Diseño de estación de trabajo

independiente del proceso para

automatización lean
Los enlaces del autor abren el panel de
superposiciónK. Shigematsu aY. Yamazaki (3) bS. Kato bF. Kojima bS. Takata (1) a
Mostrar más

https://doi.org/10.1016/j.cirp.2018.04.081Obtener derechos y contenido

Resumen
Debido al aumento de los costos de mano de obra , las empresas
manufactureras han dado importancia a la implementación de sistemas de
automatización de bajo costo , especialmente en los países en desarrollo . En
respuesta a dichos requisitos, hemos propuesto un sistema de automatización lean,
en el que se reduce el tiempo de espera del equipo de manejo de materiales . Esto
se logra agrupando las operaciones y asignando equipos a cada grupo de
operaciones . Con este método de diseño, las estaciones de trabajo no están
necesariamente dispuestas en el orden de la secuencia de proceso. En este estudio,
proponemos un método para optimizar el diseño de la estación de trabajo para
reducir la distancia de transferencia de equipos y disminuir el costo de los equipos
para cada producto. Para verificar la efectividad del sistema de automatización
lean propuesto, el método desarrollado aquí se aplica a una línea de ensamblaje de
unidades de control de motores eléctricos.
 Artículo anterior en cuestión
 Siguiente artículo en cuestión
Palabras clave
Automatización de montaje
Método de diseño
Diseño de línea
1 . Introducción
Debido al crecimiento del mercado global, es cada vez más importante para las
empresas manufactureras producir productos rentables y de alta calidad
independientes de los sitios de producción . Con el fin de satisfacer este requisito,
las compañías de manufactura globales buscan implementar sistemas de
fabricación automatizados, no solo en los países desarrollados , sino también
en los países en desarrollo . Sin embargo, la introducción de sistemas
automatizados implica el riesgo de aumentar potencialmente el costo por unidad
de producto debido a la gran inversión inicial en condiciones de
mercado imprevisibles.. En nuestro estudio anterior, propusimos el concepto de
automatización lean para abordar este problema con un enfoque en la reducción
del tiempo de espera para el equipo de automatización, y se desarrolló un método
de diseño para minimizar el costo total del equipo para las operaciones de manejo
de materiales [1],[2]. Convencionalmente, los sistemas de manejo de materiales
están diseñados independientemente para cada estación de trabajo, que, en
conjunto, componen la línea de producción. Sin embargo, en el método propuesto,
todas las operaciones de manejo de materiales para las estaciones de trabajo se
consideran integradas y se agregan en un cierto número de grupos. Luego, se
asigna el equipo adecuado para ejecutar las operaciones que se incluyen en cada
grupo. Con este método, se puede aumentar la tasa operativa de cada equipo y se
puede reducir el número total de equipos sofisticados y costosos. Esto resulta en
un costo reducido del sistema de manejo de materiales.
En este método, el equipo de manejo de materiales se mueve entre las estaciones
de trabajo y ejecuta las operaciones requeridas, que pertenecen a diferentes
estaciones de trabajo. Por lo tanto, las estaciones de trabajo no están
necesariamente dispuestas en la misma secuencia que el proceso de
producción. Por ejemplo, las estaciones de trabajo podrían organizarse de tal
manera que se minimice el movimiento total del equipo de manejo de materiales,
reduciendo así el tiempo de ciclo (CT) y el costo de transferir el equipo. Por lo
tanto, proponemos un método aquí para optimizar el diseño de la estación
de trabajo de una línea de producción automatizada basada en el concepto de
automatización lean.
Hay muchos trabajos existentes en el área de diseño de sistemas de fabricación
flexible relacionados con el diseño de línea automatizado [3] , [4] , [5] . Sin
embargo, pocos de estos trabajos discuten el diseño de la estación de trabajo en
relación con el concepto de automatización lean, en el que cada equipo ejecuta
múltiples operaciones, independientemente de la secuencia del proceso .
El resto de este documento está organizado de la siguiente manera. La
sección 2explica el concepto de automatización esbelta. La Sección 3 describe el
método utilizado para optimizar el diseño de la estación de trabajo de la línea de
producción según el concepto de automatización lean. La Sección 4 describe un
caso en el que el método propuesto se aplica a una línea de ensamblaje de una
unidad de control de motor electrónico (ECU) para verificar su efectividad. La
sección 5 concluye el documento.

2 . Diseño de sistemas de manejo de materiales para

automatización lean.
2.1 . Concepto de automatización lean.

En la producción ajustada, las operaciones se dividen en dos categorías:

operaciones de valor agregado, que son las operaciones principales, y operaciones
auxiliares, que son operaciones sin valor agregado principalmente para el manejo
de materiales. El análisis de varias líneas de producción automatizadas para un
fabricante de partes de automóviles reveló que el costo del equipo de las
operaciones de manejo de materiales sin valor agregado representa
aproximadamente el 40% del costo total del equipo.
Convencionalmente, el equipo para las operaciones de manejo de materiales está
diseñado independientemente para cada estación de trabajo, como se muestra en
la Fig. 1 (a). En consecuencia, la tasa de operación del equipo es bastante baja, con
un promedio de aproximadamente el 25%, porque se usan solo una o dos veces en
cada ciclo de producción. Desde la perspectiva de la producción ajustada, esto se
considera un gran desperdicio en la producción. Para reducir dichos residuos, se
agrupan operaciones de manejo de materiales similares, independientemente de
sus estaciones de trabajo. Luego, se asigna el equipo adecuado a cada grupo de
operación , como se muestra en la Fig. 1 (b). Usando este método, podemos
 mejorar la tasa de operación del equipo de manejo de materiales.y reducir la
cantidad de equipos y costos asociados. Estos sistemas se conocen como " sistemas
de automatización lean ".

1. Descargar imagen de alta resolución (435KB)

2. Descargar imagen a tamaño completo
Fig. 1 . Concepto de automatización lean.

2.2 . Método de diseño de los sistemas de manejo de materiales para

automatización lean.

Para realizar el concepto de automatización lean, nuestro trabajo anterior

desarrolló un método de diseño para el sistema de manejo de materiales [2] . En el
método, optimizamos el número de grupos de operaciones, el tamaño de cada
grupo y el equipo asignado a cada grupo mediante el uso de un algoritmo
genético (AG). Las operaciones se caracterizan por sus atributos, que representan
las características de los objetos a manejar y sus movimientos. El equipo también
se caracteriza por los atributos de las operaciones que cada equipo puede
ejecutar. A continuación, se determina de manera única el equipo más económico
que es capaz de ejecutar todas las operaciones que pertenecen a cada grupo. Por lo
tanto, al optimizar los grupos de operaciones que utilizan GA, se puede minimizar
el costo del sistema de manejo de materiales.
Nuestro estudio anterior consideró la TC como la restricción. La suma del tiempo
de operación para cada pieza del equipo se revisó para determinar si excedía el CT
requerido. En este estudio, sin embargo, el énfasis se coloca en el CT porque los
cambios en el diseño de la estación de trabajo pueden llevar a un CT más
corto. Teniendo esto en cuenta, utilizamos el costo por producto (CP) como el
valor de aptitud en la AG, que se calcula a partir del costo total del equipo y la TC,
como se indica en la ecuación. (1) .
(1)CP=COT/CT

donde C denota el costo total del equipo de manejo de materiales de cada

diseño; OT es el total de horas de operación; y CT es el tiempo de ciclo.
Adoptamos el método de peso posicional clasificado propuesto por Helgeson y
Birnie para determinar la secuencia de operación de cada equipo para evaluar
la TC [6] .

3 . Método de diseño de estación de trabajo

independiente del proceso
3.1 . Concepto del diseño de la estación de trabajo independiente del proceso
para la automatización lean

En nuestro estudio anterior, el diseño de la estación de trabajo se dio como una

premisa. Consideramos dos tipos de diseños de estaciones de trabajo: la línea recta
y la línea en forma de U. En ambos casos, las estaciones de trabajo están dispuestas
en el orden de las operaciones principales, como se muestra en la Fig. 2 (a). Este
diseño es razonable en una línea de producción manual porque reduce el riesgo de
que los operadores confundan la secuencia de operación. Sin embargo, en el caso
del sistema de automatización lean , cada equipo automatizado ejecuta múltiples
operaciones, independientemente de la estación de trabajo a la que pertenezcan. En
este caso, las estaciones de trabajo no están necesariamente dispuestas en el orden
de las operaciones principales, como se muestra en la Fig. 2(segundo); en cambio,
el diseño de la estación de trabajo debe optimizarse teniendo en cuenta los diversos
factores que reducen el costo total del equipo y la CT. Se consideran los siguientes
factores:
•
Distancias móviles del equipo de manejo de materiales para ejecutar las
operaciones asignadas.
 •
A poca distancia de los operadores fuera de línea que suministran piezas a
la línea.
•
Similitud de las operaciones principales, a las que se puede asignar el
mismo equipo.
•
Disposición de los equipos auxiliares , como los compresores de aire .

1. Descargar imagen de alta resolución (151KB)

2. Descargar imagen a tamaño completo
Fig. 2 . Disposición reorganizada.

En este estudio, nos centramos en el movimiento del equipo de manejo de

materiales para optimizar el diseño de la estación de trabajo bajo la condición de
minimizar la distancia a pie para los operadores fuera de línea.

3.2 . Esquema del método de diseño.

Para realizar el concepto explicado en la sección anterior, desarrollamos un método

para optimizar el diseño de la estación de trabajo en términos del CP. Para este
método, se adopta una estrategia que enumera los posibles diseños, y el CP para
cada opción de diseño se calcula diseñando el sistema de manejo de materiales
óptimo utilizando el método descrito en la Sección 2.2 . Luego, desde las opciones
de diseño, se selecciona el diseño óptimo que proporciona el CP mínimo. Sin
embargo, hay una gran cantidad de diseños posibles. Por lo tanto, se requiere
tiempo para diseñar el sistema óptimo de manejo de materiales, ya que se utiliza el
GA para cada opción de diseño y es difícil ejecutar los cálculos para todas las
opciones de diseño. Para resolver este problema, introducimos un índice
alternativo (AI), que se correlacionacon el CP y se puede calcular para todas las
opciones de diseño posibles dentro de una cantidad práctica de tiempo de cálculo .
Entre los términos que componen el CP, el CT es el más sensible de estos términos
con respecto al diseño de la estación de trabajo. En general, un medio eficaz
parareducir el CT es reducir el tiempo de ejecución de la operación, que tiene un
tiempo total de ejecución más prolongado de las operaciones subsiguientes, con el
fin de aumentar el inicio de las operaciones subsiguientes. Dado que, en este caso,
los cambios de CT dependen del tiempo de movimiento del equipo, que está
determinado por el diseño, definimos el AI como se muestra en la ecuación. (2) .
(2)AIi=Σjwj(tj+mtj)

donde w j denota el peso posicional clasificado definido por Helgeson y Birnie, que
es el tiempo total de ejecución de las operaciones subsiguientes. t j es el tiempo de
ejecución real de la operación, excepto el tiempo de movimiento del equipo. mt j es
el tiempo de movimiento del equipo calculado a partir del número de estaciones
de trabajo a través de las cuales pasa el equipo durante una operación,
e i y j indican los índices de diseño y operación, respectivamente. Aquí, los grupos
de operación y equipo asignado, que son necesarios para el cálculo de w j y m t j,
están determinados por el método de optimización explicado en la Sección 2.2 bajo
la condición de que las estaciones de trabajo estén dispuestas en el orden de las
operaciones principales.
Al utilizar el AI, podemos reducir la cantidad de opciones de diseño que requieren
cálculos para identificar el diseño óptimo dentro de un plazo razonable. El
procedimiento propuesto para seleccionar el diseño óptimo es el siguiente:
1.
Enumere las restricciones del diseño de la estación de trabajo, como las
posiciones de las estaciones de trabajo de suministro de piezas y las
estaciones de trabajo de salida para los productos terminados .
2.
Enumere todos los diseños de estaciones de trabajo posibles que satisfagan
las restricciones dadas.
3.
Calcule los valores de AI para todos los diseños posibles y ordénelos en
orden ascendente.
4.
Encuentre las condiciones de terminación basadas en los análisis
estadísticos de las relaciones entre la IA y la PC .
 5.
Evalúe el CP de los diseños utilizando el GA en orden ascendente de
los valores de AI hasta que se alcance la condición de terminación.
6.
Seleccione el diseño óptimo que tenga el CP mínimo de los diseños
evaluados en el Paso 5.

3.3 . Enumeración de los posibles diseños de estaciones de trabajo y cálculos

AI.

En este estudio, asumimos el diseño en forma de U porque ha demostrado ser

efectivo para los sistemas de automatización [7] . Primero, se identifican todas las
restricciones necesarias. Estas incluyen las posiciones específicas de las estaciones
de trabajo de suministro de piezas que son alimentadas por los operadores fuera de
línea y las posiciones específicas de las estaciones de trabajo que requieren equipos
auxiliares, como los compresores. Bajo las restricciones especificadas, se
enumeran todos los diseños de estaciones de trabajo posibles. Luego, sus IAs son
evaluadas y ordenadas en orden ascendente.

3.4 . Buscar el diseño óptimo utilizando el intervalo de predicción obtenido del

análisis de regresión entre el AI y el CP

Primero, para estimar la relación entre el AI y el PC, se muestrea aleatoriamente

un número estadísticamente suficiente de diseños a partir de los diseños
posibles [8] . Luego, sus valores de CP se evalúan utilizando el GA, como se
explica en la Sección 2.2 . El análisis de regresión entre el AI y el CP se ejecuta, y
la línea de regresión obtenida se indica en la Fig. 3 . El intervalo de predicción se
obtiene a partir de la varianza de los residuos. El intervalo de predicción indica un
rango de valores que contienen el CP mínimo con una probabilidad específica [9] .
1. Descargar imagen de alta resolución (117KB)
2. Descargar imagen a tamaño completo
Fig. 3 . Buscando el diseño óptimo utilizando el intervalo de predicción.

El diseño óptimo, que proporciona el CP mínimo con una probabilidad específica,

se puede identificar mediante el siguiente procedimiento, basado en la teoría
estadística.
1.
Al utilizar la AG, evalúe el CP 1 con respecto al AI 1 más pequeño , que se
indica como P 1 en la Fig. 3 .
2.
Identifique la intersección de la línea inferior del intervalo de predicción y
la línea horizontal dibujada desde el punto P 1 , que se denota por I 1 en
la Fig. 3 .
3.
Encuentre el valor de AI de este punto de intersección, I 1 , que se denota
como AI L 1 . Esto indica el límite de AI para el cual se debe evaluar el CP .
4.
Continúe con la evaluación del CP con respecto al AI en orden ascendente
hasta que el AI alcance el valor límite identificado en el Paso 3. Si
el CP recientemente evaluado cae por debajo del CP mínimo en las
evaluaciones anteriores, vuelva al Paso 2 para revisar el límite del AI .
5.
El diseño, que proporciona el CP más bajo entre los calculados hasta que
la AIalcanza el valor límite, se identifica como el diseño óptimo. En el caso
de la Fig. 3, los cálculos de CP se terminan cuando se
obtiene AI L 3 del CP 3 porque la condición de terminación AI L 3 es más
pequeña que AI 4 .
 4 . Caso de estudio
4.1 . Aplicación a la línea de montaje de la ECU del motor.

Para verificar la efectividad del método de diseño propuesto, el método se aplica a

la línea de ensamblaje de una ECU del motor que se muestra en la Fig. 4 . Esta
línea contiene diez estaciones de trabajo, incluidas tres estaciones de trabajo de
suministro parcial y una estación de trabajo de salida para los productos
terminados. Hay 35 operaciones de manejo de materiales. Se adopta la
configuración de la línea en forma de U El diseño de la línea se muestra en la Fig.
5 (a), que muestra que las estaciones de trabajo están organizadas en el orden de
la secuencia de proceso. Al determinar el diseño óptimo de la estación de trabajo
con el CP mínimo, asumimos que las estaciones de trabajo de suministro de tres
partes están ubicadas en la posición superior izquierda, que está más cerca del
espacio de almacenamiento de piezas en el piso de la fábrica. También asumimos
que la estación de trabajo de salida está ubicada en la posición inferior izquierda
más cercana a las estaciones de trabajo de suministro de piezas.

1. Descargar imagen de alta resolución (152KB)

2. Descargar imagen a tamaño completo
Fig. 4 . Flujo de proceso del sistema de producción de la ECU del motor.

1. Descargar imagen de alta resolución (214KB)

2. Descargar imagen a tamaño completo
Fig. 5 . Diferencias en el diseño antes y después de la optimización.

La AG, que se utiliza para determinar la agrupación óptima de las operaciones y la

asignación de equipos, contiene los parámetros enumerados en la Tabla 1 . En el
cromosoma, el locus del gen corresponde al número de operación, y cada gen
representa el número de la pieza del equipo seleccionado de la biblioteca de
equipos, que puede ejecutar las operaciones correspondientes.
Por favor, coloque esta tabla en la parte inferior de la página . Tabla 1 . Parámetros de la AG.

Número de individuos en cada generación. 40

Numero de generaciones 2000
Tipo de cruce Dos puntos
Punto de cruce Aleatorio
Tasa de mutación 0.05
Función fitness Costo por producto
Estrategia de selección Selección de élite y selección de la ruleta.

4.2 . Resultados de diseño

Bajo las restricciones descritas en la sección anterior, se enumeran 4320 patrones

de diseño. Extraemos aleatoriamente 100 muestras de estos patrones de diseño y
calculamos su AI y CP, ya que 100 muestras son suficientes para estimar la
relación entre el AI y el CP a partir de los 4320 diseños [8] . Los datos
muestreados se representan mediante los puntos negros que se muestran en la Fig.
6 . La línea de regresión se denota con la línea roja en la Fig. 6 , que se obtiene
mediante un análisis de regresión utilizando el método de mínimos cuadrados . La
línea de regresión muestra que la IA y la PC tienen una correlación positiva con
un coeficiente de correlación de 0.716. Además, las líneas discontinuas azules en
la Fig. 6 indican el intervalo de predicción con un 0.99nivel de confianza . Estas
líneas proporcionan el límite de AI para el cual se debe evaluar el CP.
1. Descargar imagen de alta resolución (139KB)
2. Descargar imagen a tamaño completo
Fig. 6 . Relación entre la IA y el PC del estudio de caso.

Evaluamos el PC de acuerdo con el procedimiento explicado en la Sección 3.4 . El

número de valores de CP evaluados fue 50, que se representan con los triángulos
rojos en la Fig. 6 . Este número fue determinado por el límite de AI derivado del
CP mínimo, indicado por el círculo rojo en la Fig. 6 .
El diseño correspondiente al CP mínimo se muestra en la Fig. 5 (b). Las estaciones
de trabajo de suministro y salida de piezas se indican mediante los rectángulos
verde y naranja. Las líneas en forma de flecha representan los movimientos de la
pieza. Hay nueve piezas de equipo de manejo de materiales .

4.3 . Discusión

La Tabla 2 presenta los resultados de la optimización del diseño en comparación

con los del diseño de secuencia de proceso que se muestra en la Fig. 5 (a). En
ambos casos, los grupos de operación y el equipo asignado están determinados por
los mismos medios. El costo está representado en términos del índice. La TC se
reduce especialmente en el diseño optimizado en comparación con el diseño de
secuencia de proceso. La Fig. 7 muestra los diagramas de Gantt de los sistemas de
manejo de materiales con el diseño de la estación de trabajo en el orden de
secuencia del proceso y el diseño de la estación de trabajo independiente del
proceso. El tiempo de transferencia del equipo, que restringe las ejecuciones de las
operaciones subsiguientes y afecta a CT, es de 6.92 s en este último caso, mientras
que es de 9.23. s en el primer caso. Esta es una de las razones por las que se mejora
la TC. Aunque en el caso de la disposición de las estaciones de trabajo
independientes del proceso se utilizan ocho piezas de equipo de transferencia
 simple, como transportadores, además de un robot, el costo total del equipo se
reduce porque estas piezas de equipo de transferencia simple tienen menos impacto
en el costo total del equipo.
Tabla 2 . Resultados de la solución óptima para cada método.

(a) Disposición de estaciones de trabajo (b) Diseño de estación de trabajo independiente del
convencionales proceso
CT (s) 40.6 36.4
Costo 1258.0 1174.5
CP 14.2 11.5

1. Descargar imagen de alta resolución (197KB)

2. Descargar imagen a tamaño completo
Fig. 7 . Diagrama de Gantt de la operación de manejo de materiales.

Con respecto al tiempo de cálculo para obtener el diseño óptimo , el CP se evaluó

150 veces utilizando el GA, en lugar de las 4320 veces que se necesitarían para
evaluar todos los diseños posibles. Por lo tanto, la determinación del diseño óptimo
requirió aproximadamente 1/30 del tiempo que habría sido necesario si se hubieran
evaluado todos los diseños posibles. El tiempo de cálculo real fue de
aproximadamente 24 h usando una PC con dos procesadores Intel Xeon E5-2630
v4 y 32 GB de memoria. Dado que el número de muestras no depende del número
de diseños candidatos, el método propuesto se puede aplicar a las líneas de
producción que contienen mayores cantidades de estaciones de trabajo.
En este estudio de caso, los posibles diseños de estaciones de trabajo se basaron en
posiciones establecidas para las estaciones de trabajo de suministro de piezas y la
estación de trabajo de salida. Esto ayuda a reducir efectivamente el tiempo de viaje
de los operadores fuera de línea para las tareas de transferencia de partes. El
impacto positivo del diseño optimizado se vuelve más significativo si este efecto
también se incluye en la determinación de la reducción general de costos.
5 . Conclusión
En este estudio, proponemos un método de optimización del diseño en términos de
minimizar el CP para un sistema de automatización lean , que se basa en la
determinación de la disposición de las estaciones de trabajo, independientemente
de la secuencia del proceso . Dado que esta optimización contiene una gran
cantidad de diseños posibles, diseñamos un método para reducir el número de
cálculos necesarios para la optimización del diseño mediante la introducción de la
AI.
El método se aplica a la línea de montaje de una ECU del motor. Los resultados
indican que el diseño optimizado obtenido por el método propuesto tiene un mejor
CT y el costo total del equipo en comparación con el diseño de secuencia del
proceso.

Referencias
[1]
Y. Yamazaki , S. Takata , H. Onari , F. Kojima , S. KatoLean Sistema de
automatización que responde al mercado cambiante
Procedia CIRP , 57 ( 2016 ) , pp. 201 - 206
ArtículoDescargar PDFVer registro en ScopusGoogle Scholar
[2]
Y. Yamazaki , K. Shigematsu , S. Kato , F. Kojima , H. Onari , S. TakataMétodo de
diseño de sistemas de manejo de materiales para automatización esbelta:
equipo de integración para reducir el tiempo de espera perdido
CIRP Annals-Manufacturing Technology , 66 ( 2017 ) , pp. 449 - 542
Ver registro en ScopusGoogle Scholar
[3]
M. Rajasekharan , BA Peters , T. YangUn algoritmo genético para el diseño de
instalaciones en sistemas de fabricación flexible
International Journal of Production Research , 36 ( 1 ) ( 1998 ) , pp. 95 - 110
Ver registro deCrossRefen ScopusGoogle Scholar
[4]
F. Mirko , B. Simon , K. Simon , B. Joze , B. Miran , P. IvoDiseño inteligente de
un diseño sin restricciones para un sistema de fabricación flexible
Neurocomputing , 73 ( 2010 ) , pp. 639 - 647
Google Académico
[5]
YL Zhen , SG Ponnambalam , K. IzuiAlgoritmos híbridosmultiobjetivopara la
optimización del diseño en sistemas de fabricación celular con múltiples robots
Sistemas basados en el conocimiento , 120 ( 2017 ) , pp. 87 - 98
Google Académico
 [6]
WB Helgeson , DP BirnieAssembly Line Balancing utilizando la técnica de peso
posicional clasificado
Journal of Industrial Engineering , 12 ( 6 ) ( 1961 ) , pp. 334 - 338
Google Académico
[7]
RA Gerald , RO John , JS MarcDiseño de líneas de ensamblaje en forma de U y
su impacto en la productividad laboral: un estudio experimental
European Journal of Operational Research , 156 ( 2004 ) , pp. 698 - 711
Google Académico
[8]
C. JacobA Power Primer
Psychological Bulletin , 112 ( 1 ) ( 1992 ) , pp. 155 - 159
Google Académico