logo

Modelo de planificación de requerimiento de materiales mediante programación lineal entera mixta multiobjetivo en una ensambladora de bicicletas

10.24050/reia.v23i46.1906
Publicado 2026-09-17
Artículos

Resumen

En esta investigación se presenta un modelo de planificación de requerimiento de materiales (MRP) mediante programación lineal entera mixta, con un enfoque multiobjetivo, aplicado a un entorno de ensamblado de bicicletas teórico. Dicho modelo está orientado a la mejora de la programación de la producción, con el fin de garantizar el cumplimiento de la demanda, a medida que se logra reducir los costos en el sistema productivo y maximizar el uso de la capacidad instalada. En consecuencia, se adoptó una metodología estructurada en tres fases. La primera consistió en una revisión de literatura y formulación del caso de estudio, identificando parámetros operativos y estructurales; la segunda tuvo como propósito formular un modelo de programación lineal entera mixto basado en compromisos; y, por último, se realizó la implementación y evaluación del modelo en el entorno de AMPL IDE, usando el solver CPLEX. El modelo propuesto en este caso de estudio tuvo como resultado el cumplimiento de los tres objetivos clave: reducir los costos totales, minimizar la cantidad de la demanda no atendida y maximizar la producción total durante el horizonte de tiempo modelado (24 semanas). La solución balanceada arrojó un valor objetivo BALNOR de 0,84; además, se logró el 100 % del cumplimiento de la demanda y con una capacidad de producción total de 4568 unidades de producto terminado. Asimismo, los costos totales se mantuvieron en las 15 189 080 unidades monetarias. Estos resultados validaron la aplicabilidad del modelo como una herramienta importante de apoyo para la toma de decisiones en este contexto de ensamblaje de bicicletas. Se concluye que la combinación del MRP con las técnicas de optimización multiobjetivo mejora enormemente el desempeño del sistema, lo cual permite alcanzar soluciones más robustas, adaptables y eficientes para las organizaciones.

Palabras clave

Categorías

Autores/as

Referencias

Ballon-Echevarria, A.; Castillo-Tejada, J.; Hernandez-Ugarte, C. (2022). Inventory management model to increase the rotation of textile products through the S&OP process and material requirements planning (MRP) in textile companies in Lima. 2022 Congreso Internacional de Innovacion y Tendencias en Ingenieria, CONIITI Conference Proceedings. Colombia: IEEE, pp. 1-7, https://doi.org/10.1109/CONIITI57704.2022.9953682

Cano, J. A.; Gomez-Montoya, R. A.; Cortes, P.; Campo, E. A. (2021). Mrp systems considering fuzzy capacity, lead times and inventory availability. International Journal of Simulation Modelling, 20(1), pp. 29-39. https://doi.org/10.2507/IJSIMM20-1-538

Cedillo-Robles, J. A.; Smith, N. R.; González-Ramirez, R. G.; Alonso-Stocker, J.; Askin, R. G. (2021). A production planning MILP optimization model for a manufacturing company. Rossit, D. A.; Tohmé, F.; Mejía Delgadillo, G., Production Research. ICPR-Americas 2020. Communications in Computer and Information Science, 1407. Springer. https://doi.org/10.1007/978-3-030-76307-7_7

Collao-Diaz, M. F.; Saavedra-Cielo, M. V.; Calderón, W. D.; Reimer, D. (2024). Optimizing fill rate and inventory control in Peruvian bakery SMEs through 5S and MRP integration. SSRG International Journal of Mechanical Engineering, 11(11), pp. 24-33. https://doi.org/10.14445/23488360/IJME-V11I11P103

Deb, K. (2014). Multi-objective optimization. Burke, E; Kendall, G., Search Methodologies. Springer, pp. 403-449. https://doi.org/10.1007/978-1-4614-6940-7_15

Emmerich, M. T. M.; Deutz, A. H. (2018). A tutorial on multiobjective optimization: fundamentals and evolutionary methods. Natural Computing, 17, pp. 585-609. https://doi.org/10.1007/s11047-018-9685-y

Guzman, E.; Andres, B.; Poler, R. (2022). Models and algorithms for production planning, scheduling and sequencing problems: a holistic framework and a systematic review. Journal of Industrial Information Integration, 27, 100287. https://doi.org/10.1016/j.jii.2021.100287

Han, X.; He, Y.; Chen, Z. (2023). An integrated multi-objective production scheduling model considering the production quality state. 2017 Prognostics and System Health Management Conference (PHM-Harbin). China: IEEE, pp. 1-7. https://doi.org/10.1109/PHM.2017.8079231

Klein, N. (2025). Integer programming for multi-mode resource-constrained project scheduling. Annals of Operations Research. https://doi.org/10.1007/s10479-025-06572-1

Küster, T.; Rayling, P.; Wiersig, R.; Pozo Pardo, F. (2023). Multi-objective optimization of energy-efficient production schedules using genetic algorithms. Optimization and Engineering, 24, pp. 447-468. https://doi.org/10.1007/s11081-021-09691-3

Lahrichi, Y.; Damand, D.; Barth, M. (2022). A first MILP model for the parameterization of demand-driven MRP. Computers & Industrial Engineering, 174, 108769. https://doi.org/10.1016/j.cie.2022.108769

Lalami, I.; Frein, Y.; Gayon, J. P. (2017). Production planning in automotive powertrain plants: a case study. International Journal of Production Research, 55(18), pp. 5378-5393. https://doi.org/10.1080/00207543.2017.1315192

Luo, D.; Thevenin, S.; Dolgui, A. (2022). A state-of-the-art on production planning in Industry 4.0. International Journal of Production Research, 61(19), pp. 6602-6632. https://doi.org/10.1080/00207543.2022.2122622

Malindzakova, M.; Garaj, P.; Trpčevská, J.; Malindzak, D. (2022). Setting MRP parameters and optimizing the production planning process. Processes, 10(4). https://doi.org/10.3390/pr10040690

Marchi, B.; Ferretti, I.; Zanoni, S. (2023). Requirements planning in the new normal: Comparison between reorder point method and DDMRP. Alfnes, E.; Romsdal, A.; Strandhagen, J. O.; von Cieminski, G.; Romero, D., Advances in Production Management Systems. APMS 2023. IFIP AICT, 691. Springer. https://doi.org/10.1007/978-3-031-43670-3_52

Miettinen, K.; Ruiz, F. (2016). NAUTILUS framework: towards trade-off-free interaction in multiobjective optimization. Journal of Business Economics, 86, pp. 5-21. https://doi.org/10.1007/s11573-015-0786-0

Prakash, V. M.; Selvakumar, A.; Jihan, Z. (2019). A method study on implementation of Material Requirement Planning (MRP-I) in sample bicycle manufacturing industry. International Journal of Innovative Science and Research Technology, 4(3), pp. 104-108. https://www.ijisrt.com

Rossi, T.; Pozzi, R.; Pero, M.; Cigolini, R. (2016). Improving production planning through finite-capacity MRP. International Journal of Production Research, 55(2), pp. 377-391. http://dx.doi.org/10.1080/00207543.2016.1177235

Spenhoff, P.; Semini, M.; Alfnes, E.; Strandhagen, J. (2014). The fit of planning methods for the part manufacturing industry: a case study. Advanced Manufacturing, 2, pp. 165-172. https://doi.org/10.1007/s40436-014-0075-0

Vidal, G. H.; Hernandez, D. A.; Eslava, E. F.; Coronado-Hernández, J.; Umaña Ibañez, S. (2024). Mathematical modelling of purchasing optimization for an MRP system with containerization constraints. OPSEARCH, 61, pp. 1108-1130. https://doi.org/10.1007/s12597-024-00740-w

Wang, S.; Yang, G.; Liu, S. (2024). A data-driven multi-channel supply chain multi-factory collaborative production planning problem. Soft Computing, (30), pp. 1933-1950. https://doi.org/10.1007/s00500-023-09546-2

Xin, B.; Chen, L.; Chen, J.; Ishibuchi, H.; Hirota, K.; Liu, B. (2018). Interactive multiobjective optimization: a review of the state-of-the-art. IEEE Access, 6, pp. 41256-41279. https://doi.org/10.1109/ACCESS.2018.2856832

Yağmur, E.; Kesen, S. E. (2021). Bi-objective optimization for joint production scheduling and distribution problem with sustainability. Mes, M.; Lalla-Ruiz, E.; Voß, S., Computational Logistics. ICCL 2021. Lecture Notes in Computer Science, 13004. Springer. https://doi.org/10.1007/978-3-030-87672-2_18

Yang, S.; Meng, L.; Ullah, S.; Zhang, B.; Sang, H.; Duan, P. (2025). MILP modeling and optimization of multi-objective three-stage flexible job shop scheduling problem with assembly and AGV transportation. IEEE Access, 13, pp. 25369-25386. https://doi.org/10.1109/ACCESS.2025.3535825

Estadísticas

Resumen
0
Accesos al PDF
0

Dimensions

PlumX

Descargas

Los datos de descarga aún no están disponibles.