El plan maestro de producción y la incertidumbre en el sector manufactura: una revisión de la literatura

DOI: https://doi.org/10.26439/ing.ind2022.n43.6108
Palabras clave: plan maestro de producción, incertidumbre, sector manufactura, PRISMA

Resumen

En esta investigación se tocan dos temas relevantes para la ingeniería industrial: los planes maestros de producción (variable dependiente) y la incertidumbre (variable independiente). Esta última se constituye en un factor crítico de impacto en el sector manufactura. Para la investigación se recopilaron artículos científicos relacionados con estas variables con la finalidad de establecer el estado del arte referente al tema. Se recurrió a la búsqueda de información en dos bases indexadas, Scopus y ProQuest, y se la filtró utilizando criterios de inclusión y exclusión mediante el método PRISMA para llegar, finalmente, a contemplar dieciséis artículos de interés para la investigación. Publicados en revistas científicas, estos estudios muestran data importante acerca de las variables descritas y variables adicionales que influyen sobre la incertidumbre y que, de alguna forma, impactan en la elaboración de los planes maestros de producción del sector manufactura.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Gustavo Adolfo Luna-Victoria-León, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Ingeniero industrial por la Universidad de Lima, MBA por la Universidad del Pacífico, egresado del doctorado en Negocios Globales por la Universidad Ricardo Palma, Certificado en Gestión de Proyectos – PMP. Cuenta con más de 33 años de trabajo en el sector tecnológico/digital, en las áreas comerciales, de operaciones y de proyectos. Actualmente se desempeña como Key Account Manager en Telefónica del Perú. Cuenta con más de 15 años como docente universitario, actualmente en la Facultad de Ingeniería Industrial de la Universidad de Lima. Con las ponencias “Sistema de Inversión Pública – ¿Funciona o no?” en el 2008 y “Enverdeciendo su empresa” en el 2010, ha participado en los congresos del Project Management Institute. Es coautor del artículo “Investigación científica del grafeno en la industria de la construcción”

Martín Fidel Collao-Díaz, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Ingeniero Industrial por la Universidad de Lima y MBA con mención en Dirección General por la Universidad ESAN. Líder con carrera internacional y local en gestión de la cadena de suministro, operaciones y logística, con más de 23 años de experiencia en empresas nacionales y transnacionales del sector industrial y consumo masivo en la industria química, veterinaria, de hidrocarburos, construcción y textil. Más de 10 años como
docente universitario en las carreras de Ingeniería Industrial, Ingeniería Empresarial, Negocios Internacionales y Administración. Coautor de diversas investigaciones orientadas a la Ingeniería Industrial. 

Jorge Antonio Corzo-Chávez, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Magíster en Administración por la Universidad ESAN. Magíster en Marketing Science por ESIC Business & Marketing School, España. Ingeniero Industrial por la Universidad de Lima. Actualmente es gerente general de Conquista Lab, consultor de empresas multinacionales y docente de la Universidad de Lima. Cuenta con más de quince años de experiencia en marketing, gestión comercial, emprendimiento e innovación en los
sectores de construcción, metalmecánica, minería, servicios y educación. Se desempeñó como coordinador del Centro de Emprendimiento de la Universidad de Lima y trabajó en Corporación Aceros Arequipa S.A. en las áreas de marketing y comercial para segmentos retail e industrial.

Richard Nicholas Meza-Ortiz, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Magíster en Administración Estratégica de Empresas por Centrum PUCP Business School. Especialización en Logística y Operaciones por la Universidad ESAN. Ingeniero Industrial por la Universidad de Lima. Actualmente es supply chain manager en Tecnología Química y Comercio con más de 15 años de experiencia en gestión de la cadena de suministros en empresas de consumo masivo, automotriz, retail y agroquímicos. Cuenta con amplia experiencia liderando y gestionando procesos de planeación de cadena de suministros, S&OP, abastecimiento, almacenes y distribución. Tiene más de seis años de experiencia docente en la Universidad de Lima.

Citas

Atadeniz, S. N., & Sridharan, S. V. (2020). Effectiveness of nervousness reduction policies when capacity is constrained. International Journal of Production Research, 58(13), 4121-4137. http://dx.doi.org/10.1080/00207543.2019.1643513

Bai, X., & Zhu, B. (2015). Application of production planning and control method in manufacturing enterprise. Management & Engineering, 18, 3-7.

Banco Mundial. (2020, 14 de julio). El aumento de la productividad, el principal motor de reducción de la pobreza, corre peligro debido a las perturbaciones causadas por la COVID-19. https://www.bancomundial.org/es/news/press-release/2020/07/14/productivity-growth-threatened-by-covid-19-disruptions

Chatras, C., Giard, V., & Sali, M. (2015). High variety impacts on master production schedule: a case study from the automotive industry. IFAC-PapersOnLine, 48(3), 1073-1078. https://doi.org/10.1016/j.ifacol.2015.06.226

Chatras, C., Giard, V., & Sali, M. (2016). Mass customisation impact on bill of materials structure and master production schedule development. International Journal of Production Research, 54(18), 5634-5650. http://doi.org/10.1080/00207543.2016.1194539

Dieppe, A. (s.f.). Global productivity: Trends, drivers, and policies. The World Bank Group. Recuperado el 10 de mayo del 2022. https://www.worldbank.org/en/research/publication/global-productivity

Entringer, T. C., & Ferreira, A. D. S. (2020, marzo-abril). A reference model in BPMN for conceptual modelling of master planning schedule. Independent Journal of Management & Production, 11(2), 394-418.

Fondo Monetario Internacional. (2021, abril). La economía mundial se está afianzando, pero con recuperaciones divergentes en medio de aguda incertidumbre. https://www.imf.org/es/Publications/WEO/Issues/2021/03/23/world-economic-outlook-april-2021

Jonsson, P., & Kjellsdotter L. (2015). Improving performance with sophisticated master production scheduling. International Journal of Production Economics, 168, 118-130. http://doi.org/10.1016/j.ijpe.2015.06.012

Khaledi, H., & Reisi-Nafchi, M. (2013). Dynamic production planning model: A dynamic programming approach. The International Journal of Advanced Manufacturing Technology, 67, 1675-1681. http://dx.doi.org/10.1007/s00170-012-4600-7

Martín, A., G., Díaz-Madroñero, M., & Mula, J. (2020). Master production schedule using robust optimization approaches in an automobile second-tier supplier: Central European Journal of Operations Research, 28, 143-166. http://dx.doi.org/10.1007/s10100-019-00607-2

Ministerio de la producción. (s.f.). Desempeño del sector industrial manufacturera - marzo 2022. Recuperado el 10 de mayo del 2021, de https://ogeiee.produce.gob.pe/index.php/en/shortcode/estadistica-oee/estadisticas-manufactura

Olhager, J. (2013) Evolution of operations planning and control: From production to supply chains, International Journal of Production Research, 51(23-24), 6836-6843. http://dx.doi.org/10.1080/00207543.2012.761363

Razavi Hajiagha, S. H., Sadat Hashemi, S., & Sadeghi, M. (2019). Hybrid fuzzy-stochastic approach to multi-product, multi-period, and multi-resource master production scheduling problem: Case of a polyethylene pipe and fitting manufacturer. Scientia Iranica, 26(3), 1809-1823. http://scientiairanica.sharif.edu/article_20329_a8ada7d622b089fe557d37bc2b94d04b.pdf

Reuter, C., & Brambring, F. (2016). Improving data consistency in production control. Procedia CIRP, 41, 51-56. http://doi.org/10.1016/j.procir.2015.12.116

Sun, L. B., Guo, S. S., Tao, S. Q., Li, Y. B., & Du, B. G. (2014). A master production schedule warning approach for cement equipment manufacturing enterprises. Scientia Iranica, 21(3), 1120-1127. http://scientiairanica.sharif.edu/article_3547.html

Supriyanto, I., & Noche, B. (2011). Fuzzy multi-objective linear programming and simulation approach to the development of valid and realistic master production schedule. Logistics Journal: Proceedings, 7. http://doi.org/10.2195/LJ_proc_supriyanto_de_201108_01

Wang, L.-C., & Cheng, C.-Y. (2014). Development of an integrated demand-supply balancing system for supply chain exception handling. International Journal of Information Systems and Change Management, 7(1), 70-91. http://doi.org/10.1504/IJISCM.2014.065059

Wörbelauer, M., Meyr, H., & Almada-Lobo, B. (2019). Simultaneous lotsizing and scheduling considering secondary resources: A general model, literature review and classification. OR Spectrum, 41(1), 1-43. http://doi.org/10.1007/s00291-018-0536-0

Zijm, H., & Schutten, M. (2019). Advanced production planning and scheduling systems. En Zijm, H., Klumpp, M., Regattieri, A., Heragu, S. (Eds.) Operations, Logistics and Supply Chain Management. Lecture Notes in Logistics (pp. 417-439). Springer, Cham. https://doi.org/10.1007/978-3-319-92447-2_19

Publicado
2022-12-01
Cómo citar
Luna-Victoria-León, G. A., Collao-Díaz, M. F., Corzo-Chávez, J. A., & Meza-Ortiz, R. N. (2022). El plan maestro de producción y la incertidumbre en el sector manufactura: una revisión de la literatura. Ingeniería Industrial, 43(43), 35-59. https://doi.org/10.26439/ing.ind2022.n43.6108
Número
Núm. 43 (2022)
Sección
Gestión de la producción / Production management
Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.