apoyo a la toma de decisiones para el área productiva de ... · pdf fileproblemas y...

Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 234-249, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0002

Recebido 27/06/2014; Aceito 19/05/2015 234

Apoyo a la toma de decisiones para el área productiva de una empresa

manufacturera de piezas metal mecánicas mediante simulación.

Support decision-making for the production area of a manufacturing enterprise

of metal mechanical parts through simulation

José Luis Ruiz-Duarte ([email protected], UNISON, Sonora, México) • Blvd. Luis Encinas y Rosales S/N, Col. Centro, Hermosillo, Sonora, México

Jorge Luis Taddei-Bringas ([email protected], UNISON, Sonora, México)

Alexis López-Amézquita ([email protected], UNISON, Sonora, México)

Ricardo Alberto Rodríguez-Carvajal ([email protected], UNISON, Sonora, México)

Paula Isiordia-Lachica ([email protected], UNISON, Sonora, México)

Resumen: En el presente artículo se muestra la aplicación de simulación para solución de problemas y apoyo al proceso de toma de decisiones dentro del área de producción para una empresa dedicada a la manufactura de piezas metal mecánicas. Dado que la gerencia de operaciones requiere conocer los efectos de las decisiones relacionadas con el área productiva, como compras de equipo y cambios en la mano de obra, además de que la empresa cuenta con procesos del tipo artesanal y con una variedad alta de productos, el modelo se diseña para el producto más complejo de la empresa, el cual tiene 83 sub ensambles. Este producto requiere de los siguientes procesos: Corte, formado, soldadura, pintura y ensamblaje final. Con este modelo es posible caracterizar el comportamiento del sistema para cada producto que sea manufacturado, sin mayores cambios en la configuración del modelo. La empresa ha determinado que existen procesos tipo cuello de botella, lo que les permite ajustar su línea de producción para mejorar sus operaciones.

Palabras-llave: Simulación; Aplicación; Procesos industriales.

Abstract: This paper points out the simulation for problem solving and for supporting decision-making process inside the production area of a company that produces metal- mechanic parts. As the operations management requests to know the effects of the decisions related to the production area, such as acquisition of new equipment and manpower changes, this particular model was designed for its most complex product, which has 83 sub-assemblies with artisanal-type processes and with a high variety of products. The product passes through all processes: cutting, forming, welding, painting, and final assembly. The model enabled the characterization of the behavior of the composite system for every manufactured product, without major changes on the model configuration. In this particular model, the company has determined which of the performed processes could be taken as bottleneck processes. This will permit the company to adjust its production line to improve operations.

Keywords: Simulation; Application; Industrial processes.


Recebido 27/06/2014; Aceito 19/05/2015 235

1. Introducción

Considerando la crisis financiera actual, los sistemas de manufactura deben estar

capacitados para reaccionar a diferentes niveles a cambios inesperados (BRUZZONE y

LONGO, 2013). Cada vez es más frecuente encontrar casos de aplicaciones de simulación en

áreas como industria, logística, servicios y el sector público (DOBRZYŃSKI y WASZCZUR,

2012). La simulación en los sistemas de manufactura juega un rol importante en el diseño y

evaluación de sistemas de manufactura usando un modelo virtual de una fábrica en la etapa de

diseño del sistema de manufactura. En la etapa de implementación del sistema de

manufactura, es importante desarrollar y evaluar los programas de control para una fábrica

real (HIBINO, INUKAI y FUKUDA, 2006).

Simulación de sistemas es un grupo de técnicas que usan la computadora para imitar

las operaciones de ciertos sistemas del mundo real (LAW y KELTON, 2000). La simulación

por computadora de los procesos permite el análisis y optimización de procesos sin la

necesidad de experimentos reales que costarían tiempo y recursos (DOBRZYŃSKI y

WASZCZUR, 2012). Simulación puede utilizarse por las organizaciones actuales para

intentar modelar y entender el impacto de varias estrategias en la organización y encontrar

mejores prácticas (BEN-ARIEH y GRABILL, 2008).

Para llevar a cabo simulación, se utilizan distribuciones de probabilidad para generar

eventos aleatorios que ocurren dentro del sistema. Las relaciones entre los elementos de un

sistema necesitan ser caracterizadas matemáticamente (GARCÍA, SIERRA y GUZMÁN,

2005). Si las relaciones son de baja complejidad, y pueden ser resueltas con otro tipo de

métodos, no se requiere simulación. Sin embargo, ya que los procesos del mundo real

incluyen una variedad de relaciones complejas, los métodos analíticos tradicionales no son

suficientes y se requiere simulación (LAW y KELTON, 2000). El análisis de simulación

proporciona una mejor comprensión de las interdependencias entre distintas etapas de los

procesos de producción (DOBRZYŃSKI y WASZCZUR, 2012).

Un sistema es un grupo de elementos interrelacionados que tienen sus propias

características y atributos, con un objetivo en común (FISHMAN, 1978). Para estudiar algún

sistema, se deben proponer ciertas relaciones matemáticas (LAW y KELTON, 2000).

La simulación de eventos discretos se consiste en simular sistemas que cambian en el

momento en que ocurre un evento dentro del sistema, y los eventos ocurren en tiempos


Recebido 27/06/2014; Aceito 19/05/2015 236

separados (LAW y KELTON, 2000). Los sistemas de eventos discretos solo cambian cuando

ocurre un evento (FISHMAN, 1978). Una ventaja de la simulación de eventos discretos es

que las operaciones de los procesos no necesitan ser interrumpidas para llevar a cabo el

análisis (TRUJILLO et al, 2011).

Todo sistema en el mundo tiene al menos un evento o proceso que causa variación y

que puede ser modelado de acuerdo a una distribución de probabilidad. Mientras más

adecuado sea la selección de la distribución de probabilidad, más precisos serán los resultados

del modelo. En ocasiones se requiere ajustar una distribución empírica de probabilidad –que

ocurre en un proceso particular- a una distribución teórica de probabilidad. Para esto se utiliza

un procedimiento de prueba de bondad de ajuste (LAW y KELTON, 2000).

Una vez definido el modelo, es necesario revisar si las teorías que soportan sus

relaciones están correctamente determinadas con un proceso de validación (MONLEÓN,

2005). También es importante revisar que el modelo está implementado apropiadamente en la

computadora mediante un proceso de verificación (RODRÍGUEZ et al, 2008).

Después el modelo es operado y los resultados requieren ser analizados. Ya que el

modelo de simulación tiene un comportamiento aleatorio, los resultados también serán

aleatorios. Comparar los resultados de diversos algoritmos que tienen una influencia

estocástica muy fuerte, como simulación, no es sencillo debido a que los resultados de los

modelos no arrojan dos resultados iguales (WEIGERT, HOTN y WERNER, 2006). Sin

embargo, un intervalo de confianza puede utilizarse para estimar las variables de interés, tal

como sigue:

Donde representa la media de la variable de interés, el promedio de la muestra de

la variable de interés, es el valor de la distribución T-Student para una probabilidad

y grados de libertad, y representa el tamaño de muestra.

El modelo puede ser modificado para analizar diferentes escenarios. Es importante

analizar dichas modificaciones y medir los cambios antes que sean aplicados al sistema real.

Esto hace que la simulación de sistemas sea una poderosa herramienta para apoyar a los

procesos de toma de decisiones. De acuerdo con Alexander (2007), la simulación de eventos

discretos es muy útil cuando se requiere analizar ciclos de tiempo e interacciones entre las

operaciones.


Recebido 27/06/2014; Aceito 19/05/2015 237

2. Justificación

En el caso estudiado, se trata de una empresa que produce piezas metal mecánicas,

localizada en el noroeste de México. Su sistema de producción es casi artesanal, y sus

productos son muy diferentes entre cada cliente atendido. La gerencia de operaciones

considera que sus procesos productivos pueden ser mejorados mediante simulación y ha

solicitado modelar las operaciones necesarias para su producto más complejo –al que, para

efectos de este documento se denominará como ABC-, el cual está compuesto de 83 sub

ensambles que pasan a través de todas las operaciones productivas de la empresa. De esta

manera, el modelo puede ser ajustado para simular la producción para cada producto que es

manufacturado, con pequeños cambios en el modelo.

3. Metodología

La metodología utilizada está basada en la propuesta por García, García y Cárdenas

(2006): 1) Definición del sistema; 2) Estructura del modelo; 3) Recolección de datos; 4)

Implementación en la computadora; 5) Fase de Validación; 6) Experimentación; 7)

Interpretación.

3.1 Definición del sistema

El sistema de producción involucra la transformación de materias primas, desde su

recepción como láminas de metal hasta la evaluación del cliente. Sin embargo, en este

documento se enfoca en las operaciones que agregan valor al producto final. Las operaciones

que componen el sistema de producción son los procesos de Corte, Formado, Soldadura,

Pintura y de Ensamblaje final.

En el proceso de corte, la materia prima es recibida y almacenada en un estante cerca

de la estación de corte. La máquina de corte es controlada mediante control numérico

computarizado (CNC). El operador descarga el archivo que contiene las especificaciones de la

pieza previamente modelada vía intranet y revisa los requerimientos. Después busca la

materia prima adecuada para el tipo de corte y ajusta el equipo a las especificaciones

requeridas para ese tipo de material. Luego coloca la lámina de metal sobre la máquina

cortadora y ejecuta el programa de corte. La primera pieza cortada es medida y comparada

con el plano para comprobar si la máquina está cortando correctamente. Después de ello, el

operador mide uno de cada diez productos para asegurar la calidad del proceso.


Recebido 27/06/2014; Aceito 19/05/2015 238

El proceso de corte tiene dos máquinas principales: la máquina de plasma y la

máquina de presión de agua (Water Jet). La cortadora de plasma tiene como ventajas que es

capaz de cortar piezas más rápido que la cortadora Water Jet, sin embargo, solo es capaz de

cortar metal y al hacerlo, debido que es mediante arco eléctrico, deja un remanente de metal

fundido en las áreas que fueron cortadas. La cortadora Water Jet es capaz de cortar cualquier

material y con una precisión mayor a la de plasma, además de no necesitar un proceso

posterior, sin embargo, el uso de esta maquinaria se reduce pues es un poco más costosa de

operar y el tiempo para cortar piezas es más elevado, además de requerir insumos como arena

especial para el corte. Si la pieza se requiere cortar en la máquina de plasma, se deberá enviar

un proceso extra para remover el remanente. Finalmente, las piezas se envían en lotes al

siguiente proceso.

En el proceso de formado, las piezas son recibidas de la fuente o el proceso de corte,

lo cual depende si la pieza requiere o no ser cortada. Cada pieza tiene un determinado número

de dobleces necesarios. El tiempo que una pieza está en este proceso depende del número de

dobleces necesarios. El proceso cuenta con dos máquinas: la primera para el doblado normal y

la segunda necesaria para el re trabajo cuando el primer doblez no se hizo de manera correcta.

El operador recibe las especificaciones directamente en físico, y dobla la primera pieza

ajustando la máquina hasta que la pieza alcanza los ángulos requeridos en el plano. Si la pieza

está correctamente doblada, trabajará con el resto de las piezas con esa configuración.

Después de eso, el operador mide uno de cada diez productos para asegurar la calidad del

proceso. Finalmente, las piezas se envían en lotes al siguiente proceso. En caso que una pieza

no sea doblada de acuerdo a las especificaciones y tolerancias establecidas, se envía a la

máquina de re trabajo donde es desdoblada y se procesa de nuevo en la primera máquina.

En el proceso de soldadura, las piezas son ensambladas por dos métodos diferentes:

soldadura MIG y soldadura de punto. En este caso, las piezas son posicionadas de acuerdo a

la hoja de especificación que recibe el operador y se aplica ya sea un cordón de soldadura en

el caso de MIG o puntos de soldadura en caso de soldadura de punto. En ambos procesos de

soldadura, el tiempo que la pieza se encuentra en operación depende del número de caras que

son ensambladas. Finalmente, las piezas son enviadas una por una al siguiente proceso.

En el proceso de pintura, la pieza es recibida desde uno de los procesos anteriores y

pasa a través de las operaciones de limpieza con ácido, pulido y pintura. En la operación de

limpieza con ácido, a las piezas se les invierte ácido para eliminar cualquier rastro de desgaste


Recebido 27/06/2014; Aceito 19/05/2015 239

causado por oxidación. En el proceso de pulido, las piezas son tratadas con máquinas

pulidoras eléctricas y neumáticas que eliminan las rebabas que pudieran evitar que la pintura

se adhiera correctamente. En la operación de pintura, la pieza es sometida a una carga

negativa y luego rociada con pintura de polvo con carga positiva, para luego ser horneada a

180 grados Celsius hasta completar el proceso de pintura. Finalmente, las piezas son enviadas

una por una al siguiente proceso.

En el proceso de ensamblaje final, las piezas son recibidas de los procesos anteriores y

ensambladas de acuerdo a lo especificado en la hoja de trabajo.

3.2 Estructura del modelo

El proceso principal, mostrado en la figura 1, es la base para el modelo. En general,

una pieza pasaría por los procesos de corte, formado, soldadura, pintura y ensamblaje final, en

ese orden. Sin embargo, por su naturaleza, hay ocasiones en que las piezas no requieren un

determinado proceso.

Figura 1 - Proceso principal

Fuente: Los autores (2014)

Para el producto que será simulado, 55 piezas se someten a un proceso de corte

mediante plasma, 26 pasan por un proceso de corte por Water Jet, una pieza no se corta y otra

se manda cortar a una empresa externa.

El proceso de formado recibirá 73 piezas con diferente número de dobleces.

En el proceso de soldadura se trabajarán 56 piezas mediante soldadura MIG y ocho

piezas por soldadura punto.

Se someterán 62 piezas al proceso de pintura, incluyendo sus tres operaciones.


Recebido 27/06/2014; Aceito 19/05/2015 240

En ensamble final se recibirán 49 piezas para formar una pieza completa; 13 de las 49

piezas son el resultado de sub ensambles anteriores, por lo cual algunas de estas están

compuestas por más de una pieza, dando el total de 83 partes mencionadas con al inicio.

3.3 Recolección de datos

Una vez que el modelo está estructurado, es necesario saber cómo funcionan las

operaciones, y el tiempo que involucra cada operación. Para cada proceso se tomó el tiempo a

las operaciones mostradas en la tabla 1.

Tabla 1 - Tiempos observados para cada operación

Proceso Operación observada Corte - · Plasma Tiempo que tarda una pieza en ser cortada, desde que se coloca

hasta que se coloca la siguiente pieza. · Water Jet Tiempo que tarda una pieza en ser cortada, desde que se coloca

hasta que se coloca la siguiente pieza. Doblado Tiempo por cada doblez Soldadura - · Punto Tiempo entre la unión de dos caras diferentes · MIG Tiempo entre la unión de dos caras diferentes Pintura - · Pulido Tiempo que tarda una pieza en ser pulida · Limpieza de ácido Tiempo que tarda una pieza en ser limpiada · Pintura en polvo Tiempo de pintura de un rack Ensamblaje final Tiempo entre la unión de dos piezas


Para determinar la distribución de probabilidad, se llevó a cabo un procedimiento de

muestreo, el cual involucra una prueba piloto para estimar la varianza con que será calculado

el tamaño de muestra requerido. Después de la prueba de bondad de ajuste, se obtuvieron las

distribuciones asociadas con el tiempo de operaciones, como se muestra en la tabla 2.

Tabla 2 - Distribución de probabilidad de los procesos

Proceso Distribución Parámetro 1 Parámetro 2 Corte - - - · Plasma Log Normal µ = 2.61881 σ = 1.76882 · Water Jet Log Normal µ = 5.89289 σ = 2.97627 Doblado Log Normal µ = 0.35082 σ = 0.258471 Soldadura - - - · Punto Normal µ = 0.357803 σ = 0.120709 · MIG Log Normal µ = 1.44368 σ = 0.786867


Recebido 27/06/2014; Aceito 19/05/2015 241

Pintura - - - · Pulido Normal µ = 3.64355 σ = 1.34579 · Limpieza de ácido Erlang K = 2.0 1/λ = 0.580204 · Pintura en polvo Erlang K = 5.0 1/λ = 0.79588 Ensamblaje final Erlang K = 13.0 1/λ = 1.21914


3.4 Implementación en la computadora

Se diseñó un modelo de simulación para cada uno de los cinco procesos, utilizando

ProModel 7.0. Las definiciones del modelo se muestran a continuación:

20 locaciones fueron definidas para el modelo, incluyendo los procesos principales y

almacenamientos locales:

• almacen_MP. Lugar donde se almacena la materia prima;

• plasma. Estación donde se lleva a cabo el corte de plasma;

• escoriado. Estación donde se lleva a cabo el proceso de escoriado, después del

proceso de corte de plasma;

• WaterJet. Estación donde se lleva a cabo el corte de Water Jet;

• lote_corte. Estación auxiliar para poder simular la formación de los lotes;

• Inv_MP_Doblez. Lugar a donde llegan las piezas que se deben doblar;

• dobladora CNC. Estación donde se llevará a cabo el proceso de doblado;

• mecánica. Estación donde se llevará el re trabajo para doblado;

• lote_doblez. Estación auxiliar para poder simular la formación de los lotes;

• Inv_MP_SE. Lugar donde llegan las piezas que se deben ensamblar por

soldadura. En esta estación llegarán también las piezas que simularán las piezas

ensambladas;

• Mig. Estación donde se llevará a cabo la soldadura MIG;

• punto. Estación donde se llevará a cabo la soldadura de punto;

• Inv_MP_Pint. Lugar donde llegan las piezas que se deben pintar;

• Inv_Powder. Lugar donde se acumulan piezas antes de mandar a pintar;

• Powder. Estación donde se llevará a cabo el proceso de pintura Powder;

• pulido. Estación donde se llevará a cabo el proceso de pulido;

• limpieza_ácido. Estación donde se llevará a cabo el proceso de limpieza;

• Inv_MP_EnsFin. Lugar donde llegan las piezas que se deben ensamblar;


Recebido 27/06/2014; Aceito 19/05/2015 242

• Inv_EnsFin. Locación a donde se envían las piezas después de Inv_MP_EnsFin;

• ensamble_Fin. Estación donde se llevará a cabo el proceso de ensamble final

Se definieron 96 entidades: 83 sub ensambles, 12 ensambles y 1 producto final. 55 sub

ensambles son cortados en la máquina de plasma, 26 en la máquina de presión de agua, y 2 de

ellos no necesitan de corte; 73 piezas necesitan un proceso de doblado, para un total de 299

dobleces; 33 piezas necesitan soldadura MIG y 8 necesitan soldadura Punto; 62 piezas

necesitan un proceso de pintura y 49 piezas se requieren en el ensamblaje final.

Se definieron 5 recursos, un operador para cada proceso: cortador, formador, soldador,

pintor y ensamblador. Cada recurso tiene su red de trayectoria definida:

• cortador_path. Trayectoria que usa el cortador. Tiene contacto con las

estaciones: Almacen_MP, Plasma, Escoriado, WaterJet, Lote_corte,

Inv_MP_Doblez, Inv_MP_SE, Inv_MP_Pint e Inv_MP_EnsFin;

• formador_path. Trayectoria que usa el formador. Tiene contacto con las

estaciones: Inv_MP_Doblez, DobladoraCNC, Mecanica, Lote_doblez,

Inv_MP_Doblez, Inv_MP_SE, Inv_MP_Pint, Inv_MP_EnsFin;

• soldador_path. Trayectoria que usa el soldador. Tiene contacto con las

estaciones: Inv_MP_SE, Mig, Punto, Lote_SE, Inv_MP_Pint e Inv_MP_EnsFin;

• pintor_path. Trayectoria que usa el pintor. Tiene contacto con las estaciones:

Inv_MP_Pint, Powder, Horno, Pulido, Limpieza_acido e Inv_MP_EnsFin;

• ensamblador_path. Trayectoria que usa el ensamblador. Tiene contacto con las

estaciones: Inv_MP_EnsFin y Ensamble_Fin

Se definieron 12 variables, incluyendo contadores, y el tamaño del lote:

• R_doblado. Número de dobleces que requiere cada pieza;

• R_caras_sold_p. Número de caras que se soldarán por soldadura punto;

• R_caras_sold. Número de caras que se soldarán entre piezas por soldadura MIG.

• R_piezas_ens. Número de piezas que se deben ensamblar por ABC;

• i_corteplasmaX. Variable que servirá de contador para conocer cuándo se debe

medir una pieza después del proceso de corte con Plasma. La X varía para cada

pieza, por ejemplo, para la primera pieza, la variable se llama i_corteplasma1,

i_corteplasma2 para la segunda pieza, y así sucesivamente;

• i_cortewjX. Variable que servirá de contador para conocer cuándo se debe medir


Recebido 27/06/2014; Aceito 19/05/2015 243

una pieza después del proceso de corte con Water Jet. La X varía para cada

pieza, por ejemplo, para la primera pieza, la variable se llama i_cortewj1,

i_cortewj2 para la segunda pieza, y así sucesivamente;

• i_doblezX. Variable que servirá de contador para conocer cuándo se debe medir

una pieza después del proceso de doblez. La X varía para cada pieza, por

ejemplo, para la primera pieza, la variable se llama i_doblez1, i_doblez2 para la

segunda pieza, y así sucesivamente;

• i_acabadoX. Variable que servirá como contador de piezas que se deben pulir,

para el caso de los ensambles;

• i_Powder. Repetición para pintura Powder;

• i_ensamble. Variable que servirá para incrementarse hasta alcanzar el número de

piezas ensambladas;

• abc. Número de ABC que se fabricarán;

• TLote. Tamaño de los lotes, actualmente los tamaños de lote son del mismo

tamaño que la demanda de ABC.

Para el proceso de corte se utilizó una variable que cuenta el número de veces que una

pieza se cortó. Cuando el contador llega a diez, el modelo entra a una sub rutina en la que la

entidad y el operador tienen que esperar un tiempo extra para hacer un proceso de inspección.

El proceso de corte se muestra en la Figura 2.

Figura 2 - Modelo del Proceso de Corte


Para el proceso de formado se utilizaron dos variables. La primera variable cuenta las

veces que la pieza ha sido doblada, con el fin de entrar en una sub rutina de inspección cada


Recebido 27/06/2014; Aceito 19/05/2015 244

diez piezas dobladas. La otra variable fue necesaria para crear un bucle para el número de

dobleces que tiene cada pieza, por ejemplo, si la pieza necesita cinco dobleces, la operación

WAIT <tiempo> se repitió cinco veces. Además, fue necesario un enrutamiento probabilístico

para simular el número de piezas que necesitarían ser re trabajadas cuando no se doblan

correctamente. El proceso de formado se muestra en la Figura 3.

Figura 3 - Modelo del Proceso de Formado


Para los procesos de soldadura y ensamblaje final, fue utilizada la instrucción JOIN,

que permite unir varias piezas. Para ello se utilizó una de las piezas ensambladas como

“líder”, es decir, que llega a las estaciones de ensamble y “absorbe” a las demás piezas, las

cuales esperan en una estación cercana. Por ejemplo, si soldando la pieza A y la pieza B se

obtiene la pieza C, la pieza B pasará a las estaciones de soldado para esperar la pieza A.

Cuando se ensamblen, la pieza C pasará al siguiente proceso como nueva entidad. El proceso

de Soldadura se muestra en la Figura 4, y el de Ensamblaje Final se muestra en la Figura 5.

Figura 4 - Modelo del Proceso de Soldadura



Recebido 27/06/2014; Aceito 19/05/2015 245

Figura 5 - Modelo del proceso de Ensamblaje Final


En el proceso de pintura, las operaciones se dividieron así: Las operaciones que

requieren un operador y las que no. El proceso de pintura se muestra en la Figura 6.

Figura 6 - Modelo del proceso de Pintura


El sistema incluye los turnos normales para los operadores, considerando la hora del


Recebido 27/06/2014; Aceito 19/05/2015 246

almuerzo, los descansos y los fines de semana. Es decir, los trabajadores manejan un turno

que inicia a las 8am y termina a las 7pm, de lunes a jueves, y de 8am a 5pm los viernes. Hay

dos descansos de 15 minutos a las 10am y a las 4pm, y una hora para comer entre 1pm y 2pm.

Sábados y domingos son días no laborales.

3.5 Fase de validación

Durante la ejecución del modelo se tuvieron diversos problemas, los cuales se

mencionan junto con su causa y solución en la tabla 3.

Tabla 3 - Pruebas de los modelos

Problema Causa Solución Las piezas no se terminaban de cortar

El cortador se quedaba detenido en la locación Inv_MP_ES

Se agregó la instrucción FREE ALL al inició de Inv_MP_ES, en lugar de FREE Formador. Así libera todos los recursos que ha requerido.

Las piezas no se terminaban de soldar.

El soldador se quedaba detenido dentro de la estación Mig, esperando que las piezas llegaran para ser soldadas, pero las piezas esperaban al soldador para que las llevara a Mig.

Se eliminó la instrucción GET Soldador de la estación Inv_MP_ES. Se agregó la instrucción GET Soldador en la estación Mig.

Las piezas no se terminaban de pintar.

El pintor permanecía en espera de la acumulación de cierto número de piezas en la estación Powder.

Se modificó la instrucción ACCUM para que el pintor sólo requiera 4 piezas en lugar de 5. 4 es submúltiplo del total de piezas que llegarán a pintura. Se eliminó también la instrucción GET Pintor de la estación Inv_Powder. Se agregó la instrucción FREE Pintor antes del proceso de horneado y GET Pintor después del mismo.

Las piezas no se ensamblan

La salida de los procesos de pulido para las piezas que no estaban ensambladas eran siempre la entidad Hooper.

Se localizó el problema y se cambiaron las salidas a las entidades correctas.

Algunas piezas no se ensamblan en soldadura. Este error sólo ocurría en las réplicas 23 y 27 de un total de 30 réplicas.

Error dentro del ciclo DO UNTIL en la estación MIG.

Se utilizó la herramienta Debugger para encontrar que la línea de programación INC R_caras_sold tenía un defecto, es decir, el tiempo seguía corriendo pero la simulación se detenía por completo. Se eliminó el ciclo DO UNTIL y se decidió copiar la línea WAIT el número de veces que requería el ciclo.



Recebido 27/06/2014; Aceito 19/05/2015 247

3.6 Experimentación

Después de la validación se llevaron a cabo diversos experimentos para comparar

diferentes configuraciones de la fábrica. Se probaron 3 escenarios:

• se hicieron 100 corridas del modelo con la configuración básica: un solo

operador para cada recurso y la cantidad de máquinas con las que cuenta la

empresa actualmente;

• se aplicó con el número real de operadores con los que cuenta la empresa: 3

operadores en el proceso de corte, 1 en el proceso de formación, 3 en proceso de

soldadura, 4 en proceso de pintura y 2 en proceso de ensamblaje final;

• se simuló la compra de otra máquina para corte de plasma, puesto que la

empresa consideraba que su cuello de botella se encontraba ahí. Cabe mencionar

que en la realidad una máquina de este tipo cuesta alrededor de 50 mil dólares.

3.7 Interpretación

El gerente de operaciones de la empresa tenía la necesidad de evaluar las decisiones

que se tomaran en cuanto al área productiva, como contratar más personal o conseguir más

maquinaria sin la necesidad de realizar los gastos relacionados y medir de alguna manera sus

efectos. Los escenarios planteados con anterioridad fueron precisamente alguna de las

decisiones que había estado considerando. La distribución de las operaciones en el área

productiva y el personal que actualmente tiene asociado a dichas operaciones muestran los

diversos cuellos de botella del proceso que deben ser atendidos. La decisión de comprar otra

máquina de corte es una idea que el gerente decidió probar, pues consideraba que las

operaciones de corte representaban cuellos de botella.

4. Resultados

El presente modelo se aplicó para la fabricación del producto más complejo de la

empresa. Este caso en particular, fue la última orden recibida del cliente de este producto. El

modelo se ejecutó hasta que el último producto terminó de producirse, y se tomaron las

medidas de tiempo necesarias para terminar la orden.

Escenario 1. El modelo se corrió 100 veces. El tiempo promedio de este escenario fue

1790.3353 ± 18,5136 horas.

Escenario 2. El modelo se corrió 100 veces. El tiempo promedio para este escenario


Recebido 27/06/2014; Aceito 19/05/2015 248

fue 1112,94 ± 13,6368 horas, coincidiendo satisfactoriamente con el registro que la empresa

tiene.

Escenario 3. El modelo se corrió 100 veces. El tiempo promedio de este escenario fue

1087.7956 ± 14,1301 horas. Una prueba de hipótesis para la diferencia entre dos medias de

población, indica que hay una ligera mejora del tiempo entre el escenario 2 y 3.

Basado en estos resultados el gerente de operaciones decidió no comprar la nueva

máquina de corte por plasma, en cambio, decidió mejorar los procesos actuales con el fin de

aumentar la eficiencia del sistema.

5. Conclusiones y recomendaciones

Conclusiones:

• el uso de simulación como una poderosa herramienta en los procesos industriales

complejos logra mejorías significativas en los procesos de toma de decisiones,

sobre todo aquellas de alto impacto económico para la empresa;

• el uso de simulación, además de hacer posible una importante mejora para la

eficiencia y la eficacia de un sistema, permite obtener información valiosa del

mismo. Por lo tanto permite obtener información sobre las operaciones, los

tiempos, los procesos de cuello de botella, entre otros.

Recomendaciones:

• que se actualice el modelo de simulación cada vez que el proceso sufra un

cambio, por ejemplo, que las operaciones sean modificadas, o se añada o retire

un equipo o proceso;

• que se analicen otras funciones no agregadas en el presente modelo, por

ejemplo, el costo de los productos.

Referencias

ALEXANDER, C. W. Discrete event simulation for batch processing, en R. M. (eds.) L. F. Perrone; F. P. Wieland; J. Liu; B. G. Lawson; D. M. Nicol; Fujimoto, Winter Simulation Conference Augusta, Georgia, Institución publicadora, ISBN 1-4244- 0501-7, 2007.

BEN-ARIEH, D.; GRABILL, K. Modelling and simulation of a virtual manufacturing enterprise. International

Journal of Computer Integrated Manufacturing , v. 21, n. 5, p.495-509, 2008.

BRUZZONE, A.; LONGO, F. An advanced modeling & simulation tool for investigating the behavior of a manufacturing system in the hazelnuts industry sector. International Journal of Food Engineering, v. 9, n. 3,

p.241-257, 2013.


Recebido 27/06/2014; Aceito 19/05/2015 249

DOBRZYŃSKI, M.; WASZCZUR P., Simulation Analysis of a Production Process with Selected Six Sigma Ratios. LogForum, v. 8, n. 1, p.47-54, 2012.

FISHMAN, G. S. Conceptos y métodos en la simulación digital de eventos discretos. México: Limusa, 1978.

GARCÍA, E.; GARCÍA, H.; CÁRDENAS, L. E. Simulación y Análisis de Sistemas con ProModel, Naucalpan (México): Prentice Hall, 2006.

GARCÍA, F.; SIERRA, J.; GUZMÁN, M. V. Simulación de Sistemas para Administración e Ingeniería. México D. F.: Continental, 2005.

HIBINO, H.; INUKAI, T.; FUKUDA, Y. Efficient manufacturing system implementation based on combination between real and virtual factory. International Journal of Production Research, v. 44, n. 18-19, 9.3897-3915,

2006.

LAW, A. M.; KELTON, W. D. Simulation Modeling and Analysis. 3. Ed. Mc Graw Hill, 2000.

MONLEÓN, T. Optimización de los ensayos clínicos de fármacos mediante simulación de eventos discretos, su modelación, validación, verificación y la mejora de la calidad de sus datos, [tesis doctoral], Barcelona, Universitat de Barcelona, Departament d'Estadística, 2005.

RODRÍGUEZ, J. M.; SERRANO, D.; MONLEÓN, T.; CARO J. Los modelos de simulación de eventos discretos en la evaluación económica de tecnologías y productos sanitarios. Gac Sanit [en línea], v. 22, n. 2, p. 151-161. ISSN 0213- 9111, 2008. Disponible en: <http://scielo.isciii.es/pdf/gs/v22n2/revision.pdf>. Acceso en:

10 jul. 2012.

TRUJILLO, T. L.; MARTÍNEZ, A.; MORAS, C.; FLORES, L.; SÁNCHEZ, J. Aplicación de simulación para incrementar la productividad de la empresa "La Molienda de Santa Maty". Revista de la Ingeniería Industrial [en línea], v. 5, n. 1, p. 115- 131. ISSN 1940-2163, 2011. Disponible en: <http://academiajournals.com/downloads/LozadaInd2011.pdf>. Acceso en: 26 ago. 2012

WEIGERT, G.; HOTN, S.; WERNER, S., Optimization of manufacturing processes by distributed simulation.

International Journal of Production Research, v. 44, n. 18-19, p.3677-3692, 2006.

apoyo a la toma de decisiones para el área productiva de ... · pdf fileproblemas y...

Documents