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 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.
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
3.2
CAPTULO 4.
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
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
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.
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.
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:
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.
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.
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
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.
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
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
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
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
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
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
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
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
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
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
DIAGRAMA HOMBRE-MQUINA
Mquina: WAFIOS01, WAFIOS02, WAFIOS03
Departamento: Produccin
OPERARIO
Camina a la M.2
Abre puerta M.2
Prepara M.2
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 HOMBRE-MQUINA
Diagrama No. 1
Hoja: Mquina: WAFIOS01, WAFIOS02, WAFIOS03
Fecha: 29/10/09
3
Departamento: Produccin
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
Coloca el rollo en la
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 %
= 13.91
1 = 13.91
= 13.91
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
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 19
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.
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):
5. Formulacin y evaluacin
de polticas
4. Prueba
2. Hiptesis dinmica
3. Formulacin
Modelo
Estado de un sistema
Sistema continuo
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
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 27
Servidor
Salidas
Poblacin
solicitante
Cola
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):
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 29
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
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 30
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.
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.
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 34
1. Definicin de sistema.
1. Formulacin del
problema.
1. Comprender el
sistema.
2. Planteamiento de
objetivos y plan del
proyecto.
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.
11. Documentacin y
reportes.
12. Implementacin.
10. Implantacin.
10. Documentar,
presentar y utilizar los
resultados.
Revisar el
documento y
definir su validez
No
Si
Construir un programa de
computadora y verificar.
Revisar el
documento y
definir su validez
No
Si
Disear experimentos.
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.
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.
CAPTULO 3
DISEO DE LA PROPUESTA DE MEJORA
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
Transporte
de mano
(carretillas)
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 3.3 Distancias entre cada una de las mquinas y la zona de embalaje
Fuente: elaboracin propia
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 47
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):
B
0.9 B 0.05
= 0.38
0.50
100
1
= 50
La figura 3.8 muestra las dimensiones del transportador del sistema de manejo de producto
terminado.
=
=
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)
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 51
(3.2)
3
=
34
180
60
1
180
= 0.18888 0.20
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.
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)
= - 90
= 90
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:
Figura 3.14 Brazo manipulador de rollos en la posicin de 90 donde el operador deja caer el rollo
en el efector-canastilla
Fuente: elaboracin propia
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,
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 56
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
CAPTULO 4
DESARROLLO DE LA PROPUESTA DE MEJORA MEDIANTE LA CONTRUCCIN
Y VALIDACIN DE UN MODELO DE SIMULACIN
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.
CAPTULO 4
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.
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.
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
CAPTULO 4
[ ( ; )]
(4.1)
(4.2)
( ; , )=
( , )=
ln ( )
[ ( ; , )] =
ln ( ) + ( 1)
ln( )
( 1) ln ( )
(4.3)
( ; , )=
( , )=
ln( )
[ ( ; , )] =
( )
ln ( ) ln ( )
ln( )
(4.4)
CAPTULO 4
( ; , )=
( , )=
ln
[ ( ; , )] =
2
ln +
2
(ln(
))
2
(4.5)
( ; )=
[ ( ; , )] =
( ) = ln
(4.6)
( ; , , )=
( ; , , )=
( , , )=
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
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
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
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
SI
El OP1 est
ocupado?
NO
Fije el estado del OP1 a En Maq1
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
Existe espacio
en la banda?
NO
SI
CAPTULO 4
sistema
Asigne el tiempo de simulacin al atributo
t_arribo
Asigna el valor del tipo de diseo a ndice
de Rollo
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
SI
PARAR
Es el final de la
simulacin?
NO
Cree el siguiente evento
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.
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
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.
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
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
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.
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
, .
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.
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 75
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
= 3.8
(22.5
) = (85.5
) 6
= 513
= 4.2
(22.5
) = (94.5
) 6
= 567
= 4.4
(22.5
) = (99
) 6
= 594
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
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
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
Rollos producidos en
las mquinas 4, 5 y 6
9.96288
10.81239
9.66962
2.09835
Rollos producidos en
las mquinas 7, 8 y 9
9.32164
10.17096
9.07244
1.3956
Rollos producidos en
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
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 81
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
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 82
CAPTULO 4
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:
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.
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 85
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.
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 ########
Distribucin Gamma
resultadogamma <- function(m,datos1,liminfa,limsupa,liminfb,limsupb )
{
######## CCULO DE LA FUNCIN DE VEROSIMILITUD ########
Distribucin Lognormal
resultadolognormal <- function(m,datos1,liminfa,limsupa,liminfb,limsupb )
{
######## CCULO DE LA FUNCIN DE VEROSIMILITUD ########
{
a <- runif(1,liminfa,limsupa)
b <- runif(1,liminfb,limsupb)
logverosimilitud <- -optim(c(a,b),verolognormal)$value
estimador <- optim(c(a,b),verolognormal)$par
tabla[i,] <- c(estimador,logverosimilitud)
}
########## BUSQUEDA DE LA SEMILLA EN LA TABLA QUE DIO LA MEJOR VEROSIMILITUD ###############
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)
{
######## CCULO DE LA FUNCIN DE VEROSIMILITUD ########
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)}
}
MAESTRA EN CIENCIAS CON ESPECIALIDAD EN INGENIERA INDUSTRIA IPN-UPIICSA-SEPI | 91
n*log(2/(c-a)) + sum(aux)
########## CICLO PARA LA OPTIMIZACIN CON m EVALUACIONES ALEATORIAS Y CREACIN ###########
########## DE UNA TABLA PARA LA SALIDA DE COEFICIENTES Y VALORES DE AJUSTE ###############
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.