Planificación y gestión de inventarios en un entorno de fabricación con desecho y reproceso estocástico

Berges Asín, José María. Planificación y gestión de inventarios en un entorno de fabricación con desecho y reproceso estocástico . 2012. Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias Económicas y Empresariales. Departamento de Organización de Empresas

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Documento.pdf Pdf del documento application/pdf

Título Planificación y gestión de inventarios en un entorno de fabricación con desecho y reproceso estocástico
Autor(es) Berges Asín, José María
Resumen El objetivo de la tesis es profundizar en la optimización de la planificación de la producción en procesos de varias etapas serie-paralelo con desecho y reproceso estocástico. El trabajo se desarrolla bajo cuatro pilares entrelazados: los modelos matemáticos, la optimización estocástica, el desarrollo de casos y la definición de indicadores. Se hará un especial hincapié en el estudio, gestión y planificación de los inventarios, teniendo en cuenta que la gestión de la capacidad y reparto de fabricación en el proceso inicial es en realidad la gestión de un inventario de moldes o de máquinas capaces o no de generar la demanda. Modelamos, para así poder decidir el reparto de las piezas a fabricar en la etapa inicial del proceso obteniendo el máximo beneficio mediante programación estocástica, teniendo en cuenta la variabilidad del proceso y los parámetros habituales de número de piezas solicitadas, costes de fabricación, rendimientos, precio de venta y penalización por falta de servicio. Se observa la imperfección del inventario real como indicador de referencia de la planificación de las líneas con desecho y reproceso. Con el objeto de evaluar correctamente los inventarios en curso definimos un nuevo concepto, el inventario ajustado: inventario de la sección disminuido por las pérdidas aguas abajo. Partiendo de este nuevo concepto se han desarrollado nuevas visiones de definiciones clásicas como: .- Rotación: Piezas entregadas por el sistema al almacén, divididas, por el sumatorio de los inventarios ajustados en curso ajustados. .- Tiempo de proceso: Inventario total ajustado, dividido por la producción neta. .- Gestión de talleres: El inventario ajustado por la rotación en cualquier taller será igual a las piezas buenas que salen del almacén. .- El inventario ajustado será la producción neta por unidad de tiempo por el tiempo de proceso. También cuantificamos la influencia temporal en el flujo del proceso en paralelo: el número de piezas que salen en cada ciclo es una función exponencial; cuya mantisa depende del rendimiento del sistema y cuyo exponente depende del número de ciclos. Asimismo, se ha realizado un análisis de sensibilidad de las variaciones de los inventarios al variar la demanda. En un intento de ayudar en la toma de decisiones se han definido, mediante un análisis casual, nuevas métricas de gestión y control de inventarios, asociando conceptos y filosofías que han sido desarrolladas y utilizadas durante años para la gestión en el campo del control financiero. Se han desarrollado algoritmos y seleccionado los programas de software apropiados para realizar una planificación óptima de la producción en este entorno de incertidumbre mediante programación estocástica. Para conseguirlo se tiene en cuenta la incertidumbre de las variaciones del proceso representando la infinidad de posibles resultados en varios escenarios transformado la serie histórica en una gráfica de rendimientos monótonos, incluyendo en el modelo la estocasticidad proveniente de esa serie. Se analiza la influencia de la estocasticidad en los resultados a través de medidas como el valor esperado de la información perfecta y el valor de la solución estocástica, permitiendo cuantificar el modelo estocástico frente al determinista. Además se ha supuesto el caso de no disponer de una serie histórica de resultados del proceso, desarrollando un sistema de elección de datos para los distintos escenarios mediante el método de Monte Carlo. Y por último, se ha desarrollado un algoritmo de minimización del riesgo en la elección de los parámetros que representan a estos escenarios. Para una mejor claridad y comprobación sistemática de la exposición se ha acompañado todo el desarrollo con la realización de casos a lo largo del documento.
Materia(s) Empresa
Editor(es) Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias Económicas y Empresariales. Departamento de Organización de Empresas
Director de tesis Conde Collado, Javier (Director de Tesis)
Fecha 2012-06-20
Formato application/pdf
Identificador tesisuned:CiencEcoEmp-Jmberges
http://e-spacio.uned.es/fez/view/tesisuned:CiencEcoEmp-Jmberges
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 550 Visitas, 1866 Descargas  -  Estadísticas en detalle
Creado: Thu, 19 Jul 2012, 14:19:27 CET