Héctor Rivera Gómez, Rafael Granillo Macías, Jaime Garnica González, Gustavo Erick Anaya Fuentes
Este artículo presenta un modelo estocástico multi-etapa para abordar un problema de planificación de la producción agregada. El modelo estocástico propuesto incluye dos variables aleatorias, la demanda y calidad aleatoria, donde el sistema de producción genera una cantidad aleatoria de defectivos. La principal contribución de este trabajo es ampliar el modelo determinista tradicional de planificación de la producción para tener en cuenta el impacto de la incertidumbre, lo que da lugar al desarrollo de un modelo estocástico integral que optimiza conjuntamente las decisiones de gestión de la producción teniendo en cuenta la calidad bajo un determinado nivel de servicio. Se analiza el rendimiento del modelo estocástico propuesto para extraer conclusiones de gestión pertinentes en relación con los efectos de dicho objetivo de nivel de servicio. Asimismo, se lleva a cabo un análisis de sensibilidad para estudiar el efecto de la variación de varios costos y parámetros de incertidumbre del sistema con el fin de validar la rentabilidad de la modelización estocástica. Los resultados obtenidos demuestran que la incertidumbre influye significativamente en las variables de decisión y en el costo total incurrido, y que no es aconsejable ignorar la presencia de las variables estocásticas, ya que modifican significativamente las decisiones óptimas.
This paper presents a multi-stage stochastic model to address an aggregate production planning problem. The proposed stochastic model includes two random variables, namely, random demand and random quality, where the production system generates a random amount of defectives. The main contribution of this paper is to extend the traditional deterministic production planning model to take into account the impact of uncertainty, which yields to the development of an integrated stochastic model that jointly optimizes production management decisions considering quality concerns under a certain service level. The performance of the proposed stochastic model is analyzed to draw relevant managerial insights regarding the effects of such a service level target. Also, a sensitivity analysis is conducted to study the effect of varying several costs and system uncertainty parameters to validate the cost-effectiveness of integrated stochastic modelling. The obtained results demonstrate that uncertainty has a significant influence on the decision variables and the total incurred cost, and it is not advisable to ignore the presence of the stochastic variables since they significantly modify the optimal decisions.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados