See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/339163461

Artìculo SMIO-25-31

Conference Paper · October 2019

CITATIONS READS

0 123

4 authors, including:

Vertiz Gaston Jenaro Nosedal

Universidad Autónoma del Estado de México (UAEM) Autonomous University of Barcelona
18 PUBLICATIONS 5 CITATIONS 39 PUBLICATIONS 123 CITATIONS

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Stakeholders in the Humanitarian logistics coordination: A case study View project

CREATE-ADERSIM View project

All content following this page was uploaded by Vertiz Gaston on 11 February 2020.

The user has requested enhancement of the downloaded file.

4 Mejora en la gestión del almacenamiento de
componentes para el armado de prototipos
mediante la aplicación de modelos de
programación lineal entera
Miriam Echegaray Tapia1 , Gaston Vertiz Camaron1 , Jenaro Nosedal Sánchez∗2 , Ana Marı́a De León
Almaraz3

1 – Facultad de Ingenierı́a de la UAEMex, Toluca, Edo. Mex.

2 – Catedrático CONACYT-UAEMex.
3 – Asesor externo de la Facultad de Ingenierı́a de la UAEMex.
∗
e-mail: jnosedal@conacyt.mx

El almacenamiento es reconocido como un proceso crı́tico para la gestión eficaz de la cadena de suministro.
En el presente trabajo, se analiza la problemática existente y posibles mejoras en un almacén de materia prima
que contempla componentes para el armado de prototipos. El almacén es gestionado por una empresa del ramo
automotriz para el acopio de estos componentes, por lo que la configuración de cada orden de compra o proyec-
to es muy variable en composición y volumen. Con el propósito de evitar paros innecesarios en la producción
programada y asegurar que los tiempos de entrega se cumplan, es vital que dichos componentes, para cada
orden o proyecto, se tengan completos y disponibles de manera oportuna, más allá de que los mismos estén
almacenados, pues éstos deben estar localizables y accesibles. De acuerdo a la operación actual, la empresa
considera que requiere hacer el uso más eficiente del espacio disponible y mejorar las condiciones de acomodo
para realizar de manera más rápida la recolección de los componentes que deben ingresar a la lı́nea de produc-
ción. Para tal fin, se propone mediante programación lineal entera, el desarrollo y solución de dos modelos de
optimización; el primer modelo busca incorporar la máxima cantidad de componentes en cinco tipos de charola,
empleadas para acomodar los componentes dentro del almacén, de tal modo que se maximiza la densidad de
almacenamiento. El segundo modelo busca minimizar el número de charolas por cada orden de compra, de tal
modo que se minimiza el volumen que ocupa el total de componentes almacenados de cada proyecto u orden de
compra. Con los resultados obtenidos, se resuelven y analizan varias instancias que representan la demanda de
espacio para el almacén en un horizonte determinado de tiempo. De este modo, con ambos modelos es posible
determinar de manera precisa y optimizada la capacidad de almacenamiento requerida en función del programa
de producción planeado.

Palabras clave: Optimización; espacio; almacén; prototipos automotrices; charola de almacenamiento.

4.1. Introducción
Es sabido que una gestión de almacenamiento se refiere al proceso que permite reducir tiempos y
costos en la operación; es decir, es un proceso logı́stico que incluye la recepción, acomodo y movimien-
to de cualquier material dentro del almacén hasta el punto de consumo, incluyendo el tratamiento e
información de los datos generados. La cadena de suministro se considera como un conjunto coordi-
nado de actividades relacionadas con la adquisición de materias primas, la producción de productos

25
4 Mejora en la gestión del almacenamiento de componentes

intermedios y acabados, y la distribución de estos productos a clientes dentro y fuera de la cadena [5].
En la planificación de plantas, un elemento fundamental y difı́cil, es la determinación de la cantidad de
espacio requerido [7]. El considerar la implementación de estrategias de asignación de almacenamiento
efectivas y combinando con lotes eficientes, es primordial para mantener la capacidad de respues-
ta del almacén [1]. Para [3] la función del almacenamiento es garantizar que el canal de suministro
cuente con el stock suficiente para satisfacer los requerimientos anticipados del cliente y actuar como
amortiguador, protegiendo contra las incertidumbres en la oferta y la demanda. Del mismo modo, el
almacenamiento es una función que está relacionada con la gestión fı́sica de los materiales, componen-
tes, productos terminados y artı́culos de mantenimiento, reparación y operación, pues las actividades
crı́ticas se centran en almacenar de manera eficiente los materiales recibidos e inspeccionados, ası́ como
de emitir y aceptar devoluciones de materiales, mantener la precisión fı́sica del inventario y realizar
inventarios fı́sicos periódicos. Según [2] un almacén tiene dos funciones primarias: (1) almacenaje tem-
poral y protección de bienes y (2) proveer servicios de valor añadido (por ejemplo, órdenes completas
de clientes individuales, empaquetado de bienes, servicios postventa, reparaciones, pruebas, inspección
y ensamble) . En el trabajo realizado por [6], se considera una revisión sistemática de la literatura
relacionada con el problema de la asignación de ubicación del almacenamiento (SLAP, por sus siglas en
inglés), y definen el SLAP, como un problema que incluye la asignación de productos en un espacio de
almacenamiento y la optimización de los costos de manejo de materiales o la utilización del espacio de
almacenamiento. Respecto a las técnicas empleadas para la solución del SLAP, en el referido trabajo,
se reporta el uso intensivo de técnicas de programación matemática (casi un tercio de los trabajos pu-
blicados). Complementariamente, de acuerdo con lo reportado en [4], el dimensionamiento del espacio
para almacenamiento, se identifica dentro de las áreas que han sido poco exploradas, o investigadas con
menor intensidad y, por lo tanto, hasta el momento, es escasa la literatura que propone herramientas
o métodos para el dimensionamiento de almacenes a partir del plan de requerimiento de materiales.
Con base en lo anterior, en el presente trabajo se eligió hacer uso de programación lineal entera para
analizar y proponer una solución a la problemática expuesta, de tal modo que se hace uso de métodos
eficientes y eficaces, validados en la literatura. No obstante, que la aportación principal que se busca es
proporcionar una solución al SLAP, asimismo, se propone abordar el problema de dimensionamiento
del espacio requerido para un conjunto de órdenes programadas, por tanto, se busca también aportar
y extender los trabajos disponibles al respecto.

4.2. Descripción del problema

Actualmente una empresa del ramo automotrı́z enfrenta problemas de paros en la producción de
prototipos, debido a retrasos generados por demoras en la recolección de componentes; problema que
se produce por no tener los componentes necesarios en la estación de uso para la fabricación de éstos,
otra causa es por la mezcla de materia del órdenes, ya que se da el caso que dos o más órdenes
ocupen algunos componentes en común, ocasionando que algún componente en particular pueda ser
utilizado erróneamente para otra orden cuando habı́a sido planeado para una orden distinta, una causa
adicional es la disponibilidad del material, refiriéndose a su fácil e inmediata identificación, ubicación
y conteo de piezas. Al existir paros de producción, se generan algunas consecuencias para la empresa,
entre ellas retraso de entregas de prototipos con los clientes, merma en costos por baja utilización
y productividad de las lı́neas productivas, riesgo potencial de fallas por cambios en la producción
no planeados, entre otros. El almacén de prototipos en estudio está conformado por anaqueles que
almacenan 5 tipos de charolas plásticas, éstas a su vez almacenan los componentes necesarios para
la fabricación de los prototipos. Cabe mencionar que al tratarse de la producción de prototipos o
muestras y no de producto de lı́nea, la configuración de cada orden o proyecto es muy variable en

26
 4.2

composición y volumen. Se entiende por prototipo o muestra al producto que está en fase desarrollo
y que aún no forma parte de la producción en serie, los prototipos son identificados por órdenes o
proyectos, cada orden tiene un número especı́fico de componentes, el tamaño de la orden está definido
por el cliente. Por ejemplo, un cliente emite una orden por 50 prototipos, el prototipo contiene un
listado de materiales de 27 componentes. De este modo, la solución a la problemática que se analiza en
el presente trabajo, corresponde a la optimización de la cantidad de espacio para almacenar un número
finito de las distintas charolas que conforman una orden de trabajo completa o proyecto. Del mismo
modo, más allá de que los componentes se tengan almacenados, el otro problema que se enfrenta
es que no existe una adecuada gestión del almacén para que los componentes estén localizables y
accesibles, ası́ como consolidados o agrupados para su oportuno ingreso a la producción y que permita
procesar cada orden a tiempo. De acuerdo con lo anterior, se requiere hacer el uso eficiente del espacio
disponible y mejorar las condiciones de acomodo para realizar de manera más rápida la recolección de
los componentes que deben ingresar a la lı́nea de producción. En la Figura 4.1, se ilustra el anaquel
tipo empleado para el acomodo de los componentes, ası́ como dimensiones de las charolas de plástico
que se utilizan para agrupar los componentes.

Figura 4.1: Anaqueles y charolas para el acomodo de los componentes

4.2.1. Modelación matemática

Para llevar a cabo la optimización del espacio que ocupan estos prototipos en el almacén, se con-
sidera las dimensiones de los distintos componente. Luego, como primer paso para la modelación, se
consideran los siguientes supuestos: a. Para el acomodo de componentes por proyecto en los anaqueles,
el peso de estos no es una restricción. b. Ante la heterogeneidad geométrica de los componentes, todos
se pueden representar mediante un prisma con las dimensiones máximas de cada uno de sus ejes (x,
y, z). c. Se pueden estibar en forma vertical tantos componentes como sea posible en cada charola sin
que exista una restricción más allá de la altura máxima de la pila de componentes y la profundidad
vertical de cada tipo de charola. d. Para facilitar la recolección (picking), no se considera el acomodo
de distintos tipos de componentes dentro de la misma charola. e. La capacidad total de anaqueles
para almacenar las charolas disponibles en el almacén es suficiente para cubrir la demanda, por lo que
no se considera esta como una restricción para el modelado del problema.
Sin embargo, para atender el requisito de máximo aprovechamiento del espacio disponible en el al-
macén, el primer modelo que se propone tiene como objetivo determinar la asignación e incorporar la
máxima cantidad de componentes en los cinco tipos de charola, de tal modo que se maximiza la densi-
dad de almacenamiento para cada tipo de componente, en cada una de las charolas. Dicha información
es una entrada .optimizada”que se utiliza para determinar las capacidades máximas en cada charola
a partir de analizar previamente las distintas posiciones de un componente y por ende el acomodo
óptimo dentro de éstas. El modelo para maximizar el número de componentes (que denominaremos
Modelo I), por charola, se formaliza y formula mediante programación lineal entera con los siguientes
elementos:

Variables de decisión
Xijk : Número de componentes acomodados en la dirección i (orientación respecto a la charola), en
la charola tipo k, orientados en la dirección j.
ijk : i dirección del componente dentro de la charola en x, y y z; j dirección de la charola sobre el
anaquel en x, y y z, k charola tipo k (k= 1, 2, 3, 4 y 5).

27
4 Mejora en la gestión del almacenamiento de componentes

Parámetros
ai : Dimensión del componente en la dirección i.
bi : Dimensión de la charola en la dirección i.
Función objetivo
3 !
! 3 !
5
M axZ = Xijk
i=1 j=1 k=1

Restricciones
3
!
ai Xijk ≤ bi ∀ i = 1, 2, 3 ∀ j = 1, 2, 3 ∀ k = 1, 2, 3, 4, 5
j=1

Xijk ≥ 0 y entero ∀ i = 1, 2, 3 ∀ j = 1, 2, 3 ∀ k = 1, 2, 3, 4, 5
Cabe señalar que los subı́ndices ijk que aparecen en las variables de decisión, se refiere a lo siguiente:
i es la dirección del componente dentro de la charola en eje x, y y z; j es la dirección de la charola
sobre el anaquel en el eje x, y y z, k se refiere a la charola tipo k (k= 1, 2, 3, 4, 5). Por ejemplo, X123 ;
representa la dirección del componente dentro de la charola en el eje x, la dirección de la charola sobre
el anaquel en el eje y; para la charola tipo 3.
En el modelo, la función objetivo maximiza el número de componentes tipo i, en cada charola
tipo k, tomando en cuenta la dirección del componente i en dirección j de la charola k. En tanto las
restricciones, denotan las dimensiones del componente i, en la dirección ij para la charola k. ai : Se
refiere a la longitud del componente i en la dirección i. bj : Es la longitud de la charola k en la dirección
j. Por ejemplo, el término 15.2X111 asociado en una restricción, indica la cantidad total de un tipo
de componente que va acomodado en una charola tipo 1 y orientados en la dirección del eje x. Es
decir; el 15.2 se refiere a la dimensión de un componente y la variable X111 se refiere la cantidad de
componentes acomodados en la dirección del eje x, para la charola tipo 1 y orientados en la dirección
el eje x.
Complementariamente, para hacer un uso optimizado del espacio del almacén, es necesario determi-
nar la asignación del conjunto de charolas para hacer el acopio de cada orden o proyecto en especı́fico.
Para la asignación que ocupe el menor espacio posible en los anaqueles, fue necesario incluir un se-
gundo modelo para minimizar el número de charolas por cada orden de compra, considerando que en
el paso anterior se optimizó el uso de cada charola por tipo de componente. Por tanto en este segundo
paso se minimiza el volumen que ocupa el total de componentes almacenados de cada proyecto. El
modelo para minimizar el número de charolas (que denominaremos Modelo II), para cada proyecto,
se formaliza y formula mediante programación lineal entera con los siguientes elementos:

Variables de decisión
Xik = Número máximo de componentes tipo i en la charola tipo k.
Parámetros
Ai : Cantidad de charolas tipo i del proyecto j.
Vik : Volumen del componente i, en la charola tipo k.
di : Demanda total de órdenes de compra i.
Función objetivo
!!
M inZ = Vik Xik
i=1 k=1
Restricciones

28
 4.3

5
!
Ai Xik ≤ di ∀ i ∈ proyectos j
k=1

Xik ≥ 0 y entero ∀ i ∈ proyectos j ∀ k = 1, 2, 3, 4, 5

La función objetivo minimiza el volumen por orden de componentes tipo i en las charolas tipo j,
en tanto las restricciones denotan la cantidad máxima de componentes tipo i para el proyecto j en la
charola tipo k.

4.3. Metodologı́a de solución

La metodologı́a que se aplica se resume en 2 pasos: Paso 1. Aplicación del Modelo I, determina
el acomodo óptimo de cada de componente en cada tipo de charola. Este proceso se ejecuta tantas
veces como tipos diferentes de componentes se tengan. Paso 2. Aplicación del Modelo II, se utilizan
como entradas los valores optimizados obtenidos en el paso anterior, y se determina el número de
mı́nimo de charolas para almacenar todos los componentes de un proyecto. Este proceso se replica
tantas veces como proyectos se tengan en el horizonte de tiempo a analizar. Un paso adicional, es la
correcta identificación visual en los anaqueles. Una vez que se conoce el número de charolas que un
proyecto utiliza, éstas son almacenadas en un espacio en los anaqueles disponibles. Se utilizan etiquetas
impresas que incluyen el número de identificación de la orden y la cantidad de prototipos a fabricar.

4.4. Experimentación computacional

Para la solución de los modelos presentados en la sección 2, se realizó la implementación y solución
utilizando el Software LINDO versión 6.1 y se empleó una computadora con procesador AMD R2
a 64 bits y 1.8 Mhz de doble núcleo, los tiempos de resolución para ambos modelos son del orden
de 5 segundos o menos. La solución del Modelo I y del Modelo II, se ilustran en las Tablas 4.1 y 2
respectivamente. A partir de la Tabla 4.1, se puede observar la asignación máxima de componentes del
tipo 1 en cada charola (primer renglón de la tabla), se puede identificar que, si utilizamos una charola
tipo 1 para ese componente en especı́fico, la capacidad máxima es de 9 charolas; para para modelar
se tomó en cuenta la dirección de los ejes x, y, z, del componente número 1 y de la charola tipo 1,
para maximizar el número de componentes tipo 1 en la charola tipo 1; para la charola tipo 2 se puede
verificar que la capacidad máxima es de 8 charolas esto se determinó contemplando la dirección de x,
y, z del componente número 1 y la charola tipo 2; para la charola tipo 3 la capacidad máxima es de
6 charolas; para la charola tipo 4 la capacidad máxima es de 14 charolas y para la charola tipo 5, la
capacidad máxima es de 15 charolas, esto se realizó para las 85 componentes utilizados en cada uno
de los proyectos, en la Tabla 1 se ejemplifican los primeros 3 componentes considerando los 5 tipos
de charolas. Cada charola solo contempla un tipo de componente, para que el usuario final no vaya a
mezclar componentes en el armado, ocasionando un error en el ensamblaje final.
A partir de la Tabla 4.2, es posible identificar la asignación para 3 proyectos. Para el caso del primer
renglón, se interpreta que para el almacenamiento de los componentes del proyecto 1, que consiste
en una orden de 100 muestras, donde se requieren 27 tipos de componentes diferentes, resultando
necesario utilizar 196 charolas; de las cuales una charola es del tipo 2 y 195 charolas son del tipo
3; para el proyecto 2, el cual está formado por 36 muestras, se requieren 30 tipos de componentes
diferentes, resultando final es de 79 charolas; de las cuales una charola es del tipo 2 y 178 charolas
son del tipo 3 y para el proyecto 3, que está integrado por 80 muestras, se requieren 20 tipos de

29
4 Mejora en la gestión del almacenamiento de componentes

Tabla 4.1: Solución óptima del modelo I para 3 tipos de componentes a través del modelo de maxi-
mización.
Dimensiones en cm Charolas
No. Componente. Ancho Largo Alto CH1 CH2 CH3 CH4 CH5
1 15.2 5.44 15.2 9 8 6 14 15
2 21 2 4.1 28 27 19 40 40
3 16 0.5 0.5 141 140 100 201 202

componentes diferentes, resultando final es de 108 charolas; de las cuales 2 charolas son tipo 2 y 106
charolas son del tipo 3. Para minimizar el número de charolas, por proyecto y minimizar el volumen
asignado, se aplico el Modelo II realizando 14 replicas que corresponden a cada proyecto.

Tabla 4.2: Solución óptima del modelo II para 3 proyectos a través del modelo de minimización.
No. Proy. Muestras Compo. ChT1 ChT2 ChT3 ChT4 ChT5 Total Charolas
1 100 27 0 1 195 0 0 196
2 36 30 0 1 78 0 0 79
3 80 20 0 2 106 0 0 108

4.5. Conclusiones
Con base en la solución óptima obtenida para cada proyecto, se puede determinar el espacio reque-
rido total (real y optimizado) para un conjunto de órdenes que representan la demanda de producción,
por tanto, se proporciona el dimensionamiento del almacenamiento para una ventana de tiempo es-
pecı́fica. Entre otras ventajas, mediante la aplicación de los modelos desarrollados, se propone el
almacenamiento diferenciado de los componentes necesarios para una orden, lo que permite mayor
control y visibilidad a través del adecuado etiquetado, indicando claramente los materiales que co-
rresponden a cada proyecto u orden. Con la implementación de la propuesta de almacenamiento de
componentes obtenida mediante la modelación matemática se resuelven las problemáticas planteadas
anteriormente. Se eliminan los paros de producción de prototipos causados por la ausencia de com-
ponentes, evitando ası́ costos por baja utilización y productividad de lı́neas productivas. Se mantiene
la satisfacción del cliente al entregar en tiempo las ordenes requeridas, y beneficio económico para la
empresa (eliminación de penalización económica por el retraso de una orden con cliente). Se evita la
mezcla de componentes de uso común entre dos o más ordenes, esto es debido a la correcta separación
e identificación de los componentes. Se minimiza el tiempo operacional que se emplea en la búsqueda,
selección y conteo del material que será utilizado en una orden. Se disminuye el tiempo empleado para
verificación de las existencias (inventarios fı́sicos rutinarios).

Referencias
[1] Behnam Bahrami, El-Houssaine Aghezzaf, and Veronique Limère. Enhancing the order picking
process through a new storage assignment strategy in forward-reserve area. International Journal
of Production Research, pages 1–22, 2019.

[2] Sunderesh S Heragu. Facilities design. Crc Press, 2018.

30
 Referencias

[3] Frederick S Hillier, Kut C So, and Ronald W Boling. Toward characterizing the optimal allocation
of storage space in production line systems with variable processing times. Management Science,
39(1):126–133, 1993.

[4] Z Hualpa, Andrés Mauricio, R Suarez, et al. Sizing of warehouse based on material requirements
planning for a polyurethane coating factory. Ingenierı́a, 23(1):48–69, 2018.

[5] A Ravi Ravindran and Donald P Warsing Jr. Supply chain engineering: Models and applications.
CRC Press, 2016.

[6] J Reyes, E Solano-Charris, and J Montoya-Torres. The storage location assignment problem: A
literature review. International Journal of Industrial Engineering Computations, 10(2):199–224,
2019.

[7] James A Tompkins, John A White, Yavuz A Bozer, and Jose Mario Azaña Tanchoco. Facilities
planning. John Wiley & Sons, 2010.

31

View publication stats