métodos basados en simulacion para programación de manufactura
DESCRIPTION
Métodos basados en simulacion para programación de manufacturaTRANSCRIPT
TECNOLÓGICO DE COSTA RICA.
ESCUELA DE INGENIERÍA EN PRODUCCIÓN INDUSTRIAL.
LICENCIATURA EN INGENIERÍA EN PRODUCCIÓN INDUSTRIAL.
CONTROL DE PRODUCCIÓN.
INVESTIGACIÓN:
¿EXISTEN SISTEMAS DE APOYO PARA DECISIONES COMPUTARIZADOS
BASADOS EN SIMULACIÓN PARA LA PLANEACIÓN DE LA MANUFACTURA A
MEDIANO Y LARGO PLAZO?
PROFESOR:
MAE. LUIS HUMBERTO VILLALTA SOLANO
ESTUDIANTES:
HAZEL CALDERÓN MATA 201224345.
DANIELA MORA SANDOVAL 201034076
ANDRÉS NAVARRO MORA 201048683
MARIO NAVAS HERNÁNDEZ 200730119
I SEMESTRE, 2015
INDICE GENERAL
ÍNDICE DE FIGURAS...................................................................................................................iii
ÍNDICE DE TABLAS.....................................................................................................................iii
RESUMEN....................................................................................................................................iv
INTRODUCCIÓN...........................................................................................................................1
Pregunta de investigación..........................................................................................................2
Importancia del tema. (Justificación del estudio).......................................................................2
OBJETIVOS DEL ESTUDIO..........................................................................................................3
1. Objetivo general:.................................................................................................................3
2. Objetivos específicos:.........................................................................................................3
MARCO TEÓRICO........................................................................................................................4
¿Qué es un sistema de simulación?..........................................................................................5
¿Qué es simulación de eventos discretos (DES)?....................................................................6
¿Qué es simulación basada en Sistema de Ayuda a la Decisión (DSS)?.................................8
Ejemplos de DES aplicados como DSS....................................................................................9
Plant Simulation (Tecnomatix de SIEMENS)...........................................................................11
Sistema de Simulación discreta, Dinámico Híbrido.................................................................14
Metamodelos de regresión en simulación...............................................................................16
RESULTADOS............................................................................................................................19
CONCLUSIONES........................................................................................................................22
BIBLIOGRAFÍA............................................................................................................................24
ii
ÍNDICE DE FIGURAS
Figura 1. Ejemplo de una función escalonada..............................................................................7
Figura 2 Potenciales de apoyo a las decisiones de simulación....................................................8
Figura 3. Principales procesos de manufactura en la fábrica de grifos.........................................9
Figura 4. Interfaz de usuario de GeSim para Oras Ltd................................................................10
Figura 5 Flujo de materiales........................................................................................................12
Figura 6 Diagrama Causal Integrador……………………………………………………………...…21
ÍNDICE DE TABLAS
Tabla 1. Aplicaciones del modelo de simulación Plant Simulation SIEMENS................13
iii
RESUMEN
Calderón, Hazel; Mora, Daniela; Navarro, Andrés; Navas, Mario. Mayo, 2015. Proyecto
de Investigación de Control de Producción. ¿Existen Sistemas de Apoyo para
Decisiones computarizados basados en simulación para la planeación de la
manufactura a mediano y largo plazo? Instituto Tecnológico de Costa Rica. Profesor
Asesor: Ing. Humberto Villalta Solano, MBA.
La presente investigación se realiza con el fin de determinar sí existen sistemas
informáticos que ayuden a tomar decisiones importantes, basadas en simulación, en el
área del control de producción empresarial, específicamente en la planeación a
mediano y largo plazo. Además, se pretende analizar más a fondo, en caso de que
existan, los tipos de software que se pueden utilizar, el impacto que han causado en
industrias internacionales, el riesgo de seguridad que representan y cómo éstos se
pueden mitigar.
Al buscar una respuesta a la interrogante propuesta se logra encontrar distintos
softwares que ayudan a la aplicación de simulación a sistemas de manufactura; alguno
de ellos son: Sistema de Simulación Discretos (DES), Sistema de Ayuda a la Decisión,
Plant Simulation, Modelo Dinámico Híbrido y Metamodelos. Todos los anteriores son
aplicables para procesos de manufactura y dan un resultado positivo a la empresa
puesto que ayudan a entender lo que puede pasar bajo distintos escenarios
Como conclusión se obtiene que los softwares son de gran ayuda para las empresas
puesto que ayudan aumentar la eficiencia de las empresas en cuanto a los planes de
producción, además presentan bastante flexibilidad debido a que se deben adaptar
para los cambios que se puedan dar en la planeación de manufactura. Dichos
softwares han idos creciendo conforme a la industria y son de vital importancia puesto
que en un futuro pueden ser utilizados para la inteligencia artificial aplicada en
automatización. Por lo cual se ha obtenido como respuesta que son de gran ayuda
para el sector de planificación de manufactura.
iv
Pregunta de investigación.
¿Existen sistemas de apoyo para decisiones computarizados basados en simulación
para la planeación de la manufactura a mediano y largo plazo?
Importancia del tema. (Justificación del estudio).
En un mercado competitivo la satisfacción del cliente se convierte en un aspecto
fundamental para el éxito de una organización. De ahí parte la presente investigación,
de la fuerte relación existente no sólo con el cliente sino también con los proveedores
para llevar a cabo de la mejor manera las labores de la empresa, lo cual favorece en
sus relaciones. Por lo tanto, para producir bienes o servicios de calidad que satisfagan
las necesidades del cliente se requiere que se presente un control adecuado de la
producción de modo que se elaboren pedidos a los proveedores en el momento exacto
para recibir la materia prima en el instante en que se necesita y de esta manera cumplir
con el proceso productivo sin problema alguno.
Con el fin de eliminar tiempos morosos y perdidos, mejorar su eficiencia y disminuir
costos nace la necesidad de investigar acerca de sí existen sistemas computarizados
para la toma de decisiones en el ámbito de la manufactura, en el cual se permita
administrar, planificar y controlar la producción de la empresa por medio de
simulaciones.
Hoy en día se presenta como un desafío la implementación y ejecución de cualquier
tipo de sistemas computacionales en las empresas y aún más en el ámbito de control
de producción por medio de simulaciones, por ello se decide llevar a cabo una
investigación que permita decir si existen programas para tal fin y en caso de que
existan, determinar tanto los beneficios como los riesgos de la implementación de los
mismos en las organizaciones, presentando además el impacto que han producido en
las algunas empresas. Por último, se contarán los puntos de comparación de los
cuales se puede concluir correctamente.
2
OBJETIVOS DEL ESTUDIO
1. Objetivo general:
· Investigar sí existen sistemas computacionales basados en simulación para el
control de la producción a largo y mediano plazo en una empresa manufacturera.
2. Objetivos específicos:
· Determinar sí existen sistemas computacionales basados en simulación para el control
de producción a largo y mediano plazo.
· Identificar en caso de que existan, los sistemas computacionales para el control de
producción basados en simulación. Además, sus niveles de riesgo al ser
implementados en las operaciones organizacionales.
· Describir algunos softwares que se puedan implementar en las industrias
manufactureras con el fin de controlar la producción.
3
A partir de la rápida globalización y avance en tecnologías en los ámbitos de
manufactura, se han ido aumentando las competencias sobre todo en empresas de
mayor nivel, lo que les exige implementar en sus organizaciones redes de producción
más ágiles, rápidas y flexibles que les permita seguir en la competencia por el mercado
al que se enfocan. Además al estar sumergidos en un mercado con tanta variedad de
opciones, las empresas deben de tener la satisfacción del cliente como su mayor
prioridad, lo que conlleva la elaboración de productos de calidad, bajo costo y entrega a
tiempo. Para lograr lo anterior, una de las implementaciones más útiles son los
sistemas de simulación, con los cuales se realizan estudios preliminares a la ejecución
en planta, con el fin de asegurar la conveniencia respecto a su eficiencia, además de
alcanzar una sincronización de sus actividades, recursos y materiales necesarios en el
proceso de manufactura.
La simulación en entornos industriales ha sido reconocida como un enfoque muy
valioso para la captura de diferentes características y complejidad de la dinámica en los
procesos industriales. Sin embargo, existe una clara necesidad de difundir el uso de
herramientas de simulación en empresas manufactureras y de simplificar el proceso de
modelado para su simulación. De hecho este proceso está siendo muy exigente en
términos de las habilidades específicas de los modeladores y del tiempo que se
necesita para desarrollar con eficacia los modelos que son útiles en los sistemas de
fabricación actuales. El modelado de procesos lentos a menudo impide el uso de
simulación para hacer frente a los problemas operativos que aparecen en las
operaciones del día a día. (F.Marques, 2013)
¿Qué es un sistema de simulación?
En el área de producción de bienes, un sistema computarizado de simulación es un
software que permite probar, adaptar y volver a probar los sistemas de manufactura
antes de desplegarlos en el piso de producción. Se pueden llevar a cabo muchas
pruebas útiles antes de la instalación o incluso antes de ordenar el equipo y la
maquinaria para garantizar un máximo beneficio. Permiten simular escenarios y
condiciones de funcionamiento verdaderos al principio del desarrollo de la línea.
5
Además proveen a las empresas la habilidad de evaluar la capacidad del sistema de
producción para aceptar nuevas órdenes, eventos inesperados como fallas del equipo y
cambios en las operaciones.
Estos sistemas basados en simulación pueden ser utilizados por planificadores y
programadores para organizar la producción de manera más eficiente. En la actualidad
existen algunos paquetes de software que permiten realizar este tipo de simulaciones y
se basan en la simulación de eventos discretos.
Para ejecutar un modelo de simulación se recomienda seguir los siguientes
procedimientos:
- Imaginar la instalación en el mundo real que se desea tener y a partir de esto
recoger todos los datos necesarios.
- Instalación abstracta del modelo que se quiere realizar.
- Ejecutar las corridas de simulación.
- Interpretar los datos de las corridas del paso anterior.
- El último paso corresponde a la decisión del encargado de la planificación de
producción acerca de la instalación real, tomando como base los resultados
simulados.
¿Qué es simulación de eventos discretos (DES)?
La DES (Discrete-Event Simulation) modela el funcionamiento de un sistema como una
secuencia discreta de eventos en el tiempo. Cada evento ocurre en un momento
particular y marca un cambio en el estado del sistema. Entre eventos consecutivos, se
asume que no hay un cambio en el sistema; por ésta razón la simulación puede “saltar”
de un evento al siguiente.
Los métodos de simulación discreta pueden ser utilizados para analizar todo tipo de
sistemas discretos de manufactura, desde celdas de manufactura hasta producción
automatizada y líneas de ensamblaje, incluso la cadena de abastecimiento.
6
Este tipo de simulación contrasta con la simulación continua en la cual se rastrean las
dinámicas del sistema a través del tiempo. En lugar de estar basada en eventos, la
simulación continua se basa en actividades. El tiempo se subdivide en lapsos más
pequeños y el sistema es actualizado de acuerdo al conjunto de actividades que están
sucediendo durante un lapso específico.
La mayor ventaja de la DES es que no tiene que simular cada pequeño lapso de tiempo
lo cual permite que correr la simulación más rápido que la simulación continua.
Para entenderlo mejor, consideremos la simulación de un sistema que cambia
continuamente en el tiempo. Por ejemplo, se podría simular un sistema térmico en el
cual la gráfica de temperatura con respecto del tiempo es continua, sin pausas.
En contraste, supongamos que queremos simular la operación de un almacén donde
las órdenes de compra llegan y son despachadas reduciendo el inventario, pero ese
inventario se repone periódicamente. En este caso, una variable típica sería el nivel de
inventario en el almacén para un producto específico. Si se graficara dicho nivel de
inventario en el tiempo, se obtendría lo que se llama una función escalonada, la cual
consiste en un conjunto de líneas planas con pausas o quiebres debido a que los
cambios en el inventario, incremento o disminución, son variables discretas, no
continuas.
La Figura 1 muestra un ejemplo de este tipo de función:
Figura 1. Ejemplo de una función escalonada
7
¿Qué es simulación basada en Sistema de Ayuda a la Decisión (DSS)?
Cuando se habla de un DSS (Decision-Support System) se refiere a un sistema
informático interactivo creado con la finalidad de brindar ayuda a las personas
encargadas de tomar decisiones en ámbitos como comunicación, datos, tecnologías,
planeación de producción, es decir, es un software general orientado a mejorar la
capacidad de un grupo en la toma de decisiones (Heilala, y otros, 2010). La figura 2
muestra algunos usos potenciales de apoyo a las decisiones de simulación asistida
para la planificación de producción.
Figura 2 Potenciales de apoyo a las decisiones de simulación
Fuente: Developing simulation-based decision support system for customer-driven manufacturing operation planning
Cuándo se implementa un Sistema DDS se deben considerar muchas variables antes
de la toma de decisión que son complejos para el ser humano; según Heilala y demás
escritores, IMTI menciona que se deben definir 75 metas de orden superior y 250
requerimientos de apoyo para la investigación, desarrollo e implementación del modelo
de simulación que se piense hacer. Cuando se inicia la implementación del sistema se
debe tener claro que este debe ser actualizado constantemente; además existen
ciertos archivos de entrada necesarios para la simulación que son conocidos como
“one time”, es decir se actualiza únicamente las modificaciones de los parámetros,
8
otros son llamados “near time”, donde el análisis se inicia automáticamente por
intervalos o por medio de un usuario.
Como es de saber, la decisión de mejora final es dependiente del encargado de
producción, sin embargo la simulación brinda ayuda que puede ser de gran beneficio
en la toma de decisiones. (Heilala, y otros, 2010)
Ejemplos de DES aplicados como DSS
GeSIM
El Generic Simulation (GeSim) software fue desarrollado por Heilala y otros
específicamente para una compañía llamada Oras Ltd. la cual es fabricante de grifos y
válvulas y módulos relacionados. El proceso típico de fabricación de grifos se muestra
en la Figura 3.
Figura 3. Principales procesos de manufactura en la fábrica de grifos
Fuente: Heilala, Montonen, Järvinen, Kivikunnas, Maantila, Sillanpää and Jokinen
El flujo de procesos se muestra simplificado; por ejemplo, almacenamiento temporal y
recursos paralelos no se muestran. Uno de los retos en la manufactura está
relacionado al molido y pulido debido a los elevados requerimientos de calidad en la
superficie. Hay procesos automatizados y manuales.
9
Hay muchos sistemas de información y uno de los desafíos en el desarrollo del
software fue identificar las fuentes de información y desarrollar la interfaz para el
sistema de simulación. Uno de los principios para el diseño involucra el uso de un
sistema único para actualización de los datos, incluso si la información es utilizada en
otros sistemas; por ejemplo, el sistema de mantenimiento es responsable del
cronograma de la fábrica el cual mostraba trabajos de mantenimiento y otros tiempos
muertos. El archivo del ERP es creado automáticamente al iniciar cada jornada de
trabajo y transferido al sistema GeSim. Durante la noche el archivo del estado actual es
transferido de vuelta al sistema de ERP antes de iniciar el cálculo de la demanda
actualizada. La interfaz de usuario de GeSim consiste en un gráfico de Gantt para
visualizar órdenes, un gráfico de barras para visualizar los recursos y varias ventanas
de reportes como se aprecia en la Figura 4.
Figura 4. Interfaz de usuario de GeSim para Oras Ltd.
Fuente: Heilala, Montonen, Järvinen, Kivikunnas, Maantila, Sillanpää and Jokinen
10
GeSim está instalado en un servidor y existen múltiples usuarios, como gerentes de
producción y supervisores de departamentos. Algunos de los usuarios pueden ser
clasificados como “temporales” y otros son usuarios fijos.
En general, GeSim primero lee la información para el cálculo de la demanda del ERP
(las órdenes puestas y aceptadas) y las combina con la información de los recursos
disponibles proveniente del sistema de mantenimiento. El software analiza todos los
componentes que necesitan ser fabricados y sus rutas y calcula los requerimientos de
capacidad. Los resultados pueden ser visualizados por usuarios que pueden modificar
programación y rutas, disminuir tamaños de lote y también cambiar el estado de las
órdenes. El sistema muestra qué usuario está realizando cambios y cuál usuario ha
guardado cambios en la base de datos. Todos los usuarios pueden visualizar cambios
en la demanda y el cálculo de la distribución de la capacidad y ver el nombre de la
persona que ha realizado los cambios.
Este software es útil en fábricas de productos personalizados ya que añade funciones
para programadores de producción y administradores de la capacidad que no son
proveídas por otras herramientas estándar en el pasado. Con la integración de DES y
métodos tradicionales para la programación de la producción es posible pronosticar las
cargas de trabajo con valores de entrada en la simulación. El modelo de simulación y la
interfaz gráfica de usuario hacen posible visualizar la ocurrencia de posibles cuellos de
botella u otros problemas de producción y tomar acciones preventivas.
Futuras investigaciones se podrían concentrar en el uso de nuevos parámetros para
optimización como consumo de energía y otros aspectos medio ambientales, los cuales
podrían ser utilizados para decisiones en la programación de la producción.
Plant Simulation (Tecnomatix de SIEMENS)
Plant Simulation es una herramienta de simulación de eventos discretos, la cual ayuda
en la elaboración de modelos en los sistemas logísticos, incluyendo la producción, este
modelo permite como todo simulador generar experimentos y casos hipotéticos sin
tener que ir a realizar cambios en la planta. Este es un modelo desarrollado por
SIEMENS, el cual ofrece soluciones factibles pero no genera la respuesta óptima real,
11
el objetivo de esta simulación es encontrar decisiones objetivas de análisis dinámico,
que permita al encargado de producción planificar de forma segura y garantizando la
reducción del costo, por esta razón el modelo se convierte en una herramienta
importante para el análisis y optimización de tiempos en los procesos dinámicos
proporcionando información necesaria para la toma de decisiones de manera rápida,
fiable y sobre todo con mayor eficacia que las tomadas con anterioridad sin el uso del
modelo. (SIEMENS, 2010)
El Plant Simulation inspecciona únicamente los eventos que tienen tiempos dentro del
modelo de simulación; cuando se ve algún movimiento a lo largo de una parte, la
persona detectará que no hay ningún salto en el tiempo, la curva de distancia recorrida
y el tiempo que se necesita para cubrir corresponderá a una línea recta. Cuando se
realiza la simulación existen dos movimientos esenciales: las entradas y salidas, deben
mostrarse correctamente, cualquier movimiento dentro del medio no genera tanto
interés como los dos mencionados. Una vez que cierta parte entra en un flujo de
materiales, el simulador calcula el tiempo que transcurre hasta que salga e ingrese al
evento de salida en la lista de eventos programados (EventController).
Figura 5 Flujo de materiales
Fuente: SIEMENS
SIEMENS en su informe nos menciona algunos momentos importantes donde aplicar el
modelo de simulación Plant Simulation, entre los cuales se destacan los siguientes:
12
Tabla 1. Aplicaciones del modelo de simulación Plant Simulation SIEMENS
Cuándo implementarlo Logros con la implementación
1.Planificación de una nueva instalación
- Detectar y eliminar problemas de manera rápida a bajo costo- Determinar y optimizar los tiempos y rendimiento de la planta.- Determinar tamaños de buffers, máquinas y número de empleados que se requieren- Determinar los límites de rendimiento de las máquinas a usar.- Determinar estrategias de control de las máquinas- Reducir el costo de inversión del proceso.- Adquirir conocimientos relacionados al comportamiento de la nueva instalación, para ser usados en instalaciones futuras
2.Optimizar una instalación
ya existente
- Optimizar el rendimiento de la producción existente.- Optimizar las estrategias de control ideadas anteriormente- Optimizar la secuencia de órdenes que se deben cumplir.
3. Poner el plan en práctica - Desarrollar estrategias de control.- Prueba de diferentes escenarios de la planta.- Capacitación a los operadores de las máquinas
En términos generales la implementación del modelo otorgará beneficios en mejora de
productividad de instalaciones ya existentes en la empresa, reducción de inversión en
13
la planificación, ejecución y pruebas de nuevas instalaciones, reducción de riesgos de
inversión, maximización de los recursos y mejora en el diseño de la línea.
Sistema de Simulación discreta, Dinámico Híbrido
Es el acercamiento que se encarga de separar la planeación del problema en distintos
sub-problemas basados en el largo de la planeación horizontal, tiempo y costo
asociado a la decisión propuesta. Los sub-problemas corresponden a las diferentes
decisiones que toma la empresa.
Las ventajas básicas del sistema híbrido sobre un sistema de planificación de
producción básico son reducción de complejidad, absorción gradual de eventos al azar,
reducción de la necesidad por información detallada y mejor pronóstico.
Dicho modelo posee dos niveles, los cuales consisten en la planificación agregada y la
programación detallada de eventos.
El sistema híbrido se refiere al trabajo realizado en el uso en conjunto de los aspectos
continuos y discretos para analizar el sistema. La distribución de la simulación se
preocupa por la integración de distintos modelos de la simulación.
Su propósito es ayudar a definir los requerimientos de los datos y describir el
intercambio de información mediante los modelos. En ella se establecen directrices
inequívocas que facilita el desarrollo a gran escala, redes, el medio en el que equipo
que se comporta de manera consistente y correctamente.
El Modelo Funcional (IDEFØ) es usado para identificar los componentes del sistema, el
flujo de información y objetos en los componentes. Dicho modelo se encarga de
describir la información y estructura organizacional del complejo sistema de
manufactura computarizado. Es una representación estructurada de las funciones
dentro del sistema a lo largo del flujo de información y objetos relacionados con las
funciones.
El diagrama del IDEFØ cuenta con rectángulos que representan a las funciones, las
flechas representan la información y la forma como fluyen los objetos. Las flechas que
entran por la izquierda del rectángulo son los resultados de la función, las que entran
por arriba se refieren al control de la función y las flechas que salen por el lado derecho
se refieren a los resultados de la función, además se tiene que la función que puede
14
ser descompuesta a sub-funciones son las que se representan por rectángulos con
sombras.
Un ejemplo de aplicación de un sistema de simulación híbrido es un experimento
realizado por Venkateswaran y otros (2004) en el cual desarrollaron un paquete que
consiste de cuatro módulos:
● Planificación de la producción a nivel empresarial
○ Toma de decisiones a nivel empresarial
○ Modelo del sistema de producción dinámico de la empresa
● Programación de la producción en la planta
○ Toma de decisiones a nivel de la planta de producción
○ DES modelado para la planta
El conjunto planificador a nivel empresarial utiliza información combinada generada por
el conjunto programador a nivel de planta. Se consideran cuatro tipos de elementos
para esta información: partes que componen los productos, períodos de tiempo
específicos (horas, minutos) dentro de lapsos de tiempo totales (semanas), capacidad
de producción de la maquinaria e inventarios de componentes para los productos.
El conjunto planificador empresarial desarrolla los planes agregados de producción,
mientras que el conjunto programador de la planta desarrolla el cronograma para
producción de los componentes que conforman el producto. El módulo de toma de
decisiones a nivel empresarial selecciona el conjunto adecuado de parámetros de
control basado en la demanda pronosticada para todo el horizonte de tiempo
especificado y el tiempo de ciclo estimado para los productos. El modelo de las
dinámicas del sistema de fabricación (SD, proveniente de System Dynamics) considera
la dinámica empresarial de inventarios y producción las cuales son determinadas por el
conjunto programador de la planta. Estos parámetros de control son utilizados por el
modelo de las dinámicas del sistema empresarial para determinar la cantidad de
órdenes de producción que deben ser realizadas en la planta cada período (una
semana). Luego, la cantidad de órdenes de producción de producto tipo 2 es convertida
a órdenes diarias de cantidades específicas y enviadas el modelo DES de la planta.
15
El modelo DES captura los procedimientos operacionales de la planta. La cantidad de
órdenes de producción determinadas por el modelo SD es traducida en cantidad
requerida de componentes cuyo flujo a través de la planta es determinado por reglas de
WIP o políticas de control. El módulo tomador de decisiones en planta determina las
políticas de control óptimas basado en un estimado de la cantidad de órdenes de
producción requeridas (obtenido del módulo tomador de decisiones empresariales). La
actualización diaria de WIP, inventarios y tiempo de ciclo promedio de los productos es
enviada como retroalimentación al modelo DES.
Cada transferencia de retroalimentación es empleada por los conjuntos de planificación
empresarial y de programación de planta para monitorear el desempeño del sistema de
simulación. El módulo de toma de decisiones empresarial realiza análisis de
sensibilidad para determinar los límites de las variables (tasa de producción y
demanda) para los cuales los parámetros de control son aún óptimos. El desempeño
del modelo SD es monitoreado continuamente; cuando los límites son traspasados el
módulo tomador de decisiones entra en acción para determinar nuevos parámetros de
control óptimos. De manera similar, el módulo tomador de decisiones a nivel de planta
monitorea el desempeño en la planta a través del modelo DES y selecciona nuevas
políticas de control según se requiera. El desempeño en la planta es afectado por
eventualidades como fallas de maquinaria y variaciones en el tiempo de proceso, las
cuales pueden ser fácilmente incorporadas al modelo DES.
Metamodelos de regresión en simulación
Cuando se encuentran problemas a la hora de resolver los problemas mediante
simulación, es cuando podría ser apropiado apoyarse en modelos matemáticos
auxiliares que permita encontrar una relación funcional, estadísticamente significativa
entre un conjunto de variables de entrada y una variable de salida, que describa una
medida de desempeño de interés para el investigador.(Mejía, 2011) . Es por lo cual se
debe realizar el Metamodelo, lo cual sirve para estimar a través de técnicas de
Regresión variables independientes, las que se denominan parámetros de entrada del
modelo de simulación y las medidas de desempeño del modelo simulado. Dichas
16
medidas pueden ser tiempo de ciclo, inventario de proceso y porcentaje de demanda
satisfecha.
Para explicar la importancia que tienen los metamodelos en la construcción y validación
de diferentes modelos de regresión, se dice que permite identificar la relación
significativa entre los parámetros de entrada y su variable de desempeño. Por lo cual
se utiliza un sistema de manufactura tipo Pull basados en parámetros de entrada en
cantidad de Kanbans los cuales se asignan a cada estación de trabajo, donde se
encargan de dar la autorización de fabricar un producto y la variable de desempeño
evaluando el porcentaje de demanda satisfecha.
Se evalúan distintos escenarios, donde la variable de desempeño fue calculada para
diferentes combinaciones del número de Kanbans en cada estación de trabajo. Al
analizar los datos se obtiene como resultado el metamodelo que mejor explica la
relación entre las variable de entrada y salida del sistema de manufactura tipo Pull. El
sistema tipo Pull se basa en la filosofía “Just in Time”, en la cual busca evitar excesos
de equipos y operario, por medio de sistemas flexibles que puedan adaptarse a las
modificaciones debidas a problemas y fluctuaciones en la demanda. También se refiere
cuando todos los procesos producen las piezas necesarias en el tiempo necesario y se
deben tener disponibles únicamente las existencias mínimas necesarias para mantener
unidos los procesos. Es sumamente importante puesto que ayuda a evitar la
sobreproducción y apoya en gran medida el logro de contar con cero inventarios en
proceso. (Mejía, 2011)
El metamodelo se construye con la finalidad de apoyar la comprensión del modelo
principal respecto a las relaciones de las variables de estudio y así, poder tener una
explicación más detallada de su funcionamiento.
Algunas fases del metamodelo son experimentación, ajustes y validación. Para la fase
de experimentación requiere establecer ciertas variables relevantes de entrada, las
cuales alimentan el modelo de simulación, se debe tener al menos una variable de
salida que se encarga de medir el desempeño de dicho modelo. Luego se debe hacer
el planteamiento de escenarios a través de diferentes combinaciones de las variables
de entrada, para luego ser simulados y tomar el valor de la variable de desempeño. En
segundo lugar, se debe hacer el planteamiento de unos escenarios a través de
17
diferentes combinaciones de las variables de entrada para luego ser simuladas y que
tomen un valor de la variable de desempeño. Los escenarios deben ser planteados de
forma aleatoria para que no haya sesgos a ningún extremo.
La segunda fase consiste en realizar la tabla de resultados de acuerdo a lo obtenido en
la fase anterior y realizar un ajuste matemático para encontrar la ecuación que mejor
explique la relación existente entre las variables de entrada y la variable de
desempeño. Estos ajustes se realizan mediante técnicas de regresión, como son
logarítmicas, potenciales, cuadráticas y entre otras. El que mejor se ajuste a los datos
de estudio se pasa a la última fase. La última fase es de gran importancia puesto que
sustenta la confiabilidad del ajuste obtenido por lo cual se demuestra un buen
desempeño del Metamodelo.
En la etapa de validación se deben generar varios escenarios adicionales de forma
aleatoria, para que puedan ser simulados en el modelo original y registrar los
resultados obtenidos. También se debe aplicar el Metamodelo a los escenarios
planteados y se registra el valor de la variable de desempeño para cada uno. Luego de
obtener los resultados del modelo simulado y del metamodelo, se debe evaluar la
diferencia que existe entre cada uno de ellos con la siguiente fórmula:
%Error= Modelo simulado−Metamodelo
Modelo simulado (Mejía, 2011)
Una vez cumplidas las tres fases, el metamodelo puede explicar la relación funcional
existente entre las variables de estudio.
La construcción de Metamodelos permite obtener un mayor entendimiento de las
relaciones funcionales entre las variables que alimentan el sistema y las variables
encargadas de evaluar el desempeño del sistema por lo cual se convierte en una gran
ayuda para comprender comportamientos.El alcance del Metamodelo va más allá de la
comprensión de la relación funcional de las variables de estudio, ya que esta ecuación
se puede utilizar como puente de comunicación entre las áreas de la Simulación y la
Optimización.(Mejía, 2011)
18
Para responder a la pregunta planteada al inicio del proyecto si “¿Existen sistemas de
apoyo para decisiones computarizados basados en simulación para la planeación de la
manufactura a mediano y largo plazo?”, se buscan distintos programas que puedan
trabajar bajo dicha filosofía y mediante sistemas computarizados utilizando simulación.
Algunos sistemas que se pueden utilizar son los siguientes:
● Simulación de Eventos Discretos(DES)
● Sistema de Ayuda a la Decisión (DSS)
● Plant Simulation
● Sistema de Simulación, Dinámico Híbrido
● Metamodelos de regresión
El modelo híbrido presenta una solución fácil para poder definir los requerimientos en
cuanto a datos y a describir el intercambio de información mediante modelos. Debido a
que se establecen directrices indiscutibles que facilitan el desarrollo a gran escala.
Además que mejora el comportamiento del equipo de una manera consistente y
correctamente. En dicho modelo se utiliza el IDEFØ que permite identificar los
componentes del sistema, el flujo de información y objetos en los componentes. Brinda
gran ayuda puesto que explica de una forma muy concisa la estructura organizacional
del complejo sistema de manufactura computarizado
De acuerdo a lo obtenido anteriormente se puede demostrar que la simulación es de
gran ayuda para la planificación de la manufactura puesto que se puede simular cómo
se va a trabajar en diferentes escenarios y cómo reaccionar ante los diferentes
resultados que se puedan obtener.
A continuación se muestra el Diagrama Causal Integrador de la investigación, donde se
pretende que se tenga una mejor visión de los resultados obtenidos:
20
1. Existen distintos tipos de simulación para implementar software que ayude a la
toma de decisiones.
2. Actualmente se cuenta con plataformas de software que se pueden utilizar para
el diseño de dichos paquetes de software.
3. Los softwares que se utilizan para la toma de decisiones a nivel de la planeación
de la manufactura deben ser modificados según requieran las compañías ya que
no todas trabajan de la misma manera.
4. Se han realizado pruebas exitosas con este tipo de software las cuales han
ayudado a incrementar la eficiencia de distintas empresas en cuanto a la
planificación de la producción.
5. Conforme van avanzando las tecnologías se puede desarrollar software cada
vez más flexible que permita modificarlo de manera más fácil para otras áreas
de la empresa.
6. Desarrollando cada vez más este tipo de software se podría incluso utilizar no
solo para simulaciones sino implementarlo con otro tipo de tecnologías como
Inteligencia Artificial para automatizar cada vez mejor los procesos de
producción.
23
Heilala, J., Montonen, J., Järvinen, P., Kivikinnas, S., Maantila, M., Sillanpää, J., & Jokinen, T. (2010). Developing simulation-based decision support system for customer-driven manufacturing operation planning. VTT Technical Research Centre of Finland, Rauma, Finland.
F.Marques, A. (2013). An Innovative Framework for the Simulation of Manufacturing System . 219-231. SIEMENS. (2010). Tecnomatix Plant Simulation 10 Step-by-Step Hepl.
Mejía, J. S. (2011). Metamodelos de regresión en simulación con aplicación en sistemas de manufactura. Universidad Tecnológica de Pereira.
Venkateswaran, J., Son Y-J., Jones, A. (2004) HIERARCHICAL PRODUCTION PLANNING USING A HYBRID SYSTEM DYNAMIC-DISCRETE EVENT SIMULATION ARCHITECTURE
25