Construcción de Modelos Típicos en Ingeniería Industrial

4.
Construcción de
modelos típicos en
Ingeniería Industrial
Simulación Prof. María Carolina

Vásquez
Proceso de modelado
Se crea un modelo conceptual del sistema el cual es
traducido a un modelo computacional para inferir el
comportamiento del sistema real
Simulación de Sistemas Discretos, Juan Barceló, Isdefe Ingeniería de Sistemas, Madrid, 1996

Vásquez
Modelo conceptual del sistema
Un sistema es un conjunto de partes relacionadas entre sí
para cumplir un objetivo
Entidades
Partes del sistema
Atributos
Propiedades que caracterizan
a cada entidad
Estado del sistema
Caracterización de las
entidades y sus atributos en un
instante dado producto de la
interacción entre las partes

Vásquez
Definir el modelo conceptual
Secuencia recomendada
Identificación de las entidades principales del sistema
Identificación de los atributos de cada entidad del sistema
Identificación de las reglas que gobiernan el sistema
Captación de la naturaleza de la interacciones lógicas del sistema
Verificación que las reglas incorporadas al modelo son una

representación válida del sistema modelado
Representación del comportamiento aleatorio
Simulación de Sistemas Discretos, Juan Barceló, Isdefe Ingeniería de Sistemas, Madrid, 1996

Vásquez
Representar el modelo conceptual
Sistema con red de colas de espera
Las entidades del sistema que prestan servicio son servidores y
la entidades que reciben servicio aguardan en un cola de
espera, conformando una estación de servicio
Atributos
• Patrón de llegadas
• Patrón de servicio de los
servidores
• Disciplina de la cola de
espera
• Capacidad del sistema
• Canales de servicio del
sistema
• Etapas del servicio
Estación de Servicio

Vásquez
Representar el modelo conceptual
Sistema como una red de colas de espera
Proceso
Una forma de representar el modelo conceptual es a través de

un conjunto de redes de colas de espera, considerando que
entidades del sistema que prestan servicio son servidores y la
entidades que reciben servicio aguardan en un cola de espera

Vásquez
Ejemplo Proceso Productivo
Construcción del modelo conceptual
Supongamos un taller de producción de piezas metálicas constituido por seis
(6) estaciones de trabajo por las que las piezas a ser fabricadas pasan para
su procesamiento. La lista de las estaciones de trabajo con su respectiva
cantidad de máquinas es la siguiente:
Estación de Trabajo Tipo de máquina Cantidad de máquinas
*
1 Fundición y moldeo 14
2 Tornos 5
3 Cepilladoras 4
4 Fresadoras 8
5 Prensas de estampado 16
6 Pulidoras 4
* En cada estación las máquinas son idénticas, para que una pieza reciba
servicio sólo debe estar una máquina disponible
Simulación de sistemas discretos, Jaime Barceló, Isdefe, Madrid 1996

Vásquez
El taller produce tres (3) tipos de productos cada uno con una
secuencias de operaciones diferente entre las diferentes máquinas y con
tiempos de servicio en cada una de las máquinas distribuido
exponencialmente, según la siguiente tabla:
Cantidad de Tiempo
Tipo de producto máquinas a Secuencia de utilización promedio de
usar operación (min)
Fundición y moldeo 125
Cepilladoras 35
1 4
Tornos 20
Pulidoras 60
Prensas estampación 105
2 3 Fresadora 90
Tornos 65
Fundición y moldeo 235
Prensas estampación 250
3 5 Fresadora 50
Cepilladoras 30
Pulidoras 25

Vásquez
Las proporciones de trabajos que llegan al taller son: 24% tipo 1, 44% tipo
2 y un 32% tipo 3, según una distribución de probabilidades Poisson con
media 50 trabajos por día de 8 horas. La llegada de un trabajo de un
tipo es independiente en términos probabilísticos del tipo de trabajo que
le precedió.
La disciplina de servicio dentro de cada grupo de máquinas es FIFO es

decir, primer trabajo de llega es el primer trabajo en ser servido en una
estación de trabajo, independientemente del tipo de trabajo que se
trate.
Objetivo General del Estudio

Evaluar el comportamiento del taller durante un período de 5 semanas
de 5 días laborables cada uno con 8 horas de jornada diaria a fin de
determinar su capacidad de producción

Vásquez
Objetivos Específicos Estudio

• Determinar la cantidad de trabajos que se producen por semana, por
tipo.
• Determinar la capacidad promedio de producción el taller para la
producción según el programa de tres productos distribuidos en 24%
tipo 1, 44% tipo 2 y 32% tipo 3.
• Determinar la cantidad de trabajos por tipo que quedan incompletos
al final de cada semana.
• Determinar la utilización promedio de cada máquina a fin de
identificar posibles cuellos de botella en el proceso productivo.
Se pide construir el Modelo Conceptual del Sistema que

represente la operación del taller siguiendo la secuencia
recomendada para su elaboración

Vásquez
Entidades que reciben servicio - Esperan en una cola para ser atendidos
Atributos
Identifiación de la
Entidad
Patrón de llegadas Etapas del Servicio - Interacciones
24% Fundición y
Tipo 1 Cepilladoras Tornos Pulidoras
Piezas/día moldeo
Poisson con
Piezas media 50 44% Prensas de
Tipo 2 Fresadoras Tornos
Metálicas trabajos/día Piezas/día estampado
de 8 horas
32% Fundición y Prensas de
Tipo 3 Fresadoras Cepilladoras Pulidoras
Piezas/día moldeo estampado
Entidades que reciben servicio – Piezas metálicas
El evento que desencadena la operación son los trabajos que

llegan al taller para ser atendidos

Vásquez
Entidades que prestan sevicio - Atienden la cola de espera
Atributos
Tiempo de
Identifiación de la Entidad Disciplina Canales de
Patrón de servicio servicio en
de la cola servicio
minutos
Fundición y Tipo 1 125
14
moldeo Tipo 3 235
Tipo 1 20
Tornos 5
Tipo 2 65
FIFO
Tipo 1 35
Cepilladoras Primero 4
Estaciones Tipo 3 30
Exponencial que entra
de Trabajo Tipo2 90
Fresadoras primero 8
Tipo 3 50
que sale
Prensas de Tipo 2 105
16
estampado Tipo 3 250
Tipo 1 60
Pulidoras 4
ipo 3 25
Entidades que prestan servicio – Máquinas

Vásquez
Grafo proceso productivo Taller de piezas metálicas

Vásquez
Modelo computacional
Herramientas de software
Basado en el Material Capacitación Simio LLC. Se traduce

solamente las explicaciones, manteniendo los comandos y
nombre de las variables en inglés.

Vásquez
Modelo computacional
Herramientas de software - SIMIO
Una vez identificadas las entidades del sistema, sus atributos,

relaciones, reglas de operación, las interacciones y el
comportamiento aleatorio, se representa el modelo
conceptual en el computador, creándose el “modelo
computacional”
Para la creación del modelo computacional se

utilizan programas especializados, entre ellos:
Simio, Promodel, Anylogic.

Vásquez
Herramienta SIMIO
Software para simular procesos
Software de modelización, simulación y animación 3D que
permite representar flujos de procesos por eventos.
Representando los sistemas a través de los modelos de redes
de colas de espera
Simio se puede descargar de la página

oficial del fabricante, ingresando al
enlace directo:
www.simio.com/download
La versión académica que permite crear proyectos hasta con

30 nodos y relaciones

Vásquez
Interfaz de usuario
Simio opera con el

concepto de En el área central se
dibuja el modelo
entidades que se
relacionan a través
de una cola de
espera que será
atendida por un
servidor
www.simio.com/learning simio

Vásquez
¿Cómo se representa el modelo?
cola de espera
Servidor

Vásquez
Orientación por objetos
La base de la herramienta Simio

son los objetos, con ellos se define
el modelo lógico del sistema,
A través de objetos se representan

los componentes físicos del
Los objetos se encuentran sistema, por ejemplo: un cliente,
en la parte izquierda de la un trabajador, una máquina o una
pantalla, en una librería
estándar
ruta, lo que hasta ahora hemos
llamado “entidades” del sistema
En Simio para cada simulación se define un proyecto, en él se pueden usar

los objetos de la librería estándar o pueden crearse a partir de éstos los
objetos propios del proyecto

Vásquez
Características de los objetos
Las
características o
propiedades de
los objetos
deben definirse,
éstas controlan
su
comportamiento.
Si la definición
del objeto
cambia, cambia
el modelo. Las
características
de los objetos
dependen de su En la parte derecha la pantalla, al
funcionalidad mantenerse seleccionado un objeto, pueden
mirarse sus características o propiedades

Vásquez
Componentes de los objetos
Representación gráfica,
nodos de entrada y
salida
La interface es de dos tipos:
1) propiedades, 2) estados y
Vista eventos del objeto
Externa
Lógico Interface las propiedades

son estáticas, son
el input para
correr el modelo
Relaciones entre los
objetos para crear el
proceso del sistema Objeto
(dibujo)
los estados
cambian al
correr el modelo

Vásquez
Propiedades y estados de los objetos
Atributos de los objetos
Propiedades Son atributos “estáticos”, no pueden

cambiar durante una corrida, por
ejemplo: tiempo de servicio, tasa de
falla esperada, velocidad inicial,
tamaño de lote deseado, costo por
hora
Estados Son atributos “dinámicos” , pueden

cambiar durante una corrida por
ejemplo: cantidad de unidades
procesadas, cantidad de fallas,
velocidad promedio actual, tamaño
de lote, costo acumulado.

Vásquez
Tipos de objetos disponibles
Entidades del sistema
Source, Server, Sink,

Fixed Objects
Combiner, Separator,
(fijos) Resource, WorkStation.
Links Connector, TimePath, Path,

Objetos
(unión) Conveyor
Nodes
BasicNode, TransferNode
(nodos)
Transporters
Vehicle, Worker
(se movilizan)

Vásquez
Manejo Tablas de datos
Data Tables
Sequence Tables,
Arrival Tables
En la pestaña Data
es posible crear y
editar tablas de
datos que se usan en Seleccionando la pestaña
data se despliega la pantalla
el modelo, incluye: de “Table”
• Data tables
• Sequence tables
• Function tables
• Rate tables
• Schedules Rate Tables, Function Tables
• Changeovers Work Schedules, Lists,
Changeovers ◦
• Lists (in Definitions
window)
https://es.slideshare.net/sergiovalenzuelam/captulo-06-uso-de-tablas-de-datos

Vásquez
Usando las tablas de datos para las
definir las llegadas
En las redes de colas de espera usualmente las llegadas

son independientes unas de las otras y aleatorias, siguiendo
una distribución de probabilidades Poisson, siendo el
tiempo entre llegadas del tipo exponencial.
Para algunos casos la tasa de llegada puede variar en el

tiempo – Simio soporta llegadas lineales sucesivas (step-
wise) para ello se usan las:
Rate Tables

Vásquez
Rate Tables
SourceWithRateTable
(cambia tasas de llegada en el tiempo)
La cantidad de intervalos y
tamaño de cada intervalo puede
ser establecido por el usuario.
Es usado por el elemento Source

Las rate tables contienen object/Timer para generar
entidades/eventos con una tasa
tasas de llegadas variable en el tiempo.
diferentes por intervalos
fijos de tiempo

Vásquez
Function Tables
La Function Table se puede usar para definir el tiempo de

ejecución de una tarea (o un parámetro de una
distribución) que cambia en el tiempo o basada en la
contabilización de operaciones completadas
Dado x, calcula f(x)

Sintaxis:
Function.TableName[X_Expression]
Esta función es utilizada para la representación de las curvas

de aprendizaje, es usada por el server para definir su tiempo
de procesamiento o de servicio

Vásquez
Las columnas usualmente son
propiedades fundamentales Tables
de los objetos
Las filas pueden ser Columna 1 Columna 2 Columna m

referenciadas por
números o por fila Fila 1
activa que está
asignada a un objeto o Fila 2 El valor de una tabla puede
entidad ser referenciado por la fila y
Fila n
la columna usando la
sintaxis:
TableName[RowNumber].Col
Un objeto puede tener una referencia activa umnName
hacia una fila de una tabla, en este caso un
valor de la tabla se referencia como:
TableName.ColumnName
Tablas de secuencias
Son tablas que contienen una columna de “Sequence” en la cual se agrega la
ruta que seguirá una entidad.

Vásquez
¿ Para qué se pueden usar las tablas ?
SelectEntityTypeFromTable
• Crear una entidad cuyo tipo está

especificado en una tabla.
• Seleccionar el tipo basado en un mix de
productos definidos por una tabla.
• Usar un campo de una tabla para el
tiempo de procesamiento.

Vásquez
Ejemplo del uso de tablas
El mix de clientes que llegan son El tiempo de procesamiento

seleccionados de una tabla, pueden ser de depende del tipo de cliente
uno de los tres tipos definidos en la tabla
SelectEntityTypeFromTable
Tipo de cliente Probabilidad Tiempo de procesamiento
Estándar 24% Random.Exponential (140)

Simple 32% Random.Exponential (80)
Complejo 44% Random.Exponential (30)

Vásquez
Tablas relacionales
Son tablas que se relacionan a través del Table Key y
Foreign Key. Estas tablas incluyen un MasterDetail view, lo
que permite que las relaciones entre las tablas puedan ser
vistas.
foreign Table key

Pedidos key (valores
únicos)
Fecha del Color Tamaño
pedido Productos
15/05 verde Grande Tamaño Tiempo Tiempo
de corte de pulido
18/05 verde Pequeño
Pequeño 15 4
19/05 rojo Grande
Mediano 18 8
N - 1 posibilidades Grande 22 18

Vásquez
Ejemplo Tablas relacionales
En la tabla pivote o Table key se

especifica una columna como key,
esos registros deben ser únicos
En la tabla a relacionarse se agrega

la referencia como foreign key
usando la sintaxix
TableNameKeyColumnName

Vásquez
Tablas de secuencias
En estas tablas se define la secuencia de actividades que
realizaran las distintas entidades que ingresan al sistema,
pueden elaborarse una tabla por cada entidad con sus
respectivos atributos o pueden realizarse a través de las
tablas relacionales

Vásquez
Procesos
Los modelos de Simio se pueden complementar con
procesos, que no son más que un conjunto de instrucciones
secuenciales con un lógica asociada que realiza acciones
sobre los objetos del modelo.

Vásquez
¿ Cuándo se ejecutan
los procesos ?
Los procesos se asemejan a programas o líneas de códigos
que se ejecutan dentro del modelo, en uno de estos tres
casos:
1) Add-on process triggers. Su ejecución es

declarada en las propiedades del objeto como
completo a su definición. Dentro de las
propiedades del objeto se indica cuando se inicia
o termina la ejecución del proceso.
2) Event triggers. La ejecución del proceso es
desencadenada por un evento.
3) Object predefined.

Vásquez
¿ Cómo estudiar la operación del
sistema?
Análisis operacional

Vásquez
¿ Cómo estudiar la operación del
sistema?
Análisis operacional
La operación del sistema puede estudiarse a través del
análisis operacional, observando y midiendo las variables
directamente observables en los objetos del sistema
OPERACIONAL = DIRECTAMENTE MEDIBLE
El análisis operacional se basa en la teoría de colas

de espera a través de leyes operacionales que
expresan las relaciones entre los diferentes atributos
de los objetos, que permiten calcular, de forma
sencilla: el rendimiento del sistema, las utilizaciones
de los objetos, las tasas de atención, y las tasas de
llegadas del sistema a fin de evaluarlo

Vásquez
Leyes Operacionales – Redes de colas
Conceptos
Las leyes operacionales son relaciones universales entre
diferentes parámetros que permiten calcular, de forma sencilla,
rendimientos de sistemas y dispositivos que están basadas en:
Cantidad de llegadas • Ai trabajos

(arrivals)
Cantidad de terminaciones • Ci trabajos

(completions)
Tiempo total ocupado • Bi unidades de

tiempo (busy)
Período de tiempo analizado • T unidades de

tiempo (time)

Vásquez
Las métricas en las leyes operacionales
TASA DE TIEMPO DE
PRODUCTIVIDAD UTILIZACIÓN
LLEGADAS SERVICIO
λi Xi Ui Si
Ai/T Ci/T Bi/T Bi/Ci
trabajos/tiempo trabajos/tiempo sin unidad tiempo/trabajos

Vásquez
Otras métricas en las leyes operacionales
INVERSO TASA DE INVERSO TIEMPO DE

TASA DE LLEGADAS SERVICIO TIEMPO DE
LLEGADAS TIEMPO ENTRE TASA DE SERVICIO
LLEGADAS SERVICIOS
λi µi Si
T/Ai
Ai/T Ci/Bi Bi/Ci
tiempo/trabajos
trabajos/ tiempo trabajos/tiempo tiempo /trabajos

Vásquez
Hipótesis del flujo equilibrado de trabajos
Observando al sistema durante un tiempo suficientemente largo
Las leyes operacionales parten de la hipótesis que la

cantidad de trabajo que ingresa al sistema o a un servidor
(Ai) es igual a la cantidad de trabajo que es procesado (Ci).
A  C  i
i i
Si Ai  C i  i  X i
Si la cantidad de trabajo que ingresa (Ai) es igual a la

cantidad de trabajo que es procesado Ci, entonces la tasa
de llegadas y la productividad son iguales

Vásquez
Ley de Little John Little, 1954 - 1961
El número medio de trabajos “N” que hay en un sistema

(durante un tiempo determinado) es igual a la velocidad
media “λ” a la que entran en el sistema multiplicada por el
tiempo medio “R” que están dentro.
velocidad
media “λ” a
la que entran
número medio de trabajos en el sistema “N”
el tiempo medio “R” que están dentro
Del total “N” de trabajos en el sistema, algunos estarán en cola esperando
ser atendidos y otros estarán recibiendo servicio

Vásquez
Ley de Little en una estación de trabajo
Para la estación de servicio i, si llamamos Ni a la cantidad media de
trabajos que hay dentro de ella, a λi a la tasa promedio de llegada
de los trabajos a la estación y Ri al tiempo medio de respuesta, la Ley
de Little se puede escribir como:
N i  i  Ri
Por extensión al aplicar la hipótesis del flujo equilibrado de trabajo,
considerando λi es igual a Xi, se puede decir que:
N i  X i  Ri
La cantidad de trabajos en la estación de servicio i es igual a
la velocidad a la que llegan o salen por la velocidad en que
son atendidos

Vásquez
Consideraciones de la ley de Little
• El sistema tiene que estar estable, es decir todo el trabajo que
entra en el sistema, sale de éste, la cantidad de trabajos al
inicio y al final del periodo es constante, la tasa media de
llegada de trabajo es igual a la tasa media de salida de
trabajo del sistema.
• No depende de: cuántos servidores hay, si hay una cola para
todos los servidores o varias colas (una por servidor), por las
distribuciones del tiempo de servicio, o las distribuciones de los
tiempos entre llegadas, o cómo es el orden de atención de los
trabajos.
• Trabaja con valores medios de todos los parámetros: tasa
promedio de llegadas, cantidad promedio de trabajos en el
sistema, y tiempo promedio en el sistema.
Es simple y general, se puede aplicar a cualquier sistema que

procese cosas, y a sistemas dentro de otros sistemas. Los únicos
requisitos son que el sistema sea estable

Vásquez
Ley de la utilización
Si la utilización Ui de un dispositivo, la multiplicamos y dividimos por
la cantidad de trabajos procesados Ci; podemos expresarla
entonces en función de su productividad y del tiempo de servicio:
Bi C i Bi
U i
   X i  Si
T T Ci
Aplicando la hipótesis del flujo equilibrado de trabajo, donde Ai es

igual a Ci entonces la Utilización quedaría expresada como la tasa
de llegadas por el tiempo de servicio
U i
 i  S i
La utilización es igual al flujo de clientes por el servicio medio
que pide cada uno

Vásquez
Tiempo de respuesta en una estación
Espera a que se
procesen los Ni
trabajos que le Luego, cumple su
preceden propio tiempo de
servicio
Cuando llega
un trabajo a
la estación
Tiempo de respuesta
No es una relación
Ri  ( N i
 1) S i operacional

Vásquez
Tiempo de respuesta en una estación
El tiempo de respuesta en
una estación es igual a
Ri  ( N i
 1) S i Según la Ley de Little
No es una relación operacional N i  X i  Ri
Sustituyendo Ni en el tiempo de respuesta

R  ( N  1) S  ( X R  1) S
i i i i i i
Despejando Ri
Usando la Ley de la utilización
S
R  i
S
i
1 X S  R  i
1U
i i i

Vásquez
¿Cómo nos ayuda el análisis
operacional?
A través del análisis operacional, midiendo las variables
directamente observables en cada objeto del sistema,
podemos estudiar el sistema para obtener información
relacionada a:
Cantidad
Tiempos
de trabajos Utilización
• Sistema
• Sistema • Estación de
trabajo • Estación de
• Estación de trabajo
trabajo

Vásquez
Simulaciones en la Ingeniería
industrial
¿Cuáles estudiaremos?

Vásquez
Simulaciones en la Ingeniería Industrial
¿Cuáles estudiaremos ?
Procesos productivos
Inventarios
Cadena de
suministros

Vásquez
Simulaciones
Procesos Productivos

Vásquez
¿ Qué es un proceso productivo ?
Un proceso productivo se puede definir como la sucesión de
actividades que transforman las materias primas en productos
materias primas Transformación Productos
Se obtiene uno o
Llegan según una Conjunto de
varios productos
distribución dada actividades
según el proceso

Vásquez
¿ Qué considerar para simular un proceso
productivo ?
Para la simulación de un proceso productivo es necesario
conocer
lista de lista de cantidades a

Materias Primas
Proceso
Productos
materias actividades o producirse
primas sub-procesos
proporciones tiempos de
de uso por cada sub-
producto a ser proceso
elaborado secuencia de
sub-procesos
por producto a
elaborarse

Vásquez
Proceso Productivo Taller de piezas metálicas

Vásquez
Entidades del sistema que reciben servicio
Entidades que reciben servicio - Esperan en una cola para ser atendidos
Atributos
Identifiación de la
Entidad
Patrón de llegadas Etapas del Servicio - Interacciones
24% Fundición y
Tipo 1 Cepilladoras Tornos Pulidoras
Piezas/día moldeo
Poisson con
Piezas media 50 44% Prensas de
Tipo 2 Fresadoras Tornos
Metálicas trabajos/día Piezas/día estampado
de 8 horas
32% Fundición y Prensas de
Tipo 3 Fresadoras Cepilladoras Pulidoras
Piezas/día moldeo estampado
Piezas metálicas
El evento que desencadena la operación son los trabajos que

llegan al taller para ser atendidos

Vásquez
Entidades del sistema que prestan servicio
Entidades que prestan servicio - Atienden la cola de espera

Atributos
Tiempo de
Identifiación de la Entidad Disciplina Canales de
Patrón de servicio servicio en
de la cola servicio
minutos
Fundición y Tipo 1 125
14
moldeo Tipo 3 235
Tipo 1 20
Tornos 5
Tipo 2 65
FIFO
Tipo 1 35
Cepilladoras Primero 4
Estaciones Tipo 3 30
Exponencial que entra
de Trabajo Tipo2 90
Fresadoras primero 8
Tipo 3 50
que sale
Prensas de Tipo 2 105
16
estampado Tipo 3 250
Tipo 1 60
Pulidoras 4
ipo 3 25
Máquinas

Vásquez
Simulaciones
Inventarios

Vásquez
¿ Qué es el inventario ?
El inventario es la acumulación de materias primas, productos
intermedios o productos terminados en una organización a fin
de proporcionar su disponibilidad en el momento que sean
requeridos
¿ por qué inventarios ? ¿ es un mal necesario ?
La rapidez en la que
se consumen los Fluctuaciones en la Cambios en la oferta
materiales o demanda de y la demanda de
productos es materiales o materiales o
superior a la que se productos productos
pueden obtener

Vásquez
Administración del inventario
Al administrar el inventario se deben tomar decisiones en
cuanto a
Cantidad de materiales a comprarse o

producirse
Cuándo debe comprarse o producirse
Clasificación de los artículos en inventario a fin

de definir la rigurosidad de los controles que
se establecerán sobre los mismos.
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-industrial/administraci%C3%B3n-de-inventarios/

Vásquez
Tipos de inventario
Clasificación según su Inventarios de materias primas
nivel de terminación Inventarios de productos en proceso
Inventarios de productos terminados
Inventarios de productos en embalaje
Clasificación según su
función Inventario operativo
Inventario de seguridad
Clasificación según su
localización respecto Inventario en tránsito
a las instalaciones de
la empresa
Inventario en planta

Vásquez
Inventario según su función
Inventario Operativo
• Es el conjunto de unidades que surgen del

reaprovisionamiento de las unidades que son
vendidas o utilizadas en la producción.
Inventario de Seguridad
• Es aquel inventario del cual se dispone para

responder a las posibles fluctuaciones de la
demanda y/o a los retrasos que pueden
presentarse en los procesos de
reabastecimiento por parte de los
proveedores.

Vásquez
Inventario según su ubicación en la
empresa
Inventario en tránsito
• Aquellas unidades pertenecientes a la empresa, y
que no se encuentran en sus instalaciones físicas
destinadas como su ubicación puntual, por ejemplo:
mercancía en ruta, en control de recepción (y su
ubicación puntual es otra), en transporte interno, en
paqueteo, etc.
Inventario en planta
• Son todas las unidades bajo custodia de la empresa
y que se encuentran en sus instalaciones físicas
puntuales, por ejemplo: Almacén de materias
primas, almacén intermedio, almacén de embalaje,
almacén de herramientas, almacén de
mantenimiento, etc.

Vásquez
Inventarios en un proceso productivo
Ejemplo Proceso Productivo Taller de piezas metálicas
productos
materias productos en proceso
primas en proceso
productos
terminados
productos
en proceso
productos
terminados
productos
en proceso

Vásquez
Ecuación general de movimiento del
inventario
Aplicable a cualquier tipo de inventario
Inventario Inventario
inicial Entradas Salidas final
materiales
materiales
que se
que se
compran o
al inicio del despachan al final del
producen
período de período de
evaluación observación

Vásquez
Planificar los niveles de inventario
La simulación como herramienta para la planificación
Catalogar los
materiales
Pronosticar la
Almacenar
demanda
Establecer la
Abastecer política de
inventario

Vásquez
¿ Qué debe ser inventario ?
Criterios para catalogar
Dado que el inventario son recursos financieros de la empresa

que se encuentran detenidos, esperando ser utilizados, se
debe determinar con bastante precisión qué y cuánto se debe
almacenar.
Compras Directas Inventario

Costo
Catalogar
Compras
Caja Chica
Concertadas
Frecuencia de uso

Vásquez
Pronosticar la demanda
¿ Cuánto se necesita ?
La base de la planificación de inventarios es el pronóstico de

la demanda, la determinación de las cantidades que serán
requeridas.
Se estiman los valores futuros

Cuantitativos con base en la historia a través
de técnicas estadísticas
Métodos de
predicción
Proceso subjetivo basados en
Cualitativos el análisis e intuición de
expertos y por analogías
Algunos métodos de predicción:

• Medias móviles
• Suavizado exponencial
• Mínimos Cuadrados

Vásquez
Medias móviles
Pronóstico de la demanda
Esta es una técnica de predicción en la que el valor para el
siguiente período, es la media de observaciones previas.
El valor del siguiente período se calcula como
y t  y t  1  ....  y t  n  1
f t 1 
n
El error cuadrático medio viene dado n
1
por la suma de las diferencias entre el
 ( yt  ft )
2
dato real y el pronosticado n t 1
El “n” recomendable es aquel que conlleve al menor error cuadrático

Vásquez
Ejemplo medias móviles
En la tabla a continuación se muestra el procedimiento de
pronóstico de demanda con Media Móvil Simple con n=3.
Período Demanda Pronóstico
• Por ejemplo, el pronóstico de Enero 200
Abril se obtiene promediando Febrero 230
los valores reales de Enero, Marzo 260
Febrero y Marzo: Abril 180 230
F(Abril)=(200+230+260)/3=230. Mayo 270 223
Junio 240 237
• El pronóstico de Mayo se Julio 250 230
obtiene promediando los Agosto 300 253
valores reales de Febrero, Septiembre 320 263
Marzo y Abril: Octubre 350 290
F(Mayo)=(230+260+180)/3=223. Noviembre 240 323
Diciembre 210 303

Vásquez
Se recomienda graficar los valores reales versus los
pronosticados para verificar de forma gráfica la precisión de
los valores estimados
400
350
Se puede observar que
300
en 6 de los 9 pronósticos
250
realizados se genera
200
una subestimación de la
150
demanda real lo cual nos
100
da indicios que este
método de pronóstico no
50
es lo más adecuado en
0
0 2 4 6 8 10 12 14 este caso.
Demanda Pronóstico

Vásquez
Comparación error cuadrático medio para distintos “n”
3 2 4
Pronóstico Diferencia Pronóstico Diferencia Pronóstico Diferencia
Período Demanda
n=3 Cuadrática n=2 Cuadrática n=4 Cuadrática
200
Enero
230
La estimación
Febrero
Marzo 260 215 2025 con menor error
Abril 180 230 2500 245 4225 cuadrático
Mayo 270 223 2178 220 2500 218 2756 medio es para
Junio 240 237 11 225 225 235 25 n=2; sin embargo
Julio 250 230 400 255 25 238 156
Agosto 300 253 2178 245 3025 235 4225
para realizar un
Septiembre 320 263 3211 275 2025 265 3025 pronóstico de 12
Octubre 350 290 3600 310 1600 278 5256 meses con este
Noviembre 240 323 6944 335 9025 305 4225 método se
Diciembre 210 303 8711 295 7225 303 8556
requerían de 14
29733 31900 28225
meses de historia
Error Error Error
Cuadrático 57,48 Cuadrático 56,48 Cuadrático 59,40
Medio Medio Medio

Vásquez
Graficando los valores reales versus los pronosticados apreciamos
que para los distintos “n” por lo menos 6 puntos quedan fuera
Comparación Promedios Móviles para los distintos

“n”
400
300
200
100
0
0 2 4 6 8 10 12 14
Demanda Pronóstico n=3 Pronóstico n=2 Pronóstico n=4

Vásquez
Suavizado exponencial
Esta es una técnica de predicción en la que se da una

ponderación a las observaciones más recientes
La ponderación se asigna mediante la constante alfa (α) que

varía entre 0 y 1
ft  f t 1   ( y t 1  f t 1 )
pronóstico = pronóstico del error del pronóstico
período anterior del período anterior
Aproximación de  ( y t 1  y t  2 )
f t  (1   ) f t  1 
Tustin 2

Vásquez
Ejemplo suavizado exponencial
En la tabla a continuación se muestra el cálculo del

pronóstico de demanda con Suavizado exponencial.
α
Por ejemplo: Período Demanda 0,2 0,3 0,5
Enero 200
Febrero 230 200 200 200
• el pronóstico de Marzo se
Marzo 260 206,00 200,00 200,00
obtiene como: Abril 180 216,80 201,20 200,00
200+0,2*(230-200)=206 Mayo 270 209,44 204,32 200,24
Junio 240 221,55 205,34 201,06
• el pronóstico de Mayo se Julio 250 225,24 208,59 201,91
obtiene como: Agosto 300 230,19 211,92 203,25
206+0,2*(260-206)=216,80 Septiembre 320 244,15 215,57 204,98
Octubre 350 259,32 221,29 207,10
Noviembre 240 277,46 228,90 209,94
Diciembre 210 269,97 238,61 213,73

Vásquez
Graficando los valores reales versus los pronosticados apreciamos
que para los distintos “α” por lo menos 5 puntos quedan fuera
Comparación suavizado exponencial

400
300
200
100
0
0 2 4 6 8 10 12 14
Demanda Pronóstico α=0,2 Pronóstico α=0,5 Pronóstico α=0,8

Vásquez
Comparación error cuadrático medio para distintos “α”
0,2 0,5 0,8
Error Error Error
Período Demanda Pronóstico Pronóstico Pronóstico Cuadrático Cuadrático Cuadrático
α=0,2 α=0,5 α=0,8 α=0,2 α=0,5 α=0,8
Enero 200
Febrero 230 200 200 200 900,00 900,00 900,00
Marzo 260 206,00 215,00 224,00 2.916,00 2.025,00 1.296,00
Abril 180 216,80 237,50 252,80 1.354,24 3.306,25 5.299,84
La estimación
Mayo 270 209,44 208,75 194,56 3.667,51 3.751,56 5.691,19 con menor error
Junio 240 221,55 239,38 254,91 340,33 0,39 222,37 cuadrático
Julio 250 225,24 239,69 242,98 612,98 106,35 49,25 medio es para
Agosto 300 230,19 244,84 248,60 4.872,98 3.042,21 2.642,32
Septiembre 320 244,15 272,42 289,72 5.752,52 2.263,68 916,92
α=0,5
Octubre 350 259,32 296,21 313,94 8.222,19 2.893,26 1.300,05
Noviembre 240 277,46 323,11 342,79 1.403,17 6.906,52 10.565,53
Diciembre 210 269,97 281,55 260,56 3.596,06 5.119,79 2.556,09
33.637,99 30.315,02 31.439,55
Error
Cuadrático 55,30 52,50 53,46
Medio

Vásquez
Mínimos cuadrados
Este método ajusta los datos a una recta. Esta recta tendrá
la forma y= ax + b, en donde “a” es la pendiente y “b” es la
porción fija.
n  xy   x
a 
y
b 
 y  a x
n x  ( x )
2 2
n
a (n)
c  Crecimiento para el período
 y “n”

Vásquez
Mínimos cuadrados
Los errores se distribuyen así:
SCT  SCE  SCR egresión

SCR egresión
 SCT  SCE
 2 
n n
  ( yi  y )   yi   ny
2 2
SCE   y  b  y  a  xy
SCT 2
i 1  i 1 

Vásquez
Mínimos cuadrados
Coeficiente de Regresión
SCR SCT  SCE Varianza de los Errores

 
2
R
SCT SCT SCE
Se   MCE
2
n 2
Desviación
SCE
Se 
n 2

Vásquez
Ejemplo mínimos cuadrados
En la tabla a continuación se muestra el cálculo del
pronóstico de demanda por mínimos cuadrados.
Demanda
Período x x^2 xy Pronóstico
(y)
200 1 200 222,82
a=(12*(20.640)-78*3050)/(12*650-78^2)
Enero 1
Febrero 2 230 4 460 228,52 a=5,7
Marzo 3 260 9 780 234,22
180 16 720 239,92
b=(3050-5,69*78)/12
Abril 4
Mayo 5 270 25 1350 245,62 b=217
Junio 6 240 36 1440 251,32
Julio 7 250 49 1750 257,02
Agosto 8 300 64 2400 262,72
Septiembre 9 320 81 2880 268,41
y = 5,6993x + 217,12
Octubre 10 350 100 3500 274,11 R² = 1
Noviembre 11 240 121 2640 279,81
Diciembre 12 210 144 2520 285,51
78 3050 650 20640

Vásquez
Ejemplo mínimos cuadrados
400
Mínimos Cuadrados
350
300
250
200
150
100
50
0
0 2 4 6 8 10 12 14
Demanda (y) Pronóstico y = 5,6993x + 217,12

Vásquez
Políticas de inventario
¿ Cuánto se almacena ?
Las política de inventario son los criterios usados para manejar
el inventario a través de los cuales se determinan cuánto y
cuándo comprar o producir en función de tiempos y costos
que se almacenará
Se determina un valor máximo y un

Máximos y valor mínimo de cada material en
mínimos función de la demanda y tiempo e
reposición o producción
Algunas
Políticas de
Inventario
Se determina la cantidad a
Lote económico comprar o producir en función de
los costos

Vásquez
Máximos y Mínimos

Vásquez
Máximos y Mínimos - Ejemplo
• Mínimo = D x TR
Inventario
• D = Tasa de consumo (demanda/tiempo)
Mínimo
• TR= tiempo de reposición
• Máximo = Seguridad + Mínimo + DMxTR
Inventario
Máximo • DM = Tasa de consumo máxima (demanda
máxima/tiempo)
Punto de pedido • Punto Pedido = DxTR + Mínimo
• Seguridad = q x Tr
Inventario de
• d = desviación de la tasa de consumo
seguridad
• Tr = desviación del tiempo de reposición
Cantidad a ordenar • Q = Máximo – Mínimo + Seguridad

Vásquez
Lote económico de Compra - Ejemplo
Da: Demanda. Unidades por año
S : Costo de emitir una orden
H : Costo asociado a mantener una
unidad en inventario en un año
Q : Cantidad a ordenar

Vásquez
Lote económico de Compra - Ejemplo
Inventario • Máximo = Seguridad + Q

Máximo • Q = Tamaño de Lote económico
Punto de • Punto Pedido = DxTR + Seguridad

pedido • D = Tasa de consumo (demanda/tiempo)
• Seguridad = q x Tr
Inventario de • d = desviación de la tasa de consumo
seguridad • Tr = desviación del tiempo de reposición
Cantidad a ordenar

Vásquez
Simulaciones
Cadena de Suministros

Vásquez
¿ Qué es la cadena de suministro ?
La ruta de abastecimiento

Vásquez
Ejemplo Cadena de Suministro
Abastecimiento desde el fabricante al minorista

Vásquez
Ejemplo Cadena de Suministro
Abastecimiento desde el fabricante al minorista
La tienda recibe los chocolates en cajas de 20 unidades. Tiene

establecido como política de inventario revisiones cada 5 días
de su nivel de inventario, debiendo ordenar 700 cajas cuando
su inventario sea igual o menor a 300 cajas. El inventario inicial
de la tieneda es de 700 cajas de chocolates
La demanda sigue un distribución Poisson de media 40 cajas /

día, el tiempo de reposición del fabricante al distribuidor sigue
una distribución triangular (10,15,20)*Cantidad a ordenar, el
tiempo de reposición del distribuidor a la tienda sigue una
distribución de probabilidades Pert(1,2,5). Las requisiciones de
la tienda al distribuidor y del distribuidor al fabricante se hacen
de forma electrónica.

Vásquez

Construcción de Modelos Típicos en Ingeniería Industrial

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Construcción de Modelos Típicos en Ingeniería Industrial

Hochgeladen von

Copyright:

Verfügbare Formate

4.

Simulación Prof. María Carolina

Simulación Prof. María Carolina

Simulación Prof. María Carolina

Identificación de las entidades principales del sistema

Identificación de los atributos de cada entidad del sistema

Identificación de las reglas que gobiernan el sistema

Captación de la naturaleza de la interacciones lógicas del sistema

Verificación que las reglas incorporadas al modelo son una

Representación del comportamiento aleatorio

Simulación Prof. María Carolina

Simulación Prof. María Carolina

Una forma de representar el modelo conceptual es a través de

Simulación Prof. María Carolina

Simulación Prof. María Carolina

Simulación Prof. María Carolina

La disciplina de servicio dentro de cada grupo de máquinas es FIFO es

Objetivo General del Estudio

Simulación de sistemas discretos, Jaime Barceló, Isdefe, Madrid 1996

Simulación Prof. María Carolina

Objetivos Específicos Estudio

Se pide construir el Modelo Conceptual del Sistema que

Simulación de sistemas discretos, Jaime Barceló, Isdefe, Madrid 1996

Simulación Prof. María Carolina

Entidades que reciben servicio – Piezas metálicas

El evento que desencadena la operación son los trabajos que

Simulación Prof. María Carolina

Entidades que prestan servicio – Máquinas

Simulación Prof. María Carolina

Grafo proceso productivo Taller de piezas metálicas

Simulación Prof. María Carolina

Basado en el Material Capacitación Simio LLC. Se traduce

Simulación Prof. María Carolina

Una vez identificadas las entidades del sistema, sus atributos,

Para la creación del modelo computacional se

Simulación Prof. María Carolina

Simio se puede descargar de la página

La versión académica que permite crear proyectos hasta con

Simulación Prof. María Carolina

Simio opera con el

Simulación Prof. María Carolina

Simulación Prof. María Carolina

La base de la herramienta Simio

A través de objetos se representan

En Simio para cada simulación se define un proyecto, en él se pueden usar

Simulación Prof. María Carolina

Simulación Prof. María Carolina

Lógico Interface las propiedades

Simulación Prof. María Carolina

Propiedades Son atributos “estáticos”, no pueden

Estados Son atributos “dinámicos” , pueden

Simulación Prof. María Carolina

Source, Server, Sink,

Links Connector, TimePath, Path,

Simulación Prof. María Carolina

Simulación Prof. María Carolina

En las redes de colas de espera usualmente las llegadas

Para algunos casos la tasa de llegada puede variar en el

Simulación Prof. María Carolina

Es usado por el elemento Source

Simulación Prof. María Carolina

La Function Table se puede usar para definir el tiempo de

Dado x, calcula f(x)

Esta función es utilizada para la representación de las curvas