Beruflich Dokumente
Kultur Dokumente
1
Tabla de contenido
Tabla de figuras...................................................................................................................... 4
1. Planteamiento del problema................................................................................................ 6
1.1. Descripción de Tecmo S.A........................................................................................... 6
1.1.1. Objeto Social ........................................................................................................ 6
1.1.2. Portafolio de productos ......................................................................................... 7
1.1. Procesos productivos y distribución de planta.............................................................. 7
1.2. Importancia de medición y mejora de la distribución de planta .................................... 8
2. Justificación del proyecto ...................................................................................................10
3. Objetivos ............................................................................................................................11
3.1. Objetivo General .........................................................................................................11
3.2. Objetivos Específicos..................................................................................................11
4. Marco teórico .....................................................................................................................12
4.1. Distribución de planta .................................................................................................12
4.1.1. Definiciones .........................................................................................................12
4.1.2. Tipos y estrategias de distribución de planta .......................................................13
4.1.3. Proyectos de distribución de planta y de redistribución ........................................15
4.2. Formulaciones del FLP ...............................................................................................16
4.2.1. Aproximación de Muther ......................................................................................16
4.2.2. Métodos gráficos .................................................................................................17
4.2.3. Problema de asignación cuadrática QAP .............................................................19
4.2.4. Programación entera mixta MIP ...........................................................................20
4.2.5. Modelos de múltiples plantas ...............................................................................23
4.2.6. Modelo de distribución de planta dinámico (DFLP) ..............................................23
4.2.7. Otras formulaciones .............................................................................................24
4.3. Métodos de solución del FLP ......................................................................................24
4.4. Proceso de jerarquía analítica.....................................................................................25
4.5. Simulación ..................................................................................................................27
4.6. Diseño de experimentos .............................................................................................28
5. Metodología propuesta ......................................................................................................29
5.1. Diagrama del proceso propuesto ................................................................................29
5.2. Información base del proceso y la distribución de planta ............................................29
2
5.3. Diseño de experimentos .............................................................................................30
5.4. Diseño del modelo matemático ...................................................................................30
5.5. Solución del modelo....................................................................................................31
5.6. Validación de resultados por simulación .....................................................................31
5.7. Mejoras propuestas y control por indicadores .............................................................32
5.8. Aplicabilidad de la metodología en otros medios ........................................................33
6. Recolección de información ...............................................................................................34
6.1. Distribución actual de planta .......................................................................................34
6.1.1. Plano de planta general .......................................................................................34
6.1.2. Distribución de departamentos ............................................................................35
6.2. Sistemas de transporte ...............................................................................................35
6.3. Flujos de proceso .......................................................................................................36
6.4. Restricciones iniciales .................................................................................................38
7. Aplicación del diseño de experimentos ..............................................................................39
7.1. Factores y niveles .......................................................................................................39
7.2. Corridas y resultados ..................................................................................................40
7.3. Diseño estadístico.......................................................................................................42
7.3.1. Resultados análisis de varianza ...........................................................................42
7.4. Análisis del experimento .............................................................................................44
7.5. Indicadores sugeridos .................................................................................................47
8. Desarrollo del modelo ........................................................................................................55
8.1. Selección del modelo ..................................................................................................55
8.1.1. Definición de criterios y alternativas .....................................................................55
8.1.2. Diagrama del proceso AHP..................................................................................57
8.1.3. Comparación por pares de criterios .....................................................................57
8.1.4. Ponderaciones para cada alternativa ...................................................................59
8.1.5. Jerarquización .....................................................................................................61
8.2. Formulación ................................................................................................................62
8.2.1. Obtención del flujo entre departamentos..............................................................62
8.2.2. Formas estándar y matricial del problema ...........................................................64
8.3. Solución del problema ................................................................................................65
8.3.1. Selección del método de solución ........................................................................65
8.3.2. Recocido simulado ..............................................................................................66
8.3.3. Programación y definición de parámetros ............................................................68
8.3.4. Formulación del problema en Excel .....................................................................71
8.4. Análisis de resultados .................................................................................................74
3
9. Modelo de simulación ........................................................................................................76
9.1. Simulación con FlexSim ..............................................................................................76
9.1.1. Objetos, atributos y entidades ..............................................................................76
9.1.2. Tablas globales y experimentador .......................................................................81
9.1.3. Supuestos y parámetros del modelo ....................................................................82
9.2. Situación actual ..........................................................................................................84
9.2.1. Modelo .................................................................................................................84
9.2.2. Resumen de resultados .......................................................................................85
9.3. Situación propuesta ....................................................................................................86
9.3.1. Modelo .................................................................................................................86
9.3.2. Resumen de resultados .......................................................................................87
9.4. Comparación resultados .............................................................................................88
10. Conclusiones y recomendaciones ..................................................................................89
10.1. Conclusiones ...........................................................................................................89
10.2. Recomendaciones...................................................................................................89
11. Bibliografía .....................................................................................................................90
12. Anexos ...........................................................................................................................92
12.1. Código recocido simulado .......................................................................................92
Tabla de figuras
4
Figura 20. Gráfico de efector principales. ..................................................................................44
Figura 21. Diagrama de Pareto de efectos experimentales. ......................................................44
Figura 22. Diagrama de resultados del experimento. ................................................................45
Figura 23. Gráfico de árbol para diseño de modelo matemático. ..............................................57
Figura 24. Representación de un proceso en línea. ..................................................................62
Figura 25. Balance de flujo por proceso. ...................................................................................63
Figura 26. Representación de flujo con procesos iguales. ........................................................63
Figura 27. Esquema del vecino mas cercano. ..........................................................................68
Figura 28. Esquema de vecindario salto en 2............................................................................69
Figura 29. Selección de departamentos por pares. ...................................................................69
Figura 30. Departamentos intercambiados. ...............................................................................69
Figura 31. Distribución de planta por agrupación de proceso. ...................................................75
Figura 32. Procesador...............................................................................................................77
Figura 33. Ventana de configuración de proceso. .....................................................................77
Figura 34. Ventana de configuración de flujo. ...........................................................................78
Figura 35. Máquinas de transporte............................................................................................79
Figura 36. Ventana de configuración de grúa. ...........................................................................79
Figura 37. Parámetros de grúa y transportador. ........................................................................80
Figura 38. Fuente, cola y salida. ...............................................................................................81
Figura 39. Tabla global .............................................................................................................81
Figura 40. Proceso y flujo de procesos de planta. .....................................................................83
Figura 41. Modelo completo situación actual. ...........................................................................84
Figura 42. Modelo plano situación actual. .................................................................................84
Figura 43. Espera por sistemas de transporte. ..........................................................................85
Figura 44. Gráfica de esperas situación actual..........................................................................86
Figura 45. Modelo situación propuesta. ....................................................................................86
Figura 46. Situación propuesta vista plana y conecciones. .......................................................87
Figura 47. Gráfico espera situación propuesta. .........................................................................88
5
1. Planteamiento del problema
1.1. Descripción de Tecmo S.A.
1.1.1. Objeto Social
Adicionalmente Tecmo, posee la certificación de sus procesos bajo la Norma ISO 9001 versión
2008, garantizando el alcance en las áreas de diseño, fabricación y montaje de estructuras
metálicas y sistemas complementarios.
Área de ingeniería
En su área de ingeniería, TECMO dispone de los más modernos sistemas de diseño y dibujo
asistidos por computadora, gracias a los cuales está en condiciones de acometer con gran
eficiencia toda suerte de proyectos relacionados con el tema de las estructuras de acero, las de
aluminio, así como otros proyectos metalmecánicas que incluyan maquinaria para la industria
de la construcción, calderería, puente grúas, etc.
En la sección de dibujo se dispone de varias estaciones de trabajo que operan bajo Autocad y
StruCad, complementadas con varios paquetes especializados con los cuales se realiza el 95%
de las labores de dibujo detallado.
Por otra parte. La empresa cuenta con un área de Investigación y Desarrollo encargada del
estudio de proyectos especiales así como de los nuevos desarrollos. Apoyado en este
departamento, TECMO ha adelantado proyectos de gran envergadura.
6
Control de calidad
Tecmo cuenta con un área de control de calidad, la cual está encargada de garantizar que las
estructuras sean fabricadas y montadas de acuerdo con las especificaciones fijadas para cada
proyecto.
Centros Comerciales
Edificios
Estructuras de aluminio
En el caso específico de Tecmo, se tiene ya definida una distribución de planta por lo cual
como más adelante se mencionará se dan condiciones para poder proponer o formular una
medición y proyecto de modificación de esta distribución de planta.
7
Se cuenta actualmente con una planta principal dividida en dos sub plantas, las actividades se
distribuyen en ambas plantas. Las condiciones de procesamiento son las definidas para el
sector industrial en el que se encuentra la empresa. Se cuentan con procesos de mecanizado,
limpieza, ensamble entre otros. Más adelante se describirán algunas de las condiciones de
proceso, vale la pena aclarar en este punto que por petición de la empresa y para garantizar
integridad y seguridad de la información que pueda considerarse sensible se darán nombres
genéricos a los procesos protegiendo especificaciones de tiempos, cantidades y demás datos
que la empresa haya definido como delicados.
1) Se tiene una distribución definida con actividades fijas en cada ubicación en todos los
procesos anteriormente mencionados.
2) Se manejan materiales con distintos pesos los cuales acorde a su naturaleza requieren
maquinaria o apoyo para ser transportados.
3) Se tienen espacios definidos para actividades, tránsito de transporte y operarios, y
almacenamiento de materiales.
4) Se tienen diferentes tecnologías maquinarias y procedimientos acorde a cada proceso
según las necesidades, se cuentan con procesos automatizados ya sea de control
numérico u otra tecnología acorde al proceso, en otros casos se requieren intervención
de operarios o son procesos con un grado de intervención manual. Esto afecta
considerablemente la naturaleza en tiempos de cada proceso.
5) Se tienen definidas múltiples secuencias de procesos ya que por la naturaleza de la
empresa se requiere de flexibilidad a la hora de organizar la producción.
6) En algunos casos no es significativa la toma de datos sobre producción dadas
condiciones que se mencionarán posteriormente en tales casos se recurre a la opinión
de expertos en el proceso o a datos históricos o aproximados.
Durante los últimos años ha habido cambios en los procesos productivos y en la distribución de
planta de Tecmo, desde adquisición e instalación de nuevas tecnologías, como modificaciones
en la ubicación de algunos departamentos, dados estos cambios y las condiciones
anteriormente mencionadas es importante hacer una medición que permita evaluar el
desempeño de la distribución de planta como principal apoyo a estos procesos, así como la
identificación de oportunidades de mejora.
8
cambiante, o dado el caso de modificar las prácticas o procesos permitir responder a estas
modificaciones obteniendo los mejores resultados posibles.
9
2. Justificación del proyecto
Ya mencionadas algunas de las razones por las cuales es importante una buena distribución de
planta y como esto puede impactar las actividades de un proceso productivo, vale la pena
mencionar que una de las oportunidades más importantes que se pueden presentar es aplicar
un modelo de Investigación de Operaciones a este tipo de proyectos. Ya que permite una
medición más precisa de resultados y de impactos que puedan producirse.
Como se mencionará más adelante se han formulado una gran cantidad de problemas en torno
a la distribución de planta, la principal dificultad de este tipo de problemas es su aplicabilidad,
no se ha desarrollado un modelo que sea definitivo o aplicable a cualquier entorno, sin
embargo cada modelo ofrece fortalezas y oportunidades acorde a la naturaleza del medio en
que se pueda aplicar.
Otra dificultad que se presenta es que no existen manuales o metodologías que permitan tomar
una decisión de cual modelo aplicar o como ajustarlo a la realidad y a las necesidades de
cualquier empresa. En general aunque se han aplicado modelos y hay artículos con mediciones
de cada uno no existe un método que permita justificar o posicionar un modelo como más
adecuado para una situación específica.
En el presente proyecto se propone una metodología que podrá tomarse como guía aplicable
en diferentes industrias, permitiendo tomar una buena decisión de selección de un modelo, y su
aplicación, se definirán los pasos necesarios para poder formular un proyecto de evaluación o
distribución de planta acorde a diferentes posibles condiciones y escenarios. Así como las
condiciones necesarias para aplicarlo a diferentes sectores.
También se busca mostrar como ejemplo de aplicación el caso de Tecmo en el cual se seguirá
la metodología propuesta de forma esquemática, mostrando los posibles resultados y
secuencia requerida en este tipo de proyectos.
1
Grupo Vatic consulting. www.vaticconsulting.com.
10
3. Objetivos
Proponer una metodología que permita evaluar la situación actual de los sistemas de
producción de Tecmo, enfocados en la distribución de planta, y proponer un modelo de
optimización apropiado, que permita lograr mejoras en los parámetros definidos como
críticos.
11
4. Marco teórico
4.1. Distribución de planta
4.1.1. Definiciones
Distribución de planta
Departamentos
Son los espacios en los que se desarrolla cada actividad. Para el efecto del presente proyecto,
de les denominará de esta forma a las actividades o procesos que se distribuyen en una planta,
ya sea en una planta donde hay procesos de producción, o en prestación de servicios cada
proceso requiere un espacio para ser desarrollado. También se pueden tomar como
departamentos, las máquinas que realicen un proceso definido.
Ubicaciones
En algunas de las formulaciones se encuentra como parte principal del problema, el número de
departamentos distribuidos en un espacio definido, este espacio puede según el tipo de
formulación ser dividido en ubicaciones específicas o tomarse como el espacio completo, como
lo veremos en los modelos que se mencionarán más adelante.
2
KJELL B. Zandin. Maynard’s industrial engineering handbook. Mc Graw Hill. 2004. 2560p.
3
HILLIER Frederick, LIEBERMAN Gerald. Introduction to operations research. Ed 7. Mc Graw Hill.
12
con mayor relevancia afectan el sistema analizado, y por medio de los cuales se puede medir el
desempeño del sistema. Las variables de decisión serán las que se modifiquen para encontrar
una solución óptima.
El problema de distribución de planta es principalmente también llamado FLP por sus siglas en
inglés, “Facility layout problem” consiste en la ubicación de áreas de proceso o trabajo en una
cierta planta o espacio de planta. “Normalmente este tipo de problemas pueden llegar a ser
complejos o de tipo NP-Hard”4. Como se puede ver acorde al tamaño del sistema de interés se
pueden requerir técnicas especiales de solucionen este tipo de problemas. En algunos artículos
como “A simulated annealing algorithm to find approximate pareto optimal solutions for the
multi-objective facility layout problem”, se muestran métodos especiales de solución como lo
son los procedimientos heurísticos entro otros algoritmos eficientes en la solución de este tipo
de problemas. En el artículo “Facility layout problems a survey” de Drira, Pierreval y Hajri, se
mencionan estudios que se han dedicado exclusivamente a los métodos de solución de
formulaciones del problema de distribución de planta.
La distribución por producto consiste en agrupar en un mismo espacio, buscando disminuir las
distancias de procesos que hagan parte de un producto minimizando los recorridos o manejos
de material por cada grupo de productos.
Distribución celular5
Aunque tiene similitudes con la distribución de planta por producto en este caso un grupo de
procesos aplicados a una familia de productos o a un producto se agrupan en celdas por lo cual
se generan dos distribuciones, intracelular, que es la configuración de cada celda, y la
segunda es la configuración de la planta global en la cual se definen la distribución de las
celdas.
4
NIEBEL, Ben. Ingeniería industrial métodos y estándares. Alfaomega. 745p.
5
DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31.
2007. 13p.
13
Forma y sistemas de transporte
Otras clasificaciones apoyadas en algunas de las formulaciones que se han realizado del
problema se guían por factores como su forma o tamaño, por los sistemas de transporte, y en
general por aspectos físicos.
Respecto a la forma y distribución de planta existen las plantas regulares o rectangulares que
son aquellas como su nombre lo indica distribuidas acorde a una forma rectangular. Por otro
lado están las irregulares que son aquellas que se distribuyen con forma de polígono, esta
clasificación impacta algunas de las formulaciones especialmente a la hora de tomar datos, as
adelante se profundizará en este aspecto.
P1 P2 P3 P4 P5
P1 P2 P3 P4 P5
P1 P2 P3 P4 P5
P1 P2 P3 P4 P5
P1 P2 P3 P4 P5
P2 P3 P4
P1 P5
P2 P3 P4
14
.
P4
P1 P2 P3 P4
P5
P2
P3
Otra de las características por las que se clasifican las distribuciones es su flexibilidad. Dentro
de esta clasificación se encuentran dos tipos unas son las plantas robustas, las cuales por sus
condiciones tienden a permanecer fijas y las modificaciones representan altos costos,
independientemente de las condiciones de mercado o producción. Las segundas son aquellas
que fácilmente modifican su estructura, el principal impacto de estos dos tipos esta en los
costos de reformular y redistribuir la planta esto es un factor que define la frecuencia con la que
se pueden hacer modificaciones.6
Existen dos situaciones en las cuales se puede formular un problema de distribución de planta,
el primer caso es el diseño de una nueva planta. En este caso muchos proyectos inician desde
la localización de la nueva planta hasta el diseño interno, la estimación de las necesidades en
instalaciones, tecnologías y finalmente la distribución de departamentos.7
6
BENJAFAAR, Sunderesh, Shahrukh. Next generation factory layouts: Research, challenges and recent
progress. Interfaces Vol.32 No.6. 2002. 19p.
7
KJELL B. Zandin. Maynard’s industrial engineering handbook. Mc Graw Hill. 2004. 2560p.
15
La segunda situación es la planteada en el presente proyecto en la cual se tiene una
distribución de planta actual, y se quiere evaluar la posibilidad de modificar la configuración
buscando optimizar o mejorar las condiciones de proceso actuales.
Esta formulación es un enfoque sistemático, puede ser una herramienta útil en el momento de
diseñar nuevas plantas, sin embargo no es muy robusta en cuanto a la precisión de los datos.
8
DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31. 2007.
13p.
9
NIEBEL, Ben. Ingeniería industrial métodos y estándares. Alfaomega. 745p.
16
P1 P2 P3 P4 P5 P6 P7
P1 20 33 14 1 5
P2 15 34 12 25
P3 16 34 13 24
P4 120 45
P5 12
P6
P7
Los métodos gráficos tienen como base el supuesto de que se conoce el nivel de qué tan
adecuado o deseable es la localización adyacente entre dos departamentos, también como se
menciona en el método Muther se supone una cercanía deseada entre áreas.10
10
KUSIAK, Andrew, HERAGU Sunderesh. The facility layout problem. The European journal of
operational research. 1987. 23p.
17
{{ } { } }
{ }
∑∑
Sujeto a.
{ }
{ }
Los paquetes de software que contienen este tipo de soluciones requieren una interfaz gráfica y
toman los departamentos como formas rectangulares del área requerida uno de los más
utilizados es el software CRAFT, (Computarized rellative allocation facility). El algoritmo
utilizado para solucionar o mejorar las distribuciones de planta, permite fijar actividades o
departamentos y relocalizar los demás, se intercambian las ubicaciones entre departamentos
en pares o hasta 3 departamentos, se toman los cambios en los costos de manejo de
materiales y se itera produciendo una solución mejorada respecto a la inicial.11
Existen también programas aún más enfocados en la parte gráfica de la distribución de planta
otro ejemplo de solucionador gráfico es CORELAP, el cual se basa en el método de Muther
mediante el cual se organizan los departamentos acorde a sus relaciones y las ponderaciones
de estas, también representa de forma rectangular los departamentos y tiene un número
definido de iteraciones para generar una distribución.12
El utilizar este tipo de formulación para la distribución de planta tiene ventajas y desventajas
respecto a otros métodos mencionados más adelante, dependiendo de las condiciones de
trabajo, el número de departamentos que hacen parte de la distribución. También como vemos
la información que requieren de entrada en algunos casos puede no ser de impacto comparada
con información que se pueda obtener en otros modelos.
11
NIEBEL, Ben. Ingeniería industrial métodos y estándares. Alfaomega. 745p.
12
NIEBEL, Ben. Ingeniería industrial métodos y estándares. Alfaomega. 745p.
13
PALITHA Welgama, GIBSON Peter. Computer aided facility layout a status report. Journal Advanced
manufacturing technologies. 1995. 12p.
18
No siempre garantiza buenas soluciones.
Su aplicación se dificulta en plantas de gran tamaño o con números grandes de
departamentos, ya que la solución puede no ser la óptima.
El número de iteraciones el altamente limitado por lo cual la calidad de la solución no
siempre es buena.
Limita las formas de los departamentos a formas rectangulares.
Existen algunas modificaciones a la formulación de QAP, tales como el QSP el cual se enfoca
en la utilización del espacio, y la programación entera lineal en la cual se reemplazan algunas
variables del QAP.
El problema de asignación cuadrática tiene como objetivo minimizar los costos de flujo o de
manejo de materiales en un proceso productivo, busca ubicar aquellas actividades o
departamentos con mayor flujo en ubicaciones más cercanas. La formulación más común del
QAP se muestra a continuación tomada del artículo Facility Layout Problems a survey, de
DRIRA, HAJRI y PIERREVAL.
14
Das, S. K. (1993). A facility layout method for flexible manufacturing systems. International Journal of
Production Research, 31(2), 279–297.
15
DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31.
2007. 13p.
16
RUSELL D. Meller, KAI Yin Gau. The facility layout problem: Recent and emerging trends and
perspectives. Journal of manufacturing systems. Vol 15. No 5. 1996. 16p.
19
- Es el flujo de material entre los departamentos i, k.
- Es la distancia desde el centro de la ubicación j al centro de la ubicación l.
- Es la variable de decisión 1 si se ubica el departamento i en la ubicación j.
∑∑∑ ∑
Sujeto a.
{ }
[ ]
[ ]
[ ]
17
TAILLARD Erick. Metaheuristics for hard combinatorial problems. Wien seminar. 2004. 52p.
20
La versión lineal del problema de programación entera mixta que fue formulada por Kauffman,
basada en el QAP es una de las formas del MIP [Singh, 2006] más aplicables y más
simplificadas que se han propuesto.
El objetivo de MIP es minimizar también los flujos por distancias así como se proponía en el
QAP, la diferencia es que el MIP no supone tamaños iguales de departamentos, y tampoco
supone ubicaciones predeterminadas. Se tienen el número y la representación rectangular de
los departamentos y se ubican a lo largo de un plano, Dependiendo de lo simplificada o
compleja que sea la formulación seleccionada se puede tomar la ubicación en el plano como
una variable discreta y entera, o se pueden tomar valores continuos, algunos de estos factores
se deciden teniendo en cuenta el tamaño de la planta, y el número de departamentos a
distribuir.
- Flujo entre los departamentos i, j en el caso del artículo se propone como número de
viajes.
- Costo de flujo, este parámetro también se utiliza en algunas propuestas de QAP en
el modelo simplificado suele tomarse como igual entre todos los departamentos por lo
cual no se tiene en cuenta o se supone igual a 1.
- Es la longitud horizontal del departamento i.
- Es la longitud vertical del departamento i.
- Es la distancia horizontal mínima requerida entre los departamentos i, j.
- Es la distancia vertical mínima requerida entre los departamentos i, j.
- Son las distancias horizontal y vertical respectivamente en las que se ubica el
centro del departamento i.
∑ ∑ (| | | |)
Sujeto a.
| | | |
| | | |
Una visualización del modelo puede ser de ayuda para entender su funcionamiento.
Suponga que se tiene la siguiente planta y se quieren distribuir las máquinas o departamentos
que se ven en la figura.
21
4510.10 8500.00
5010.10
1500.00
1000.00
1000.00
6500.00
1000.00
En algunos casos las distancias requeridas entre máquinas pueden ser cero, por lo cual la
solución distribuirá las áreas pegadas y como se menciona distribuye las áreas definiendo un
eje horizontal y un eje vertical.
Al igual que los modelos previamente mencionados el MIP presenta ventajas y desventajas al
momento de ser formulado y aplicado. Una de las principales dificultades de aplicarlo es la
dificultad computacional para resolverlo, en algunos casos se ha medido que con plantas que
contengan más de 6 departamentos no se puede encontrar solución óptima y en algunos casos
22
con un alto número de plantas el tiempo computacional requerido para encontrar soluciones
puede ser inaceptable.18
Previamente se mencionó que en algunos casos una planta puede tener uno o más pisos, no
se entrará en detalle con este tipo de formulaciones ya que son basadas en modelos como el
QAP, algunos teniendo en cuenta las distancias horizontal, vertical y la diferencia en altitudes.
En otros modelos se toman como base los métodos de transporte entre plantas o entre pisos,
normalmente se requiere de elevadores o mecanismos cuya capacidad es limitada y se incluye
este factor para modelar este tipo de plantas.19
Contrario a los anteriores modelos donde se supone que las condiciones de la distribución de
planta son estáticas, los flujos entre departamentos, el modelo dinámico o DFLP (Dynamic
facility layout problem) Supone cambios en las condiciones de mercados y producción, en este
tipo de problemas se dan arreglos temporales para horizontes limitados de producción,
basándose en los costos de manejo de materiales como el QAP, a este modelo se le añaden
los costos derivados de redistribuir la planta en cada periodo de tiempo, y finalmente de definen
el número de periodos de tiempo para los que se planeará la distribución.
El objetivo planteado es minimizar el costo total relacionado a la distribución de planta por esto
el valor de flujo supone ya incorporados los costos de manejos de materiales.
∑ [∑ ∑ ∑ ∑ ∑ ]
Sujeto a.
Las restricciones son las mismas respecto al QAP, teniendo en cuenta que se repiten en cada
periodo de tiempo, durante el cual un departamento solo puede tener una ubicación.
{ }
18
S. P. Singh, P. R. Sharma. A review of different approaches to the facility layout problems. International
journal of manufacturing technology. No 30. 2006. 9p.
19
DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31. 2007. 13p.
20
L. URBAN Timothy. Solution procedures for the dynamic facility layout problem. Annals of operations
research No 76. 1998. 20p.
23
{ }
{ }
Las combinaciones de este tipo de formulaciones son innumerables ya que para diferentes
sistemas y medios, pueden tenerse en cuenta diferentes indicadores o factores a minimizar.
En algunos casos este tipo de formulación puede ser más realista que los métodos
mencionados previamente, ya que tiene en cuenta múltiples factores, la mayoría de problemas
formulados de este tipo tienen la forma del QAP, u otros pero tomando varios factores respecto
al flujo o costo de manejo de materiales. La gran diferencia radica en la modificación que se
produce al introducir varios posibles objetivos.
Existen algunas formulaciones en las que se utilizan modelos de simulación como método para
encontrar soluciones al FLP, la más común es generar escenarios posibles y simular el sistema
bajo las distribuciones seleccionadas en estos escenarios. Esta técnica permite hacer una
comparación del desempeño de los escenarios planeados muy profunda sin embargo el tiempo
y costo de este tipo de formulaciones puede llegar a ser muy alto si se quieren evaluar una
gran cantidad de escenarios para seleccionar el mejor. La otra dificultad se encuentra en que
se deben tener criterios muy fuertes para seleccionar configuraciones que no resulten triviales,
o cuyo impacto sea evidente en el modelo de simulación.
21
DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31.
2007. 13p.
22
POCHAMARN, SUWADEE, CHONTHICHA. Using promodel as a simulation tool to assist plant layout
design and planning. Songklanakarin journal. Vol 30. 2008. 7p.
24
En artículos de revisión y encuestas del FLP, los métodos más mencionados son plantas
asistidas por computador por métodos gráficos. QAP, MIP, y el DFLP. Los primeros al ser
solucionados por medio de software específicos el procedimiento utilizado y los algoritmos
dependen de la forma en la que venga programado el paquete utilizado.
Entre los métodos gráficos de solución hay una gran cantidad de algoritmos y aproximaciones
de solución. Dentro de ellos se clasifican los basados en criterios de departamentos
adyacentes en los cuales se encuentran métodos como MATCH o SPIRAL el primero utiliza el
criterio de maximizar la adyacencia entre departamentos el segundo busca minimizar lejanías
entre departamentos con relaciones importantes. Otro grupo importante son los algoritmos
basados en distancias tales como CRAFT, SHAPE, QLAARP, LOGIC o MUTIPLE, todos con
diferentes métodos CRAFT por ejemplo utiliza un método iterativo de intercambio, MULTIPLE
se diferencia por la posibilidad de analizar plantas con múltiples pisos. 23
Para las formulaciones no gráficas en cada caso depende del tamaño del problema. Para
procedimientos exactos en el caso del QAP dos algoritmos predominan, ramificación y
acotamiento y algoritmo de planos cortantes. Por su formulación el QAP es del tipo NP-
completo cuando se tienen una gran cantidad de departamentos los procedimientos exactos
toman tiempos excesivos para resolver el problema. Se tienen registros de procedimientos
exactos con hasta 15 departamentos.24
Cuando los problemas tienen tamaños considerables y resolverlos por métodos exactos no es
una opción viable, se suelen utilizar procedimientos heurísticos, dentro de los más utilizados
están las meta- heurísticas, tales como búsqueda tabú [Samarghandi, 2009], recocido simulado
[McKendall, 2006], colonias de hormigas [Komarudin, 2009], algoritmos genéticos [El-Baz, 2004]
entre otras. Para algunos problemas también se han usado sistemas inteligentes, lógica difusa
[Singh, 2006], entre otros.
En la teoría de toma de decisiones existe una herramienta muy útil llamada el proceso de
jerarquía analítica o AHP Anlytic hierarchy process. Esta metodología es utilizada para la
evaluación de alternativas, se puede utilizar apoyado en opiniones de expertos y otras
metodologías como Delphi.
El proceso tiene cuatro etapas principales, los supuestos aplicados son se tienen múltiples
criterios para seleccionar y múltiples alternativas, el objetivo es seleccionar la mejor alternativa
ajustada a la ponderación de criterios y evaluada acorde a estos. El resultado es una
jerarquización de las alternativas, los beneficios de aplicar este proceso en problemas de
decisión es que se tienen argumentos matemáticos que sustentan la selección así como una
metodología definida.
La primera etapa del proceso consiste en la representación del problema, en esta etapa se
utiliza un diagrama de árbol para representar los niveles del problema de decisión.
23
RUSELL D. Meller, KAI Yin Gau. The facility layout problem: Recent and emerging trends and
perspectives. Journal of manufacturing systems. Vol 15. No 5. 1996. 16p.
24
KUSIAK, Andrew, HERAGU Sunderesh. The facility layout problem. The European journal of
operational research. 1987. 23p.
25
WINSTON L. Wine. Investigación de Operaciones aplicaciones y algoritmos. Thomson. 4ta ed. 2005.
1440p.
25
Objetivo
Valor Interpretación
1 Indica que ambos criterios tienen igual importancia.
3 El primer criterio tiene una importancia moderadamente mayor que el segundo.
5 La diferencia de importancias es fuerte.
7 Diferencia de importancias muy fuerte.
9 Diferencia extrema.
2,4,6,8 Los números pares se toman en caso de necesitar un valor intermedio.
recíprocos Indican el valor invertido de la importancia.
Tabla 1. Valores de escala de comparación por pares.
Una vez formada la matriz A se normaliza dividiendo cada elemento entre la suma de los
elementos de la columna a la que pertenece obteniendo la matriz A’, posteriormente sumando
los elementos de las filas de la matriz obtenida se dará en vector característico o eigenvector.
[ ]
26
∑ ∑ ∑
∑ ∑ ∑
[∑ ∑ ∑ ]
∑ ∑ ∑
∑ ∑ ∑ [ ]
[∑ ∑ ∑ ]
n 1 2 3 4 5 6 7 8 9 10
CA 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.42 1.45 1.49
Finalmente se calcula si el índice es menor a 10% se aceptan los valores de la
matriz como consistentes.
La siguiente etapa es realizar el mismo procedimiento para cada una de las alternativas, se
calcula la matriz de comparación de las alternativas construyendo la matriz de comparación por
cada uno de los criterios.
Si el proceso de selección al que se está aplicando el proceso pretende seleccionar una sola
alternativa al finalizar el proceso la seleccionada será la que tenga una ponderación más alta
en la jerarquización.
4.5. Simulación26
La simulación es una técnica, que se utiliza para representar un sistema de forma matemática
imitando el funcionamiento de este sistema a través de números aleatorios. Normalmente se
simula cuando se quieren representar sistemas de comportamiento estocástico o que sus
26
BANKS, Jerry. Introduction to simulation. Atlanta, U.S.A. Winter simulation conference. 2000.
27
principales eventos ocurren con comportamiento aleatorio. Cuando de forma exacta no se
pueden determinar los valores de desempeño de un sistema y se requieren estos valores se
aplican las técnicas de simulación.
En el caso de una planta una simulación sería una imitación del sistema de producción que
sucede en esta planta generando a través de variables aleatorias valores del sistema, y acorde
al tiempo que se simule tomar su comportamiento y sus medidas de desempeño como lo son
los tiempos de producción o de actividades en promedio, las congestiones o cuellos de botella
producidos en áreas de trabajo, la utilización de un sistema o estación de trabajo entre otros.
En algunos artículos que tratan el problema de distribución de planta se plantean modelos de
simulación como método de formulación del problema. Algunos ejemplos son. “A simulation-
based approach for risk assessment of facility layout designs under stochastic product
demands”, Jithavech “Plant layout design with simulation”, Uttapol. Ambos muestran la
utilización de técnicas y programas de simulación aplicados a formular un problema de
distribución de planta.
Existen paquetes de software especializados en simulación, cada uno con distintos enfoques,
por ejemplo el programa ProModel 27 , el cual es diseñado para representar procesos
productivos incluye herramientas muy útiles para representar este tipo de sistemas. Otro
ejemplo es Rockwell Arena también permite representar ciertos procesos enfocado a lo que
sucede con las entidades en el sistema, existen también programas con interfaces gráficas que
permiten visualizar de forma dinámica el sistema representado como Flexsim 28 y el mismo
ProModel.
Acorde al diseño del experimento a realizar se pueden aplicar diferentes técnicas estadísticas,
con objetivo de validar cuantitativamente el impacto de un factor sobre las variables de
respuesta del sistema o proceso objeto de estudio. En algunos modelos se estudia el efecto de
un único factor, sin embargo sistemas más robustos requerirán de un estudio más profundo, en
algunos casos se medirá el efecto de dos o más factores sobre el proceso a analizar. En el
caso de tener múltiples factores se aplican modelos estadísticos denominados diseños
factoriales.30En este tipo de diseños se tiene el supuesto de que los factores, son variables o
fenómenos independientes, y se evalúan los efectos tanto individuales, como combinados de
estos factores.
27
GARCÍA. GARCÍA. CÁRDENAS. Simulación y análisis de sistemas con Promodel. Primera edición.
Pearson. 2006. 280p.
28
Flexsim simulation software. www.flexsim.com.
29 th
DOUGLAS C. Montgomery. Design and analysis of experiment. John Wiley and Sons INC. 5
edition.1997. 699p.
30 th
DOUGLAS C. Montgomery. Design and analysis of experiment. John Wiley and Sons INC. 5
edition.1997. 699p.
28
5. Metodología propuesta
Diseño de
Información Modelo
Base Matemático
7 8
5 Definición de
Indicadores
Diseño de 3 Simulación de
Situación Actual 10
Experimentos Y Propuesta
Definición de
Aplicación del 4
Factores y
Modelo Factorial
Niveles
Resultados y
11
Comparación
Control por
Indicadores
Validación por
simulación
29
Los diagramas realizados deben tener en cuenta los siguientes aspectos.
Acorde al contexto en el que se esté aplicando esta primera etapa es relativamente flexible y
permite generar materia prima para los procesos siguientes. Es importante definir que otro tipo
de datos se puedan requerir más adelante en esta etapa.
El paso final es clasificar la distribución de planta actual acorde a los parámetros previamente
mencionados analizando que categorías cumple, igualmente el proceso ya que esta será
información crítica durante el proceso a seguir.
Una vez recolectada a información inicial. El proceso a seguir es identificar los factores críticos,
que afectan el desempeño de la distribución de planta, éstos serán la base para controlar por
medio de indicadores la capacidad y medición del proceso.
Finalmente con los resultados obtenidos se formularán indicadores que permitan medir la
situación actual y las condiciones de proceso del sistema. Al formular indicadores se le dará a
cada uno una hoja de vida que permita realizar un seguimiento a cada indicador y desarrollar
un diagnóstico sobre la distribución de planta.
Para el diseño del modelo a desarrollar para el presente proyecto se propone una metodología
que facilita la aplicación de éste tipo de proyecto en otros contextos.
El método propuesto para seleccionar un modelo ajustable tiene como base el proceso de
Jerarquía Analítica, proceso que se utiliza para problemas de toma de decisiones, dando
resultados o aproximaciones cuantitativas a criterios cualitativos.
30
Como primera etapa y mediante la consulta con expertos en los procesos del sistema
estudiados, se deben definir los criterios con los cuales se van a evaluar los modelos aplicables.
Posteriormente se realizan las comparaciones por pares, mediante las cuales como su nombre
lo indica se contrastan las alternativas y los criterios.
Una vez formulado el problema, el siguiente paso consiste en determinar un método adecuado
de solución, acorde al tipo de formulación y al tamaño resultante del problema se pueden
aplicar métodos exactos de solución, o meta- heurísticas cuando los métodos exactos no sean
una opción viable.
Acorde al método identificado como adecuado para la solución se debe ajustar al problema, y
en el caso de las meta-heurísticas, realizar un proceso de calibración del algoritmo, buscando
que se generen buenas soluciones.
Una vez obtenidos los resultados del modelo de optimización se van a tener dos escenarios y
dos valores de la función objetivo. El primer escenario es el actual, este escenario supone que
no se ha realizado ningún cambio en la distribución de planta. El segundo escenario
corresponde a la distribución propuesta por el modelo de optimización.
El modelo de simulación deberá representar el sistema de forma que se puedan identificar los
factores afectados por la distribución de planta.
Una vez obtenidos los resultados de las simulaciones propuestas se tomarán luego del análisis
indicadores que permitan realizar un monitoreo del sistema y que puedan ser base para futuras
reevaluaciones de la distribución de planta.
31
5.7. Mejoras propuestas y control por indicadores
Basado en los indicadores ya definidos y con base en los resultados obtenidos en el modelo
matemático y en la simulación, se tendrán conclusiones y recomendaciones en el sistema. Una
de las posibilidades al implementarse un proyecto de distribución de planta, es que se deba
evaluar y modificar la distribución inicial de planta, en este caso se deben plantear los cambios
a realizar y el tiempo y costo que suponen.
Para controlar el desempeño y el impacto que tiene la distribución de planta en los procesos de
la empresa, los indicadores son una herramienta útil que permite hacer un seguimiento
continuo de este desempeño. Para cada indicador propuesto, se tiene una hoja de vida que
permita medir los niveles, planes de acción y el método de cálculo de cada uno como se
muestra a continuación.
Objetivo:
Nombre:
Código nemotécnico:
Fuente de información:
Responsable Dueño
32
El control de indicadores permitirá realizar evaluaciones de desempeño periódicas mediante las
cuales se pueden generar planes de acción para modificar la distribución de planta cada que
sea requerido.
Aunque el objetivo del presente proyecto es aplicar la metodología para realizar el estudio y
mejora de la distribución de planta en Tecmo, la presente metodología puede ser ajustada y
aplicada a cualquier otra empresa cuya distribución de planta sea interés de estudio para
posibles mejoras.
La utilización del AHT como técnica de selección de modelo a aplicar facilita el diseñar un
modelo aplicable y ajustado a la empresa buscando que se impacte en áreas de interés de los
expertos en los procesos.
Por lo anteriormente mencionado el presente artículo se puede utilizar como base metodológica
para la aplicación en otras empresas, con un amplio alcance y flexibilidad.
33
6. Recolección de información
6.1. Distribución actual de planta
6.1.1. Plano de planta general
Planta 1
Planta 2
Como se ve en la figura 13, la planta se divide en dos secciones principales sin embargo estas
se comunican constantemente por lo cual no sería necesario dividir el problema se puede
plantear como única planta.
34
En resumen se cuenta con una planta principal en la cual se distribuyen los departamentos del
proceso. Se tienen dos divisiones principales conectadas para transporte de materiales.
P13 P12
P19 P18
P6 P7 P8 P4
P3
P17 P16
P2
P1
P9 P11 P10
Acorde con lo solicitado por la empresa no se mencionarán los nombres específicos de los
procesos o departamentos que se muestran en la distribución de planta de la empresa ya que
se considera información sensible.
Para el manejo de la mayor parte de piezas se requiere del apoyo de puentes grúa la actual
distribución de transporte del proceso es la siguiente.
35
P13 P12
P19 P18
P6 P7 P8 P4
P3
P17 P16
P2
P1
P9 P11 P10
Para la conexión entre plantas se cuenta con un sistema de alta capacidad, basado en
elementos mecánicos y apoyo de operarios.
Los flujos de proceso en esta metodología buscan representar los posibles recorridos de
material que se dan dentro de la planta. Antes de analizar esto se debe aclarar que no todos
los procesos en la distribución corresponden a actividades diferentes como se muestra en el
siguiente diagrama.
36
P13 P12
P19 P18
P6 P7 P8 P4
P3
P17 P16
P2
P1
P9 P11 P10
P13 P12
P19 P18
P6 P7 P8 P4
P3
P17 P16
P2
P1
P9 P11 P10
Por razones de visual se omitieron algunas conexiones, sin embargo los procesos de P6 a P15
llevan a cabo las mismas actividades y se conectan con los procesos P16 a P19. Los flujos
mostrados son en un único sentido, para visualizar más fácilmente se puede tomar como
ejemplo P4, el cual es un proceso cuyas conexiones salientes se encuentran en amarillo y las
entrantes en rojo.
37
Una de las características más importantes del proceso productivo de Tecmo, es que se
manejan pesos considerables tanto en transporte como en cada una de las áreas.
38
7. Aplicación del diseño de experimentos
Para el desarrollo del diseño de experimentos la primera etapa consiste en identificar los
factores a evaluar, algunos ejemplos planteados para trabajos previos de diseños de
experimentos aplicados a distribución de planta son. Tipo de distribución, tamaño de lotes a
consolidar, métodos de transporte, tiempos de proceso, reglas de despacho, recursos y
herramientas compartidos [Ramakrishnan, 2008], paradas programadas y capacidad del
transporte [Ekren, 2008].
Con base en estos factores y por medio de consulta de expertos se definieron los siguientes
factores para el diseño a aplicar.
Junto con los expertos del proceso se definieron dos niveles para cada factor a continuación se
muestra la tabla con estos niveles.
Factor Niveles
Distribución (-) Es la distribución actual de planta. (+) Se
intercambian algunos departamentos.
Demanda (-) Nivel de demanda actual. (+) Nivel de
demanda disminuido a un 65%.
Capacidad de proceso (-) Capacidad actual de proceso. (+) Se
disminuye a 80% la capacidad del proceso
con mayor número de departamentos.
Capacidad de transporte (-) Capacidad de transporte actual. (+) Se
aumenta la capacidad de transporte
39
adicionando 2 máquinas.
Paradas (-) No se tienen paradas. (+) Se programan
paradas en los procesos cuello de botella
identificados.
Tabla 2. Factores y niveles de experimentación.
40
validado con expertos y con operarios de proceso, la medición del resultado es el tiempo
promedio de espera de los procesos debido a disponibilidad de máquinas de transporte.
41
Figura 19. Simulación experimental con capacidades modificadas.
Como se puede ver en la figura 19, se han redistribuido y eliminado algunos de los
departamentos, y se aumentó la capacidad de las máquinas de transporte al aumentar el
número de transportadores disponibles.
El análisis de varianza fue realizado con un valor de confianza de 95%, con un α = 5%, por lo
cual todos los factores cuyo valor p sea menor a 0,05, se considera un factor influyente sobre la
variable de respuesta analizada.31
31
EKREN Banu Y. Arslan M Ornek. A Simulation Based Experimental Design to Analyze Factors
Affecting Production Flowtime. Simulation Modelling Practice and Theory 16 (2008) 278–293.
42
Como se puede ver en la tabla 5, los factores de distribución, demanda, capacidad de proceso
y capacidad de transporte son significativos con valor p menor a 0,05. Por el contrario el factor
de paradas programadas no es significativo.
Finalmente se analizan las interacciones entre e factores dentro de las cuales solamente se
encuentra una interacción significativa la cual involucra a los factores nivel de demanda,
capacidad de proceso y capacidad en transporte.
43
7.4. Análisis del experimento
2000
1700
1400
espera
1100
800
500
D:capacidad_t
+
CD
-
C:capacidad_p
AB
CDE
BCE
ADE
AC
BE
0 20 40 60 80 100
Standardized effect
44
Espera por Transporte
3500,00
3000,00
2500,00
2000,00
1000,00
500,00
0,00
0 10 20 30 40
Figura 22. Diagrama de resultados del experimento.
45
al mirar las diferencias de los experimentos 1 y 9, se
evidencia la gran diferencia donde se disminuye el
tiempo de espera en un 80%, lo que indica que al
aumentarse la capacidad del transporte se disminuye el
tiempo de espera.
Interacción distribución- capacidad Al observar la tabla d, en los experimentos 1 a 8 se ve
de transporte una tendencia, en donde cada dos experimentos se ven
disminuidos los valores de espera, sin embargo a partir
del experimento 9 y hasta el experimento 16 los valores
disminuyen de forma generalizada, también observando
los experimentos 1 y 9, o los experimentos 2 y 10 se
hace evidente la interacción se disminuyen los valores de
9 y 10 respecto a 1 y 2 debido al efecto de la capacidad
de transporte y se dan diferencias entre parejas
consecutivas por el efecto de la distribución. En este
caso la interacción disminuye el valor global de las
parejas analizadas pero aumenta el valor al darse el
cambio en la distribución.
Interacción demanda- capacidad Al analizar los experimentos impares, el resultado
de proceso disminuye a lo largo de toda la experimentación de 1 a 3,
de 5 a 7, y así consecutivamente y de forma consistente
lo cual indica que la interacción al disminuir la demanda y
disminuir la capacidad de proceso el efecto es una
disminución en el tiempo de espera.
Interacción demanda- capacidad En experimentos como 1 y 11 o 17 y 27, se ve la
de transporte disminución que se logra en el tiempo al mantener todos
los demás factores iguales y en el caso de los
experimentos 17 y 27 el factor que se detectó como no
significativo permanece en el mismo nivel, la disminución
de tiempo de espera es alta lo que indica que al disminuir
la demanda y aumentar la capacidad de transporte se
logra una gran disminución en el tiempo de espera.
Interacción capacidad de proceso- Se evidencia principalmente al observar como ejemplo
capacidad de transporte. los experimentos 1 y 13, 2 y 14, 3 y 15 y finalmente 4 y
16 donde se ve la disminución entre cada pareja, indica
que al disminuir la capacidad de proceso y aumentar la
capacidad de transporte, se da una disminución
significativa en el tiempo de espera.
Interacción demanda- capacidad El impacto de esta interacción de 3 factores es evidente
de proceso- capacidad de al comparar dentro de los experimentos al 1 y 15, 2 y 16,
transporte. 17 y 31 y finalmente 18 y 32. En estas cuatro
comparaciones se puede determinar un patrón
consistente de disminución, lo cual indica que al
disminuir la demanda, disminuir la capacidad del proceso
y aumentar la capacidad de transporte se tiene una gran
disminución en el tiempo de espera.
Tabla 8. Análisis del diseño factorial.
46
determina y se demuestra la importancia de este aspecto el cual es uno de los principales
objetivos del proyecto presente.
Por cada factor identificado como influyente dentro del experimento realizado y teniendo
también en cuenta los efectos por interacciones se propone el desarrollo de indicadores que
permitan medir el desempeño y diagnosticar la situación de la distribución de planta analizada.
Exceptuando el caso del factor distribución el cual principalmente se utiliza para ser aplicado en
el diseño del modelo matemático a aplicar posteriormente.
Factor demanda: El nivel de demanda es un factor que se tiene en cuenta en muchos de los
estudios y artículos de distribución de planta, en sí mismo constituye un indicador importante
para controlar las condiciones de producción entre otros aspectos que impactan en la
distribución de planta.
Capacidad de proceso: Se toma también como un indicador en este caso se debe medir para
cada proceso en la planta el número de departamentos que están en capacidad de llevarlo a
cabo.
A continuación se presentan las hojas de vida de los indicadores relacionados con los factores
influyentes identificados.
47
Objetivo: Medir el cambio en la capacidad de producción mensual
Responsable Dueño
A determinar A determinar
48
Objetivo: Medir la capacidad de cada proceso
Responsable Dueño
A determinar A determinar
49
Objetivo: Medir el cubrimiento y capacidad de las máquinas de transporte
Responsable Dueño
A determinar A determinar
50
Objetivo: Medir el cambio en la capacidad de producción mensual
Responsable Dueño
A determinar A determinar
51
Objetivo: Medir la utilización de la maquinaria de transporte
A determinar A determinar
52
Objetivo: Medir la eficiencia del transporte para cada proceso
Responsable Dueño
A determinar A determinar
53
Objetivo: Determinar la utilización de espacio no restringido
A determinar A determinar
Evaluar si se requiere un
Evaluar si las el número Analizar si la ubicación proyecto de redistribución y
de departamentos para de procesos es la ampliación de la operación
cada proceso es el adecuada y evaluar para los niveles actuales de
adecuado para el nivel reubicación o ampliación demanda, o si se deben
de producción. de la operación. eliminar o crear nuevas áreas.
54
8. Desarrollo del modelo
8.1. Selección del modelo
En la fase de diseño de experimentos, se determinó que uno de los factores críticos que afecta
los tiempos de espera que fue el indicador que se tomó como relevante mediante criterio de
expertos, es la distribución de planta. También fueron relevantes los factores de demanda,
capacidad de proceso y capacidad de transporte, sin embargo por restricciones del sistema
este tipo de cambios no son aplicables al modelo a realizar para la distribución de planta, se
definió con los expertos que el principal propósito de los factores identificados es determinar
posibles mejoras aplicables en otro tipo de proyecto, así como la formulación de indicadores
que permitan medir el desempeño de la planta.
Para el presente proyecto se propone diseñar un modelo matemático que permita mejorar la
actual distribución de planta. Ya que se han planteado una gran cantidad de modelos, se
propone una metodología mediante la cual el diseño se aplica seleccionando un modelo que
según los expertos de la empresa sea el más aplicable de acuerdo a múltiples criterios.
Debido al tipo de planta una formulación de múltiples plantas no es aplicable, también se han
eliminado las opciones distribución de Muther, por su enfoque no cumple con las restricciones
que permiten aplicabilidad de esta metodología y los métodos gráficos reemplazan esta
metodología ya que su principio es similar.
Los criterios tienen dos fuentes de información, la primera son las características, ventajas y
desventajas más importantes de cada formulación y la segunda son las características,
restricciones y clasificación de la distribución de planta.
55
No trabajable en plantas grandes.
No garantiza buenas soluciones.
QAP Obtención de datos sencilla.
Indicador significativo.
Trabajable en plantas grandes.
Posibilidad de obtención de buenas soluciones.
Basado en flujos de proceso.
Resolución rápida.
Planeación de una distribución fija.
Precisión alta en la medición re resultados.
Alta aplicabilidad.
MIP Obtención de datos viable.
Indicador significativo.
En plantas grandes la solución puede tomar mucho tiempo.
Garantiza cumplimiento de criterios de espacio.
Planeación para una distribución fija.
Alta aplicabilidad.
DFLP Planeación para horizontes cambiantes.
Supone flexibilidad y facilidad en el cambio de distribución.
Obtención de datos relativamente difícil.
Requiere tiempos largos de formulación y resolución.
Indicador significativo.
Requiere datos proyectados por lo que puede no estar alineado con la
realidad del medio al que se aplica.
Aplicabilidad acorde al tipo de proceso.
Las características de la planta del caso presente respecto a la distribución de planta son las
siguientes.
56
8.1.2. Diagrama del proceso AHP
Selección de
formulación
El proceso de comparación por pares consiste en realizar una reunión de expertos en los
procesos y que tengan un amplio conocimiento en la distribución de planta de la empresa,
establecidos los criterios de comparación y las alternativas.
Con los resultados de las comparaciones se llenan las matrices de contraste, el mismo proceso
se aplicará luego para comparar los modelos en cada criterio establecido.
57
Flujo Espacio Flexibilidad Datos Precision Soluciones
Flujo 1.0 7.0 0.5 3.0 5.0 0.1
Espacio 0.1 1.0 0.1 0.2 0.3 0.1
Flexibilidad 2.0 8.0 1.0 3.0 6.0 0.5
Datos 0.3 5.0 0.3 1.0 5.0 0.3
Precision 0.2 3.0 0.2 0.2 1.0 0.2
Soluciones 7.0 9.0 2.0 3.0 6.0 1.0
Tabla 9. Comparación no normalizada.
Matriz normalizada.
W A*W
0.166 1.125
0.026 0.164
0.240 1.627
0.120 0.758
0.048 0.290
0.400 2.921
58
8.1.4. Ponderaciones para cada alternativa
Criterio de flujo
A Normalizada
Flujo Grafico QAP MIP DFLP Flujo Grafico QAP MIP DFLP
Grafico 1.0 0.1 0.2 0.3 Grafico 0.056 0.068 0.022 0.071
QAP 9.0 1.0 5.0 3.0 QAP 0.500 0.608 0.543 0.643
MIP 5.0 0.2 1.0 0.3 MIP 0.278 0.122 0.109 0.071
DFLP 3.0 0.3 3.0 1.0 DFLP 0.167 0.203 0.326 0.214
Tabla 11. Comparación criterio de flujo.
W W*A
0.054 0.223
0.574 2.467
0.145 0.606
0.227 1.015
Criterio de espacio
A Normalizada
Espacio Grafico QAP MIP DFLP Espacio Grafico QAP MIP DFLP
Grafico 1.0 0.1 0.1 0.3 Grafico 0.050 0.032 0.068 0.036
QAP 7.0 1.0 0.3 3.0 QAP 0.350 0.223 0.203 0.321
MIP 9.0 3.0 1.0 5.0 MIP 0.450 0.670 0.608 0.536
DFLP 3.0 0.3 0.2 1.0 DFLP 0.150 0.074 0.122 0.107
Tabla 12. Comparación criterio de espacio.
W W*A
0.046 0.186
0.274 1.127
0.566 2.372
0.113 0.457
Criterio de flexibilidad
59
A Normalizada
Flexibilidad Grafico QAP MIP DFLP Flexibilidad Grafico QAP MIP DFLP
Grafico 1.0 0.1 0.3 0.1 Grafico 0.048 0.033 0.024 0.068
QAP 7.0 1.0 4.0 0.3 QAP 0.333 0.228 0.390 0.203
MIP 4.0 0.3 1.0 0.2 MIP 0.190 0.057 0.098 0.122
DFLP 9.0 3.0 5.0 1.0 DFLP 0.429 0.683 0.488 0.608
Tabla 13. Comparación criterio de flexibilidad.
W W*A
0.043 0.175
0.288 1.240
0.117 0.471
0.552 2.388
Criterio de datos
A Normalizada
Datos Grafico QAP MIP DFLP Datos Grafico QAP MIP DFLP
Grafico 1.0 0.1 0.2 0.3 Grafico 0.056 0.069 0.044 0.032
QAP 9.0 1.0 3.0 6.0 QAP 0.500 0.621 0.662 0.581
MIP 5.0 0.3 1.0 3.0 MIP 0.278 0.207 0.221 0.290
DFLP 3.0 0.2 0.3 1.0 DFLP 0.167 0.103 0.074 0.097
Tabla 14. Comparación criterio de datos.
W W*A
0.050 0.202
0.591 2.450
0.249 1.027
0.110 0.442
Criterio de precisión
A Normalizada
Precision Grafico QAP MIP DFLP Precision Grafico QAP MIP DFLP
Grafico 1.0 0.1 0.2 0.3 Grafico 0.056 0.069 0.044 0.032
QAP 9.0 1.0 3.0 6.0 QAP 0.500 0.621 0.662 0.581
MIP 5.0 0.3 1.0 3.0 MIP 0.278 0.207 0.221 0.290
DFLP 3.0 0.2 0.3 1.0 DFLP 0.167 0.103 0.074 0.097
Tabla 15. Comparación criterio de precisión.
60
W W*A
0.050 0.202
0.591 2.450
0.249 1.027
0.110 0.442
Criterio de soluciones
A Normalizada
Soluciones Grafico QAP MIP DFLP Soluciones Grafico QAP MIP DFLP
Grafico 1.0 0.1 0.2 0.3 Grafico 0.056 0.068 0.022 0.071
QAP 9.0 1.0 5.0 3.0 QAP 0.500 0.608 0.543 0.643
MIP 5.0 0.2 1.0 0.3 MIP 0.278 0.122 0.109 0.071
DFLP 3.0 0.3 3.0 1.0 DFLP 0.167 0.203 0.326 0.214
Tabla 16. Comparación criterio de soluciones.
W W*A
0.054 0.223
0.574 2.467
0.145 0.606
0.227 1.015
8.1.5. Jerarquización
61
Valores finales de mayor a menor
QAP 0.500
DFLP 0.283
MIP 0.167
Grafico 0.051
8.2. Formulación
Por ser considerada información sensible no se especifica en que unidades se midieron estos
flujos.
Cada proceso tiene capacidades diferentes sin embargo por principios de producción se sabe
que los procesos de menor velocidad, mayor complejidad o menor capacidad son los que
definen el verdadero flujo de este proceso.
Supóngase un grupo de 4 procesos cualquiera, cada proceso tendrá una capacidad la cual
llamaremos , en donde p será el nombre o número de proceso. Sin embargo como
mencionamos antes esta capacidad no necesariamente está siendo utilizada al 100% durante
el proceso completo en cada una de sus actividades. Y que se tiene un flujo entre procesos que
se llamará , para calcular éste flujo se debe tener en cuenta lo siguiente.
F F F
1 2 3 4
62
Supóngase que se tiene un proceso en línea como el mostrado en la figura 19 y se tienen
capacidades para cada proceso, el flujo por proceso suponiendo que todos están
a máxima capacidad sería de la siguiente forma.
Ci-1 Ci
Pi
En secuencias de proceso donde varios departamentos tengan una misma función el flujo se
debe tomar de la siguiente forma.
4 5
1 2
La capacidad en este caso del proceso 2 será , y la capacidad de del proceso 3 será
, en general se tendrá que en los procesos con múltiples departamentos su capacidad
será , en donde n es el número de departamentos del proceso y C la capacidad individual,
el supuesto es que los departamentos de este proceso tengan la misma capacidad en caso
contrario será ∑ , El procedimiento para hallar el flujo es el mismo en este caso se agrupan
los procesos iguales y se toma la menor capacidad en todos los procesos. Finalmente pare el
flujo de cada departamento en el caso de los procesos con más de un departamento se debe
calcular cómo , si se cumple el supuesto de que las capacidades son iguales si no se cumple
el flujo se calculará como ∑
.
Una vez aplicado el procedimiento a los departamentos de la empresa, se obtendrá una matriz
de flujos entre procesos, de la siguiente forma.
63
[ ]
El segundo factor a tener en cuenta para formular el QAP es que se requieren ubicaciones fijas,
y departamentos a distribuir. Como se mencionó anteriormente la formulación más común es
distribuir un número de n departamentos en n ubicaciones, estas n ubicaciones tendrán
diferentes distancias por lo cual también se debe plantear una matriz de distancias entre
ubicaciones para el problema. Las distancias tomadas pueden ser euclidianas, o pueden ser
tomadas por recorridos.
Por la condición de que hay una división en la planta, lo más conveniente es tomar las
distancias acorde a los recorridos.
Los valores para flujos entre procesos requieren de datos plazos considerables, en este caso
se tomaron rendimientos históricos de los departamentos.
∑∑∑ ∑
S.A.
{ }
64
En la cual se definirá la ubicación actual del departamento 1 como ubicación 1.
[ ]
[ ]
[ ]
Existen paquetes de software que pueden solucionar problemas de optimización sin embargo la
mayoría de versiones están restringidas y para solución de problemas grandes requiere de
versiones extendidas.
Existen diferentes metaheurísticas, acorde a los problemas planteados pueden arrojar buenas
soluciones teniendo en cuenta la forma del problema y la programación del algoritmo.
65
de los procedimientos utilizados para resolver formulaciones QAP utilizando la información del
artículo. Tomando aquellos que no se hayan resuelto usando métodos exactos.32
Los más comunes son utilización de recocido simulado y algoritmos genéticos, otros artículos
formulan aproximaciones de lógica difusa, sistemas inteligentes, entre otros.
32
S. P. Singh, P. R. Sharma. A review of different approaches to the facility layout problems. International
journal of manufacturing technology. No 30. 2006. 9p.
33 nd
GENDREAU Michel, YVES Jean. Handbook of metaheuristics. 2 Ed. International series in
operational research and management science. 2003. 669p.
66
procedimiento utilizado por el algoritmo al tiempo que simula el proceso termodinámico
mencionado hace una búsqueda global con objetivo de encontrar un óptimo local generalmente
se aplica a problemas de optimización discreta.
Una de las ventajas contra otros procedimientos de búsqueda local es que el recocido simulado
puede escapar o evitar caer en óptimos locales a través de lo que se denomina movimientos de
escalada de pendientes.
Parámetros
El algoritmo, como muchos algoritmos de búsqueda local, requiere de una solución inicial, para
este parámetro se puede seleccionar una solución basada en algún criterio específico o
construir soluciones de forma aleatoria.
Suponiendo que se tiene un espacio solución Ω, el primer paso esta en determinar una
solución , luego con base en esta solución inicial se crea un esquema de vecindario, ω’,
de tal forma que ω’ N(ω), en el cual N es la función o criterio determinada para construcción
del vecindario.
En cada iteración uno de los elementos de ω’ será seleccionado como candidato para ser la
función entrante de la iteración siguiente, más adelante se mencionan los criterios bajo los que
se acepta o rechaza una candidata.
El siguiente factor a decidir es el número de iteraciones por cada nivel de temperatura, este
parámetro junto con los parámetros de temperatura definen el tiempo de corrida y el número
esperado de iteraciones.
Procedimiento
67
{ }
Se estableció previamente que el algoritmo requiere una solución inicial, uno de los posibles
procedimientos para seleccionarla es generarla aleatoriamente en cada corrida, la desventaja
de este procedimiento es que no se tiene un criterio para decidir la calidad de las soluciones
obtenidas. Para el proyecto presente se propone tomar la situación actual o la distribución
actual de planta cómo solución inicial, los motivos para esta selección son que se puede hacer
una búsqueda con objetivo de mejorar un valor objetivo ya establecido, y la segunda es que
permite evaluar la calidad de las soluciones obtenidas al tener un valor de contraste, inclusive
en pocas iteraciones.
Para el caso específico de la distribución de planta, los algoritmos como CRAFT u otros
computacionales han servido como base para las metaheurísticas por lo cual uno de los
métodos más aceptados y utilizados para el QAP en este aspecto es generar vecindarios
basados en intercambio de departamentos o posiciones.34
Con este esquema de intercambios entre posiciones se pueden crear varios tipos de
vecindarios, uno de los posibles es el vecino más cercano, dependiendo del tipo de
movimientos hechos el vecindario tendrá distintos números y combinaciones posibles, a
continuación se muestran algunos de los esquemas posibles.35
1 2 3 4 5 2 1 3 4 5
Figura 27. Esquema del vecino mas cercano.
34
CHWIF Leonardo, PEREIRA Marcos, MOSCATO Lucas. A solution to the Facility Layout problem using
simulated annealing. Computers in industry. No 36. 1998. 8p.
35
TAILLARD Erick. Metaheuristics for hard combinatorial problems. Wien seminar. 2004. 52p.
68
1 2 3 4 5 4 2 3 1 5
Figura 28. Esquema de vecindario salto en 2.
Para el proyecto presente se seleccionó un vecindario con salto 1, con este esquema se
generan 17 soluciones vecinas por iteración, no se generan soluciones no factibles.
P13 P12
P19 P18
P6 P7 P8 P4
P3
P17 P16
P2
P1
P9 P11 P10
P13 P12
P2 P18
P6 P7 P8 P4
P3
P17 P16
P19
P1
P9 P11 P10
69
Parámetros de temperatura y enfriamiento36
Una vez definidos los parámetros de generación de vecindarios y la solución inicial de cada
corrida del recocido se deben definir los demás parámetros del algoritmo, la programación del
enfriamiento se refiere a la temperatura inicial del algoritmo y la velocidad o el parámetro de
enfriamiento en cada iteración, este parámetro define el comportamiento, el criterio de
terminación del algoritmo y la aceptación de candidatos para cada iteración.
Por lo tanto . El parámetro , debe ser un valor cercano a 1, este valor se puede
tomar como experimental en general en algunos algoritmos de recocido simulado se utiliza
como valor a calibrar utilizando diseño de experimentos con distintos valores.
Para el recocido simulado se tomará como muestra inicial n = 30 basado en esta muestra se
calculará el tamaño de muestra y se harán este número de corridas para calcular el .
36
PARK Moon, KIM Yeong. A systematic procedure for setting parameters in simulated annealing
algorithms.
37 nd
GENDREAU Michel, YVES Jean. Handbook of metaheuristics. 2 Ed. International series in
operational research and management science. 2003. 669p.
38
S. Kirkpatrick, C. Gelatt and M. Vecchi. Optimization by simulated annealing. Science Journal. 1983. 9p.
70
Para la experimentación se utilizaran los valores propuestos de , utilizados en el artículo “An
improved dimulated annealing for facility layout problem for celular manufacturing systems”. En
el cual se trabajan los valores 0.3, 0.4, 0.5, 0.6 y 0.7.39
Como temperatura final se tomará el valor de 200 como control para los valores, la
programación del enfriamiento se basa en la temperatura inicial y final utilizando el siguiente
parámetro. . Donde α se denomina radio de enfriamiento normalmente se toma
con valores cercanos a 1 con objetivo de que el enfriamiento sea lento. También se debe antes
definir el número de iteraciones por nivel de temperatura inicialmente llamaremos a este valor
M. Teniendo en cuenta esto la fórmula para el cálculo de α es. .40
M suele tomarse basado en criterios que describan el problema en algunos casos el número de
departamentos a intercambiar o el número de posibles ubicaciones en otros casos también se
toma el tamaño del vecindario de soluciones en cada iteración. En este caso se toman el
número de ubicaciones que se pueden intercambiar M=19.
Pi Ti a
0.3 390.374266 0.9654129
0.4 512.937634 0.9516382
0.5 678.066669 0.93776173
0.6 920.079139 0.92281797
0.7 1317.72643 0.90553557
0.8 2106.26746
Tabla 19. Valores de Pi. 0.88345631
0.9 4460.87414 0.84924326
Para seleccionar el mejor valor de Pi que es el valor de experimentación dado que los demás
parámetros ya se han calibrado. Se correrá el algoritmo ya tomados los parámetros
previamente mencionados con los valores asignados a cada nivel de este parámetro,
graficados en la tabla 19.41
39
WANG. Tai Yue, LIN Her Chang, WU Kuei Bin. An improved simulated annealing for facility layout
problem for cellular manufacturing systems. Computers industrial engineering. Vol 34. No 2. 1998. 11p.
40
C. N. Potts, WASSENHOVE Van. Single machine tardiness sequencing heuristics. IIE Transactions.
No 23. 1991. 9p.
41
POCHAMARN, SUWADEE, CHONTHICHA. Using promodel as a simulation tool to assist plant layout
design and planning. Songklanakarin journal. Vol 30. 2008. 7p.
71
La tabla 20, permite visualizar la estructura general del programa en donde las celdas
correspondientes a ubicación son fijas ya que representan las ubicaciones posibles, las celdas
correspondientes a proceso son las que indican que secuencia actual se tiene para la
distribución de planta a evaluar. En cada iteración se intercambian los valores correspondientes
a las celdas de proceso y se evalúa el desempeño de cada una de las soluciones obtenidas en
el vecindario luego se aplican los procedimientos mostrados a continuación
Generación de vecindario
Solución_inicial
Vecindario_i[ ]
! Replicación de solución inicial en celdas de
desde i = 1 hasta 17.
desde j = 1 hasta 17.
Vecindario_i[j] = Solución_inicial[j]
j=j+1
i = i +1
! Intercambio de celdas en el vecindario
desde i = 1 hasta 17.
Vecindario_i[i] = Solución_inicial[i+2]
Vecindario_i[i+2] = Solución_inicial[i]
i = i +1
72
Secuencia IN 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Secuencia1 1 4 3 2 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Secuencia2 1 2 5 4 3 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Secuencia3 1 2 3 6 5 4 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Secuencia4 1 2 3 4 7 6 5 8 9 10 11 12 13 14 15 16 17 18 19 20
Secuencia5 1 2 3 4 5 8 7 6 9 10 11 12 13 14 15 16 17 18 19 20
Secuencia6 1 2 3 4 5 6 9 8 7 10 11 12 13 14 15 16 17 18 19 20
Secuencia7 1 2 3 4 5 6 7 10 9 8 11 12 13 14 15 16 17 18 19 20
Secuencia8 1 2 3 4 5 6 7 8 11 10 9 12 13 14 15 16 17 18 19 20
Secuencia9 1 2 3 4 5 6 7 8 9 12 11 10 13 14 15 16 17 18 19 20
Secuencia10 1 2 3 4 5 6 7 8 9 10 13 12 11 14 15 16 17 18 19 20
Secuencia11 1 2 3 4 5 6 7 8 9 10 11 14 13 12 15 16 17 18 19 20
Secuencia12 1 2 3 4 5 6 7 8 9 10 11 12 15 14 13 16 17 18 19 20
Secuencia13 1 2 3 4 5 6 7 8 9 10 11 12 13 16 15 14 17 18 19 20
Secuencia14 1 2 3 4 5 6 7 8 9 10 11 12 13 14 17 16 15 18 19 20
Secuencia15 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 18 17 16 19 20
Secuencia16 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 19 18 17 20
Secuencia17 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 20 19 18
Tabla 21. Representación del esquema de vecindarios.
Solución_inicial
Vecindario_i[ ]
Óptima_Pareto
Candidata_i
Valor = Función objetivo
Función = función de aceptación
Aceptación =! verdadero o falso si se encuentra o no una candidata aceptada
Temperatura
Temperatura_Inicial
Temperatura_ Final
Temperatura =Temperatura_Inicial
Aleatorio_Candidata
Aleatorio_Aceptación
r = radio de enfriamiento
Mientras Temperatura < Temperatura_Final
Desde i = 1 hasta M
Generar vecindario:
Aceptación = falso
Mientras Aceptación = falso
Candidata_i = Vecindario_i[Aleatorio_Candidata]
Si Valor.Candidata_i < Valor.Solución_Inicial entonces
73
Solución_Inicial = Candidata_i
Aceptacion = Verdadero
Si No
Si Aleatorio_Aceptación < Función.Candidata_i entonces
Solución_Inicial = Candidata_i
Aceptación = Verdadero
Desde j = 1 Hasta 17
Si Valor.Vecindario_ i[i] < Valor.Óptimo_Pareto entonces
Óptimo_Pareto = Vecindario_i[i]
j = j +1
i=i+1
Temperatura = Temperatura * r
Finalmente la mejor secuencia obtenida fue, (1,16, 3, 18, 9,12, 15, 6, 5, 4, 17, 8,19, 2,13, 20, 7,
14 , 11, 10). Con un valor de flujo de 42149.5 el cual representa una mejora del 23% respecto
al valor inicial con la distribución actual de planta, cuyo valor en flujo es de 54829.4.
74
P19 P8
P11 P14
P10 P9 P13 P2
P3
P7 P20
P16
P1
P5 P17 P4
75
9. Modelo de simulación
Dependiendo del tamaño del proceso a redistribuir o analizar, pueden evaluarse una cantidad
de modelos de optimización, para procesos con un número limitado de departamentos,
optimizar es relativamente sencillo y no requiere de grandes costos en levantamiento de
información, por el contrario cuando el número de departamentos a distribuir es grande, tanto el
levantamiento como la modelación se hacen complejos por lo cual es adecuado limitar el
número de escenarios y modelos a aplicar.
Por esto se propone un modelo de simulación que permita evaluar los dos escenarios
presentados bajo las condiciones de producción ya definidas y que permita evaluar el
desempeño y validar el modelo de optimización aplicado.
Procesador
42
BENJAFAAR. Saifallah. Modeling and analysis of congestion in the design of facility layouts. Division of
industrial engineering, University of Minnesota. 2002. 44p.
76
Figura 32. Procesador.
Cada objeto utilizado tiene asignado o se le puede asignar un nombre que sirva como guía
para identificar este objeto. Cada objeto tiene una ventana de propiedades en donde acorde al
tipo trabajado permite modificar sus atributos, en el caso del procesador se modifican el tiempo
de procesamiento, la capacidad, el flujo de proceso entre otras características. En el modelo
aplicado se modificarán únicamente las mencionadas.
77
En la ventana de propiedades de la figura 32, se ven las características de procesamiento la
primera es la capacidad o número de entidades que pueden encontrarse en el procesador, el
segundo es el tiempo de preparación de la máquina para un trabajo, y el tercero el tiempo de
procesamiento.
Los transportadores y puentes grúa son objetos que apoyan el transporte entre procesos o
locaciones en el modelo de simulación a continuación se muestran sus representaciones
gráficas.
78
Figura 35. Máquinas de transporte.
Las propiedades y programación de ambos es muy similar por lo cual solo se mostrará la del
puente grúa.
La primera ventana permite modificar los parámetros y velocidades de operación del puente
grúa a diferencia con el transportador el puente grúa requiere de la definición de varias
velocidades mientras la velocidad del transportador es única.
79
Figura 37. Parámetros de grúa y transportador.
En la segunda ventana se definen los parámetros con los que se apoya la operación, tales
como el orden o prioridad con que se atiende un proceso, también se definen las velocidades
del puente grúa en sus desplazamientos recorriendo la planta.
Estos objetos funcionan muy similar en Flexsim como en otros programas de simulación la
fuente permite la creación de entidades que recorrerán el proceso, las colas permiten acumular
entidades que no estén en procesamiento o en algunos casos para apoyar la distribución del
proceso y las salidas suponen el fin o donde las entidades son depositadas al finalizar la
operación. En la gráfica a continuación se muestran las visualizaciones de fuente (número 1),
cola (número 2) y salida (número 3).
80
3
2
Las tablas globales son tablas auxiliares en las cuales se pueden almacenar información del
proceso relativas a distribuciones empíricas o discretas, valores de parámetros entre otras al
crear una tabla global se le debe asignar un nombre y se pueden crear el número de columnas
y filas necesarios para almacenar la información requerida.
Desde los objetos se pueden referenciar estas tablas para aplicar los valores almacenados.
Finalmente los objetos utilizados en el modelo permiten también medir estadísticas de cada
objeto algunas inclusive pueden verse en el tiempo de corrida de la simulación o recolectar al
final de las corridas.
81
9.1.3. Supuestos y parámetros del modelo
En al artículo “Using Promodel as a simulation tool to assist plant layout design and planning”
de Pochamarn, se propone la utilización de un software de simulación como método para
evaluar distintas alternativas para una distribución de planta. Una de las características de la
simulación para analizar procesos es que es un método costoso, y que requiere un
levantamiento de información riguroso.43
A pesar de su complejidad y costo estos se pueden ver reducidos al limitar el detalle con que
se simulará el proceso, un nivel muy alto de detalle puede incurrir en costos innecesarios sin
resultados que lo justifiquen y por otro lado un detalle poco profundo puede no representar bien
el proceso a simular.
Para el proceso a analizar se requiere que los datos sean consecuentes con los obtenidos para
la optimización propuesta previamente. Normalmente se deben tomar muestras de cada
proceso en tiempos o si se cuentan con historiales basarse en ellos para determinar las
distribuciones de probabilidad con las que se comportan sus tiempos, sin embargo en este
caso los tiempos de proceso son prolongados y el tomar muestras estadísticamente
representativas representa un costo irracional en tiempo, además que el objetivo no es estudiar
el comportamiento específico de los procesos si no analizar el desempeño de la distribución de
planta, razón por la cual la mejor alternativa es tomar los rendimientos de los procesos acorde
a un juicio de expertos en el proceso.
Los supuestos que facilitarán la ejecución del modelo sugeridos por Pochamarn al evaluar una
distribución de planta, aplicables al presente proyecto son.
43
GARCÍA. GARCÍA. CÁRDENAS. Simulación y análisis de sistemas con Promodel. Primera edición.
Pearson. 2006. 280p.
44
TEARWATTANARATTIKAL.NAMPHACHAROEN. CHAMRASPORN. Using Promodel as a simulation
tool to assist plant layout design and planning: Case study plastic packaging factory.
Songklanakarin Journal of science and technology. No 30. 2008. 7p.
82
Proceso Tiempo promedio
Proceso A 9.80
Proceso B 17.83
Proceso C 38.67
Proceso D 158.83
Proceso E 27.83
Tabla 23. Tiempos de procesamiento.
Puente Grúa
Velocidad 30
Aceleración Instantánea
Carga 2.3
Descarga 1.8
Vel. Subida 3
Vel. Bajada 3
Tabla 24. Parámetros de grúa.
Finalmente se describe el flujo entre procesos con el siguiente diagrama. Recordando que para
cada proceso existe un número de departamentos asignados que lo ejecutan.
Proceso C
100%
60%
En las salidas de flujo de cada proceso el criterio se toma como aleatorio al siguiente proceso
disponible la atención de los elementos de transporte se supondrá sin un criterio específico
dándole orden FIFO a la cola de atención.
El objetivo principal es analizar el efecto sobre el transporte y sobre tiempos de espera en cada
una de las estrategias planteadas. Se proponen dos escenarios la distribución de planta actual
sin cambios en los departamentos y la distribución de planta arrojada por el problema de
optimización previamente planteado.
83
tomó basado en el criterio de expertos el tiempo promedio en ejecución de un proyecto unitario
por lo cual el largo de cada corrida será de 24300 unidades de tiempo. El número de corridas
se hará inicialmente con 30 corridas que representa un número representativo de proyectos
basados en el criterio de expertos de producción.
9.2.1. Modelo
84
Como se aprecia en las figuras se representó el modelo con sus diferentes departamentos,
conexiones y máquinas de transporte se utilizaron colas auxiliares representando el sistema de
transporte entre plantas para ambos escenarios las configuraciones son similares excepto la
configuración de los departamentos.
85
Espera por proceso
30,00%
25,00%
20,00%
15,00%
Espera
10,00%
5,00%
0,00%
A B C D E
Figura 44. Gráfica de esperas situación actual.
86
Vista plana y conexiones
87
Espera por proceso
4,00%
3,50%
3,00%
2,50%
2,00%
Espera
1,50%
1,00%
0,50%
0,00%
A B C D E
Figura 47. Gráfico espera situación propuesta.
88
10. Conclusiones y recomendaciones
10.1. Conclusiones
10.2. Recomendaciones
89
11. Bibliografía
1. Grupo Vatic consulting. www.vaticconsulting.com.
2. KJELL B. Zandin. Maynard’s industrial engineering handbook. Mc Graw Hill. 2004.
2560p.
3. HILLIER Frederick, LIEBERMAN Gerald. Introduction to operations research. Ed 7. Mc
Graw Hill.
4. NIEBEL, Ben. Ingeniería industrial métodos y estándares. Alfaomega. 745p.
5. DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in
control No 31. 2007. 13p.
6. BENJAFAAR, Sunderesh, Shahrukh. Next generation factory layouts: Research,
challenges and recent progress. Interfaces Vol.32 No.6. 2002. 19p.
7. KUSIAK, Andrew, HERAGU Sunderesh. The facility layout problem. The European
journal of operational research. 1987. 23p.
8. PALITHA Welgama, GIBSON Peter. Computer aided facility layout a status report.
Journal Advanced manufacturing technologies. 1995. 12p.
9. DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in
control No 31. 2007. 13p.
10. RUSELL D. Meller, KAI Yin Gau. The facility layout problem: Recent and emerging
trends and perspectives. Journal of manufacturing systems. Vol 15. No 5. 1996. 16p.
11. TAILLARD Erick. Metaheuristics for hard combinatorial problems. Wien seminar. 2004.
52p.
12. L. URBAN Timothy. Solution procedures for the dynamic facility layout problem. Annals
of operations research No 76. 1998. 20p.
13. POCHAMARN, SUWADEE, CHONTHICHA. Using promodel as a simulation tool to
assist plant layout design and planning. Songklanakarin journal. Vol 30. 2008. 7p.
14. WINSTON L. Wine. Investigación de Operaciones aplicaciones y algoritmos. Thomson.
4ta ed. 2005. 1440p.
15. BANKS, Jerry. Introduction to simulation. Atlanta, U.S.A. Winter simulation conference.
2000.
16. GARCÍA. GARCÍA. CÁRDENAS. Simulación y análisis de sistemas con Promodel.
Primera edición. Pearson. 2006. 280p.
17. S. P. Singh, P. R. Sharma. A review of different approaches to the facility layout
problems. International journal of manufacturing technology. No 30. 2006. 9p.
18. GENDREAU Michel, YVES Jean. Handbook of metaheuristics. 2nd Ed. International
series in operational research and management science. 2003. 669p.
19. CHWIF Leonardo, PEREIRA Marcos, MOSCATO Lucas. A solution to the Facility Layout
problem using simulated annealing. Computers in industry. No 36. 1998. 8p.
20. PARK Moon, KIM Yeong. A systematic procedure for setting parameters in simulated
annealing algorithms.
21. S. Kirkpatrick, C. Gelatt and M. Vecchi. Optimization by simulated annealing. Science
Journal. 1983. 9p.
22. WANG. Tai Yue, LIN Her Chang, WU Kuei Bin. An improved simulated annealing for
facility layout problem for cellular manufacturing systems. Computers industrial
engineering. Vol 34. No 2. 1998. 11p.
23. C. N. Potts, WASSENHOVE Van. Single machine tardiness sequencing heuristics. IIE
Transactions. No 23. 1991. 9p.
24. BENJAFAAR. Saifallah. Modeling and analysis of congestion in the design of facility
layouts. Division of industrial engineering, University of Minnesota. 2002. 44p.
90
25. GARCÍA. GARCÍA. CÁRDENAS. Simulación y análisis de sistemas con Promodel.
Primera edición. Pearson. 2006. 280p.
26. TEARWATTANARATTIKAL. NAMPHACHAROEN. CHAMRASPORN. Using Promodel
as a simulation tool to assist plant layout design and planning: Case study plastic
packaging factory. Songklanakarin Journal of science and technology. No 30. 2008. 7p.
27. BANO Y. Ekren, ARLSLAN M. Ornek. A Simulation Based Experimental Design To
Analuze Factors Affecting Production Flow Time. Simulation Modelling Practice and
Theory 16 (2008) 278–293.
28. LOIOLA Eliane Maria. A Survey For The Quadratic Assignment Problem. European
Journal of Operational Research 176 (2007) 657–690.
91
12. Anexos
Con el fin de ahorrar espacio los anexos como tablas en Excel, ejecutables y demás Anexos
que requieran de mucho espacio se presentan en un CD anexo al trabajo escrito.
92
'Pregunta si se encontro una solucion mejor o no
For f = 1 To 17 Step 1
For g = 1 To 17 Step 1
If Cells(52 + 2 * g, 22) = orden(f) Then
If Cells(52 + 2 * g, 22) < Cells(90, 22) Then
For h = 3 To 21 Step 1
Cells(89, h) = Cells(51 + 2 * g, h)
Next h
End If
End If
Next g
Next f
Next repeticion
temperatura = temperatura * 0.923
Wend
End Sub
93