Please use this identifier to cite or link to this item: https://repositorio.utn.edu.ec/handle/123456789/14571
Citar este ítem

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorValencia Chapi, Robert Mauricio-
dc.contributor.authorÁlvarez Tulcán, Melanny Jhojana-
dc.date.accessioned2023-08-03T20:23:45Z-
dc.date.available2023-08-03T20:23:45Z-
dc.date.created2023-07-14-
dc.date.issued2023-08-03-
dc.identifier.other04/IND /440es_EC
dc.identifier.urihttp://repositorio.utn.edu.ec/handle/123456789/14571-
dc.descriptionDiseñar un plan maestro de producción a la empresa Milmalac S.A, empleando algoritmos genéticos, con la finalidad de aprovechar la forma más eficiente la capacidad productiva instalada y evitar pérdidas económicases_EC
dc.description.abstractEl Plan Maestro de Producción es una herramienta importante para las empresas que fabrican múltiples productos o familias de productos. Ayuda a garantizar que la producción esté alineada con la demanda y que la capacidad se utilice de manera eficiente. El objetivo de la presente investigación fue realizar un diseño del plan maestro de producción para la empresa Milmalac.S.A quienes desde 2015 se dedican a la elaboración de diferentes productos descendientes de la leche, como el yogurt, crema de leche, manjar, queso fresco y la especialidad de la empresa, el queso maduro. Siendo la empresa líder en este sector en la zona norte del país. Se evidencio en la empresa que debido a la pandemia sus ventas fueron disminuyendo, así mismo se fue perdiendo la credibilidad ya que la empresa no lograba completar la demanda requerida por los clientes. Para dar inicio al proyecto se realizó una investigación de la situación actual de la empresa, en la cual se determinó el diagnóstico de esta y del producto estrella en este caso el queso maduro. Se realizó una encuesta a los clientes internos con las posibles causas de la problemática. Mismas que son evaluadas y resueltas en el capítulo 4. El desarrollo del capítulo 4 inicia con la recolecta de los datos referenciales de pedidos, para realizar un pronóstico de demanda mediante los métodos de regresión lineal, K-NN y redes neuronales con entrenamiento por algoritmo genético, las cuales fueron comparadas para elegir el mejor método de pronóstico, de manera que se comparó los errores cuadráticos de cada una, dando como elegido el método de redes neuronales con entrenamiento por algoritmo genético ya que tiene un error mínimo. Con dicho resultado se realizó la planeación agregada, con los 9 tipos de planeación, para después escoger la mejor estrategia. Dando como mejor estrategia la contratación por persecución. La contratación por persecución tiene un costo mínimo en comparación a las demás estrategias. Con dicha estrategia se realizó el plan maestro de producción. Con una buena planificación del sistema de Plan de Requerimiento de Materiales se tendría el beneficio de la no existencia de gastos innecesarios y con ello incrementar la capacidad productiva de la empresa, para lo cual será necesario también un rediseño y ampliación de la planta de producción. Eliminando la necesidad de subcontratar a otras empresas y satisfacer la demanda de los clientes.es_EC
dc.language.isospaes_EC
dc.rightsopenAccesses_EC
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/*
dc.subjectPRODUCCIÓN ALIMENTARIAes_EC
dc.subjectGENÉTICAes_EC
dc.subjectINDUSTRIA LECHERAes_EC
dc.titleDiseño del plan maestro de producción mediante la aplicación de algoritmos genéticos para la empresa Milmalac S.A.es_EC
dc.typebachelorThesises_EC
dc.description.degreeIngenieríaes_EC
dc.contributor.deparmentIndustriales_EC
dc.coverageSan Gabriel. Ecuadores_EC
dc.identifier.mfn0000041614es_EC
Appears in Collections:Ing. Industrial

Files in This Item:
File Description SizeFormat 
04 IND 440 LOGO.jpgLOGO11.83 kBJPEGThumbnail
View/Open
04 IND 440 TESIS.pdfTRABAJO DE TESIS2.72 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons