Desarrollo de un simulador de la producción programado en Excel

Escuela de Ingenierías Industriales TRABAJO FIN DE MASTER Desarrollo de un simulador de la producción programado en Excel Autor: D. Alberto Blanco González Tutor: D. Ángel Gento Municio (JULIO 2019) i ii Resumen En este proyecto de fin de máster se explica el funcionamiento de una herramienta de simulación programada en Microsoft Excel por el autor. Este útil se ha desarrollado tomando como base la producción tres simulada en la Escuela Lean de la Universidad de Valladolid, pero puede ser fácilmente adaptable posteriormente a una infinidad de necesidades de cualquier empresa manufacturera. El útil totalmente flexible, permite el cambio de los parámetros de entrada, simula una producción en cadena, y el flujo logístico de las piezas, por lo que nos permite obtener en un laboratorio de ensayo los resultados producidos por la modificación de cualquier parámetro logístico o productivo. Una vez desarrollada la herramienta, se centra y desarrolla un estudio para optimizar el beneficio de un proyecto de producción, buscando el equilibrio entre inversión en medios industriales y costes asociados a la penuria de estos. Abstract Introducción iii Abstract This end-of-master project explains the operation of a simulation tool programmed in Microsoft Excel by the author. This tool has been developed based on the production three simulated at the Lean School of the University of Valladolid but can be easily adapted later to an infinite number of needs of any manufacturing company. The totally flexible tool allows the change of the input parameters, simulates a chain production, and the logistic flow of the pieces, which allows us to obtain in a test laboratory the results produced by the modification of any logistic or productive parameter. Once the tool has been developed, a study is centered and developed to optimize the benefit of a production project, seeking a balance between investment in industrial resources and the costs associated with their penury. iv Agradecimientos El autor quiere expresar en primer lugar su más profundo agradecimiento a todas las personas de su más cercano alrededor, los cuales le han ayudado en todo lo que se ha encontrado en su mano, bien técnicamente o bien anímicamente, o ambas dos. Gracias a todos ellos porque si no este proyecto seguramente habría quedado sin concluir. Gracias Pilar y Juanjo, Julia y Dionisio, Cristina y Jorge, Elsa. Gracias a todos. A la empresa donde desarrolla su labor profesional el autor, Renault España S.A., porque sin lugar a dudas es la fuente principal de conocimientos del autor en el ámbito logístico e industrial. Y por supuesto, gracias a todos y cada uno de los compañeros de trabajo, de los cuales no queda un día sin que aprenda algo de ellos. Agradecimientos, por último, pero no menos importante a Ángel tutor de este proyecto, y a la Universidad de Valladolid, y al resto de profesorado el cual es clave en la preparación del alumnado para una posterior adaptación a la vida laboral. Índice Introducción v Índice Resumen ................................................................................................................. ii Abstract .................................................................................................................. iii Agradecimientos ................................................................................................... iv Índice ....................................................................................................................... v Índice de Ilustraciones .......................................................................................... ix Abreviaturas ........................................................................................................ xiv Capítulo 1. Introducción ...................................................................................... 1 1.1. Justificación, motivación, y objetivos. .......................................................... 1 1.2. Alcance ........................................................................................................ 2 1.3. Estructura del tomo ..................................................................................... 3 Capítulo 2. Escuela Lean ..................................................................................... 5 2.1. Universidad de Valladolid ............................................................................ 5 2.2. Renault ........................................................................................................ 6 2.3. Renault Nissan Consulting. ......................................................................... 7 2.4. Colaboración Universidad y Empresa ......................................................... 8 2.4.1. Renault y Universidad de Valladolid: más de 15 años de colaboración 9 2.5. Escuela Lean. ¿Qué es? ¿Qué objetivos tiene? ....................................... 10 2.5.1. Locales para la escuela Lean y su transformación en un ambiente industrial 12 2.6. Productos de la escuela Lean ................................................................... 13 2.6.1. El coche ............................................................................................... 13 2.6.2. El solectrón .......................................................................................... 15 Índice Introducción vi 2.7. Nociones básicas introductorias a la simulación ....................................... 17 2.7.1. Tipos de simulaciones ......................................................................... 17 2.7.2. Sistemas .............................................................................................. 18 2.7.2.1. Clases de sistemas ........................................................................ 19 2.7.2.2. Modelos.......................................................................................... 20 2.7.3. Etapas de una simulación ................................................................... 21 2.8. Simulación Montecarlo .............................................................................. 22 2.8.1. Generación de números aleatorios ...................................................... 22 Capítulo 3. Desarrollo del simulador ................................................................ 27 3.1. Software de simulación empleado. Microsoft Excel. .................................. 27 3.1.1. Generación de números aleatorios en Excel ....................................... 32 3.2. Sistema y modelo ...................................................................................... 33 3.3. Guía de Usuario. ....................................................................................... 41 3.3.1. Pestaña 2. Datos maestros. ................................................................ 41 3.3.2. Pestaña 3. Equilibrado de cadenas. .................................................... 43 3.3.3. Pestaña 1. Simulador .......................................................................... 48 3.3.4. Pestaña 4. Tabla de tiempos. .............................................................. 49 3.3.5. Pestaña 5. Datos Eco .......................................................................... 51 3.3.6. Pestaña 6. Flujograma ........................................................................ 52 3.3.7. Pestaña 7. S0 ...................................................................................... 52 3.3.8. Pestaña 8 a 11 y 14 a 17. Puestos de Montaje y Reciclaje ................. 54 3.3.9. Pestaña 12. S1 - Stock intermedio de producto terminado (bandejas) 56 3.3.10. Pestaña S2. Stock inicial de la línea de reciclaje ............................... 57 3.3.11. Tabla de tiempos de espera de simulación. ....................................... 58 3.4. Manual del programador ........................................................................... 58 Capítulo 4. Optimización de un proceso con la herramienta desarrollada ... 60 Índice Introducción vii 4.1. Simulación uno. (Doce bases) ................................................................... 60 4.1.1. Parámetros de la simulación uno. ....................................................... 60 4.1.2. Resultados de la simulación. ............................................................... 61 4.2. Simulación dos. (Once bases) ................................................................... 64 4.3. Simulación tres. (Diez bases) .................................................................... 67 4.4. Simulación cuatro. (Nueve bases) ............................................................. 70 4.5. Simulación cinco. (ocho bases) ................................................................. 73 Capítulo 5. Estudio económico ......................................................................... 76 Conclusiones y futuros desarrollos ................................................................... 77 Referencias ........................................................................................................... 79 Abreviaturas Introducción xiv Abreviaturas EII: Escuela de Ingenierías Industriales FOS: Ficha de Operación Standard IR: Índice de rentabilidad LV: Lavadora (correspondiente a R04) M0X: Puesto de Montaje x R0X: Puesto de Reciclean x S0: Stock Inicial S1: Stock intermedio (bandejas) S2: Stock Secundario Sim: Simulación SO: Sistema Operativo TFM: Trabajo Fin de Máster UVa: Universidad de Valladolid VBA: Visual Basic for Applications Introducción Máster Universitario en Logística 1 Capítulo 1. Introducción 1.1. Justificación, motivación, y objetivos. La temática de un Trabajo de Fin de Máster (TFM) es de libre elección para el alumno, que escoge un determinado tema en el que especializarse como culmen a su formación. En este caso, este proyecto ha sido desarrollado por el alumno D. Alberto Blanco González, bajo el tutelado de D. Ángel Gento Municio y ha sido titulado “Desarrollo y aplicación de un simulador de la producción y sus flujos, programado en Excel”, como conclusión a la formación realizada entre septiembre de 2017 y mayo de 2018 en el Máster de Logística impartido en la Escuela de Ingenierías Industriales, perteneciente a la Universidad de Valladolid. En el mencionado trabajo se ha realizado como bien indica el título, una herramienta programada en Excel que nos permita reproducir en condiciones de laboratorio, un sistema de producción industrial, a través del modelado de los flujos logísticos y productivos, con el objetivo de estudiar cómo se comportan los resultados de la producción al alterar cualquiera de las variables parametrizables. Debido a la amplitud de alternativas y análisis posibles que se pudieran extraer de esta herramienta el autor se centrará en el estudio de los resultados de la simulación para maximizar el beneficio de un proyecto de producción, mediante la optimización de los medios a invertir a comienzo de proyecto. Esta herramienta está basada en las prácticas realizadas en la Escuela Lean, desarrollada por la EII en colaboración con Renault-Nissan Consulting (se detalla en el capítulo 2 – “Escuela Lean”), en la cual se desarrolló un proceso formativo, práctico y experimental, para comprender los flujos productivos y logísticos de un proceso de fabricación en serie. Los siguientes hechos han sido decisivos en mi motivación a la hora de elegir una temática y contenido para mi TFM: 1. Que estas prácticas anteriormente mencionadas me resultaran especialmente interesantes y útiles en el entorno de la logística y producción de cualquier empresa manufacturera. 2. Estar actualmente trabajando para una empresa de automoción, y poder valorar el gran beneficio de poder realizar simulaciones que nos permitan observar el resultado de distintos escenarios, antes de la aplicación de cualquier modificación o implantación. 3. Conocer la poderosa herramienta Microsoft Office Excel y el alto interés que me suscita debido al gran rendimiento que consigo obtener de ella en el ámbito laboral y personal. Desarrollo de un simulador de la producción programado en Excel 2 Alberto Blanco Gonzalez Los principales objetivos de realizar este TFM son: 1. Profundizar y comprender los conceptos relacionados con una simulación de un proceso productivo, la teoría, sus utilidades y aplicaciones, las herramientas disponibles en el mercado para simularlo, el proceso de creación de una herramienta de simulación, y ver los resultados de la herramienta de simulación. 2. Conocer y comprender los flujos productivos y logísticos, así las posibilidades que nos ofrece su optimización mediante la reducción de los stocks y creación de un flujo tenso, que para una menor incertidumbre podemos simular los resultados antes de aplicarlos, y conocer los parámetros y características que debemos implantar para tener éxito, así como si llevar o no llevar a cabo la empresa. 3. Desarrollar conocimientos avanzados en programación de simuladores en Excel, que puedan ser operativos en cualquier ordenador. 4. Compartir parte de mi experiencia y conocimientos adquiridos durante el Máster. 5. Finalizar la formación en el Máster de Logística y obtener el título acreditativo correspondiente. 1.2. Alcance En este apartado se pretende delimitar la amplitud y la profundidad del desarrollo y complejidad de este TFM, ya que los desarrollos principales (producción, flujos, simulación y Microsoft Excel) dan lugar a una infinidad de posibilidades y estudios a realizar, y los recursos y el tiempo para realizar este trabajo son, desafortunadamente, limitados. A nivel de producción y flujos, nos centraremos en la tercera configuración de la producción en la escuela Lean, caracterizada por ser la de flujo más tenso y lograr una mayor producción, logrando también la reducción de los stocks y por lo tanto de todos los inconvenientes que estos tienen para las empresas productivas (mayor carga financiera, riesgo de obsolescencia/reducción del valor del mismo, ocultamiento de otras ineficiencias, coste de superficie y manipulación …) A nivel de herramienta de simulación, limitaremos la creación del simulador a la herramienta Microsoft Office Excel, mediante el uso de cadenas de funciones lógicas. A nivel de profundidad de desarrollo, limitaremos el proyecto a la creación del simulador, la redacción de un manual de funcionamiento y la simulación de un proceso productivo, con unos parámetros dados (el simulador permitiría modificarlos y recrear infinitos escenarios), y mediante un profundo estudio de los resultados ofrecidos por el simulador lograr optimizar el beneficio del proyecto Introducción Máster Universitario en Logística 3 1.3. Estructura del tomo En este primer capítulo se está desarrollando la introducción que permite conocer el contexto en el que se ha elaborado este trabajo, las motivaciones que han impulsado a su realización, los objetivos que se quieren alcanzar mediante su desarrollo y la profundidad del estudio a realizar. En el segundo capítulo se presentan tres de las partes fundamentales y necesarias en la elaboración de este TFM, como lo son la Universidad de Valladolid y la Escuela de Ingenieros Industriales y Renault, Renault-Nissan Consulting; todos ellos son causa raíz de la Escuela Lean, donde se ha realizado la experimentación que dio concepción a este TFM. En el tercer capítulo se introduce el marco teórico en torno a la simulación y diferentes posibles herramientas que nos permiten realizar una simulación. El cuarto y quinto capítulo son los capítulos troncales donde se desarrolla el grueso del TFM, se explica el manual de utilización y funcionamiento del mismo y los resultados de las simulaciones dado un escenario determinado. En el sexto capítulo se detallan los costes incurridos en realizar este proyecto, y lo que debería facturarse a una empresa que solicitase este mismo trabajo o uno de características similares. Para finalizar se han plasmado las conclusiones obtenidas del desarrollo del trabajo, así como posibles vías que ha observado el autor para un futuro desarrollo y ampliación del simulador. Desarrollo de un simulador de la producción programado en Excel 4 Alberto Blanco Gonzalez Escuela Lean Máster Universitario en Logística 5 Capítulo 2. Escuela Lean 2.1. Universidad de Valladolid La Universidad de Valladolid (UVa) es una universidad pública española. Fundada en el 1241, es la tercera universidad más antigua de España, por detrás de Palencia y Salamanca. En el siglo XVI fue reconocida como una de las tres universiades más importantes del Reino, así como la Universidad de Salamanca y la de Alcalá de Henares. Ya en aquellos tiempos, la Facultad de Leyes y la de Medicina eran muy renombradas. En los siglos posteriores se ve afectada por los vaivenes de las crisis politicas, económicas, etc. que padece la sociedad española. Desde el inicio del siglo XIX la Universidad experimienta una serie de cambios que la transforman en una universidad centralizada y laica, aumenta considerablemente el números de alumnos y consigue gran influencia. A principios del siglo XX van incorporándose poco a poco, las diferentes escuelas y facultades, tales como la Facultad de Filosofía y Letras (1917), la de Ciencias (1945), Escuelas Universitarias de Formación del Profesorado, Escuela Superior de Arquitectura (1971), Escuela Superior de Ingeniería Industrial (1975), etc, etc. hasta su actual configuración. Hoy se imparten estudios de pregrado y postgrado. Tiene siete campus distribuidos por cuatro ciudades de Castilla y León: Valladolid, Palencia, Soria y Segovia. Desde sus inicios, ha estado muy vinculada a la ciudad de Valladolid por la intensa actividad cultural y económica que siempre ha impulsado Ilustración 1. Logotipo de la Universidad de Valladolid Desarrollo de un simulador de la producción programado en Excel 6 Alberto Blanco Gonzalez 2.2. Renault La compañía Renault fue fundada en 1898 como Société Renault Frères, Louis, Marcel y Fernand Renault, unidos los tres hermanos con sus respectivas habilidades que trabajaban en la empresa textil de su padre. Louis, ingeniero de profesión, utilizaba como taller una cabaña en Billancourt, (París) en donde ya había creado varios prototipos antes de que fabricaran su primer vechículo, el Renault Voiturette. A Louis le entusiasmaba la innovación y la competición. Así tuvo el éxito le llegó enseguida. En 1901 comenzaron la producción en serie. Después empezaron a fabricar sus propios motores. En 1905 tienen un primer pedido de 250 taxis que más tarde serían utilizados por militares franceses en la Primera Guerra Mundial. En 1908 Renalult fabricó unos 3.600 vehículos, siendo así la mayor fábrica de coches de Francia. En 1911 se inauguran otros talleres para fabricar vehículos comerciales para el ejército francés. Viendo la necesidad de aumentar la productividad se introduce el taylorismo, algo muy nuevo en Francia. El taylorismo es un método concebido por el estadounidense Frederick Taylor, economista e ingeniero, ideado para organizar la actividad laboral que consiste en especializar a los trabajadores, midiendo el tiempo dedicado a cada actividad y la división de tareas con la finalidad de incrementar la productividad. El taylorismo se le define según como: “Método de organización del trabajo que persigue el aumento de la productividad mediante la máxima división de funciones, la especialización del trabajador y el control estricto del tiempo necesario para cada tarea.” (RAE, taylorismo) Con el taylorismo el trabajo queda dividido en distintas secuencias. El tiempo que se necesita para realizar cada una de las secuencias se mide y cada operario se dedica exclsivamente a una secuencia, sin tener en cuenta los distintos pasos del resto del trabajo, así se consagra a una única etapa del proceso productivo, surgiendo así la especialización. Durante la Primera Guerra Mundial Renault fabricó camiones, ambulancias, carros de combate, obuses, aviones … Y una vez terminada, también se dedicó a la fabricación de maquinaría agrícola. Ya antes de la Segunda Guerra Mundial, Renault fabricaba más de 58000 vehículos. En 1945 la empresa pasa a ser una industria del estado francés hasta 1990 que se convierte en sociedad anónima y en 1996 en empresa privada. Concluida la guerra, restaura las plantas y empieza un nuevo período con nuevos retos. Abre sucursales, inaugura nuevas plantas: Flins en Francia, Valladolid en España, Japón y Sudáfrica… En Estados Unidos irrumpe con gran cantidad de ventas. 60 años después y habiendo padecido una fuerte crisis por el alza de los costes de producción, Renault sale de ella, apostando por la calidad total con el fin de no volver a sufrir crisis similares. Además, enfatiza la preocupación por el Medio Ambiente. Escuela Lean Máster Universitario en Logística 7 Hoy cuenta con 7 plantas en Francia, 3 en España, 2 en Marruecos, 1 en Eslovenía, en Rumanía, Chile, Argentina, Portugal, Colombia, India, Turquía, Méjico…… En España, Renault consideró Alcobendas (Madrid) para establcer la primera fábrica pero finalmente y gracias a las gestiones de D.Manuel Jiménez-Alfaro y el apoyo de D. José Luis Gutiérrez Semprún, la decisión recayó en esta ciudad. El contrato de cesión de licencias con la marca francesa se firmó en Febrero de 1951. En 1952/53 por las calles de Valladolid circulan los primeros R4. En 1958 salen de la fábrica de Sevilla las primeras cajas de velocidad y en 1977 se inaugura en Villamauriel de Cerrato (Palencia) una nueva planta. En España, además de las 3 fábricas, cuenta con diversas empresas: Renault España Comercial, Renault Retail Group, Sodicam, RCI y Renault-Nissan Consulting. Ilustración 2. Logotipo de Renault 2.3. Renault Nissan Consulting. Una de las empresas que forman el Grupo Renault es Renault-Nissan Consulting que comenzó su actividad de forma oficial en 1996 denominándose Instituto Renault de la Calidad y el Management (IRCM), con un objetivo esencial centrado en el desarrollo de actividades de formación (esencialmente en contenidos relacionados con la Calidad). Esto ha ido cambiando gradualmente hacia el terreno de la consultoría operacional en diversos sectores de actividad, con gran experiencia en Sistemas de Producción Lean, Logística, Concepción producto-proceso, Estrategia de empresa y Lean 6 Sigma Lean Service. La finalidad de esta empresa es impulsar y ayudar a evolucionar los procesos productivos, comerciales y organizacionales, mediante la consultoría y la formación individualizada basada en la mejora continua, a fin de optimizar los resultados de manera rápida y perdurable. Esta consultora de la Alianza Renault-Nissan-Mitsubishiy tiene sedes en: Francia, Inglaterra, Brasil, Rumanía, Japón, India y España. En la ilustración 3 puede verse el logo actual de Renault-Nissan Consulting. Desarrollo de un simulador de la producción programado en Excel 8 Alberto Blanco Gonzalez Ilustración 3. Logo de Renault Nissan Consulting 2.4. Colaboración Universidad y Empresa La colaboración más frecuente entre la Universidad y la empresa hoy en día, en España es la oferta de prácticas. Es una forma de cooperación entre ambas entidades. Según un informe emitido por la Cámara de Comercio de España: “…. Un 57.6% de las empresas encuestadas afirma haber tenido un nivel elevado de cooperación con la Universidad a la hora de contratar recién titulados o cubrir plazas de prácticas en la empresa…” (La oferta de prácticas, colaboración más habitual entre la universidad y la empresa en España. Radiografía de la cooperación Universidad-Empresa en España, 19 de febrero 2015 - https://bit.ly/2KmI1md) Incluso se da el caso con bastante asiduidad, que, terminadas las prácticas, los estudiantes son contratados por la empresa donde las han realizado, hecho éste muy valorado por las empresas por ser una ayuda en la gestión de los recursos humanos. La colaboración beneficia a ambas partes por la confianza y compromiso mutuo y el interés de la Universidad por poder acceder al conocimiento práctico de las empresas, lo que proporciona a los estudiantes una formación complementaria de tipo preferentemente práctico. Otra forma de cooperación entre la Universidad y la empresa es la Cátedra de Empresa ya que mejora las líneas de colaboración entre ambas instituciones a través de herramientas de gestión conjunta, basadas en la formación y la investigación. La Cátedra de Empresa está formada por una Comisión compuesta de varios miembros de la universidad, entre los que hay un profesor que ostentará el cargo de director de la cátedra, y varios representantes de la empresa. En los últimos años, la Cátedra de Empresa ha crecido de forma importante en la universidad española, dada la necesidad de incrementar la relación del mundo universitario con el empresarial. La universidad ofrece a la empresa los conocimientos de la investigación y ésta a su vez posibilita la integración de esos conocimientos para así beneficiarse ambas entidades de esa colaboración. Escuela Lean Máster Universitario en Logística 9 En definitiva, la colaboración Universidad-Empresa es muy provechosa por la transferencia de conocimiento entre ambas instituciones ya que de esta forma se enlaza conocimiento y experiencia. 2.4.1. Renault y Universidad de Valladolid: más de 15 años de colaboración La colaboración entre Renault y la Uva se dio por primera vez en el 2004, cuando se creó el Aula del Instituto Renault (Ilustración 4). Después, en el 2007 se creó la Cátedra Renault Consulting de Excelencia Industrial y Empresarial como resultado del acuerdo de colaboración entre Universidad de Valladolid y Renault Consulting con el deseo por ambas entidades de llegar a ser referencia de la cooperación Universidad-Empresa para la mejora de las empresas de la Comunidad, así como de sus profesionales. La cátedra es un lugar en el que se dan cita los participantes de los ámbitos universitario (profesores, investigadores, estudiantes…) y empresarial (profesionales, empresarios, asociaciones…), para intercambiar conocimientos y experiencias con el objetivo de ayudar a optimizar el mundo universitario, el industrial y el de servicios de Castilla y León. Ilustración 4. Aula Renault-Nissan Consulting (Universidad de Valladolid) En 2012 se crea el programa Renault Experience. Se hace una selección entre los estudiantes de la Uva que lo solicitan, para participar en este programa de 200 horas de formación en diferentes materias. Una vez acabada la formación, los mejores alumnos serán elegidos para realizar prácticas remuneradas en el Grupo Renault. Desarrollo de un simulador de la producción programado en Excel 16 Alberto Blanco Gonzalez Con el Solectrón se pretende que el alumno aprenda a encontrar el flujo de valor, esto es, de forma diferente a lo que sucede con el coche, no hay que centrarse sólo en el valor que existe en cada puesto de trabajo, sino que hay que averiguar todos los despilfarros que se producen continuamente en una fábrica. Ilustración 12. De.spiece y montaje de un solectrón Simulación, marco teórico Máster Universitario en Logística 17 Capítulo 3. Simulación, marco teórico En este capítulo se desea realizar una breve introducción al marco teórico que rodea a una simulación, siempre teniendo como foco la simulación realizada, ya que el principal objetivo de este es dotar al lector de los conocimientos que el autor considera necesarios o útiles para comprender, poner en contexto y complementar el capítulo siguiente, que es el núcleo de este TFM: la realización y el desarrollo de una herramienta de simulación, así como los resultados de las simulaciones realizadas con la misma. Hoy en día en cualquier ámbito del mundo empresarial se está continuamente sometido a la toma de decisiones, decisiones que determinarán el éxito o no éxito de la misión de la misma. La simulación es una herramienta fundamental para esta toma de decisiones, nos permite elaborar un escenario ficticio y crear un sistema de constantes y variables, que basadas en el muestreo estadístico y en la aleatoriedad, nos darán los diferentes resultados y las probabilidades de los mismos. De esta forma podemos utilizar estas simulaciones como apoyo a la toma de decisiones, conociendo de antemano el resultado más probable, y como se altera según modifiquemos las diversas variables del sistema, sin tener que llegar a experimentar sobre la producción real con los costes y riesgos que esto significaría 3.1. Nociones básicas introductorias a la simulación 3.1.1. Tipos de simulaciones Según Fishman (1978) se establecen las siguientes categorías de simulaciones:  Identidad: esta simulación se caracteriza por ser idéntica al modelo real, un ejemplo de ello son las empresas de producción de aviones, que emplean unidades reales para realizar las pruebas de aterrizaje y despegue en casos extremos sobre todas las unidades recién salidas de producción.  Cuasi-identidad: se realiza la simulación en un modelo ligeramente modificado respecto al real de referencia. Un ejemplo de ello son las maniobras militares, se realiza todos los operativos de forma idéntica a una guerra, pero sin estarlo.  Laboratorio: se realiza la simulación en un ambiente controlado, podemos distinguir dos tipos: o Juego Operacional: un grupo de gente compitiendo entre ella, y en paralelo un conjunto de ordenadores dando soporte y ayudando a la realización de la simulación. o Hombre – Máquina: tanto las personas como la máquina forman parte del modelo, compitiendo una contra la otra. Un claro ejemplo son las Desarrollo de un simulador de la producción programado en Excel 18 Alberto Blanco Gonzalez partidas de ajedrez realizadas entre grandes ajedrecistas y una computadora.  Simulación por computadora: se trata de un modelo programado en algún lenguaje computacional, y una vez realizada la programación, las personas quedan sin influencia en el resultado. Según el tipo de computadora, se distinguen dos tipos de simulaciones: o Digital o Analógica En el caso de este TFM, nos centraremos en la simulación por computadora ya que es el tipo de simulación que realizaremos en este trabajo. Un simulador por computadora está compuesto por:  Un modelo: conjunto de ecuaciones, reglas lógicas o modelo estadístico.  Un evaluador: conjunto de procedimientos establecidos para determinar el resultado del feedback del simulador.  Interfaz: la parte externa del modelo, aquellas pantallas en las cuales puede interactuar el usuario, definiendo algunos parámetros, recibiendo información de vuelta acerca de la simulación y a través del cual se le muestra el resultado final, los análisis, informes … 3.1.2. Sistemas Un sistema, según el Dr. Tarifa, es “una sección de la realidad que es el foco primario de un estudio y está compuesto de componentes que interactúan con otros de acuerdo a ciertas reglas dentro de una frontera identificada para el propósito del estudio”. Se denominan entidades a los diferentes sub-componentes que forman un sistema, por ejemplo, en el caso de un avión tendríamos las siguientes entidades: turbina, cabina, plazas de pasajeros, tren de aterrizaje … A su vez cada una de esas entidades puede tener uno o más parámetros o variables, los cuales adoptan unos atributos, por ejemplo, tren de aterrizaje bajado o subido; plaza nº1 de pasajero vacía o ocupada (parámetro 1), o plaza nº1 reclinada o recta (parámetro 2); turbina, encendida o apagada (parámetro 1), potencia (parámetro 2), temperatura de la turbina (parámetro 3) ... El estado de un sistema en un tiempo determinado está determinado por el conjunto de valores obtenido por esas entidades. Estas entidades están relacionadas entre ellas por medio de funciones, pudiendo ser:  Funciones estáticas o estructurales. Ejemplo: el avión tiene cuatro turbinas propulsoras.  Funciones dinámicas o funcionales. Ejemplo: tras despegar el tren de aterrizaje es subido. Simulación, marco teórico Máster Universitario en Logística 19 Los parámetros en nuestro modelo, son fijados durante el diseño del mismo, así como sus características y los posibles valores que pueden adquirir. Estos parámetros pueden ser clasificados como:  Parámetros de entrada (Exógenos): vienen dados por el entorno del sistema, y pueden ser manipulables (U) – Grado de potencia ejercida en la palanca de frenado - o no (D) – Nivel de oxígeno en el exterior del avión.  Parámetros de estado (X): son constituidas por aquellas variables internas del sistema necesarias para describir el estado del mismo.  Parámetros de salida (Y): lo conforman los parámetros de estado que finalmente son medidas y trascienden la frontera del sistema 3.1.2.1. Clases de sistemas De acuerdo con Law and Kelton (Simulation Modeling & Analysis, 1991), un sistema según su naturaleza puede clasificarse como:  Determinístico o Estocástico o Determinístico: estén sistema está caracterizado por no contener ningún elemento aleatorio, quedando así determinadas todas las variables de salida e internas, al parametrizar las variables de entrada y de estado. o Estocástico: lo que caracteriza a los sistemas discretos es tener una característica aleatoria, de tal forma que a pesar de conocer las variables de entrada no conocemos cuál será el resultado de salida. Incluso cuando tenemos un sistema determinístico, si las variables de entrada les damos un factor de aleatoriedad, éste se convierte automáticamente en un sistema estocástico. Este factor de aleatoriedad es uno de los principales signos de identidad de cualquier sistema del mundo real.  Continuo o discreto: o Continuo: en este caso la principal característica es que las relaciones entre variables sólo permiten una continua evolución del modelo, cambiando este de forma infinita a lo largo el tiempo. o Discreto: es un sistema, al contrario que el continuo, que las relaciones del sistema hacen que el estado del mismo sea alterado en unos momentos del tiempo predeterminados. Estos momentos en los que el sistema varía son nombrados eventos.  Estático o dinámico: o Estático: se trata de aquellos sistemas que no se ven alterados por la variable tiempo. o Dinámico: aquellos sistemas en los cuales el tiempo es una variable, y afecta al estado del sistema. Desarrollo de un simulador de la producción programado en Excel 20 Alberto Blanco Gonzalez 3.1.2.2. Modelos Teniendo en cuenta la definición de Shannon en 1988 un modelo es “una representación de un objeto, sistema o idea (…) cuyo propósito es ayudar, explicar, entender o mejorar un sistema”. Los modelos son de utilidad para multitud de objetivos como: 1. Aclarar nuestro pensamiento ya que al modelar un sistema tenemos que replantearnos, desgranar y reorganizar la información que tenemos acerca de él. 2. Formación, de una forma realmente barata y eliminando las consecuencias negativas de errar, pudiendo el aprendiz experimentar libremente sin temor al fallo, pudiendo ser más creativo y aprender de una manera más ágil. 3. Predicción, ya que podemos obtener mediante la simulación del modelo, el comportamiento que tendría el sistema real. En el modelado, es decir el idear y crear las entidades, sus atributos o parámetros, las relaciones entre ellos, no existe una solución única para llegar a un modelo deseado, por lo que no es una actividad que pueda seguir una guía establecida o unos pasos fijos. Como bien indica el Dr. Tarifa en sus apuntes, “el arte de modelar consiste en la habilidad para analizar un problema, resumir sus características esenciales, seleccionar y modificar las suposiciones básicas que caracterizan al sistema; y luego enriquecer y elaborar el modelo hasta obtener una aproximación útil al sistema real”. Las características que debe poseer un modelo son las siguientes:  “Easy to understand”, el usuario final debe ser capaz de comprender el funcionamiento del modelo de una forma fácil y clara.  “Focus to goals”, el modelo debe estar concebido y orientado a conseguir los objetivos propuestos.  “Sensible”, la sensatez debe ser una característica imperante, tanto a la hora de plantear el modelo como a la hora de analizar los resultados ofrecidos por el mismo.  “Easy to use”, debe ser fácilmente manejable por parte del usuario. Si bien es verdad que se refiere al modelo, una interfaz intuitiva y “friendly-user” puede ser clave a la hora de facilitar el entendimiento del mismo al usuario.  “Complete”, debe ser profundo y detallado en los elementos más relevantes.  “Flexible”, debe tener la capacidad de modificarse y volver a estar operativo, con facilidad y rapidez. Un modelo debe ofrecernos la posibilidad de parametrizar muchos de sus atributos, de igual manera se debe intentar poder facilitar la modificación de las relaciones del sistema y sus entidades, aunque esto último aumenta la dificultad y complejidad del modelado, por lo que se debe de encontrar un punto intermedio. Simulación, marco teórico Máster Universitario en Logística 21 3.1.3. Etapas de una simulación A la hora de realizar una simulación se siguen los siguientes pasos o etapas (Banks et al., 1996): 1. Planteamiento del problema: debe tratarse con el cliente y dejar acordados y cerrados los siguientes puntos concernientes a la simulación que vamos a desarrollar: a. Objeto de la simulación b. Plan de experimentación: tiempo, cantidad y cualidades de los análisis a desarrollar. c. Resultados esperados, análisis a realizar sobre los datos de salida, informes a entregar. d. Interfaz del simulador: complejidad, apariencia e. Determinar si va a ser un trabajo de simulación o de optimización. 2. Definición del sistema: deben definirse perfectamente las características del sistema, el alcance o la frontera hasta donde se quiere realizar la simulación y las diferentes interacciones con el medio ambiente que se vayan a considerar 3. Formulación del modelo: es un punto crítico del proceso, se debe desarrollar un modelo simple que tome y refleje los principales puntos del sistema real. Según quien, y para qué objetivos se elabore el modelo, las características principales a reflejar del sistema real serán unas u otras. A posteriori de este punto, según se vayan completando todas las etapas, se introducirán diversas modificaciones con el objetivo de perfeccionar el modelo y darle una mayor complejidad. 4. Obtención de datos: según el modelo que se haya planteado en el punto anterior, variarán los datos a recoger, así como la cantidad de ellos. Estos datos generalmente son obtenidos de diversas fuentes tanto primarias (pruebas realizadas, mediciones, experimentos, otras simulaciones …) como de fuentes secundarias (tablas, otros proyectos u experimentos …) 5. Implementación del modelo en la computadora: basándonos en alguno de los lenguajes computacionales existentes, que elegiremos según nuestras necesidades y conocimientos. Hay que indicar que ya existen lenguajes específicamente creados para programar simulaciones. 6. Verificación: se verifica la ausencia de fallos o “bugs” en la programación del modelo. Esto puede ser realizado a base de prueba y error o a través de utilidades de “debbuging” ofrecidas por los propios softwares de programación. 7. Validación: en este punto se chequea la precisión del modelo y de su programación, se realiza observando las diferencias entre el modelo y el sistema real. Esto no siempre es posible, ya que para ello debe existir un sistema real coincidente o muy próximo al modelo programado; por ejemplo, si estamos realizando un modelo para determinar si es factible realizar una Desarrollo de un simulador de la producción programado en Excel 22 Alberto Blanco Gonzalez determinada implantación logística en un proceso productivo, no podemos comparar el modelo con el sistema real. 8. Diseño de experimentos: en esta etapa definimos las principales características de las simulaciones a realizar (duración, tamaño del ensayo y cantidad de ensayos). 9. Experimentación: etapa en la que realizamos los experimentos que se habían determinado en el punto anterior 10. Interpretación: llegado este punto es hora de analizar los resultados de los experimentos realizados, poniendo especial atención en aquellos parámetros que tienen de forma inherente una mayor incertidumbre. 11. Implementación: se debe realizar una formación previa y un tutelado en los primeros usos del simulador por parte del cliente de cara a asegurar su correcto manejo en futuras ocasiones. 12. Documentación: a parte de la formación ofrecida, es necesario la elaboración de manuales de uso y documentación técnica. 3.2. Simulación Montecarlo La simulación Montecarlo será la empleada en la simulación de este trabajo y se caracteriza por utilizar números aleatorios de manera uniforme, en el intervalo [0, 1], y realizando una distribución por probabilidades de ese mismo intervalo a diferentes sucesos o resultados. El nombre de “Simulación de Montecarlo”, le viene dado por el casino de la ciudad de Mónaco, ya que utilizó como base los números que salen en la ruleta como fuente de generación de números aleatorios para después implementarlos como fuentes de entrada en un modelo, generando así diferentes resultados aleatorios. 3.2.1. Generación de números aleatorios Cuando vamos a estudiar un sistema mediante simulación, generamos números aleatorios para dotar a la simulación de la incertidumbre que tiene por norma general el sistema real. D. N. Lehmer definió el número aleatorio como “una noción vaga que encierra la idea de una sucesión en la cual, cada término es impredecible para una persona ajena al problema, cuyos dígitos se someten a un cierto número de pruebas, tradicionales para los estadísticos, y depende en cierta forma del uso que se dará a la sucesión”. Todo método de generación de números aleatorios o pseudo-aleatorios debe producir sucesiones de números que tengan las siguientes características: 1. Uniformemente distribuidas. 2. Estadísticamente independientes 3. Reproducibles. Simulación, marco teórico Máster Universitario en Logística 23 4. Sin repetición dentro de una longitud determinada de la sucesión. A la hora de incluir aleatoriedad en un modelo, utilizaremos un generador de números aleatorios. Es posible crear números randomizados con todo tipo de funciones de distribución, aplicando números aleatorios U (0, 1) a la inversa de la función. No obstante, para algunas funciones como N (0, 1) no es factible realizar la función inversa, por lo que también citaremos posteriormente algún método para generar números aleatorios aplicados a funciones N (0, 1). Una vez generados, estos números aleatorios son introducidos como parámetros de entrada en el modelo creado para simular las diferentes distribuciones de probabilidad requeridas, para recrear las condiciones del sistema real. Vamos a ver algunos de los métodos de generación de U (0,1)  Método de los cuadrados medios: consiste en comenzar cogiendo un número al azar de 2n cifras, llamado semilla (x0 y multiplicarlo por sí mismo dándonos un resultado cualquiera. A continuación, tomamos las 2n cifras centrales del número obtenido como parte de nuestro número aleatorio y repetimos la operación de forma indefinida encadenando los números obtenidos. Podemos coger cualquier tramo de esta secuencia, para la semilla 3789 hemos obtenido la siguiente secuencia de números aleatorios: 35657092296485297438323848… Ilustración 13. Método de cuadrados medios. Ejemplo. Como principales contraintes podemos encontrar que determinadas semillas produzcan una repetición cíclica infinita (ver ejemplo x0 – 1358, donde x5 y x9 coinciden) o que sea irresoluble (ver ejemplo x0 – 2334). Desarrollo de un simulador de la producción programado en Excel 24 Alberto Blanco Gonzalez Ilustración 14.Método de cuadrados medios. (xo: 2334 y 1358)  Método de Lehmer: el procedimiento de Lehmer para generar números aleatorios es el siguiente: o Se genera una semilla (xo) al azar de n cifras y un factor multiplicador (m) de k cifras o Se multiplica xo y k, generando un nuevo número de n+k-1 cifras o De este nuevo número se obtiene el valor las últimas n cifras, restándole el valor de las primeras (k-1) cifras. o Repetimos este proceso de forma indefinida. Ilustración 15. Método de Lehmer. Ejemplo. Simulación, marco teórico Máster Universitario en Logística 25  Métodos congruenciales: dos números (a y b) son congruenciales con un módulo (m) si se da la siguiente propiedad: que (a-b) sea divisible por m, es decir que el resto de la fracción (a-b) /m sea cero. Para la generación de números aleatorios con este sistema se emplea la siguiente fórmula: 𝑋𝑛+1 ≡ 𝑎𝑛+1 ∙ 𝑋𝑛+ 𝑏 (𝑚ó𝑑𝑢𝑙𝑜 𝑚) Tabla 1. Métodos congruenciales De esta forma los números aleatorios extraídos pertenecen a [0, m-1). Se da que en determinado momento una determinada semilla ya ha salido anteriormente, por lo que entraríamos en una sucesión de ciclos repetitivos. Está demostrado que cuanto más alto sea el valor de m, más alejado será el momento en que esto ocurra. Ejemplo: Tabla 2. Ejemplo métodos congruenciales Desarrollo de un simulador de la producción programado en Excel 32 Alberto Blanco Gonzalez Ilustración 24. Tabla de funciones matemáticas más utilizadas 4.1.1. Generación de números aleatorios en Excel La función =ALEATORIO(); o =RAND() en inglés, sirve como su propio nombre indica para la generación de números pseudo-aleatorios. En versiones anteriores a 2003 empleaba un algoritmo de creación de números pseudo-aleatorios que no satisfacía algunos de las pruebas estándar de aleatoriedad. A pesar de que esto solamente tendría incidencia en aquellos usuarios que emplearan dentro de un mismo sistema a partir de un millón o más de números aleatorios, a partir de 2003 el algoritmo fue mejorado para pasar estas pruebas estándar (llamadas pruebas Diehard). Esta nueva forma más eficaz de generar números aleatorios, está basada en el algoritmo de Mersenne Twister, que fue elaborada por Makoto Matsumoto y Takuji Nishimura, y toma su nombre debido a que la longitud del periodo es un número primo de Marsenne. Un número de Marsenne, se trata de un número resultado de restar una unidad a cualquier potencia de dos. 𝑀𝑛= 2𝑛− 1 Por lo que un número primo de Marsenne es cualquiera de los números de Marsenne que sea primo. Desarrollo del simulador Máster Universitario en Logística 33 Ilustración 25. Tabla de números primos de Marsenne. (Fuente: https://bit.ly/2WBma17) 4.2. Sistema y modelo Como se ha definido en el punto 3.1.2. “Sistemas”, un sistema es “una sección de la realidad que es el foco primario de un estudio y está compuesto de componentes que interactúan con otros de acuerdo a ciertas reglas dentro de una frontera identificada para el propósito del estudio”. En nuestro caso la sección de la realidad que será foco de nuestro estudio, será el taller Lean, acondicionado para desarrollar la tercera producción, y será programado en un modelo tal que nos permita modificar parámetros como la cantidad de bases que hay que dotar para mantener el flujo tenso, pero sin romperse, la cantidad de secciones, o la rapidez de los operarios. Todos esos parámetros tendrán diversos valores, los cuales serán adoptados según una distribución que tendrá como fuente un número aleatorio. Todo esto será desarrollado a continuación. ESQUEMA DEL SISTEMA A MODELAR  Sistema: Taller Lean  Modelo: Programado en Excel  Entidades: o Solectrón (gama 8 colores - 4 colores por solectrón) (8^4 = 4096 diversidad)  Base  Secciones (Diversidad 8 colores)  Verde  Amarillo  Azul  Rojo Desarrollo de un simulador de la producción programado en Excel 34 Alberto Blanco Gonzalez  Verde Claro  Azul Cian  Magenta  Morado o Línea de Montaje  Puesto de montaje 1  Puesto de montaje 2  Puesto de montaje 3  Puesto de montaje 4 o Línea de Reciclean  Puesto de Reciclean 1  Puesto de Reciclean 2  Puesto de Reciclean 3  Lavadora o Stock Inicial  Stock de bases  Stock de secciones (Diversidad 8 – por colores) o Stock Intermedio  Bandeja de salida o Stock Secundario  Stock de bases  Stock de secciones (Diversidad 8 – por colores) SISTEMA - DESCRIPCIÓN DEL PROCESO A continuación, se puede observar un mapa del flujo del proceso de producción 3 de solectrones: Ilustración 26. Lay Out y proceso de la producción 3 Desarrollo del simulador Máster Universitario en Logística 35 PROCESO DE MONTAJE Se comienza con el stock inicial, donde aguardan las bases y las diferentes secciones a ser encicladas en un kit 1 por el picker 2 según la secuencia de producción (a partir de ahora esta secuencia será llamada film firme). De esta forma la primera base con las secciones que vayan a ser montadas en esta, son cogidos por el primer operario del puesto 1 de montaje (M01), este realiza las operaciones indicadas en su ficha de operaciones (FOS) y el solectrón pasa al puesto de montaje 2 (M02). En este momento el operario M01 coge el siguiente kit del stock inicial. Con la misma operativa, el solectrón 1 pasa por los puestos M01, M02, M03 y M04 de manera consecutiva para llegar al Stock Intermedio (S1), donde es ubicado en una bandeja. Cada bandeja corresponde a un número de orden de un cliente que comprende una cantidad de solectrones determinada, cada uno de ellos con unas características determinadas. Ilustración 27. Representación flujo Montaje 1 Un kit se compone de una base más las secciones e insertos que vayan a ser montados en ella. 2 Operario que coloca las bases con las secciones que corresponden, según el orden de producción indicado por el film firme. Desarrollo de un simulador de la producción programado en Excel 36 Alberto Blanco Gonzalez Los solectrones llegarán secuenciados y de manera ordenada a la bandeja, ya el film de producción está elaborado acorde a cada pedido de cada cliente. Hasta que una bandeja no está completa con los solectrones demandados por el cliente, esta no abandona el S1 rumbo al cliente. Ilustración 28. Secuenciación de ordenes. Film de producción. En total en la línea de montaje, a lo largo de los 4 puestos, deben realizarse la totalidad de las siguientes operaciones: 1. Montaje de secciones del primer nivel (x4) 2. Montaje de secciones del segundo nivel (x4) 3. Montaje de insertos del segundo nivel (x2) 4. Montaje de secciones del tercer nivel (x4) 5. Montaje de secciones del cuarto nivel (x4) 6. Montaje de insertos del tercer nivel (x2) Debido a las características geométricas del solectrón, deben respetarse unas reglas básicas de montaje, que siempre y cuando se cumplan, hay libertad para configurar el proceso y orden de montaje. Estas reglas son explicadas en la siguiente ilustración. Ilustración 29. Reglas básicas de montaje del solectrón Desarrollo del simulador Máster Universitario en Logística 37 Como veremos más adelante una correcta distribución (equilibrado de cadenas) de las tareas a realizar, es fundamental para la optimización de la producción, evitando en la medida de lo posible los cuellos de botella. Para ello se ha realizado también una herramienta en Excel que nos ayuda a optimizar el equilibrado de cadenas. PROCESO DE RECICLEAN Una vez los solectrones han llegado al cliente, después de ser utilizados por el mismo, estos son retornados a la línea de producción en las mismas bandejas en los que fueron entregados, y en el mismo orden. De esta forma los kits con los solectrones montados llegan a un stock secundario (S2), donde esperan a ser desmontados en la línea de Reciclean. La línea de Reciclean tiene cuatro puestos R01, R02, R03 y LV (R04). Se comportan de la misma forma que los puestos de montaje, pero a la inversa, R01 toma el primer kit con solectrón que llega a S2 y comienza a realizar sus operaciones de desmonte, una vez terminado pasa el solectrón a R02 y toma el siguiente solectrón a la espera en S2. La única diferencia con el funcionamiento de montaje es el puesto LV, cuyo operario debe realizar operaciones de desmontaje e introducir las diferentes secciones en la lavandería clasificándolas por colores, llegando de esta forma las secciones al S0 de nuevo. Ilustración 30. Representación de flujo Reciclean Puede darse el caso que R01 vaya a tomar el siguiente kit para su desmonte, y no haya ningún kit disponible en S2, dado este caso R01 debería esperar a que el cliente Desarrollo de un simulador de la producción programado en Excel 38 Alberto Blanco Gonzalez libere la próxima bandeja. En el caso de nuestra simulación, el objetivo principal es evitar que pare la cadena de producción y el “one piece flow” sea continuo, sin roturas de flujo, por lo que no se podrá dar esta situación, en caso de darse la simulación se considerará fallida y deberá ponerse a prueba un modelo con otros atributos de entrada. Las operaciones a realizar en la línea de Reciclean son las siguientes: 1. Desmontaje de los insertos del nivel 4 (x2) 2. Desmontaje de las secciones del nivel 4 (x4) 3. Desmontaje de las secciones del nivel 3 (x4) 4. Desmontaje de los insertos del nivel 2 (x2) 5. Desmontaje de las secciones del nivel 2 (x4) 6. Desmontaje de las secciones del nivel 1 (x4) 7. Introducción de manera clasificada de las secciones desmontadas en la lavadora De la misma manera que no se puede realizar el montaje del solectrón de forma libre, sino que había que seguir unas reglas de montabilidad debido a la geometría del solectrón, lo mismo sucede a la hora de su desmontaje. A continuación, las reglas básicas a cumplir a la hora de desmontar un solectrón: Ilustración 31. Reglas básicas de desmonte del solectrón MODELO - DESCRIPCIÓN DEL PROCESO Tomando como base en el sistema anteriormente descrito, se ha procedido a desarrollar el siguiente modelo, que serán explicados en las siguientes ilustraciones y flujograma. Desarrollo del simulador Máster Universitario en Logística 39 En la siguiente ilustración podemos comparar el layout y flujo del sistema, con la adaptación del mismo (modelo). Ilustración 32. Arriba representación del sistema. Abajo representación del modelo. El flujograma del sistema podemos encontrarlo en la ilustración de la siguiente página: Desarrollo de un simulador de la producción programado en Excel 40 Alberto Blanco Gonzalez Desarrollo del simulador Máster Universitario en Logística 41 4.3. Guía de Usuario. El objetivo de este punto es desarrollar una guía de usuario para el cliente de la herramienta de simulación. En ella se dará a conocer el interfaz de la misma, que datos de entrada deben introducirse, cómo y dónde debe hacerse; también nos explicará cómo arrancar la simulación y una vez finalizada, que información nos ofrece de salida y donde encontrarla, así como unas recomendaciones generales de aplicación de estos datos. En la herramienta podemos encontrar 17 pestañas, divididas en cuatro categorías diferenciadas por colores: 1. Simulador a. Simulador 2. Datos de entrada a. Datos Maestros b. Equilibrado de cadenas 3. Datos intermedios de información y cálculo a. Tabla de tiempos b. Datos Eco 4. Modelo y simulación proceso a. Flujograma b. S0 c. M01 d. M02 e. M03 f. M04 g. S1 h. S2 i. R01 j. R02 k. R03 l. LV Se explicará por este orden, salvo por la pestaña 1. Simulador, la cual explicaremos la ultima. 4.3.1. Pestaña 2. Datos maestros. En esta pestaña se deberán introducir los parámetros de la simulación que se va a realizar, en la pantalla se observan dos áreas de entradas de datos, las tablas superiores (Ilustración 33 – Tabla 01), en las cuales se parametrizaran los tiempos en las operaciones de montaje y reciclado correspondientemente, y la tabla inferior, (Ilustración 33 – Tabla 02) en la cual se introducirán los valores de entrada Desarrollo de un simulador de la producción programado en Excel 48 Alberto Blanco Gonzalez 4.3.3. Pestaña 1. Simulador Una vez parametrizados los datos de entrada del simulador, el usuario ya puede comenzar a realizar las simulaciones necesarias, para ello acudirá a la pestaña 1 “Simulador”, donde se encontrará con el siguiente interfaz. Ilustración 43. Interfaz del simulador 1. Lo primero de todo, el usuario debe seleccionar el número de simulaciones que quiere realizar, y como se explica en la nota amarilla: “Para determinar el número de simulaciones a realizar. Escribir "FIN" en la Columna "F", en la fila siguiente al número de simulaciones que se quieran hacer. Ejemplo: si se van a generar 20 simulaciones, debe escribirse "FIN" en la celda F21. No hay un número máximo de simulaciones a realizar, eso si cuantas más simulaciones se realicen más fiable será el resultado, aunque el tiempo de procesado de la simulación será mayor. 2. Botón de arrancar la simulación: pulsando clic en este botón comenzará a realizarse la simulación y a registrarse los datos en la tabla de resultados (5) 3. Información sobre la simulación actual: sirve para mostrar al usuario los datos actuales de inversión a realizar e ingresos previstos, los datos de costes y por tanto de beneficios y rentabilidad de la inversión variarán con cada simulación. 4. Tabla de resultados, donde se muestran los principales indicadores de cada una de las simulaciones realizadas (Lead Time, Tiempo total de producción, nº de roturas de stock, stock promedio, beneficio económico del proyecto, índice de rentabilidad sobre el total de la inversión a realizar). Desarrollo del simulador Máster Universitario en Logística 49 a. Lead time: promedio de los tiempos que tarda un solectrón desde que entra en producción hasta que entra en la lavadora. b. Tiempo total de producción: tiempo total que se ha tardado en realizar la producción y reciclaje de los cien solectrones del proyecto. c. Beneficio económico: diferencia entre los ingresos previstos de la actividad económica, y los gastos incurridos d. Índice de rentabilidad (IR): cociente entre el beneficio neto y la inversión realizada en el proyecto. e. Tiempo total perdido en M01por no disponer de stock en S0. f. Coste en MOD asociado al tiempo total perdido por falta de stock. 5. Tabla donde es calculado el mínimo, el máximo y el promedio de los valores claves, de entre todas las simulaciones, de esta forma se puede obtener una buena imagen global del espectro de valores que puede tomar este sistema en la realidad. 6. Botón de reset: este botón borra los datos de la tabla de simulaciones anteriores. A partir de este punto, se van a explicar el resto de pestañas que se encuentran en el simulador, pero en las cuales ya no tiene que intervenir el usuario, simplemente le serán útiles para obtener información más detallada de la simulación. 4.3.4. Pestaña 4. Tabla de tiempos. En esta pestaña se puede encontrar una tabla en la cual se recogen todos los datos de inicio y fin en todos y cada uno de los puestos por los que han ido pasando todos y cada uno de los 100 solectrones de la simulación. Esta tabla tiene el siguiente diseño: Desarrollo de un simulador de la producción programado en Excel 50 Alberto Blanco Gonzalez Ilustración 44. Tabla de tiempos Desarrollo del simulador Máster Universitario en Logística 51 4.3.5. Pestaña 5. Datos Eco En esta pestaña son calculados los datos relacionados con los resultados económicos de la actividad: Ilustración 45. Pestaña Datos Eco  INGRESOS o Precio de venta medio (solectrón): ingreso por cada solectrón que recibe el cliente. o Producción: cantidad de solectrones que se pretenden producir en el proyecto. Como trabajamos bajo pedido previo (recibimos un film firme de necesidades del cliente) todos los solectrones producidos son vendidos. o Total, ingresos: producto del número de solectrones producidos por el precio medio de venta por cada solectrón.  INVERSIÓN o Dotación bases: cantidad de bases adquiridas al inicio de proyecto, introducido en los parámetros de la pestaña “2. Datos maestros”. o Precio compra base: inversión a realizar por el proyecto por cada base adquirida. o Precio compra anillo: inversión a realizar por el proyecto por cada anillo adquirido. Por cada base hay que invertir en ocho anillos, uno por color. Desarrollo de un simulador de la producción programado en Excel 52 Alberto Blanco Gonzalez o Inversión / base: inversión necesaria a realizar por cada base que incluyamos en la dotación. o Herramientas: inversión inicial a realizar por el proyecto en herramientas por cada uno de los operarios o EPIs: inversión inicial a realizar por el proyecto en Equipos de Protección individual por cada uno de los operarios. o Inversión por operario: la suma de las inversiones a realizar por cada operario. o Numero de operarios o Total inversión operarios: número de operarios por la inversión a realizar por operario. o Total inversión: cantidad total a invertir para comenzar el proyecto.  COSTES o Coste por operario: en cada una de las fracciones de tiempo o Coste de stock (superficie): coste de la superficie a emplear para tener el stock de bases, secciones e insertos cuando no están siendo utilizados en el proceso productivo. o Coste financiero (inversión): coste de financiar la inversión a realizar para el proyecto, puede ser el tipo de interés que nos cobre una entidad financiera externa, en caso de ser este el origen de la financiación, o puede ser el coste de oportunidad de tener nuestros recursos empleados en este proyecto y no en otro, en caso ser una fuente de financiación interna. 4.3.6. Pestaña 6. Flujograma En esta pestaña podemos, por información, ver una representación gráfica del proceso simulado. Corresponde a la ilustración 32 visto en el apartado 3.2. “Sistema y modelo” 4.3.7. Pestaña 7. S0 A partir de esta pestaña comienza el núcleo de la simulación, donde realmente se desarrolla el cálculo de los tiempos y los stocks. En S0, podemos encontrar cuatro distintas tablas:  Tabla Salida: en esta se registran todas las salidas de bases y secciones del stock. En qué tiempo y que secciones son cogidas del stock por el primer puesto M01.  Tabla Entrada: quedan anotadas todas las entradas a S0 a través de la lavadora, cuando finaliza el proceso de reciclaje. Desarrollo del simulador Máster Universitario en Logística 53  Tabla Cálculo: no aporta ningún valor añadido al usuario, simplemente es una tabla necesaria para que el programador pueda realizar operaciones intermedias de cara a calcular el stock en cada momento (Tabla Stock), con los datos de las tablas Salida y Entrada.  Tabla Stock: en esta tabla quedan recogidas ordenadas cronológicamente todas las entradas y salidas de bases y secciones del stock. Las bases están representadas en gris con el número 2, y las secciones por colores y numeradas del 3 al 10. El sentido de esta numeración es para facilitar las labores del programador, y los colores corresponden al color de las secciones y el gris al color de la base. Ilustración 46. Tabla Stock Ilustración 47. Tabla Salida Ilustración 48. Tabla Entrada Desarrollo de un simulador de la producción programado en Excel 54 Alberto Blanco Gonzalez 4.3.8. Pestaña 8 a 11 y 14 a 17. Puestos de Montaje y Reciclaje Todas las pestañas de puestos de montaje y reciclaje tienen la misma configuración, funcionamiento e interfaz, salvo el puesto M01, que a mayores incluye una tabla con la información del film firme (pedidos del cliente secuenciados). Por lo que se limitará la explicación a la pestaña M01, y es extrapolable al resto de puestos de montaje y reciclaje. M01 1. Film de producción (exclusivo de M01) – Ilustración 49: a. Orden de producción: número de solectrón producido, desde el primero hasta el número cien de la producción. b. Bandeja de entrega: número de bandeja en el cual se va a entregar el solectrón al cliente, se encuentran también secuenciadas. c. Nº solectrón dentro de la bandeja d. Film de producción: secuencia de las características de cada solectrón a producir. Ilustración 49. Film de producción (M01). 2. Inicio de la producción (exclusivo de M01) – Ilustración 50: Desarrollo del simulador Máster Universitario en Logística 55 a. Cronometro inicial: momento en que el puesto M01 coge un solectrón de S0. b. Check ¿Espera por falta de stock?: marca una “X” en caso de no quedaran bases disponibles en S0 cuando el operario del puesto M01 haya necesitado cogerla, y ha tenido que esperar a que llegara una nueva base a S0 procedente de la línea de reciclaje. Un alto número de veces que haya sucedido es el principal indicador de una dotación de bases insuficientes. c. Tiempo de espera Ilustración 50. Inicio de la producción (M01) 3. Puestos de montaje/desmontaje – simulación de tiempos – Ilustración 51: a. Identificación de puesto - operación (1) b. Descripción de la operación (2) c. Tiempo empleado en realizar la operación (3) d. Momento en el cual termina de realizar la operación (4) Ilustración 51. Puestos de montaje/desmontaje - simulación de tiempos 4. Check point, transmisión – Simulación de tiempos – Ilustración 52 a. Identificación, descripción del puesto (1) b. Simulación del tiempo de operación del check de calidad (2) Desarrollo de un simulador de la producción programado en Excel 56 Alberto Blanco Gonzalez c. Simulación del tiempo de retoque cuando sea necesario (3) d. Simulación de la transmisión del solectrón al siguiente puesto (4) Ilustración 52. Check de calidad + transmisión 5. Registro de tiempos del puesto – Ilustración 53: a. Tiempo inicial de producción del solectrón en el puesto M0X b. Tiempo final de producción del solectrón en el puesto M0X c. Tiempo total de producción del solectrón en el puesto M0X d. Tiempo teórico de producción del solectrón en el puesto M0X e. Desviación: tiempo teórico – tiempo total. Ilustración 53. Registro de tiempos del puesto 4.3.9. Pestaña 12. S1 - Stock intermedio de producto terminado (bandejas) El cliente puede realizar pedidos (órdenes) desde uno hasta cuatro solectrones dentro del mismo pedido, todos los solectrones del mismo pedido deben ser entregados a la vez. Una vez terminado de montarse el solectrón, este abandona la línea de montaje hacia el stock intermedio de producto terminado (S1), el cual es depositado en la Desarrollo del simulador Máster Universitario en Logística 57 bandeja de entrega al cliente. Este electrón se quedará en la bandeja en espera hasta que la bandeja este completa según la orden del cliente. El interfaz que se encontrará el usuario será el siguiente: Ilustración 54. Tabla de tiempos por bandeja Como se puede apreciar podrá ver dos tablas, la primera de ellas (y resaltada en rojo en la Ilustración 54, el usuario puede encontrar información acerca de los tiempos en que las bandejas han sido completadas y entregadas al cliente. La segunda tabla, más grande, es empleada por el programador para calcular los tiempos reflejados en la primera tabla. 4.3.10. Pestaña S2. Stock inicial de la línea de reciclaje Del mismo modo que el cliente recibe los solectrones terminados en bandejas, en esas mismas bandejas devuelve el producto a la línea de reciclaje. Como devuelve una bandeja con desde uno hasta cuatro solectrones usados, y desde la línea de reciclaje, en el puesto R01 no es posible tratar más de un solectrón a la vez, debemos crear un stock inicial para la línea de reciclaje. El interfaz para el usuario es el siguiente: Desarrollo de un simulador de la producción programado en Excel 64 Alberto Blanco Gonzalez 5.2. Simulación dos. (Once bases) Ilustración 64. Resultados simulación dos. Ilustración 65. Indicadores simulación dos. Tras obtener los resultados de las simulaciones, se puede observar como se confirma el análisis que realizamos en la simulación primera; al reducir el número de bases, y a pesar de haber aumentado el tiempo perdido por roturas de stock, el hecho Optimización de un proceso con la herramienta desarrollada Máster Universitario en Logística 65 de haber reducido la inversión inicial ha conducido a aumentar el beneficio global del proyecto. Ilustración 66. Comparativa de resultados promedios entre simulación uno y dos. Ilustración 67. Gráficos comparativos simulación uno y dos. Tras realizar estos gráficos se puede apreciar perfectamente el aumento de eficiencia entre la simulación uno y dos. Esto conduce directamente a plantearse si con once bases se está siendo óptimos o por el contrario se pueden obtener aún mejores resultados. A continuación, se realizará el mismo análisis que en la simulación uno, con once solectrones se para entre 5 y 40 veces por rotura de stock en S0, lo cual traducido a coste para el proyecto se transforma entre 16,29 € y 165 €. De la misma forma que sucedía en la simulación uno, sigue siendo menos costoso para el proyecto el peor de los escenarios en cuanto a costes de parada que adquirir una base suplementaria. Desarrollo de un simulador de la producción programado en Excel 66 Alberto Blanco Gonzalez Ilustración 68. Ganancias reducción de una base extra. Simulación dos-tres. Visto el análisis realizado, procedemos a realizar la simulación con una base menos (diez). Optimización de un proceso con la herramienta desarrollada Máster Universitario en Logística 67 5.3. Simulación tres. (Diez bases) Ilustración 69. Resultados simulación tres. Ilustración 70. Indicadores simulación tres. Desarrollo de un simulador de la producción programado en Excel 68 Alberto Blanco Gonzalez Ilustración 71. Evolución de resultados (Sim. 1 - Sim. 3) En esta tercera simulación se vuelve a verificar el aumento de beneficio medio del proyecto, en todas sus simulaciones, tanto las más favorables como las menos favorables. A continuación, se puede observar la evolución de los indicadores a través de las diferentes simulaciones: Ilustración 72. Evolución de los indicadores. (Sim.1 - Sim 3.) Como en anteriores ocasiones se analiza a continuación la comparación entre el coste de un solectrón con el coste que supone el tiempo perdido. Optimización de un proceso con la herramienta desarrollada Máster Universitario en Logística 69 Ilustración 73. Ganancias reducción de una base extra. Simulación tres-cuatro. Como se puede ver en la ilustración superior, la inversión en una base (180 €) sigue siendo superior a los costes debidos a la perdida de tiempo debido a falta de stock. Sin embargo en aquellas simulaciones con mayor despilfarro de tiempo se va aproximando al coste de invertir en una base más. Procedemos a simular con nueve bases. Desarrollo de un simulador de la producción programado en Excel 70 Alberto Blanco Gonzalez 5.4. Simulación cuatro. (Nueve bases) Ilustración 74. Resultados simulación cuatro. Ilustración 75. Indicadores simulación cuatro. Optimización de un proceso con la herramienta desarrollada Máster Universitario en Logística 71 Ilustración 76. Evolución de los indicadores. (Sim.1 - Sim 4.) Tras ver los resultados y evolución de los indicadores, estos comienzan a mostrar peores resultados que en la simulación anterior con una base más, aunque solamente en el peor de los escenarios, los más cercanos al mínimo de beneficio en las cincuenta simulaciones. Desde que comenzamos a realizar las simulaciones con doce bases y hasta la simulación anterior con diez bases, el beneficio ha ido en aumento tanto en los mejores como en los peores escenarios de todas las simulaciones realizadas, por lo que se puede asegurar que reduciendo hasta diez bases con una certeza total se ira optimizando el beneficio del proyecto. Desarrollo de un simulador de la producción programado en Excel 72 Alberto Blanco Gonzalez Sin embargo, a partir de nueve bases, se comienza a tener probabilidades de obtener resultados peores que en la simulación anterior, aunque de momento solo en los peores escenarios de la simulación (altas probabilidades de mejorar los resultados con nueve bases). En la gráfica inmediatamente a continuación, se observa como si comparamos el coste del tiempo perdido con nueve bases y el potencial beneficio de reducir una base más, empieza a observarse como aumentan las probabilidades de que los beneficios decrezcan. Ilustración 77. Ganancias reducción de una base extra. Simulación cuatro-cinco. Se procede a realizar la simulación cinco. Optimización de un proceso con la herramienta desarrollada Máster Universitario en Logística 73 5.5. Simulación cinco. (ocho bases) Ilustración 78. Resultados simulación cinco. Ilustración 79. Indicadores simulación cinco.