435 Labre de Puas Bafios

INSTITUTO POLITCNICO NACIONAL
UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERA

Y CIENCIAS SOCIALES Y ADMINISTRATIVAS
SECCIN DE ESTUDIOS DE POSGRADO E INVESTIGACIN
PROPUESTA DE MEJORA PARA LA LNEA DE ALAMBRE DE PAS
EN LA EMPRESA DEACERO S.A. DE C.V. PLANTA MXICO
T ESIS
QUE PARA OBTENER EL GRADO DE MAESTRO EN CIENCIAS
CON ESPECIALIDAD EN INGENIERA INDUSTRIAL
P RESENTA
MARA DEL ROSARIO PREZ SALAZAR
D IRECTOR DE T ESIS
M. EN C. ISIDRO MARCO A. CRISTBAL VZQUEZ
MXICO, D.F.
ENERO 2010
2011
DEDICATORIA
Dedico este trabajo en primer lugar a mi madre Catalina, quien ha sido el apoyo
ms grande que he tenido durante toda mi vida, no hay palabras para describir a una
persona tan maravillosa.
A mi abuelo Epifanio, quien aunque ya no est con nosotros, s que me ve desde el
cielo y se siente orgulloso de m.
A mi padre Eduardo, quien me ha dado la oportunidad de estudiar y superarme
dndome los medios y el cario para hacerlo.
A mis hermanas Catalina, Mara Jos, y Andrea, quienes han sido parte importante
de mi desarrollo intelectual y personal, a ellas les agradezco el haberme otorgado las
enseanzas y consejos que solo una hermana puede dar.
A mis tas y al resto de mi familia, por estar ah cuando ms los necesit.
A mis sobrinos Miguel, Giovanna, Oliver, Yoli y Mariana, por ser la luz de mi vida.
A Ral por estos siete aos llenos de amor, msica y apoyo incondicional.
A Hiplito, Leonor y Sal, por ser m segunda familia.
A mis amigos y a los nuevos amigos que he hecho en estos dos aos, por su apoyo,
cario y consejos.
AGRADECIMIENTOS
Agradezco a los profesores del programa de Maestra en Ciencias con especialidad

en Ingeniera Industrial de la SEPI-UPIICSA, quienes con dedicacin y experiencia han
contribuido en mi formacin profesional.
Le agradezco a mi Director de Tesis, M. en C. Isidro Marco A. Cristbal Vzquez, por

haber aceptado guiarme en el desarrollo de este trabajo, por sus enseanzas y apoyo
incondicional durante mis estudios de posgrado.
Agradezco tambin a los miembros del Comit Tutorial, Dr. Eduardo Gutirrez
Gonzlez, Dr. Igor Antonio Rivera Gonzlez, M. en C. Juan Carlos Gutirrez Matus, M. en C.
Mario Aguilar Fernndez, por su tiempo y recomendaciones para mejorar este trabajo.
Por ltimo agradezco a todos aquellos que contribuyeron en el logro de este

proyecto, producto de mi esfuerzo acadmico y la culminacin de mi formacin como
Maestro en Ciencias.
RESUMEN
La presente investigacin se lleva a cabo en una empresa dedicada a la fabricacin,
distribucin y venta de productos de alambres y derivados, especficamente en la lnea de
produccin de rollos de alambre de pas. La motivacin de este trabajo de Tesis se deriva de la
necesidad que la empresa Deacero Planta Mxico tiene acerca de evaluar e implantar
implementar alternativas que permitan mejorar las mtricas de productividad de la lnea: el
tiempo requerido para producir un rollo, y la cantidad de rollos producidos por unidad de tiempo.
Por lo que el objetivo de esta investigacin est enfocado en el diseo de una propuesta de
mejora.
En general, la propuesta de mejora plantea la utilizacin de un sistema de manejo de
producto terminado formado por doce robots manipuladores (uno por cada mquina de la lnea)
que cargan el rollo en un transportador de banda que traslada el rollo al final de la lnea (zona de
embalaje), eliminando as las operaciones de paletizado que realiza el operador y la utilizacin del
montacargas.
Dado que no era posible realizar un experimento in situ en la planta, se construy un
modelo programado en el software ARENA, para evaluar la configuracin propuesta de la lnea. La
simulacin, en particular, la simulacin de eventos discretos es utilizada como herramienta de
anlisis para evaluar se si se mejoraran las mtricas de la lnea con los nuevos componentes del
sistema de manejo de producto terminado.
El modelo se valida con los objetivos esperados de la Gerencia de la planta respecto a
indicadores de desempeo definidos. Se realiza el anlisis estadstico de los datos de salida del
modelo de simulacin y se comparan la configuracin actual de la lnea con la configuracin
propuesta. Los resultados mostraron que la adicin del sistema de manejo de producto terminado
a la lnea de produccin, mejorara considerablemente los tiempos en que se produce un rollo y la
cantidad de rollos producidos por unidad de tiempo.
ABSTRACT
This research is carried out in a company engaged in the manufacture, distribution
and sale of wire products and derivatives, specifically in the production line of barbed wire
rolls. The motivation for this thesis work is caused by the need that the company has in
regard of evaluating and implementing alternatives to improve productivity metrics of the
line: the time required to produce a roll, and the number of rolls produced per unit of
time. So the objective of this research is focused on the design of an improvement
proposal.
In general, the improvement proposal describes the use of a finished product handling
system composed of twelve robots manipulators (one for each machine on the line) that load the
roll on a conveyor belt that moves the roll at the end of the line (packing area), thus eliminating
palletizing operations performed by the operator and the use of the forklift.
Since it was not possible to perform an experiment on the plant, a model programmed in
the ARENA software was built to evaluate the proposed configuration of the line. The simulation,
in particular, discrete event simulation is used as an analytical tool to evaluate whether
productivity metrics of the production line would improve with the new components of the
finished product handling system.
The model is validated with the expected objectives of the management of the plant for a
set of defined performance indicators. Statistical analysis was performed on the output of the
simulation model. The comparison was made between the current configuration of the production
line and the proposed configuration. Results showed that the addition of the finished product
handling system into the operation of the production line, significantly improve the time required
to produce a roll, and the number of rolls produced per unit of time.
CONTENIDO
INTRODUCCIN.. 1
CAPTULO 1.
1.1
1.2
1.3
1.4
1.5
1.6
1.7
CAPTULO 2.
2.1
2.2
2.3
2.4
CAPTULO 3.
3.1
SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO

Antecedentes................3
Misin y Visin.. 3
Red de Plantas Deacero..... 4
Estructura organizacional de Deacero Planta Mxico.. 7
Productos de Deacero Planta Mxico..... 9
1.5.1 Varilla.... 9
1.5.2 Alambre recocido..... 9
1.5.3 Alambre galvanizado... 10
1.5.4 Malla soldada... 10
1.5.5 Alambre de Pas.... 10
Lnea de produccin de alambre de pas..... 11
Descripcin de la problemtica.... 13
FUNDAMENTOS TERICOS DE LA CONSTRUCCIN DE UN MODELO DE
SIMULACIN
El proceso de modelado.. 21
Dinmica de Sistemas..... 24
La simulacin como herramienta de anlisis de sistemas complejo.. 25
2.3.1 Terminologa. 26
2.3.2 Simulacin de eventos discretos.. 27
2.3.2.1 Partes de un modelo de simulacin.. 28
2.3.2.2 Areas de aplicacin... 29
2.3.3 Metodologas para realizar un estudio de simulacin. 30
2.3.4 Software de simulacin.. 39
2.3.4.1 ARENA........ 40
2.3.4.2 PROMODEL.. 41
Simulacin en Mxico..... 42
DISEO DE LA PROPUESTA DE MEJORA
Conceptos del sistema de manejo de materiales. 44
3.1.1 El manejo de materiales... 44
i
3.2
CAPTULO 4.
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
3.1.2 Equipo utilizado para el manejo de materiales...... 45

Consideraciones de la lnea de produccin de alambre de pas
para el sistema de manejo de producto terminado... 47
3.2.1 Seleccin del equipo de manejo de producto terminado..... 47
3.2.2 Transportadores.. 48
3.2.3 Eleccin del tipo de transportador.... 49
3.2.4 Prototipo del brazo manipulador de rollos.. 52
DESARROLLO DE LA PROPUESTA DE MEJORA MEDIANTE LA CONTRUCCIN
Y VALIDACIN DE UN MODELO DE SIMULACIN
Formulacin del problema... 58
4.1.1 Objetivos del estudio... 58
4.1.2 Definicin de las medidas de desempeo... 59
Recopilacin de datos..... 59
4.2.1 Tiempos de procesamiento. 61
4.2.2 Estimacin de parmetros..... 62
Construccin de un programa de computadora... 69
4.3.1 Seccin de la creacin de la entidad de entrada.... 69
4.3.2 Seccin de procesamiento de la entidad 70
4.3.3 Transporte de la entidad a la salida del sistema. 70
Verificacin..... 72
Ejecucin de corridas piloto.... 72
Validacin del modelo.. 74
Disear experimentos..... 75
Anlisis de los datos de salida.... 78
CONCLUSIONES..... 84
REFERENCIAS...... 85
ANEXO
A Programa en el lenguaje de programacin del software R. 89
B Histogramas de los tiempos entre fallas..... 93
C Modelo de simulacin desarrollado en el software ARENA... 95
ii
INTRODUCCIN
En un contexto de negocio que evoluciona al ritmo que marca la globalizacin y el
aumento de las presiones competitivas, las empresas dedicadas a la fabricacin de productos se
estn viendo obligadas a disear o redisear sus procesos productivos con el fin de mejorar su
desempeo. Si la organizacin decide emprender un proyecto que involucre efectuar cambios
radicales a sus procesos, el anlisis y la planeacin de tales modificaciones son esenciales. El
proceso de modelado cientfico es una tcnica eficiente de anlisis en el desarrollo de este tipo de
proyectos inherentemente riesgosos.
El modelado es un proceso a travs del cual se construyen modelos que describen una
realidad con el fin de ganar cierta comprensin de esta. As, los modelos pueden representar las
interacciones e interdependencias que existen entre los elementos de un sistema, por lo que son
utilizados como medios para analizar los efectos que los cambios en los componentes tendran en
la mejora del rendimiento del sistema. De acuerdo con Pritsker (1997) la simulacin es la tcnica
de anlisis ms utilizada para los modelos matemticos y lgicos de sistemas de manufactura.
La presente investigacin se lleva a cabo en una empresa dedicada a la fabricacin,
distribucin y venta de productos de alambres y derivados, especficamente en la lnea de
produccin de rollos de alambre de pas.
En los ltimos aos, la produccin de alambre de pas no ha logrado satisfacer las
exigencias del mercado nacional y de exportacin. En los primeros nueve meses del ao 2009, se
logr un cumplimiento del programa de produccin de tan solo el 80%, lo que resulto en prdidas
causadas por el nmero de unidades no vendidas. De esta problemtica surge el objetivo de este
proyecto de tesis que trata del diseo de una propuesta de mejora para la lnea de produccin de
alambre de pas utilizando a la simulacin como herramienta de anlisis.
La propuesta involucra cambios en las operaciones del proceso de produccin, basados en
la adicin de un sistema de manejo de producto terminado. Para evaluar los efectos de tales
cambios, se construy un modelo de simulacin para evaluar la configuracin propuesta.
Utilizando el modelo de simulacin como instrumento de anlisis, en esta investigacin se plantea
que con la utilizacin de dispositivos de manejo de producto terminado dentro de la lnea de
produccin es posible mejorar las mtricas de productividad de la lnea: cantidad de rollos
producidos por hora y el tiempo requerido para producir un rollo de alambre de pas.
En el primer captulo, se describe en forma general las operaciones y funciones de la
empresa, con informacin como: antecedes; la distribucin de las plantas y bodegas en el pas y en
los Estados Unidos, su estructura organizacional, los productos que ofrece; adems en esta
primera parte se describe la situacin actual de la lnea de produccin alambre de pas. Finaliza
con la descripcin y planteamiento del problema, en la cual son identificadas algunas causas que
lo estn generando.
El segundo captulo, se centra en las bases tericas para la construccin de modelos de
simulacin; se presentan los conceptos involucrados en el proceso de modelado cientfico y la
utilizacin de la simulacin de eventos discretos como herramienta de anlisis de sistemas
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 1
complejos. En la ltima seccin de este captulo se presenta la revisin y la comparacin de cuatro

de las principales metodologas para realizar un estudio de simulacin; de este anlisis resulta en
la eleccin de la metodologa que se utiliza en el desarrollo del modelo de simulacin.
En el tercer captulo, se presentan el diseo de la propuesta de mejora, la cual se enfoca la
adicin de en un sistema de maneja de materiales para la lnea. Se analizan las consideraciones
necesarias de la lnea de produccin para proponer y describir los componentes, las dimensiones,
las funciones y los parmetros de operacin del sistema de manejo de materiales.
El capitulo cuatro, se centra en la construccin de un modelo de simulacin que
representa el funcionamiento de la lnea de produccin junto con el sistema de manejo de
producto terminado. El modelo se verifica y valida y se analizan sus resultados en funcin a los
objetivos propuestos al inicio del estudio de simulacin.
CAPTULO 1
SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO
1.1 Antecedentes
Deacero S.A. de C.V. Planta Mxico, es una empresa que inici sus actividades a principios de
1906, durante su larga existencia ha tenido diferentes denominaciones sociales: Fbrica Nacional
de Clavos, Fbrica de Clavos El Cndor, Productos de Alambres La Nacional, Aceros Tlalnepantla,
Aceros Nacionales y Deacero S.A. de C.V. Planta Mxico. Aceros Nacionales, ANSA era una
empresa del ramo acerero que inici operaciones en 1945 en su planta localizada en Tlalnepantla,
Estado de Mxico, ofreciendo al mercado productos derivados del alambrn.
En enero de 1956, se fusionan Aceros Tlalnepantla y Aceros Nacionales (ANSA), y con el
tiempo se expande y adquiere 12 bodegas en puntos estratgicos del pas para dar soporte a las
actividades de los sectores agropecuario, ferretero y de la construccin.
De esta manera obtiene un arraigado posicionamiento de mercado a nivel nacional con una gran
variedad de productos disponibles cerca y rpido. La planta fue adquirida por Deacero, el pasado
22 de febrero de 1999.
En la actualidad, Deacero Planta Mxico se dedica a la fabricacin, distribucin y venta de
productos de alambres y derivados, para cubrir las necesidades de cuatro grandes sectores:
agropecuario, industrial, ferretero y construccin. Aqu se fabrican entre otros productos: malla
mosquitero, alambre recocido, clavo para pistola, alambre galvanizado, alambre pulido, alambre
de bobina, alambre hortcola, alambre para invernadero, cerco elctrico, clavo, bobina para pacas,
alambre de pas, alambre suave para amarres, grapas, malla soldada, malla ciclnica, cadena
doble eslabn, cables para elevadores, para la industria elctrica y de comunicaciones y para la
industria petrolera, castillo doblado, malla hexagonal y semiflecha, as como la distribucin de la
varilla doblada y recta.
1.2 Misin y Visin

Misin
Elaborar y comercializar productos de alambres y derivados de calidad, a costos competitivos,
creando un medio ambiente de seguridad con oportunidades de crecimiento para todos,
beneficiando a sus inversionistas y a la comunidad
SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1
Visin
Ser lderes en el desarrollo, produccin y distribucin de alambres y derivados, asegurando el
bienestar de su personal y de la comunidad, preservando el medio ambiente; bajo una cultura de
mejora continua.
1.3 Red de Plantas Deacero

Deacero Planta Mxico forma parte de la infraestructura de plantas productoras de alambre
del Grupo Deacero, distribuidas a lo largo de la Repblica Mexicana:
Planta Acera Laminacin Saltillo

Planta Acera y Laminacin Celaya
Planta Alambres Saltillo
Planta Alambres Celaya
Planta Celaya Acera
Planta Celaya Industriales
Planta Alambres Finos Coahuila
Planta Alambres Morelia
Planta Alambres Guadalupe Nuevo Len
Planta Alambres Monterrey
Planta Alambres Mexicali
Planta Alambres Puebla
Planta Alambres Len Guanajuato
Figura 1.1 Mapa de las Plantas productoras de alambre y Centros de distribucin de Deacero
(www.deacero.com)
Deacero Planta Mxico vende y distribuye sus productos a travs de las siguientes bodegas
ubicadas en diferentes ciudades de la Repblica Mexicana, de sus instalaciones en Tlalnepantla
Estado de Mxico y de algunas ciudades en Estados Unidos:
Centro de Distribucin Tijuana

Centro de Distribucin Chihuahua
Centro de Distribucin Torren
Centro de Distribucin Irapuato
Centro de Distribucin Guadalajara
Centro de Distribucin Tultitln
Centro de Distribucin Monterrey
Centro de Distribucin Puebla
Centro de Distribucin San Luis Potos
Centro de Distribucin Culiacn
Centro de Distribucin Villahermosa
Centro de Distribucin Veracruz
Centro de Distribucin Indianpolis
Centro de Distribucin Laredo
Deacero es el productor ms grande de alambre de Mxico y uno de los ms grandes del

mundo. Es una compaa con ms de 50 aos de experiencia utilizando tecnologa de punta y
mtodos modernos de proceso. Por 25 aos, Deacero ha estado exportando sus productos a
Norteamrica, Centro y a Sudamrica, el Caribe, as como a varios pases en Europa. Grupo
Deacero ha desarrollado una estrategia de penetracin al mercado a travs de un crecimiento
interno, aumentando el nmero de bodegas y a travs de un crecimiento externo, con la compra y
fusin de empresas competidoras.
A lo largo de los aos, Grupo Deacero ha adquirido varias empresas nacionales e
internacionales, algunas de estas empresas son:
Rangemaster y Buildmaster son parte de Deacero porque son las marcas de los productos que
exportan al mercado Estadounidense y Canadiense. Los productos de Rangemaster estn dirigidos
al sector agropecuario y los de Buildmaster al de construccin. Con ms de 50 aos de experiencia,
con el cumplimiento de los estndares internacionales de calidad, con el servicio de las bodegas
localizadas en Laredo Texas, y Indianpolis Indiana.
Deacero Welded Reinforcing (dwr), es una planta localizada en Glendale Arizona que produce
un armado prefabricado electro soldado diseado, fabricado y cortado en separaciones, dimetros
y dimensiones a la medida de cada caso, optimizando la cantidad de acero requerida, sin que
exista desperdicio ya que las hojas estn moduladas de acuerdo a las dimensiones requeridas.

Wright es una empresa de origen Estadounidense conocida originalmente como G.F. Wright,
inicia operaciones desde 1921 y se dedica a la fabricacin de productos de alambre galvanizado.
Actualmente fabrica principalmente mallas para el hogar y el jardn, denominadas Home and
Lawn fences.
Acerocentro se estableci en 1971 y hoy en da es una institucin lder en el mercado de

suministro y aplicacin de alambre, enfocada a satisfacer las necesidades de sus clientes
principalmente en zonas del bajo. En el 2005, al ser adquirida por Deacero, brinda mejor servicio y
gran innovacin en cada uno de sus productos. La lnea de productos de Acerocentro est
conformada por mallas y alambres para el sector ferretero, agropecuario y de la construccin.
Stay Tuff es una empresa ubicada en Estados Unidos, dedicada a la produccin de mallas y
alambres especializados para el campo, su alta tecnolgica la ha llevado a ser una empresa lder en
el sur de EU y con la reciente integracin al grupo Deacero esta empresa estar presente en
nuevos mercados a nivel internacional.
Gaviones Lemac fue fundada en Junio de 1970 en la ciudad de Ramon Arizpe, Coahuila en
Mxico. Lemac proporciona un sistema de construccin (gaviones) para la proteccin de la
infraestructura de las vas de comunicacin, y para la preservacin del entorno ecolgico, tambin
para la proteccin de zonas de alto riesgo. En el 2007 Gaviones Lemac es adquirida por Grupo
Deacero. Con esta unin la empresa se compromete a llegar a ms mercados a nivel mundial.
IIDEA Solutions nace a finales del ao 2002 en Monterrey, Mxico. IIDEA es una empresa
dedicada al desarrollo de software, a la implementacin de sistemas empresariales y a la
consultora en procesos de negocio. Se conjunta software, servicios y soporte para construir una
solucin y crear beneficios tangibles en las diferentes operaciones de la empresa.
Automat es una empresa tecnolgica fundada en Barcelona en 1987 dedicada al diseo y

construccin de maquinaria para la fabricacin de alambre de acero. Sus instalaciones estn
formadas por una amplia y modernsima rea de Ingeniera, Investigacin y Desarrollo, Servicios
Comerciales, Administrativos y de Gestin de Produccin que redunda en calidad y en
competitividad de nuestras maquinarias.
Figura 1.2 Las empresas de Deacero (www.deacero.com)

Grupo Deacero ha desarrollado una estrategia de penetracin en el mercado propio a
travs de un crecimiento interno, aumentando el nmero de centros de distribucin en la
Repblica Mexicana, y a travs de un crecimiento externo, con la adquisicin de empresas
competidoras como Aceros Nacionales ANSA en el ao de 1999 y Acerocentro en el ao 2005.
Asimismo, el Grupo Deacero se ha fusionado con IIDEA Solutios, empresa dedicada al desarrollo de
software, la cual ha desarrollado e implementado en Deacero un Sistema de Informacin
fabricado a la medida. Asimismo, Deacero ha comprado la empresa espaola Automat, dedicada al
diseo y construccin de maquinaria para la fabricacin de alambre.
A travs de una estrategia de internacionalizacin, Deacero se ha introducido a un
mercado geogrfico con el mismo formato comercial, el estadounidense. Deacero ha llevado a
cabo esta estrategia exportando sus productos al mercado estadounidense y canadiense bajo las
marcas Rangemaster y Buildmaster. Los productos de Rangemaster estn dirigidos al sector
agropecuario y los de Buildmaster al de construccin. Tambin, el Grupo Deacero se ha fusionado
con las empresas de origen estadounidense Wright y Stay Tuff, la primera dedica a la fabricacin
de productos de alambre galvanizado y la segunda dedicada a la produccin de mallas y alambres
especializados para el campo.
1.4 Estructura organizacional de Deacero Planta Mxico

La planta cuenta con una estructura organizada en cinco gerencias (vase figura 1.3):
Operaciones, Mantenimiento, Administrativo y Recursos humanos, Logstica y Productividad, (a su
vez, cada gerencia cuenta con sus respectivas jefaturas para las funciones principales de cada
departamento); que reportan ante el Director General. Actualmente Deacero Planta Mxico tiene
293 trabajadores, de los cuales 260 son sindicalizados.
Figura 1.3 Organigrama de la empresa

Fuente: Manual de Calidad de la empresa
1.5 Productos de Deacero Planta Mxico

El Grupo Deacero es una exitosa y dinmica empresa 100% mexicana, que ha logrado
transformarse y crecer con firmeza para responder eficientemente a las exigencias del mercado
nacional, y a los altos niveles de competencia de la demanda internacional de ms de 20 pases de
Amrica y Europa. Los productos que ofrece la Planta de Alambres Mxico son: malla mosquitera,
alambre galvanizado, alambre de pas, malla soldada, alambre recocido, alambre pulido, clavos,
grapas, castillos de acero y varilla. El destino del 80% de la produccin es el mercado nacional y el
restante para la exportacin. Los cinco productos ms importantes de Deacero Planta Mxico
son1: varilla, alambre recocido, alambre galvanizado, malla soldada y alambre de pas.
Informacin proporcionada por la Gerencia de Operaciones

Figura 1.4 Productos de Deacero Planta Mxico (www.deacero.com)
1.5.1 Varilla
La varilla corrugada DEACERO DA-42 es producida en la moderna Planta Celaya,
Guanajuato y forma parte de la gran variedad de productos para la construccin DEACERO. La
varilla DA-42 cumple ampliamente con las especificaciones de la Norma Mexicana NMX-C-407
para varillas de Grado 42 que se consignan en las tablas referentes a Dimensiones Nacionales, as
como en las Propiedades Mecnicas de Tensin y de doblado.
Dimetro
(plg.)
3/8
1/2
5/8
3/4
1
1 1/4
Presentacin
Longitud
(m)
Varillas/
Atado
Atados/
paquete
Varillas/
paquete
Varillas de
12 m x Ton
Recta
Doblada
Recta
Doblada
Recta
Recta
Recta
Recta
9.15 y 12.0
12.0
9.15 y 12.0
12.0
9.15 y 12.0
9.15 y 12.0
9.15 y 12.0
9.15 y 12.0
25
25
15
15
10
7
4
-
10
10
10
10
10
10
10
-
250
250
150
150
100
70
40
25
149 a 154
149 a 154
84 a 86
84 a 86
53 a 55
37 a 38
21
13
Tabla 1.1 Especificaciones de presentacin de la varilla corrugada
1.5.2 Alambre recocido

El alambre recocido con cascarilla (recocido en horno de flama directa) y sin cascarilla
(recocido en horno de atmsfera controlada) tiene presentaciones de rollos de 200 - 300 kg, 600 1200 kg con dimetros uniformes e identificacin de calibre en cada rollo. Es utilizado para
amarres en armados de castillos, losas, trabes, postes, vigas y columnas.
1.5.3 Alambre galvanizado

El alambre galvanizado cumple las normas internacionales de calidad en los conceptos de:
dimetro uniforme a todo lo largo del rollo, espesor de la capa de zinc, adherencia de la capa de
zinc, brillantez y homogeneidad de la capa de zinc. Para el sector ferretero DEACERO ofrece
presentaciones de rollos de 25 y 100 kg, para el sector agrcola rollos de 60 80 kg y para el sector
industrial rollos de 200 - 300 kg y 600 - 1200 kg. Tanto el alambre recocido como el alambre
galvanizado cumplen la Norma ASTM-A-641.
1.5.4 Malla soldada

La malla soldada DEACERO est fabricada con varillas corrugadas laminadas en fro de
acero grado 50. Se puede aplicar como refuerzo en elementos de concreto planos o
bidimensionales como pisos, muros, losas de cimentacin y revestimientos.
Diseo
Ancho (m)
Largo (m)
Dimetro
alambre (mm)
55 - 44
66 - 44
66 - 66
66 - 88
66 - 1010
2.50
2.50
2.50
2.50
2.50
40
40
40
40
40
5.72
5.72
4.88
4.11
3.43
Tabla 1.2 Especificaciones por diseo de malla soldada
1.5.5 Alambre de Pas

El alambre de pas es fabricado con dos alambres galvanizados, trenzados calibre 12.5 o
cuatro o dos puntas en calibre 14.5 y cumple con la norma ASTM-A-121. Son producidos dos
diseos de pa: Nacional y Potrero, cuyas especificaciones aparecen en la tabla 1.3.
Diseo de pa
Separacin entre pas
Peso
Resistencia a la ruptura
Calibre alambres
Calibre pas
Rendimiento
Nacional
12.7 cm
34 kg
435 kg (mnimo)
12.5
14.5
10.8 m/kg
Potrero
10.7 cm
34, 30 kg
435 kg
12.5
14.5
10.8 m/kg
Tabla 1.3 Especificaciones de los rollos de alambre por diseo de pa
Figura 1.5 Separacin entre pas: a) diseo nacional; b) diseo potrero

Entre los usos del alambre de pas se encuentra la construccin de cercos perimetrales
agropecuarios para delimitar propiedad, eliminar las prdidas de ganado y proteger las reas de
cultivo
1.6 Lnea de produccin de alambre de pas

Dimensiones del rollo
La lnea de produccin de alambre de pas produce tres tipos de diseo de pa:
7200034X, 72100344 y 72100301. Las dimensiones y paletizado de los rollos de alambre de pas,
por diseo de pa aparecen en la Tabla 1.4. Las diversas aplicaciones del alambre de pas en el
sector agropecuario y de construccin colocan al rollo de dentro de los principales productos de
Deacero. El manejo y el paletizado del rollo de alambre de pas son estratgicamente
complicados, ya que estos procedimientos deben buscar el aseguramiento de la integridad del
producto. Asimismo, debido a la cantidad de alambre de pas por rollo (30 y 34 kg), la cantidad de
rollos necesarios para satisfacer una demanda considerable, de una tonelada por ejemplo,
requiere un mayor esfuerzo de manejo y transporte, a diferencia del alambre galvanizado y el
alambre recocido cuyas presentaciones son considerablemente ms grandes o en ocasiones son
vendidos a granel.
Figura 1.6 Vista frontal del rollo de alambre de pas

Fuente: Imagen proporcionada por la Gerencia de
Operaciones

Rollo
Asa
Paletizado
Diseo
7200034X
Dimetro
38cm
Altura
27cm
Peso
34 kg
superior
37cm
inferior
37cm
Canastilla
153x142cm
Acomodo
27 rollos
72100344
38cm
27cm
34 kg
37cm
37cm
153x142cm
27 rollos
72100301
38cm
26cm
30 kg
37cm
37cm
153x142cm
27 rollos
Tabla 1.4 Dimensiones y Paletizado por tipo de diseo de los rollos de alambre de pas
Descripcin de la lnea de produccin

La lnea de produccin de alambre de pas est formada por 12 entregadores de alambre
galvanizado, en cada entregador estn colocados 4 atriles con alambre para desenrollar el rollo y
abastecer a cada una de las 12 mquinas de la lnea (vase figura 1.7).
En la lnea trabajan 4 operadores, cada uno tiene a su cargo 3 mquinas. El proceso se
realiza de la siguiente manera: el operador abre la puerta de la mquina (bastidor) y coloca el
armazn en el molde del bastidor; ensarta el alambre en el molde para comenzar a hacer el rollo;
coloca el seguro de la mquina; cierra la puerta del bastidor; termina el proceso de la mquina; el
operador corta el alambre y dobla la punta en el rollo; quita el seguro de la mquina para poderlo
liberar del bastidor; coloca el rollo en el piso; coloca la etiqueta del rollo como producto
terminado; camina hacia una canastilla situada frente a las mquinas y coloca el rollo con ayuda de
un polipasto.
Figura 1.7 Distribucin actual de la lnea

Fuente: Plano de la Distribucin General de la planta
Cuando se han llenado las canastillas con rollos de alambre, estas son trasladadas a travs de un
montacargas al final de la lnea, donde se realiza el embalaje de los rollos, para despus ser

transportados al almacn de producto terminado. La lnea opera en tres turnos incluyendo media
hora para comer por turno, seis das a la semana.
Capacidad de produccin por diseo de pa
DISEO
PESO
PUA
DEL
POTRERO ROLLO
CLAVE
KGS
72100344
34
COMPOSICION
DE MATERIAL
GALVANIZADO
0.096"
CANTIDAD DE
ROLLOS A
PRODUCIR POR
TURNO
COMPOSICION DE CAPACIDAD DE
MATERIAL POR
MAQUINA EN
HORAS POR TURNO
ROLLO EN KGS
ROLLOS X HORA
0.073"
0.096"
0.073"
73.50% 26.50%
25.00
9.00
3.8
1ER
2DO
3ER 1ER
7.50
7.00
8.00
2DO
3ER
29 27 30
Tabla 1.5 Capacidad de produccin para diseo pa potrero 72100344

DISEO
PUA
POTRERO
PESO
DEL
ROLLO
COMPOSICION
DE MATERIAL
GALVANIZADO
COMPOSICION DE
MATERIAL POR
ROLLO EN KGS
CLAVE
KGS
0.096"
0.073"
0.096"
0.073"
72100301
30
73.50%
26.50%
22.00
8.00
CAPACIDAD DE
MAQUINA EN
HORAS POR TURNO
ROLLOS X HORA
4.2
CANTIDAD DE
ROLLOS A
PRODUCIR POR
TURNO
1ER
2DO
3ER 1ER
2DO
3ER
7.50
7.00
8.00
32
29
34
Tabla 1.6 Capacidad de produccin para diseo pa potrero 72100301

DISEO
PESO
PUA
DEL
NACIONAL ROLLO
COMPOSICION
DE MATERIAL
GALVANIZADO
COMPOSICION DE
MATERIAL POR
ROLLO EN KGS
CLAVE
KGS
0.096"
0.073"
0.096"
0.073"
7200034X
34
77.60%
22.40%
26.00
8.00
CAPACIDAD DE
MAQUINA EN
HORAS POR TURNO
ROLLOS X HORA
4.4
CANTIDAD DE
ROLLOS A
PRODUCIR POR
TURNO
1ER
2DO
3ER 1ER
2DO
3ER
7.50
7.00
8.00
33
31
35
Tabla 1.7 Capacidad de produccin para diseo pa potrero 7200034X
1.7 Descripcin de la problemtica

Deacero Planta Mxico ha presentado en los ltimos aos inconsistencia para alcanzar el
objetivo de cumplimiento del 100% del programa de produccin de la lnea de produccin de
alambre de pas. La produccin mensual en toneladas de alambre de pas, y la demanda
correspondiente se presenta en la tabla 1.8.
Produccin
(Ton)
Demanda
(Ton)
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
701
869
1034
676
647
1065
1017
767
432
865.4
1060.8
1293.5
856.7
874.3
1210.2
1271.3
996.1
533.3
Tabla 1.8 Produccin mensual de toneladas de alambre de pas, Periodo Enero Septiembre 2009

La siguiente grfica muestra el porcentaje promedio del cumplimiento mensual del
programa de produccin, que hasta el mes de Septiembre del 2009 es del 80%. Durante los
primeros 9 meses del ao 2009 se ha dejado de satisfacer la demanda de alambre de pas desde
un 12% hasta un 26%.
Los pedidos de clientes que no pueden ser satisfechos en el periodo requerido, no pueden
cumplirse en periodos posteriores debido a q no existe el espacio ni las condiciones necesarias
para mantener un inventario de rollos de alambre de pas en el almacn de producto terminado
de la empresa. Esto ocasiona perdida en las ventas del alambre de pas.
Cumplimiento del programa de produccin

88
90
85
81
82
80
80
80
79
77
80 %
74
75
70
65
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Figura 1.8 Grfica del Cumplimiento del programa de produccin de la lnea de produccin de
alambre de pas, Periodo Enero Septiembre 2009
El clculo de la utilidad perdida en el periodo Enero Septiembre 2009 se muestra en la
tabla 1.9. La planta define a la utilidad prdida como el producto del precio de venta unitario y el
nmero de unidades no vendidas menos el producto de la suma del costo fijo y costo unitario
variable por el nmero de unidades no vendidas. Se establece que la empresa perdi en este
periodo alrededor de 23,848.96 dlares. Es por esto que la lnea de produccin de alambre de
pas que se analiza en este trabajo tiene la necesidad de analizar alternativas de produccin que
cumplan con los objetivos de la Gerencia: a) mejorar el tiempo en que se produce un rollo de
alambre y b) evaluar alternativas que lleven a aumentar la capacidad productiva de la lnea para
cumplir con la demanda del mercado.
Mes
Enero 2009
Febrero 2009
Marzo 2009
Abril 2009
Mayo 2009
Junio 2009
Julio 2009
Agosto 2009
Septiembre 2009
Nmero de unidades
no vendidas
(toneladas)
164.4
191.8
259.5
180.7
227.3
145.2
254.3
229.1
101.3
Suma
Precio de venta por tonelada = $81.62
b
Costo por tonelada = $683
Utilidad perdida
(dlares) a, b
2235.84
2608.48
3529.2
2457.52
3091.28
1974.72
3458.48
3115.76
1377.68
$23,848.96
Tabla 1.9 Utilidad perdida en el periodo Enero Septiembre 2009
Anlisis del tiempo improductivo

En la descripcin de la lnea de produccin se mencion que tres mquinas estn
asignadas a un operador; y para facilitar la comprensin de las operaciones que realiza el
operador atendiendo los tres equipos asignados, se elabora el diagrama hombre-mquina que se
muestra en la figura 1.9. De acuerdo con Su et al. (2004) el diagrama de actividades
simultaneas da una idea del tiempo improductivo que hay en un proceso de produccin.
Asimismo, pese a que el operador no tiene tiempo inactivo el porcentaje de utilizacin de
la mquina 1 es del 63.3%, de la mquina 2 es77.1% y de la mquina 3 es del 73.2%.
Su et al. (2004) sealan que el fenmeno de las interferencias ocurre cuando el
nmero de mquinas asignadas por operador es elevado, lo que ocasiona que la carga de
trabajo del operario sea alta. Por interferencia entre mquinas se entiende el tiempo de
inactividad de las mismas, pues hay un tiempo de espera que va desde que la mquina
requiere una intervencin hasta que el operario, ocupado con otra mquina, vuelve a
estar disponible. Es claro que el fenmeno de interferencia se puede observar en la
lnea de produccin.
2
3
Precio de venta comercial

Informacin proporcionada por la Gerencia de Operaciones
Figura 1.9 Diagrama Hombre-mquina para el anlisis de tiempo improductivo

DIAGRAMA HOMBRE-MQUINA
Diagrama No. 1
Mquina: WAFIOS 01, WAFIOS 02, WAFIOS 03
Fecha: 29/10/09
Departamento: Produccin
OPERARIO
Coloca etiqueta PT
Camina a la
canastilla
Coloca el rollo en la
canastilla
Camina a la lnea
de abastecimiento
y acomoda los
atriles
Escala
de
MQUINA 1
tiemp
o
10 s
20 s
30 s
40 s
50 s
60 s
70 s
80 s
90 s
100 s
110 s
120 s
130 s
140 s
150 s
160 s
170 s
180 s
190 s
200 s
210 s
220 s
MQUINA 2
Hoja: 3
MQUINA 3
Enrollado,
435 s
Inactividad,
162 s
230 s
240 s
250 s
260 s
270 s
280 s
290 s
Mquina: WAFIOS01, WAFIOS02, WAFIOS03
OPERARIO
Camina a la M.2
Abre puerta M.2
Saca rollo de la M.2
Prepara M.2
Cierra puerta M.2

Coloca etiqueta PT
Camina a la
canastilla
canastilla
Camina a la lnea de
abastecimiento y
acomoda atriles
Camina a M.3
Abre puerta M.3
Escala
de
MQUINA 1
tiemp
o
300 s
310 s
320 s
330 s
340 s
350 s
360 s
370 s
380 s
390 s
400 s
410 s
420 s
430 s
440 s
450 s
460 s
470 s
480 s
490 s
500 s
510 s
520 s
530 s
540 s
550 s
560 s
570 s
Diagrama No. 1
Fecha: 29/10/09
MQUINA 2
Hoja:
MQUINA 3
Descarga y
carga,
111 s
Inactividad,
193 s
Diagrama No. 1
Hoja: Mquina: WAFIOS01, WAFIOS02, WAFIOS03
Fecha: 29/10/09
3
Escala
de
OPERARIO
MQUINA 1
MQUINA 2
MQUINA 3
tiemp
o
580 s
590 s
Saca rollo M.3
600 s
Descarga y
610 s
carga,
620 s
93 s
Prepara M.3
630 s
640 s
Cierra puerta M.3
650 s
Inactividad,
660 s
Coloca etiqueta PT
306 s
670 s
680 s
Camina a la
canastilla
690 s
700 s
canastilla
710 s
Enrollado,
435 s
720 s
730 s
Camina a M.1
740 s
Abre puerta M.1
750 s
760 s
770 s
Saca rollo M.1
780 s
Descarga y
790 s
carga,
800 s
94 s
810 s
Prepara M.1
820 s
830 s
Cierra puerta M.1
840 s
850 s
Resumen
Tiempo de ciclo
Tiempo de
Tiempo inactivo
Porcentaje de
accin
Utilizacin
Actual
Actual
Actual
Actual
Hombre
835
835
0
100 %
Mquina 1
835
529
306
63.3 %
Del diagrama hombre-mquina se obtiene la siguiente informacin:
= 13.91
1 = 13.91
= 13.91
= 13.91 min 1.15 = 16
60
16
15%
= 3.74
Otro factor a considerar, en el anlisis del tiempo inactivo, es la cantidad de horas inactivas
registradas en las 12 mquinas de la lnea de alambre de pas en los primeros diez meses del
2010. En relacin a este punto la informacin obtenida arroj que las causas de paro de las
mquinas son:
Materia prima: reventon (sucede cuando el alambre se revienta), atoron (sucede cuando el
alambre se atora), falta de materia prima y materia prima fuera de especificacin.
Operador: empalme de actividades, falta de operador y capacitacin y junta.
Mantenimiento correctivo: correctivo mecnico y correctivo elctrico.
Equipo auxiliar: otros equipos menores y gras y equipos de transporte.
Mantenimiento preventivo: preventivo mecnico y preventivo elctrico.
Ajustes a la maquinaria: ajustes por mal funcionamiento y ajustes por calidad.
Insumos: falta de insumos (etiquetas y armazones).
Cambio de diseo: tipo I (nacional) y tipo II (potrero).
Figura 1.10 Grfica de causas de paro de las mquinas de la lnea de alambre de pas, Periodo
Enero Octubre 2010
De la figura 1.10 se observa que las causas principales de paro son por actividades
relacionadas con la materia prima (32 %); el operador (31 %); y el mantenimiento correctivo
mecnico.
Al desglosar cada una de estas fuentes, la informacin obtenida arroj, en lo referente a la
materia prima, que lo que ms sucede es que ocurra la falta de materia prima y se atore el
alambre en la mquinas. A lo que se refiere al operador, el mayor nmero de horas inactivas de
las mquinas resulta por la capacitacin y junta, y por falta de operador. (Vase figura 1.11)
a)
b)
Figura 1.11 Grfica de causas de paro ocasionadas por: a) materia prima, b) operador
Del anlisis del tiempo improductivo de la lnea se puede concluir lo siguiente:
Existe el fenmeno de interferencia entre mquinas. El tiempo de inactividad de las mquinas se
evidencia en el tiempo de espera que inicia cuando la mquina ha terminado de procesar un rollo
hasta que el operador ocupado en otra operacin, vuelve a estar disponible para sacar el rollo de
la mquina y prepararla para procesar el siguiente rollo. Este tiempo de inactividad afecta
considerablemente el tiempo requerido para producir un rollo (o el tiempo de arranque a
arranque de mquina).
Por lo tanto, la empresa tiene la necesidad evaluar e implementar alternativas que
permitan mejorar sus mtricas de productividad: el tiempo requerido para producir un rollo, y la
cantidad de rollos producidos por unidad de tiempo.
CAPTULO 2
FUNDAMENTOS TERICOS DE LA CONSTRUCCIN DE UN MODELO DE
SIMULACIN
Para el diseo de la propuesta de mejora es necesario hacer referencia a los
aspectos tericos involucrados en la construccin de un modelo de simulacin. En este
captulo son tratados y analizados los conceptos de la simulacin de eventos discretos
como tcnica para el modelado y evaluacin de sistemas complejos. Asimismo, se hace un
estudio comparativo de cuatro de las principales metodologas para llevar a cabo un
estudio de simulacin, resultando en la eleccin de la metodologa que se utiliza en el
desarrollo de la propuesta de mejorar. Por ltimo se revisa las caractersticas del software
de simulacin.
2.1 El proceso de modelado

Antes de revisar el esquema general del proceso de modelado, es conveniente revisar los
conceptos de sistema y modelo. Cleland y King (1983) definen al sistema como el conjunto de
partes regularmente interactuantes e interdependientes que forman un todo unificado. Los
modelos se construyen para representar un sistema o una parte de ste. Un modelo es utilizado
como instrumento para tratar de ganar una cierta comprensin del comportamiento de un
sistema. As, un modelo es una representacin o construccin de la realidad que sirve como ayuda
a un observador para responder preguntas acerca de un sistema.
El proceso mediante el cual el observador construye un modelo recibe la denominacin de
proceso de modelado (Aracil y Gordillo, 1997). A este observador se le denomina tambin
modelador. Un esquema general del proceso de creacin y uso de un modelo se muestra en la
figura 1 (Izquierdo y al., 2008). Los modelos se construyen mediante procesos de abstraccin con
el objetivo de facilitar la comprensin de ciertos aspectos de un determinado sistema real. El
proceso de abstraccin para crear un modelo comienza con la observacin del sistema real
(incluyendo, a menudo, la recogida de datos), y termina con el diseo del modelo. Una vez
diseado el modelo, tienen lugar varios procesos de inferencia deductivos para averiguar las
implicaciones lgicas que se derivan de las premisas que definen el modelo. Estas implicaciones
lgicas darn lugar a una serie de resultados sobre el modelo, los cuales podrn ser analizados,
interpretados y aplicados al sistema real objeto de estudio. Un modelo es un medio para algo y no
un fin, sirve para ayudar a resolver un problema concreto, que ha motivado a su construccin.
FUNDAMENTOS TERICOS DE LA CONSTRUCCIN DE UN MODELO DE SIMULACIN |CAPTULO 2
SISTEMA REAL
Anlisis,
Interpretacin y
Aplicacin
Abstraccin
Modelo
Inferencia
Resultados
Figura 2.1 Esquema general del proceso de modelado cientfico (Izquierdo et al., 2008)
El esquema propuesto en la figura 2.1 (Izquierdo et al., 2008) presenta al proceso de
modelado como un proceso unidireccional. Sin embargo, el proceso de modelado es
inherentemente dinmico e iterativo. La retroalimentacin, dentro del proceso de modelado tiene
lugar cuando los resultados obtenidos inicialmente se considerasen insatisfactorios (a) porque no
parecieran derivarse lgicamente de las premisas del modelo (proceso de verificacin) o (b)
porque, aun siendo lgicamente correctos, difirieran excesivamente de los resultados observados
en el sistema real que se est modelando (proceso de validacin).
Actualmente tenemos a nuestra disposicin nuevas y potentes herramientas de inferencia
lgica: los ordenadores. Con el nacimiento y desarrollo del microprocesador han aparecido nuevos
enfoques de modelado cientfico que hacen uso de la simulacin computacional como proceso
inferencial. En las simulaciones computacionales, el modelo se codifica en un lenguaje de
programacin formal, y la inferencia se lleva a cabo ejecutando el programa informtico
desarrollado. As, el actual desarrollo de la informtica nos permite crear y estudiar mediante
simulacin modelos formales que, debido a su complejidad, venan siendo intratables
matemticamente.
A continuacin se explica lo que se entender por sistema complejo, repasando las
propiedades que caracterizan a un sistema complejo.
Sistemas complejos
Los modelos son representaciones de sistemas. De acuerdo a Simon (1990) el modelado
es la principal - tal vez primaria - herramienta para estudiar el comportamiento de los sistemas
complejos... Cuando modelamos sistemas, por lo general (no siempre) estamos interesados en su
comportamiento dinmico.
La simulacin se emplea generalmente cuando la complejidad del sistema a modelar est
ms all de lo que los modelos estticos u otras tcnicas matemticas pudieran representar
capazmente. Un modelo de simulacin es un modelo computarizado diseado para mostrar
caractersticas importantes y caractersticas del sistema que se desea estudiar, predecir, modificar
o controlar, y que representa algn fenmeno o sistema dinmico.
La complejidad se encuentra a menudo en sistemas reales y puede tomar cualquiera de las
siguientes formas (Kellner et al., 1999):
Incertidumbre y naturaleza estocstica del sistema: el riesgo o la incertidumbre del

sistema es una caracterstica esencial a considerar. Los lmites de la incertidumbre y las
consecuencias de los posibles resultados deben ser entendidos y evaluados. Los modelos
analticos tienen restricciones sobre el nmero y tipo de variables aleatorias que se
pueden incluir en diversos tipos de modelos. La simulacin proporciona un mecanismo
flexible y til para capturar la incertidumbre relacionada con los sistemas complejos sin
estas limitaciones restrictivas.
Comportamiento dinmico: el comportamiento de un sistema puede cambiar con el

tiempo. Un modelo dinmico es necesario cuando la contabilidad o el control de estos
cambios es importante. Sin embargo, las tcnicas analticas, tales como la programacin
dinmica, pueden llegar a ser muy difciles cuando el sistema que est siendo modelado se
convierte demasiado complejo. Los modelos dinmicos de simulacin son muy flexibles y
soportan la modelacin de una amplia variedad de estructuras de sistemas e interacciones
dinmicas.
Mecanismos de retroalimentacin: el comportamiento y las decisiones tomadas en un
momento en el proceso tienen un impacto sobre otras de manera compleja o indirecta.
Para sistemas complejos de retroalimentacin o alimentacin hacia adelante, los modelos
analticos pueden no ser tiles o incluso imposibles.
En la siguiente seccin se describe una tcnica de modelado de sistemas complejos basada en

el comportamiento de sistemas mediante la construccin de un modelo de simulacin por
computadora: la dinmica de sistemas.
2.2 Dinmica de Sistemas

La dinmica de sistemas, el pensamiento sistmico y la investigacin de operaciones, todas
aspiran al entendimiento y la mejora de los sistemas (Forrester, 1994). As, la dinmica de
sistemas combina la teora, los mtodos y la filosofa para analizar el comportamiento de los
sistemas (Forrester, 1998). La Dinmica de sistemas naci durante los aos cincuenta, de la mano
de Jay W. Forrester. La dinmica de sistemas es otra tcnica de modelado de sistemas complejos.
Tambin se utiliza ampliamente para modelar sistemas en ingeniera (Ford, 1997; Ford y Sterman,
1998), economa y negocios (Sterman, 2000; Ellis, 2007), planificacin y gestin de proyectos
(Rodrigues y Bowers, 1996; Lyneis y Ford, 2007), gestin medioambiental (Martnez y Esteve,
2007), sanidad pblica (Homer y Hirsch, 2006) e incluso historia (Cruz, 2007), por poner algunos
ejemplos. La dinmica de sistemas muestra cmo van cambiando las cosas a travs del tiempo
(Forrester, 1998).
John Sterman es una de las principales autoridades en la dinmica de sistemas. Fue
galardonado en el ao 2002 con el premio Jay W. Forrester Prize Lecture por su trabajo All
Models are Wrong: Reflections on Becoming a Systems Scientist. Segn Sterman (2000) los pasos
generales para modelar un sistema dinmico son: Articulacin del problema, lo cual implica la
delimitacin del sistema y la representacin de las variables clave en trminos de su
comportamiento en el tiempo. Posteriormente desarrollar una hiptesis dinmica explicando la
causa del problema y despus construir un modelo de simulacin del sistema basado en
computadora. Una vez que se tenga el modelo de simulacin se puede proceder a probarlo para
asegurarse de que reproduce el comportamiento observado en el mundo real. Con los resultados
de la simulacin es posible formular y evaluar polticas alternativas en el modelo que solucionen el
problema para, finalmente, implementar una solucin viable de acuerdo a las necesidades y
polticas del entorno (Vase figura 2.2).
1. Articulacin del problema
(seleccin de lmites)
5. Formulacin y evaluacin
de polticas
4. Prueba
2. Hiptesis dinmica
3. Formulacin
Figura 2.2 El proceso de modelacin de sistemas (Sterman, 2000)


El modelado mediante dinmica de sistemas trata de la construccin de modelos como
sistemas de retroalimentacin continua en los cuales se incorporan hiptesis acerca de las
conexiones causales de los parmetros y variables como unidades funcionales, y los resultados de
sus interacciones (Schwaninger y Grsser, 2008). Por lo tanto, la dinmica de sistemas utiliza
conceptos del campo del control realimentado para organizar informacin en un modelo de
simulacin por computadora (Forrrester, 1998).
De acuerdo a la System Dynamics Society, desde la publicacin del libro Industrial
Dynamics de Forrester en 1961, la aplicacin de la dinmica de sistemas ha abarcado campos tan
diversos como el de la planificacin corporativa y el diseo de polticas, la gestin pblica y la
poltica, el modelado en la biologa y medicina, la energa y medio ambiente, la teora del
desarrollo en las ciencias naturales y sociales, la toma de decisiones dinmica y la dinmica
compleja no lineal. Algunos ejemplos de artculos de la revista The System Dynamics Review,
publicada por la System Dynamics Society, en relacin con la dinmica de las cadenas de
suministro, tenemos a Anderson et al. (2005), los cuales investigan el comportamiento dinmico
de las cadenas de suministro de servicios en la presencia de demanda variable y el intercambio de
informacin; Gonalves et al. (2005), investigan el impacto de la demanda endgena en sistemas
de produccin push-pull; finalmente Akkermans y Dellaert (2005) discuten acerca del
redescubrimiento de la dinmica industrial y la contribucin de la dinmica de sistemas en la
gestin de la cadena de suministro en un mundo dinmico y fragmentado.
El pensamiento sistmico es una habilidad cognitiva esencial que permite a las personas
desarrollar una comprensin integral de un tema a nivel conceptual y sistmico (Hung, 2008). La
dinmica de sistemas es por lo tanto una herramienta del pensamiento sistmico que estudia el
comportamiento de sistemas mediante la construccin de un modelo de simulacin que pone de
manifiesto las relaciones entre los elementos del sistema y su comportamiento. Combinados con
las computadoras, los modelos de dinmica de sistemas permiten una simulacin eficaz de
sistemas complejos (Forrester, 1998).
La simulacin no es una herramienta para predecir el futuro. Son mundos virtuales en los que los
gerentes pueden desarrollar habilidades para tomar decisiones y realizar experimentos. La
simulacin se convierte en la principal y tal vez nica manera en la que podemos descubrir por
nosotros mismos cmo funcionan los sistemas complejos (Sterman, 2002). A continuacin se
describen las generalidades de la simulacin y la terminologa bsica utilizada en este campo.
2.3 La simulacin como herramienta de anlisis de sistemas complejos

La simulacin es una herramienta de anlisis de sistemas complejos. De acuerdo con
Kelton et al. (2007) la simulacin por computadora se refiere a los mtodos para estudiar una
gran variedad de modelos de sistemas reales mediante evaluacin numrica utilizando un
software diseado para imitar las operaciones o caractersticas de los sistemas, a menudo a travs
del tiempo. Estos autores, definen adems a la simulacin desde un punto de vista prctico
apuntando que la simulacin es el proceso de diseo y creacin de un modelo computarizado de

un sistema real o propuesto para llevar a cabo experimentos numricos y brindar un mejor
entendimiento del comportamiento de ese sistema para un conjunto dado de condiciones.
2.3.1 Terminologa
La revisin de la terminologa bsica utilizada en simulacin es tomada de Law (2007) y es
presentada a continuacin:
Sistema
Un sistema es definido como una coleccin de entidades, por ejemplo,

gente o mquinas, que interactan hasta el cumplimiento de algn fin
lgico
Modelo
Serie de supuestos acerca de cmo funciona un sistema, los cuales

suelen adoptar la forma de relaciones matemticas o lgicas. Un modelo
se utiliza para tratar de obtener una cierta comprensin de cmo se
comporta un sistema.
Coleccin de variables necesarias para definir un sistema en un tiempo
en particular, relativo a los objetivos del estudio
Estado de un sistema
Los sistemas se pueden categorizar en dos tipos: discretos y continuos.

Sistema discreto
Un sistema discreto es aquel para el cual las variables de estado cambian

instantneamente en puntos separados en el tiempo. Un banco es un
ejemplo de un sistema discreto.
Sistema continuo
Un sistema continuo es aquel para el cual las variables cambian

continuamente con respecto al tiempo. Un proceso qumico es un
ejemplo de sistema continuo.
Existen dos tipos de modelos de simulacin: esttico y dinmico.

Modelo de simulacin esttico
Modelo de simulacin dinmico
Un modelo de simulacin esttico es una representacin de un sistema

en un tiempo particular, o uno que puede ser usado para representar un
sistema en el cual simplemente el tiempo no juega un papel. Ejemplos de
simulacin esttica son los modelos Monte Carlo.
Un modelo de simulacin dinmica representa un sistema que se
desarrolla sobre el tiempo, como un sistema de transportacin en una
fbrica.
Adems, dentro de estas clasificaciones, los modelos de simulacin pueden ser

determinsticos o estocsticos.
Modelo de simulacin
determinstico
Un modelo de simulacin que no contiene variables aleatorias. Un

sistema complicado de ecuaciones diferenciales describiendo una
reaccin qumica podra ser un modelo determinstico.
Modelo de simulacin estocstico
Un modelo que contiene una o ms variables aleatorias. Los modelos de

simulacin estocsticos producen salidas que son en s mismas aleatorias
y deben por lo tanto ser tratadas slo como una estimacin de las

caractersticas verdaderas del modelo.
Las definiciones anteriores apuntan que los modelos de simulacin discretos y continuos
son similares a los sistemas discretos y continuos (Winston, 2005). Los modelos de simulacin
discretos, dinmicos y estocsticos son llamados modelos de simulacin de eventos discretos.
En el siguiente apartado se describen los principios de la simulacin de eventos discretos,
las reas de aplicacin de este tipo de simulacin, adems, se revisan algunas de las metodologias
ms importantes en el mbito de la simulacin de eventos discretos, destacando las similitudes y
diferencias existentes entre las metodologas.
2.3.2 Simulacin de eventos discretos
Desde los aos sesenta, la simulacin de eventos discretos ha sido ampliamente utilizada
para el modelado y la evaluacin de los sistemas informticos, redes informticas, sistemas de
tiempo real, sistemas distribuidos, sistemas de base de datos de gestin, sistemas de manufactura,
etc. (Mansharamani, 1997). La simulacin de eventos discretos trata de la modelacin de un
sistema a medida que este se desarrolla sobre el tiempo por una representacin en la cual las
variables de estado cambian instantneamente en puntos separados en el tiempo (en trminos
matemticos puede decirse que el sistema puede cambiar solo un nmero contable de puntos en
el tiempo) (Law, 2007).
Mansharamani (1997) explica que para modelar cualquier sistema, primero se deben
definir las variables que gobierna el comportamiento del sistema con respecto a las mtricas
estimadas. En referencia al proceso de modelado de sistemas de eventos discretos, este autor
apunta que cada vez que algunas variables de estado cambian de valor instantneamente, esta
ocurrencia es denotada con el trmino evento. El comportamiento de un sistema de eventos
discretos comienza con un estado inicial definido, en el cual permanece por un perodo de tiempo.
Entonces, un evento ocurre y ocasiona que el sistema transite de forma instantnea a un nuevo
estado, repitindose este comportamiento.
Un ejemplo simple de sistema de eventos discretos es un sistema de colas con un solo
servidor que atiende a los clientes en el orden que llegan, es decir, primero en llegar, primero en
ser atendido. Se supone que el servidor no estar desocupado si hay un cliente que espera para el
servicio, adems el servidor no dejara de atender bruscamente a un cliente. El nmero de clientes
en el sistema es la variable utilizada para definir el estado del sistema. El sistema se inicializa como
vaco. El primer evento a ocurrir es una llegada de los clientes, por lo que el estado del sistema
cambia a un cliente en el sistema. Esta llegada encuentra el servidor disponible y es atendida de
inmediato, el servidor comienza a servir al cliente y la salida del cliente es programada. Las
llegadas en otros puntos del tiempo podran encontrar el servidor desocupado u ocupado. Si el
servidor est disponible, se atiende al cliente. En caso contrario, el cliente se agrega a la cola. El
prximo evento que se produzca puede ser la segunda llegada de un cliente o la salida del primer

cliente, lo que ocurra primero en el tiempo. En el primer caso, el estado cambiar a dos clientes y,
en este ltimo caso el estado volver a un sistema vacio. Si es as el modelador lo desea puede
especificar el nmero de clientes en la cola o el nmero de clientes en el servidor (vase figura
2.3). De este ejemplo podemos inferir que la secuencia de eventos y los cambios de estado del
sistema que determinan representan el comportamiento dinmico del sistema.
Servidor
Salidas
Poblacin
solicitante
Cola
Figura 2.3 Sistema de colas de un solo servidor (Winston, 2005)

2.3.2.1 Partes de un modelo de simulacin
Las partes que forman un modelo de simulacin son Kelton et al. (2007):
Entidades: Son la parte dinmica del modelo. Las entidades son las que afectan al estado
del sistema y a otras entidades. Usualmente se crean, atraviesan el sistema y luego son
desechadas. Pueden existir varios tipos de entidades en un modelo y normalmente representan a
objetos reales en el sistema. Adems, de cada tipo pueden existir mltiples instancias conviviendo
en el modelo durante la simulacin.
Atributos: Son una caracterstica comn de las entidades, es decir, se comparte entre
todas las entidades de un tipo, pero puede individualizar a cada instancia.
Variables: Las variables, siempre globales, permiten definir una caracterstica general del
sistema. Las variables son al sistema lo que los atributos a una entidad. Pueden ser accedidas y
modificadas por cualquier entidad. El reloj del sistema, encargado de llevar el tiempo simulado
(distinto del tiempo que lleva realizar la simulacin) es una variable global que est presente en
toda simulacin.
Recursos: Son quienes dan servicio a las entidades para procesos u otros trabajos.
Generalmente en los sistemas del mundo real son mquinas o personas que trabajan sobre las
entidades. La cantidad de recursos disponible en el sistema durante la simulacin puede variar
debido a que se representan casos como turnos para personal, etc.
Colas: Cuando una entidad necesita ocupar un recurso que no est disponible (por estar
dando servicio a otra entidad) debe esperar a su turno para acceder al recurso. En ese caso la
entidad espera en una cola. El comportamiento de la cola se puede manejar a discrecin por parte
de quien disea la simulacin.

Acumuladores estadsticos: Para que la salida de una simulacin contenga informacin til
para quien realiza el experimento se necesita acumular datos durante la el proceso. Para esto se
crean los acumuladores que llevan contabilizacin de distintos parmetros del modelo para que
luego la informacin necesaria est disponible al terminar el experimento.
Eventos: Un evento es lo que pasa a un determinado instante de tiempo simulado que
genera o dispara una serie de cambios en el sistema. En la simulacin de eventos discretos solo se
generan cambios en los estados del sistema, nunca entre eventos.
Reloj de simulacin: Es la variable ms importante. Contiene el tiempo actual simulado.
Considera el valor del ltimo evento ejecutado en lugar de correr tomado valores continuos como
un reloj normal
2.3.2.2 Areas de aplicacin
Las reas de aplicacin de la simulacin son numerosas y diversas. Abajo se presenta una lista de
algunos tipos particulares de problemas para los cuales la simulacin ha resultado ser una til y
poderosa herramienta (Law, 2007):
Disear y analizar sistemas de manufactura.

Evaluar requerimientos de hardware y software para un sistema de computadora.
Evaluar una nueva tcnica o sistema de armamento militar.
Determinar el ordenamiento de polticas para un sistema de inventario.
Disear sistemas de comunicaciones y protocolos de mensajes para los mismos.
Disear y operar recursos de transporte tales como autopistas, aeropuertos, metros, o
puertos.
Evaluar diseos para organizaciones de servicio tales como hospitales, oficinas postales, o
restaurantes de comida rpida.
Analizar sistemas financieros o econmicos.
Wang y Chatwin (2004) afirman que casi cualquier tipo de sistema de manufactura se puede
modelar como un sistema de eventos discretos. Una encuesta patrocinada por el Departamento
de Comercio e Industria del Reino Unido mostr que los modelos de simulacin son utilizados en
todos los niveles de la gestin en las 500 corporaciones ms grandes de los Estados Unidos.
Tambin se encontr que, cuando se ha utilizado la simulacin, se ahorraron los costos de capital
entre el 5% y 10%. El Sector manufacturero fue el principal mercado para el software de
simulacin de eventos discretos (UK Ministry of Trade and Industry, 1992).
En referencia a los sistemas de manufactura, la simulacin de eventos discretos ha sido aplicada
en las siguientes reas (Wang, Sun y Nooh,1995; Eneyo y Pannirselvam, 1998; Chan, Jiang y Tang,
2000; Borenstein, 2000; Zeigler, Chao y Rozenblit, 1996; Tobaben, 1997; Chryssolouris, Anifantis y
Karagianis, 1998; Chou, 1999; Choi y Lee, 2000; Balduzzi, Giua y Seatzu, 2001; Ikbal, Rondeau y
Divoux, 2001; Kelton, Sadowski y Sadowski, 2002; Cunha y Dionisio, 2002):
Diseo y evaluacin de nuevos procesos de manufactura.

Mejora del rendimiento de los procesos de manufactura existentes, por ejemplo, un
estudio de viabilidad de un sistema automatizado de manejo de material.
Establecimiento de polticas operativas ptimas, por ejemplo, estudio de la cantidad de
tarjetas Kanban que debe introducirse en la planta de produccin a fin de reducir el
trabajo en proceso.
Un algoritmo (o motor) para apoyar la planificacin y programacin de la produccin.
Diseo y anlisis de layouts de una fbrica, de las decisiones de los equipos, de las polticas
alternativas de operacin, de la evaluacin de problemas, etc.
Programacin, en particular con los sistemas automatizados. Esto permite la toma de
decisiones para explorar y planificar los cambios a la programacin existente y / o para
buscar el mejor esquema a partir de las condiciones actuales. Por ejemplo, las condiciones
actuales pueden incluir el hecho de que una pieza de equipo se rompa. El modelo
entonces generar un plan alternativo que se utilizar hasta que el equipo haya sido
reparado.
Casi todos los sistemas de manufactura son estocsticos y no determinista. Las fuentes comunes
de la aleatoriedad en sistemas de fabricacin son (Wang y Chatwin, 2004):
1. Horarios de llegada de las entidades, es decir, piezas o materias primas en movimiento en
todo el sistema
2. Tiempos de procesamiento o de montaje en cada estacin de trabajo o mquina para los
diferentes tipos de piezas
3. Tiempos de operacin para cada estacin de trabajo o mquina sin fallo o avera
4. Tiempos de reparacin de los fallos o averas del sistema
5. Tiempos de puesta en marcha de sistemas
2.3.3 Metodologas para realizar un estudio de simulacin
Esta seccin describe las propuestas de algunos de los ejes principales de la investigacin
en simulacin, las cuales incluyen publicaciones de Law (2007), Kelton et al.(2007), Shannon
(1997) y Banks et al. (2000).
Un articulo interesante en la revista IEE Solutions es el de Banks y Gibson (1996), estos
autores proponen una gua cuyo objetivo es ayudar en la toma de decisiones a modeladores que
por primera vez se embarcan en un proyecto de simulacin. Los doce pasos de esta propuesta son:
1) Definir el problema, 2) Comprender el sistema, 3) Determinar metas y objetivos, 4) Aprender lo
bsico, 5) Confirmar que la simulacin es la herramienta adecuada, 6) Lograr el apoyo de la
direccin, 7) Aprender sobre las herramientas de software para la simulacin, 8) Determinar qu
informacin se necesita y qu informacin est disponible, 9) Desarrollar supuestos sobre el
problema, 10) Determinar las medidas de desempeo (output) para resolver el problema

planteado, 11) Decidir si la simulacin se llevar a cabo interna o externamente y 12) Puesta en
marcha del proyecto.
La metodologa de Law (2007) es una de las ms empleadas en el mbito de la simulacin.
Esta propuesta se conformar de una serie de pasos que integran el estudio de una simulacin
completa y la relacin entre ellos. El autor tambin afirma que el objetivo de un estudio de esta
naturaleza es el lograr una mayor comprensin de los sistemas encaminada a obtener los intereses
que persigue tal estudio. Esta propuesta consta de diez pasos:
1. Formular el problema y el plan de estudio. En este paso el director establece el problema de
inters, el problema puede no estar afirmado correctamente o en trminos cuantitativos y un
proceso iterativo es a menudo necesario. Se llevan a cabo una o ms reuniones de inicio de
proyecto entre el director del proyecto, los analistas de simulacin, y los expertos en la materia,
donde se discute: los objetivos generales del estudio, las preguntas especficas a responder
mediante el estudio (para decidir el nivel de detalle del modelo), medidas de desempeo que se
utilizarn para evaluar la eficacia de diferentes configuraciones, mbito de aplicacin del modelo,
configuraciones de sistema a ser modelada (requerido para decidir las generalidades del
programa de simulacin) y el plazo lmite para el estudio y los recursos necesarios.
2. Recopilar datos y definir el modelo. En esta etapa se realizar la a) recopilacin de la informacin
acerca de la estructura del sistema y los procedimientos operativos, b) recopilacin de datos (si es
posible) para especificar los parmetros del modelo y distribuciones de probabilidad, c)
recopilacin de datos (si es posible) sobre el rendimiento del sistema existente (para la validacin
en el paso 6). Este paso tambin incluye la eleccin del nivel de detalle del modelo, lo que
depender de: objetivos del proyecto, medidas de desempeo, disponibilidad de los datos,
limitaciones informticas, opiniones de los expertos en la materia y limitaciones de tiempo y
dinero. Adems en este paso, se conforma un escrito con los datos y la informacin recabada
acerca de los supuestos del modelo.
3. Revisar el documento y definir su validez. Realizar un recorrido estructurado en el documento de
supuestos del modelo ante los administradores, analistas, y expertos de la materia.
4. Construir un programa de computadora y verificar. Programar el modelo en una lenguaje de
programacin (por ejemplo, C o C ++) o en los programas de simulacin (por ejemplo, ARENA,
Extend y PROMODEL). El uso de software de simulacin reduce el tiempo de programacin y
resultados en un proyecto menos costoso. Este paso termina con la comprobacin del programa
de simulacin.
5. Ejecutar corridas piloto. Realiza corridas piloto para la validacin en el paso 6.
6. Realizar la validacin del modelo. Si es que existe el sistema, en este paso se comparan las
medidas de desempeo del modelo con el sistema. Sin embargo, independientemente de si existe
o no el sistema, los analistas de la simulacin y los expertos en la materia deben revisar los
resultados del modelo para su correccin. En esta etapa se realiza tambin un anlisis de

sensibilidad para determinar qu factores del modelo tiene un impacto significativo en las
medidas de desempeo y que por lo tanto, tienen que ser modeladas cuidadosamente.
7. Disear experimentos. En este paso se especifica para cada configuracin de inters del sistema:
la longitud de cada corrida de simulacin, la duracin del perodo de calentamiento (si es
apropiado) y el nmero de corridas simulacin independientes (replicas) utilizando diferentes
nmeros aleatorios, lo que facilita la construccin de intervalos de confianza.
8. Hacer corridas de produccin. Las corridas de produccin se ejecutan con el objetivo de obtener
los datos de inters que resultan del diseo del sistema.
9. Analizar los datos de salida. Los dos objetivos principales en el anlisis de datos de salida llevado
a cabo en este paso son: determinar el desempeo absoluto de ciertas configuraciones del sistema
y comparar configuraciones alternativas del sistema en un sentido relativo.
10. Documentar, presentar y utilizar los resultados. Este ltimo paso incluye el documentar los
supuestos del modelo, el programa de computadora y los resultados del estudio para su utilizacin
en los proyectos actuales y futuros. Asimismo, en este paso se recomienda utilizar el presente
estudio de resultados, hacer uso de la animacin como medio para comunicarse con los directores
y otras personas que no estn familiarizados con todos los detalles del modelo. El autor advierte
que los resultados se utilizan en el proceso de decisin si estos son vlidos y crebles.
Segn Kelton et al.(2007) los pasos para realizar un estudio de simulacin son:
1. Comprender el sistema. Si el sistema existe o no, el autor recomienda tener una sensacin
intuitiva y los pies en la tierra acerca de lo que est pasando. Esto implicar completar la
realizacin de visitas y la participacin de las personas que trabajan en el sistema en el da a da.
2. Ser claro sobre sus objetivos. El autor sugiere en esta etapa el comprender lo que se puede
aprender del estudio, y no esperan ms, adems, es esencial especificar lo que se tiene que
observar, manipular, cambiar, y entregar. Es importante regresar a estos objetivos a lo largo de
todo el estudio de simulacin con, a saber, la toma de decisiones sobre la mejor forma (o al menos
mejor) para operar el sistema.
3. Formular la representacin del modelo. El autor sugiere preguntar en este paso que nivel de
detalle es el adecuado y que se necesita modelar con cuidado. Esto con el fin de obtener pistas
para los supuestos del modelo por parte de la gestin y los de los puestos de decisin.
4. Traducir al software de modelado. Una vez existido el acuerdo acerca de los supuestos del
modelo, el autor propone representarlos de forma fidedigna en el software de simulacin. En esta
etapa se debe involucrar a los que realmente saben lo que est pasando (animacin puede ser de
gran ayuda en esta etapa).
5. Verificar que su representacin por computadora representa el modelo conceptual fielmente.
Este paso incluye probar las regiones extremas de los parmetros de entrada, comprobar que las

cosas correctas suceden con evidentes datos entrada y caminar a travs de la lgica con los que
estn familiarizados con el sistema.
6. Validar el modelo. Dos preguntas son sugeridas por el autor para realizar este punto: a) las
distribuciones de datos coincidan con lo que observa en el campo?, b) las medidas de desempeo
de salida del modelo coincidan con las de la realidad? El autor seala que adems una buena dosis
de sentido comn es valiosa.
7. Disear los experimentos. Planear lo que se quiere saber y cmo los experimentos de simulacin
te llevaran a las respuestas de manera precisa y eficiente. A menudo, los principios del clsico
diseo experimental estadstico pueden ser de gran ayuda aqu.
8. Ejecutar los experimentos. El autor afirma que en este punto la necesidad de un diseo
experimental cuidadoso es clara.
9. Analizar los resultados. Llevar a cabo los tipos adecuados de anlisis estadsticos para poder
hacer afirmaciones precisas y exactas.
10. Obtener una visin. El autor considera que para lograr este paso se deben plantear las
siguientes interrogantes: a) Tiene sentido todo?, b) cules son las implicaciones?, c) Qu otras
preguntas (y tal vez simulaciones) son sugeridas por los resultados? y d) est buscando en el
conjunto adecuado de medidas de desempeo?
11. Documentar lo que has hecho. La documentacin resultado de ejecutar este paso es
fundamental para conseguir aprobacin de la direccin y la aplicacin de las recomendaciones en
las que se ha trabajado tan duro para poder hacer con precisin y confianza.
De acuerdo con Shannon (1997) el proceso de simulacin consta de las siguientes etapas:
1. Definicin de sistema-determinacin de los lmites o fronteras, restricciones y medidas de
efectividad que se usarn para definir el sistema que se estudiar.
2. Formulacin del modelo- reduccin o abstraccin del sistema real a un diagrama de flujo lgico.
3. Preparacin de datos-identificacin de los datos que el modelo requiere y reduccin de stos a
una forma adecuada.
4. Translacin del modelo-descripcin del modelo en un lenguaje aceptable para la computadora
que se usar.
5. Validacin-incremento a un nivel aceptable de confianza de modo que la inferencia obtenida del
modelo respecto al sistema real sea correcta.
6. Planeacin estratgica-diseo de un experimento que producir la informacin deseada.

7. Planeacin tctica-determinacin de cmo se realizar cada una de las corridas de prueba
especificadas en el diseo experimental.
8. Experimentacin-corrida de la simulacin para generar los da-tos deseados y efectuar el anlisis
de sensibilidad.
9. Interpretacin-obtencin de inferencias con base en datos generados por la simulacin.
10. Implantacin-uso del modelo y/o resultados.
11. Documentacin-registro de las actividades del proyecto y los resultados as como de la
documentacin del modelo y su uso.
Los pasos para realzar un estudio de simulacin propuestos por Banks et al. (2000) se
presentan a continuacin:
1. Formulacin del problema. Como en cualquier mbito, para resolver un problema, hay que
describir completamente el problema, aunque existen muchos casos, en que esto debe ser
reformulado.
2. Planteamiento de objetivos y plan del proyecto. Los objetivos nos indican que es lo que tiene
que hacer la simulacin, es decir, que respuestas nos va a entregar. Tambin es en esta etapa que
se decide si la simulacin es una herramienta apropiada para el problema, y si lo es, se debe
organizar el proyecto, en temas como otras formas de obtener el resultado, las validaciones y
cuanta gente y tiempo se va a emplear.
3. Conceptualizacin del modelo. Es en este paso donde se luce el encargado de desarrollar el
modelo. La construccin de un modelo no es solo una lista de pasos a seguir, no existe una pauta
que diga as se construyen modelos perfectos. Para modelar se necesita sacar las caractersticas
esenciales del sistema, y luego mediante suposiciones y correcciones, mejorar el modelo para que
se aproxime al sistema. No es necesario que sea igual al sistema, sino que sea una esencia del
sistema real. La experiencia es la mejor gua en esta etapa.
4. Coleccin de datos. Los datos requeridos dependen totalmente del modelo desarrollado,
mientras el modelo est siendo desarrollado, los conjuntos de datos requeridos tambin van
sufriendo modificaciones. Los datos histricos (de los cuales ya sabemos su comportamiento)
sirven para validar el modelo.
5. Traduccin del modelo. Esta es la etapa en que se pasa el modelo al computador, ya sea por
medio de un lenguaje de simulacin o un software de simulacin de propsito especifico.
6. Verificacin. Se refiere a la verificacin del programa en s, Esta ejecutndose
apropiadamente? Se buscan y corrigen errores de programacin y de la estructura lgica del
modelo esta correctamente representada.

7. Validacin. La validacin se refiere a si el modela es la representacin exacta del sistema real.
Esto se logra mediante el proceso de comparar el modelo con el sistema y usar esas diferencias
para ir ajustando el modelo
8. Diseo del experimento. Se refiere al diseo de lo que se va a simular, y las decisiones que
conciernen a cada escenario de simulacin, como el tiempo que va a durar, su complejidad y
valores de variables exgenas entre otras.
9. Ejecuciones de produccin y anlisis. Ejecutar las simulaciones y el posterior anlisis estimar
medidas desempeo para el sistema que est siendo simulado.
10. Ms ejecuciones? El analista debe determinar si son necesarias ms simulaciones y el diseo
que estas deben tener.
11. Documentacin y reportes. Se conforma la documentacin del programa, si es que ser usado
otra vez, o ser usado por otros analistas; tambin es importante por si es necesario hacer
modificaciones al programa, adems da una mayor confianza que el programa este documentado.
Adems se elaboran reportes referentes al progreso del trabajo de simulacin y las decisiones
tomadas. Tambin se sugiere la realizacin de peridicos entregables, los cuales no
necesariamente informaran grandes logros, sino con el fin de mantener informados al personal
que no est trabajando directamente en el. Estos documentos tienen que estar programados en el
planteamiento de objetivos y plan de proyectos.
12. Implementacin. Una vez obtenidos los anlisis de las salidas de la simulacin estos deben ser
llevados al sistema estudiado.
Con base a las metodologas revisadas en este apartado, la secuencia de los
acontecimientos descritos por etapas o pasos podran ser representados de la siguiente manera
(vase figura 4):

Figura 2.4 Secuencia de acontecimientos descritos por los pasos de un estudio de simulacin
Shannon (1997)
Banks et al. (2000)
Kelton et al. (2007)
1. Definicin de sistema.
1. Formulacin del
problema.
1. Comprender el
sistema.
2. Planteamiento de
objetivos y plan del
proyecto.
2. Ser claro sobre sus

objetivos.
2. Formulacin del
modelo.
3. Conceptualizacin del
modelo.
3. Formular la
representacin del
modelo.
3. Preparacin de datos.
4. Coleccin de datos.
Law (2007)
1. Formular el problema
y el plan de estudio.
2. Recopilar datos y
definir el modelo.
3. Revisar el documento
y definir su validez
4. Translacin del
modelo.
5. Traduccin del
modelo.
6. Verificacin.
4. Traducir al software de
modelado.
5. Verificar que su
representacin por
computadora representa
el modelo conceptual
fielmente.
4. Construir un programa
de computadora y
verificar.
5. Ejecutar corridas
piloto
5. Validacin.
7. Validacin.
6. Validar el modelo.
6. Planeacin estratgica.
8. Diseo del
experimento.
7. Disear los
experimentos.
7. Disear experimentos.
8. Ejecutar los
experimentos.
8. Hacer corridas de
produccin.
6. Realizar la validacin
del modelo
7. Planeacin tctica
8. Experimentacin
9. Interpretacin.
9. Ejecuciones de
produccin y anlisis.
9. Analizar los resultados.
9. Analizar los datos de

salida.
10. Obtener una visin.

10. Ms ejecuciones?
11. Documentacin.
11. Documentacin y
reportes.
11. Documentar lo que

has hecho.
12. Implementacin.
10. Implantacin.
10. Documentar,
presentar y utilizar los
resultados.
Considerando las propuestas revisadas desde un punto de vista ms general, se podra

decir que el proceso de construccin de un modelo puede dividirse en cuatro momentos.
El primero es aquel que se centra en la formulacin clara del problema, as como en sentar los
objetivos y el plan del proyecto de simulacin.
Un segundo momento se refiere al desarrollo del modelo y a su correspondiente verificacin y
validacin. El proceso de verificacin consiste en comprobar que el modelo desarrollado cumple
con los requisitos de diseo auto-impuestos por el modelador (Kieijnen, 1995). Validar un modelo
consiste en valorar su utilidad dentro del contexto de aplicacin, de acuerdo con los criterios para
los cuales el modelo fue diseado (Sargent, 2003).
El tercer momento incluye al diseo de experimentos, a la determinacin y ejecucin de las
corridas de simulacin y al analizar de los datos de salida. En estos pasos se recomienda el uso de
herramientas estadsticas para el anlisis de los resultados.
La ltima parte se refiere a la documentacin del proceso de construccin del modelo y su
utilizacin como instrumento para presentar los resultados del proyecto que debern coincidir con
los objetivos del mismo, esto con el objetivo de justificar la toma de decisiones acerca del uso e
implementacin del modelo en el sistema real.
Analizando las metodologas presentadas en la figura 4 y tomando en cuenta estos cuatro
momentos en los que se divide un estudio de simulacin, se observa que la propuesta de Law
(2007) no solo incluye en sus etapas la secuencia de pasos propuestos por los otros autores
revisados, sino que adems aade un punto de validacin importante en el paso nmero tres y la
ejecucin de corridas piloto en su paso cinco. Adems, comparndolo con la metodologa de
Kelton et al. (2007), la cual presenta en cada uno de sus pasos ms bien una serie de
recomendaciones y cuestiones a reflexionar, la metodologa de Law (2007) es ms estructurada.
Por estas razones, en esta investigacin se tomara como gua las etapas de un estudio de
simulacin definidas por Law (2007), las cuales se presentan en la figura 2.5.

Formular el problema y el plan de
estudio.
Recopilar datos y definir el modelo.
Revisar el
documento y
definir su validez
No
Si
Construir un programa de
computadora y verificar.
Ejecutar corridas piloto
Revisar el
documento y
definir su validez
No
Si
Disear experimentos.
Hacer corridas de produccin.
Analizar los datos de salida.
10. Documentar, presentar y utilizar

los resultados.
Figura 2.5 Pasos de un estudio de simulacin (Law, 2007)

2.3.4 Software de simulacin
El desarrollo del software de simulacin de eventos discretos ha evolucionado
progresivamente desde 1960, y muchos sistemas han sido desarrollados por la industria y la
academia para hacer frente a diversos problemas industriales. En resumen, cuatro generaciones
de productos de software de simulacin han evolucionado (Wang y Sun, 1993):
Primera generacin (finales de 1960) - Programacin en lenguajes de alto nivel (HLL), tales
como FORTRAN. El modelador se vio obligado a programar tanto la lgica del modelo y el
cdigo para controlar los eventos y actividades en el modelo.
Segunda generacin (finales de 1970) - Lenguajes de simulacin que tienen rdenes como
control de evento, generacin de distribucin estadstica, informacin, etc. Un modelo en
el lenguaje de simulacin era compilado y luego se vinculaba con las subrutinas
suministradas para producir el modelo ejecutable. Ejemplos de ello son GPSS (IBM), See
Why(AT & T), AutoMod (ASI).
Tercera generacin (1980) - Generadores de lenguajes de simulacin, paquetes de
aplicaciones para usuario que generan el cdigo en un lenguaje de simulacin. El cdigo
generado es compilado y luego vinculado para producir un modelo ejecutable. Se redujo el
tiempo de desarrollo del modelo, pero todava se requera que el modelador dominara
todos los aspectos del mecanismo de simulacin. Ejemplos de ello son SIMAN (Systems
Modeling), EXPRESS (AT&T).
Cuarta generacin (finales de 1980) - Paquetes interactivos de simulacin (simuladores)
que permiten modificar los modelos en cualquier momento. Los modelos de simulacin se
pueden construir rpidamente por los administradores e ingenieros industriales, lo que
motiva a las personas con conocimientos y experiencia de primera mano de un problema a
construir modelos propios. Como ejemplo es WITNESS (AT&T) y ARENA (Systems
Modeling).
Hay una gran cantidad de software disponible para la simulacin de eventos discretos. La
simulacin se ha convertido en una metodologa popular. Como resultado, se han desarrollado
numerosos tipos de paquetes de software de simulacin para los problemas de modelos de
simulacin. La creciente variedad de paquetes de software de simulacin en el mercado de
software hace que la seleccin de un paquete de simulacin adecuado sea una decisin crtica
(Banks and Gibson, 1997; Azadeh et al., 2010).
El articulo Simulation Software Buyers Guide. publicado en el ao 2002 en la revista IIE
Solutions contiene informacin acerca de 47 paquetes de software de simulacin (Mason, 2002).
Dos de los paquetes ms conocidos comercialmente son PROMODEL y ARENA. Las siguientes
secciones presentan una breve descripcin de las caractersticas de estas herramientas para la
simulacin.
Ao
Hasta
Alrededor
de
1960
1961
1963
1964
1966
1970
1972
1977
1979
1980
1983
Desde
1984
1985
Lenguajes de
propsito general
FORTRAN, etc.
Lenguajes de
simulacin de
programacin de
eventos
Lenguajes de
simulacin de
procesos de
interaccin
Simuladores
GPSS
SIMSCRIPT
GASP
SIMULA
Segunda versin
de la generacin
de lenguajes
Q-GERT
GPSS/H
SLAM
MAST
SIMAN
SIMSCRIPT II.5
AutoMod
WITNESS
XCELL+
SIMFACTORY
Micro Saint
STARCELL
MIC-SIM
PROMODELPC
ARENA
Tabla 2.1 Evolucin del software de simulacin para manufactura (Banks et al., 1991)
2.3.4.1 ARENA
ARENA (http://www.ARENAsimulation.com) es un software que permite realizar
simulaciones por computador bajo la plataforma Microsoft Windows, lo cual hace que su entorno
grfico y caractersticas sean familiares al usuario. Adems de sus mltiples funciones, ARENA
tiene posibilidades de interactuar con otros softwares, por lo que permite una gran flexibilidad a la
hora de interrelacionar datos de diversos softwares. Entre los programas con los que puede
relacionarse, se encuentran los procesadores de texto, Microsoft Excel, Microsoft Access y
softwares CAD. Otros softwares similares a ARENA usados para simulaciones discretas son Flexsim,
PROMODEL, Awesim y Simul8, mientras que para realizar simulaciones del tipo continuo, se
pueden mencionar MatLab y Simulink, entre otros.
Una de las ventajas que ofrece ARENA, es que, dada la gran cantidad de mdulos que
posee, slo se necesita tener un buen conocimiento de las caractersticas de stos para poder
realizar un modelo, sin la necesidad de ser expertos en informtica. Por lo general, slo se necesita
un gran ingenio y conocimientos estadsticos para modelar una situacin el particular.

En la gran mayora de los casos y de acuerdo a la flexibilidad ya mencionada, no hay un
camino nico para realizar la modelacin. Dependiendo de la comodidad que presente cada
mdulo para un determinado analista, ser el camino que seguir para modelar. Por lo tanto, el
encargado de la modelacin mediante el software ARENA, debe tener una alta capacidad analtica
y lgica para poder ingresar el modelo conceptual a un modelo computacional.
ARENA, adems trae herramientas incorporadas, que sirven para realizar tanto el manejo
de datos de entrada, como el procesamiento de resultados y comparacin de escenarios. Input
Analyzer, sirve para realizar el procesamiento de los datos de entrada del modelo, mediante el
cual se puede:
Ajustar distribuciones de probabilidad.
Realizar histogramas.
Generar un sistema de puntuacin de las distintas distribuciones ajustadas.
Realizar Test de Hiptesis (Chi-Cuadrado, Kolmogorov-Smirnov, Anderson-Darling).
El procesamiento de resultados entregados por ARENA, puede realizarse mediante la
aplicacin Process Analyzer, la que puede comparar y realizar grficos de los distintos indicadores
de desempeos, tanto de genricos, como los especificados por el usuario. Output Analyzer, es
una herramienta de procesamiento de resultados, que realiza histogramas, comparaciones entre
muestras, intervalos de confianza, diagramas de dispersin y otros. Este software no viene
integrado en ARENA, sino que mediante los reportes entregados por ARENA, puede hacer el
anlisis de resultados.
2.3.4.2 PROMODEL
PROMODEL (http://PROMODEL.com) es una oferta de PROMODEL Corporation. Es una
herramienta de simulacin y animacin diseada principalmente para modelar sistemas de
manufactura. PROMODEL puede ser utilizado tambin para modelar sistemas no manufactureros,
la compaa ofrece productos similares para la simulacin en el sector salud (MedModel) y
simulacin de sistemas de servicio (ServiceModel).
En adicin a proveer soluciones para modelar una amplia gama de procesos y proyectos,
PROMODEL ofrece varios productos de simulacin enfocados a distintos tipos especficos de
problemas de planificacin. PROMODEL es utilizado para anlisis de capacidad, diseo de
instalaciones, configuracin de la lnea de ensamble, talleres de trabajo, optimizacin de la cadena
de suministro y manufactura esbelta.
PROMODEL proporciona animacin 2-D y 3-D, as como graficas dinmicas y contadores
que se actualizan durante la simulacin. El diseo de la animacin se crea automticamente a
medida que se desarrolla el modelo, utilizando grficos de las bibliotecas predefinidas o
importadas por el usuario.
Los modelos estn construidos con una interfaz grfica de usuario y constructores de
modelado. Las capacidades de PROMODEL incluyen constructores para los operadores de
modelado, camiones, transportadores, gras, sistemas de vehculos automticos guiados, y
bombas y tanques. PROMODEL efecta un seguimiento automtico de los datos de costos
basados en el material, mano de obra y costo del equipo introducidos por el usuario.
PROMODEL cuanta con interfaz con Microsoft Excel y otros programas de bases de datos
comerciales para el desarrollo de soluciones integradas. Tambin cuenta con una interfaz COM
para la personalizacin y la creacin de la conectividad con otras aplicaciones.
Adems de generar informes de resultados estndar y personalizados, PROMODEL exporta datos a
Excel para un anlisis ms extenso, as como a Minitab para la creacin automtica de grficos seis
sigma y diagramas de capacidad de proceso. La interfaz en tiempo de ejecucin de PROMODEL
permite al usuario definir mltiples escenarios de para experimentacin y comparacin.
SimRunner aade la posibilidad de realizar optimizaciones de la simulacin. Se basa en un
algoritmo de estrategia evolutiva. El motor de optimizacin OptQuest est integrado en
PROMODEL.
2.4 Simulacin en Mxico

La simulacin se ha utilizado principalmente en Estados Unidos y Europa. En la seccin
2.3.2.2 se describe que las tcnicas de simulacin se aplican en el anlisis y diseo de sistemas de
manufactura, sistemas de armamento militar, sistemas de trasporte, sistemas financieros y
sistemas que representan organizaciones de servicio (hospitales, restaurantes de comida rpida,
etc.). En Mxico, algunas evidencias de proyectos de simulacin que dan solucin de problemas
reales se encontraron en la Revista de la Ingeniera Industrial (revista del AcademiaJournals.com).
Algunos de estas publicaciones modelan procesos de manufactura (Prez et al., 2003); procesos de
servicio (Hernndez et al., 2008); procesos logsticos (Roldn et al. 2007, Ortiz et al. 2008); proceso
de control de trfico (Moras y Ojeda 2007, Moras et al. 2010). Las aportaciones y los objetivos de
estas investigaciones son:
Prez et al. (2003) desarroll un modelo de simulacin para una planta elaboradora de
productos lcteos situada en el estado Hidalgo, para evaluar si se mejoraran los tiempos de
produccin en la planta al ampliar sus lneas de produccin con algunos nuevos componentes. Los
resultados mostraron que la adicin de los nuevos componentes mejorara considerablemente los
tiempos de produccin.
Hernndez et al. (2008) desarrollaron un modelo imitando el proceso de altas (actividades
realizadas desde el alta del usuario hasta el momento en el que abandona el hospital) en un
hospital ubicado en la regin de Orizaba para identificar puntos crticos. Con el apoyo de ste
modelo y otras herramientas de la ingeniera industrial se crearon alternativas de solucin para

minimizar el tiempo del proceso de altas de este hospital e incrementar la satisfaccin de los
pacientes.
Roldn et al. (2007) utilizaron la simulacin como herramienta para el mejoramiento de la
logstica en una empresa localizada en Orizaba, Veracruz, y desarrollaron un modelo
representativo del sistema real de reparto del helado, y a partir de este modelo se realiz otro con
las mejoras propuestas para optimizar la entrega del producto y con ello incrementar la
productividad de la distribuidora. Los resultados de este estudio demuestran los beneficios
obtenidos en una distribuidora de helados, mediante la aplicacin de la simulacin y del algoritmo
del agente viajero.
Ortiz et al. (2008) comparan dos modelos de simulacin: el primer modelo representa a un
sistema de manufactura funcionando mediante el sistema de costos estndar (SCE), y el segundo
modelo representa al mismo sistema de manufactura, pero ahora funcionando bajo los conceptos
de la Teora de Restricciones (TOC, de las siglas en ingls, Theory Of Constraints), en particular de
su sistema logstico tambor-amortiguador-cuerda (DBR, de las siglas en ingls Drum-Buffer-Rope).
Los resultados, y bajo las caractersticas definidas para el sistema de manufactura en estudio, el
estudio concluy que el control del flujo de Materia Prima (MP) bajo el sistema logstico DBR es
mucho ms eficiente.
Moras y Ojeda (2007) mediante la tcnica de simulacin analizan y comparan,
considerando diferentes tasas de llegada a un sistema de cruces, la eficiencia del programa de
cruces uno por uno para el control del trfico vehicular en cruces de calles y dos programas de
control de trfico alternos: semforos y calles con preferencia, en la ciudad de Orizaba, Veracruz.
Moras et al. (2010) desarrollaron un modelo del rea de recepcin de los camiones
caeros llamada batey en un ingenio ubicado al sureste de la Repblica Mexicana. En esta rea
la caa ingresa, se pesa, se limpia y alimenta al proceso de molienda. Se realiza un estudio
comparativo entre el sistema actual conformado por tres mesas alimentadoras, y tres propuestas
de solucin cuyo funcionamiento reside en modificar las caractersticas de las mesas, buscando
incrementar la productividad del rea.
Este trabajo se llev a cabo en un ingenio ubicado al sureste de la Repblica Mexicana, en
el rea de recepcin de los camiones caeros llamada batey. En esta rea la caa ingresa, se
pesa, se limpia y alimenta al proceso de molienda. Se realiz un estudio comparativo usando la
tcnica de simulacin, entre el sistema actual conformado por tres mesas alimentadoras, y tres
propuestas de solucin cuyo funcionamiento reside en modificar las caractersticas de las mesas.
Los resultados obtenidos ayudaron a elegir aquella alternativa de solucin que mejorara en mayor
grado la productividad del sistema actual.
Cabe sealar que en el desarrollo de la mayora de los modelos se emplea la metodologa
propuesta por Law y Kelton (2000).
CAPTULO 3
DISEO DE LA PROPUESTA DE MEJORA
En la lnea de produccin de alambre de pas trabajan 4 operadores, cada uno tiene a su

cargo 3 mquinas. Se mencion al final del Capitulo uno que esta asignacin de mquinas da lugar
a un efecto de interferencia entre las mquinas operadas por un trabajador. Esta interferencia
genera un tiempo de espera que inicia cuando la mquina ha terminado de procesar un rollo hasta
que el operador (ocupado en otra operacin), est disponible para descargar y cargar la mquina
para el siguiente ciclo.
El diseo de la propuesta est basado en alcanzar los objetivos de la Gerencia de la planta
respecto a las mtricas de productividad de la lnea: el tiempo en que se produce un rollo (o
tiempo de arranque a arranque de la mquina), y la cantidad de rollos producidos por unidad de
tiempo.
3.1 Conceptos del sistema de manejo de materiales

3.1.1 El manejo de materiales
El manejo de materiales se estima que representan entre el 15 y el 70% del costo total de
un producto manufacturado (Tompkins et al., 2010). De acuerdo a la definicin del Material
Handling Institute of America, el manejo de materiales es el arte y la ciencia relacionada con el
movimiento, almacenamiento, control y proteccin de los bienes y materiales en todo el proceso
de su fabricacin, distribucin, consumo y eliminacin.
Dowlatshahi, S. (1994) hacienda referencia a Sule (1988) apunta los objetivos de los sistemas
de manejo de materiales:
Aumentar la productividad general
Facilitar el proceso de manufactura
Aumentar la eficiencia del flujo de material por el manejo oportuno de los materiales
Reduzca el costo / tiempo / distancia relacionados con el sistema de manejo de materiales
Mejorar las instalaciones y la utilizacin del espacio
Mejorar la seguridad y las condiciones de trabajo
Mejorar las operaciones de produccin
Reduce el dao debido a la manipulacin de materiales
DISEO DE LA PROPUESTA DE MEJORA | CAPTULO 3
3.1.2. Equipo utilizado para el manejo de materiales

Los equipos tpicamente usados para el manejo de materiales son: transportes industriales, gras
y polipastos, y transportadores. La figura 3.1 muestra un layout con lugares especficos para los
equipos de manejo de materiales. Los transportes industriales tienen acceso a la zona de toda la
planta, las gras y los polipastos tienen una limitada extensin del rea, y los transportadores
tienen acceso punto a punto.
Transportes industriales:
ruta variable, rea sin restricciones
Gras:
ruta variable, rea
restringida
Transportadores: ruta
fija
Polipasto:
rea restringida
Figura 3.1 Diagrama del equipo clave para el manejo de materiales y el plan de la fabrica (GarciaDiaz y Smith, 2008)
Para Diaz-Garcia et al. (2008) la mayora de los equipos para el manejo de materiales
puede ser caracterizado en las siguientes clases bajo los siguientes parmetros:
Entrada de la carga (Input Load)/ Mecanismo de transferencia (Transfer mechanism)/ Salida de la
carga (Output load)
Entrada de la carga: El producto o elemento puede considerarse normalmente como una unidad
de carga (U) o un bulto (por lotes) de carga (B).
Mecanismo de transferencia: La ubicacin de los equipos para el manejo de materiales puede
estar por encima del piso (T), por lo alto (O), o incrustado en el suelo (I).
Salida de la carga: El tipo de sistema de colas que los equipos para manejo de materiales depositan
la carga puede ser de acumulacin (A) o de no acumulacin (N). La acumulacin se refiere al hecho
de que la carga pueda formar una cola en el dispositivo o en la estacin de trabajo. La no
acumulacin puede ser considerada como ninguna cola en absoluto, ya que cuando el equipo de
manejo de materiales se detiene, la carga se despacha de forma individual, sin la formacin de
cola a lo largo del equipo de manejo de materiales. La figura 3.2 muestra la taxonoma de los
equipos para el manejo de materiales.
De gravedad
de rodillos: U/T/A
de rodajas: U/T/A
de rampa/espiral: UB/T/A
De banda
granel: B/T/N
paquete: B/T/N
porttil: B/T/N
cerrado: B/T/N
Cadena
cubo: B/T/N
carretilla: U/TI/N
remolque: U/TI/N
monorral: U/O/N
Otros
neumtico: U/O/N
de tornillo:B/T/N
vibrante: B/T/N
Polipasto
cadena: UB/O/A
monorral: U/O/A
aguiln: UB/O/A
elctrico: UB/O/A
Gras
apilador: UB/O/A
torre: UB/O/A
prtico: UB/O/A
aguiln / torre: UB/O/A
Otros
elevacin hidrulica: U/O/A

elevadores: UB/I/A
escaleras mecnicas: UB/I/A
Transporte
de mano
(carretillas)
dos ruedas: UB/T/A

cuatro ruedas: UB/T/A
carretillas: UB/T/A
Transporte
motorizado
plataforma: UB/T/A
montacargas: UB/T/A
apiladores: UB/T/A
gatos para plataforma:
UB/T/A
Otros
vehculos de guiado
automtico: UB/I/A
equipo ferroviario: UB/I/A
Transportadores:
Transporte en un
rea/ruta fija
Equipo
utilizado en el
manejo de
materiales
Gras y
polipasto:
Transferencia en
un rea limitada
Transportes:
Transporte en un
rea amplia
Figura 3.2 rbol de equipos de manejo de materiales (Garcia-Diaz y Smith, 2008)
3.2 Consideraciones de la lnea de produccin de alambre de pas para el sistema

de manejo de producto terminado
3.2.1 Seleccin del equipo de manejo de producto terminado
De la descripcin de la lnea de produccin (seccin 1.4) se recuerda que cada uno de los
cuatro operadores que laboran en la lnea deben acomodar los rollos producidos en su respectiva
canastilla; cuando se han llenado la canastilla con 27 rollos de alambre, esta es trasladadas a
travs de un montacargas al final de la lnea, donde se realiza el embalaje de los rollos. Se propone
eliminar las operaciones de acomodo de los rollos en las canastillas y el uso del montacargas.
El sistema de manejo de producto terminado est formado por doce robots
manipuladores de rollos y un transportador de banda. El robot manipulador colocar el rollo
producido sobre un transportador de banda que los mover desde su respectiva mquina hacia el
final de la lnea (zona de embalaje).
Dowlatshahi (1994) sugiere que la eleccin del equipo de manejo de materiales y el
movimiento de flujo depende directamente de la disposicin y el espacio de la planta. La figura 3.3
muestra las distancias que hay entre cada una de las mquinas y la zona de embalaje; as como
tambin la distancia entre las mquinas y el muro.
Figura 3.3 Distancias entre cada una de las mquinas y la zona de embalaje
Fuente: elaboracin propia
3.2.2 Transportadores
Los transportadores mueven materiales continuamente a lo largo de una trayectoria fija.
Para justificar el uso de un transportador debe haber un flujo suficiente entre los puntos de
conexin del transportador, por ejemplo, entre las estaciones de carga y descarga de una lnea de
produccin. (Vase figura 3.5)
Carga
Transporte
Descarga
Almacenamiento
Figura 3.5 Instalacin tpica de una cinta transportadora (Garcia-Diaz y Smith, 2008)
Algunas de las ventajas de los transportadores son las siguientes (Jain y MacGregor, 1994):
(1) su alta capacidad permite transportar una gran cantidad de objetos, (2) tienen velocidades
ajustables, (3) puede ser integradas actividades de procesamiento e inspeccin, (4) se pueden
utilizar en todos los espacios horizontales y verticales de la fbrica, (5) la transferencia de la carga
puede automtica, sin la intervencin del operador; (6) el movimiento con trayectoria curvilnea es
posible.
Las principales desventajas de los transportadores son (Jain y MacGregor, 1994): (1) tienen
un rea de movimiento fijo de punto a punto; (2) se pueden desarrollar cuellos de botella en el
sistema, (3) fallas en el transportador detienen la lnea de produccin entera, (4) impiden el
movimiento de otros dispositivos de manejo de materiales debido a su posicin fija en el
layout.
Tipos de Cintas transportadoras
El transportador ha sido un elemento bsico en el manejo de materiales durante dcadas. Est
disponible en muchos estilos y se utiliza en innumerables aplicaciones. Los tipos de
transportadores ms comunes son (Kator, 2007):
Transportador sin motor de rodajas y de rodillos.

Transportador motorizado de banda y de rodillos utilizados en el manejo de paquetes y de
otros pequeos productos.
Transportador motorizado de cadena y de rodillos utilizados en la manipulacin de cargas
de mercancas paletizadas.
3.2.3 Eleccin del tipo de transportador

Se elige el transportador motorizado de banda plana. En el transportador de banda
tradicional, un motor de Corriente Alterna conduce una polea que hace girar un lazo de banda. La
banda puede ser de una variedad de materiales, en funcin de los elementos que pretende
transportar. Por debajo de la banda se encuentra una cama o rodillos sin motor o una hoja de
metal conocida como una cama deslizante (Kator, 2007).
Figura 3.6 Transportador de banda plana (Tompkins et al., 2010)

Capacidad de transporte segn ancho de banda
La capacidad de transporte depende, principalmente, de la velocidad de la banda y de la
forma de sta. A este respecto la norma DIN 22101 considera que la carga no debe ocupar en la
banda un ancho no mayor que:
= 0.9 0.05 ( )
(3.1)
donde B es el ancho de banda. (Vase figura 3.7)
B
0.9 B 0.05
Figura 3.7 Capacidad de transporte para una banda plana


La longitud b es el dimetro del rollo. De la tabla 1.4, el dimetro para los tres diseos que
produce la lnea es de 38 cm. Entonces
Despejando B de la frmula 3.1 se tiene

=
= 0.38
+ 0.05 0.38 + 0.05

=
= 0.47
0.9
0.9
0.50
100
1
= 50
La figura 3.8 muestra las dimensiones del transportador del sistema de manejo de producto
terminado.
Figura 3.8 Dimensiones del transportador de banda

Clculo de la velocidad del transportador

Maxwell y Wilson (1979) proponen una metodologa para el anlisis de la dinmica del
flujo de sistemas industriales propuestos de manejo de materiales de unidad de carga, basado en
el uso de un modelo de flujo de red dinmica y optimizacin. Ellos postulan que la amplia variedad
de dispositivos de transporte industrial pueden ser modelados por una concatenacin estndar de
"mirco-modelos". Estos autores proponen para un transportador de banda de acumulacin las
siguientes relaciones:
=
=
=
=
a)
b)
Figura 3.9 Notacin del flujo para transportador de banda de acumulacin: a) transporte de banda
de acumulacin con todos los elementos en movimiento y b) transportador de banda de
acumulacin con cuatro partes acumuladas o bloqueadas y tres elementos en movimiento a
velocidad v (Maxwell y Wilson, 1979)
En los transportadores de banda de acumulacin puede formarse una cola de partes en el

nodo de salida si existe congestin en la siguiente estacin, lo que impide el flujo.
El tiempo para transportar una unidad de carga entre las estaciones de entrada y salida del
dispositivo est dado por
=
(3.2)
Para el clculo de la velocidad del transportador de banda, se considera la peticin de la

gerencia de produccin que aceptar un tiempo en que se transporta un rollo de la mquina uno
al final de la lnea de produccin no mayor a tres minutos. De la figura 3.3 se toma la distancia
entre la mquina uno (mquina ms alejada) y el final de la lnea de produccin (34 m). De la
ecuacin 3.2, la velocidad del trasportador de banda es
3
=
34
180
60
1
180
= 0.18888 0.20
3.2.4 Prototipo del brazo manipulador de rollos

Los robots industriales actuales son esencialmente brazos articulados (Ollero, 2001). Segn
la definicin del Robot Institute of America, un robot industrial es un manipulador programable
multifuncional diseado para mover materiales, piezas, herramientas o dispositivos especiales,
mediante movimientos variados, programados para la ejecucin de distintas tareas.
Muchos robots industriales actuales tienen menos de los seis grados de libertad de
rotacin o traslacin que se requieren en general para posicionar y orientar en el espacio el
rgano terminal.
En la siguiente seccin se explica la estructura del brazo manipulador de rollos.
Sistema mecnico
El sistema mecnico est compuesto por diversas articulaciones. Normalmente se
distingue entre el brazo y el rgano terminal o efector final que puede ser intercambiable,
empleando pinzas o dispositivos especficos para distintas tareas.

La estructura bsica de un manipulador consiste en un brazo compuesto por elementos
con articulaciones entre ellos. En el ltimo enlace se coloca un rgano terminal o efector final tan
como una pinza o un dispositivo especial para realizar operaciones. Los tipos de articulaciones
esenciales son: la articulacin rotacin, la articulacin prismtica, la articulacin cilndrica, la
articulacin planar y la articulacin esfrica. (Vase figura 3.10)
Figura 3.10 Tipos de articulaciones (Ferrat et al., 1986)

Los grados de libertad son el nmero de parmetros independientes que fijan la situacin
del rgano terminal; por ejemplo, la articulacin rotacin tiene un grado de libertad. Las
estructuras ms utilizadas como brazo de un robot manipulador tienen diferentes propiedades en
cuanto a su espacio de trabajo y accesibilidad a posiciones determinadas.
En la figura 3.11 se muestran las cuatro configuraciones bsicas: cartesiana, cilndrica,
polar y angular. La especificacin de la posicin de un punto se efecta mediante las coordenadas
cartesianas ( , , ) por lo que los valores que deben tomar las variables articulares corresponden
directamente a las coordenadas que toma el extremo del brazo.
Figura 3.11 Configuraciones bsicas de robots manipuladores industriales (Ferrat et al., 1986)
La estructura del brazo manipulador se asemeja a la configuracin cilndrica que tiene una
estructura RPP (una articulacin rotacin y dos articulaciones prismticas). Sin embargo, la
estructura del brazo manipulador de rollos tiene tres articulaciones rotacin con tan solo un
grado de libertad. (Vase figura 3.12)
Figura 3.12 Estructura bsica del brazo manipulador de rollos

El espacio de trabajo de un robot manipulador es el conjunto de puntos en los que puede
situarse el efector final del manipulador. El espacio de trabajo del robot manipulador de rollos
corresponde al movimiento descrito por los puntos a los que accede el manipulador con su
estructura totalmente extendida y totalmente plegada.

Este espacio de trabajo est delimitado por el movimiento de la base del brazo que tiene
movimiento en sentido a las manecillas del reloj con un rango de 0 a 90 y en sentido contrario a
las manecillas del reloj con un rango de 0 a -90. (Vase figura 3.13)
= - 90
= 90
Figura 3.13 Movimiento de la base del brazo manipulador de rollos

Efectores finales
Es el elemento que se coloca en el extremo del ltimo enlace del manipulador y que suministra la
capacidad de agarre del objeto que se pretende manipular, o la colaboracin de una herramienta
apropiada para la tarea (pintura, soldadura, etc.).
Las caractersticas que hay que tener en cuenta para su diseo son: capacidad de carga, fuerza de
agarre, geometra y dimensiones de los objetos a manejar, tolerancias, tipos de movimientos que
puede realizar, alimentacin (neumtica, elctrica, hidrulica), tiempo de actuacin del
mecanismo de agarre y caractersticas de la superficie de contacto. Los efectores finales ms
simples son pinzas mecnicas, tpicamente con dos dedos y accionamiento neumtico todo/nada.
El efector-canastilla del brazo manipulador de rollos es un elemento tipo canastilla, cuyo diseo
est determinado por la capacidad de carga (peso del rollo) y el peso, la geometra y las
dimensiones del rollo. Es un efector esttico, cuyas posiciones estn controladas por los
movimientos fijos del brazo. El nico cambio de estado del efector ocurre a los - 90 grados del
rango de movimiento contrario a las manecillas del reloj, donde un accionamiento neumtico
controla el movimiento de apertura y cierre de la parte frontal de la canastilla.
La operacin de descarga y carga de la mquina se realiza de la siguiente manera:
Cuando se ha producido un rollo de alambre, el operador da vuelta al bastidor; corta el

alambre y dobla la punta en el rollo; y quita el seguro de la mquina.
El operador activa el movimiento del brazo manipulador en sentido a las manecillas del
reloj. El brazo llega a la posicin de 90 y el operador deja caer el rollo en el efectorcanastilla y el brazo regresa a la posicin original (0). (Vase figura 3.14 )
El operador toma el armazn y lo coloca en la mquina; pone el seguro a la mquina;

ensarta el alambre (1 vuelta); cierra la puerta y activa la mquina.
El operador coloca la etiqueta de producto terminado al rollo que se encuentra dentro del
efector-canastilla.
El operador activa el movimiento del brazo manipulador en sentido contrario a las
manecillas del reloj y se retira de la mquina. El brazo llega a la posicin de -90 (en esta
posicin el efector-canastilla est situado justo sobre el transportador de banda), en
donde el accionamiento neumtico que controla el movimiento de apertura y cierre de la
parte frontal de la canastilla se acciona y permite la salida del rollo hacia el transportador
de banda. Una vez cerrada la parte frontal del efector-canastilla, el brazo regresa a la
posicin original (0).
Figura 3.14 Brazo manipulador de rollos en la posicin de 90 donde el operador deja caer el rollo
en el efector-canastilla
Actuadores
Los actuadores generan las fuerzas o pares necesarios para animar la estructura mecnica.
Ejemplos de actuadores robticos son motores elctricos (servomotores, de paso, de corriente
continua, etc.), cilindros neumticos y cilindros hidrulicos. Se utilizan tecnologas hidrulicas, para
desarrollar potencia importantes, y neumticas, pero en la actualidad se ha extendido el empleo
de motores elctricos, y en particular motores de corriente continua servo controlados,

emplendose en algunos casos motores paso a paso y otros actuadores electromecnicos sin
escobillas (brushless).
La Tabla presenta las caractersticas de actuadores para robots (Ruiz del Solar et al., 2010).
Neumtico
Aire a presin
Cilindros
Motor Paletas
Motor de Pistn
Energa
Opciones
Ventajas
Baratos
Rpidos
Sencillos
Robustos
Desventajas
Dificultad de control
continuo
Accesorios
Ruidoso
Hidrulico
Aceite Mineral
Cilindros
Motor de Paletas
Motor de Pistn
axiales
Rpidos
Alta relacin
potencia-peso
Alta capacidad de
cargo
Difcil mantenimiento
Accesorios
Fugas
Caros
Elctrico
Corriente elctrica
Corriente Continua
Corriente alterna
Motor paso a paso
Servomotor
Precisos
Fiables
Fcil control
Silenciosos
Potencia limitada
Tabla 3.1 Caractersticas de actuadores para robots

Se propone la utilizacin de un actuador elctrico. El actuador que permite al efector-canastilla
transportar el rollo hacia la banda transportadora es un servomotor de corriente continua. Los
servomotores son mquinas especialmente diseadas para control de posicionamiento.
CAPTULO 4
DESARROLLO DE LA PROPUESTA DE MEJORA MEDIANTE LA CONTRUCCIN
La propuesta de mejora descrita en el captulo tres involucra efectuar cambios en las
operaciones del proceso de produccin del rollo de alambre de pas. Utilizando la simulacin de
eventos discretos, se simula la configuracin propuesta de la lnea para evaluar si al sustituir la
operacin del acomodo de los rollos en las canastillas, con la adicin de un sistema propuesto de
manejo de producto terminado a la lnea de produccin, disminuir el efecto de interferencia
entre las mquinas, y por lo tanto mejorara el tiempo en que se produce un rollo. En la seccin
2.3.3 se ha mencionado que se ocupa la metodologa propuesta por Law (2007) para el desarrollo
de este estudio de simulacin. Es preciso mencionar que para la presente tesis se utiliza el
software ARENA 10.
4.1 Formulacin del problema

Law (2007) propone que en el inicio de un estudio de simulacin, entre otros aspectos,
deben definirse: los objetivos generales del estudio; las medidas de desempeo que se utilizarn
para evaluar la eficacia de diferentes configuraciones, mbito de aplicacin del modelo; y la
configuracin del sistema a ser modelada. De acuerdo a lo anterior, en esta seccin es
conveniente describir una vez ms la problemtica encontrada como resultado del anlisis de la
lnea de produccin de alambre de pas para as definir los objetivos del estudio, las medidas de
desempeo y la configuracin del sistema que se modelar.
4.1.1 Objetivos del estudio

En el anlisis del tiempo inactivo del captulo uno se concluye que en la lnea se presenta el
fenmeno llamado interferencia entre mquinas. El tiempo de inactividad de las mquinas se
evidencia en el tiempo de espera que inicia cuando la mquina ha terminado de procesar un rollo
hasta que el operador ocupado en otra operacin, vuelve a estar disponible para sacar el rollo de
la mquina y prepararla para procesar el siguiente rollo. Este tiempo de inactividad afecta
considerablemente el tiempo requerido para producir un rollo (o el tiempo de arranque a
arranque de mquina). La propuesta de mejora desarrollada en el captulo 3 tiene como objetivo
mejorar las mtricas de productividad, por lo que la configuracin que se modela en este estudio
incluye las doce mquinas de la lnea de produccin con los cuatro trabajadores que operan en ella
junto con el sistema de manejo de producto terminado descrito en la seccin 3.2.1, el cual est
formado por doce robots manipuladores de rollos (uno por cada mquina de la lnea) y un
transportador de banda.
DESARROLLO DE LA PROPUESTA DE MEJORA MEDIANTE LA CONSTRUCCIN

CAPTULO 4
Los objetivos del estudio de simulacin son los siguientes:
Determinar si la propuesta cumple con el objetivo de mejorar las mtricas de

productividad de la lnea: el tiempo en que se produce un rollo (o tiempo de arranque a
arranque de la mquina), y la cantidad de rollos producidos por unidad de tiempo.
Analizar la interaccin entre los operadores y los componentes del sistema de manejo de
producto terminado.
Analizar el efecto que la adicin del sistema de manejo de producto terminado en la lnea,
tendra en la carga de trabajo de los operadores y en el fenmeno de interferencia
entre mquinas.
4.1.2 Definicin de las medidas de desempeo
Tiempo promedio en que se produce un rollo

Tiempo promedio que el rollo pasa en el sistema (tiempo ciclo)
Cantidad de rollos producidos por unidad de tiempo.
Porcentaje de tiempo en que la mquina est en cada uno de los siguientes estados:
a) Procesando rollos: este estado se presenta cuando la mquina est produciendo el
rollo (enrollando el alambre de pas).
b) Esperando para ser descargada y cargada: este estado se refiere al tiempo de
espera que inicia cuando el rollo ha sido terminado hasta que el operador est
disponible para descargar la mquina (liberar el rollo producido de la mquina) y
cargar la mquina para producir el siguiente rollo.
c) Descarga y carga: este estado trata del tiempo en que ocurren las operaciones de
descarga y carga de la mquina.
d) Fallo: este estado se refiere al tiempo en que la mquina est detenida a causa de
una falla.
Porcentaje de tiempo en que el operador est en cada una de las 3 mquinas que tiene a
su cargo.
4.2 Recopilacin de datos

En el anlisis y recoleccin de datos, los datos necesarios para el desarrollo de un modelo
de simulacin se clasifican en: datos de entrada y datos de rendimiento. Los datos de entrada son
las observaciones sobre las actividades fundamentales del sistema. El anlisis de estos datos
proporciona los parmetros y las distribuciones de probabilidad para correr el modelo de
simulacin. Los datos de entrada son utilizados para predecir los datos de rendimiento y evaluar la
eficacia de las diferentes configuraciones del modelo.
Hay diferentes tipos de tipos de distribucin estadstica que son utilizados por el software ARENA.
Una sntesis del uso general y la aplicacin de cada distribucin estadstica se pueden ver en la
Tabla 4.1 (Kelton et al, 2004).

Distribucin
Beta
Continua
Discreta
Exponencial
Lognormal
Normal
Poisson
Triangular
Uniforme
Weibull
Aplicaciones
Debido a su capacidad para asumir una amplia variedad de formas, esta
distribucin se utiliza a menudo como un modelo de aproximacin en la
ausencia de datos.
Esta distribucin se puede utilizar como una alternativa a la distribucin
terica que se ha ajustado a los datos.
Esta distribucin se utiliza con frecuencia para asignaciones discretas tales
como el tipo de trabajo, la secuencia de visitas, o el lote tamao para una
entidad de arribo.
La distribucin de Erlang se usa en situaciones en las que una actividad se
produce en fases sucesivas y cada fase tiene una distribucin exponencial.
Erlang
Gamma
CAPTULO 4
Esta distribucin es a menudo utilizado para modelar los tiempos entre los
eventos de llegada y procesos de fallas, pero en general inadecuado para los
modelar tiempos de retardo
La distribucin se utiliza a menudo para representar el tiempo necesario para
completar algunas tareas (por ejemplo, un tiempo de procesamiento o
tiempo de reparacin de una maquinaria).
La distribucin lognormal se usa en situaciones en las que la cantidad es el
producto de un gran nmero de cantidades aleatorias. Tambin es de uso
frecuente para representar a los tiempos de trabajo que tienen una
distribucin sesgada a la derecha.
La distribucin normal se utiliza en situaciones en las que el teorema del
central se aplica (es decir, cantidades que son sumas de otras cantidades),
ya que el rango terico es de -. para+ , la distribucin no debe ser
utilizado para las cantidades positivas como los tiempos de procesamiento.
La distribucin de Poisson es una distribucin discreta que a menudo es
utilizado para modelar el nmero de eventos aleatorios que ocurren en un
intervalo fijo de tiempo. Si el tiempo entre eventos sucesivos est distribuido
exponencial, que el nmero de eventos que se producen en un intervalo de
tiempo fijo tiene una distribucin de Poisson.
La distribucin triangular se utiliza comnmente en situaciones en las que la
forma exacta de la distribucin no se conoce, pero estimaciones (o
conjeturas) para el mnimo, mximo, y la mayora de probable estn
disponibles.
La distribucin uniforme se utiliza cuando todos los valores sobre rango finito
rango se consideran igualmente probables. La distribucin uniforme tiene
una varianza ms grande que las otras distribuciones que se utilizan cuando
se carece de informacin.
La distribucin Weibull es ampliamente utilizado en los modelos de
fiabilidad para representan la vida de un dispositivo. Si un sistema se
compone de un gran nmero de piezas que fallas de forma independiente, y
si el sistema falla cuando una sola pieza falla, el tiempo entre fallos sucesivos
se puede aproximar por la distribucin Weibull.
Tabla 4.1 Distribuciones de probabilidad tericas y sus aplicaciones

Los datos de entrada necesarios para el desarrollo del modelo de simulacin son:

CAPTULO 4
Tiempo de procesamiento (tiempo de enrollado) de las doce mquinas, y para los tres
tipos de diseo de pas que se producen: 7200034X, 72100344, y 72100301.
Tiempo en que los trabajadores realizan las siguientes operaciones:
a) Liberado del rollo (descarga de la mquina): el operador da vuelta al bastidor,
corta el alambre y dobla la punta en el rollo, y quita el seguro de la mquina.
b) Carga de la mquina: el operador toma el armazn y lo coloca en la mquina, pone
el seguro a la mquina, ensarta el alambre (una vuelta), cierra la puerta y activa la
mquina.
c) Coloca etiqueta de producto terminado al rollo.
Los tiempos de liberado de rollo, carga de mquina y colocacin de la etiqueta de

producto terminado se determinan mediante el uso de cronmetro. Adems de estos datos de
entrada, es necesario analizar los datos de entrada referentes a las fuentes de aleatoriedad en el
sistema. Estos datos se refieren al tiempo entre cada tipo de falla de la lnea. En la seccin 1.5 se
ha mencionado la cantidad de horas inactivas registradas en las 12 mquinas de la lnea de
alambre de pas en los primeros diez meses del 2010.
Antes de presentar los datos de entrada que se utilizaron en el desarrollo del modelo, es
conveniente mencionar que fueron pocas las oportunidades de visita a la planta para recolectar
los datos arriba mencionados. Por lo que slo fue posible obtener mediciones del tiempo ciclo de
dos trabajadores.
4. 2.1 Tiempos de procesamiento

Los tiempos promedio de procesamiento de las mquinas de la lnea para los tres diseos
se muestran en la tabla 4.2.
MQUINA PB-01 WAFIOS

MQUINA PB-02 WAFIOS
MQUINA PB-03 WAFIOS
MQUINA PB-04 WAFIOS
MQUINA PB-05 WAFIOS
MQUINA PB-06 WAFIOS
MQUINA PB-07 WAFIOS
MQUINA PB-08 WAFIOS
MQUINA PB-09 WAFIOS
MQUINA PB-10 WAFIOS
MQUINA PB-11 WAFIOS
MQUINA PB-12 WAFIOS
72100301
Tiempo (Minutos)
6.24
6.23
6.24
6.39
6.34
6.39
6.34
6.34
6.35
6.29
6.18
6.14
Tiempo Promedio
72100344
Tiempo (Minutos)
7.07
7.06
7.07
7.24
7.19
7.24
7.19
7.19
7.20
7.13
7.00
6.96
7200034X
Tiempo (Minutos)
6.07
6.07
6.00
6.10
6.05
6.00
6.05
6.10
6.05
6.00
6.05
6.10
Tabla 4.2 Tiempos promedio de procesamiento por tipo de diseo de pa


CAPTULO 4
4.2.2 Estimacin de parmetros

Para estimar los parmetros de las distribuciones de probabilidad que mejor se ajustan a
los datos recolectados referentes a las operaciones que realiza el operador y a los tiempos entre
fallo de la mquina, se utiliza el mtodo de estimacin de mxima verosimilitud.
Este mtodo supone una observacin de una muestra ( , , ) de una poblacin de
inters que puede ser vistas como observaciones de una funcin de densidad comn
( ; , , , ), donde la forma de es conocida pero los parmetros son desconocidos.
Entonces la funcin de verosimilitud de las observaciones es
( )=
[ ( ; )]
(4.1)
Se busca el valor de que maximiza la funcin de verosimilitud; en lugar de trabajar

directamente con la funcin de verosimilitud, se trabajamos con su logaritmo
( ) = ln[ ( )]
(4.2)
As, los estimadores mximo verosmil , , ,

de , , ,
son aquellos valores
que maximizan la funcin de verosimilitud, es decir, el logaritmo de la funcin de verosimilitud.
Para la distribucin Weibull, la funcin de log-verosimilitud es
( ; , )=
( , )=
ln ( )
[ ( ; , )] =
ln ( ) + ( 1)
ln( )
( 1) ln ( )
(4.3)
La funcin de log-verosimilitud de la distribucin Gamma es:
( ; , )=
( , )=
ln( )
[ ( ; , )] =
( )
ln ( ) ln ( )
ln( )
(4.4)
CAPTULO 4

La funcin de log-verosimilitud de la distribucin Log-normal es:
( ; , )=
( , )=
ln
[ ( ; , )] =
2
ln +
2
(ln(
))
2
(4.5)
La funcin de log-verosimilitud de la distribucin exponencial es:
( ; )=
[ ( ; , )] =
( ) = ln
(4.6)
La funcin de log-verosimilitud de la distribucin triangular es:
( ; , , )=
( ; , , )=
( , , )=
ln
2( )
( )( )
2( )
( )( )
[ ( ; , , )]
( , )(
)+
( , )(
)+
2( )
( )( )
2( )
( )( )
( , )(
( , )(
(4.7)
Para un determinado conjunto de datos, la comparacin del ajuste que una distribucin
tiene sobre otra distribucin se analiza los valores de las funciones de log-verosimilitud; y se
concluye que el ajuste de la distribucin con el valor mayor de la funcin de log-verosimilitud es
preferible sobre las otras distribuciones.

CAPTULO 4
Comparacin de los valores mximos de log-verosimilitud para los datos de entrada

relacionados con el operador
En base a las ecuaciones 4.1, 4.2, 4.3, 4.4 y 4.5, el clculo de los estimadores de mxima
verosimilitud y del valor de la funcin de verosimilitud se realiza utilizando un programa en el
lenguaje de programacin del paquete de software R (vase anexo A). R, es un lenguaje y un
entorno para clculos estadsticos y graficas. Los resmenes del los estimadores de mxima
verosimilitud y el valor de la funcin de log-verosimilitud para las distribuciones Weibull, gamma,
lognormal, exponencial y triangular se presentan en las tabla 4.3 y 4.4. Para los tiempos de las
operaciones que realiza el operador 1 (tabla 4.3), la distribucin triangular resulta con el valor
mayor de la funcin de log-verosimilitud para las tres operaciones, -19.3581,-64.07112, -63.61303,
respectivamente. La figura 4.1 muestra los histogramas de los tiempos del operador 1 para las
operaciones libera rollo de mquina, carga mquina y coloca etiqueta y las curvas de
densidad del ajuste de las distribuciones de probabilidad Weibull, Gamma, Lognormal, Exponencial
y Triangular.
Figura 4.1 Histograma de los tiempos del operador 1 y las curvas de densidad del ajuste de las
distribuciones de probabilidad
Weibull
Gamma
Parmetros
Operacin
Libera rollo
de la
mquina*
Carga la
mquina**
Coloca
etiqueta***
Lognormal
Parmetros
Exponencial
Parmetros
L(x; ,)
L(x; ,)
13.3016
27.9103
-43.2257
44.243
0.6224
-48.037178
3.285591
12.6413
33.4386
-146.4700
45.237
0.7478
-160.81226
9.73014
24.1837
-142.107
45.188
0.5168
-143.91940
Triangular
Parmetro
Parmetros
L(x; , )
L(x; )
L(x;a,b,c)
0.0974
-45.1434386
26.85
-81.5131
20.2
27.20
30.90
-19.3581
3.469474
0.0794
-141.34003
32.22
-268.358
27
31.80
38.00
-64.07112
3.133218
0.1043
-137.504072
23.07
-248.320
19
24.30
30.10
-63.61303
* Tamao de la muestra = 20; ** Tamao de la muestra = 60; *** Tamao de la muestra = 60
Tabla 4.3 Resumen de los estimadores de mxima verosimilitud y de la mxima log-verosimilitud para las actividades del operador 1
Weibull
Parmetros
Operacin
Libera rollo
de la
mquina*
Carga la
mquina**
Coloca
etiqueta***
Gamma
Parmetros
L(x; ,)
9.66452
19.834
-42.8051
34.059
0.5476
8.15524
22.9585
-46.9435
36.846
0.5573
8.72164
28.7307
-51.4725
32.631
0.8456
Lognormal
Parmetros
L(x; ,)
-45.745697
Exponencial
Parmetro
Triangular
Parmetros
L(x; , )
L(x; )
L(x;a,b,c)
2.925771
0.1421
-45.480406
18.83
-74.7698
12.2
19.20
22.5
-18.951
-47.662973
3.072795
0.1167
-44.5405949
21.75
-77.5149
17.6
21.01
27.8
-19.087
-53.72362
3.291021
0.1518
-53.671871
27.16
-81.7353
17
30.00
34.1
-27.811
* Tamao de la muestra = 20; ** Tamao de la muestra = 20; *** Tamao de la muestra = 20
Tabla 4.4 Resumen de los estimadores de mxima verosimilitud y de la mxima log-verosimilitud para las actividades del operador 2

CAPTULO 4
En el caso de los tiempos recolectados de las actividades del operador 2 (tabla 4.4), la distribucin
triangular tambin resulta con el valor mayor de la funcin de log-verosimilitud para las tres
operaciones, -18.95199, -19.08793 y -27.81172. Las grficas para las operaciones libera rollo de
mquina, carga mquina y coloca etiqueta y las curvas de densidad del ajuste de las
distribuciones de probabilidad Weibull, Gamma, Lognormal, Exponencial y Triangular para el
operador se presentan en la figura 4.2.
Figura 4.2 Histograma de los tiempos del operador 2 y las curvas de densidad del ajuste de las
distribuciones de probabilidad

CAPTULO 4
Comparacin de los valores mximos de log-verosimilitud para los datos del tiempo
entre fallas de las mquinas
La fuente ms importante de aleatoriedad de muchos sistemas de fabricacin de muchos
es aquel asociadas a las fallas de la mquina o el tiempo de inactividad (Law, 2007). Para el anlisis
estadstico del tiempo entre fallas se tomaron los datos proporcionados por la empresa descritos
en la seccin 1.7.
El resumen de la estimacin de parmetros y la mxima log-verosimilitud para las
distribuciones Weibull, Gamma, Lognormal y exponencial para los tiempos entre falla de cada una
de las doce mquinas se presenta en la tabla 4.5.
Al comparar los valores de mxima log-verosimilitud se concluye que el ajuste preferible
para las mquinas PB-WAFIOS 01 y PB-WAFIOS 04 es el de la distribucin Weibull, mientras que
para el resto de las mquinas es la distribucin Lognormal. Las grficas
Las figura B.1 a la B.12 muestran los histogramas de los tiempos entre fallas para las doces
mquinas y las curvas de densidad del ajuste de las distribuciones de probabilidad Weibull,
Gamma, Lognormal y Exponencial (vase anexo B).
Weibull
Gamma
Parmetros
MQUINA
Lognormal
Parmetros
Exponencial
Parmetros
L(x; ,)
L(x; ,)
PB-01
WAFIOS
1.142772
477.903594
-71.0114880
3.263129
99.557111
-75.8348740
5.712983
PB-02
WAFIOS
0.897183
559.446078
-73.7870937
3.702671
99.996803
-88.3654930
PB-03
WAFIOS
0.738871
709.416308
-61.6057794
4.192435
99.533116
PB-04
WAFIOS
1.220019
396.397597
-96.3765490
2.995008
PB-05
WAFIOS
0.821469
362.045498
-76.7223116
PB-06
WAFIOS
0.526136
747.839415
PB-07
WAFIOS
0.550759
PB-08
WAFIOS
Parmetro
L(x; , )
L(x; )
0.8884315
-70.1363037
453.059
-71.16025
5.775619
1.0500300
-72.4337540
596.344
-73.9082
-92.189983
5.927405
1.1473630
-59.8706180
907.817
-62.48834
99.505833
-100.302181
5.525724
0.9719809
-96.8271808
370.365
-96.80287
2.326560
99.803892
-88.0467040
5.255087
1.2532620
-75.8973180
408.742
-77.14395
-93.6339431
2.252670
99.366060
-88.1830300
5.255066
1.2532520
-75.8973180
1505.727
-99.80438
430.078742
-79.8004435
2.064740
99.983070
-135.179910
5.160452
1.7057220
-78.2471750
824.539
-84.86307
0.610528
241.965057
-73.5174254
1.583005
99.989441
-94.6101730
4.721580
1.4458780
-71.6018730
417.7999
-77.38496
PB-09
WAFIOS
0.772990
662.522981
-83.7781475
4.063922
99.880162
-117.084510
5.891404
1.1116920
-81.5783190
810.232
-84.67052
PB-10
WAFIOS
0.735537
612.605638
-83.1349419
3.672002
99.969937
-118.654935
5.785644
1.1535970
-80.822129
793.908
-84.44663
PB-11
WAFIOS
0.805557
942.530089
-87.3981154
5.853498
99.810785
-133.828629
6.234020
1.1530960
-85.7494270
1091.757
-87.95097
PB-12
WAFIOS
0.998244
313.168360
-74.2238150
2.351512
99.788178
-77.7031000
5.243855
0.9634160
-72.8806780
313.444
-74.22385
Tabla 4.5 Resumen de los estimadores de mxima verosimilitud y de la mxima log-verosimilitud para las fallas presentadas en las doce
mquinas de la lnea de produccin

CAPTULO 4
4.3 Construccin del programa de computadora

Despus de realizar el anlisis estadstico de los datos de entrada del modelo, como primer
paso en la construccin del modelo de simulacin se plantea el diagrama de flujo que representa
la operacin de una mquina de la lnea. El modelo fue concebido en tres secciones principales:
creacin de la entidad de entrada; procesamiento de la entidad y transporte de la entidad a la
salida del sistema.
4.3.1 Seccin de la creacin de la entidad de entrada

La figura 4.3 exhibe el diagrama de flujo de la primera seccin: creacin de la entidad de
entrada. En esta parte inicial del modelo se crea la entidad de entrada, es decir, se crea el primer
evento. Posteriormente se fija como ocupado al recurso mquina 1 (Maq1) y se solicita al recurso
Operador 1 (OP1) para llevar a cabo la preparacin del recurso Maq1 (la preparacin del recurso
involucra la actividad de carga de la mquina, la cual debe ocurrir para que una entidad pueda ser
procesada). Si el operador 1 est ocupado se fija el estado de Maq1 como Esperando
descarga_carga. Si el operador 1 est desocupado, se fija su estado como En Maq1 y se genera
un tiempo de carga para el OP1.
INICIO
Cree el primer evento
Fije el estado de la Maq1 a ocupado
Fije el estado de la Maq1 a Esperando

descarga_carga
SI
El OP1 est
ocupado?
NO
Fije el estado del OP1 a En Maq1
Figura 4.3 Diagrama de flujo de la seccin uno del

modelo de operacin del a mquina uno: creacin
de la entidad de entrada
Genere un tiempo de carga para OP1
En esta parte no se volver a crear un evento. La creacin de las entidades estar basada
en una solicitud que se har cuando la entidad actual termine de ser procesada.

CAPTULO 4
4.3.2 Seccin de procesamiento de la entidad

En esta seccin se empieza por asignar varios atributos: 1) el tiempo actual de la
simulacin al atributo t_arribo; 2) el tipo de diseo que se fabricar (1, 2 0 3) al atributo ndice
Rollo, 3) el tipo de entidad de acuerdo al tipo de diseo y 4) la imagen del tipo de entidad. A
continuacin se fija el estado de la Maq1 como procesando generndose un tiempo de
procesamiento. Al trmino de este tiempo, se solicita al OP1 y si est ocupado, se fija el estado de
Maq1 como esperando descarga_carga, si est disponible se fija su estado como En Maq1 y el
estado de la Maq1 como Descarga_carga; se genera un tiempo de liberado de rollo para el OP1;
luego un tiempo para el movimiento del brazo robot, y por ultimo un tiempo de carga. Si es el final
de la simulacin se imprimen las estadsticas finales y termina el programa. Si no lo es, se crea la
siguiente entidad (el siguiente evento) que es dirigida al proceso de asignacin de atributos,
mientras que la entidad actual actualiza los contadores estadsticos. Por ltimo se genera el
tiempo de colocacin de la etiqueta. El diagrama de flujo de esta seccin se representa en la figura
4.5.
4.3.3 Transporte de la entidad a la salida del sistema

En esta ltima seccin la entidad se transporta al final de la lnea. Si no existe espacio en la
banda transportadora, la entidad espera una posicin en ella, de lo contrario se genera un tiempo
de carga a la banda, seguido de un tiempo de transporte hacia la salida del sistema y despus un
tiempo de descarga a la banda. Por ltimo se actualizan los contadores estadsticos. El diagrama
de flujo de la seccin de transporte se muestra en la figura 4.4.
Existe espacio
en la banda?
NO
Espera a que exista una posicin

disponible en la banda
SI
Genere un tiempo de carga a la banda
Genere un tiempo de transporte hacia la

salida del sistema
Genere un tiempo de descarga a la banda
Actualice los contadores estadsticos
Figura 4.4 Diagrama de flujo de la seccin

tres del modelo de operacin del mquina
uno transporte de la entidad a la salida del

CAPTULO 4
sistema
Asigne el tiempo de simulacin al atributo
t_arribo
Asigna el valor del tipo de diseo a ndice
de Rollo
Fije el estado de la Maq1 a procesando
Genere un tiempo de procesamiento para

la Maq1
Fije el estado de la Maq1 a Esperando

descarga_carga
SI
El OP1 est
ocupado?
NO
Fije el estado del OP1 a En Maq1
Fije el estado de la Maq1 a
Descarga_carga
Genere un tiempo de liberado de rollo para
OP1
Genere un tiempo para el movimiento del

brazo robot
Genere un tiempo de carga para OP1
Imprime estadsticas finales
SI
PARAR
Es el final de la
simulacin?
NO
Cree el siguiente evento
Actualice los contadores estadsticos
Figura 4.5 Diagrama de flujo de la seccin dos del

modelo de operacin del a mquina uno:
Genere un tiempo de coloca etiqueta para

OP1

CAPTULO 4
procesamiento de la entidad
Una vez entendidas las 3 secciones programa, se construy un modelo de simulacin en el
software ARENA, el cual representa la configuracin propuesta para la lnea de produccin. Los
mdulos del software ARENA utilizados para construir el modelo se explican en el anexo C.
4.4 Verificacin
Una vez terminado el modelo, este se depura y se verifica. El proceso de verificacin
consiste en el comprobar que el modelo de simulacin funcionara de acuerda a la lgica propuesta
por el diagrama de flujo. Una de las tcnicas para verificar el programa de simulacin propuesta
por Law (2007) es la de realizar recorridos del modelo con una sola entidad en el sistema para
verificar que esta siguiera la lgica programada. Con este procedimiento se detectaron algunos
errores.
Una vez que los problemas importantes son resueltos, se comprueba que cada una de las
tres secciones del modelo funciona como se esperaba. Se concluye que el modelo se comporta
como lo planeado.
4.5 Ejecucin de corridas piloto

En este paso se realizan las corridas piloto para la validacin del modelo, para lo cual se determina
lo siguiente:
En referencia a las condiciones iniciales para cada corrida de simulacin, todas las
mquinas deben estas desocupadas y sin presencia de piezas. Adems las fallas de las
maquinas no se agregan.
Duracin de cada corrida de simulacin: La lnea de produccin de alambre de pas opera
en tres turnos incluyendo 30 minutos de comida por turno, seis das a la semana. Por lo
que cada replica dura 1 semana.
No se considera un periodo de calentamiento.
Se obtendr una muestra de 10 corridas de simulacin independientes utilizando
diferentes nmeros aleatorios.
Los resultados de las 10 replicas para una de las medidas de desempeo: cantidad de rollos
producidos se muestran en las tablas 4.7, 4.8 y 4.9.

CAPTULO 4
Rollos producidos en cada una de las mquinas de la lnea

Nmero de mquina
Replica
10
11
12
1
2
3
4
5
6
7
8
9
10
1121
1120
1121
1120
1120
1120
1121
1120
1121
1121
1120
1120
1121
1120
1120
1120
1120
1120
1120
1121
1120
1120
1120
1120
1120
1120
1120
1120
1120
1120
1124
1124
1124
1123
1124
1124
1124
1124
1124
1124
1123
1123
1123
1123
1123
1123
1123
1123
1123
1123
1124
1124
1124
1123
1124
1123
1124
1124
1124
1124
1104
1104
1104
1103
1103
1104
1104
1104
1104
1104
1104
1104
1104
1104
1104
1104
1104
1103
1104
1104
1103
1103
1104
1104
1104
1104
1103
1103
1103
1103
1140
1140
1141
1139
1140
1140
1140
1140
1141
1140
1140
1140
1140
1139
1139
1139
1140
1139
1140
1140
1140
1140
1140
1139
1139
1139
1140
1140
1140
1140
1120.5
0.53
1120.2
0.42
1120
0.00
1123.9
0.32
1123
0.00
1123.8
0.42
1103.8
0.42
1103.9
0.32
1103.4
0.52
1140.1
0.57
1139.6
0.52
1139.7
0.48
Tabla 4.7 Rollos producidos por cada una de las mquinas de la lnea (Diseo 72100301) de las
replicas piloto.
Nmero de mquina
Replica
10
11
12
1
2
3
4
5
6
7
8
9
10
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1004
1005
1005
1004
1004
1004
1005
1005
1005
1006
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1004
1005
1004
1005
1004
1004
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
1005
990
990
989
989
989
990
989
989
989
990
989
989
990
989
989
989
989
989
989
989
989
989
989
989
989
989
989
989
989
989
1019
1019
1020
1019
1019
1019
1019
1019
1020
1019
1019
1019
1019
1018
1019
1019
1019
1019
1020
1019
1019
1019
1020
1019
1019
1019
1019
1019
1020
1019
1005
0.00
1005
0.00
1004
0.52
1005.1
0.32
1004
0.52
1005
0.00
989.4
0.52
989.1
0.32
989
0.00
1019.2
0.42
1019
0.47
1019.2
0.42
Tabla 4.8 Rollos producidos por cada una de las mquinas de la lnea (Diseo 72100344) de las
replicas piloto.

CAPTULO 4

Nmero de mquina
Replica
10
11
12
1
2
3
4
5
6
7
8
9
10
1148
1147
1148
1147
1147
1148
1147
1147
1148
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1147
1171
1171
1171
1172
1171
1171
1171
1171
1171
1172
1171
1171
1171
1171
1170
1171
1170
1171
1171
1172
1171
1171
1171
1172
1170
1171
1171
1171
1171
1172
1143
1143
1143
1144
1143
1143
1143
1143
1143
1142
1142
1142
1143
1143
1143
1143
1142
1143
1142
1143
1142
1142
1142
1143
1142
1142
1142
1142
1142
1142
1172
1172
1172
1171
1171
1171
1171
1171
1172
1172
1171
1171
1171
1171
1171
1171
1171
1171
1171
1171
1172
1171
1171
1171
1171
1171
1171
1171
1171
1171
1147.4
0.52
1147
0.00
1147
0.00
1171.2
0.42
1170.
0.57
1171.1
0.57
1143
0.47
1142.6
0.52
1142.1
0.32
1171.5
0.53
1171
0.00
1171.1
0.32
Tabla 4.9 Rollos producidos por cada una de las mquinas de la lnea (Diseo 7200034X) de las
replicas piloto.
4.6. Validacin del modelo

Durante la validacin del modelo, debido a que no se simul la situacin actual de la lnea, sino
una alternativa basada en la implantacin de cambios radicales a la lnea, no se cuenta con datos
para realizar el proceso de de validacin.
Sin embargo, la produccin semanal de rollos por mquina se compara con el objetivo esperado
de produccin semanal calculado por la Gerencia de la Planta.
La produccin semanal de rollos para las dos consideraciones mencionadas se muestra en la Tabla
4.6.
Cantidad de rollos producidos por mquina en una semana
Medida de desempeo
Diseo 72100301
Diseo 72100344
Diseo 7200034X
Objetivo de produccin
1142
1025
1186
esperado
Modelo de la propuesta
1121
1004
1157
de mejora
Tabla 4.6 Comparacin de la cantidad de rollos producidos por semana de las replicas piloto del
modelo

CAPTULO 4
Los resultados del modelo de simulacin se acercan a la produccin semanal de rollos esperada
del sistema de produccin propuesto. En este paso se considera que el modelo cumple con los
criterios necesarios y es aceptado como valido.
4. 7. Disear experimentos
En este paso del estudio de simulacin el modelo de simulacin se utiliza para llevar a
cabo experimentos. Law (200) propone especificar para la configuracin de inters del sistema, el
nmero ptimo de replicas tomando en cuenta el error (e) mximo considerado como aceptable
para las medidas de desempeo. Tomando como medida de desempeo el tiempo promedio en
que se produce un rollo, se aplica la frmula propuesta por Law (2007) para determinar el nmero
ptimo de corridas
( )
)=
;
=
=
=
)=
( )
(4.6)
Para el tiempo en que se produce un rollo, el error mximo permitido por la Gerencia de
Operaciones de la empresa es de 30 segundos (= 0.5 minutos). Utilizando la ecuacin 4.6, el
clculo del nmero de replicas ptimas para el tiempo promedio en que se produce un rollo en la
mquina 1 del tipo de diseo de pa 72100301, se lleva a cabo hasta que el intervalo sea menor o
igual a .
De la tabla 4.10, la
( )
= 2.151223557
(0.5)
1.833
con un
10;
2.151223557
10
, .
= 10 y con un nivel de significancia = 0.10

2.151223557
10
0.5
= 0.000850169 0.5
En las tablas 4.10 y 4.11 se presentan los clculos obtenidos al aplicar la ecuacin 4.6 para
el tiempo promedio en que se produce un rollo para las doce mquinas de la lnea. Se puede
observar que el intervalo encontrado con la rplica 10 ya es menor que . Con esto se concluye
que el nmero ptimo de corridas es 10, por lo que no es necesario hacer corridas adicionales.
Tiempo promedio en que se produce un rollo en cada una de las mquinas (min)
Nmero de mquina
Replica
1
2
3
4
5
6
7
8
9
10
1
7.224
7.2255
7.2232
7.2265
7.2256
7.2269
7.2248
7.2271
7.2237
7.2234
7.22507
0.00146670
n*(0.5)
0.00085016 < 0.5
9
2
7.2248
7.2266
7.2242
7.2277
7.2264
7.2277
7.2264
7.2279
7.2247
7.2241
7.22605
0.00149164
n*(0.5)
0.00086462 < 0.5
4
3
7.2269
7.2284
7.2273
7.2297
7.2281
7.2286
7.228
7.2298
7.2275
7.2268
7.22811
0.001050344
n*(0.5)
0.000608827 < 0.5
4
7.2032
7.2022
7.2019
7.2067
7.2045
7.2053
7.204
7.2046
7.203
7.2041
7.20395
0.00144779
n*(0.5)
0.00083920 < 0.5
8
5
7.2041
7.2032
7.2028
7.2071
7.2051
7.2063
7.2048
7.2054
7.2036
7.205
7.20474
0.00135335
n*(0.5)
0.000784463 < 0.5
6
7.2064
7.206
7.2065
7.2101
7.207
7.208
7.207
7.2073
7.2069
7.207
7.20722
0.00114678
n*(0.5)
0.00066472 < 0.5
8
Tabla 4.10 Clculo del nmero de replicaciones ptimas para el tiempo promedio en que se produce un rollo del diseo de pa
72100301 en las mquinas 1, 2, 3, 4, 5 y 6
Tiempo promedio en que se produce un rollo en cada una de las mquinas (min)
Nmero de mquina
Replica
1
2
3
4
5
6
7
8
9
10
7
7.3312
7.3331
7.3308
7.3327
7.3326
7.3319
7.3337
7.3358
7.3324
7.3318
7.3326
0.00141735
n*(0.5)
0.00082156 < 0.5
8
7.3323
7.3338
7.3316
7.3342
7.3333
7.333
7.3357
7.3367
7.3334
7.3325
7.33365
0.00155581
n*(0.5)
0.00090182 < 0.5
9
7.3357
7.3372
7.3351
7.3371
7.3368
7.3352
7.3377
7.3395
7.3367
7.3362
7.33672
0.001304522
n*(0.5)
0.00075616 < 0.5
10
7.1026
7.1019
7.0985
7.1066
7.1046
7.1046
7.1014
7.1029
7.0981
7.102
7.10232
0.00263851
n*(0.5)
0.00152940 < 0.5
11
7.1034
7.1026
7.0996
7.1071
7.1054
7.1056
7.102
7.1037
7.0988
7.1029
7.10311
0.002586912
n*(0.5)
0.001499492 < 0.5
12
7.1041
7.1035
7.1004
7.1078
7.1062
7.1064
7.1028
7.1045
7.0996
7.1037
7.1039
0.00256688
n*(0.5)
0.00148788 < 0.5
Tabla 4.11 Clculo del nmero de replicaciones ptimas para el tiempo promedio en que se produce un rollo del diseo de pa 72100301
en las mquinas 7, 8, 9, 10, 11 y 12

CAPTULO 4
4. 8 Anlisis de los datos de salida

En el procedimiento de validacin del modelo y en el de diseo de experimentos se trato
acerca de los parmetros de desempeo: cantidad de rollos producidos y el tiempo promedio en
que se produce un rollo. Las tablas 4.7, 4.8 y 4.9 muestran los resultados obtenidos de la cantidad
de rollos producidos por semana para los tres tipos de diseo de pas que se fabrican en la lnea
sin considerar los tiempos entre fallas en cada mquina. Asimismo, las tablas 4.10 y 4.11
presentan el tiempo promedio en que se produce un rollo del diseo de pa 72100301 en cada
una de las doce mquinas de la lnea.
Para llevar a cabo el anlisis de los datos de salida, los resultados se comparan con los
datos proporcionados por la empresa acerca de estas medidas de desempeo. De las tablas 1.5,
1.6 y 1.7 se toman los datos de la capacidad actual de mquina en rollo por hora, para cada tipo de
diseo de pa. Los clculos de la produccin semanal de rollos se presentan a continuacin.
Para el Diseo 72100344
= 3.8
(22.5
) = (85.5
) 6
= 513
= 4.2
(22.5
) = (94.5
) 6
= 567
Para el Diseo 72100301

Para el Diseo 7200034X
= 4.4
(22.5
) = (99
) 6
= 594
Para efectuar la comparacin entre los resultados de la simulacin y los indicadores

actuales de la lnea de produccin se presentan en la tabla 4.12 las medidas de desempeo de la
situacin actual de la lnea y de los resultados del modelo de simulacin por tipo de diseo de pa.
Medida de
desempeo
Cantidad de
rollos producidos
por semana por
mquina
Tiempo promedio
en que se
produce un rollo
(min)
Situacin actual
Propuesta de mejora
Diseo
72100301
Diseo
72100344
Diseo
7200034X
Diseo
72100301
Diseo
72100344
Diseo
7200034X
567
513
594
1121
1004
1157
14.29
15.79
13.64
7.217
8.060
6.992
Tabla 4.12 Comparacin de las medidas de desempeo de la situacin actual de la lnea y de la

propuesta de mejora

CAPTULO 4
Los resultados del estudio de simulacin para estas dos medidas de desempeo reportan
mejoras en comparacin a las medidas de desempeo proporcionadas por la empresa acerca del
comportamiento actual de la lnea de produccin. El tiempo promedio en que se produce un rollo
se reduce para: a) el diseo 72100301 de 14.29 minutos a 7.217 minutos, b) el diseo 72100344
de 15.79 minutos a 8.060 minutos, y c) el diseo 7200034X de 13.64 minutos a 6.992 minutos.
Esto representa alrededor del 49.5%, 48.95% y 48.73% de mejora, respectivamente, para la
propuesta de mejora. Tendencias similares se observan tambin en la produccin de rollos. El
aumento de la capacidad de produccin del sistema para: a) el diseo 72100301 es del 50.57%, b)
el diseo 72100344 es del 51%, y c) el diseo 7200034X es del 51.33%.
Para el anlisis del efecto que tiene el considerar los tiempos entre fallas de cada una de
las mquinas sobre la cantidad de rollos producidos, se hicieron 10 replicas con duracin de 40
semanas cada una (se recuerda que la lnea opera 3 turnos 6 das a la semana, por lo que cada
corrida dura 240 das). La tabla comparativa 4.14 muestra los resultados de las replicas del modelo
de la lnea cuando se considera y no se considera los tiempos entre fallas, para la cantidad de
rollos producidos por grupo de tres mquinas. Como poda anticiparse, aadir los tiempos en que
fallan las mquinas de la lnea reduce la cantidad de rollos producidos. Esta diferencia es evidente
en los resultados de las mquinas cuatro, cinco y seis, en los cuales la produccin de 134,910 rollos
disminuye a 102,598 rollos.
Rollos producidos por grupo de 3 mquinas en 40 semanas
Modelo sin tiempos de paro por fallas en
las mquinas
1
2
3
4
5
6
7
8
9
10
Mquinas
1, 2 y 3
Mquinas
4,5 y 6
Mquinas
7, 8 y 9
134,519
134,520
134,520
134,528
134,520
134,522
134,517
134,526
134,517
134,523
134,904
134,907
134,913
134,916
134,907
134,909
134,907
134,914
134,906
134,915
132,530
132,528
132,524
132,530
132,526
132,520
132,521
132,527
132,519
132,527
Mquinas
10, 11 y
12
136,827
136,836
136,840
136,846
136,836
136,847
136,839
136,836
136,836
136,848
134,521
134,910
132,525
136,839
Modelo con tiempos de paro por fallas en

las mquinas
Mquinas
1, 2 y 3
Mquinas
4,5 y 6
Mquinas
7, 8 y 9
132,375
132,408
132,178
132,380
132,832
132,695
132,605
132,700
132,299
132,469
102,744
102,198
103,126
102,506
102,519
102,670
102,620
102,451
102,494
102,653
130,350
130,493
130,585
130,407
130,570
130,403
130,358
130,547
130,296
130,501
Mquinas
10, 11 y
12
134,863
134,737
134,493
134,852
134,694
134,649
134,791
134,686
134,661
134,854
132,494
102,598
130,451
134,728
Tabla 4.14 Comparacin de los resultados de la cantidad de rollos producidos obtenidos de las
replicas del modelo con y sin tiempos de paro por falla en las mquinas

CAPTULO 4
En referencia a otra de las medidas de desempeo, el tiempo ciclo o el tiempo promedio que
el rollo pasa en el sistema, no puede efectuarse la comparacin con algn indicador disponible
debido a que la propuesta de mejora considera la adicin de un sistema de manejo de producto
terminado para transportar el rollo al final de la lnea de produccin. Sin embargo, en la tabla 4.13
se presentan los resultados del tiempo ciclo promedio por grupos de 3 mquinas para el diseo
72100301. Asimismo, se presenta otro indicador: el tiempo de transporte del rollo. El tiempo de
transporte inicia desde que el rollo es cargado al transportador de banda hasta que es descargado
de ella al final de la lnea de produccin, es decir, hasta que es transportado a la zona de embalaje.
Tiempo ciclo promedio (min)
Diseo
72100301
Diseo
72100344
Diseo
7200034X
Tiempo promedio de
transporte del rollo
(min)
Rollos producidos en
las mquinas 1, 2 y 3
10.62063
11.45029
10.45077
2.80396
9.96288
10.81239
9.66962
2.09835
9.32164
10.17096
9.07244
1.3956
las mquinas 10, 11 y
12
8.44232
9.2822
8.25153
0.6762
Tabla 4.13 Resultados del tiempo ciclo promedio y del tiempo promedio de transporte del rollo
Como se esperada, se puede observar que el tiempo ciclo promedio y el tiempo de
transporte promedio decrecen a medida que los rollos son producidos en las mquinas ms
cercanas al final de produccin
Por ltimo, para analizar el efecto que la propuesta de mejora tiene en la carga de trabajo
de los operadores y en el fenmeno de interferencia entre mquinas, las figuras 4.6, 4.7, 4.8 y
4.9 muestran las grficas el porcentaje del tiempo que cada recurso est en cada uno de los
siguientes estados: 1) procesando rollos, 2) esperando para ser descargada y cargada, 3) descarga
y carga, y 4) fallo. De la misma manera, aparece el porcentaje de tiempo en que el operador est
en los siguientes estados: 1) en cada una de las 3 mquinas que tiene a su cargo, 2) desocupado e
3) inactivo. Este ltimo estado se refiere al tiempo en el cual el operador se encuentra en
capacitacin y junta.

CAPTULO 4
a)
b)
c)
d)
Figura 4.6 Grficas de estados: a) mquina uno, b) mquina dos, c) mquina tres y d) operador
uno.
a)
b)
c)
d)
Figura 4.7 Grficas de estados: a) mquina cuatro, b) mquina cinco, c) mquina seis y d) operador
dos

CAPTULO 4
a)
b)
c)
d)
Figura 4.8 Grficas de estados: a) mquina siete, b) mquina ocho, c) mquina nueve y d) operador
tres
a)
b)
c)
d)
Figura 4.9 Grficas de estados: a) mquina diez, b) mquina once, c) mquina doce y d) operador
cuatro

CAPTULO 4
De estas grficas se concluye lo siguiente:
En general, las mquinas de la lnea de produccin pasan el mayor porcentaje de tiempo

procesando rollos.
El porcentaje de tiempo que la mquina pasa en el estado esperando para descargar y
carga es pequeo, lo cual es indicio de que se eliminado el fenmeno de interferencia
entre las mquinas.
El porcentaje de tiempo que las maquinas estn en el estado fallo es relativamente
pequeo para todas las mquinas, a excepcin de la mquina cuatro. Esta mquina
procesa rollos solo el 37.516% del tiempo, con una gran cantidad de tiempo improductivo
causa por fallas.
En los estados de los operadores se observa una tendencia similar. Los operadores pasan
casi la mitad del tiempo desocupados, un 42.808% para el operador uno, un 53.444% para
el operador dos, un 43.658% para el operador tres, y por ultimo un 46.135% para el
operador cuatro. La otra mitad del tiempo de los operadores se ocupa de atender a sus
tres mquinas asignadas, por lo que los tiempos que pasa en cada una de las mquinas es
similar.
CONCLUSIONES
En este trabajo de tesis se dise una propuesta de mejora para la lnea de produccin de
alambre de pas utilizando el modelado y la simulacin de eventos discretos. Este trabajo se
deriv de la necesidad que la empresa Deacero Planta Mxico tiene acerca de evaluar e implantar
implementar alternativas que permitan mejorar las mtricas de productividad de la lnea: el
tiempo requerido para producir un rollo, y la cantidad de rollos producidos por unidad de tiempo.
Por medio de la construccin de un modelo programado en el software ARENA, la
simulacin de eventos discretos es utilizada como herramienta de anlisis para evaluar una
alternativa propuesta para mejorar el rendimiento de la lnea de produccin de alambre de pas.
Esta alternativa est definida en la propuesta de mejora que en resumen plantea la utilizacin de
un sistema de manejo de producto terminado formado por doce robots manipuladores (uno por
cada mquina de la lnea) que cargan el rollo en un transportador de banda que traslada el rollo al
final de la lnea (zona de embalaje), eliminando as las operaciones de paletizado que realiza el
operador y la utilizacin del montacargas.
En la seccin 4.8, que trata del anlisis de los datos de salida del modelo de simulacin se
estableci que la propuesta de mejora satisface los criterios establecidos por la empresa acerca de
las medidas de desempeo definidas para evaluar eficacia de la propuesta de mejora, con lo que
queda cumplido el objetivo de esta investigacin. Los resultados del modelo de simulacin se
utilizarn como base para formular las recomendaciones necesarias a la empresa para que los
cambios en el proceso de produccin de rollos e alambre de pas sean implantados.
De la conclusin de este trabajo se confirma el potencial de la simulacin como
herramienta para evaluar proyectos de rediseo de procesos de produccin y demostrar los
beneficios que este rediseo conseguir, lo que ayudar a la aprobacin de las modificaciones
propuestas al proceso de produccin y eventualmente a la implantacin de estas.
En relacin a futuras investigaciones de esta tesis, se considera lo siguiente:
En la seccin 4.8 se concluye que bajo el esquema de trabajo de la propuesta de mejora

los operadores pasan casi la mitad del tiempo desocupados, por lo la reasignacin del
nmero de mquinas a los operadores puede ser investigada. La decisin de cuantas
mquinas asignar a un operario tendr que considerar que no aparezca el fenmeno de
interferencia entre las mquinas.
En el apartado 3.2.4 se describe el diseo del prototipo del robot manipulador de rollos y
los aspectos bsicos de su funcionamiento. Se considera como trabajo futuro el
refinamiento de este dispositivo, por ejemplo, describir la lgica de las seales electicas
que controlarn los movimientos y evaluar material adecuado para su construccin.
REFERENCIAS
Anderson, E. G., Morrice, D. J. y Lundeen, G. (2005) The physics of capacity and backlog
management in service and custom manufacturing supply chains, System Dynamics
Review 21(3), pp. 217-247
Aracil, J. y Gordillo, F. (1997). Dinmica de sistemas. Alianza Editorial.
Akkermans, H. and Dellaert, N. (2005) The rediscovery of industrial dynamics: the contribution of
system dynamics to supply chain management in a dynamic and fragmented world,
System Dynamics Review 21(3), pp. 173-186.
Azadeh, A., Nazari Shirkouhi, S. y Rezaie, K. (2010) A robust decision-making methodology for
evaluation and selection of simulation software package, Int J Adv Manuf Technol 47(1-4),
pp. 381-393.
Barcel, J. (1996). Simulacin de Sistemas Discretos. Isdefe.
Balduzzi, F., Giua, A. y Seatzu, C. (2001) Modelling and simulation of manufacturing systems with
first-order hybrid Petri nets, Int J Prod Res 39(2), pp. 255282
Banks, J., Aviles, E., McLaughlin, J.R. y Yuan, R.C. (1991) The simulator: new member of the
simulation family, Interfaces 21, pp. 76-86.
Banks, J. y Gibson, R. (1996) Getting Started in Simulation Modeling, IIE Solutions 28, pp. 34-39
Banks, J., y Gibson, R. R. (1997) Selecting Simulation Software, IIE Solutions, 29(5), pp. 30-32
Banks, J., Carson, J., Nelson, B. L. y Nicol, D. (2000). Discrete Event System Simulation. Prentice Hall
International Series.
Borenstein, D. (2000) Implementation of an object-oriented tool for the simulation of
manufacturing systems and its application to study the effects of flexibility, Int J Prod Res
38(9), pp. 21252142
Chan, F., Jiang, B. y Tang, N. (2000) The development of intelligent decision support tools to aid
the design of flexible manufacturing systems, Int J Prod Econ 65, pp. 7384
Choi, S. y Lee, S. (2000) The design architecture and implementation of an integrated
manufacturing system, Int J Comput Integr Manuf 10, pp. 232244
Chou, Y. (1999) Configuration design of complex integrated manufacturing systems, Int J Adv
Manuf Technol 15, pp. 907913
Chryssolouris, G., Anifantis, N. y Karagianis, S. (1998) An approach to the dynamic modelling of
manufacturing systems, Int J Prod Res 38(90), pp. 475483
Cleland, D. I., y King, W. R. (1983). Systems analysis and project management. New York: McGrawHill.
Cruz, M. M. B. (2007) Evaluando la dinmica de sistemas como una herramienta para ensear
Historia, Revista de Dinmica de Sistemas 3(2), pp. 3-60.
Cunha, P. y Dionisio, J. (2002). An architecture to support the manufacturing systems design and
planning, en Proceedings of the 1st CIRP(UK) Seminar on Digital Enterprise Technology,
Durham, UK, pp. 237240
Diaz-Garcia, Alberto and J. MacGregor Smith. (2008). Facilities planning and design. Upper Saddle
River, New Jersey. Pearson Prentice-Hall.
Ellis, R. E. (2007) El impacto del comercio con China en las economas y sociedades de Amrica
Latina, Revista de Dinmica de Sistemas 3(2), pp. 85-116.
Eneyo, E. S. y Pannirselvam G. P. (1998) Use of simulation in facility layout design: A practical
consulting experience, en Proceedings of the 1998 Winter Simulation Conference, ed. D. J.
Medeiros, E. F. Watson, J. S. Carson ,and M. S. Manivannan, 1527-1532. Piscataway, New
Jersey: Institute of Electrical and Electronics Engineers.
Ford, A. (1997) System dynamics and the electric power industry, System Dynamics Review 13(1),
pp. 57-85.
Ford, D. N. y Sterman, J. D. (1998) Dynamic modeling of product development processes, System
Dynamics Review 14(1), pp. 31-68.
Forrester, J. W. (1994) System Dynamics, Systems Thinking and Soft OR, System Dynamics Review
10(2), pp. 245-258.
Forrester, J. W. (1998) Diseando el futuro, ponencia presentada en la Universidad de Sevilla, 15
de diciembre.
Gonalves, P., Hines, J. y Sterman, J. (2005) The Impact of Endogenous Demand on Push-Pull
Production Systems, System Dynamics Review 21(3), 187-216.
Hernndez, B., Moras, C., Crtes, G., y L. Verduzco. (2008) Anlisis del proceso de altas de un
hospital para incrementar su productividad utilizando simulacin, Revista de la Ingeniera
Industrial 1 (1), pp. 1-18.
Homer, J. B. y Hirsch, G. B. (2006) System Dynamics Modeling for Public Health: Background and
Opportunities, American Journal of Public Health 96(3), pp. 452-458.
Hung, W. (2008) Enhancing systems-thinking skills with modeling, British Journal of Educational
Technology. 39 (6), pp. 1099-1120.
Ikbal, M., Rondeau, E. y Divoux, T. (2001) Industrial systems communications: design and
integration, Int J Comput Integr Manuf 14(6), pp. 545559
Izquierdo, L.R., Galn, J.M., Santos, J.I., y del Olmo, R. (2008) Modelado de sistemas complejos
mediante simulacin basada en agentes y mediante dinmica de sistemas, Empiria.
Revista de Metodologa de Ciencias Sociales 16(2), pp. 85-112.
Jain, S. y J. MacGregor Smith (1994), Open Finite Queuing Network with M/M/C/K parallel serves,
Computers and Operations Research 23 (3), pp. 297-317.
Kator, C 2007, 'Conveyor basics', Modern Materials Handling, 62, 13, pp. 40-43, Business Source
Complete, EBSCOhost, viewed 4 January 2011.
Kellner, M, Madachy,R. y Raffo, D. (1999) Software Process Modeling and Simulation: Why, What,
How, Journal of Systems and Software 46 (2/3), pp. 91-105.
Kelton, D.; Sadowski, R. P. y Sturrock, D.T. (2007). Simulation with ARENA, New York, USA. Mc
Graw Hill.
Kleijnen, J. P. C. (1995) Verification and validation of simulation models, European Journal of
Operational Research 82(1), pp. 145-162.
Law, A. M. (2007). Simulation Modeling and Analysis, Cuarta edicin. McGraw-Hill
Lyneis, J. M. y Ford, D. N. (2007) System dynamics applied to project management: A survey,
assessment, and directions for future research, System Dynamics Review 23(2-3), pp. 157189.
Mansharamani, R. (1997) An overview of discrete event simulation methodologies and
implementation, Sadhana 22 (5), pp. 611-627.
Martnez, J. y Esteve, M. A. (2007) Gestin integrada de cuencas costeras: dinmica de los
nutrientes en la cuenca del Mar Menor (sudeste de Espaa), Revista de Dinmica de
Sistemas 3(1), pp. 2-23.
Mason, S. (2002) Simulation Software Buyers Guide, IIE Solutions 34 (5), pp. 45-51
Maxwell, W. L., R. C. Wilson (1979) Analysis of Dynamic Material Handling Systems by Network
Flow, Working Paper No. 4, Department of Industrial and Operations Engineering,
University of Michigan, February.
Ministry of Trade and Industry. (1992) Manufacturing Simulation in the UK.
Moras, C.G., y Ojeda, I. (2007) Evaluacin de la eficiencia del programa de trnsito cruces uno
por uno, en la ciudad de Orizaba, Veracruz, Mxico, mediante microsimulacin, Revista
de la Ingeniera Industrial 1 (1), pp. 1-11.
Ortiz, F., Nuo de la Parra, P., Torres, R., y Bez, O. (2008) Comparacin del sistema de costos
estndar y la teora de restricciones para el control del flujo de materiales mediante un
modelo de simulacin, Revista de la Ingeniera Industrial 2 (1), pp. 1-15.
Pritsker, A.(1997) Modeling in performance- Enhancing processes, Operation Research 45 (6), pp
797-804.
Prez J., Arjona, E., Bueno, G. (2003) Evaluacin de planes de ampliacin de una planta
elaboradora de productos lcteos. Agrociencia (julio-agosto), pp. 383-392.
Rodrigues, A. y Bowers, J. (1996) System dynamics in project management: A comparative

analysis with traditional methods, System Dynamics Review 12(2), pp. 121-139.
Roldn, E., Moras, C., y A. Aguilar. (2007) Optimizacin de las rutas de reparto de helado de la
empresa Fricongelados Citlaltpetl, Revista de la Ingeniera Industrial 1(1), pp. 1-11.
Sargent, R. G. (2003) Verification and Validation of Simulation Model, en Chick, S., Sanchez, P. J.,
Ferrin, D. y Morrice, D. J. (Eds.) Proceedings of the 2003 Winter Simulation Conference: 3748. Piscataway, NJ: IEEE.
Schwaninger M, Grsser S. (2008) System Dynamics as Model-Based Theory Building, Systems
Research and Behavioral Science 25(4), pp. 447-465.
Shannon, R. E. (1997) Simulacin de Sistemas, Trillas, Mxico.
Simon, H. A. (1990) Prediction and Prescription in Systems Modeling, Operations Research
archive 38 (1), pp. 7-14
Sterman, J. D. (1992). System Dynamics Modeling for Project Management. MIT Sloan School of
Management.
Sterman, J. D. (2000). Business Dynamics. Mc Graw Hill Higher Education, Massachusetts, USA.
Sterman, J. D. (2002) All Models are Wrong: Reflections on Becoming a Systems Scientist System
Dynamics Review 18(4), pp. 501-531.
Su, A.; Gil Vilda, F. e I. Arcusa (2004) Manual prctico de diseo de sistemas productivos. Daz de
Santos, Madrid, Espaa.
Tobaben, F. (1997) Modelling, simulation, and statistical analysis of an assembly line for RollsRoyce Motor Cars Ltd, Project Report, Technical University of Braunschweig
Tompkins, J., White, J., Bozer, Y. y J. Tanchoco. (2010) Facilities Planning, 4th Edition, John Wiley &
Sons Inc., New York
Wang Q., Chatwin C.R. (2005) Key issues and developments in modelling and simulation-based
methodologies for manufacturing systems analysis, design and performance evaluation,
The International Journal of Advanced Manufacturing Technology 25, pp. 12541265
Wang, M. y Sun, G. (1993) Manufacturing Simulation: An Effective Tool for Productivity
Improvement, en Proceedings of 3rd International Microelectronics y Systems '93
Conference. August 1993, Malaysia.
Wang, M., Sun, G. y Nooh, M. (1995). Application of Simulation to Reduce Manufacturing Cycle
Time. In Proceedings of 4th International Microelectronics Systems95 Conference. May
1995 Malaysia
Winston, W. (2005). Investigacin de Operaciones. Aplicaciones y Algoritmos, Cuarta edicin,
Thomson.
Zeigler, B., Chao, T. y Rozenblit, J. (1996) A knowledge-based simulation environment for
hierarchical flexible manufacturing, IEEE Trans Syst Man Cybernetics 26(1), pp. 8190
ANEXO A
Programa en el lenguaje de programacin del software R
En este apartado se presenta el cdigo del programa utilizado para calcular los
estimadores de mxima verosimilitud y el valor de la funcin de log-verosimilitud para las
distribuciones Weibull, Gamma, Lognormal, Exponencial y Triangular.
Distribucin Weibull
resultadoweibull <- function(m,datos1,liminfa,limsupa,liminfb,limsupb )
{
######## CCULO DE LA FUNCIN DE VEROSIMILITUD ########
veroweibull <- function(x)

{
n <- length(datos1)
((x[1]-1)*sum(log(datos1)) - n*(x[1]-1)*log(x[2]) - sum(datos1^(x[1]))/(x[2]^(x[1]))+n*log(x[1])
n*log(x[2]))
}
########## CICLO PARA LA OPTIMIZACIN CON m EVALUACIONES ALEATORIAS Y CREACIN ###########
########## DE UNA TABLA PARA LA SALIDA DE COEFICIENTES Y VALORES DE AJUSTE ###############
tabla <- matrix(NA,m,3)

for(i in 1:m)
{
a <- runif(1,liminfa,limsupa)
b <- runif(1,liminfb,limsupb)
logverosimilitud <- -optim(c(a,b),veroweibull)$value
estimador <- optim(c(a,b),veroweibull)$par
tabla[i,] <- c(estimador,logverosimilitud)
}
########## BUSQUEDA DE LA SEMILLA EN LA TABLA QUE DIO LA MEJOR VEROSIMILITUD ###############
mayor <- max(tabla[ ,3])

imayor <- 1
while(mayor > tabla[imayor,3]) { imayor <- imayor + 1 }
tabla[imayor,]
}
datos1 <- c(19.66,16.5,14.75,13.07,12.16,10.5,7,2.08,0.5)
resultadoweibull (1000,datos1,0.1,50,0.1,100)
Distribucin Gamma
resultadogamma <- function(m,datos1,liminfa,limsupa,liminfb,limsupb )
{
verogama <- function(x)

{
n<- length(datos1)
((x[1]-1)*sum(log(datos1)) - sum(datos1)/x[2]- n*log(gamma(x[1]))-n*x[1]*log(x[2]))
}

for(i in 1:m)
{
logverosimilitud <- verogama(c(a,b))
estimador <- c(a,b)
}

imayor <- 1
tabla[imayor,]
}
datos1 <- c(19.66,16.5,14.75,13.07,12.16,10.5,7,2.08,0.5)
resultadogamma(100000,datos1,0.1,100,0.1,100)
Distribucin Lognormal
resultadolognormal <- function(m,datos1,liminfa,limsupa,liminfb,limsupb )
{
verolognormal <- function(x)

{
n<- length(datos1)
sum((log(datos1)-x[1])^2) / (2*(x[2])^2)+ sum(log(datos1)) + n*log(x[2]) + n*log(2*pi)/2
}

for(i in 1:m)
{
logverosimilitud <- -optim(c(a,b),verolognormal)$value
estimador <- optim(c(a,b),verolognormal)$par
}

imayor <- 1
tabla[imayor,]
}
datos1 <- c(19.66,16.5,14.75,13.07,12.16,10.5,7,2.08,0.5)
resultadolognormal (10000,datos1,0.1,50,0.1,100)
Distribucin Exponencial
veroexponencial <- function(datos1)
{
n<- length(datos1)
media = mean(datos1)
-(sum(datos)/media + n*log(media))
}
datos1 <- c(19.66,16.5,14.75,13.07,12.16,10.5,7,2.08,0.5)
veroexponencial(datos1)
Distribucin Triangular
resultadotriangular <- function(m,datos1)
{
a = min(datos1)
c = max(datos1)
verotriangular <- function(x)
{
n<- length(datos1)
aux = rep(NA, n)
for ( i in 1:n )
{
if(datos1[i] < x & datos1[i] >= a)
{ aux[i] = (datos1[i] - a)/ (x - a) }
else { aux[i]= (c - datos1[i])/ (c - x)}
}
n*log(2/(c-a)) + sum(aux)

for(i in 1:m)
{
b <- runif(1,a,c)
logverosimilitud <- verotriangular(b)
estimador <- b
}

imayor <- 1
c(a,tabla[imayor,1],c,tabla[imayor,2])
}
datos1 <- c(19.66,16.5,14.75,13.07,12.16,10.5,7,2.08,0.5)
resultadotriangular(10000,datos1)
ANEXO B
Histogramas de los tiempos entre fallas
Las figuras B.1 a B.12 presentan los histogramas de los tiempos entre fallas y las curvas de
densidad del ajuste de las distribuciones de probabilidad Weibull, Gamma, Lognormal y
Exponencial, para las doce mquinas de la lnea de produccin.
Figura B.1
Figura B.2
Figura B.3
Figura B.4
Figura B.5
Figura B.6
Figura B.7
Figura B.10
Figura B.8
Figura B.11
Figura B.9
Figura B.12
ANEXO C
Modelo de simulacin desarrollado en el software ARENA
Los bloques bsicos utilizados en ARENA para construir modelos se llaman mdulos. Un modelo en
ARENA se construye colocando y conectando los mdulos de acuerdo a la lgica de programacin
del proceso que se quiere representar. Los bloques estn organizados y vinculados en una
secuencia lgica, basada en un propsito y funcionamiento definido, para describir el proceso a
travs del cual las entidades se mueven en el sistema.
Los mdulos se pueden dividir en dos grupos principales mdulos de diagrama de flujo y mdulos
de datos. De acuerdo con Kelton et al. (2007), los mdulos de diagrama de flujo se definen como
los nodos o lugares a travs del cual las entidades fluyen. Estos modelos se utilizan para describir
los procesos dinmicos en un modelo. Los datos de entrada de un modelo se introducen a travs
de los dilogos de cada modulo. En los mdulos de datos se definen las caractersticas de los
elementos involucrados en un proceso, como las entidades y los recursos. Adems, a travs de
estos mdulos se asignan valores a variables y expresiones definidas por el modelador.
En ARENA, los mdulos estn organizados en paneles o plantillas. Para el desarrollo del modelo de
la propuesta de mejora se utilizan los modelos del panel Basic Process, Advanced Process y
Advanced Trasnfer Process.
En el apartado 4.3 se describe que el modelo de simulacin se divide en tres secciones principales:
creacin de la entidad de entrada; procesamiento de la entidad y transporte de la entidad a la
salida del sistema. Las figuras C.1 y C.2 muestran los mdulos utilizados para modelar cada una de
las partes del modelo.
Creacin de
la entidad
de entrada
Procesamiento
de la entidad
Figura C.1 Mdulos de la creacin de entidad de entrada y procesamiento de la entidad para la mquina uno.
Transporte de la entidad a la
salidad del sistema
Procesamiento de la entidad
Figura C.2 Mdulos del transporte de la entidad procesada en la mquina una a la salida del sistema.

435 Labre de Puas Bafios

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

435 Labre de Puas Bafios

Diunggah oleh

Hak Cipta:

Format Tersedia

INSTITUTO POLITCNICO NACIONAL

UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERA

Agradezco a los profesores del programa de Maestra en Ciencias con especialidad

Le agradezco a mi Director de Tesis, M. en C. Isidro Marco A. Cristbal Vzquez, por

Por ltimo agradezco a todos aquellos que contribuyeron en el logro de este

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO

3.1.2 Equipo utilizado para el manejo de materiales...... 45

complejos. En la ltima seccin de este captulo se presenta la revisin y la comparacin de cuatro

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 2

1.2 Misin y Visin

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 3

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

1.3 Red de Plantas Deacero

Planta Acera Laminacin Saltillo

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 4

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Centro de Distribucin Tijuana

Deacero es el productor ms grande de alambre de Mxico y uno de los ms grandes del

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 5

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Acerocentro se estableci en 1971 y hoy en da es una institucin lder en el mercado de

Automat es una empresa tecnolgica fundada en Barcelona en 1987 dedicada al diseo y

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 6

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Figura 1.2 Las empresas de Deacero (www.deacero.com)

1.4 Estructura organizacional de Deacero Planta Mxico

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Figura 1.3 Organigrama de la empresa

1.5 Productos de Deacero Planta Mxico

Informacin proporcionada por la Gerencia de Operaciones

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Figura 1.4 Productos de Deacero Planta Mxico (www.deacero.com)

Tabla 1.1 Especificaciones de presentacin de la varilla corrugada

1.5.2 Alambre recocido

1.5.3 Alambre galvanizado

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

1.5.4 Malla soldada

Tabla 1.2 Especificaciones por diseo de malla soldada

1.5.5 Alambre de Pas

Tabla 1.3 Especificaciones de los rollos de alambre por diseo de pa

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 10

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Figura 1.5 Separacin entre pas: a) diseo nacional; b) diseo potrero

1.6 Lnea de produccin de alambre de pas

Figura 1.6 Vista frontal del rollo de alambre de pas

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 11

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Descripcin de la lnea de produccin

Figura 1.7 Distribucin actual de la lnea

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Tabla 1.5 Capacidad de produccin para diseo pa potrero 72100344

Tabla 1.6 Capacidad de produccin para diseo pa potrero 72100301

Tabla 1.7 Capacidad de produccin para diseo pa potrero 7200034X

1.7 Descripcin de la problemtica

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 13

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Cumplimiento del programa de produccin

MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 14

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Tabla 1.9 Utilidad perdida en el periodo Enero Septiembre 2009

Anlisis del tiempo improductivo

Precio de venta comercial

SITUACIN ACTUAL DE LA EMPRESA DEACERO PLANTA MXICO |CAPTULO 1

Figura 1.9 Diagrama Hombre-mquina para el anlisis de tiempo improductivo