Diseño de un modelo DDMRP para el proceso de producción de productos

Nessan S.A.S es una empresa dedicada a la fabricación y comercialización de productos escolares y de oficina. Actualmente, debido a dificultades en la planeación de la producción y niveles inadecuados de inventarios, la compañía ha incurrido en altos costos asociados a backorders, faltantes y sobrantes, produciendo así niveles de servicio insatisfactorios. De acuerdo a esta problemática, se propone implementar el método de DDMRP (Planificación de requisitos de materiales impulsados por la demanda), con el fin de establecer la ubicación y el tipo de buffers que se deben incluir en la línea de producción, para así tener un mayor control sobre la misma. Teniendo en cuenta que es indispensable una adecuada planeación de la demanda para llevar a cabo esta metodología, se evalúan tres métodos distintos de predicción (ARIMA, Holt Winters Aditivo y Promedio Móvil), con el fin de comparar sus resultados con los valores reales de la demanda de 2018 y así determinar cual de ellos genera un mejor ajuste para cada familia de productos. Finalmente, es necesario establecer los productos que deben tener un mayor control en el inventario, para tal propósito se evaluaron tres modelos de clasificación multicriterio (AHP, Modelo R y Modelo PBB) y se compararon para determinar cual de ellos generaba un mejor índice de rendimiento del costo de servicio.Nessan S.A.S is a company dedicated to the manufacture and sale of school and office products. Currently, due to difficulties in production planning and inadequate inventory levels, the company has incurred high costs associated with backorders, shortages and surpluses, having unsatisfactory service levels. According to this problem, it is proposed to implement the DDMRP method (Planning of demand-driven materials requirements), in order to establish the location and type of buffers that should be included in the production line, in order to have greater control over it. Taking into account that adequate demand planning is essential to carry out this methodology, three different prediction methods (ARIMA, Holt Winters Additive and Moving Average) are evaluated, in order to compare their results with the real values of 2018 demand and determine which of them generates a better fit for each family of products. Finally, it is necessary to establish the products that must have greater control in the inventory, for this purpose, three multi-criteria classification models (AHP, Model R and Model PBB) were evaluated and compared to determine which of them generated a better performance index of the service cost.Ingeniero (a) IndustrialPregrad