
considerar los siguientes:
1) Establecer objetivos:
Es el primer paso y probablemente el más importante. Consiste en
formular el problema y definir claramente los objetivos de la
simulación, es decir, el propósito que tiene. Estos objetivos pueden ser
preguntas a las que se busca respuesta, hipótesis que se desean
demostrar o efectos que se quieren estimar.
72
Además, es muy importante determinar cómo se va a medir su

cumplimiento. Hay que recordar que un objetivo correctamente
definido tiene que seguir el criterio SMART: Specific (Específico),
Measurable (Medible), Achievable (Realizable), Realistic (Realista) y
Time-Bound (Limitado en el tiempo).
2) Determinar el nivel de detalle y alcance:

También hay que definir el nivel de detalle y el alcance del modelo, es
decir, fijar cuáles son sus límites. Como se ha comentado
anteriormente, el modelo solo debe contener aquello que sea
necesario para alcanzar el objetivo.
3) Recogida de datos:
En esta etapa se identifican y recogen los datos de entrada necesarios
para construir el modelo y realizar la simulación. Esta información se
puede clasificar en tres categorías:
 Información que está disponible.
 Información que no está disponible pero se puede obtener.
 Información que no está disponible ni se puede obtener (en
cuyo caso habrá que estimarla).
4) Estructurar el modelo:
Partiendo del modelo mental, hay que especificar los componentes,
variables, parámetros y relaciones para llegar al modelo formal.
5) Formulación del programa:

Consiste en la implementación y programación del modelo en el
ordenador. Para ello, habrá que seleccionar previamente un lenguaje
de programación o un programa de simulación.
6) Verificación del modelo:

La verificación consiste en comprobar que el programa funciona y que
es internamente consistente con sus expectativas, es decir, que
cumple con los requisitos para los cuales se ha diseñado. Es un
término utilizado en simulación que indica que el modelo está
funcionando de la forma que se pretende (Gogg & Mott, 1992).
Por ejemplo, si se está simulando una planta de fabricación, la
verificación consistiría en comprobar que las piezas siguen las rutas
correctas y se mueven por las máquinas adecuadas.
73
Capítulo 3
Validación
Sistema
Credibilidad
Análisis de
datos
Modelo Verificación
conceptual
Programar
Programa Validación
simulación
Realizar
simulaciones
Resultados Credibilidad
correctos
Mostrar
resultados
Resultados
implementados
Figura 3.3: Verificación y validación del modelo de simulación.
7) Validación del modelo:

En esta fase se debe validar que los resultados que se obtienen con el
modelo se ajustan a del sistema real que se está tratando de simular.
Para ello se utilizan datos históricos o valoraciones de expertos, en
caso de que sea un sistema teórico que no exista en la realidad.
8) Diseño de experimentos:
Una vez se ha verificado y validado el modelo, se pasa a la fase de
experimentación. En ella, se diseñan y realizan experimentos probando
con distintos escenarios (diferentes valores para las variables).
También se hace un análisis de sensibilidad del modelo.
9) Análisis y presentación de resultados:

En esta etapa, se interpretan los resultados que se han obtenido en la
experimentación y, en base a ellos, se procede a la toma de
decisiones. Normalmente, para presentar estos resultados se utilizan
gráficos o tablas, que permiten observar las relaciones entre los datos
que han resultado de los diferentes experimentos.
74
10)Documentación:
Por último, es recomendable anotar los datos finales, las decisiones
tomadas y las conclusiones finales de la simulación. Así mismo, se
debe documentar el modelo y su modo de funcionamiento. Esto hará
que sea más fácil entender el modelo si alguien lo necesita
posteriormente.
3.1.9. Software de simulación
El uso del ordenador es imprescindible para realizar simulaciones complejas.

Pueden generar números aleatorios, simular enormes periodos de tiempo en
cuestión de segundos o minutos y proporcionar informes para la toma de
decisiones. Un planteamiento informatizado constituye casi una necesidad si
se quieren sacar conclusiones válidas de una simulación (Heizer & Render,
2008).
Para realizar la programación del modelo se pueden utilizar distintas

alternativas. En general, se necesita que el lenguaje o programa elegido tenga
unas determinadas características como: flexibilidad, facilidad para el
desarrollo de modelos, velocidad de ejecución, animación gráfica, tratamiento
estadístico de datos o informes de salida.
Por un lado, se pueden utilizar lenguajes de propósito general (C++, Java,

BASIC, Fortran, Pascal, etc.). Entre sus ventajas, destacan la inexistencia de
limitaciones, su rapidez, que son modulables y que tienen herramientas de
depuración. Sin embargo, el principal inconveniente que tienen es que
requieren bastante tiempo de desarrollo.
Por otro lado, existe software específico de simulación. Se pueden dividir en

dos clases:
 Lenguajes de simulación (DYNAMO, GPSS, SIMULATE, SIMAN,

SIMSCRIPT, etc.), que son similares a los lenguajes de propósito
general pero tienen aplicaciones específicas para la simulación.
Estos requieren menos tiempo de programación, son más eficientes,
cuentan con herramientas de detección de errores y tienen subrutinas
incorporadas para la generación de números aleatorios. También
tienen desventajas como, por ejemplo, que hay que conocer su
lenguaje específico.
75
Capítulo 3
 Simuladores (WITNESS, Arena, ProModel, ExtendSim, SIMUL8, Taylor

II, Enterprise Dynamics, Simfactory, Micro Saint, Modsim, etc.), que
son programas comerciales de simulación. En comparación con los
otros lenguajes, son más sencillos de utilizar y con una interfaz de
usuario más intuitiva.
En este tipo de programas, simplemente hay que seleccionar los
elementos constructivos, conectarlos y ejecutar el modelo. Además,
generalmente tienen animaciones gráficas que muestran
dinámicamente los componentes del modelo y sus cambios de estado.
Permiten realizar simulaciones de sistemas de todo tipo: estáticos o
dinámicos, deterministas o estocásticos y discretos o continuos; y de
cualquier tamaño, desde fábricas enteras a pequeñas líneas
productivas (Parreño, Pino, Gómez, Puente, & Fernández, 2002).
Cada uno tiene sus características. La elección de uno u otro
dependerá, entre otras cosas, del sistema que se quiera simular y del
coste de adquisición del programa.
Una última opción es utilizar software de hojas de cálculo (como Microsoft

Excel), con el que se puede desarrollar una simulación de forma rápida y fácil.
Para realizar este trabajo se ha utilizado el simulador WITNESS, que se

describirá en el Capítulo 4.
76
3.2. Optimización
La optimización o programación matemática es la selección del mejor

elemento de un conjunto de elementos disponibles. Esta técnica se ha
intentado aplicar en muchas ocasiones para obtener un Plan Agregado
óptimo, utilizando tanto programación lineal como programación cuadrática
(más compleja).
3.2.1. La programación lineal
Muchas de las decisiones de dirección de operaciones están relacionadas

con la utilización de recursos de la forma más eficaz posible. La programación
lineal es una técnica matemática ampliamente utilizada y diseñada para
ayudar a los directores de operaciones a planificar y a tomar las decisiones
necesarias para asignar los recursos (Heizer & Render, 2008). Es una técnica
útil para asignar recursos entre demandas que compiten (Krajewski, Ritzman,
& Malhotra, 2013).
De entre todas las aplicaciones que tiene la programación lineal en el campo

de la dirección de operaciones, para este trabajo nos interesa especialmente
una. El objetivo será desarrollar un plan productivo que, satisfaciendo las
necesidades de producción, minimice al mismo tiempo los costes totales de
producción e inventario.
3.2.2. Conceptos básicos
Los problemas de programación lineal tienen determinadas características en

común. Son las siguientes:
 Tienen que existir diferentes alternativas de acción que el tomador de
decisiones pueda controlar. Estas están representadas por las
variables de decisión o incógnitas del modelo. La solución de los
problemas de programación lineal lleva estas variables a sus valores
óptimos.
La programación lineal se basa en que estas variables son continuas,
es decir, que pueden ser fraccionarias y no necesariamente serán
enteras. En ocasiones, cuando las variables representan unidades
indivisibles, se puede redondear el resultado para obtener una
solución razonable. También, se podría utilizar una técnica más
avanzada como la programación entera.
77
Capítulo 3
 La función objetivo establece matemáticamente lo que se busca

maximizar o minimizar, dependiendo del objetivo del modelo. Por
ejemplo:
 Se maximizará cuando la función se trate del rendimiento, la
productividad o el beneficio.
 Se minimizará cuando sea el coste de producción o
distribución, el tiempo de finalización de un proyecto o la
desviación.
 Las restricciones son las limitaciones que condicionan las opciones
permitidas para las variables de decisión. Su presencia va a
condicionar el nivel que se puede alcanzar en el objetivo.
Las restricciones se pueden expresar matemáticamente de tres
formas:
 Menor o igual que (≤). Sirve para fijar un límite superior en
alguna función de las variables de decisión. Suele utilizarse en
problemas de maximización. Por ejemplo, puede utilizarse para
indicar el número máximo de productos que se pueden fabricar.
 Igual que (=). Se utiliza frecuentemente para indicar alguna
relación obligatoria. Por ejemplo, que el inventario final tiene
que ser igual al inventario inicial más la producción menos las
ventas.
 Mayor o igual que (≥). Sirve para colocar un límite inferior sobre
alguna función de las variables de decisión. Por ejemplo, la
producción de un artículo tiene que ser mayor o igual que la
demanda.
Los problemas de programación lineal van a tener una o más
restricciones, que juntas definen la región factible. Esta representa
todas las combinaciones permitidas de las variables de decisión.
En resumen, con la programación lineal se busca maximizar o minimizar una

cantidad (la función objetivo) sujeta a unas determinadas limitaciones de
recursos, que son las restricciones.
Tanto la función objetivo como las restricciones son funciones de las variables
de decisión y de parámetros (también llamados coeficientes o constantes
dadas). Estos últimos son valores que el tomador de decisiones no puede
controlar y que permanecen constantes. Se supone que son valores que se
conocen con certeza.
Por último, es necesario hacer dos consideraciones:
78
 Linealidad. En programación lineal, todas las expresiones matemáticas

que se utilicen (la función objetivo y las restricciones) deben ser
lineales. Tiene que haber proporcionalidad y aditividad. No puede
haber productos o potencias de las variables de decisión.
 No negatividad. Se supone que las variables de decisión tienen que ser
positivas o iguales a cero. Por ejemplo, la producción nunca puede ser
negativa. Por ello, hay que añadir una restricción ≥0 con cada variable
de decisión.
Un modelo genérico de programación lineal sería como se muestra en la

Figura 3.5 (Fernández & Vázquez, 1994), siendo x1…xn las variables de
decisión, c1…cn y a11…amn los coeficientes y b1…bm los términos
independientes.
Maximizar o minimizar:
Sujeto a:
… … …
Figura 3.4: Problema genérico de programación lineal.
3.2.3. Resolución de un problema de programación lineal
Existen diferentes formas de resolver un modelo de programación lineal. Si es

un problema muy simple, que solo tenga dos o tres variables, se puede
aplicar el método gráfico de programación lineal. Este método tiene cinco
pasos básicos:
1) Graficar las restricciones.
2) Identificar la región factible.
3) Graficar una recta de la función objetivo.
4) Encontrar una solución visual.
5) Encontrar una solución algebraica.
79
Capítulo 3
Gráficamente, se puede ver que la solución siempre se encuentra en uno de

los vértices de la región factible. Un método podría consistir en comparar el
valor de la función objetivo en cada uno de ellos para encontrar el óptimo. Sin
embargo, esto no sería eficiente en problemas con una gran cantidad de
variables de decisión y restricciones.
Una de las técnicas utilizadas para la resolución de los problemas de

programación lineal es el método símplex, desarrollado por George Dantzig en
1947. En este método, se parte de uno de los vértices de la región factible del
problema y elige entre los vértices adyacentes el que mejora en mayor
medida la función objetivo. Esto se realiza de forma sucesiva hasta encontrar
el óptimo, de manera que no es necesario analizar todos los vértices de la
región factible.
Otro de las técnicas que se pueden emplear para resolver problemas de

programación lineal es el método del punto interior. Este algoritmo fue
desarrollado por el matemático Narendra Karmarkar en 1984. La principal
ventaja con respecto al método simplex, es que es capaz de encontrar la
solución a estos problemas en un tiempo polinómico (Pinedo, 2005). Se
considera que es más eficiente, sobre todo en problemas lineales muy
grandes y con estructuras especiales.
Los problemas de programación lineal pueden dar lugar a tres tipos de

salidas: problema no factible (no hay un conjunto de valores de las variables
de decisión que cumpla con las restricciones), solución óptima finita (puede
haber una única solución o que existan infinitas soluciones óptimas) o
problema no acotado (el valor de la función objetivo puede aumentar o
disminuir indefinidamente).
Normalmente, si el problema está bien planteado, se encuentra un valor

óptimo para las variables y para la función objetivo. Además, se puede extraer
información adicional en el llamado análisis post-óptimo, en el que se
calculan los coeficientes de costo reducido de las variables y los precios
sombra o precios duales de las restricciones.
Actualmente existen diversas implementaciones comerciales de estos

métodos (LINDO, LINGO, What'sBest, AMPL, CPLEX, Xpress, etc.). Mediante
un ordenador, es posible resolver en pocos segundos complejos problemas de
programación lineal con un enorme número de variables.
En el Capítulo 6, se utilizará el programa Xpress para resolver un problema de

programación lineal y así validar el modelo de optimización.
80
3.2.4. Aplicación en la Planificación Agregada
Dentro de los modelos de programación lineal de planificación de la

producción, el tipo que nos interesa en este trabajo es el dinámico. Este
modelo se caracteriza porque existen varios períodos en los que hay que
tomar decisiones sobre producción y en los que es posible almacenar
unidades en inventario para los períodos posteriores.
En este modelo hay que introducir una demanda a cubrir, normalmente

variable de unos períodos a otros. También un número T de períodos, que en
este caso va a ser de 12 meses.
Se puede realizar para una o varias familias de productos y se pueden

considerar diferentes tipos de producción (por ejemplo: producción en horas
normales, en horas extra y subcontratada).
Como hemos visto anteriormente, hay diferentes formas de adaptar la

capacidad disponible a la demanda, que se pueden incorporar al modelo si se
considera necesario.
No se va a tener en cuenta la posibilidad de hacer cambios en la planta o en

los equipos, ya que esas decisiones son a largo plazo y las que estamos
considerando son a medio plazo, de nivel táctico.
Algunas de estas alternativas son:
 Almacenar unidades en períodos de demanda baja para períodos

posteriores.
 Permitir retrasar órdenes en momentos de demanda alta y que esas
unidades sean servidas con retraso (o permitir pérdida de ventas).
 Usar horas extra cuando la demanda sea alta, de forma que se
mantenga constante el número de trabajadores en plantilla.
 Subcontratar parte de la producción cuando la demanda sea alta.
 Ajustar la capacidad de producción mediante contratos o despidos.
Cada alternativa va a tener asociado un coste. La planificación óptima será

una combinación de estas opciones y se obtendrá al minimizar el coste total.
El modelo que se empleará en este trabajo es el siguiente (Domínguez

Machuca, 1995). Se realizará con una única familia de productos y tres
métodos de producción. No se ha considerado la opción de permitir retrasar
unidades.
81
Capítulo 3
 Variables: i meses
 Ti Trabajadores en el período i
 Ci Contrataciones al comienzo del período i
 Di Despidos al comienzo del período i
 Pri Producción en jornada regular en el período i
 Pei Producción en horas extra en el período i
 Psi Producción subcontratada en el período i
 Ii Inventario al final del período i
 Parámetros (datos del problema):
 NPi Necesidades de producción del período i [u]

 di Días productivos del período i [d]
 he Horas estándar por trabajador y día [h.e./d]
 Pre Porcentaje de horas extra sobre regulares
 heu Horas estándar por unidad de familia [h.e./u]
 Pf Plantilla fija [trab]
 Pm Número máximo de trabajadores [trab]
 Cr Coste por h.e. en jornada regular [u.m./h]
 Ce Coste por h.e. en tiempo extra [u.m./h]
 Cs Coste por unidad subcontratada [u.m./u]
 Cc Coste de contratación unitario [u.m./trab]
 Cd Coste de despido unitario [u.m./trab]
 Cp Coste de posesión unitario [u.m/u·mes]
También se necesitará conocer el número inicial de trabajadores y

el inventario inicial
 Restricciones:
 De mano de obra: el número de trabajadores en cada período

tiene que ser igual al número de trabajadores del período
anterior más las contrataciones y menos los despidos.
 De plantilla fija: en cada período se limita el número mínimo de

trabajadores.
82
 De número máximo de trabajadores: en cada período también

hay que definir el número máximo de trabajadores que se
puede alcanzar.
 De producción regular: la producción regular de cada período se

calcula teniendo en cuenta el número de trabajadores y los días
de ese período, junto con las horas diarias de trabajo y las
horas que lleva fabricar cada producto.
 De producción en horas extra: el número de horas extra de

cada período será como máximo un tanto por ciento de las
horas normales.
 De inventario final: el inventario final de un período es igual al

del anterior más la producción y menos las necesidades de
producción de ese período.
 De inventario final en el último período: en el período final hay

que establecer que el inventario sea nulo.
 No negatividad: todas las variables que se han definido tienen

que ser mayores o iguales que cero.
 Función objetivo:
El objetivo del problema será minimizar el total de los costes. Los

costes considerados son: el de producción en horas normales, el de
producción en horas extra, el de producción subcontratada, el de
contrataciones y despidos y el de posesión de inventarios.
83
Capítulo 3
3.2.5. Consideraciones finales
Resolviendo este problema de programación lineal, se obtendría la solución

óptima del modelo planteado. Sin embargo, probablemente esta no coincida
con el óptimo real debido a varias razones:
 Existen restricciones cuantitativas y cualitativas que no se pueden

expresar de forma lineal.
 Los costes no son en realidad lineales, aunque generalmente pueden
hacerse aproximaciones satisfactorias.
 La productividad cambia a lo largo del tiempo. Por lo que las horas
necesarias para producir una unidad no son constantes.
El modelo general de programación lineal es apropiado para la Planificación

Agregada si el costo y las relaciones entre las variables son lineales (o pueden
recortarse en segmentos más o menos lineales) y la demanda se puede
manejar como determinante (Chase, Jacobs, & Aquilano, 2009).
Además, existen otros aspectos que pueden aumentar la dificultad del

problema, como:
 Puede haber más de una familia de productos o diferentes tipos de

mano de obra.
 Es una técnica compleja que requiere bastante tiempo, por lo que se
necesita personal que tenga las competencias necesarias.
 A veces los programas de programación lineal no se adecúan a los
casos reales.
 Esta técnica solo es válida para un horizonte temporal corto, durante el
que se pueda considerar constante el valor de los parámetros. Es
aconsejable realizar un análisis de sensibilidad.
 En algunas ocasiones, el número de datos a manejar y la exactitud
requerida pueden ser excesivos.
Normalmente, la programación lineal se va a emplear en empresas en las que

pequeñas desviaciones con respecto al plan óptimo provoquen costes muy
elevados (por ejemplo: en las refinerías).
Por último, es conveniente destacar que existen otros métodos de resolución.

Un problema de planificación de la producción con fuerza de trabajo
constante se puede resolver con el método del transporte de Bowman (1956).
Los algoritmos de transporte son mucho más simples y rápidos que los de
programación lineal (Sipper & Bulfin, 1998).
84
3.3. Métodos heurísticos
La última de las técnicas de resolución que se pueden emplear en la

determinación de la Planificación Agregada son los métodos heurísticos.
Estos métodos se utilizan en problemas de optimización combinatoria para

encontrar soluciones satisfactorias en un tiempo relativamente corto. No
garantizan que la solución encontrada sea la óptima (Pinedo, 2005).
Se pueden definir como procedimientos simples, a menudo basados en el

sentido común, que se supone que ofrecerán buenas soluciones (aunque no
necesariamente óptimas) a problemas difíciles, de forma fácil y rápida
(Zanakis & Evans, 1981).
Se emplean en algunas ocasiones, principalmente cuando:
 No existe un método exacto o este requiere mucho tiempo de cálculo o

memoria.
 No se necesita la solución óptima.
 Los datos son poco fiables. Por ejemplo, cuando se trabaja con
previsiones de demanda.
 Se utiliza como paso intermedio a otro algoritmo.
Las ventajas de estos métodos son su flexibilidad y que pueden aportar varias
soluciones. En cambio, el principal inconveniente es que no se puede conocer
la calidad de la solución.
Entre los métodos aproximados básicos destacan los métodos constructivos y

los métodos de búsqueda local.
3.3.1. Métodos metaheurísticos y características
En las últimas décadas, se ha desarrollado un nuevo tipo de algoritmos de

aproximación, que combinan los métodos heurísticos básicos con una
estructura de alto nivel enfocada a explorar el espacio de búsqueda de una
forma eficiente y efectiva. Actualmente, estos métodos se conocen como
métodos metaheurísticos. El nombre combina el prefijo griego meta (más allá,
en un nivel superior) y heurístico (heuriskein, encontrar).
Las principales propiedades que caracterizan estos métodos son (Blum &
Roli, 2003):
85
Capítulo 3
 Las metaheurísticas son estrategias que guían el proceso de

búsqueda.
 El objetivo es explorar eficientemente el espacio de búsqueda para
encontrar soluciones óptimas (o cercanas a las óptimas).
 Las técnicas que constituyen los algoritmos metaheurísticos van desde
simples procedimientos de búsqueda local a complejos procesos de
aprendizaje.
 Los algoritmos metaheurísticos son aproximados y normalmente no
deterministas.
 Pueden incorporar mecanismos para evitar quedarse “atrapados” en
determinadas áreas del espacio de búsqueda.
 Las metaheurísticas no son específicas de un problema.
 Las metaheurísticas más avanzadas utilizan la experiencia (memoria)
para guiar la búsqueda.
En resumen, se puede decir que las metaheurísticas son estrategias de alto

nivel para explorar el espacio de búsqueda utilizando diferentes métodos.
3.3.2. Tipos de métodos metaheurísticos
Las metaheurísticas se pueden clasificar en función de varios criterios: si

están inspiradas en la naturaleza o no, si la función objetivo es dinámica o
estática, si tienen una o varias estructuras de vecindad, si utilizan memoria o
no, o si se basan en poblaciones o en la búsqueda de un solo punto.
Siguiendo este último criterio, los principales métodos metaheurísticos se
dividen en dos grupos, como se puede ver en la Tabla 3.5.
 Búsqueda local básica: mejora iterativa.

 Recocido Simulado (Simulated Annealing).
Métodos
basados en la  Búsqueda Tabú (Tabu Search).
trayectoria  GRASP (Greedy Randomized Adaptive Search Procedure), VNS
(Variable Neighborhood Search), GLS (Guided Local Search) e
ILS (Iterated Local Search).
 Computación Evolutiva (Evolutionary Computation), que

Métodos incluye la Programación Evolutiva (Evolutionary Programming),
basados en las Estrategias Evolutivas (Evolutionary Strategies) y los
poblaciones Algoritmos Genéticos (Genetic Algorithms).
 Colonias de Hormigas (Ant Colony Optimization).
Tabla 3.5: Métodos metaheurísticos.
86
Una opción bastante interesante es la posibilidad de hibridación entre

diferentes métodos.
En este trabajo no se va a entrar en detalle en cada uno de estos métodos.

Como se verá en el Capítulo 4, el módulo de optimización de WITNESS cuenta
con algunos de ellos.
87
Capítulo 3
88
Capítulo 4:
WITNESS
4. WITNESS
WITNESS es una herramienta de software de simulación de eventos discretos

desarrollada por la compañía inglesa Lanner Group Ltd. Fue lanzada
inicialmente en 1986 para IBM PC y desde entonces, y a través de las
diferentes versiones que han ido saliendo al mercado, ha ido mejorando sus
prestaciones y se ha consolidado como uno de los paquetes de simulación
más utilizados.
4.1. Características generales
Es un paquete de simulación muy útil para la industria y los servicios. Lo

utilizan empresas de diversos sectores: automoción, alimentación y bebidas,
aeronáutica, energía, química, finanzas, logística, etc.
WITNESS ofrece a las empresas la posibilidad de modelizar un proceso del

mundo real y experimentar con él en diferentes escenarios. De esta forma
pueden encontrar la solución óptima y conseguir una mejora de sus procesos.
Además, los resultados se obtienen de una manera muy visual, lo que facilita
la toma de decisiones.
A día de hoy, la última versión disponible es WITNESS 13, cuyas

características más reseñables son:
 Amplia librería de elementos, acompañada de un conjunto de reglas

lógicas y opciones de control que permiten un modelizado rápido y
flexible.
 Diseño modular, muy útil cuando se necesitan crear modelos de gran
tamaño.
 Análisis de ingresos y costes y medida de factores de sostenibilidad,
como por ejemplo: el consumo de energía, emisiones, uso de agua o
vapor, etc.
 Informes comprensibles y fáciles de analizar, que se muestran por
pantalla en forma de tablas y gráficos.
 Fácil realización de experimentos, cuyos resultados se pueden ver en
todo momento.
 Posibilidad de crear el modelo en 3D.
 Fácil de conectar con Excel y con un amplio conjunto de bases de
datos como Oracle, SQL Server, Access, etc.
91
Capítulo 4
Sin embargo, para la realización de gran parte de este trabajo se ha utilizado

la versión WITNESS Power with Ease 3.0 (ver Figura 4.1).
Figura 4.1: Logotipo de WITNESS y versión utilizada
Por otra parte, existen dos tipos de instalación de WITNESS: la de Producción

(Manufacturing Performace Edition) y la de Servicios (Service and Process
Performance Edition). Se diferencian principalmente en la terminología que
utilizan.
4.2. Construcción de un modelo
Para construir un modelo con WITNESS es esencial crear los elementos y

relacionarlos mediante reglas. Además, se puede construir una lógica más
compleja utilizando acciones.
Para ello, hay que pasar por tres etapas:
 Definir (Define): consiste en especificar los nombres y las cantidades

de los elementos (físicos y lógicos) que se emplearán en el modelo.
Este paso es necesario para poder realizar los otros dos.
 Configurar (Detail): una vez se han definido los elementos, hay que
detallar cuáles son las características de cada uno de ellos: su
funcionamiento, su relación con los demás elementos, las acciones
que hay que realizar cuando ocurre un evento determinado en el
elemento, los turnos, averías, prioridades, etc.
 Representar (Display): consiste en seleccionar la representación
gráfica de cada elemento, es decir, la forma con la que se mostrará
por pantalla. Esta etapa no es imprescindible, pero sí que es
recomendable debido a que, de esta forma, la simulación es más fácil
de comprender y permite detectar errores con mayor facilidad. Existe
una gran variedad de opciones gráficas: iconos, textos, expresiones,
nombres, líneas, recuadros, elipses, etc.
92
WITNESS
Figura 4.2: Uno de los modelos de ejemplo incluido en WITNESS
4.3. Elementos de modelización
Para simular una operación, los modelos de WITNESS utilizan una

combinación de piezas, personas, máquinas y otros aparatos, llamados
elementos de modelización. Cualquier proceso puede plasmarse en un
modelo empleando estos elementos junto con una lógica de control
adecuada.
Cada elemento sirve para modelizar una parte del sistema real, aunque
generalmente no será necesario representar todas ellas (solamente las
indispensables). Además, cada uno puede servir para simular gran cantidad
de cosas, al igual que cada cosa puede representarse mediante diferentes
elementos. Se elegirá aquel sea más sencillo y facilite la interpretación.
Existen diferentes tipos de elementos (ver Figura 4.3), que se pueden

englobar dentro de cuatro categorías principales: elementos de procesos
discretos, elementos de procesos continuos, elementos lógicos y elementos
gráficos. Además, se ha considerado oportuno incluir una categoría de
elementos especiales. A continuación se detalla cada uno de ellos.
93
Capítulo 4
Figura 4.3: Lista de elementos con sus iconos.
4.3.1. Elementos de procesos discretos
 Entidad (Part): son aquellos elementos que se mueven a través del

modelo. Representan, por ejemplo, productos, piezas, componentes o
personas.
Se representan como un icono o como un texto. Se caracterizan por un
conjunto de atributos, que pueden ser fijos o variables. Además,
pueden crearse individualmente o por lotes, cambiarse por otros,
combinarse, separarse, rellenarse o vaciarse de un fluido, etc.
 Cola (Buffer): son lugares donde se pueden mantener y almacenar las
entidades. Por ejemplo, pueden ser piezas esperando a ser
procesadas, personas en una cola o aviones esperando aterrizar.
Puede definirse el orden en el que las entidades se almacenan al
llegar y el orden que siguen al salir, el tiempo mínimo o máximo que
pueden permanecer en la cola, etc.
 Actividad (Machine): son elementos muy potentes que se utilizan para
representar cualquier cosa que tome las entidades de algún sitio, las
procese y las envíe a su siguiente destino. Por ejemplo, puede ser una
máquina herramienta, una célula de trabajo, una planta completa o la
caja de un supermercado.
Se puede elegir entre siete tipos diferentes: simple, por lotes,
ensamblado, producción, general, multiciclo y multipuesto. También,
es posible introducir el tiempo de procesamiento, el tiempo entre
averías, el tiempo de reparación, el tiempo de preparación, los
recursos necesarios, múltiples configuraciones, múltiples estaciones o
ciclos de trabajo, etc.
94
WITNESS
 Recurso (Labor): se utiliza para introducir en el modelo los recursos

humanos o físicos (por ejemplo: herramientas, personas o equipos)
que necesitan otros elementos para poder realizar ciertas actividades,
como procesar, reparar o limpiar. Controlar los recursos es muy
importante en un modelo. Existen diferentes opciones en WITNESS
como complejas reglas de asignación y prioridades de recursos.
 Cinta transportadora (Conveyor): se emplean para mover las entidades
de un punto fijo del modelo a otro. Pueden ser con acumulación, en las
que si la cinta se bloquea, las entidades se van quedando juntas hasta
que se llena; o sin acumulación, en las que se mantiene una distancia
fija entre las entidades, aun cuando se detiene la cinta.
 Camino (Path): sirve para que las entidades o los recursos puedan
moverse de un elemento a otro. Se utilizan para representar la longitud
y la ruta real que siguen en el sistema.
 Vía (Track): son los caminos que siguen los vehículos cuando
transportan las entidades. También definen los puntos en los que los
vehículos cargan, descargan y aparcan. Pueden ser unidireccionales o
bidireccionales.
 Vehículo (Vehicle): son elementos que representan vehículos, por
ejemplo: grúas, vehículos de guiado automático o carretillas
elevadoras.
 Otros elementos: existen otros cuatro tipos de elementos que permiten
modelizar formas especializadas de sistemas de transporte de
materiales. Son los siguientes: Red (Network), Sección (Section),
Estación (Station) y Transportador (Carrier).
4.3.2. Elementos de procesos continuos
 Fluido (Fluid): representan líquidos y productos de flujo libre (por

ejemplo: polvo). Se muestran como bloques de color que fluyen a
través de tuberías, tanques y procesadores. Las mezclas de fluidos se
representan con bandas de diferentes colores, proporcionales a la
cantidad de cada componente en la mezcla.
 Procesador (Processor): son los elementos a través de los cuales fluye
el fluido, experimentando algún tipo de operación (se comportan igual
que las Actividades). Por ejemplo, un procesador puede ser un
depósito en el que se mezclan diferentes fluidos y se calientan durante
un tiempo determinado.
95
Capítulo 4
Muestran las proporciones de la mezcla de fluidos como un

porcentaje, junto con el nombre de cada uno. Puede cambiarse el color
y el nombre de los fluidos a la entrada o a la salida. También, puede
definirse un nivel mínimo de proceso, los niveles de aviso en el llenado
y en el vaciado, etc.
 Tanque (Tank): son los elementos donde se mantiene o almacena un
fluido (se comportan como las Colas). Al igual que en elemento
anterior, se pueden definir diferentes parámetros: pueden limpiarse en
varias etapas, tener niveles de aviso, cambiar el nombre y el color del
fluido, etc.
 Tubería (Pipe): sirven para conectar los tanques y los procesadores.
Los fluidos se mueven por ellas con un flujo determinado. También en
este caso se puede cambiar el nombre y el color de los fluidos, pueden
establecerse criterios de avería o limpieza, tener flujos negativos, etc.
4.3.3. Elementos lógicos y módulos
 Atributo (Attribute): son características de una entidad o recurso

específico. Por ejemplo, en un atributo puede almacenarse el número
de cilindros de un motor, y más tarde utilizarlo para determinar el
tiempo necesario para configurarlo y ajustarlo. En cada atributo se
puede almacenar un número real o entero, una cadena de caracteres
o una referencia a otro elemento.
 Variable (Variable): almacenan valores a los que se puede acceder
desde cualquier parte del modelo. Por ejemplo, en una variable se
puede guardar el número de artículos que hay en inventario.
Aparte de las variables definidas por el usuario, también existen varias
variables del sistema, como aquella en la que se almacena el tiempo
de simulación.
Las variables pueden guardar números reales o enteros, cadenas de
caracteres o referencias a otro elemento. Pueden ser iguales a una
expresión que contenga atributos, a valores constantes, a una muestra
de una distribución o a otra variable. Su nombre y valor se puede
mostrar por pantalla.
 Archivo (File): permiten importar al modelo datos que sean útiles para
la simulación o exportar valores de forma que puedan ser utilizador en
otra aplicación (para hacer un informe personalizado, por ejemplo).
 Distribución (Distribution): permiten introducir variabilidad en el
modelo incluyendo los datos que se han recogido del sistema real. Las
96
WITNESS
distribuciones pueden ser definidas por el usuario, aunque WITNESS

cuenta con un amplio catálogo de distribuciones reales y enteras.
Pueden ser continuas o discretas.
 Función (Function): al igual que las distribuciones, el usuario puede
crear sus propias funciones o utilizar las que proporciona WITNESS (de
forma general, se clasifican en funciones matemáticas, estadísticas y
de estado). Por ejemplo, se puede utilizar una función para saber el
número de entidades que hay en una cinta transportadora.
Se puede mostrar por pantalla el nombre de la función y el valor más
reciente que ha devuelto. Al crearse como elementos, pueden
utilizarse repetidamente en el modelo con la misma facilidad que las
propias funciones que incorpora WITNESS.
 Archivo de entidades (Part file): contiene una lista de entidades,
definiendo para cada una el tamaño de lote (cuántas piezas llegan a la
vez), los atributos (por ejemplo: el color, el peso, etc.) y el tiempo de
llegada al modelo. Es bastante útil para problemas de programación
de horarios y producción.
 Turno (Shift): sirve para simular los turnos de trabajo, es decir, la
secuencia de periodos de tiempo en los que se trabaja. Pueden ser
aplicados a recursos y a otros elementos.
 Módulo (Module): los módulos son un conjunto de elementos de
WITNESS. Se utilizan para facilitar la construcción de modelos
jerárquicos. Tienen las mismas opciones que cualquier otro elemento y
se pueden proteger con una contraseña.
4.3.4. Elementos gráficos e informes
Representan gráficamente lo que está ocurriendo en el modelo mientras se

está ejecutando la simulación.
 Diagrama de tarta (Pie chart): sirve para presentar los resultados de la
simulación en un gráfico circular. Se pueden configurar aspectos como
la inclinación y la separación de las porciones. Por ejemplo, son útiles
para representar el tiempo que ha estado un elemento en un
determinado estado (ocupado, ocioso, etc.)
 Serie temporal (Timeserie): se utilizan para representar con el tiempo
los valores tomados de la simulación. Es posible trazar hasta siete
valores con colores diferentes. Se pueden utilizar para ver las
tendencias o ciclos que sigue el modelo. Además proporciona la media
y la desviación típica de cada uno de los valores.
97
Capítulo 4
 Histograma (Histogram): permiten mostrar los resultados de la

simulación como un gráfico de barras. Es posible emplearlos para ver
el rango de valores que toma algún parámetro de la simulación.
 Informe (Report): sirven para definir un informe personalizado. Pueden
tener la representación por defecto de una tabla de valores o un
gráfico. Este elemento contiene los cálculos necesarios para generar el
informe, que normalmente se basan en el valor de otras funciones o
variables del modelo.
4.3.5. Elementos especiales
Existen algunos elementos que ya vienen definidos y que pueden emplearse

en diversas partes del modelo.
 Elementos de entrada: existe un único elemento de entrada llamado

World (mundo), que dispone de un número de piezas infinito.
 Elementos de salida: las piezas que han atravesado el modelo pueden
enviarse a tres destinos: Ship (embarque), Scrap (desperdicios) o
Assemble (ensambladas).
4.4. Reglas, expresiones y acciones
Las reglas de entrada y salida sirven para direccionar las entidades y fluidos a
través de los elementos del modelo. Pueden ser bastante complejas y seguir
prácticamente cualquier criterio. Para introducirlas, hay que entrar en la
configuración (detail) de cada elemento.
Algunas de las reglas que se pueden utilizar son: WAIT (esperar), PULL
(coger), PUSH (empujar), SEQUENCE (secuencia), SELECT (seleccionar),
PERCENT (porcentaje), MOST (mayor), LEAST (menor), IF (si). Es
recomendable consultar la ayuda de WITNESS para conocer la utilidad y la
sintaxis de estas reglas.
Una de las características más potentes de este programa es la flexibilidad

con la que trata los valores. En los lugares donde se requiere un valor, se
puede utilizar una fórmula o expresión. Dependiendo del contexto, WITNESS
calcula el valor inmediatamente o almacena la expresión para utilizarla en el
futuro.
En los cálculos, que pueden realizarse con números o con variables, se

utilizan los siguientes operadores aritméticos y lógicos (ordenados por orden
98
WITNESS
de evaluación): paréntesis (), NOT (expresión), potenciación **, multiplicación

*, división /, suma +, resta -, igual =, desigual <>, menor que <, mayor que >,
menor o igual que <=, mayor o igual que >=, AND (dos subexpresiones) y OR
(dos subexpresiones).
El lenguaje de programación de WITNESS se basa en las acciones (Actions).

Es similar al lenguaje BASIC pero es más fácil de comprender e incorpora más
facilidades. Mediante las acciones se pueden dar instrucciones específicas al
programa sobre la lógica del modelo, permitiendo al usuario modelizar los
cálculos y fórmulas que rigen las decisiones del sistema real.
Las acciones se pueden utilizar para establecer las condiciones iniciales del
modelo. También sirven para permitir la interacción entre el modelo y el
usuario. Durante la ejecución del modelo, es posible emplearlas en cualquier
momento. Por ejemplo, cuando un elemento realiza una determinada
operación: al terminar el ciclo de una máquina, al abandonar una pieza el
modelo, al terminar la limpieza de un procesador, etc.
Es posible crear acciones de gran potencia, combinando los cálculos

matemáticos y lógicos con las funciones matemáticas, estadísticas y de
estado que incluye WITNESS, o con las creadas por el propio usuario.
En las acciones se pueden utilizar multitud de comandos, como: CHANGE

(para cambiar el tipo de una entidad), READ (para leer datos desde un
fichero), WRITE (para escribir datos en un fichero), PRINT (para imprimir texto
por pantalla) o STOP (para detener el modelo).
En el desarrollo de este trabajo, ha sido habitual utilizar la sentencia

condicional IF y los bucles FOR y WHILE. La función y estructura de estos
comandos es la siguiente:
 Sentencia condicional IF: en función del valor de una condición, se

puede ejecutar una instrucción o un grupo de instrucciones. En
WITNESS, su estructura es:
IF condición1
instrucción1
ELSEIF condición2
instrucción2
ELSE
instrucción3
ENDIF
99
Capítulo 4
 Bucle FOR: es una estructura de control, utilizada en programación,

que se emplea para ejecutar algo un número determinado de veces. Si
no se especifica el tamaño de paso, por defecto es 1. Se escribe de la
siguiente forma:
FOR variable=número1 TO número2 STEP paso

instrucción
NEXT
 Bucle WHILE: es una estructura de control cuyo propósito es repetir un

bloque de código mientras se cumpla una condición. En el modelo de
simulación que se ha desarrollado se emplea en alguna ocasión,
muchas menos veces que los otros dos. Su sintaxis es:
WHILE condición
instrucción
ENDWHILE
Figura 4.4: Sistema de ayuda de WITNESS.
100
WITNESS
Por último, hay que destacar que existen una serie de acciones especiales
que se pueden ejecutar en momentos determinados y que pueden ser muy
útiles para que un modelo funcione correctamente.
 Acciones de Inicialización (Initialize Actions): se realizan antes de que

la simulación comience. Normalmente, se emplean para dar valores a
algunas variables o importar datos desde un fichero.
 Acciones de Usuario (Usuary Actions): se ejecutan únicamente cuando
se seleccione la opción de Acciones de Usuario del menú Ejecutar.
 Acciones Inmediatas (Inmediate Actions): se ejecutan en el momento
en el que el usuario escribe la orden. Esta opción también se
encuentra en el menú Ejecutar.
En general, se puede decir que existen muchas funciones, acciones y reglas.

Como se ha dicho antes, es muy recomendable consultar la ayuda del
programa (ver Figura 4.4) para conocer bien el funcionamiento de cada una.
4.5. Reloj de la simulación
A la hora de crear un modelo, es importante configurar la unidad temporal

que se va a emplear (segundos, minutos, horas, días, etc.). Será la que haya
que utilizar en todo el modelo. Esto se hace con la opción Reloj (Clock),
accesible desde el menú Modelo (Model).
Además, se pueden definir otros parámetros como el horario de trabajo, los

días festivos, las vacaciones, etc., lo que será muy útil en el desarrollo del
modelo (Capítulo 5).
101
Capítulo 4
4.6. Módulo de optimización
El Optimizador de WITNESS (llamado WITNESS Optimizer en la versión PwE

3.0 y WITNESS Experimenter en la versión 13) es una herramienta de
optimización que se comercializa como un módulo adicional al propio
programa.
Definiendo la función objetivo, las variables y las restricciones, permite

obtener las mejores soluciones para cualquier modelo de simulación.
Los resultados se presentan en una selección de tablas y gráficos, que se

pueden ver, copiar o analizar mientras el algoritmo se está ejecutando.
Además, no solo busca la solución óptima, sino que, gracias a la utilización de
algoritmos inteligentes, lo hace de una forma rápida (normalmente probando
menos del 1 % de todas las posibles combinaciones).
Está totalmente integrado en WITNESS. Cuando se registra este módulo,

aparece una nueva opción en el menú: Model > Optimize. Al pulsar esta
opción, se abre el optimizador y se muestra el cuadro de diálogo de
optimización del modelo (ver Figura 4.5).
Figura 4.5: Cuadro de optimización del modelo.
Las figuras mostradas en este apartado se han sido obtenidas en WITNESS

Optimizer de la versión PwE 3.0.
102
WITNESS
4.6.1. Procedimiento a seguir
El procedimiento que hay que seguir, según el Manual del Optimizador de

WITNESS y la ayuda del propio programa, es el siguiente:
1) Preparar el modelo para la optimización. Hay que definir la función

objetivo y comprobar que no exista conflicto con las acciones de
inicialización (Initialize Actions).
Antes de empezar, se debe definir una función objetivo. En el proceso
de optimización, el modelo se ejecutará con diferentes combinaciones
de valores en las variables. Al terminar cada ejecución, se calculará el
valor de la función objetivo y se verá si es mejor o peor que con otras
combinaciones. De esta forma, se encontrará aquella combinación que
permita obtener el mejor resultado.
La función objetivo se crea igual que cualquier otra función definida
por el usuario. No podrá tener parámetros de entrada y devolverá un
resultado numérico (real o entero). Generalmente, el cuerpo de la
función contiene los valores actuales de las variables de optimización y
algunos resultados de la simulación.
2) Abrir el optimizador. Para ello, como hemos visto, hay que entrar en
Model > Optimize.
3) Definir un nuevo escenario de optimización o cargar uno existente. Si

se carga un escenario, se puede modificar o empezar la optimización
directamente (paso 11).
Para abrir un escenario existente, simplemente hay que pulsar en
Open, en el cuadro de optimización del modelo.
4) Seleccionar la función objetivo. En el cuadro de optimización del

modelo, se selecciona la función objetivo a partir de una lista
desplegable en la que aparecen todas las que hay disponibles.
Así mismo, hay que elegir si el punto óptimo buscado es el máximo o el
mínimo.
5) Añadir las variables y las restricciones que se utilizarán para la

optimización.
Se pueden añadir (Add), modificar (Change) o eliminar (Delete / Delete
All) las variables que se utilizarán en la optimización. Dependiendo de
la cantidad de variables que se incluyan, el número total de
combinaciones posibles en el modelo cambiará. Las variables que se
han añadido se muestran en el cuadro de optimización del modelo.
103
Capítulo 4
Para añadir una variable, hay que pulsar en el botón Add. Se abrirá
entonces un nuevo cuadro (ver Figura 4.6), en el que se elige la
variable y los valores que puede tomar.
Figura 4.6: Cuadro para añadir variables.
Hay que seleccionar si puede tomar valores dentro de un rango (Range

value type) o únicamente los de un conjunto de valores discretos (Set
value type).
En el primero de los casos se debe introducir el valor mínimo y
máximo, el tamaño de paso, es decir, el intervalo entre cada valor
permitido dentro del rango (por defecto es 1), y opcionalmente un valor
sugerido (el que se considera más adecuado).
En el segundo caso, hay que añadir los valores permitidos que puede
tomar la variable. Por ejemplo, creo esto puede ser útil si se necesita,
como ocurre en muchos modelos de optimización, una variable binaria
(que solo pueda tomar los valores 0 y 1).
Por otro lado, es necesario añadir las restricciones que se emplearán
en la optimización. Esto reduce el número de combinaciones del
modelo de una manera controlada y permite establecer condiciones
adicionales.
Pulsando el botón Constraints, se puede introducir fácilmente una
nueva restricción (ver Figura 4.7). Solo hay que definir un factor para
las variables y seleccionar la condición, que por defecto es = 0.
104
WITNESS
Figura 4.7: Cuadro para añadir restricciones.
6) Introducir los parámetros de control de la optimización: el tiempo de

calentamiento, el tiempo de cada ejecución, el número de ejecuciones
en cada evaluación y la aplicación de números aleatorios.
El tiempo de calentamiento es aquel que va desde el comienzo de la
simulación hasta que el modelo alcanza un estado estacionario,
después del cual se empiezan a registrar las estadísticas de la
ejecución. Se introduce en el campo llamado Warmup Period,
utilizando las mismas unidades de tiempo que en la simulación.
El tiempo de ejecución se introduce en el campo Run Length, también
en las unidades de tiempo de la simulación. Dependerá del modelo
que se quiera optimizar. Cuanto menor sea, menos tiempo requerirá la
optimización.
Cuando se evalúa una combinación concreta de las variables, el
optimizador puede ejecutar el modelo una o varias veces. Si se ejecuta
varias veces, las cadenas de números aleatorios utilizados en cada
ejecución son diferentes, por lo que también cambian los resultados
obtenidos. El resultado final de la evaluación es la media de los
resultados de cada ejecución.
Un mayor número de ejecuciones por evaluación provocará un
aumento del tiempo necesario para optimizar, pero quizá permita
obtener una solución final menos afectada por las variaciones
aleatorias. Este parámetro, se debe introducir en el campo Runs per
Evaluation. Si es mayor que uno, los resultados de la optimización
incluirán información sobre la varianza y el nivel de confianza. Se
105
Capítulo 4
puede analizar la variabilidad del modelo para decidir el número de

ejecuciones por evaluación más adecuado.
Figura 4.8: Cuadro de control de números aleatorios.
Para controlar cómo cambian las cadenas de números aleatorios en

cada ejecución hay que pulsar el botón Random Numbers. Se abrirá
un cuadro (ver Figura 4.8) en el que puede elegirse que se vayan
alternando los dos modos de generación de números aleatorios
(Regular y Antithetic) y cuántos números se van a saltar al comienzo
de cada ejecución (puede usarse siempre el mismo o uno individual
para cada cadena).
7) Opcionalmente, hacer una ejecución de prueba para estimar el tiempo

total que requerirá la optimización.
Una vez se han ajustado los parámetros del punto anterior, el tiempo
total estimado será desconocido (Unknown). Para que se recalcule y se
muestre, hay que pulsar en el botón Sample Run. Esto evalúa una vez
el modelo de acuerdo con la configuración actual y contabiliza el
tiempo que tarda.
Al realizar la ejecución de prueba, las variables toman su valor
sugerido o, en caso de que no esté definido, el valor medio del
intervalo. Puede que al tomar estos valores no se cumplan las
restricciones, por lo que aparecerá un aviso en pantalla.
Si se quiere realizar una ejecución de prueba con valores válidos, hay
que asegurarse de que todas las variables tienen valores sugeridos
que cumplen con las restricciones. En cualquier caso, el hecho de que
106
WITNESS
no cumplan las restricciones no suele afectar al tiempo que tarda en

ejecutarse.
Al cambiar los valores de los parámetros y realizar la ejecución de
prueba, el conjunto de respuestas que se había conseguido
anteriormente, con otros parámetros, dejará de ser válido.
8) Opcionalmente, analizar la variabilidad del modelo.

Esto sirve para ver cómo afectan los cambios provocados por los
números aleatorios en el resultado de la función objetivo. Como hemos
visto, puede servir para decidir cuántas ejecuciones se deben realizar
cada vez que se evalúa el modelo. Un modelo inestable, es decir, que
se vea muy afectado por las variaciones de los números aleatorios,
necesitará ejecutarse más veces para conseguir un resultado fiable.
En primer lugar, hay que pulsar el botón Analyze y elegir cómo se
mostrarán los resultados (ver Figura 4.9). Se pueden mostrar de dos
formas: en la ventana de variables de entrada (Input Variables), en la
que aparecen todas las variables del escenario actual de optimización,
y/o en la ventana de la función objetivo (Objective Graph), en la que se
representa gráficamente el resultado de cada evaluación.
Figura 4.9: Cuadro de análisis de variabilidad.
Para comenzar la ejecución, se pulsa el botón Run. Se mostrarán

automáticamente las ventanas que se hayan seleccionado. La
ejecución puede detenerse o pausarse en cualquier momento.
Mientras se ejecuta el modelo, se puede ver cuántas veces se ha
ejecutado, el último resultado de la función objetivo y la media y la
desviación típica de todos los resultados.
9) Elegir el método de optimización de entre todos los que dispone el

Optimizador. Se explicará cada uno de ellos en el siguiente apartado.
Para ello, solamente hay que seleccionarlo de una lista desplegable
que se encuentra en el cuadro de optimización del modelo.
107
Capítulo 4
Dependiendo del método elegido, se habilitará el botón de

configuración (Settings) o no. El tiempo total estimado se actualiza
automáticamente y se muestra una vez se ha seleccionado o
configurado un método.
10)Establecer el número de resultados a mostrar durante la optimización.

Mientras se está realizando la optimización, los mejores resultados
obtenidos se muestran por pantalla en diferentes tablas y gráficos. Es
posible indicar el número de resultados que se quieren ver en el
campo Show Best de la pestaña Tracking del cuadro de optimización
del modelo (ver Figura 4.10).
Figura 4.10: Cuadro de optimización del modelo (Tracking).
Aunque establecer un número alto de resultados permite ver más

datos, puede hacer que las tablas y gráficos tarden más en
representarse, además de dificultar su lectura.
11)Gestionar la ejecución de la optimización, iniciándola y observando su

progreso y sus resultados.
En primer lugar, se pulsa el botón Optimize. En el cuadro de diálogo
que aparece (ver Figura 4.11) se puede seleccionar cómo se desean
ver los resultados: Input Variables, Objective y/o Results. Para iniciar la
optimización, hay que pulsar en Run.
En este cuadro, se puede ver el número de ejecuciones realizadas y el
tiempo utilizado, junto con los valores totales y restantes estimados.
108
WITNESS
También, se actualiza el valor del último resultado y del mejor

resultado obtenido hasta el momento.
Figura 4.11: Cuadro de ejecución de la optimización.
Hay algunos algoritmos de optimización (concretamente Random

Solutions, Adaptive Thermostatistical SA y Hill Climbing) que utilizan
números aleatorios para determinar qué parámetros cambian. Estos
números aleatorios no tienen nada que ver con los que utiliza
WITNESS y son producidos por un generador propio de números
pseudo-aleatorios.
Cuando se abre el cuadro de ejecución de la optimización, el
generador de números aleatorios se reinicializa a un valor base, por lo
que la optimización empieza siempre con los mismos números
aleatorios y es reproducible. Aunque si la optimización se detiene y se
vuelve a iniciar, esta segunda optimización puede ser diferente de la
primera.
En la ventana de las variables de entrada (Input Variables) se muestra
el valor que está tomando cada variable en ese instante. Al terminar
de ejecutarse, esta ventana se cierra automáticamente.
La ventana donde se representa gráficamente la función objetivo
(Objective) muestra el resultado de cada evaluación e identifica el
mejor resultado. En el gráfico aparecen como máximo las 100 últimas
iteraciones.
En la ventana de resultados (Results), se muestran las mejores
soluciones obtenidas en forma de tablas y gráficos, que se van
actualizando mientras se ejecuta el modelo. El número de resultados
va aumentando hasta que se alcanza el límite que se ha definido (en el
paso 10), de manera que si los nuevos resultados son mejores,
sustituyen a aquellos de la lista que sean peores.
Esta ventana tendrá diferentes pestañas: Results, Results Chart y, si el
número de ejecuciones por evaluación es mayor que uno, Variance,
109
Capítulo 4
Variance Chart, Confidence y Confidence Chart. Los datos de las tablas

se pueden poner en orden ascendente o descendente (seleccionando
cualquier columna). Además, se pueden utilizar aplicando los
parámetros de una determinada evaluación al modelo (con la opción
Set Model) o como valores sugeridos (con la opción Set Suggested).
Los resultados obtenidos quedan almacenados en la answer pool
hasta que se carga un nuevo escenario o se sale del optimizador. Si se
guarda el escenario de optimización, también se guardarán los
resultados y estarán disponibles cuando se cargue de nuevo. Esto
permite acelerar el proceso de optimización debido a que solo se
ejecutará con aquellas combinaciones de las variables que no estén
presentes en los resultados. También, permite suspender la
optimización y reanudarla más tarde. Se pueden realizar pequeños
cambios sin invalidar las soluciones que están almacenadas, como:
cambiar los rangos de las variables, las restricciones, el algoritmo
utilizado, minimizar o maximizar la función objetivo, etc.
12)Opcionalmente, guardar el nuevo escenario de la optimización y los

resultados asociados. Para ello, simplemente hay que pulsar el botón
Save As del cuadro de optimización. Se guardará con el formato de un
fichero de optimización (.opt).
13)Salir del Optimizador y volver a WITNESS, utilizando el botón Close. Si

al salir no se han guardado los cambios realizados en el escenario,
aparecerá una opción para hacerlo.
4.6.2. Métodos disponibles
El Optimizador de WITNESS cuenta con diversos métodos de optimización. En

función de la situación, será más recomendable utilizar uno u otro:
 All combinations, que probará todas las combinaciones posibles

teniendo en cuenta las restricciones. Si se dispone de suficiente
tiempo, este método garantiza encontrar la solución óptima.
Se recomienda utilizar este método solamente cuando se tenga un
número relativamente pequeño de combinaciones o cuando el tiempo
disponible no sea un problema. No requiere ninguna configuración.
 Min/Mid/Max, que solo evaluará el modelo tres veces, basándose en

los valores mínimo, medio y máximo de las variables. Este método
tampoco necesita ninguna configuración adicional.
110
WITNESS
 Hill Climb, que es un método de búsqueda local en el que, a partir de

unos valores iniciales y de forma iterativa, se intenta encontrar la
mejor solución variando incrementalmente un único elemento de la
solución que solo es aceptado si produce un mejor resultado. Este
método es rápido y adecuado para encontrar óptimos locales, pero no
garantiza encontrar el óptimo global (la mejor solución posible).
Figura 4.12: Cuadro de configuración del método Hill Climb.
En este método hay que introducir según qué criterios se detendrá la

optimización (ver Figura 4.12), pudiendo ser por el número total de
evaluaciones o por el número de evaluaciones consecutivas en las que
no se ha producido una mejora de la solución.
 Random solutions, que genera combinaciones aleatorias en los valores

de las variables. Puede ayudar a indicar cómo varían los resultados,
dando una imagen de todo el espacio de soluciones.
Figura 4.13: Cuadro de configuración del método Random Solutions.
Como se puede ver en la Figura 4.13, para este método hay que
introducir el número máximo de combinaciones que se van a generar
(Maximum number of unique solutions to generate).
 Adaptive Thermostatistical SA, que se basa en la técnica meta-

heurística del Recocido Simulado (Simulated Annealing), incluyendo
algunos elementos de la Búsqueda Tabú. Incorpora un enfriamiento
adaptativo (adaptive cooling) y una búsqueda termoestadística
reactiva (reactive thermostatistical search), de ahí su nombre.
111
Capítulo 4
Este método, desarrollado por Lanner y otros expertos en optimización,

es el más complejo de los que incorpora WITNESS. En principio, puede
llegar a una buena solución (cercana a la óptima) en un tiempo
aceptable, por lo que se recomienda su utilización.
El Recocido Simulado es un sofisticado algoritmo de optimización,
cuya principal diferencia con el Hill Climbing es que al probar con
diferentes combinaciones puede aceptar soluciones que son peores
que las actuales. La posibilidad de aceptar un resultado peor depende
de la temperatura simulada, que se reduce en una serie de pasos
durante la optimización. Al principio, cuando la temperatura es más
alta, las posibilidades de que sean aceptados son mayores. A medida
que se avanza en el proceso y la temperatura baja, es menos probable
que un resultado peor sea aceptado. Por ello, este método es menos
propenso a quedarse atrapado en un óptimo local.
Se llama así por analogía con el recocido de los metales. En este
proceso, los metales se calientan hasta una determinada temperatura
y se dejan enfriar, de forma que se eliminan las tensiones internas y
las formaciones moleculares son más estables.
Figura 4.14: Cuadro de configuración del método Adaptive Th. SA.
En cuanto a la configuración de este método (ver Figura 4.14) hay que

establecer el número máximo de evaluaciones que se desean ejecutar
(Maximum evaluations) y el número máximo de movimientos sin
obtener una mejora (Maximum moves without improvement). Este
último hace que la optimización se detenga al llegar a ese número de
112
WITNESS
movimientos, en los que no se ha conseguido mejorar la solución.

Cada movimiento de búsqueda requiere una evaluación.
La configuración automática ajustará el resto de parámetros del
algoritmo basándose en el tipo de resultado encontrado, llegando a
una buena solución en una gran mayoría de los modelos de
simulación. No se recomienda ajustar los parámetros manualmente a
no ser que se tenga un gran conocimiento sobre el Recocido Simulado.
 Six Sigma, que se trata de una adaptación del algoritmo anterior y que
tiene como objetivo asegurar que el cambio que experimenta una
situación definida es limitado. Se utiliza para determinar cuáles son las
mejoras más efectivas que se pueden realizar sin que sea necesario
rediseñar completamente el proceso.
Figura 4.15: Cuadro de configuración del método Six Sigma.
El cuadro de configuración (ver Figura 4.15) es similar al del método

anterior, pero en este caso también se puede seleccionar el máximo
número de parámetros que pueden cambiar en cada ejecución.
113
Capítulo 4
114
Capítulo 5:
Modelo de simulación
5. Modelo de simulación
En este quinto capítulo, se describe paso a paso la construcción con WITNESS

del modelo de simulación del Plan Agregado y el Programa Maestro de
Producción (ver Figura 5.1). También, se explica su validación y los resultados
que se han obtenido en algunos experimentos.
Se ha trabajado con la versión de WITNESS PwE 3.0 Manufacturing

Performance Edition.
5.1. Desarrollo del modelo
El objetivo de este modelo es la simulación del proceso de planificación de la

producción en una empresa a medida que va transcurriendo el tiempo. A
partir de unos datos de entrada (que se introducen en una hoja de Excel), se
determina tanto el Plan Agregado (y previamente el Plan de Necesidades)
como el Programa Maestro de Producción.
La simulación comienza en enero de 2014 y se simula, como máximo, hasta

enero de 2018. El modelo permite elegir el mes hasta el que se quiere
simular, de forma que la simulación se detiene al llegar a ese mes.
En cada uno de los meses, se calcula la Planificación Agregada de los

próximos 12 meses y el Programa Maestro de Producción de los próximos 3
meses, es decir, de las próximas 12 semanas.
Para el cálculo del Plan Agregado de Producción, se puede elegir la estrategia

que se va a utilizar, de entre las que se vieron en el Capítulo 2:
 Estrategia pura de caza, en la que en cada mes se ajusta la fuerza de

trabajo para adaptarla a las necesidades de producción.
 Estrategia pura de nivelación, en la que se busca que la mano de obra
se mantenga constante en los 12 meses que se están planificando (se
ajusta en el primer mes).
 Estrategia mixta. Se diferencia de las estrategias puras en que incluye
la opción de realizar horas extras y subcontratar parte de la
producción. En cada mes de la simulación, el usuario tendrá que
introducir el número de trabajadores, la producción en horas extra y la
producción subcontratada.
117
Capítulo 5
En el modelo desarrollado, se considera que existe una única familia de

productos, que puede estar formada por hasta 20 productos. Este es un
número de productos relativamente alto, pensado para que el modelo no se
quede pequeño y se pueda adaptar a diferentes casos.
Mostrar por pantalla el cálculo del Programa Maestro de Producción para

todos estos productos no sería muy adecuado. Por ello se ha considerado que
sería una mejor opción poder elegir el producto del que quiere ver el cálculo
del Programa Maestro.
Figura 5.1: Vista general del modelo de simulación.
En este apartado, se tratará de explicar de la mejor forma posible todo lo que

se ha hecho para desarrollar el modelo. Está dividido en varios puntos:
 En primer lugar, se explicará la configuración del Reloj (Clock), que es

muy importante para que todo funcione correctamente.
 Se describirán todos los elementos que se han definido. Están
separados en diferentes módulos, como se verá posteriormente.
 El siguiente punto trata sobre los datos de entrada, que son
importados desde una hoja de Excel.
 Se explicarán las acciones de inicialización que se han introducido.
118
 También, se describirán las funciones que se han definido: su utilidad,

los parámetros de entrada y el cuerpo de cada función.
 Se detallará cómo se han configurado los elementos que se utilizan
para controlar el paso de los meses.
 Después, se describirán todas las acciones que se han empleado para
calcular la planificación. Es el punto más importante.
 Por último, se hablará sobre la representación gráfica que se ha
utilizado para el modelo.
5.1.1. Configuración inicial
Antes de desarrollar el modelo, conviene configurar el Reloj (explicado en el

apartado 4.5). Para ello, hay que entrar en Model > Clock. La configuración
realizada ha sido:
 Se han seleccionado los minutos como unidad de tiempo base (ver

Figura 5.2).
 Se ha establecido como fecha de inicio el 1 de enero de 2014 a las
00:00 horas.
 Se ha configurado la visualización del tiempo de la ventana Time y de
la barra de herramientas.
Figura 5.2: Configuración del reloj (General).
119
Capítulo 5
 En la pestaña Periods, se han configurado los períodos de tiempo de

trabajo: de lunes a viernes, de 07:00 a 15:00 horas (ver Figura 5.3).
Figura 5.3: Configuración del reloj (Períodos de trabajo).
 En la pestaña Holidays, se han fijado los días festivos desde enero de

2014 hasta enero de 2018 (ver Figura 5.4).
Figura 5.4: Configuración del reloj (Días festivos).
120
5.1.2. Elementos definidos
En la construcción de este modelo se ha definido una gran cantidad de

elementos. Con el objetivo de que el modelo sea más fácil de comprender y
esté más ordenado, se han agrupado en diferentes módulos.
Los elementos básicos de este modelo, y los más utilizados, son las variables.
Además, también se han utilizado varias funciones, una entidad y una
actividad.
A continuación, se describen los elementos incluidos en cada uno de los

módulos.
 Módulo de Inicio (Inic): en este módulo se incluyen las variables que

almacenan los datos de entrada y los datos que tiene que introducir el
usuario.
También, hay otras variables (los vectores de tamaño 60), que se

utilizan como paso previo al plan de necesidades. En ellas se guardan
los valores para todos los meses que dura la simulación (los 60 meses
que van de enero de 2014 a diciembre de 2018). En cada mes se
copiarán los 12 valores que interesen en otras variables del módulo
del Plan de Necesidades y que tienen el mismo nombre. Será allí
donde se hagan los cálculos.
Tipo de
Nombre Cantidad Descripción
elemento
Variable Inic.Comprom 60 Pedidos comprometidos

Pedidos comprometidos (por
Variable Inic.CompromProd 20,12
producto y semana)
Variable Inic.CrecAnual 1 Crecimiento anual
Variable Inic.Días 60 Días laborables
Variable Inic.Estrategia 1 Estrategia elegida
Variable Inic.Mes 60 Número de mes (de 1 a 60)
Variable Inic.Param 16 Parámetros
Variable Inic.Pend 60 Pedidos pendientes
Variable Inic.PendProd 20 Pedidos pendientes (por producto)

Porcentaje de cada producto
Variable Inic.PorcentProd 20
(dentro de la familia de productos)
121
Capítulo 5
Previsión a corto plazo (por

Variable Inic.PrevCP 20,12
producto y semana)
Variable Inic.PrevLP 60 Previsión a largo plazo
Variable Inic.PrevMP 3 Previsión a medio plazo
Variable Inic.ProdCurso 20 Producción en curso
Variable Inic.Producto 1 Producto elegido
Variable Inic.RepStock 60 Reposición de stock

Mes elegido hasta el que dura la
Variable Inic.SimularHasta 1
simulación
Variable Inic.TamLote 20 Tamaño de lote de cada producto
Tabla 5.1: Elementos del módulo de Inicio.
 Módulo del Plan de Necesidades (PNec): en este segundo módulo se

encuentran las variables necesarias para calcular el Plan de
Necesidades. Son vectores de tamaño 12 en los que se utilizan los
datos del mes actual en adelante.
Tipo de
elemento
Variable PNec.Comprom 12 Pedidos comprometidos
Variable PNec.Días 12 Días laborables
Variable PNec.Mes 12 Número de mes
Variable PNec.Necesidades 12 Plan de necesidades calculado
Variable PNec.Pend 12 Pedidos pendientes
Variable PNec.PrevLP 12 Previsión a largo plazo
Variable PNec.RepStock 12 Reposición de stock
Tabla 5.2: Elementos del módulo del Plan de Necesidades.
 Módulo del Plan Agregado de Producción (PAP): contiene las variables

necesarias para determinar la Planificación Agregada. Una gran parte
de estas variables son vectores de tamaño 12 (meses).
También, en este módulo se encuentran tres funciones que se

describirán posteriormente.
122
Tipo de
elemento
Variable PAP.Contratac 12 Número de contrataciones
Variable PAP.CosteActual 1 Coste total hasta el momento
Variable PAP.CosteContratac 12 Coste de contrataciones
Variable PAP.CosteDespidos 12 Coste de despidos
Variable PAP.CosteHorasExtra 12 Coste de horas extra
Variable PAP.CosteHorasNorm 12 Coste de horas normales
Variable PAP.CosteHorasOcio 12 Coste de horas ociosas
Variable PAP.CostePosesión 12 Coste de posesión
Variable PAP.CosteRuptura 12 Coste de ruptura
Variable PAP.CosteSubcont 12 Coste de subcontratación
Variable PAP.CosteTotal 1 Coste total planificado
Variable PAP.Despidos 12 Número de despidos
Variable PAP.HorasExtra 12 Número de horas extra

Horas necesarias para cumplir
Variable PAP.HorasNeces 12
con la producción a realizar
Variable PAP.HorasNorm 12 Número de horas normales
Variable PAP.HorasOcio 12 Número de horas ociosas

Inventario: puede ser positivo
Variable PAP.Inventario 12
(posesión) o negativo (ruptura)
Inventario inicial (con el terminó
Variable PAP.InvInicial 1
el mes anterior)
Plan de necesidades hasta el
Variable PAP.NecesidadesActual 1
momento
Variable PAP.NivelServicio 1 Nivel de servicio
Nivel de servicio hasta el
Variable PAP.NivelServicioActual 1
momento
Variable PAP.ProdHorasExtra 12 Producción en horas extra
Variable PAP.ProdHorasNorm 12 Producción en horas normales
Variable PAP.ProdRealizar 12 Producción a realizar
Variable PAP.ProdSubcont 12 Producción subcontratada

Número de trabajadores inicial
Variable PAP.TrabInicial 1
(los del mes anterior)
123
Capítulo 5
Variable PAP.TrabReales 12 Número de trabajadores reales
Variable PAP.TrabTeóricos 12 Número de trabajadores teórico
Variable PAP.UnidATiempo 12 Unidades entregadas a tiempo

Unidades entregadas a tiempo
Variable PAP.UnidATiempoActual 1
hasta el momento
Función PAP.CalcCPos Cálculo del coste de posesión
Función PAP.CalcCRup Cálculo del coste de ruptura

Cálculo del número de
Función PAP.CalcTrab
trabajadores reales
Tabla 5.3: Elementos del módulo del Plan Agregado de Producción.
 Módulo del Programa Maestro de Producción (PMP): en este módulo

se guardan las variables que se utilizan en el cálculo del Programa
Maestro de Producción. La mayoría de ellas son matrices de 20 filas
(productos) y 12 columnas (semanas).
Además, contiene una función para periodificar los datos mensuales

en semanas.
Tipo de
elemento
Variable PMP.Exceso 20,12 Exceso de disponibilidades

Exceso inicial de cada producto (el
Variable PMP.ExcesoInicial 20
del mes anterior)
Inventario calculado con el PMP
Variable PMP.Inventario 20,12
inicial
Inventario calculado con el PMP
Variable PMP.InventarioModif 20,12
modificado
Inventario inicial de cada producto
Variable PMP.InvInicial 20
(el del mes anterior)
Variable PMP.NecNetas 20,12 Necesidades netas
Plan Agregado (producción en horas
Variable PMP.PAMes 20,3 normales y extras) de los tres
siguientes meses (por productos)
Plan Agregado periodificado en
Variable PMP.PASem 20,12
semanas
Pedidos pendientes periodificados
Variable PMP.PendPeriod 20,12
en semanas
Variable PMP.PMPInicial 20,12 Plan Maestro inicial
Plan Maestro modificado
Variable PMP.PMPModif 20,12
(propuesto)
124
Previsión a medio plazo

Variable PMP.PrevMPPeriod 20,12
periodificada
Matriz que se muestra por pantalla
Variable PMP.PrintPMPFinal 8,12 con el PMP modificado del producto
elegido
Matriz que se muestra por pantalla
Variable PMP.PrintPMPInicial 5,12 con el PMP inicial del producto
elegido
Periodifica datos mensuales en
Función PMP.Periodificar
semanales
Tabla 5.4: Elementos del módulo del Programa Maestro de Producción.
 Módulo Otros: contiene los elementos necesarios para controlar el

paso del tiempo y la realización de la planificación mes a mes (una
entidad, una actividad y dos variables). También incluye una función
para redondear números reales hacia arriba.
Tipo de
elemento
Mes en el que se está realizando la
Variable Otros.MesActual 1
planificación
Minutos del mes actual en los que
Variable Otros.MinutosMes 1
se trabaja
Máquina a la que llega una entidad
Actividad Otros.ControlTiempo 1 todos los meses y cuyo tiempo de
ciclo es la variables MinutosMes
Entidad Otros.PiezaMes Representa los meses
Redondea hacia arriba un número
Función Otros.RedondArriba
real
Tabla 5.5: Elementos del módulo Otros.
5.1.3. Datos de entrada
Se ha creado un libro de Excel con los datos necesarios para realizar la

simulación. Este libro se llama “Datos” (.xlsx) y la hoja donde se encuentran
se llama “DatosEntrada” (ver Figura 5.5).
Se han incluido los siguientes datos:
 Número de días laborables de cada mes (se guardan en la variable

Inic.Días). También se ha asignado un número a cada mes (Inic.Mes),
desde 1 para enero de 2014 a 60 para diciembre de 2018.
125
Capítulo 5
 Parámetros: se almacenan todos en un mismo vector (Inic.Param) para

que no haya tantas variables distintas. Son los siguientes (y en este
mismo orden):
Datos para el cálculo de las necesidades:

 Stock disponible en enero [u].
 Stock de seguridad deseado [u].
Datos para el cálculo de la capacidad:

 Número inicial de trabajadores [trab].
 Número máximo de trabajadores [trab].
 Número de trabajadores fijos [trab].
 Duración del turno de trabajo [h.e.].
 Máximo de horas extras [% de las horas normales].
 Trabajo por unidad producida [h.e./u].
Datos para el cálculo de costes:

 Coste de contratación [u.m./trab].
 Coste de despido [u.m./trab].
 Coste de subcontratar [u.m./u].
 Coste de posesión [u.m./u·mes].
 Coste de ruptura [u.m./u·mes].
 Coste de hora ordinaria [u.m./h].
 Coste de hora extra [u.m./h].
 Coste de hora ociosa [u.m./h].
 Previsión de ventas a largo plazo (Inic.PrevLP): es la previsión de

ventas en unidades agregadas (unidades de familia de productos)
realizada en el Mes 1 (enero de 2014) para los siguientes 12 meses
(todo el año 2014).
 Crecimiento anual (Inic.CrecAnual): es el crecimiento anual esperado
para los próximos años. Servirá para calcular las futuras previsiones a
largo plazo.
 Previsión de ventas a medio plazo (Inic.PrevMP): es la previsión de
ventas en unidades agregadas realizada en el Mes 1 para los
siguientes 3 meses (enero, febrero y marzo de 2014).
 Porcentaje de cada producto (dentro de la familia de productos)
(Inic.PorcentProd).
126
 Tamaño de lote de cada producto (Inic.TamLote).

 Producción en curso de cada producto en el Mes 1 (Inic.ProdCurso).
 Pedidos pendientes de cada producto en el Mes 1 (Inic.PendProd). El
total se guarda en la variable Inic.Pend.
 Pedidos comprometidos de cada producto en las cuatro semanas del
Mes 1 (Inic.CompromProd). El total se guarda en Inic.Comprom.
 Previsión de ventas a corto plazo (Inic.PrevCP): es la previsión de
ventas de cada producto realizada en el Mes 1 para las próximas 12
semanas.
Figura 5.5: Hoja de Excel de datos de entrada.
Los datos de entrada relacionados con el Mes 1 se emplearán únicamente

cuando se esté simulando este mes. En los siguientes meses, se calcularán
nuevos datos o se supondrá que son cero, dependiendo del caso.
Si se cambia el número de horas diarias de trabajo (8 horas) o el número de

días laborables de cada mes, también habría que modificar la configuración
del reloj que se ha hecho anteriormente. En caso contrario, el tiempo de ciclo
de la máquina ControlTiempo no coincidiría con los meses.
Los datos de entrada se importarán al modelo a través de las acciones de

inicialización, como se verá en el siguiente apartado.
127
Capítulo 5
5.1.4. Acciones de Inicialización y otras
Mediante las acciones de inicialización, que son las que se ejecutan al

comenzar el modelo, se van a realizar acciones tan importantes como la
importación de los datos de entrada o la selección de la estrategia a utilizar.
Para facilitar la comprensión de las acciones utilizadas, se van a ir
comentando por partes.
En primer lugar, se imprime por pantalla un mensaje (aparecerá en la ventana

de interacción).
PRINT ""
PRINT "INICIANDO MODELO"
Después, se renombran las ventanas que se emplearán en el modelo

utilizando la función SETTITLE. La ventana 1 (Layout Window) pasa a llamarse
Modelo, la ventana Time se renombra como Tiempo y la ventana de
interacción (Interact Box) ahora se llama Resultados.
! Renombrar las ventanas

SETTITLE (1,"Modelo")
SETTITLE (-2,"Tiempo")
SETTITLE (-4,"Resultados")
El siguiente paso es realizar la importación de los datos de entrada desde el

libro de Excel que se ha creado (Datos.xlsx). Gracias a la función
XLReadArray, esto se puede hacer de una forma bastante sencilla. Para que
la importación funcione correctamente, el libro de datos tiene que estar en el
mismo directorio que el modelo.
! Importación de datos
PRINT "Importando datos desde Excel..."
XLReadArray ("\\Datos.xlsx","DatosEntrada","$R$4:$R$63",Inic.Mes,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$K$10:$K$21",Inic.PrevLP,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$T$4:$T$63",Inic.Días,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$F$9:$F$24",Inic.Param,1)
PAP.TrabInicial = Inic.Param (3)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$I$52",Inic.Pend,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$O$52",Inic.Comprom,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$K$24",Inic.CrecAnual,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$D$32:$D$51",Inic.PorcentProd,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$E$32:$E$51",Inic.TamLote,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$H$32:$H$51",Inic.ProdCurso,1)
128
XLReadArray ("\\Datos.xlsx","DatosEntrada","$O$10:$O$12",Inic.PrevMP,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$D$59:$O$78",Inic.PrevCP,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$L$32:$O$51",Inic.CompromProd,1)
XLReadArray ("\\Datos.xlsx","DatosEntrada","$I$32:$I$51",Inic.PendProd,1)
Se usa la función MSGDLG para mostrar un mensaje por pantalla en el que se

pueda elegir la estrategia con la que se determinará la Planificación Agregada
(ver Figura 5.6).
Figura 5.6: Selección de la estrategia
La estrategia elegida se almacenará en la variable Inic.Estrategia. Hay tres

opciones: caza (1), nivelación (2) y mixta (3). Además, se imprime por pantalla
la estrategia que se haya seleccionado.
! Selección de estrategia
Inic.Estrategia = MSGDLG ("Seleccionar la estrategia",2,"El modelo puede calcular
la planificación agregada de distintas formas: caza, nivelación o mixta. ¿Qué
estrategia quieres utilizar?","&Caza|&Nivelación|&Mixta",1)
IF Inic.Estrategia = 1
PRINT "Se ha seleccionado la estrategia de Caza"
ELSEIF Inic.Estrategia = 2
PRINT "Se ha seleccionado la estrategia de Nivelación"
ELSEIF Inic.Estrategia = 3
PRINT "Se ha seleccionado la estrategia Mixta"
ENDIF
Otro de los datos que se va a pedir al usuario es el mes hasta el que se

realizará la simulación. Este dato es por defecto 1, es decir, se simulará
solamente enero de 2014 calculando la planificación para todo el año. Se
puede introducir un número desde 1 hasta 49 (enero de 2018).
! Selección del mes de detención de la simulación

WHILE Inic.SimularHasta < 1 OR Inic.SimularHasta > 49
129
Capítulo 5
PRINT "Introduce el mes hasta el que quieres planificar la producción (de 1 a 49)
y pulsa Enter:"
Inic.SimularHasta = 1 ! Por defecto
INPUT "Simular hasta... = ",Inic.SimularHasta
ENDWHILE
También se pide al usuario que introduzca el producto del que quiere ver el
cálculo de su Programa Maestro de Producción. Puede ser un número desde
1 hasta 20.
! Se pide el producto del que se desea mostrar en pantalla su plan maestro

WHILE Inic.Producto < 1 OR Inic.Producto > 20
PRINT "Introduce el producto del que deseas ver el cálculo del Plan Maestro (de 1
a 20) y pulsa Enter:"
Inic.Producto = 1 ! Por defecto
INPUT "Producto = ",Inic.Producto
ENDWHILE
Por último, para terminar con las acciones de inicialización, se imprime por
pantalla otro mensaje.
PRINT "Calculando..."
En el caso de que, durante la simulación, se quiera cambiar el producto del

que se muestra el PMP por otro, se podrá hacer mediante las acciones de
usuario o las acciones inmediatas.
Por ejemplo, en las acciones de usuario se podría escribir lo siguiente y

ejecutarlo. Cuando se llegase al siguiente mes, se comenzaría a mostrar el
producto 2.
! Se puede volver a elegir el producto del que se muestra el cálculo del Plan
Maestro
Inic.Producto = 2
Esto también puede servir para cambiar la estrategia que se había elegido o
el mes hasta el que se va a simular.
5.1.5. Funciones
Como se ha visto anteriormente, se han definido varias funciones en el

modelo. En este apartado, se describirá el funcionamiento de cada una de
ellas.
130
 Función Otros.RedondArriba: ha sido necesario crear esta función ya

que WITNESS no cuenta con ninguna que sirva para redondear los
números hacia arriba.
La entrada de la función es un número real (Num). El cuerpo de la
función es el siguiente:
! Función para redondear un número hacia arriba

! Variables de entrada: un número real
IF ROUND (Num,0) - Num > 0 ! Si se está redondeando hacia arriba
RETURN ROUND (Num,0) ! Se deja el valor redondeado
ELSEIF ROUND (Num,0) - Num < 0 ! Si se está redondeando hacia
abajo
RETURN ROUND (Num,0) + 1 ! Se le suma 1 al valor redondeado
ELSE ! Si es un número sin parte decimal
RETURN Num ! Se devuelve el mismo número
ENDIF
 Función PAP.CalcTrab: sirve para calcular el número de trabajadores

reales a partir del número de trabajadores teórico. Redondea hacia
arriba el número de trabajadores teórico (con la función anterior) y
comprueba que está entre el mínimo y el máximo que se han definido
en los datos de entrada.
La función tiene como parámetro de entrada un número real (Trab) y
su cuerpo es el siguiente:
! Función para el cálculo de los trabajadores reales

! Variable de entrada: número de trabajadores teóricos en un mes
determinado
! Se redondea hacia arriba mediante otra función
IF Otros.RedondArriba (Trab) > Inic.Param (4) ! Si es mayor que el
número máximo de trabajadores
RETURN Inic.Param (4) ! Devuelve el número máximo de trabajadores
ELSEIF Otros.RedondArriba (Trab) < Inic.Param (5) ! Si es menor que el
número mínimo de trabajadores (trabajadores fijos)
RETURN Inic.Param (5) ! Devuelve el número mínimo de trabajadores
ELSE ! Si está entre el número máximo y el mínimo
RETURN Otros.RedondArriba (Trab) ! Devuelve ese mismo número
(redondeado hacia arriba)
ENDIF
131
Capítulo 5
 Función PAP.CalcCPos: esta función sirve para calcular el coste de

posesión, teniendo en cuenta el inventario final del mes actual y el
inventario final del mes anterior.
Como entradas, esta función tiene dos números enteros (InvActual e
InvAnterior). Los cálculos que se realizan para calcular este coste se
pueden ver a continuación:
! Función para el cálculo del coste de posesión

! Variables de entrada: inventario del mes actual e inventario del mes
anterior
IF InvActual >= 0 AND InvAnterior >= 0 ! Si ambos son positivos
RETURN (InvActual + InvAnterior) * Inic.Param (12) / 2
ELSEIF InvActual > 0 AND InvAnterior < 0 ! Si el inventario actual es
positivo y el anterior negativo
RETURN Inic.Param (12) * InvActual ** 2 / (2 * (InvActual + IABS
(InvAnterior)))
ELSEIF InvActual < 0 AND InvAnterior > 0 ! Si el inventario actual es
negativo y el anterior es positivo
RETURN Inic.Param (12) * InvAnterior ** 2 / (2 * (InvAnterior + IABS
(InvActual)))
ELSE ! En cualquier otro caso
RETURN 0
ENDIF
 Función PAP.CalcCRup: es una función muy similar a la anterior, pero

en este caso calcula el coste de ruptura.
! Función para el cálculo del coste de ruptura
! Variables de entrada: inventario del mes actual e inventario del mes
anterior
IF InvActual <= 0 AND InvAnterior <= 0 ! Si ambos son negativos
RETURN IABS (InvActual + InvAnterior) * Inic.Param (13) / 2
ELSEIF InvActual < 0 AND InvAnterior > 0 ! Si el inventario actual es
negativo y el anterior positivo
RETURN Inic.Param (13) * InvActual ** 2 / (2 * (IABS (InvActual) +
InvAnterior))
ELSEIF InvActual > 0 AND InvAnterior < 0 ! Si el inventario actual es
positivo y el anterior negativo
RETURN Inic.Param (13) * InvAnterior ** 2 / (2 * (IABS (InvAnterior) +
InvActual))
ELSE
RETURN 0
ENDIF
132
 Función PMP.Periodificar: esta función sirve para periodificar datos

mensuales entre las 4 semanas de cada mes.
Los parámetros de entrada que necesita esta función son dos
números enteros: Val, que es el valor a periodificar, y Sem, que es la
semana que se está planificando (de 1 a 12). El cuerpo de la función
es el siguiente:
! Función para periodificar un valor mensual entre 4 semanas

! Variables de entrada: valor a periodificar y semana
IF Sem = 4 OR Sem = 8 OR Sem = 12 ! Si es la última semana del mes
RETURN Val - 3 * ROUND (Val * 0.25,0) ! Resta al total el valor de las
tres semanas anteriores
ELSE ! En caso contrario
RETURN ROUND (Val * 0.25,0)
ENDIF
5.1.6. Control del tiempo
En este apartado se van a describir los elementos del módulo Otros que se
utilizan para controlar el paso de los meses durante la simulación. Para ello,
se utilizan los siguientes elementos: una entidad (PiezaMes), una máquina
(ControlTiempo) y dos variables (MesActual y MinutosMes).
Los meses se representan con la entidad PiezaMes, cuya configuración

(detail) es la siguiente (ver Figura 5.7):
 La llegada de piezas se ha establecido como activa.

 El número máximo de piezas que llegarán es 49, que se corresponde
con el número máximo de meses en los que se hace la planificación
(de enero de 2014 a enero de 2018).
 El intervalo de llegada entre una pieza y otra está definido por la
variable MinutosMes.
 Al crearse, las piezas se envían directamente a la máquina
ControlTiempo. Por lo tanto, la regla de salida es:
PUSH to ControlTiempo
 En las acciones que se realizan cada vez que se crea una pieza
(Actions on Create) se calcula el nuevo valor de las variables
MesActual y MinutosMes.
133
Capítulo 5
MesActual = MesActual + 1
MinutosMes = Inic.Días (MesActual) * Inic.Param (6) * 60
Como se puede ver, la variable MesActual representa el mes que se

está simulando en ese instante. Cuando se crea una pieza, su valor
aumenta en 1. Por lo tanto, al llegar la primera pieza valdrá 1, al llegar
la segunda pieza pasará a valer 2 y así sucesivamente. Por otro lado,
en la variable MinutosMes se guarda el número de minutos de trabajo
del mes actual.
Figura 5.7: Configuración general de la entidad PiezaMes.
Sin embargo, el elemento más importante de todo el modelo es la máquina (o

actividad, como se nombraba en el Capítulo 4) llamada ControlTiempo. Esta
máquina procesa las entidades PiezaMes, con un tiempo de ciclo que es igual
a la variable MinutosMes (ver Figura 5.8).
Por lo tanto, el ciclo de la máquina va desde el primer día de trabajo de cada

mes a las 7:00 horas, al último día a las 15:00 horas.
134
Figura 5.8: Configuración general de la máquina ControlTiempo.
En sus acciones de fin (Actions on Finish), se comprueba que no se ha llegado

al mes límite que había definido el usuario al iniciar la simulación. Cuando se
llega a este la simulación se detiene.
! ¿Se sigue la simulación?

!
IF MesActual = Inic.SimularHasta
PRINT "FIN DEL MODELO"
STOP
ENDIF
5.1.7. Cálculo de la planificación
En las acciones de comienzo (Actions on Start) de la máquina ControlTiempo,

se han añadido todas las acciones necesarias para calcular la Planificación
Agregada y el Programa Maestro de Producción.
Gracias a estas acciones, al inicio de cada mes se realizará la planificación,

actualizando el valor de todas las variables. Al igual que en las acciones de
inicialización, se va a ir explicando por partes todo el código que se ha
utilizado.
135
Capítulo 5
En primer lugar, se crean las variables locales que se emplearán a lo largo de

las siguientes acciones. La mayor parte se ha definido como variables
enteras, y una de ellas como variable real.
! Variables locales
DIM mes AS INTEGER
DIM sem AS INTEGER
DIM prod AS INTEGER
DIM mes_sem AS INTEGER
DIM años_pasados AS INTEGER
DIM aux AS INTEGER
DIM aux2 AS REAL
El siguiente paso es determinar el plan de necesidades. Al comenzar la

simulación, se calcula la reposición de stock en enero de 2014 y las
previsiones a largo plazo, teniendo en cuenta el crecimiento anual (después
también se introducirá una variabilidad).
Para ello, se hace uso de las variables locales mes y años_pasados. Esta
última representa el número de años completos que han pasado hasta llegar
al mes.
! CÁLCULO DEL PLAN DE NECESIDADES

!
IF MesActual = 1 ! Al empezar el modelo
! Se calcula la reposición de stock en enero
Inic.RepStock (1) = MAX (0,Inic.Param (2) - Inic.Param (1))
FOR mes = 1 TO 60
! Se calculan las previsiones de demanda teniendo en cuenta el crecimiento anual
años_pasados = RedondArriba (mes * 0.0833) - 1
Inic.PrevLP (mes) = Inic.PrevLP (mes - 12 * años_pasados) * (1 + Inic.CrecAnual)
** años_pasados
NEXT
ENDIF
Como se ha explicado en la definición de los elementos del modelo, hay unas

variables del módulo Inic que tienen el mismo nombre que otras del módulo
PNec. En cada mes, se copian los valores que interesan desde las primeras,
que son de tamaño 60, a las segundas, que son solamente de tamaño 12 (los
12 meses de los que se va calcular el plan de necesidades). De manera que
los datos que se emplean son los del MesActual y los de los siguientes 11
meses.
136
! Se muestra por pantalla únicamente el plan de necesidades de los próximos 12

meses
FOR mes = 1 TO 12
PNec.Mes (mes) = Inic.Mes (MesActual - 1 + mes)
PNec.PrevLP (mes) = Inic.PrevLP (MesActual - 1 + mes)
PNec.Comprom (mes) = Inic.Comprom (MesActual - 1 + mes)
PNec.Pend (mes) = Inic.Pend (MesActual - 1 + mes)
PNec.RepStock (mes) = Inic.RepStock (MesActual - 1 + mes)
PNec.Días (mes) = Inic.Días (MesActual - 1 + mes)
NEXT
En los pedidos pendientes del mes actual, se copia el valor del inventario del
mes anterior cambiado de signo. Este puede ser tanto positivo como negativo,
es decir, puede representar que hay inventario de posesión o inventario de
ruptura.
Por lo tanto, los pedidos pendientes también podrán ser positivos o negativos.
Se podría haber añadido otra variable, pero se ha preferido no complicar más
el modelo.
! Se considera el inventario del mes anterior

IF MesActual > 1
PNec.Pend (1) = -PAP.InvInicial
ENDIF
Por último, para terminar con el plan de necesidades, se introduce una

variabilidad en las previsiones a largo plazo y se calculan las necesidades de
los 12 meses.
Se ha utilizado la distribución TNORMAL (incluida en WITNESS), que es la

distribución normal pero truncada en sus extremos. Con esto se consigue que
no puedan dar valores negativos o extremadamente altos. Tiene cuatro
parámetros: la media, la desviación típica, el extremo inferior y el extremo
superior.
FOR mes = 1 TO 12
! Se introduce una variabilidad en las previsiones de demanda a largo plazo, para
que no coincidan con las iniciales
IF MesActual > 1
PNec.PrevLP (mes) = TNORMAL (PNec.PrevLP (mes),PNec.PrevLP (mes) *
0.01,PNec.PrevLP (mes) * 0.5,PNec.PrevLP (mes) * 1.5)
ENDIF
! Se calcula el plan de necesidades para cada mes
137
Capítulo 5
PNec.Necesidades (mes) = MAX (PNec.PrevLP (mes),PNec.Comprom (mes)) +

PNec.Pend (mes) + PNec.RepStock (mes)
NEXT
Una vez hallado el plan de necesidades, se puede pasar al cálculo de la

Planificación Agregada. Se va calculando el valor de las diferentes variables
mes a mes. Para empezar, se calcula la producción a realizar y el número de
horas necesarias.
! CÁLCULO DEL PLAN AGREGADO

!
FOR mes = 1 TO 12
! Se calcula la producción a realizar en cada mes
IF mes = 1 ! En el mes actual
PAP.ProdRealizar (mes) = PNec.Necesidades (mes)
ELSE ! En el resto de meses
PAP.ProdRealizar (mes) = PNec.Necesidades (mes) - PAP.Inventario (mes - 1)
ENDIF
!
! Se calculan las horas necesarias para cumplir con la producción a realizar
PAP.HorasNeces (mes) = PAP.ProdRealizar (mes) * Inic.Param (8)
Dependiendo de la estrategia que se haya seleccionado, el número de

trabajadores teórico se calcula de una forma distinta. Conviene recordar lo
que se explicó en el apartado 2.1.5.
En la estrategia mixta, se ha considerado que, por defecto, el número de

trabajadores se calcule igual que en la estrategia de caza. También en esta
estrategia, se ha aprovechado para definir que, por defecto, la producción en
horas extra y la producción subcontratada son cero.
El usuario puede dejar el valor por defecto (pulsando Enter) o puede introducir
un nuevo valor. De hecho, aquí ya se pide que se introduzca el número de
trabajadores. Si el número introducido está fuera de los límites, se muestra
un mensaje por pantalla.
! Se calcula el número de trabajadores teórico en función de la estrategia

seleccionada
IF Inic.Estrategia = 1 ! Para la estrategia de caza
PAP.TrabTeóricos (mes) = PAP.HorasNeces (mes) / (Inic.Param (6) * PNec.Días
(mes))
ELSEIF Inic.Estrategia = 2 ! Para la estrategia de nivelación
PAP.TrabTeóricos (mes) = SumVariable (PNec.Necesidades) * Inic.Param (8) /
(Inic.Param (6) * SumVariable (PNec.Días))
138
ELSE ! Para la estrategia mixta

PAP.TrabTeóricos (mes) = PAP.HorasNeces (mes) / (Inic.Param (6) * PNec.Días
(mes)) ! Se calcula el número por defecto de trabajadores (por caza)
PAP.ProdHorasExtra (mes) = 0 ! Si no se cambian, por defecto son 0
PAP.ProdSubcont (mes) = 0 ! Si no se cambian, por defecto son 0
! Introducción del número de trabajadores teóricos
PRINT "MES ";mes;", por defecto: Trabajadores = ";ROUND (PAP.TrabTeóricos
(mes),2);", Producción en horas extra = ";PAP.ProdHorasExtra (mes);", Producción
subcontratada = ";PAP.ProdSubcont (mes)
PRINT "Pulsa Enter para aceptar o escribe un nuevo valor:" ! Se puede dejar el
valor por defecto o introducir uno nuevo
INPUT "¿Trabajadores? ",PAP.TrabTeóricos (mes)
! Si el número de trabajadores no está dentro de los límites se muestra un
mensaje
IF PAP.TrabTeóricos (mes) > Inic.Param (4)
PRINT "El número máximo de trabajadores que se pueden tener en plantilla son
";Inic.Param (4)
ELSEIF PAP.TrabTeóricos (mes) < Inic.Param (5)
PRINT "El número de trabajadores fijos es ";Inic.Param (5)
PRINT "Habrá horas ociosas"
ENDIF
ENDIF
El número de trabajadores real se calcula a partir del número teórico

empleado la función PAP.CalcTrab, explicada anteriormente. Así, el número de
trabajadores siempre quedará dentro de los límites.
! Se calcula el número de trabajadores reales (redondeado y dentro de los límites)

PAP.TrabReales (mes) = PAP.CalcTrab (PAP.TrabTeóricos (mes))
En función de la estrategia elegida, se determinan las horas normales que

realizarán los trabajadores. Una vez se conocen estas horas, se puede hallar
la producción y el coste que tendrán.
! Se calculan las horas normales que harán estos trabajadores

IF Inic.Estrategia = 1 ! Para la estrategia de caza
PAP.HorasNorm (mes) = MIN (PAP.HorasNeces (mes),PAP.TrabReales (mes) *
PNec.Días (mes) * Inic.Param (6))
ELSE ! Para la estrategia de nivelación o la mixta
IF PAP.TrabReales (mes) = Inic.Param (5) ! Si se tiene el número mínimo de
trabajadores (trabajadores fijos)
PAP.HorasNorm (mes) = PAP.TrabTeóricos (mes) * PNec.Días (mes) *
Inic.Param (6) ! No tienen que producir para inventario de forma innecesaria
139
Capítulo 5
PAP.HorasNorm (mes) = PAP.TrabReales (mes) * PNec.Días (mes) * Inic.Param

(6)
ENDIF
ENDIF
!
! Se calcula la producción y el coste de las horas normales
PAP.ProdHorasNorm (mes) = PAP.HorasNorm (mes) / Inic.Param (8)
PAP.CosteHorasNorm (mes) = PAP.HorasNorm (mes) * Inic.Param (14)
Después, se calcula el número de contrataciones y de despidos. En el mes

actual, se tendrá en cuenta el número de trabajadores que había en el mes
anterior. También, se halla el coste que tendrán estas variaciones en la mano
de obra.
! Se calculan los despidos y las contrataciones

PAP.Despidos (mes) = MAX (PAP.TrabInicial - PAP.TrabReales (mes),0)
PAP.Contratac (mes) = MAX (PAP.TrabReales (mes) - PAP.TrabInicial,0)
PAP.Despidos (mes) = MAX (PAP.TrabReales (mes - 1) - PAP.TrabReales
(mes),0)
PAP.Contratac (mes) = MAX (PAP.TrabReales (mes) - PAP.TrabReales (mes -
1),0)
ENDIF
!
! Se calcula el coste delas contrataciones y despidos
PAP.CosteDespidos (mes) = PAP.Despidos (mes) * Inic.Param (10)
PAP.CosteContratac (mes) = PAP.Contratac (mes) * Inic.Param (9)
Si el número de trabajadores es el mínimo (plantilla fija), puede haber horas

ociosas. En este caso, se calcula el número de horas y su coste.
! Se calcula el número de horas ociosas

IF PAP.TrabReales (mes) = Inic.Param (5) ! Si se tiene el número mínimo de
trabajadores (trabajadores fijos)
PAP.HorasOcio (mes) = (PAP.TrabReales (mes) - PAP.TrabTeóricos (mes)) *
PNec.Días (mes) * Inic.Param (6)
PAP.HorasOcio (mes) = 0
ENDIF
!
! Se calcula el coste de las horas ociosas
PAP.CosteHorasOcio (mes) = PAP.HorasOcio (mes) * Inic.Param (16)
140
Como se dijo anteriormente, para la estrategia mixta la producción en horas

extra y la producción subcontratada son por defecto cero. El usuario tiene la
opción de introducir unos nuevos valores.
En el caso de la producción en horas extra, se ha tenido en cuenta que las

horas extra no pueden exceder de un porcentaje de las horas normales,
ayudándose de la variable local aux. También, se calcula el coste de estos dos
tipos de producción.
! Introducción de la producción en horas extra y la producción subcontratada

IF Inic.Estrategia = 3 ! Únicamente cuando la estrategia es la mixta
aux = 0
INPUT "¿Producción en horas extra? ",aux
IF aux > Inic.Param (7) * PAP.HorasNorm (mes) / (100 * Inic.Param (8))
PRINT "El máximo de horas extra es el ";Inic.Param (7);"% de las horas
normales"
PRINT "Por lo tanto, la producción máxima en horas extra este mes es:
";ROUND (Inic.Param (7) * PAP.HorasNorm (mes) / (100 * Inic.Param (8)),2)
PAP.ProdHorasExtra (mes) = Inic.Param (7) * PAP.HorasNorm (mes) / (100 *
Inic.Param (8))
ELSE
PAP.ProdHorasExtra (mes) = aux
ENDIF
!INPUT "¿Producción en horas extra? ",ProdHorasExtra (Mes)
INPUT "¿Producción subcontratada? ",PAP.ProdSubcont (mes)
!PRINT
!
! Se calcula el número de horas extra
PAP.HorasExtra (mes) = PAP.ProdHorasExtra (mes) * Inic.Param (8)
!
! Se calcula el coste de las horas extra y de la producción subcontratada
PAP.CosteHorasExtra (mes) = PAP.HorasExtra (mes) * Inic.Param (15)
PAP.CosteSubcont (mes) = PAP.ProdSubcont (mes) * Inic.Param (11)
ENDIF
Después, se calcula el inventario, que puede ser positivo o negativo,

dependiendo si es de posesión o de ruptura. El coste se calcula con las
funciones PAP.CalcCpos y PAP.CalcCRup, que ya se han explicado. En ellas, no
solo se tiene en cuenta el inventario con el que ha finalizado un mes, sino
también el inventario con el que terminó el mes anterior.
! Se calcula el inventario
141
Capítulo 5
PAP.Inventario (mes) = PAP.ProdHorasNorm (mes) + PAP.ProdHorasExtra (mes)

+ PAP.ProdSubcont (mes) - PAP.ProdRealizar (mes)
!
! Se calculan los costes de posesión y ruptura
PAP.CostePosesión (mes) = PAP.CalcCPos (PAP.Inventario
(mes),PAP.InvInicial)
PAP.CosteRuptura (mes) = PAP.CalcCRup (PAP.Inventario (mes),PAP.InvInicial)
PAP.CostePosesión (mes) = PAP.CalcCPos (PAP.Inventario
(mes),PAP.Inventario (mes - 1))
PAP.CosteRuptura (mes) = PAP.CalcCRup (PAP.Inventario (mes),PAP.Inventario
(mes - 1))
ENDIF
Para hallar el nivel de servicio al cliente, que se calculará posteriormente,

primero se necesitan conocer las unidades que se han estregado a tiempo.
! Se calcula el número de unidades que se han entregado a tiempo (para calcular

el nivel de servicio)
PAP.UnidATiempo (mes) = MIN (PAP.ProdHorasNorm (mes) +
PAP.ProdHorasExtra (mes) + PAP.ProdSubcont (mes) +
PAP.InvInicial,PNec.Necesidades (mes))
PAP.UnidATiempo (mes) = MIN (PAP.ProdHorasNorm (mes) +
PAP.ProdHorasExtra (mes) + PAP.ProdSubcont (mes) + PAP.Inventario (mes -
1),PNec.Necesidades (mes))
ENDIF
Para terminar con la Planificación Agregada, se calcula el coste total y el nivel

de servicio que se ha obtenido en los 12 meses que se han planificado. Estos
valores se guardan en las variables PAP.CosteTotal y PAP.NivelServicio.
También, se calcula el coste total y el nivel de servicio que se ha obtenido

hasta el momento, a lo largo de la simulación. Estos se almacenan en las
variables PAP.CosteActual y PAP.NivelServicioActual. El resultado se muestra
por pantalla.
! Una vez se han calculado las variables a lo largo de los 12 meses

IF mes = 12
! Se calcula el coste total y el nivel de servicio de los próximos 12 meses que se
han planificado
142
PAP.CosteTotal = SumVariable (PAP.CosteHorasNorm) + SumVariable

(PAP.CosteDespidos) + SumVariable (PAP.CosteContratac) + SumVariable
(PAP.CosteHorasOcio) + SumVariable (PAP.CosteHorasExtra) + SumVariable
(PAP.CosteSubcont) + SumVariable (PAP.CostePosesión) + SumVariable
(PAP.CosteRuptura)
PAP.NivelServicio = ROUND (SumVariable (PAP.UnidATiempo) / SumVariable
(PNec.Necesidades) * 100,2)
! Se calcula el coste total y el nivel de servicio hasta el momento (sumando los
meses pasados y el actual)
PAP.CosteActual = PAP.CosteActual + PAP.CosteHorasNorm (1) +
PAP.CosteDespidos (1) + PAP.CosteContratac (1) + PAP.CosteHorasOcio (1) +
PAP.CosteHorasExtra (1) + PAP.CosteSubcont (1) + PAP.CostePosesión (1) +
PAP.CosteRuptura (1)
PAP.NecesidadesActual = PAP.NecesidadesActual + PNec.Necesidades (1)
PAP.UnidATiempoActual = PAP.UnidATiempoActual + PAP.UnidATiempo (1)
PAP.NivelServicioActual = ROUND (PAP.UnidATiempoActual /
PAP.NecesidadesActual * 100,2)
! Se imprime el resultado por pantalla
PRINT "PLAN AGREGADO (Mes ";MesActual;")"
PRINT "El coste total es = ";PAP.CosteTotal;" u.m. (Hasta el momento =
";PAP.CosteActual;" u.m.)"
PRINT "El nivel de servicio es = ";PAP.NivelServicio;" % (Hasta el momento =
";PAP.NivelServicioActual;" %)"
Por último, se necesita guardar el inventario y el número de trabajadores con

los que se comenzará la planificación en el siguiente mes.
! También se guarda el inventario y el número de trabajadores para la planificación

del siguiente mes
PAP.InvInicial = PAP.Inventario (1)
PAP.TrabInicial = PAP.TrabReales (1)
ENDIF
NEXT
El último paso es el cálculo del Programa Maestro de Producción para cada

uno de los productos de los que está compuesta la familia. Como hemos
visto, se pueden introducir datos de hasta 20 productos, aunque
normalmente el número será bastante menor.
Se ha añadido la condición “IF Inic.PorcentProd (prod) <> 0”, que implica que
solo se realizará la programación para aquellos productos de los que se
disponga de datos (se comprueba que el porcentaje de ese producto en la
familia es distinto de cero).
143
Capítulo 5
Antes de empezar, se calcula lo que hay que producir de cada producto en los
3 meses siguientes según la Planificación Agregada. Por lo tanto, para cada
mes se suma la producción en horas normales y en horas extra y se multiplica
por el porcentaje de cada producto.
! CÁLCULO DEL PLAN MAESTRO

!
! Se calcula el plan agregado de cada producto con el porcentaje que se ha
definido en los datos
FOR mes = 1 TO 3
FOR prod = 1 TO 20
IF Inic.PorcentProd (prod) <> 0
PMP.PAMes (prod,mes) = Inic.PorcentProd (prod) * (PAP.ProdHorasNorm (mes)
+ PAP.ProdHorasExtra (mes)) / 100
ENDIF
NEXT
NEXT
También se determina la previsión de ventas a medio plazo para los

siguientes tres meses. Cuando se está simulando el mes 1, se emplea la
previsión de los datos de entrada, pero después se calcula a partir de la de
largo plazo (con la distribución TNORMAL).
! En el primer mes, se utiliza la previsión a medio plazo de los datos de entrada y,

en el resto, se calcula a partir de la de largo plazo
IF MesActual > 1
FOR mes = 1 TO 3
Inic.PrevMP (mes) = TNORMAL (PNec.PrevLP (mes),PNec.PrevLP (mes) *
0.04,PNec.PrevLP (mes) * 0.5,PNec.PrevLP (mes) * 1.5)
NEXT
ENDIF
Algo similar ocurre con los pedidos pendientes de cada producto. Para el mes
1, se usan los que vienen en los datos de entrada. Sin embargo, en los
siguientes meses se utilizan los del Plan de Necesidades multiplicados por el
porcentaje de cada producto.
! En el primer mes, se utilizan los pedidos pendientes de cada producto de los

datos de entrada y, en el resto, se calculan con los porcentajes de cada producto
IF MesActual > 1
FOR prod = 1 TO 20
Inic.PendProd (prod) = PNec.Pend (1) * Inic.PorcentProd (prod) / 100
NEXT
144
ENDIF
Una vez halladas esas variables, se pasa al cálculo del PMP inicial y el PMP
propuesto. Comenzando por el primero de ellos, se periodifica la variable
PMP.PAMes en semanas (PMP.PASem). Esto se hace con la función
PMP.Periodificar y la variable local mes_sem, en la que se guarda el mes al
que pertenece la semana.
FOR prod = 1 TO 20
FOR sem = 1 TO 12
!
! Cálculo del Plan Maestro Inicial
!
mes_sem = RedondArriba (sem * 0.25) ! Variable en la que se guarda el mes al
que pertenece la semana
!
! Se periodifica el plan agregado de cada producto
PMP.PASem (prod,sem) = PMP.Periodificar (PMP.PAMes (prod,mes_sem),sem)
Después, se calcula el inventario en exceso y las necesidades netas. En la

primera semana, el exceso es igual al calculado en la programación mes
anterior, excepto en el mes 1 en el que es igual a cero.
La producción en curso de los datos de entrada se utiliza cuando se está

simulando el mes 1. En el resto de meses es cero.
! Se calcula el exceso y las necesidades netas

IF sem = 1 ! En la primera semana
IF MesActual = 1 ! En el primero de los meses, se utiliza la producción en curso
PMP.NecNetas (prod,sem) = PMP.PASem (prod,sem) - Inic.ProdCurso (prod) !
El exceso se deja en 0
ELSE
PMP.Exceso (prod,sem) = PMP.ExcesoInicial (prod)
PMP.NecNetas (prod,sem) = PMP.PASem (prod,sem) - PMP.Exceso
(prod,sem)
ENDIF
ELSE ! En el resto de semanas
PMP.Exceso (prod,sem) = PMP.PMPInicial (prod,sem - 1) - PMP.NecNetas
(prod,sem - 1)
PMP.NecNetas (prod,sem) = PMP.PASem (prod,sem) - PMP.Exceso (prod,sem)
ENDIF
145
Capítulo 5
Para determinar el Plan Maestro inicial de cada producto, se comprueba si las

necesidades netas son positivas. Se hace uso de la variable local aux2 para
saber si se necesita producir más de un lote del producto.
! Se calcula el plan maestro inicial de cada producto

IF PMP.NecNetas (prod,sem) > 0 ! Si hay necesidades netas (positivas)
aux2 = PMP.NecNetas (prod,sem) / Inic.TamLote (prod) ! Por si se necesita un
múltiplo del tamaño de lote
PMP.PMPInicial (prod,sem) = RedondArriba (aux2) * Inic.TamLote (prod)
ELSE
PMP.PMPInicial (prod,sem) = 0
ENDIF
En cuanto al cálculo del PMP modificado o final (o PMP propuesto como se

llamaba en el Capítulo 2), se comienza desagregando en productos y
periodificando en semanas las previsiones a medio plazo. Aquí sevuelve a
utilizar la función PMP.Periodificar.
! Cálculo del Plan Maestro Final

!
! Se desagrega y periodifica la previsión de ventas a medio plazo
aux = Inic.PrevMP (mes_sem) * Inic.PorcentProd (prod) * 0.01
PMP.PrevMPPeriod (prod,sem) = PMP.Periodificar (aux,sem)
En el primer mes de la simulación, se utiliza la previsión a corto plazo que

aparece en los datos de entrada. En los siguientes meses, para estimarla se
vuelve a utilizar la distribución TNORMAL, partiendo de la previsión a medio
plazo. Se ha considerado que habrá previsiones a corto plazo para 6 semanas
(se puede cambiar fácilmente).
! En el primer mes, se utiliza la previsión a corto plazo de los datos de entrada y,

en el resto, se calcula a partir de la de medio plazo
IF MesActual > 1
IF sem <= 6 ! Habrá previsiones a corto plazo para 6 semanas
Inic.PrevCP (prod,sem) = TNORMAL (PMP.PrevMPPeriod
(prod,sem),PMP.PrevMPPeriod (prod,sem) * 0.06,PMP.PrevMPPeriod (prod,sem)
* 0.5,PMP.PrevMPPeriod (prod,sem) * 1.5)
ELSE
Inic.PrevCP (prod,sem) = 0
ENDIF
ENDIF
146
Los pedidos comprometidos en el primer mes de la simulación se obtienen de

los datos de entrada. Para el resto de meses, se considera que no hay
pedidos comprometidos.
! En el primer mes, se utilizan los pedidos comprometidos de los datos de entrada

y, en el resto, se considera que son 0
IF MesActual > 1
Inic.CompromProd (prod,sem) = 0
ENDIF
Los pedidos pendientes de cada producto se periodifican entre las cuatro

semanas del mes actual, volviendo a emplear la función PMP.Periodificar.
! Se periodifican los pedidos pendientes del mes actual

IF mes_sem = 1 ! En el mes actual
PMP.PendPeriod (prod,sem) = PMP.Periodificar (Inic.PendProd (prod),sem)
ENDIF
El siguiente paso es calcular el inventario. Se calcula de una forma o de otra

dependiendo del mes que se esté simulando, de la semana o de si hay
previsiones a corto plazo.
! Se calcula el inventario
IF sem = 1 AND MesActual = 1
IF Inic.PrevCP (prod,sem) <> 0 ! Si hay previsiones a corto plazo
PMP.Inventario (prod,sem) = Inic.ProdCurso (prod) - PMP.PendPeriod
(prod,sem) - MAX (Inic.PrevCP (prod,sem),Inic.CompromProd (prod,sem))
ELSE ! Si no hay previsiones a corto plazo, se utilizan las de medio plazo
PMP.Inventario (prod,sem) = Inic.ProdCurso (prod) - PMP.PendPeriod
(prod,sem) - MAX (PMP.PrevMPPeriod (prod,sem),Inic.CompromProd (prod,sem))
ENDIF
ELSEIF sem = 1
PMP.Inventario (prod,sem) = PMP.InvInicial (prod) - PMP.PendPeriod
(prod,sem) - MAX (Inic.PrevCP (prod,sem),Inic.CompromProd (prod,sem))
PMP.Inventario (prod,sem) = PMP.InvInicial (prod) - PMP.PendPeriod
(prod,sem) - MAX (PMP.PrevMPPeriod (prod,sem),Inic.CompromProd (prod,sem))
ENDIF
ELSE
PMP.Inventario (prod,sem) = PMP.InventarioModif (prod,sem - 1) -
PMP.PendPeriod (prod,sem) - MAX (Inic.PrevCP (prod,sem),Inic.CompromProd
(prod,sem))
147
Capítulo 5

PMP.Inventario (prod,sem) = PMP.InventarioModif (prod,sem - 1) -
PMP.PendPeriod (prod,sem) - MAX (PMP.PrevMPPeriod
(prod,sem),Inic.CompromProd (prod,sem))
ENDIF
ENDIF
Para calcular el PMP modificado se comprueba si el inventario es negativo. De

nuevo, se vuelve a hacer uso de la variable local aux2 para saber si hay que
producir más de un lote de producto.
! Se calcula el plan maestro modificado

IF PMP.Inventario (prod,sem) < 0 ! Si el inventario es negativo
aux2 = IABS (PMP.Inventario (prod,sem)) / Inic.TamLote (prod) ! Por si se
necesita un múltiplo del tamaño de lote
PMP.PMPModif (prod,sem) = RedondArriba (aux2) * Inic.TamLote (prod)
ELSE
PMP.PMPModif (prod,sem) = 0
ENDIF
A partir del recién calculado Plan Maestro, se halla el inventario modificado.

Se puede comprobar que ya no hay ninguna semana en la que el inventario
sea negativo.
! Se calcula el inventario modificado

PMP.InventarioModif (prod,sem) = PMP.Inventario (prod,sem) + PMP.PMPModif
(prod,sem)
Por último, es muy importante guardar el valor del exceso y de inventario con
los que se empezará la programación del siguiente mes.
NEXT
! Se calcula el exceso con el que se comenzará el próximo mes
PMP.ExcesoInicial (prod) = PMP.Exceso (prod,5)
! Se calcula el inventario con el que se comenzará el próximo mes
PMP.InvInicial (prod) = PMP.InventarioModif (prod,4)
ENDIF
NEXT
Ahora que ya se han calculado todas las variables relacionadas con el Plan
Maestro de Producción, se imprime por pantalla el PMP modificado de cada
producto.
! Se imprime por pantalla el plan maestro modificado de cada producto
148
PRINT "PLAN MAESTRO (Mes ";MesActual;")"

PRINT "El PMP final para cada producto es el siguiente:"
FOR prod = 1 TO 20
PRINT "Producto ";prod;": ",PMP.PMPModif (prod,1),PMP.PMPModif
(prod,2),PMP.PMPModif (prod,3),PMP.PMPModif (prod,4),PMP.PMPModif
(prod,11),PMP.PMPModif (prod,12)
ENDIF
NEXT
Además, se copian los valores de algunas variables del PMP del producto que
se ha elegido en dos matrices: PMP.PrintPMPInicial y PMP.PrintPMPFinal.
Estas son las matrices que tendrán representación gráfica (display) en la
ventana del Modelo. De esta forma, se podrá ver cómo se ha calculado el
PMP del producto elegido.
! Inicial
FOR sem = 1 TO 12
PMP.PrintPMPInicial (1,sem) = PMP.PASem (Inic.Producto,sem)
PMP.PrintPMPInicial (2,sem) = PMP.Exceso (Inic.Producto,sem)
IF MesActual = 1 AND sem = 1
PMP.PrintPMPInicial (3,sem) = Inic.ProdCurso (Inic.Producto)
ELSE
PMP.PrintPMPInicial (3,sem) = 0
ENDIF
PMP.PrintPMPInicial (4,sem) = PMP.NecNetas (Inic.Producto,sem)
PMP.PrintPMPInicial (5,sem) = PMP.PMPInicial (Inic.Producto,sem)
NEXT
! Modificado
FOR sem = 1 TO 12
PMP.PrintPMPFinal (1,sem) = PMP.PrevMPPeriod (Inic.Producto,sem)
PMP.PrintPMPFinal (2,sem) = Inic.PrevCP (Inic.Producto,sem)
PMP.PrintPMPFinal (3,sem) = Inic.CompromProd (Inic.Producto,sem)
PMP.PrintPMPFinal (4,sem) = PMP.PendPeriod (Inic.Producto,sem)
IF MesActual = 1 AND sem = 1
PMP.PrintPMPFinal (5,sem) = Inic.ProdCurso (Inic.Producto)
ELSE
PMP.PrintPMPFinal (5,sem) = 0
ENDIF
PMP.PrintPMPFinal (6,sem) = PMP.Inventario (Inic.Producto,sem)
149
Capítulo 5
PMP.PrintPMPFinal (7,sem) = PMP.PMPModif (Inic.Producto,sem)

PMP.PrintPMPFinal (8,sem) = PMP.InventarioModif (Inic.Producto,sem)
NEXT
150
5.1.8. Representación gráfica
La representación gráfica (display) de los elementos del modelo se puede ver

en la ventana Layout Window (renombrada como Modelo). En ella se muestra
el nombre y el valor de muchas de las variables que se han definido (ver
Figura 5.9). Se ha dividido en varias secciones:
 En la parte superior de la ventana se puede ver la estrategia que se ha

elegido (1 para la estrategia de caza, 2 para la de nivelación y 3 para
la mixta), así como el mes actual y el mes hasta el que se va a seguir la
simulación.
 Inmediatamente debajo, se muestra en forma de tabla el cálculo del
Plan de Necesidades y de la Planificación Agregada para los próximos
12 meses. También se muestra el coste total y el nivel de servicio que
se consiguen con esta planificación.
 Por último, en la parte inferior aparece el cálculo del Programa
Maestro de Producción (inicial y modificado) para el producto que se
ha elegido.
Figura 5.9: Representación gráfica del modelo.
151
Capítulo 5
Como se puede ver en la figura, además de esa ventana hay otras dos:
 Interact Box (Resultados). En esta ventana es donde aparecen los

mensajes que se han imprimido por pantalla y donde el usuario puede
introducir algunos de los datos que pide el modelo.
 Time (Tiempo), en donde se ve la fecha y la hora de la simulación.
152
5.2. Validación del modelo
Para validar el modelo que se ha desarrollado, se va a resolver el ejemplo

resuelto en los apartados 2.1.5 y 2.2.4. El objetivo de este proceso es
comprobar si los resultados que da el modelo son correctos. Para ello, en la
hoja de Excel de los datos de entrada se introducen los mismos datos del
problema.
Hay que tener en cuenta que solo hace falta simular el primer mes, que es en
el que se realiza la planificación desde enero hasta diciembre de 2014. Por lo
tanto, al iniciar la simulación, se indica que la simulación se detendrá en el
mes 1.
Además, hay que realizar la simulación varias veces: una vez para cada
estrategia, y en la de estrategia de nivelación (que es la que se eligió en el
ejemplo para calcular el PMP) una vez para cada producto. En la estrategia
mixta se han introducido en cada mes el mismo número de trabajadores,
producción en horas extra y producción subcontratada que en el ejemplo.
Los resultados obtenidos se muestran a continuación. Para comprenderlos

más fácilmente, en el modelo se ha cambiado la designación numérica de los
meses por su nombre. El Plan de Necesidades (ver Figura 5.10) que se
obtiene es exactamente igual que en el ejemplo.
La Planificación Agregada resultante de las estrategias de caza, de nivelación

y mixta se muestra en las Figuras 5.11, 5.12 y 5.13, respectivamente. Como
se puede apreciar, hay alguna pequeña variación con respecto al ejemplo
debido al redondeo de algunas variables.
En las Figuras 5.14, 5.15 y 5.16 se puede ver el Programa Maestro de

Producción de los tres productos. En este caso también hay algún pequeño
cambio con respecto al ejemplo provocado por la periodificación en semanas
de algunos valores y por el redondeo.
Dados estos resultados, se puede concluir que el modelo de simulación

desarrollado es válido, es decir, que los resultados que se obtienen con él son
correctos.
Figura 5.10: Plan de necesidades obtenido.
153
Capítulo 5
Figura 5.11: Planificación Agregada con la estrategia de caza.
Figura 5.12: Planificación Agregada con la estrategia de nivelación.
Figura 5.13: Planificación Agregada con la estrategia mixta.
154
Figura 5.14: Programa Maestro de Producción para el producto 1.
155
Capítulo 5
5.3. Experimentación y análisis de resultados
En el apartado anterior, la simulación se detuvo en enero de 2014 (mes 1).

Sin embargo, este modelo permite seguir simulando durante muchos más
meses, calculando la planificación en cada uno de ellos. Este es, de hecho, el
aspecto del modelo que más tiempo de desarrollo ha supuesto.
Para la experimentación, por lo tanto, se van a utilizar los mismos datos pero
se seguirá simulando hasta enero de 2017 (mes 37), considerando un
crecimiento anual del 2 %. También, ahora se utilizan los datos de días
laborables del modelo, ya que los del ejemplo no se correspondían con la
realidad.
En primer lugar, la simulación se ha realizado empleando la estrategia de

caza (ver Figura 5.17). Los resultados obtenidos con esta estrategia no han
sido buenos, tal y como se verá a continuación.
Figura 5.17: Experimentación con la estrategia de caza.
El coste total en los 37 meses que se han simulado (PAP.CosteActual) ha sido

de 125.985.420 u.m. y el porcentaje de unidades entregadas a tiempo
(PAP.NivelServicioActual) ha sido del 78,8 %.
156
Además, durante la simulación se ha podido observar que ha llegado un

momento en el que la producción en horas normales no era suficiente para
cumplir con la producción a realizar, provocando altos costes de ruptura al
acumularse pedidos retrasados.
Al hacer el mismo experimento, pero esta vez utilizando la estrategia de

nivelación, los resultados que se obtienen son muy distintos (ver Figura 5.18).
Figura 5.18: Experimentación con la estrategia de nivelación.
El coste total es 120.659.198 u.m., menor que el que resultó con la otra
estrategia. Aunque el mayor cambio está en el nivel de servicio, que ahora es
del 97.32 %. Sin duda, la estrategia de nivelación permite obtener una
planificación mucho mejor (al menos para este caso).
Al tener en cuenta la producción a realizar en un horizonte de planificación de

12 meses y almacenar unidades para aquellos períodos donde la demanda
es mayor, se consigue tener un nivel de servicio muy alto.
A partir de este mes, con ambas estrategias se conseguiría un resultado

similar. Como ya se ha llegado al límite máximo de trabajadores y la
producción a realizar está subiendo, la capacidad disponible no sería
suficiente y cada vez habría un mayor inventario de ruptura.
157
Capítulo 5
Me ha parecido interesante analizar este caso, ya que he podido comprobar

una utilidad adicional para este modelo. No solo sirve para probar diferentes
escenarios y tomar decisiones, sino que también puede ser útil para saber si
en el futuro habrá que hacer cambios en la capacidad.
El modelo permite ver fácilmente que hay un momento en el que se llega al

límite de capacidad y el nivel de servicio empieza a bajar, ya que no se puede
cumplir con toda la producción a realizar.
En principio, habría que tomar medidas de ajuste transitorio como la

producción en horas extra o la subcontratación (siguiendo una estrategia
mixta), pero podría plantearse la posibilidad de aumentar los turnos de
trabajo o el número máximo de trabajadores.
158
Capítulo 6:
Modelo de optimización
6. Modelo de optimización
En este capítulo, se va a realizar la optimización de la Planificación Agregada.

Para ello, se creará un nuevo modelo, más simple que el del capítulo anterior,
y se buscará su solución óptima utilizando el módulo de optimización de
WITNESS.
Para la validación de este modelo y la realización de experimentos, se

empleará otro programa de software llamado Xpress, como se verá
posteriormente.
6.1. Desarrollo del modelo
En un principio, se trató de crear un modelo similar al descrito en el apartado

3.2.4, lo que implicaba la introducción de un gran número de variables y
restricciones. El número de escenarios posibles era demasiado grande, y
dadas las limitaciones del hardware o del propio software, no era posible
realizar la optimización.
Consecuentemente, fue necesario simplificar el modelo y tratar de reducir el

número de valores que podían tomar las variables. El cambio más importante
fue pasar del modelo de planificación a 12 meses a otro de solamente 3
meses.
Además, finalmente se resolvió empleando la versión WITNESS 13, en lugar

de la que se utilizó en la simulación (WITNESS PwE 3.0). En ella, el módulo de
optimización se llama Experimenter. Su funcionamiento es prácticamente
igual que el Optimizer (descrito en el Capítulo 4), pero tiene una interfaz de
usuario más cuidada e intuitiva.
6.1.1. Modelo
El modelo que se ha creado es mucho más simple que en la simulación. Se

han definido y configurado algunos elementos, pero no se ha seleccionado
ninguna representación gráfica (display) para ellos. En la Figura 6.1 se puede
ver una vista general del modelo. El reloj se ha configurado de una forma
similar al modelo de simulación.
161
Capítulo 6
Figura 6.1: Vista general del modelo de optimización.
El modelo desarrollado consta de 6 variables, que son vectores de tamaño 3,

y una función. Además, se utiliza una entidad y una actividad ya que se
necesita que exista algún evento para poder ejecutar el modelo. Sin ellas, no
se podría realizar la optimización.
En la siguiente tabla, se pueden ver los elementos que se han definido.
Tipo de
elemento
Variable Trab 3 Número de trabajadores
Variable Cont 3 Contrataciones
Variable Desp 3 Despidos
Variable UnidExtra 3 Producción en horas extra
Variable UnidSubcont 3 Producción subcontratada
Variable Inv 3 Inventario (de posesión)
Función FObj Función objetivo
162
Entidad Mes Se usan para que haya algún

evento y se pueda hacer la
Actividad ControlTiempo optimización.
Tabla 6.1: Elementos definidos en el modelo de optimización.
La entidad Mes se ha configurado con llegada activa e intervalo de llegada de

9600 minutos, que son los minutos de trabajo que tiene un mes de 20 días (a
8 horas diarias). La regla de salida es:
PUSH to ControlTiempo
Figura 6.2: Configuración de la entidad Mes.
Por su parte, en la máquina ControlTiempo se ha establecido también un

tiempo de ciclo de 9600 minutos y su regla de salida es:
PUSH to SHIP
A continuación, se describe el caso que se ha resuelto (parámetros, variables,

restricciones y función objetivo) y la solución obtenida al optimizar.
163
Capítulo 6
6.1.2. Parámetros
Los datos (parámetros) del problema concreto que se va a resolver son los
siguientes:
 Necesidades de producción para los tres meses = 8.000, 7.500 y

9.000 unidades, respectivamente.
 Número de días de trabajo (el mismo para los tres meses) = 20 días.
 Horas estándar por trabajador y día = 8 h.e./d.
 Porcentaje de horas extra sobre regulares = 10 %.
 Horas estándar por unidad de familia = 2 h.e./u.
 Plantilla fija = 80 trab.
 Número máximo de trabajadores = 100 trab.
 Coste por h.e. en jornada regular = 10 u.m./h.
 Coste por h.e. en tiempo extra = 15 u.m./h.
 Coste por unidad subcontratada = 40 u.m./u.
 Coste de contratación unitario = 1.000 u.m./trab.
 Coste de despido unitario = 1.500 u.m./trab.
 Coste de posesión unitario = 50 u.m/u·mes.
 Número inicial de trabajadores = 90 trab.
 Inventario inicial = 0 unidades.
6.1.3. Variables
Como se puede ver en la Tabla 6.1, se han definido 6 variables distintas, cada
una de tamaño 3 (debido a los 3 meses que se están planificando):
 Número de trabajadores (Trab).

 Contrataciones (Cont).
 Despidos (Desp).
 Producción en horas extra (UnidExtra).
 Producción subcontratada (UnidSubcont).
 Inventario (Inv).
164
En el modelo de programación lineal del apartado 3.2.4 también había una

variable para la producción en horas normales. Es una variable que no es
necesaria, ya que su valor depende del número de trabajadores.
Por lo tanto, se ha decidido eliminar esa variable y las restricciones asociadas

a ella, quedando así un modelo más simple. Esto implicará realizar algunos
cambios en el resto de restricciones.
Una vez dentro del Experimenter de WITNESS 13, se han añadido las
variables como range value type (explicado en el apartado 4.6.1). Para cada
una de ellas, se ha establecido el valor mínimo y máximo que pueden tomar,
el tamaño de paso y un valor sugerido.
Se ha intentado limitar lo máximo posible el número de valores que pueden

tomar las variables (y a su vez el número de combinaciones o escenarios
posibles). El rango de variación y el tamaño de paso de cada una de ellas se
han configurado con este propósito. Aun así, son un total 18 variables y existe
un enorme número de combinaciones entre ellas.
En la Figura 6.3, se pueden ver las variables tal y como se han añadido en el
Experimenter. En la columna de la derecha aparece entre llaves el valor
mínimo, el valor máximo y el tamaño de paso; y entre corchetes el valor
sugerido que se ha definido. Ha sido necesario introducirlas de una en una
(no como vectores) para poder introducir las restricciones posteriormente.
Figura 6.3: Variables añadidas en WITNESS Experimenter.
165
Capítulo 6
En el caso de la variable Trab, los valores mínimo y máximo coinciden con los
parámetros de plantilla fija y número máximo de trabajadores,
respectivamente. De esta forma, no será necesario añadir tampoco esas
restricciones.
Además, el tamaño de paso es 5, por lo que los valores permitidos para esta
variable serán únicamente 80, 85, 90, 95 y 100 trabajadores.
6.1.4. Restricciones
En total, se han introducido 10 restricciones, como se puede apreciar en la

Figura 6.4. A continuación, se va a explicar cada una de ellas.
Figura 6.4: Restricciones añadidas en WITNESS Experimenter.
Las tres primeras son las restricciones de mano de obra. Como se vio en el
apartado 3.2.4, el número de trabajadores en cada período tiene que ser
igual al número de trabajadores del período anterior más las contrataciones y
menos los despidos.
Igualando la expresión a cero:
En la primera de ellas, hay que tener en cuenta el número inicial de

trabajadores, que es 90.
Las tres siguientes restricciones son las de producción en horas extra, que
tienen que ser menor o igual al 10 % de la producción en horas normales.
166
Como se ha eliminado la variable de la producción en horas normales, hay

que poner la restricción en función del número de trabajadores. Como el
número de días es constante en los tres meses (20 días):
Por lo tanto, al sustituir y llevar todos los miembros al mismo lado de la

inecuación, las restricciones quedan de la siguiente manera:
Las restricciones de la 7 a la 9 tienen que ver con el balance de inventarios.

El inventario final de un período es igual al del anterior más la producción y
menos las necesidades.
Dejando a un lado de la ecuación las necesidades, que son un dato conocido

y quedan como término independiente, y sustituyendo la producción en horas
normales:
En la restricción del primer mes, se considera que no hay inventario inicial

(como se indicaba en los datos).
Para terminar, la última restricción establece que se debe finalizar la

planificación sin tener unidades en el inventario. Por lo tanto:
6.1.5. Función objetivo
La función objetivo se introduce en el la configuración (Detail) de la función

que se ha definido para tal fin, llamada FObj.
Esta función será la suma de todos los costes: el de posesión, el de

contrataciones y despidos, el de producción en horas normales, el de
producción en horas extras y el de producción subcontratada.
Siguiendo la función definida en el apartado 3.2.4, en este caso sería:
167
Capítulo 6
∑ ( ) ( )
En el último miembro, el del coste de posesión, se puede poner de la

siguiente forma:
∑* +
( )
( )
∑[ ]
Por lo tanto, la función objetivo que se ha introducido en WITNESS es la

siguiente:
! Función objetivo para la optimización de la Planificación Agregada

! Minimizar coste total
RETURN 50 * SumVariable (Inv) + 25 * (0 - Inv (3)) + 1600 * SumVariable (Trab) +
1000 * SumVariable (Cont) + 1500 * SumVariable (Desp) + 30 * SumVariable
(UnidExtra) + 40 * SumVariable (UnidSubcont)
6.1.6. Solución
Una vez introducidas las variables y las restricciones en WITNESS

Experimenter, hay que seleccionar cuál es la función objetivo (FObj) y si es un
problema de maximización o de minimización (en este caso lo segundo).
El tiempo de ejecución (Run Length) se ha fijado en 9600 minutos, ya que es

el tiempo en el que la máquina ControlTiempo está procesando la pieza Mes,
aunque podría haberse elegido otro.
168
El método elegido para la optimización es Adaptive Thermostatistical SA

(descrito en el apartado 4.6.2). No se cambió ningún parámetro en su
configuración.
Tardó unos minutos en comenzar la optimización, pero finalmente empezó a

analizar diferentes escenarios. Los resultados obtenidos se muestran en las
Figuras 6.5, 6.6 y 6.7.
Figura 6.5: Datos de los mejores resultados obtenidos.
169
Capítulo 6
Figura 6.6: Gráfico de los mejores resultados obtenidos.
Figura 6.7: Análisis de las variables.
170
Tal y como se puede ver en el cuadro de la Figura 6.5, el mínimo valor

obtenido para la función objetivo es 519.000 u.m.
Esto se consigue cuando las variables toman los valores que se muestran en
la siguiente tabla, a la que se ha añadido una fila en la que se ha calculado la
producción en horas normales de cada mes, teniendo en cuenta el número de
trabajadores:
Período 1 2 3
Unid. extra 400 0 800
Unid. subcont. 0 0 100
Inventario 0 100 0
Contratos 5 0 5
Despidos 0 0 0
Trabajadores 95 95 100
Unid. normales 7600 7600 8000
Tabla 6.2: Valores de las variables para la mejor solución encontrada.
171
Capítulo 6
6.2. Validación del modelo
Para validar la optimización realizada con WITNESS, he utilizado otro

programa llamado Xpress (ver Figura 6.8). Se trata de un software de
optimización que utiliza el lenguaje de programación Mosel y que permite
resolver fácilmente problemas de programación lineal y entera.
Figura 6.8: Validación del modelo con Xpress.
El modelo escrito en Mosel se muestra a continuación. Se ha tratado de

reproducir el mismo modelo que en WITNESS. Por ello, no hay una variable
para las unidades normales. También, se han añadido una variable y unas
restricciones para que el número de trabajadores de cada mes tenga que ser
múltiplo de 5.
model "Comprobación de la optimización realizada con WITNESS"

uses "mmxprs"; !gain access to the Xpress-Optimizer solver
declarations
!3 meses
t=3
172
periodos=1..t
!Datos:
Necesidades:array(periodos)of integer
Dias:array(periodos)of integer
PorcentExtra:real
HorasDiarias:integer
HorasUnidad:integer
TrabMin:integer
TrabMax:integer
CosteNorm:integer
CosteExtra:integer
CosteSubcont:integer
CosteCont:integer
CosteDesp:integer
CostePos:integer
InvInicial:integer
TrabInicial:integer
!Variables
Inv:array(periodos)of mpvar
Trab:array(periodos)of mpvar
Cont:array(periodos)of mpvar
Desp:array(periodos)of mpvar
UnidExtra:array(periodos)of mpvar
UnidSubcont:array(periodos)of mpvar
Entero:array(periodos)of mpvar
!Función objetivo:
CosteTotal:linctr
end-declarations
!Datos:
Necesidades::[8000, 7500, 9000]
Dias::[20, 20, 20]
173
Capítulo 6
PorcentExtra:=0.1
HorasDiarias:=8
HorasUnidad:=2
TrabMin:=80
TrabMax:=100
CosteNorm:=10
CosteExtra:=15
CosteSubcont:=40
CosteCont:=1000
CosteDesp:=1500
CostePos:=50
InvInicial:=0
TrabInicial:=90
writeln("Problema de planificación de producción multiperíodo con

varios métodos")
!Función objetivo:
CosteTotal:=sum(i in
periodos)(CosteNorm*Trab(i)*Dias(i)*HorasDiarias+CosteExtra*UnidExt
ra(i)*HorasUnidad+CosteSubcont*UnidSubcont(i)+CosteCont*Cont(i)+C
osteDesp*Desp(i)+CostePos*Inv(i))+0.5*CostePos*(InvInicial-Inv(3))
!Variables enteras:
forall(i in periodos)Inv(i)is_integer
forall(i in periodos)Trab(i)is_integer
forall(i in periodos)Cont(i)is_integer
forall(i in periodos)Desp(i)is_integer
forall(i in periodos)UnidExtra(i)is_integer
forall(i in periodos)UnidSubcont(i)is_integer
forall(i in periodos)Entero(i)is_integer
!Restricciones sobre trabajadores:

restrab:=TrabInicial+Cont(1)-Desp(1)=Trab(1)
forall(i in periodos|i>1)res_trab(i):= Trab(i-1)+Cont(i)-Desp(i)=Trab(i)
forall(i in periodos)res_trabmin(i):=Trab(i)>=TrabMin
174
forall(i in periodos)res_trabmax(i):=Trab(i)<=TrabMax
!Trabajadores múltiplo de 5 (como en el caso resuelto en WITNESS)

forall(i in periodos)res_mult(i):=Trab(i)=Entero(i)*5
!Restricciones sobre producción:

forall(i in
periodos)resextra(i):=(Trab(i)*Dias(i)*HorasDiarias/HorasUnidad)*Porce
ntExtra>=UnidExtra(i)
!Restricciones de balance:
res_inicial:=InvInicial+Trab(1)*Dias(1)*HorasDiarias/HorasUnidad+Unid
Extra(1)+UnidSubcont(1)-Inv(1)=Necesidades(1)
forall(i in periodos|i>1)res_balance(i):=Inv(i-
1)+Trab(i)*Dias(i)*HorasDiarias/HorasUnidad+UnidExtra(i)+UnidSubcon
t(i)-Inv(i)=Necesidades(i)
res_final:=Inv(3)=0
!Minimizar costo total

exportprob(EP_MIN,"",CosteTotal)
minimize(CosteTotal)
!Obtener el resultado por pantalla

writeln("\nCoste mínimo = ",strfmt(CosteTotal.sol,7,1)," u.m.")
!Matriz de resultados
write("\nMatriz de resultados:")
write("\nPeríodo\t\tUnid. extra\tUnid.
subcont.\tInventario\tContratos\tDespidos\tTrabajadores\n")
forall(i in periodos) do
writeln(i,"\t\t",UnidExtra(i).sol, "\t\t",UnidSubcont(i).sol, "\t\t",Inv(i).sol,
"\t\t",Cont(i).sol, "\t\t",Desp(i).sol, "\t\t",Trab(i).sol,"\n")
end-do
writeln("Fin del modelo")
end-model
175
Capítulo 6
La solución óptima que resulta al ejecutar este modelo coincide exactamente

con la mejor solución obtenida con WITNESS Experimenter (519.000 u.m.).
Por ello, se puede afirmar que el modelo era válido y que se consiguió
encontrar la mejor solución posible.
¿Y si todas las variables pudiesen variar libremente?
Aprovechando este modelo, se puede ver cuál sería la solución óptima si

cualquiera de las variables, incluyendo el número de trabajadores, pudiese
variar libremente. Para ello, se eliminan la variable y las restricciones que se
habían añadido.
El resultado obtenido es ligeramente mejor. Ahora la función objetivo tiene un

valor óptimo de 517.400 u.m.
Esta solución se obtiene cuando las variables valen lo siguiente:
Período 1 2 3
Unid. extra 480 0 800
Unid. subcont. 0 0 180
Inventario 0 20 0
Contratos 4 0 6
Despidos 0 0 0
Trabajadores 94 94 100
Unid. normales 7520 7520 8000
Tabla 6.3: Valores de las variables para la solución óptima.
176
6.3. Experimentación y análisis de resultados
Para la experimentación, se seguirá utilizando Xpress, ya que permite cambiar

los parámetros más fácilmente y obtener las soluciones de una forma mucho
más rápida que con WITNESS.
Además, es posible introducir modelos más grandes y complejos. Ahora se

empleará un modelo de optimización para 12 meses en lugar de 3.
Por ejemplo, se va a resolver el problema planteado en el apartado 2.1.5. El

código que se ha introducido en Xpress es el siguiente:
model "Optimización de un Plan Agregado con horizonte de planificación

de 12 meses"
uses "mmxprs"; !gain access to the Xpress-Optimizer solver
declarations
!12 meses
t=12
periodos=1..t
!Datos:
Necesidades:array(periodos)of integer
Dias:array(periodos)of integer
PorcentExtra:real
HorasDiarias:integer
HorasUnidad:integer
TrabMin:integer
TrabMax:integer
CosteNorm:integer
CosteExtra:integer
CosteSubcont:integer
CosteCont:integer
CosteDesp:integer
CostePos:integer
InvInicial:integer
TrabInicial:integer
177
Capítulo 6
!Variables
Inv:array(periodos)of mpvar
Trab:array(periodos)of mpvar
Cont:array(periodos)of mpvar
Desp:array(periodos)of mpvar
UnidNorm:array(periodos)of mpvar
UnidExtra:array(periodos)of mpvar
UnidSubcont:array(periodos)of mpvar
!Función objetivo:
CosteTotal:linctr
end-declarations
!Datos:
Necesidades::[7150, 8000, 9500, 7500, 10000, 10000, 5000, 9500,
8500, 10000, 9500, 8000]
Dias::[21, 20, 22, 20, 22, 21, 23, 20, 20, 21, 21, 21]
PorcentExtra:=0.1
HorasDiarias:=8
HorasUnidad:=3
TrabMin:=130
TrabMax:=160
CosteNorm:=120
CosteExtra:=160
CosteSubcont:=750
CosteCont:=11000
CosteDesp:=15000
CostePos:=80
InvInicial:=0
TrabInicial:=140
writeln("Problema de planificación de producción multiperíodo con

varios métodos")
178
!Función objetivo:
CosteTotal:=sum(i in
periodos)(CosteNorm*Trab(i)*Dias(i)*HorasDiarias+CosteExtra*UnidExt
ra(i)*HorasUnidad+CosteSubcont*UnidSubcont(i)+CosteCont*Cont(i)+C
osteDesp*Desp(i)+CostePos*Inv(i))+0.5*CostePos*(InvInicial-Inv(12))
!Variables enteras:
forall(i in periodos)Inv(i)is_integer
forall(i in periodos)Trab(i)is_integer
forall(i in periodos)Cont(i)is_integer
forall(i in periodos)Desp(i)is_integer
forall(i in periodos)UnidNorm(i)is_integer
forall(i in periodos)UnidExtra(i)is_integer
forall(i in periodos)UnidSubcont(i)is_integer
!Restricciones sobre trabajadores:

restrab:=TrabInicial+Cont(1)-Desp(1)=Trab(1)
forall(i in periodos|i>1)res_trab(i):= Trab(i-1)+Cont(i)-Desp(i)=Trab(i)
forall(i in periodos)res_trabmin(i):=Trab(i)>=TrabMin
forall(i in periodos)res_trabmax(i):=Trab(i)<=TrabMax
!Restricciones sobre producción:

forall(i in
periodos)resnormales(i):=Trab(i)*Dias(i)*HorasDiarias/HorasUnidad=Un
idNorm(i)
forall(i in periodos)resextra(i):=UnidNorm(i)*PorcentExtra>=UnidExtra(i)
!Restricciones de balance:
res_inicial:=InvInicial+UnidNorm(1)+UnidExtra(1)+UnidSubcont(1)-
Inv(1)=Necesidades(1)
forall(i in periodos|i>1)res_balance(i):=Inv(i-
1)+UnidNorm(i)+UnidExtra(i)+UnidSubcont(i)-Inv(i)=Necesidades(i)
res_final:=Inv(12)=0
!Minimizar costo total

exportprob(EP_MIN,"",CosteTotal)
minimize(CosteTotal)
179
Capítulo 6
!Obtener el resultado por pantalla

writeln("\nCoste mínimo = ",strfmt(CosteTotal.sol,7,1)," u.m.")
!Matriz de resultados
write("\nMatriz de resultados:")
write("\nPeríodo\t\tUnid. normales\tUnid. extra\tUnid.
subcont.\tInventario\tContratos\tDespidos\tTrabajadores\n")
forall(i in periodos) do
writeln(i,"\t\t",UnidNorm(i).sol, "\t\t",UnidExtra(i).sol,
"\t\t",UnidSubcont(i).sol, "\t\t",Inv(i).sol, "\t\t",Cont(i).sol,
"\t\t",Desp(i).sol, "\t\t",Trab(i).sol,"\n")
end-do
writeln("Fin del modelo")
end-model
Al minimizar la función objetivo, se obtiene:
Este coste es menor que el obtenido al utilizar las estrategias de caza y

nivelación. Además, con esta planificación se consigue un nivel de servicio
mayor. De hecho, es del 100 % ya que no se está considerando que pueda
haber inventario de ruptura.
La matriz de resultados es la siguiente:
Período 1 2 3 4 5 6 7 8 9 10 11 12
Unid. normales 7840 7840 8976 8160 8976 8568 9200 8000 8000 8400 8400 7952
Unid. extra 0 0 0 37 897 856 0 0 0 0 500 48
Unid. subcont. 0 0 0 0 0 0 0 0 0 0 0 0
Inventario 690 530 6 703 576 0 4200 2700 2200 600 0 0
Contratos 0 7 6 0 0 0 0 0 0 0 0 0
Despidos 0 0 0 0 0 0 3 0 0 0 0 8
Trabajadores 140 147 153 153 153 153 150 150 150 150 150 142
Tabla 6.4: Resultado de la optimización del ejemplo con Xpress.
180
Capítulo 7:
Estudio económico
7. Estudio económico
En este capítulo se realiza el estudio económico del proyecto de aplicación de

las técnicas de simulación y optimización en la determinación de la
Planificación Agregada y el Programa Maestro de Producción.
Se van a analizar los costes que supone el proyecto y, en base a ellos, se

definirá un precio de venta final.
Análisis de costes
Costes directos Margen de

- Costes de personal beneficio
- Costes de materiales Precio de venta
Costes indirectos
Figura 7.1: Estudio económico del proyecto.
7.1. Planificación temporal. Fases del proyecto
Antes de analizar los costes, es necesario planificar el desarrollo del proyecto

a lo largo del tiempo. De esta forma, se podrá establecer el coste a partir de
las horas dedicadas al mismo.
Las actividades realizadas para completar este trabajo han sido:

 Análisis del problema. Es la etapa inicial en la que, conjuntamente con
el tutor, se define el alcance y los objetivos del trabajo.
 Planificación del trabajo. En esta fase se establecen los pasos que se
van a dar hasta finalizar el mismo y la organización del tiempo.
 Obtención de información. Se busca información sobre la base teórica
necesaria para hacer el trabajo (planificación, programación y control
de la producción, técnicas de simulación y optimización, etc.).
También, en esta etapa se incluye el tiempo dedicado a aprender a
utilizar las características básicas de WITNESS.
183
Capítulo 7
 Desarrollo del modelo. Esta fase comprende el tiempo dedicado a la

construcción de los modelos de simulación y optimización con
WITNESS.
 Validación y experimentación. Una vez realizados los modelos, se
validó que los resultados que se obtenían eran correctos y se
realizaron diferentes experimentos.
 Redacción de la memoria. Se desarrolla por escrito el trabajo que se
ha realizado.
Se va a utilizar un diagrama de Gantt para representar la duración de cada

una de las actividades. Este diagrama es una herramienta gráfica que
representa el tiempo de dedicación previsto para cada actividad o tarea a lo
largo de un tiempo total definido. Se utiliza habitualmente en gestión de
proyectos.
Como se puede ver en el diagrama, el proyecto se ha realizado en 6 meses,

de febrero a julio de 2014.
Meses Febrero Marzo Abril Mayo Junio Julio

Semanas 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Análisis del
problema
Planificación del
trabajo
Obtención de
información
Desarrollo del
modelo
Validación y
experimentación
Redacción de la
memoria
Tabla 7.1: Diagrama de Gantt del TFG.
7.2. Coste del proyecto
Ahora que ya se han definido las fases del proyecto y su duración, se puede
realizar el cálculo de los costes. Por un lado, se analizarán los costes directos
y, por otro, los costes indirectos.
184
Estudio económico
7.2.1. Costes directos
Los costes directos son aquellos que están relacionados directamente con el
desarrollo del proyecto. Se van a dividir en costes de personal y en costes de
materiales (equipos informáticos, programas de software, material de oficina
y otros).
En primer lugar, se analizarán los costes de personal. Se calculan en función

de las horas dedicadas por todas las personas que forman parte del proyecto.
En este caso, el trabajo ha sido realizado únicamente por un estudiante de
ingeniería de organización industrial.
Debido a la carga de trabajo provocada por las clases, los exámenes y las
prácticas en empresa, en los primeros meses no se pudo dedicar tanto
tiempo como en los últimos.
Para estimar el tiempo empleado se harán varias suposiciones. Se considera

que se trabaja 5 días a la semana. También, se supone que en los tres
primeros meses se trabaja una media de 2 horas diarias; en mayo y la
primera quincena de junio, 4 horas diarias; y en la segunda quincena de junio
y julio, 8 horas diarias.
De esta forma, se calcula que el tiempo dedicado ha sido:

 Fase 1. Análisis y estudio (incluye las actividades de análisis del
problema, planificación del trabajo y obtención de información): 120
horas.
 Fase 2. Desarrollo (incluye el desarrollo del modelo, la validación y la
experimentación): 180 horas.
 Fase 3. Documentación (la redacción de esta memoria): 180 horas.
Suponiendo una retribución de 25 €/h, los costes de personal son los que se
muestran en la tabla:
Duración (h) Coste (€)
Análisis y estudio 120 3.000

Desarrollo 180 4.500
Documentación 180 4.500
Total 480 12.000

Tabla 7.2: Costes de personal.
185
Capítulo 7
Por otra parte, en los costes de materiales se tendrá en cuenta el equipo

informático, las licencias de software (WITNESS y Xpress) y otros materiales
consumibles.
Coste (€)
Hardware 195
Software 1.500
Otros materiales 50
Total 1.745
Tabla 7.3: Costes de materiales.
En cuanto al equipo informático, se han utilizado los ordenadores del

Laboratorio de Organización de la Escuela de Ingenierías Industriales de
Valladolid.
También se ha utilizado un ordenador personal, principalmente para la

búsqueda de información y la redacción de la memoria. El coste se calculará
con la amortización lineal de este equipo durante los 6 meses que ha durado
el desarrollo del proyecto. Hay que tener en cuenta la inversión inicial
realizada para comprar el ordenador (1.170 €) y la vida útil (3 años). Por lo
tanto, el coste será de:
Respecto al software, se han usado dos programas: WITNESS, cuya licencia

pertenece al Departamento de Organización de Empresas y CIM; y Xpress,
que era una versión educativa sin coste alguno.
El precio de compra de una nueva licencia de WITNESS ronda los 32.000 €.

Considerando que la obsolescencia tecnológica del software es de 5 años, se
estima que mantener actualizado WITNESS cuesta alrededor de 6.000 € al
año. Como el programa se ha empleado durante tres meses, el coste que se
imputará en el proyecto es de:
Por último, hay que tener en cuenta los costes debidos a otros materiales
consumidos durante el desarrollo del trabajo: folios, CDs, cartuchos de tinta,
bolígrafos, etc. También, hay que considerar otros como la propia
186
Estudio económico
encuadernación de esta memoria. Se estima que el coste de estos materiales

asciende a 50 €.
El resumen del coste de materiales se puede ver en la Tabla 7.3. El coste

directo total sería la suma del coste de personal y el coste de materiales, que
da como resultado 13.745 €.
7.2.2. Costes indirectos
Los costes indirectos son aquellos costes que no guardan una relación directa
con el proyecto. Se van a considerar los gastos generales del lugar de trabajo,
como el consumo eléctrico, la climatización, Internet, teléfono, etc. También
se pueden tener en cuenta los gastos de desplazamiento hasta la
universidad.
Los costes indirectos que se han supuesto se muestran en esta tabla:
Coste (€)
Consumo eléctrico 120

Climatización 150
Internet y teléfono 210
Otros gastos 70
Total 550
Tabla 7.4: Costes indirectos.
7.2.3. Coste total
El coste total del proyecto, es decir, la suma de los costes directos e

indirectos que se han calculado anteriormente, es el siguiente:
Coste (€)
Costes directos 13.745

Costes indirectos 550
Coste total del proyecto 14.295

Tabla 7.5: Coste total del proyecto.
187
Capítulo 7
7.3. Precio de venta
Por último, hay que definir el precio al que se vendería el proyecto. Para ello,
se van a realizar dos consideraciones.
En primer lugar, se supone que el margen de beneficio que se ha fijado es del

20 %, por lo que el precio total del proyecto sería:
Se supone también que el proyecto, en principio, se venderá a 10 clientes.

Por lo tanto, el precio de venta del producto sería de 1.715,40 €.
Para terminar y como resumen final, se muestra una tabla con los resultados
obtenidos y un diagrama del estudio económico realizado.
Costes directos 13.745 €

Costes indirectos 550 €
Beneficio 2.859 €
Precio total 17.154 €
Precio de venta 1.715,40 €
Tabla 7.6: Resumen del estudio económico
Estudio económico
16,7%
3,2%
Costes directos
Costes indirectos
Beneficio
80,1%
Figura 7.2: Diagrama circular del estudio económico
188
Conclusiones
y líneas futuras
Conclusiones y líneas futuras
Como último apartado en este Trabajo, conviene analizar cuáles son las
conclusiones finales que se pueden extraer de él, así como las líneas futuras
sobre las que se podría seguir trabajando o posibles mejoras que se podrían
incluir.
También, he añadido al final un apartado en el que expreso mi opinión

personal sobre el Trabajo.
Conclusiones
Desde mi punto de vista, a partir de este Trabajo se puede extraer un buen

número de conclusiones.
En primer lugar, se ha creado un modelo de simulación en WITNESS para

determinar la Planificación Agregada y el Programa Maestro de Producción
(ver Capítulo 5).
 Generalmente, la simulación se utiliza cuando se tiene un modelo

matemático que es difícil de plantear o de resolver, como puede ser
este caso.
Como he podido comprobar, la simulación es una técnica muy útil para
planificar la producción en una empresa. Se pueden aprovechar
muchas de las ventajas que ofrece.
 Una de sus ventajas es que hace posible obtener en muy poco tiempo
los resultados de la planificación para los próximos meses o años. Por
lo tanto, el modelo de simulación se puede emplear repetidamente sin
que ello suponga un empleo excesivo de tiempo.
 En el modelo que se ha desarrollado existe la posibilidad de

seleccionar la estrategia con la que se calcula el Plan Agregado de
Producción. Se puede elegir una estrategia pura (de caza o de
nivelación) o una estrategia mixta.
Al probar en diferentes escenarios (cambiando la estrategia o
modificando algún parámetro de entrada) se pueden comparar las
soluciones resultantes atendiendo al coste total y al nivel de servicio
de cada una de ellas. Esto ayuda y simplifica la toma de decisiones.
191
 También, la simulación permite incluir elementos estocásticos, es

decir, variables que presentan alguna aleatoriedad. En este modelo,
las previsiones de demanda siguen una distribución normal (truncada
por los extremos), lo que hace posible aproximarse más al sistema
real, en el que las previsiones no son exactas y tienen un margen de
error.
 Además, la simulación es una técnica muy gráfica, lo que facilita la

comprensión del sistema. En el modelo de WITNESS, se puede ver por
pantalla cómo van cambiando los valores de las variables con el
tiempo.
Entre otras cosas, esto permite localizar de una manera sencilla los
problemas que se pueden producir. Por ejemplo, permite apreciar
fácilmente en qué meses habrá inventario de ruptura.
 Una característica muy importante del modelo desarrollado es que se

simula la planificación a lo largo del tiempo, no solo en instante inicial.
Se puede decir que permite proyectar la Planificación Agregada hacia
el largo plazo. Inicialmente no estaba planificado hacerlo de esta
forma, así que esto podría considerarse como un objetivo adicional.
En mi opinión, esto puede ser útil para planificar la capacidad. Puede
preverse si va a llegar un momento en el que la capacidad no será
suficiente para responder a la demanda, por lo que sería necesario
tomar medidas como aumentar los turnos de trabajo o el número
máximo de trabajadores.
En segundo lugar, también se ha desarrollado el modelo de optimización de la

Planificación Agregada (ver Capítulo 6). El objetivo inicial era realizarlo con el
módulo de optimización de WITNESS, aunque finalmente no fue del todo
posible.
 Como ya se explicó en el apartado 6.1, el modelo de programación

lineal de 12 meses no se pudo resolver con WITNESS. El elevado
número de combinaciones posibles entre las variables hacía imposible
su resolución, por lo que fue necesario simplificar el modelo.
Para ello, se tomaron varias medidas: se redujo el horizonte de
planificación a 3 meses, se eliminaron variables que no eran
necesarias, se limitó el número de valores que podía tomar cada
variable y se empleó una versión más reciente de WITNESS.
Finalmente, y aun teniendo algunas complicaciones, se pudo realizar
la optimización.
192
 Sin embargo, este modelo era mucho más simple que el que se
intentaba optimizar inicialmente. Por ello, se optó por utilizar otro
software, llamado Xpress, más adecuado para la resolución de
problemas de programación lineal y entera. Con él, sí que se pudo
llevar a cabo la optimización para el horizonte temporal de 12 meses
sin ningún tipo de problema.
Al comparar los resultados obtenidos con la simulación y la optimización se

pueden sacar otras conclusiones:
 A diferencia de la simulación, que es un método de prueba y error (no

optimiza), mediante la optimización con programación lineal se
consigue encontrar la mejor solución posible, es decir, la que minimiza
el coste total.
 La solución óptima combina las diferentes alternativas que se han
considerado: la producción en horas normales, la producción en horas
extra y la producción subcontratada. Se puede decir que sigue una
estrategia mixta.
 Las estrategias puras (de caza y de nivelación) pueden dar lugar a
buenas soluciones, pero nunca serán tan buenas como la óptima, que
es la que tiene el coste más bajo.
 No se puede decir que la estrategia de caza sea mejor que la de
nivelación (o viceversa). En función del tipo de problema, una dará
mejor resultado que otra. Por ejemplo, la estrategia de nivelación se
recomienda cuando la demanda tiene cierta estabilidad.
En definitiva, se ha cumplido con el objetivo principal del Trabajo que era

aplicar las técnicas de simulación y optimización para determinar el Plan
Agregado y el Programa Maestro de Producción.
Líneas futuras de trabajo
Siempre existen posibilidades de mejora o alternativas que no se han llevado

a cabo en el proyecto, bien porque no se consideraban en los objetivos
iniciales, porque no daba tiempo, etc.
Al definir el alcance de este proyecto se establecieron unos límites, dejando

fuera del Trabajo algunos aspectos sobre los que se podría seguir trabajando:
193
 Como se vio en el Capítulo 2, el Programa Maestro de Producción que

se calcula, tal vez no sea viable desde el punto de vista de la
capacidad. Mediante el Plan Aproximado de Capacidad, se comprueba
si la capacidad disponible es suficiente para responder a la carga de
trabajo que genera.
Sería interesante, como futura línea de trabajo, analizar la capacidad
del Programa Maestro calculado. De esta forma, se podría asegurar
que es posible satisfacer la demanda con los medios que se tienen
disponibles.
 En el modelo de simulación se calcula el Plan Agregado y el Programa

Maestro de Producción. El siguiente paso, siguiendo el enfoque
jerárquico del proceso de planificación de la producción, es la
Programación de Materiales (MRP).
Se decidió que el Trabajo se centraría únicamente en las dos primeras
etapas, excluyendo la Programación de Materiales, para que no
abarcase un campo tan amplio.
Bajo mi punto de vista, la Programación de Materiales es la principal
línea de trabajo que se podría seguir en el futuro, ya que tiene una
función muy importante en la planificación de la producción.
Permite asegurar que los materiales y productos estén disponibles
para la fabricación y entrega a los clientes. Además, tiene como
objetivos mantener unos niveles adecuados de stock y planificar el
lanzamiento y la recepción de pedidos.
En caso de incluir la Programación de Materiales en el modelo, sería
aconsejable realizar también el Plan Detallado de Capacidad.
También, durante el desarrollo se decidió hacer alguna simplificación:
 En los modelos que se han creado, se ha incluido solamente una única

familia de productos. En este caso, una posibilidad de mejora sería la
inclusión de más de una familia.
Para ello, se necesitarían más datos iniciales, más variables, etc. En
definitiva, esto complicaría el cálculo del Plan Agregado y del Programa
 En el modelo de optimización que se ha desarrollado, solamente se

tiene en cuenta la posibilidad de que el inventario sea positivo. Es
decir, puede haber inventario de posesión pero no inventario de
ruptura.
194
No sería muy complicado añadir la posibilidad de que haya inventario

de ruptura. Solamente habría que añadir nuevas variables y cambiar
algunas restricciones y la función objetivo. En algunos de los libros que
he consultado se puede encontrar este modelo.
Sin embargo, en la función objetivo los costes de posesión y ruptura no
se calculaban de la forma que se ha seguido en este Trabajo. Además,
debido a los problemas (ya comentados) que hubo con el módulo de
optimización de WITNESS, se buscó resolver un modelo lo más sencillo
posible. Por eso, no se incluyó esta posibilidad y se dejó únicamente el
inventario de posesión.
 En el modelo de simulación, los resultados más importantes se

imprimen por pantalla. Una línea en la que también se podría mejorar
este modelo sería en almacenar los resultados en otro formato, de
forma que se pueda trabajar con ellos, analizarlos y tomar decisiones
más fácilmente.
Opinión personal
Para terminar, quiero referirme brevemente a lo que he aprendido durante la

realización de este Trabajo.
En primer lugar, he ampliado mis conocimientos sobre planificación,

programación y control de la producción, que ya había estudiado en las
asignaturas de Dirección de Operaciones e Ingeniería de Organización.
Por otra parte, en las asignaturas de Métodos Cuantitativos en Ingeniería de

Organización nos enseñaron a aplicar las técnicas de simulación y
optimización en diferentes problemas. Gracias a este Trabajo, he podido
profundizar más en este tema.
Por último, también he aprendido bastante sobre WITNESS. Me parece un

programa muy potente que ofrece grandes posibilidades a las empresas y
que, como he podido comprobar, resulta muy útil en el campo de la dirección
de operaciones.
En la asignatura de Sistemas de Producción y Fabricación nos habían

explicado algunos aspectos básicos sobre el programa, pero ahora he podido
descubrir otras funciones más avanzadas.
195
En resumen, debo decir que me ha parecido interesante hacer este Trabajo

de Fin de Grado ya que he podido aplicar los conocimientos que he adquirido
a lo largo de estos últimos años. En mi opinión, está muy relacionado con el
Grado de Ingeniería en Organización Industrial.
196
Bibliografía
Bibliografía
Libros y artículos
Blum, C., & Roli, A. (2003). "Metaheuristics in Combinatorial Optimization:

Overview". ACM Computing Surveys (Vol. 35, Nº 3), pp. 268–308.
Buffa, E. S., & Sarin, R. K. (1987). Modern Production/Operations

Management. John Wiley & Sons.
Chapman, S. N. (2006). Planificación y Control de la Producción. Pearson

Educación.
Chase, R. B., Jacobs, F. R., & Aquilano, N. J. (2009). Administración de

Operaciones: Producción y Cadena de Suministros. McGraw-Hill.
Delurgio, S. A., & Bhame, C. D. (1991). Forecasting systems for operations

management. Business One Irwin.
Domínguez Machuca, J. A. (1995). Dirección de operaciones: Aspectos

estratégicos en la producción y los servicios. McGraw-Hill.
Domínguez Machuca, J. A. (1995). Dirección de operaciones: Aspectos

tácticos y operativos en la producción y los servicios. McGraw-Hill.
Domínguez Machuca, J. A. (1995). "Dirección de Operaciones: Estado de la

Cuestión". Investigaciones Europeas de Dirección y Economía de la
Empresa (Vol. 1, Nº 1), pp. 113-149.
Fernández, E., & Vázquez, C. J. (1994). Dirección de la producción II: Métodos

Operativos. Madrid: Editorial Civitas S.A.
Gaither, N., & Frazier, G. (2000). Administración de Produccion y Operaciones.

Ediciones Paraninfo.
Gogg, T. J., & Mott, J. R. (1992). Improve Quality and Productivity with
Simulation. JMI Consulting Group.
Heizer, J., & Render, B. (2008). Dirección de la prooducción y de operaciones.

Madrid: Pearson Educación.
Heizer, J., & Render, B. (2009). Principios de Administración de Operaciones.

Pearson Educación.
199
Bibliografía
Krajewski, L. J., & Ritzman, L. P. (1990). Operations management: Strategy

and analysis. Addison-Wesley.
Krajewski, L. J., Ritzman, L. P., & Malhotra, M. K. (2013). Administración de

Operaciones: Procesos y cadena de suministro. Pearson.
Kumar, S. A., & Suresh, N. (2008). Production and Operations Management.

New Age International Publishers.
Law, A. M., & Kelton, W. D. (1991). Simulation Modeling and Analysis.

McGraw-Hill.
Nahmias, S. (2007). Análisis de la producción y las operaciones. McGraw-Hill.
Ortega Mier, M., & García Sánchez, Á. (2010). Primeros pasos con WITNESS.
Servicio de publicaciones de la UPM.
Parreño, J., Pino, R., Gómez, A., Puente, J., & Fernández, I. (2002).
Organización de la producción para ingenieros: Tomo II. Oviedo:
Servicio de Publicaciones de la Universidad de Oviedo.
Pinedo, M. L. (2005). Planning and Scheduling in Manufacturing and

Services. Nueva York: Springer Science & Business Media.
Proud, J. F. (1994). Master Scheduling: A Practical Guide to Competitive

Manufacturing. John Wiley & Sons.
Schroeder, R. G. (1993). Operations Management: Decision Making in the

Operations Function. McGraw-Hill.
Sipper, D., & Bulfin, R. L. (1998). Planeación y Control de la Producción.

McGraw-Hill.
Slack, N., Chambers, S., & Johnston, R. (2010). Operations Management.

Financial Times Prentice Hall.
Tersine, R. J. (1985). Production/Operations Management: Concepts,

Structure and Analysis. Prentice Hall.
Zanakis, S. H., & Evans, J. R. (1981). "Heuristic Optimization: why, when, and
how to use it". Interfaces (Vol. 11, Nº 5), pp. 84.
200
Bibliografía
Sitios Web y otros
Lanner Group Ltd. (2007). WITNESS Manufacturing Performance Edition

Tutorial Manual.
Lanner Group Ltd. (2014). Ayuda del programa WITNESS.
Lanner Group Ltd. (2014). How WITNESS Works. Recuperado en Julio de

2014, de la página web de Lanner:
http://www.lanner.com/en/witness.cfm
Lanner Group Ltd. (2014). Simulation and Simulation Software Explained.

Recuperado en Julio de 2014, de la página web de Lanner:
http://www.lanner.com/en/simulation-explained.cfm
Lanner Group Ltd. (2014). WITNESS 13 - Making it easier to provide answers

for business critical problems. Recuperado en Julio de 2014, de la
página web de Lanner:
http://www.lanner.com/en/media/witness/witness13.cfm
Lanner Group Ltd. (2014). WITNESS Optimizer. Recuperado en Julio de 2014,

de la página web de Lanner:
http://www.lanner.com/en/media/witness/optimiser.cfm
Lanner Group Ltd. (2014). WITNESS Power with Ease 3.0. Recuperado en
Julio de 2014, de la página web de Lanner:
http://www.lanner.com/en/media/witness/witness-pwe.cfm
Lanner Group Ltd. (s.f.). WITNESS Optimizer Manual.
201

TFG I 184 PDF

Cargado por

Copyright:

Formatos disponibles

TFG I 184 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

TFG I 184 PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE VALLADOLID

ESCUELA DE INGENIERIAS INDUSTRIALES

Grado en Ingeniería en Organización Industrial

Valladolid, Septiembre 2014.

El presente trabajo ha sido realizado en el Departamento de

Quiero expresar mi agradecimiento a mi tutor D. Juan José de

Y en especial, quiero agradecer a mi familia y a mis amigos su

Este trabajo se centra en dos aspectos fundamentales de la

El objetivo principal del trabajo es la determinación de estos

Para ello, se hará uso del programa de software de simulación de

Planificación, programación, producción, simulación, optimización.

1. Planificación, programación y control de las operaciones ....................... 11

2. Planificación Agregada y Plan Maestro de Producción............................. 31

5. Modelo de simulación ............................................................................. 117

6. Modelo de optimización .......................................................................... 161

Conclusiones y líneas futuras ........................................................................ 191

Bibliografía ..................................................................................................... 199

Figura 0.1: Sistema productivo. ............................................................................. 3

Tabla 1.1: Objetivos de la planificación y programación de la producción. ..... 14

La dirección de operaciones o de producción es el proceso que combina y

En un sentido amplio, la dirección de operaciones está relacionada con la

A primera vista, puede parecer que las operaciones de una empresa de

Figura 0.1: Sistema productivo.

En cualquier tipo de organización, la tarea del director de operaciones es

Hay cuatro factores que miden la efectividad de la función de operaciones: el

Los directores de operaciones son los responsables de la producción de

 Toda organización cuenta con una función de operaciones ya que

 La toma de decisiones es un elemento muy importante en la dirección

Dentro de la dirección de operaciones, hay una parte dedicada a la

La planificación y programación de la producción es un proceso de toma de

La dirección de operaciones existe desde que se producen bienes y servicios.

En Schroeder (1993) se habla de siete áreas en las que se han producido

En las últimas décadas del siglo XX (desde finales de los años 70 y,

Durante los años 60 (e incluso 70) pocos directivos de empresas occidentales

En esa época, las empresas japonesas sí que supieron reconocer el papel

La mayor competitividad de las empresas japonesas no se basaba en una

El factor determinante que decantó la balanza competitiva fue la inversión en

El resultado fue que estas empresas alcanzaron una productividad y unos

Una mejor administración de las operaciones en una empresa puede

En resumen, la función de operaciones es un instrumento competitivo

Objetivo del Trabajo

El presente Trabajo de Fin de Grado fue realizado durante el curso 2013/14

El título del Trabajo es “Determinación de la Planificación Agregada y Plan

El objetivo de este Trabajo es la utilización de las técnicas de simulación y

La memoria está estructurada en esta introducción, una serie de siete

 El primer capítulo es una introducción a la planificación empresarial y

 En el segundo capítulo, que continúa con lo visto en el primero, se

 En el capítulo tres, se describen las técnicas de resolución que se

 En el cuarto capítulo, se ven las características generales del programa

 El quinto capítulo está destinado a explicar detalladamente cómo se

 En el sexto capítulo trata sobre la construcción del modelo de

 En el capítulo siete, se realiza el estudio económico del proyecto. En él,

 Por último, en el apartado de conclusiones, se hace un balance final

En este primer capítulo se va a introducir el proceso de planificación,

La planificación, programación y control de la producción es una herramienta

1.1. El subsistema de operaciones

Como se ha adelantado en la Introducción, de forma general, las empresas

La función del subsistema de operaciones o de producción es la planificación,

A largo plazo se debe definir la estrategia productiva, incluyendo los objetivos