Análisis de variantes de sistema CONWIP multiproducto para el control de la producción

xxi Equation Chapter 1 Section 1 Trabajo Fin de Grado Grado en Ingeniería de las Tecnologías Industriales Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Autor: Andrés Pérez López Tutor: José Manuel Framiñán Torres Dpto. Organización Industrial y Gestión de Empresas I Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2018 iii Trabajo Fin de Grado Grado en Ingeniería de las Tecnologías Industriales Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Autor: Andrés Pérez López Tutor: José Manuel Framiñán Torres Catedrático de Universidad Dpto. de Organización Industrial y Gestión de Empresas I Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2018 v Trabajo Fin de Grado: Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Autor: Andrés Pérez López Tutor: José Manuel Framiñán Torres El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2018 El Secretario del Tribunal vii A la memoria de mi Padre, siempre presente en cada uno de mis pasos. A mi madre, la persona que nunca tiró la toalla conmigo y me enseñó a ver el lado bueno de las cosas. Esto no sería posible sin vosotros y vuestro ejemplo. ix Agradecimientos Mención especial para mi madre, quien supo ver siempre lo bueno que hay en mí y me hizo dar ese empujón que necesitaba. Eres la personificación del esfuerzo y el cariño de una madre, gracias por hacerme crecer día a día. A mi padre, quien fue un ejemplo de lucha y fortaleza, siempre te dedicaré todas mis victorias. Gracias por ser mi héroe de la infancia. A mi abuelo Andrés, mi referente en el mundo de la Ingeniería y quien me animó a tomar este camino. A mis hermanos: Gonzalo, Irene, Elena, Manuel y Pedro. A mi medio limón, Aida, gracias por sacarme una sonrisa en los momentos duros y ser mi suerte desde que te cruzaste en mi camino. El presente Trabajo de Fin de Grado ha sido realizado bajo la tutela del Profesor Catedrático de Universidad José Manuel Framiñán Torres a quien agradezco el haberme dedicado su tiempo y dedicación siempre que ha sido necesario. Andrés Pérez López Graduado en Ingeniería en Tecnologías Industriales Sevilla, 2018 4.4.4 Módulo Asignación 31 4.4.5 Modelo de simulación para política M-CLOSED 32 4.4.6 Modelo de simulación para política S-CLOSED 33 4.4.7 Modelo de simulación para política M-CLOSED/TOC 34 4.4.8 Modelo de simulación para política S-CLOSED/TOC 35 4.5 Validación de los escenarios 36 4.6 Conclusiones 36 5 Experimentación y Resultados 37 5.1 Medidas de rendimiento 37 5.2 Exposición de resultados 38 5.2.1 Política M-CLOSED escenario UNIF [1,2] 39 5.2.2 Política S-CLOSED escenario UNIF [1,2] 42 5.2.3 Política M-CLOSED/TOC escenario UNIF [1,2] 45 5.2.4 Política S-CLOSED/TOC escenario UNIF [1,2] 48 5.2.5 Política M-CLOSED escenario UNIF [1,6] 51 5.2.6 Política S-CLOSED escenario UNIF [1,6] 54 5.2.7 Política M-CLOSED/TOC escenario UNIF [1,6] 57 5.2.8 Política S-CLOSED/TOC escenario UNIF [1,6] 60 6 Análisis de Resultados 63 6.1 Medidas de rendimiento e impacto de la variabilidad 63 6.1.1 Average waiting time 63 6.1.2 Work In Process 65 6.1.3 Intermediate buffers 66 6.1.4 Finished good inventory 67 6.2 Comparación de políticas de control 68 6.2.1 Entorno UNIF [1,2] 69 6.2.2 Entorno UNIF [1,6] 72 6.3 Escenario de simulación alternativo 76 6.3.1 Política M-CLOSED escenario alternativo UNIF [1,2] 77 Conclusiones 81 Referencias 83 xvii ÍNDICE DE TABLAS Tabla 1. Ventajas de los sistemas de control de la producción 8 Tabla 2. Desventajas de los sistemas de control de la producción 9 Tabla 3. Tiempos de proceso para UNIF [1,2] 27 Tabla 4. Tiempos de proceso para UNIF [1,6] 28 Tabla 5. Sumatorio de tiempos de proceso para cada estación 38 Tabla 6. Hoja 1/3 de resultados de la simulación para M-CLOSED, escenario UNIF [1,2] 39 Tabla 7. Hoja 2/3 de resultados de la simulación para M-CLOSED, escenario UNIF [1,2] 40 Tabla 8. Hoja 3/3 de resultados de la simulación para M-CLOSED, escenario UNIF [1,2] 41 Tabla 9. Hoja 1/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,2] 42 Tabla 10. Hoja 2/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,2] 43 Tabla 11. Hoja 3/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,2] 44 Tabla 12. Hoja 1/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,2] 45 Tabla 13. Hoja 2/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,2] 46 Tabla 14. Hoja 3/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,2] 47 Tabla 15. Hoja 1/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,2] 48 Tabla 16. Hoja 2/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,2] 49 Tabla 17. Hoja 3/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,2] 50 Tabla 18. Hoja 1/3 de resultados de la simulación para M-CLOSED, escenario UNIF [1,6] 51 Tabla 19. Hoja 2/3 de resultados de la simulación para M-CLOSED, escenario UNIF [1,6] 52 Tabla 20. Hoja 3/3 de resultados de la simulación para M-CLOSED, escenario UNIF [1,6] 53 Tabla 21. Hoja 1/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,6] 54 Tabla 22. Hoja 2/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,6] 55 Tabla 23. Hoja 3/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,6] 56 Tabla 24. Hoja 1/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,6] 57 Tabla 25. Hoja 2/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,6] 58 Tabla 26. Hoja 3/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,6] 59 Tabla 27. Hoja 1/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,6] 60 Tabla 28. Hoja 2/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,6] 61 Tabla 29. Hoja 3/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,6] 62 Tabla 30. Sumatorio de los tiempos de proceso para cada tipo de trabajo 76 Tabla 31. Hoja 1/3 de resultados de la simulación en el escenario alternativo 77 Tabla 32. Hoja 2/3 de resultados de la simulación en el escenario alternativo 78 Tabla 33. Hoja 3/3 de resultados de la simulación en el escenario alternativo 79 xix ÍNDICE DE FIGURAS Figura 1. Esquema básico de sistema MRP 4 Figura 2. Esquema básico de sistema Kanban 5 Figura 3. Esquema básico de sistema Kanban de Doble Tarjeta 5 Figura 4. Esquema básico de sistema Kanban Minimal Blocking 6 Figura 5. Esquema básico de sistema CONWIP 6 Figura 6. Esquema básico de sistema híbrido CONWIP-Kanban 7 Figura 7. Esquema del proceso de análisis 15 Figura 8. Esquema del proceso de diseño 16 Figura 9. Estructura jerárquica del software Arena 17 Figura 10. Módulos Create usados en la simulación 19 Figura 11. Módulo Dispose usado en la simulación 19 Figura 12. Módulos Assign usados en la simulación 19 Figura 13. Módulo Seize (izquierda) y módulo Release (derecha) usados en la simulación 19 Figura 14. Módulos Process usados en la simulación 20 Figura 15. Módulos Decide usados en la simulación 20 Figura 16. Módulos Hold usados en la simulación 20 Figura 17. Módulo Batch usado en la simulación 20 Figura 18. Escenario general, con 20 estaciones y 3 tipos de trabajos 29 Figura 19. Módulo Llegada de clientes para un entorno con 3 tipos de trabajos 30 Figura 20. Módulo Salida del sistema para un entorno con 3 tipos de trabajos 30 Figura 21. Módulo Proceso de producción para un entorno con 20 estaciones 31 Figura 22. Módulo Asignación para un entorno con 3 tipos de trabajos 31 Figura 23. Modelo de simulación para política M-CLOSED 32 Figura 24. Modelo de simulación para política S-CLOSED 33 Figura 25. Modelo de simulación para política M-CLOSED/TOC 34 Figura 26. Modelo de simulación para política S-CLOSED/TOC 35 Figura 27. Tiempos de espera para los sistemas TOC 63 Figura 28. Tiempos de espera en M-CLOSED y S-CLOSED 64 Figura 29. Tiempos de espera en los escenarios UNIF [1,6] 64 Figura 30. Representación del WIP frente al número de trabajos y estaciones en entorno UNIF [1,2] 65 Figura 31. Representación del WIP frente al número de trabajos y estaciones en entorno UNIF [1,6] 65 Figura 32. Niveles de los buffers frente al número de trabajos y estaciones para el entorno UNIF [1,2] 66 Figura 33. Niveles de los buffers frente al número de trabajos y estaciones para el entorno UNIF [1,6] 66 Figura 34. Inventario de productos terminados para entorno UNIF [1,2] 67 Figura 35. Inventario de productos terminados para entorno UNIF [1,6] 67 Figura 36. Tiempo de espera medio en escenarios UNIF [1,2] 69 Figura 37. Tiempo de espera medio en escenarios UNIF [1,2] 69 Figura 38. Niveles de WIP en escenarios UNIF [1,2] 70 Figura 39. Niveles de los buffers del proceso productivo en escenarios UNIF [1,2] 71 Figura 40. Tiempo de espera medio en escenarios UNIF [1,6] 72 Figura 41. Tiempo de espera medio en escenarios UNIF [1,6] 72 Figura 42. Niveles de WIP en escenarios UNIF [1,6] 73 Figura 43. Niveles de los buffers del proceso productivo en escenarios UNIF [1,6] 74 xxi Notación w WIP, inventario en proceso (unidades en el sistema) λ Tasa de llegada en unidades/Ud. de tiempo ct Tiempo de ciclo en Ud.de tiempo e.o.c. En cualquier otro caso NSt Número de estaciones de producción NJ Número de trabajos NC Número de tarjetas CONWIP X Hace referencia a las letras A, B, C, D, E, F, G, H, I y J, marcando los tipos de trabajos # Hace referencia a los números enteros entre 1 y 20, marcando el número de las estaciones de producción UNIF [a, b] Distribución uniforme continua entre los valores a y b J St Hace referencia al número de tipos de trabajos del sistema (gráficas de resultados) Hace referencia al número de estaciones del sistema (gráficas de resultados) 1 1 OBJETO DEL TRABAJO 1.1 Objeto del Trabajo El objetivo de este Trabajo de Fin de Grado es el estudio de los sistemas de control de la producción que pueden usarse en un sistema Flow-Shop, con el fin de tener un inventario en proceso constante (Constant Work In Process) dentro de un entorno de fabricación contra stock y multiproducto. Este tipo de sistemas recibe el nombre de sistemas CONWIP multiproducto. Concretamente se estudiarán las variantes que dicho sistema presenta, puesto que se caracteriza por tener varios métodos de actuación en función de la asignación de una serie de parámetros. Dichas variantes se expondrán a un abanico de diferentes escenarios, lo que permitirá extraer conclusiones acerca de cuál es la que ofrece un mayor rendimiento. Para ello, se han modelado los distintos escenarios usando un software de simulación de eventos discretos (ARENA) y se han analizado los resultados obtenidos. Este tema es de especial importancia ya que los sistemas de producción están cambiando en la actualidad, pasando desde la fabricación en serie, a sistemas de producción flexibles y dinámicos que persiguen minimizar el inventario en proceso y a su vez, la reducción de costes. 1.2 Sumario El trabajo se va a estructurar en una serie de bloques que darán linealidad al contenido para hacer más dinámicos los temas a tratar. De esta forma, los conceptos que vayan apareciendo se habrán explicado anteriormente en la medida de lo posible. El primer bloque (formado por los capítulos 1 y 2) planteará el problema al que queremos hacer frente. Consistirá en una introducción a los sistemas de control de la producción de forma que cualquier persona perteneciente al ámbito de la ingeniería pueda entender sin dificultad el funcionamiento y finalidad de estos, así como el objeto de su empleo y los elementos principales que los componen. Una vez expuestos los distintos sistemas de control de la producción, se dedicará a explicará en profundidad el funcionamiento de los sistemas controlados mediante un inventario en proceso constante y un entorno multiproducto (conocidos como sistemas CONWIP), así como las diferentes configuraciones que existen en la actualidad. El bloque concluirá con una explicación más detallada de los sistemas que vamos a usar, así como la justificación de los nuevos modelos planteados. El segundo bloque (formado por el capítulo 3) presentará la metodología que se utilizará para realizar el estudio y posterior análisis de los sistemas presentados. Se expondrá el por qué vamos a usar un software de simulación y los elementos principales del mismo, tomando así una serie de pautas necesarias para entender su funcionamiento, de forma que el uso de un software específico no dificulte la comprensión del trabajo. El tercer bloque (formado por el capítulo 4) definirá el modelado y la validación de los escenarios que vamos a abordar, así como sus distintos elementos y los principales objetivos. De esta forma se dará validez a los modelos implementados y a las restricciones expuestas. Por último, se mostrarán los escenarios y los diferentes módulos que los componen, para entender forma clara y visual el entorno en el que nos encontramos. Este bloque es muy importante dado que la mayor parte de las técnicas de control empleadas para disminuir el inventario en proceso son relativamente recientes y todavía no existe un estudio exhaustivo de ellas. En el cuarto bloque (formado por los capítulos 5 y 6) se van a exponer los distintos resultados obtenidos, así como su posterior análisis y discusión de estos. Este último bloque toma mayor relevancia a la hora de exponer los resultados puesto que nos dará los argumentos necesarios para saber cuál de las configuraciones estudiadas es la óptima para cada tipo de escenario. Por último, se hará una revisión conjunta del trabajo y se enunciarán las conclusiones extraídas tras el análisis de los resultados. Objeto del Trabajo 2 3 2 DESCRIPCIÓN DEL PROBLEMA: EL CONTROL DE LA PRODUCCIÓN EN SISTEMAS CONWIP MULTIPRODUCTO Por sistema de producción, nos referimos a una serie de elementos organizados, relacionados y que interactúan entre sí, que van desde las máquinas hasta las personas, los materiales e incluso los procedimientos. Todos esos componentes relacionados consiguen que los recursos y la información que interviene en el proceso, sea transformada y de lugar a un producto o servicio terminado, obteniendo un resultado de calidad en cuanto a costo y plazo de entrega. Por consiguiente, el correcto diseño de los sistemas de producción será principalmente determinar el conjunto de recursos (máquinas, personas, almacenes, etc.) necesarios para alcanzar unos objetivos productivos definidos de ante mano (satisfacer una demanda determinada, no exceder los tiempos de entrega, minimizar costes, etc.). El problema surge en el momento de controlar el sistema de producción, pues se dispone de muy poca información, que junto con las variaciones hacen complicado definir adecuadamente un sistema tipo, sumándose además el elevado coste de las decisiones de diseño del proceso (maquinaria, personal, …). Por ello, tenemos cierta incertidumbre que condicionará nuestros sistemas de control, como son las previsiones de demanda sujetas a variaciones, los tiempos de proceso estimados o la utilización de los recursos. Frente a esto, surgen una serie de sistemas que tratan de dar respuesta a este problema. Los más destacados son los sistemas MRP, Kanban y CONWIP. Más concretamente este estudio se va a centrar en los entornos multiproducto, es decir, cuando en la planificación tenemos varios tipos de producto, y en cómo el sistema CONWIP es uno de los que mejor se adapta a nuestras necesidades. 2.1 Introducción a los Sistemas de Control de la Producción En este apartado, se analizarán los sistemas usados para la producción y se discutirán distintos sistemas de control de la producción, que pueden optimizar o transformar los procesos para ser más eficientes en costes, tiempos de entrega y calidad. En primer lugar, debemos conocer las tres tipologías básicas de las series de procesos que componen los sistemas productivos, para luego centrarnos en el que nos interese por cuestiones de diseño. Así, nos encontramos:  Procesos de flujo o línea de flujo (Flow Shop): El sistema está organizado de forma que los productos siguen (aproximadamente) la misma ruta.  Procesos de taller (Job Shop): El sistema está organizado en torno a los procesos o recursos, pudiendo seguir cada tipo de producto una ruta distinta.  Proyecto: El producto es único y la organización del proceso de fabricación viene dictado por las características específicas del producto. Descripción del problema: el control de la producción en sistemas CONWIP multiproducto 10 En resumen, esta comparación tiene como propósito enfrentar los sistemas de producción con el fin de clarificar las diferencias entre los distintos mecanismos de funcionamiento y evidenciar las ventajas del sistema CONWIP, objeto de estudio en este trabajo. Por ello, se descarta en primer lugar el MRP (y su variante MRP II), puesto que tiene sus ventajas como un sistema de información completo, pero no es tan válido como sistema de control de la producción al ser un sistema abierto. Además, otros sistemas de control como el CONWIP lo utilizan como herramienta propia y muestran una superioridad frente a este sistema, como se expone en algunas comparaciones realizadas por otros autores como Roderick et al. (1992). Spearman (1990) llega a afirmar que “en un sistema Kanban, generalmente habrá WIP (…) aguas arriba del cuello de botella (…). En un sistema CONWIP, el WIP tenderá a acumularse en el cuello de botella”. Esto se debe a que el bucle que tienen las tarjetas para ser liberadas en el sistema CONWIP es mucho mayor a los pequeños bucles que presentan las tarjetas en los sistemas Kanban, debido a que estos presentan múltiples bucles en secuencia. Por otra parte, la superioridad del CONWIP está en que utiliza menos stock en proceso y un menor número de tarjetas para llegar a controlar el sistema. Esta superioridad la reflejan también los fabricantes, que encuentran una gran ventaja en fijar un valor para el WIP, así se establece ese límite que impide que las órdenes de producción se acumulen como material físico en el sistema. A su vez, se gana flexibilidad y se agiliza la producción y la programación cuando se mantiene este nivel de WIP, evitando de nuevo el exceso de producto o material (empleado en la producción), que de otra forma se eliminaría reflejándose en pérdidas financieras. Por consiguiente, otra ventaja del control del WIP es la reducción de la variabilidad reflejada en el tiempo de ciclo. Esto se refleja mediante la Ley de Little2, donde, manteniendo la tasa de llegada, un aumento en el nivel de WIP (w) se reflejaría en un aumento del tiempo de ciclo (ct), tendiendo a la acumulación del WIP y causando una variabilidad en el tiempo de ciclo. En resumen, limitando el WIP se reduce la variabilidad del tiempo de ciclo, disminuyendo los costes por acumulación de inventario. Por último, tenemos estudios, como el de Bonvik et al. (1998), que destacan la superioridad del sistema CONWIP respecto a otros sistemas de tipo pull. Por todo ello, el sistema de control de la producción a estudiar y analizar será el sistema CONWIP. Además, al tratarse de un escenario multiproducto, se ha reflejado anteriormente que es el sistema CONWIP quien ofrece mejores resultados, el cual realmente funciona tanto con las decisiones basadas en el nivel de inventario (push) como sobre la base de transformar el plan maestro de producción según las necesidades de artículos (pull). 2 Expresión dada por: 𝑤 = 𝜆 ∗ 𝑐𝑡 11 11 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 2.2 CONstant Work In Process al detalle De acuerdo con lo expuesto por Martins y Laugeni (2005), los diferentes sistemas de control de la producción, Pull y Push, no tienen que ser mutuamente excluyentes, pueden coexistir. Aunque presentan diferencias significativas entre ellos. Su aplicabilidad dependerá del tipo de sistema (o fábrica) y de las características de la demanda de los clientes. Por ello, CONWIP se presenta como un sistema híbrido de control de la producción, compartiendo los reducidos niveles de inventarios propios del Kanban. Mantener constante el inventario en proceso (que equivale a la nivelación de la producción propia del Kanban), autorizar la producción solo cuando llegue el cliente (propio de los sistemas pull), el chequeo de los cuellos de botella para verificar la capacidad, tener en cuenta la variabilidad, reconocer el MRP como sistema de información o las ventajas de los sistemas push a la hora de limitar el inventario, son algunos conceptos que acuñaron sus creadores, Wallace Hopp y Mark Spearman (1995). En resumen, el sistema CONWIP utiliza tarjetas para poder controlar de forma eficaz el nivel de inventario en proceso. Dichas tarjetas se asignan a cada trabajo (producto, pieza, contenedor, etc.) al comienzo de la línea de producción. Cuando dicho trabajo es procesado en la última estación, se envía a la línea de inventarios de productos terminados. Una vez que el cliente se lleva el producto terminado, se libera la tarjeta y es enviada de nuevo al comienzo de la línea, donde esperará para ser asignada a otro trabajo. Esto limita en gran medida el inventario en proceso, pues ninguna orden de trabajo puede entrar a la línea de producción si no está acompañada de su tarjeta. 2.2.1 Consideraciones A continuación, se expondrán una serie de consideraciones que definirán de forma más detallada el funcionamiento del sistema:  Una tarjeta acompaña a cada trabajo (o conjunto de piezas, contenedor, etc.) al inicio de la línea de producción.  Cuando el trabajo llega al final de la línea, la tarjeta queda liberada, extrayéndose de dicho trabajo y enviándose al principio de la línea.  La tarjeta espera en una cola a la espera de la asignación de un nuevo trabajo. La asignación generalmente se realiza mediante el criterio FCFS.  En ningún caso un trabajo entrará a la línea de producción si no tiene una tarjeta asignada, aunque la primera estación de la línea esté ociosa.  Las tarjetas son utilizadas para controlar el WIP total a lo largo de cada punto del sistema.  La tarjeta autoriza tanto el transporte del trabajo dentro del sistema como su producción.  La tarjeta se adhiere a un nuevo trabajo cuando existe una nueva demanda.  Las tarjetas limitan el WIP total del sistema, siendo este nivel constante. Descripción del problema: el control de la producción en sistemas CONWIP multiproducto 12 2.2.2 Determinar el número de tarjetas Como todo sistema de control de la producción, su objetivo principal es reducir los costes asociados a la producción. El sistema CONWIP consigue esta reducción de coste mediante unos niveles de inventario en proceso reducidos y constantes. Esta reducción se consigue mediante la correcta determinación del número de tarjetas, problema para el que aún no hay una regla definida. Se busca conseguir ese número de tarjetas mediante un equilibrio entre el nivel de servicio (tasa de salida) que se quiere alcanzar y el inventario en proceso que se quiera mantener. Sin embargo, para la determinación del número de tarjetas, se puede acompañar los modelos de simulación con los valores obtenidos mediante la fórmula de Hopp y Spearman (1995), que estima el número de tarjetas necesarios en función del Throughput (TH) y nos da una primera estimación del valor óptimo: 𝑇𝐻(𝑤)=𝑤 ∗ 𝑟 𝑤 + 𝑊− 1 Donde, 𝑤 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑡𝑎𝑟𝑗𝑒𝑡𝑎𝑠 𝑟= 𝑇𝑎𝑠𝑎 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑐𝑢𝑒𝑙𝑙𝑜 𝑑𝑒 𝑏𝑜𝑡𝑒𝑙𝑙𝑎, 𝑒𝑛 𝑡𝑟𝑎𝑏𝑎𝑗𝑜𝑠 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜 𝑊= 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑡𝑎𝑚𝑎ñ𝑜 ó𝑝𝑡𝑖𝑚𝑜 𝑊= 𝑟∗ 𝑇 𝑇= 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑐𝑖𝑐𝑙𝑜 𝑔𝑙𝑜𝑏𝑎𝑙 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 2.2.3 Secuenciación de los trabajos La secuenciación hace referencia a elegir qué tipo de trabajo debe entrar en el sistema y, por consiguiente, la configuración adecuada de las tarjetas para cada tipo de trabajo, cuando estamos en un entorno de fabricación con más de un tipo de producto. Esta configuración es importante debido a que, al tener varios productos, se tiene que comprobar si los distintos trabajos comparten el cuello de botella o este es dependiente del trabajo que entre al sistema (el concepto de cuello de botella se tratará de forma concisa más adelante). Esta cuestión suele generar conflicto, pues al no tener reglas definidas, un fallo en la secuenciación de las órdenes puede generar una acumulación de los trabajos durante el proceso, dificultando el establecimiento de las prioridades de los trabajos conforme a las fechas de entrega a los clientes. Por ello, en entornos contra stock la decisión debe enfocarse en la ordenación de los trabajos en los buffers intermedios y la correcta regla de entrada de los trabajos en el sistema. Spearman et al. (1990), establece que la mejor regla entre estaciones es la regla FCFS, conclusión a la que también se llegan en estudios como los de Duenyas (1994) y Framiñán et al. (2000). 13 13 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 2.3 Políticas de control para el Sistema CONWIP Como se ha mencionado anteriormente, CONWIP es aplicable a muchos entornos productivos, funcionando tanto con las decisiones que se basan en el nivel de inventario (Pull), como con las decisiones propias del Plan Maestro de Producción para las necesidades de artículos (Push). Por tanto, desde el concepto original han ido surgiendo distintas aportaciones y otras tantas modificaciones. Estas modificaciones surgen a raíz de elegir la correcta programación de los trabajos de forma dinámica en los sistemas, tomando una serie de decisiones con respecto a ciertos parámetros de entrada, como es la forma de liberar las órdenes de trabajo (tarjetas) de nuestro sistema. Para un sistema CONWIP multiproducto, se definieron en un primer momento dos políticas de control para la liberación de las órdenes de trabajo (Duenyas 1994), que son las políticas S-CLOSED y M-CLOSED. Por ello, a continuación, se empezará tratando y presentando ambas políticas. Posteriormente, se expondrán nuevas variaciones surgidas a partir de ambas políticas de control. 2.3.1 Política S-CLOSED Conocida como Single-chain Closed-Loop input policy, es una política de entrada de bucle cerrado con cadena única. Se trata de implementar un sistema que usa solo un tipo de tarjeta que se adjuntará a todas las órdenes de trabajos que vayan a entrar, independientemente del tipo. Su funcionamiento es simple, la entrada de un nuevo trabajo al sistema se produce cuando otro trabajo es retirado del inventario de productos terminados, pero ambos trabajos no tienen por qué ser del mismo tipo, es decir, puedo retirar un trabajo de tipo B y entrará al sistema uno del tipo A. Así, la entrada al sistema es independiente del tipo de trabajo que sale, pues se utiliza una misma tarjeta para todos los trabajos, lo que permite llevar el control de inventario total dentro del sistema de forma adecuada y compacta. 2.3.2 Política M-CLOSED Esta política consiste en establecer un conteo de tarjetas para cada tipo de producto, definiendo la entrada de tarjetas como un bucle cerrado con cadena múltiple. Así, la entrada de un nuevo trabajo es autorizada cuando se ha retirado del inventario de productos terminados un trabajo del mismo tipo, liberando así la tarjeta asociada. De esta forma, se lleva un control más detallado del inventario presente en el sistema, puesto que se define un número concreto de tarjetas asociadas a cada tipo de trabajo, limitando así el número de trabajos de cada tipo en el proceso de producción. Esta política también permite adaptar más el sistema a la demanda al poder establecer un número de tarjetas distintas para cada tipo de trabajo. De esta manera, la calidad del servicio se puede mantener aumentando las tarjetas para los tipos de trabajos que presenten una mayor demanda, dejando un número de tarjetas menor para aquellos que presenten una demanda más reducida, permitiendo así controlar el WIP total y adaptarlo a las diferentes situaciones. 2.3.3 Sistema TOC Este tipo de sistema es muy útil en entornos con un cuello de botella marcado, aludiendo así a la Teoría de las Restricciones (Theory Of Constraints - TOC). La teoría TOC expone que hay ciertos procesos con restricciones en la capacidad, dictadas por el tiempo de la producción. Como respuesta surge el método DBR (Drum Buffer Roper), que busca reconocer dicha restricción y propone un sistema alternativo basado en el sistema de control de la producción aplicado, evitando así la transmisión de fluctuaciones en los procesos. En este caso, el sistema propuesto hace que la recirculación de las señales (tarjetas) no se produzca una vez que el producto ha sido entregado al cliente, sino cuando ha finalizado su paso por la estación en la que se encuentra el cuello de botella. Una vez que la tarjeta ha sido liberada en la estación correspondiente del cuello de botella, el mecanismo empleado en las operaciones de las estaciones siguientes es Push, marcado hasta el final del sistema. Descripción del problema: el control de la producción en sistemas CONWIP multiproducto 14 De esta forma, este sistema da lugar a dos políticas más, una de S-CLOSED/TOC y otra de M-CLOSED/TOC. Para hacer estas dos variantes óptimas, la entrada de las nuevas órdenes de trabajo se realizará con mayor o menor frecuencia en función del punto de inventario final, evitando así acumulaciones innecesarias de inventario que podrían alterar los resultados. 2.4 Conclusiones En resumen, dejar de implementar mejores resultados y sistemas de control en las empresas significaría dar ventaja a la competencia. Por ello, las diferentes políticas de los sistemas CONWIP multiproducto mostradas, representan distintas opciones estratégicas para competir en el mercado y buscar un mayor beneficio para la propia empresa. Esto se consigue mejorando el servicio a los clientes y buscando una forma de optimizar los recursos, mediante diseños mejores, disminuyendo los tiempos de servicio, evitando costes de inventario, etc. Elegir cuál de las políticas se debe implementar en las líneas de producción de una empresa es una tarea complicada, puesto que la información existente acerca del funcionamiento de algunas de ellas es muy limitada. Esto es debido a la inexistencia de un marco de directrices unificado para modelar los sistemas de control de la producción, llegándose a encontrar resultados contradictorios para muchos autores (Framiñan et al. 2003 o Gstettner et al. 1996 son algunos ejemplos). Para dar una solución a este problema, se procederá a realizar un estudio mediante la construcción de modelos simulados de las políticas de control del sistema CONWIP multiproducto. Estos modelos, que se pretenden construir, simular y analizar, pretenden reproducir las diferentes situaciones y complejidades con las que se encuentran las empresas. Para ello, se presentarán una serie de escenarios diferentes, con el fin de encontrar un marco comparativo válido. 15 3 DESCRIPCIÓN DE LA METODOLOGÍA En todas las actividades productivas, se busca alcanzar el máximo beneficio. Pero surge un problema, experimentar sobre nuestro propio sistema no es sencillo ni recomendable, por ello se intentan crear situaciones similares y parejas que se acerquen a nuestro sistema (modelos o prototipos). El conjunto de herramientas que nos permiten evaluar nuestro sistema es muy variado, desde herramientas básicas de calidad (diagrama DAFO, curvas de rendimiento, etc.) a otras más avanzadas. Dentro de este abanico de opciones, se encuentra el software de simulación, como herramientas o alternativas para simular procesos y escenarios, desde simulaciones de carácter general, a otras más específicas. Así, la simulación es el elemento esencial de la planificación para llevar a cabo la presupuestación y estimación de futuras necesidades de una empresa. A continuación, se presentará la simulación como un método viable y el conjunto de herramientas que permiten llevarla a cabo. Posteriormente, se tomará una de las herramientas mencionadas con el fin de que sea la que más se adapta a las necesidades de este estudio. Esta herramienta, Arena Simulation, será presentada para poder conocer su forma de actuar y comprender su funcionamiento. Por último, se expondrán los escenarios realizados mediante la simulación, para posteriormente aplicarlos a las variantes del sistema CONWIP multiproducto. 3.1 El concepto de simulación La simulación “es el proceso de diseñar un modelo de un sistema real y llevar a cabo experiencias con el mismo con la finalidad sea de aprehender el comportamiento del sistema o de evaluar diversas estrategias para entender el funcionamiento del sistema”3. Por ello, la simulación es la opción elegida a la hora de realizar este trabajo, puesto que presenta grandes ventajas que permiten modelar un marco comparativo real. Así, la aplicación de la simulación a nuestro sistema busca alcanzar unos objetivos que quedan recogidos en los siguientes puntos (Schmidt 1995):  Análisis del sistema existente: Se busca mejorar la comprensión y optimizar el sistema mediante la evaluación de distintas estrategias frente al mismo problema. Se consigue así, obtener un ciclo de mejora continua que permite adaptar al máximo el sistema implementado a la realidad. 3Definición por Robert Shannon, 1975. Figura 7. Esquema del proceso de análisis [Fuente: Espinosa 2012] Descripción de la metodología 16  Diseño de nuevos sistemas: En este punto, enfrentamos el problema a nuevos modelos para obtener otras soluciones que minimicen los aspectos negativos del sistema real y se adapten al proyecto. Con todo ello, la simulación consigue crear un modelo del sistema y evaluar las distintas modificaciones sobre el mismo evitando el riesgo y con coste cero. A continuación, se realizará una introducción a las distintas herramientas de simulación, para posteriormente elegir la que más se ajuste a la realización de este proyecto. 3.2 Herramientas de simulación La simulación de los sistemas productivos se realiza con programas de simulación por eventos discretos, esto es, sistemas que cambian el estado interno del sistema debido a la ocurrencia de algún evento, como puede ser la entrada de nuevas órdenes de trabajo o terminar el tiempo de proceso en una estación. A su vez, los modelos generados en la simulación pueden clasificarse en dos grupos, deterministas o estocásticos, según la naturaleza de sus variables. En el primer grupo, los modelos deterministas, se encuentran aquellos modelos que en función de unos parámetros y variables de entrada siempre va a producir la misma salida. Por otro lado, en el segundo grupo, los modelos estocásticos, se encuentran aquellos modelos que sí tienen en cuenta variables aleatorias, lo que generará distintas variables de salida cada vez que se realiza una ejecución del modelo. En este análisis, emplearemos los modelos que engloba este segundo grupo, puesto que los sistemas productivos a menudo están ligados a las variables aleatorias (variaciones en la demanda, disponibilidad de materiales, …). El hecho de simular dichos modelos estocásticos implicará la realización de múltiples simulaciones, cuyo fin será analizar el comportamiento de las variables de interés dentro del sistema. Para realizar los modelos, existen herramientas de simulación comerciales como ProModel, Aspen Plus, Simio, Arena, etc. En general, estos programas pertenecen a grupos empresariales que proporcionan a su vez herramientas de ingeniería, diseño, y visualización, facilitando la integración de estos programas mediante la incorporación de librerías, consiguiendo que la modelización de los distintos sistemas sea sencilla. En resumen, mediante las herramientas de simulación presentan una serie de ventajas que convierten a la simulación en un método efectivo de obtener resultados fiables (Fishman 1997):  Se reduce el tiempo de desarrollo y actuación del sistema.  Permite la experimentación de manera artificial del sistema.  El coste se reduce al uso de las licencias de los software de simulación.  Es una técnica más sencilla que el empleo de modelos análiticos y permite realizar un modelo de los escenarios a tratar y permite añadir cualquier tipo de restricción  No afecta al sistema real, evitando el desgate y permitiendo controlar la simulación en todo momento  Permite verificar y validar los modelos, comparando los datos obtenidos con sistemas reales  Mediante la hoja de resultados se pueden analizar las principales salidas del sistema simulado, logrando un ciclo continuo de optimización Dentro de este grupo se encuentra el software Arena Simulation, que es el elegido (después de un proceso de selección) para realizar este proyecto. La elección de este software está basada en su utilidad a la hora de la simulación de sistemas productivos con una complejidad media y elevada, dando una gran consistencia a los modelos tanto en la fase de diseño como en la fase de mejora, destacando su carácter intuitivo y visual. Figura 8. Esquema del proceso de diseño [Fuente: Espinosa 2012] 17 17 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 3.3 Arena Simulation Arena es una herramienta que consigue combinar la facilidad de los simuladores de alto nivel con la flexibilidad de los lenguajes de programación (como lenguaje C o Microsoft), consiguiendo la correcta adecuación del nivel de programación necesario dentro del mismo modelo (Allende 2000). Es un software orientado al proceso, permitiendo la descripción de la experiencia que las entidades desarrollan en el interior del sistema. Todo ello se consigue a través del modelamiento de plantillas basadas en diagramas de flujo. Estas plantillas se organizan en distintos paneles intercambiables que contienen unidades gráficas llamadas módulos (bloques específicos), de forma que la creación de los modelos está asistida gráficamente en todo momento. La flexibilidad a la hora de realizar el modelado se debe a su estructura jerárquica, que engloba el uso de componentes SIMAN para formar los módulos y la posibilidad de importar archivos de otros programas como Visual Basic, AUTOCAD o Microsoft Office. La versión que se utilizará para este proyecto es la 14.00. Figura 9. Estructura jerárquica del software Arena [Fuente: Gómez 2006] Descripción de la metodología 18 3.4 Nociones básicas del programa En este apartado se van a definir las partes que intervienen en un modelo de simulación (Kelton et al. 2008):  Entidades: Representan cualquier objeto real que se mueve a través del sistema pudiendo causar cambios en los estados del sistema o interaccionar con otras entidades. Son los objetos dinámicos en la simulación. En este proyecto utilizaremos las entidades para representar las órdenes de trabajos, trabajos en proceso y los clientes.  Atributos: Se utilizan para individualizar y caracterizar las entidades, diferenciándolas de las demás. Los valores de los atributos están unidos a entidades específicas, tomando así el carácter de variable local. Como ejemplo de atributo nos encontramos los tiempos de proceso, que serán propios de cada orden de trabajo.  Módulos: Los módulos son los elementos básicos con los que se construyen todos los modelos, permitiendo describir la dinámica asociada a los procesos del sistema, siendo los nodos de la red del sistema por la que circulan e interaccionan las entidades.  Recursos: Representan aquello que es necesario para realizar un proceso, esto es, un operario, máquina, herramienta, etc. Dichos recursos son elementos estáticos donde se alojan las entidades, mostrando los posibles estados definidos por el programador (ocupado, libre, etc.). En concreto, en este proyecto los operarios que trabajan en las diferentes estaciones serán representados como recursos, existiendo uno por estación. Si fuera necesario se podría incluir más de un operario (recurso) por estación, aumentando así la velocidad de esta.  Colas: Caracterizan a los buffers, que son los espacios donde las entidades esperarán su movimiento dentro del sistema cuando un recurso o estación esté ocupado.  Estaciones: Son los subsistemas existentes en el modelo, haciéndolo más manejable y proporcionando la definición del movimiento entre las entidades.  Transporte: Representa la conexión entre las distintas estaciones. En este proyecto se establece una conexión directa entre estaciones con una duración de cero unidades de tiempo, aludiendo al transporte instantáneo definido anteriormente.  Variables: Es parte de la información que refleja las características del sistema. No hay un límite establecido para el número de variables en relación con el número de entidades. Dentro del software se emplean dos tipos de variables, las definidas por Arena (como el número de entidades o número de recursos ocupados) y las variables creadas por el programador. Al contrario que los atributos, las variables tienen un carácter general dentro del sistema, siendo accesibles por todas las entidades para su obtención.  Acumuladores estadísticos: Se utilizan para conseguir medidas de rendimientos o salidas llevadas a cabo por el sistema. Pueden estar definidas por el programador y hacer uso de varias variables que actúen como acumuladores. Un ejemplo es el tiempo medio de espera en cola o el porcentaje de ocupación de las estaciones.  Reloj de Simulación: Es la variable principal del sistema, donde se recoge el tiempo actual de la simulación, marcando el transcurso de los eventos. 19 19 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 3.5 Módulos Los módulos se consideran el bloque básico de construcción para definir los diferentes modelos en Arena. Por ello, se expondrán brevemente los módulos usados en las diferentes simulaciones con el fin de agilizar el entendimiento de los modelos.  Create: Es el módulo que crea nuevas entidades. Para definirlo, se debe proporcionar un tiempo entre llegadas (tasa de entrada), definir el número y tipo de entidades por llegada.  Dispose: Es el módulo que permite a las entidades abandonar el sistema. Indica la tasa de salida del mismo, permitiendo recolectar las estadísticas de cada entidad (como el tiempo promedio en el sistema).  Assign: Este módulo se emplea para asignar los valores a las variables y las características a las entidades (atributos, tipo, etc.), pudiendo relacionar variables y entidades facilitando el reporte de estadísticas.  Seize/Release: El módulo Seize permite asignar recursos a las distintas entidades presentes el sistema. Consta de un buffer (cola) donde esperan las entidades hasta que haya un nuevo recurso libre para poder ser asignado. Por el contrario, el módulo Release representa la liberación del recurso. Para este proyecto, se emplearán para asginar y liberar las tarjetas de las órdenes de trabajo. Figura 10. Módulos Create usados en la simulación [Fuente: Elaboración propia] Figura 11. Módulo Dispose usado en la simulación [Fuente: Elaboración propia] Figura 12. Módulos Assign usados en la simulación [Fuente: Elaboración propia] Figura 13. Módulo Seize (izquierda) y módulo Release (derecha) usados en la simulación [Fuente: Elaboración propia] Modelado y validación 26 4.3 Escenario de simulación Para realizar este estudio no se va a disponer de un único escenario de simulación, sino que tendremos una combinación de diversas configuraciones en función de los siguientes valores:  Número de estaciones: El número de estaciones vendrá determinado por el número de máquinas dentro del sistema. Cada máquina tendrá de un buffer propio para la entrada de trabajos. Se estudiarán 5 niveles distintos de 4, 8, 12, 16 y 20 máquinas.  Transporte entre estaciones: Se define un transporte instantáneo entre estaciones.  Número de trabajos: El número de trabajos hace alusión a distintos tipos de productos a fabricar, creándose 3 niveles distintos de 3, 5 y 10 trabajos diferentes. El tipo de trabajo estará asignado por una letra, siendo estas A, B, C, D, E, F, G, H, I y J. El tipo de trabajo que entrará al sistema vendrá dado de forma aleatoria.  Tiempos de proceso: Para cada máquina se asignará un tiempo de proceso aleatorio para cada trabajo distinto, dados por una distribución Lognormal (Media, Coef.Variación). La Media de la distribución vendrá indicada por una distribución uniforme, comprendida en 2 niveles distintos, una UNIF [1,2] y otra UNIF [1,6]. Los tiempos de procesos se exponen en las tablas 1 y 2. No se contemplará el reprocesado ni otras paradas por planificación o avería.  Política empleada: Se analizarán las distintas políticas para cada escenario empleado, sin prescindir de ninguna, aunque la mayoría de los escenarios (o su totalidad) sean desfavorables.  Variabilidad: Como en todo sistema, debe existir una variabilidad a la que el sistema debe hacer frente y la cual no se puede controlar, ya sea causada por el operario, la máquina o cualquier otro tipo de imprevisto. Esta variación vendrá recogida dentro del tiempo de proceso en su Coef.Variación mediante 3 niveles distintos, baja variación (Coef. = 0.25), media variación (Coef. = 0.75) y alta variación (Coef. = 1.5).  Regla de entrada: La llegada para cada estación se va a regir por la regla FCFS (First-come, first-served), ejecutándose los pedidos en el orden que lleguen a la estación y pasando el resto a formar parte del buffer. Usamos esta regla debido a que es la que mejor resultados ofreció en el estudio comparativo de las distintas reglas de entradas llevado a cabo por Framiñán et al (2000), donde la comparativa se llevó a cabo para un sistema CONWIP y las distintas políticas que se pueden aplicar.  Tasa de llegada: La tasa de llegada de las órdenes de trabajo simulará a la demanda, que será de una orden de trabajo por cada cuatro unidades de tiempo para el escenario UNIF [1,2]. Para el escenario UNIF [1,6] vendrá promediada en función de los tiempos de proceso para evitar saturaciones (se tomará un tiempo entre llegadas de siete unidades de tiempo). Dicha simulación de la demanda contará con que habrá la misma probabilidad de ser elegido un tipo de trabajo u otro por los clientes. Con estas dos tasas se pretende tener un escenario donde la producción no dependa de la congestión de las estaciones de trabajo (máquinas) y otro en el que el correcto funcionamiento del sistema si dependa de las estaciones.  Periodo de simulación: El periodo de simulación comprenderá de un mínimo de 20 000 unidades de tiempo, con un warm-up (puesta a punto) de 2 000 unidades de tiempo. Este periodo se incrementará en función de obtener unos resultados más fiables.  Set-Up: Los tiempos de set-up no son considerados. A parte de estos parámetros, se tendrá en cuenta un entorno make-to-stock y la espera de la demanda no servida por parte de los clientes. Con todo ello, se pretende dar lugar distintos escenarios (360 en total) que puedan simular correctamente distintos tipos de sistemas en función del número de estaciones de procesado, tipos de trabajos y variabilidad aplicada. Los parámetros que posteriormente serán objetivo de estudio en los resultados serán principalmente el Fill rate (con un 95% de intervalo de confianza), los tiempos de espera (Average Waiting time), los buffers intermedios (Intermediate buffers), las entregas efectuadas correctamente (Finished godos inventory), el WIP, y las unidades procesadas (Processed units). 27 27 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Average process times* Job type Station 1 St. 2 St. 3 St. 4 St. 5 St. 6 St. 7 St. 8 St. 9 St. 10 St. 11 St. 12 St. 13 St. 14 St. 15 St. 16 St. 17 St. 18 St. 19 St. 20 A 2 2 2 1 1 2 2 2 1 1 1 1 2 1 1 2 1 2 2 2 B 1 2 1 1 1 1 2 1 2 2 1 2 1 1 2 2 1 1 1 1 C 2 1 1 2 1 2 1 1 1 2 1 1 1 1 2 1 1 2 2 1 D 2 1 1 2 1 1 1 1 1 1 1 1 2 2 1 2 1 1 2 2 E 1 2 1 1 1 2 2 1 1 2 1 1 1 1 1 2 1 2 2 1 F 2 2 1 1 2 2 1 1 2 1 1 2 1 1 2 2 2 2 1 2 G 1 2 2 2 1 1 2 2 2 1 1 1 2 1 1 2 2 1 2 2 H 1 2 1 1 1 1 2 1 1 1 1 2 2 1 2 2 1 2 2 2 I 1 1 1 1 1 2 2 1 2 1 2 2 1 1 1 2 1 2 2 2 J 2 2 1 2 2 1 2 1 2 1 2 1 2 1 2 2 1 1 1 1 *St.: Station Tabla 3. Tiempos de proceso para UNIF [1,2] [Fuente: Elaboración propia] Modelado y validación 28 Average process times* Job type Station 1 St. 2 St. 3 St. 4 St. 5 St. 6 St. 7 St. 8 St. 9 St. 10 St. 11 St. 12 St. 13 St. 14 St. 15 St. 16 St. 17 St. 18 St. 19 St. 20 A 5 3 1 1 3 2 2 3 4 5 6 5 5 6 1 5 6 5 1 2 B 4 6 6 6 6 1 1 6 4 4 5 4 6 6 4 4 6 2 4 4 C 5 4 1 6 5 6 4 3 1 5 6 2 5 3 1 2 5 6 6 6 D 3 4 4 3 6 4 6 4 1 5 3 4 2 5 5 4 5 5 4 6 E 6 1 4 5 5 1 6 6 4 6 6 3 1 4 4 3 4 6 4 2 F 5 4 4 2 4 1 3 2 3 5 2 4 3 5 5 6 6 3 5 3 G 3 3 2 1 3 3 3 4 4 2 1 2 6 6 4 5 3 4 4 5 H 4 2 5 1 5 6 5 2 4 5 4 5 3 2 2 4 5 3 6 5 I 3 5 1 4 3 5 6 5 3 6 3 3 2 2 1 2 6 2 6 4 J 6 1 3 5 2 6 2 5 1 1 4 5 3 3 2 2 4 4 5 1 *St.: Station Tabla 4. Tiempos de proceso para UNIF [1,6] [Fuente: Elaboración propia] 29 29 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 4.4 Modelos de simulación implementados Una vez que se han definido las variables y parámetros que intervienen en el entorno que se quiere abordar en este trabajo. Este entorno es variable en función de tres valores, número de estaciones, variabilidad y número de trabajos. Por ello, para tener una definición exacta del sistema que se desea simular, es necesario hacer primeramente un análisis de este, con el fin de determinar las interacciones que hay presentes. Por ello, se procederá a mostrar cómo se han desarrollado los modelos que son objeto de estudio en este trabajo. Dichos modelos son abstracciones de las partes esenciales del sistema, se exponen en este apartado por el hecho de que había una serie de conceptos que estaban por definir y de esta forma se facilita la comprensión de los mismos. Se mostrará un primer escenario general donde se destacarán los diferentes módulos que componen las partes comunes a todos los escenarios, estos son, la llegada de clientes, la salida de unidades del sistema y el proceso de producción. A continuación, se describirán de forma más detallada los módulos señalados para facilitar la comprensión de los modelos. Figura 18. Escenario general, con 20 estaciones y 3 tipos de trabajos [Fuente: Elaboración propia] Proceso de producción Salida de unidades del sistema Llegada de clientes Asignación Modelado y validación 30 4.4.1 Módulo Llegada de clientes Este módulo se compone de la llegada de clientes, con su posterior elección del tipo de trabajo demandado y una sección donde se recogería la demanda insatisfecha a la espera de recoger su producto. Los bloques señalados en azul (‘Producto Demandado X’ y ‘Retirar Producto X’) se utilizan para realizar un recuento de las unidades de cada tipo de producto que son demandas y recogen la información para el sistema. El bloque siguiente en verde (‘Demanda Insatisfecha’) pregunta al sistema por las existencias del producto, en caso de no haber en punto de stock final, la orden del cliente pasará por los módulos en rojo (‘Clientes No Servidos X’ y Espera Producto X’) que se encargan del recuento de demanda insatisfecha y su posterior espera para recoger el producto cuando esté disponible. Las variantes que veremos de este módulo serán en función del número de tipos de trabajos presentes en cada escenario, aumentando o disminuyendo el número de bloques en el proceso de elección del tipo de producto. 4.4.2 Módulo Salida del sistema En este módulo se realiza la asignación de los productos a los clientes y la posterior liberación de las tarjetas. Los bloques marcados en azul realizan un recuento del inventario (‘UdsProdA’ y ‘Producto A Sale’). Los siguientes bloques marcados en verde (‘Espero Cliente A’ y ‘PreparaciónPedido A’) son el punto de stock final y la asignación del producto al cliente correspondientemente. Por último, el bloque marcado en rojo se encarga de recoger las salidas del sistema. Las variaciones que existirán en este módulo serán en función del número de tipos de trabajos presentes en cada escenario. Figura 19. Módulo Llegada de clientes para un entorno con 3 tipos de trabajos [Fuente: Elaboración propia] Figura 20. Módulo Salida del sistema para un entorno con 3 tipos de trabajos [Fuente: Elaboración propia] 31 31 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 4.4.3 Módulo Proceso de producción Este módulo recoge el conjunto de las estaciones del sistema que compone el proceso productivo. Cada estación se identificada con el bloque marcado en verde y con el nombre ‘M#’, dicho nombre alude al número de la estación o máquina asignado. En cada estación se encuentra un operario (recurso) que trabajará sobre el producto a fabricar en función del tiempo de proceso correspondiente. La asignación de un único operario por cada estación es para tener la misma velocidad de procesado en todas las estaciones, si fuera necesario cambiar a doble o triple velocidad, para generar otro entorno de fabricación, simplemente se realizaría cambiando el número de recursos en función de la velocidad deseada. El bloque marcado azul (‘Tipo Trabajo’) se encarga de identificar el tipo de producto que sale del proceso de producción. Este módulo variará en función del número de estaciones de procesado existentes en el escenario. 4.4.4 Módulo Asignación El módulo Asignación se encarga de otorgar los tiempos de proceso, la variabilidad y la identificación del tipo de trabajo a cada orden de trabajo entrante, todo ello mediante el bloque ‘Assign X’ marcado en azul. Por último, se expondrán a modo explicativo las partes características de cada tipo de política implementada dentro de los escenarios realizados con Arena Simulation. Figura 21. Módulo Proceso de producción para un entorno con 20 estaciones [Fuente: Elaboración propia] Figura 22. Módulo Asignación para un entorno con 3 tipos de trabajos [Fuente: Elaboración propia] Modelado y validación 32 4.4.5 Modelo de simulación para política M-CLOSED Recordando lo expuesto anteriormente, este tipo de política empleaba un tipo de tarjeta distinto para cada tipo de trabajo. Por ello, en el modelo correspondiente con esta política (Figura X), se aprecia que está compuesto por los módulos comunes explicados en los apartados anteriores además de tener configurados unos bloques propios. Estos son los señalados en azul. El primero, ‘Adjunto CardX’, se encarga de asociar a cada orden de trabajo su respectiva tarjeta en función del tipo de trabajo. Este bloque tiene su propio buffer, estando preparadas otras órdenes de trabajo para cuando haya tarjetas disponibles, adjuntarlas. El siguiente bloque, ‘Libero CardX’, es el encargado de liberar la tarjeta una vez que el cliente se ha hecho con el producto. Figura 23. Modelo de simulación para política M-CLOSED, escenario de 20 estaciones y 5 tipos de trabajo [Fuente: Elaboración propia] 33 33 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 4.4.6 Modelo de simulación para política S-CLOSED La política S-CLOSED era aquella que empleaba un único tipo de tarjeta para todos los trabajos, ya fueran del tipo A, B o X. Por ello, en su modelo (Figura X), se aprecia que está compuesto por unos bloques únicos para esta política que se adicionan a los módulos comunes. Estos bloques, señalados en tres partes distintas en azul, permiten llevar un recuento de las tarjetas totales y adjuntarlas en función de sus necesidades. Empezando por la izquierda, ‘Checking X’ realiza un conteo de las órdenes de trabajo que entran al sistema que, junto con los siguientes bloques ‘Control’ y ‘Discard’, gestionan las órdenes de trabajos para que siempre haya una a la espera de la liberación de una tarjeta. El siguiente bloque, ‘Adjunto Card’ es el encargado de asignar las tarjetas a los trabajos. Por último, los bloques ‘Libero CardX’ realizan la liberación de las tarjetas una vez que el cliente se ha llevado el producto5. 5 A diferencia que con la política M-CLOSED, la asignación de una letra a los bloques, por ejemplo ‘Libero CardA’, es simplemente para contabilizar el trabajo que se ha demandado, las tarjetas son idénticas para todos los tipos de trabajos Figura 24. Modelo de simulación para política S-CLOSED, escenario de 20 estaciones y 5 tipos de trabajo [Fuente: Elaboración propia] Modelado y validación 34 4.4.7 Modelo de simulación para política M-CLOSED/TOC En este modelo se presenta la política M-CLOSED/TOC, la cual, asigna a cada tipo de trabajo un tipo de tarjeta diferente. Posteriormente, las tarjetas serán liberadas al pasar por la estación en la que se sitúe el cuello de botella. Dicho modelo está basado en el M-CLOSED expuesto anteriormente, teniendo una modificación (marcada en azul). Dicha modificación, compuesta por los bloques ‘Identifico tarjeta’ y ‘Libero CardX,’ se encarga de la liberación de las tarjetas en mitad del proceso de producción. En función de los escenarios estos bloques se irán moviendo entre las estaciones, localizándose detrás de la estación que presente el cuello de botella. Esto da lugar a varios esquemas diferentes dentro de una misma política. A modo de ejemplo, se presenta el esquema que tiene el cuello de botella en la estación 16 (Figura 30). Figura 25. Modelo de simulación para política M-CLOSED/TOC, escenario de 20 estaciones y 5 tipos de trabajo [Fuente: Elaboración propia] 35 35 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 4.4.8 Modelo de simulación para política S-CLOSED/TOC En este modelo se presenta la política S-CLOSED/TOC, la cual, asigna un único tipo de tarjeta para cualquier orden de trabajo que entre, sin distinguir si es A, B, C, etc. Posteriormente, las tarjetas serán liberadas al pasar por la estación en la que se sitúe el cuello de botella. Dicho modelo está basado en el S-CLOSED presentado en los puntos anteriores. Presentando una pequeña modificación (marcada en azul). Dicha modificación, compuesta por un único bloque ‘Libero Card’, se encarga de la liberación de las tarjetas en mitad del proceso de producción, como aplicaba esta política. Así, la ubicación de este bloque variará en función de la estación que presente el cuello de botella, dando da lugar a varios esquemas diferentes dentro de una misma política. A modo de ejemplo, se presenta el esquema que tiene el cuello de botella en la estación 16 (Figura 31). Figura 26. Modelo de simulación para política S-CLOSED/TOC, escenario de 20 estaciones y 5 tipos de trabajo [Fuente: Elaboración propia] Experimentación y resultados 42 5.2.2 Política S-CLOSED escenario UNIF [1,2] Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED 0.25 4 3 14 0.97 4 ± 0.0 0 3 3.230 0.2 28 12.101 14 4991 0.75 4 3 14 0.956 ± 0.01 1 5.269 0.415 11.989 14 5043 1.50 4 3 17 0.978±0.003 7.023 0.903 14.585 17 4984 0.25 4 5 24 0.960±0.01 5 6.648 0.244 22.296 24 5020 0.75 4 5 28 0.959±0.014 7.622 0.418 22.136 24 5003 1.50 4 5 28 0.954±0.01 6 11.349 0.889 21.655 24 5018 0.25 4 10 50 0.962±0.011 10.361 0.246 48.076 50 5049 0.75 4 10 50 0.967±0.00 6 13.816 0.412 47.632 50 5079 80 0.998±0.003 1.712 0.386 77.034 80 4975 1.50 4 10 50 0.953±0.011 18.387 0.901 47.641 50 5063 0.25 8 3 17 0.971±0.00 6 5.944 0.417 13.629 17 5049 0.75 8 3 17 0.962±0.007 6.449 0.758 13.31 2 17 5019 1.50 8 3 20 0.971±0.011 6.985 1.783 15.236 20 4959 0.25 8 5 28 0.973±0.010 9.538 0.387 24.798 28 5022 0.75 8 5 28 0.969±0.005 10.210 0.639 24.427 28 5043 1.50 8 5 28 0.954±0.015 12.550 1.800 23.397 28 4997 0.25 8 10 50 0.960±0.006 12.842 0.369 46.673 50 5064 0.75 8 10 50 0.962±0.007 13.849 0.708 45.813 50 5049 1.50 8 10 50 0.949±0.006 16.593 1.743 45.485 50 5015 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 9. Hoja 1/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,2] [Fuente: Elaboración propia] 43 43 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED 0.25 12 3 20 0.979 ± 0.005 5.690 0. 605 15.170 20 5004 0.75 12 3 20 0.967 ± 0.011 5.763 1.456 14.726 20 4972 1.50 12 3 23 0.969±0.006 8.579 2.541 15.760 23 4977 0.25 12 5 28 0.959±0.00 5 5.763 0.433 23.458 28 5008 0.75 12 5 28 0.960±0.012 10.903 0.999 22.926 28 5022 1.50 12 5 33 0.972±0.004 13.471 2.616 26.376 33 4957 0.25 12 10 50 0.956±0.004 5.998 0.948 45.042 50 5038 0.75 12 10 60 0.979±0.00 5 7.323 1.668 54.459 60 5052 1.50 12 10 60 0.973±0.006 16.085 2.668 53.296 60 5022 0.25 16 3 23 0.984±0.007 5.100 0.404 16.292 23 4962 0.75 16 3 23 0.981±0.011 6.152 1.129 15.754 23 4953 1.50 16 3 26 0.960±0.00 8 8.327 3.275 15.605 26 4967 0.25 16 5 28 0.945±0.01 0 11.827 1.341 21.849 28 5037 0.75 16 5 33 0.969±0.006 11.098 1.349 26.142 33 5003 1.50 16 5 33 0.945±0.007 15.467 4.027 23.738 33 4994 0.25 16 10 60 0.976±0.005 13.328 0.587 53.766 60 5043 0.75 16 10 60 0.970±0.010 16.028 1.315 52.441 60 5058 1.50 16 10 60 0.966±0.003 17.518 3.686 50.577 60 5015 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 10. Hoja 2/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,2] [Fuente: Elaboración propia] Experimentación y resultados 44 Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED 0.25 20 3 2 3 0.971 ± 0.009 6.851 0.541 15.035 23 4984 0.75 20 3 23 0.956 ± 0.006 8.614 1.534 14.269 23 4959 1.50 20 3 32 0.961±0.010 12.127 4.649 20.197 32 4964 0.25 20 5 33 0.962±0.015 9.769 0.665 25.401 33 4976 0.75 20 5 33 0.955±0.00 6 13.512 1.650 24.399 33 5011 1.50 20 5 38 0.945±0.00 7 15.998 4.846 26.200 38 4999 0.25 20 10 60 0.972±0.010 15.389 0.641 51.813 60 5012 0.75 20 10 60 0.973±0.00 5 14.120 1.600 51.041 60 5039 1.50 20 10 60 0.951±0.006 15.439 4.858 47.885 60 5065 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 11. Hoja 3/3 de resultados de la simulación para S-CLOSED, escenario UNIF [1,2] [Fuente: Elaboración propia] 45 45 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 5.2.3 Política M-CLOSED/TOC escenario UNIF [1,2] Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M-CLOSED/TOC 0.25 4 3 (1, 1, 1) 0.9 87 ±0.00 2 3.464 0.138 12.912 15 49 64 0.75 4 3 (1, 1, 1) 0.9 86 ± 0.005 3.308 0.25 1 12.856 15 49 95 1.50 4 3 (1, 1, 1) 0.9 80 ± 0.00 4 4.652 0.565 13.102 15 4933 0.25 4 5 (1, 1, 1, 1, 1) 0.986 ± 0.003 4.880 0.174 19.598 21 5026 0.75 4 5 (1, 1, 1, 1, 1) 0.986 ± 0.004 4.597 0.292 19.856 22 4975 1.50 4 5 (1, 1, 1, 1, 1) 0.980 ± 0.003 5.715 0.682 20.053 22 4974 0.25 4 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1 ) 0.987 ± 0.003 6.674 0.217 37.179 39 5020 0.75 4 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1 ) 0.985 ± 0.002 6.956 0.354 38.040 40 4930 1.50 4 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1 ) 0.984 ± 0.002 7.898 0.783 37.502 40 4983 0.25 8 3 (1, 1, 1) 0.9 80 ± 0.007 4.571 0. 335 13.009 16 5056 0.75 8 3 (1, 1, 1) 0.9 78 ± 0.0 03 4.388 0.5 45 13.266 17 4990 1.50 8 3 (1, 1, 1) 0.9 55 ± 0.006 7.888 1.694 13.770 19 49 91 0.25 8 5 (1, 1, 1, 1, 1) 0.976 ± 0.002 5.251 0.285 19.831 23 4991 0.75 8 5 (1, 1, 1, 1, 1) 0.976 ± 0.006 5.223 0.599 19.880 23 4990 1.50 8 5 (1, 1, 1, 1, 1) 0.961 ± 0.005 10.728 2.073 20.970 26 5023 0.25 8 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.981 ± 0.007 7.165 0.344 37.787 41 4.999 0.75 8 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.980 ± 0.002 7.873 0.700 38.025 42 4975 1.50 8 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.975 ± 0.004 11.389 1.781 39.333 44 4.967 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 12. Hoja 1/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,2] [Fuente: Elaboración propia] Experimentación y resultados 46 Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M-CLOSED/TOC 0.25 12 3 (1, 1, 1) 0.9 75 ±0.0 06 6. 008 0.3 36 13.733 18 49 90 0.75 12 3 (1, 1, 1) 0.9 68 ± 0.00 5 6. 236 0.817 13.889 19 499 1 1.50 12 3 (1, 1, 1) 0. 9 56 ±0.0 06 9.805 2.661 14.662 22 4929 0.25 12 5 (1, 1, 1, 1, 1) 0.970 ± 0.00 6 6.800 0.397 20.309 25 5023 0.75 12 5 (1, 1, 1, 1, 1) 0.971 ± 0.00 7 7.108 0.885 20.773 26 4983 1.50 12 5 (1, 1, 1, 1, 1) 0.954 ± 0.005 12.164 3.027 22.490 30 4988 0.25 12 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.979 ± 0.003 9.755 0.439 39.129 44 4977 0.75 12 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.975 ± 0.007 12.767 1.000 39.534 45 4962 1.50 12 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.964 ± 0.00 8 13.388 3.204 43.274 51 5012 0.25 16 3 (1, 1, 1) 0.969 ± 0.006 6.077 0.406 14.335 20 4972 0.75 16 3 (1, 1, 1) 0.963 ± 0.0 05 8.336 1.169 14.451 21 4999 1.50 16 3 (2, 2, 2) 0.941±0.005 11.965 5.562 18.349 30 4997 0.25 16 5 (5, 5, 5, 5, 5) 0.965±0.006 8.241 0.654 21.106 28 5065 0.75 16 5 (5, 5, 5, 5, 5) 0.961±0.007 9.173 1.389 21.571 29 4978 1.50 16 5 (6, 6, 5, 5, 5) 0.959±0.0 05 9.247 3.740 24.221 34 4964 0.25 16 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.969±0.008 14.300 0.485 45.290 54 4951 0.75 16 10 (2, 2, 2, 2, 2, 2, 2, 2, 2, 2) 0.984±0.003 9.574 1.159 46.191 52 4996 1.50 16 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.980±0.003 8.071 3.526 47.216 56 5006 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 13. Hoja 2/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,2] [Fuente: Elaboración propia] 47 47 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M-CLOSED/TOC 0.25 20 3 (1, 1, 1) 0.962±0.005 7.144 0.502 14.931 2 3 4960 0.75 20 3 (1, 1, 1) 0.958 ± 0.005 7.519 1.567 15.259 24 4956 1.50 20 3 (2, 2, 2) 0.971±0.008 9.205 6.293 23.023 37 4998 0.25 20 5 (5, 5, 5, 5, 5) 0.963±0.00 5 8.454 0.721 21.992 30 5025 0.75 20 5 (5, 5, 5, 5, 5) 0.954±0.003 11.007 1.683 22.523 32 4954 1.50 20 5 (6, 6, 6, 6, 6) 0.951±0.00 6 13.994 5.300 26.000 39 4993 0.25 20 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.987±0.002 7.427 0.610 46.875 55 4976 0.75 20 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.982±0.006 10.662 1.480 47.050 56 4.982 1.50 20 10 (2, 2, 2, 2, 2, 2, 2, 2, 2, 2) 0.968±0.0 05 14.834 4.430 46.614 60 5000 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.974±0.005 13.400 4.681 48.112 60 4998 (4, 4, 4, 4, 4, 4, 4, 4, 4, 4) 0.976±0.002 16.478 4.924 49.572 62 4975 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 14. Hoja 3/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,2] [Fuente: Elaboración propia] Experimentación y resultados 48 5.2.4 Política S-CLOSED/TOC escenario UNIF [1,2] Input control Coefficient of variation NM* NJ* NC* Average use (Cards) Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED/TOC 0.25 4 3 1 0.84 0.994±0.015 6.731 0.001 18.559 21 5034 2 0.45 0.999±0.001 0.964 0.110 18.813 21 4984 0.75 4 3 2 0.47 0.998±0.001 2.157 0.200 19.155 21 4970 1.5 4 3 2 0.52 0.999±0.001 1.904 0.455 35.877 39 4971 0.25 4 5 2 0.44 0.998±0.002 1.773 0.111 35.937 38 4968 0.75 4 5 2 0.46 0.997±0.001 3.051 0.216 35.727 37 5001 1.5 4 5 2 0.50 0.997±0.002 2.890 0.479 35.984 37 4974 0.25 4 10 1 0.76 0.982±0.01 6 9.304 0.001 58.145 59 5031 2 0.44 0.998 ± 0.001 0.285 0.122 79.462 80 4986 0.75 4 10 2 0.46 0.998 ± 0.003 2.585 0.235 77.933 78 4972 1.5 4 10 2 0.51 0.995 ± 0.003 2.449 0.529 74.007 75 4986 0.25 8 3 2 0.46 0.996±0.003 3.236 0.219 18.402 21 5031 0.75 8 3 2 0.48 0.997±0.002 3.159 0.440 18.375 21 5019 1.5 8 3 2 0.51 0.999±0.001 0.875 1.225 34.073 39 4992 0.25 8 5 2 0.45 0.997±0.002 3.511 0.221 34.135 36 5105 0.75 8 5 2 0.46 0. 997±0.001 2.675 0.433 35.004 40 4962 1.5 8 5 2 0.50 0.993±0.004 4 .126 1.241 34.967 40 4993 0.25 8 10 1 0.74 0.980±0.0 15 12.596 0.042 58.58 2 62 5037 2 0.44 0.997±0.002 1.575 0.226 77.83 1 80 4983 0.75 8 10 2 0.46 0.994 ± 0.0 0 3 1.558 0.480 74.369 78 4968 1.5 8 10 2 0.52 0.993 ± 0.004 4.507 1.289 69.388 70 5058 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 15. Hoja 1/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,2] [Fuente: Elaboración propia] 49 49 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Input control Coefficient of variation NM* NJ* NC* Average use (Cards) Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED/TOC 0.25 12 3 2 0.46 0.994±0.004 3.044 0.272 18.060 22 5002 0.75 12 3 2 0.47 0.991±0.005 4.588 0.629 18.042 22 4970 1.5 12 3 2 0.52 0.998±0.001 4.717 2.008 31.763 39 5036 0.25 12 5 2 0.44 0.996±0.001 4.222 0.294 34.253 40 5025 0.75 12 5 2 0.46 0.996 ± 0.002 4.178 0.651 34.419 40 5000 1.5 12 5 2 0.47 0.997 ± 0.003 3.051 0.216 35.727 37 5001 0.25 12 10 1 0.80 0.975±0.01 6 12.579 0.083 58.443 57 4987 2 0.44 0.995±0.003 2.501 0.319 74.178 77 5030 0.75 12 10 2 0.46 0.995±0.004 5.425 0.7022 73.075 80 4961 1.5 12 10 2 0.51 0.990±0.004 12.940 2.032 67.610 73 5036 0.25 16 3 2 0.46 0.989±0.004 4.872 0.326 17.466 23 4988 0.75 16 3 2 0.47 0.986±0.005 4.946 0.882 17.118 24 5007 1.5 16 3 2 0.51 0.999±0.002 3.671 2.805 30.426 39 4958 0.25 16 5 7 0.84 0.989±0.00 7 8 .154 0.357 34.496 40 5015 0.75 16 5 12 0.81 0.987±0.0 05 10.221 0.942 34.516 41 5002 1.5 16 5 8 0.72 0.974±0.010 10.890 3.144 34.080 45 4980 0.25 16 10 8 0.74 0.987±0.012 10.619 0.454 62.999 69 4996 0.75 16 10 8 0.81 0.961±0.0 15 14.074 1.009 52.763 60 4992 1.5 16 10 12 0.72 0.968 ± 0.01 6 18.832 3.135 55.986 65 4969 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 16. Hoja 2/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,2] [Fuente: Elaboración propia] Experimentación y resultados 50 Input control Coefficient of variation NM* NJ* NC* Average use (Cards) Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED/TOC 0.25 20 3 2 0.46 0.983±0.006 5.365 0.389 16.637 24 5017 0.75 20 3 2 0.48 0.971±0.005 6.712 1.123 16.315 24 5021 1.5 20 3 2 0.52 0.991±0.012 5.601 3.793 27.536 39 5020 0.25 20 5 7 0.84 0.980±0.011 7.729 0.408 34.537 43 4994 0.75 20 5 8 0.80 0.984±0.006 8.392 1.239 34.544 45 4963 1.5 20 5 12 0.72 0.971±0.01 1 14.045 4.036 33.223 45 5017 0.25 20 10 8 0.75 0.986±0.003 10.026 0.523 61.532 76 5000 0.75 20 10 8 0.82 0.967±0.01 5 16.045 1.263 53.355 60 5023 1.5 20 10 12 0.73 0.954±0.0 18 20.250 4.124 53.198 65 5018 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 17. Hoja 3/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,2] [Fuente: Elaboración propia] 51 51 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 5.2.5 Política M-CLOSED escenario UNIF [1,6] Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M-CLOSED 0.25 4 3 ( 4 , 4 , 4 ) 0.9 48 ± 0.0 05 9.256 1. 216 8.851 12 2840 0.75 4 3 (4, 4, 4) 0.945 ± 0.0 06 9.642 1.312 8.405 12 2 854 1.50 4 3 (5, 5, 4) 0.958 ± 0.01 5 11.384 1.609 10.120 14 2841 0.25 4 5 (3, 3, 3, 3, 3) 0.958 ± 0.00 3 9.348 1.059 11.717 15 2851 0.75 4 5 (3, 3, 3, 3, 3) 0.961 ± 0.00 5 9.984 1.089 11.705 15 2821 1.50 4 5 (3, 3, 3, 3, 3) 0.946 ± 0.00 6 13.362 1.359 11.419 15 2840 0.25 4 10 (2, 2, 2, 2, 2, 2, 2, 2, 2, 2 ) 0.957 ± 0.007 12.132 0.790 17.179 20 2857 0.75 4 10 ( 2 , 2 , 2, 2, 2, 2, 2, 2, 2, 2 ) 0.954 ± 0.00 6 11.976 0.884 17.088 20 2859 1.50 4 10 (2, 2, 2, 2, 2, 2, 2, 2, 2, 2 ) 0.951 ± 0.005 12.410 1.048 16.922 20 2861 0.25 8 3 ( 6 , 6 , 6 ) 0.9 66 ± 0. 0 05 9.802 1.833 11.889 18 2850 0.75 8 3 (6, 6, 6) 0.962 ± 0.00 6 9.894 2.093 11.548 18 2903 1.50 8 3 (6, 6, 6) 0.946 ± 0.0 07 15.017 2.531 11.214 18 2838 0.25 8 5 ( 5 , 5 , 4 , 4 , 4 ) 0.958 ± 0.00 5 16 .032 1.934 15.666 22 2846 0.75 8 5 (5, 5, 4, 4, 4) 0.951 ± 0.0 06 15.631 2.053 15.439 22 2853 1.50 8 5 (5, 5, 4, 4, 4) 0.943 ± 0.0 05 17.476 2.564 14.966 22 2826 0.25 8 10 (3, 3 , 3 , 3 , 3 , 3 , 3 , 3 , 3 , 3 ) 0.964 ± 0.0 06 16.809 1.576 24.182 30 2861 0.75 8 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.965 ± 0.00 6 17.995 1.680 24.089 30 2852 1.50 8 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.956 ± 0.0 07 22.171 2.239 23.545 30 2844 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 18. Hoja 1/3 de resultados de la simulación para M-CLOSED, escenario UNIF [1,6] [Fuente: Elaboración propia] Experimentación y resultados 58 Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M-CLOSED/TOC 0.25 12 3 ( 3 , 3 , 3 ) 0.954 ± 0.01 5 39.061 1.188 19.095 30 2855 0.75 12 3 ( 4 , 4 , 3 ) 0.961 ± 0.0 16 55.422 1.525 20.402 31 2832 (4, 4, 4) 0.984±0.015 17.226 1.692 21.366 31 2850 1.50 12 3 (4, 4, 4) 0.969 ± 0.0 09 24.103 2.523 20.226 32 2873 0.25 12 5 (3, 3, 3, 3, 3) 0.968 ± 0.00 6 17.865 1.634 31.878 43 2860 0.75 12 5 (3, 3, 3, 3, 3) 0.971 ± 0.004 17.427 1.867 31.661 43 2866 1.50 12 5 (3, 3, 3, 3, 3) 0.965 ± 0.004 22.489 2.613 31.461 42 2851 0.25 12 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.986 ± 0 .00 5 3.937 1.685 74.374 82 2875 0.75 12 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.984 ± 0.005 2.294 1.717 75.269 83 2827 1.50 12 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.977 ± 0.007 2.326 2.407 76.352 80 2828 0.25 16 3 ( 4 , 3 , 3 ) 0.957 ± 0.0 08 17 .254 1.554 19.850 32 2848 0.75 16 3 (4, 4 , 4 ) 0.9 90 ± 0.01 4 23.546 2.108 21.484 34 2851 1.50 16 3 (4, 4, 4) 0.967 ± 0.015 24.717 3.201 20.572 33 2855 0.25 16 5 ( 3 , 3 , 3 , 3 , 3 ) 0.956 ± 0.00 5 20.445 1.988 31.818 43 2869 0.75 16 5 (3, 3, 3, 3, 3) 0.961 ± 0.016 27.696 2.273 31.801 45 2861 1.50 16 5 (3, 3, 3, 3, 3) 0.945 ± 0.01 5 34.145 3.30 7 31.648 45 2842 0.25 16 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.981 ± 0.017 7.407 1.976 76.366 86 2840 0.75 16 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.983 ± 0.0 09 2.552 2.236 76.393 85 2845 1.50 16 10 (1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 0.975±0.015 8.520 3.214 77.361 90 2844 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 25. Hoja 2/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,6] [Fuente: Elaboración propia] 59 59 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M-CLOSED/TOC 0.25 20 3 ( 4 , 4 , 4 ) 0.979 ± 0.0 05 20.784 2.332 21.875 37 2827 0.75 20 3 (4, 4, 4) 0.974 ± 0.0 06 20.732 2.856 21.595 37 2839 1.50 20 3 (4, 4, 4) 0.958 ± 0.015 36.745 4.342 20.651 39 2830 0.25 20 5 ( 4 , 4 , 4 , 4 , 4 ) 0.956 ± 0.01 6 20.153 2.657 33.861 42 2823 0.75 20 5 (4, 4, 4, 4, 4) 0.956 ± 0.016 26.915 3.423 33.300 52 2862 1.50 20 5 (4, 4, 4, 4, 4) 0.949 ± 0.00 7 29.384 4.832 33.184 47 2850 0.25 20 10 (2, 2, 2, 2, 2, 2, 2, 2, 2, 2) 0.966 ± 0. 010 21.827 2.392 76.370 90 2871 0.75 20 10 (2, 2, 2, 2, 2, 2, 2, 2, 2, 2) 0.962 ± 0.01 1 24.512 2.628 76.932 90 2835 1.50 20 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.969±0.012 32.812 3.900 77.725 92 2849 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 26. Hoja 3/3 de resultados de la simulación para M-CLOSED/TOC, escenario UNIF [1,6] [Fuente: Elaboración propia] Experimentación y resultados 60 5.2.8 Política S-CLOSED/TOC escenario UNIF [1,6] Input control Coefficient of variation NM* NJ* NC* Average use (Cards) Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED/TOC 0.25 4 3 1 0.67 1.000 ± 0.000 0.000 0.441 32.137 35 2831 0.75 4 3 1 0.67 1.000 ± 0.000 0.000 0.481 31.755 33 2856 1.5 4 3 1 0.66 1.000 ± 0.000 0.000 0.590 32.080 35 2825 0.25 4 5 1 0.65 0.990 ± 0.003 0.093 0.322 61.033 67 2805 0.75 4 5 1 0.65 0.990 ± 0.002 0.126 0.356 50.659 62 2830 1.5 4 5 1 0.65 0.991 ± 0.002 0.248 0.493 60.532 62 2833 0.25 4 10 1 0.62 0.992 ± 0.001 0. 103 0.231 118.410 117 2832 0.75 4 10 1 0.63 0.991 ± 0.003 0. 246 0.274 116.619 120 2855 1.5 4 10 1 0.63 0.989 ± 0.002 0.504 0.408 113.207 115 2869 0.25 8 3 1 0.66 0.999 ± 0.001 1.080 0.893 30.711 38 2848 0.75 8 3 1 0.67 0.999 ± 0.001 1.153 1.015 30.755 37 2856 1.5 8 3 1 0.67 0.999 ± 0.001 3.771 1.442 30.629 35 2872 0.25 8 5 5 0. 74 0.984 ± 0.0 07 0. 093 1.069 61.506 64 2814 0.75 8 5 5 0.76 0.978 ± 0.005 0.292 1.187 61.180 62 2836 1.5 8 5 5 0.81 0.969 ± 0.006 3.048 1.610 57.905 65 2856 0.25 8 10 1 0.65 0.990 ± 0.002 0. 112 0.836 112.704 119 2852 0.75 8 10 1 0.63 0.986 ± 0.003 0. 322 0.942 109.779 117 2869 1.5 8 10 1 0.63 0.985 ± 0.004 0.452 1.217 111.925 116 2840 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 27. Hoja 1/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,6] [Fuente: Elaboración propia] 61 61 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Input control Coefficient of variation NM* NJ* NC* Average use (Cards) Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED/TOC 0.25 12 3 8 0.90 0.996 ± 0.005 9.596 1.051 28.704 41 2838 0.75 12 3 8 0.93 0.976 ± 0.0 0 7 29.957 1.264 26.221 39 2852 1.5 12 3 10 0.84 0.988 ± 0.005 17.242 2.254 28.083 40 2866 0.25 12 5 10 0.78 0.974 ± 0.006 0.246 1.447 59.492 66 2854 0.75 12 5 10 0.82 0.968 ± 0.011 13.986 1.706 57.610 70 2895 1.5 12 5 11 0.80 0.963 ± 0.005 6.957 2.446 57.108 68 2856 0.25 12 10 1 0.63 0.983 ± 0.006 5.170 1.176 110.297 111 2869 0.75 12 10 1 0.63 0.984 ± 0.002 1.263 1.329 110.198 121 2847 1.5 12 10 1 0.62 0.980 ± 0.004 2.905 1.829 110.346 114 2816 0.25 16 3 8 0. 91 0.9 82 ± 0.006 22.289 1.312 27.516 41 2860 0.75 16 3 9 0.84 0.996 ± 0.003 9.004 1.758 27.978 39 2858 1.5 16 3 10 0.86 0.974 ± 0.00 7 31.204 3.097 25.797 40 2888 0.25 16 5 10 0.78 0.973 ± 0.005 2.802 1.721 59.237 67 2838 0.75 16 5 10 0.80 0.966 ± 0. 0 10 5.599 2.008 57.907 70 2844 1.5 16 5 12 0.73 0.955 ± 0.006 5.296 3.131 57.563 67 2851 0.25 16 10 1 0.63 0.981 ± 0.005 3.827 1.565 108.916 117 2862 0.75 16 10 1 0.62 0.980 ± 0.003 3.292 1.735 110.057 119 2847 1.5 16 10 1 0.63 0.975 ± 0.006 2.180 2.631 108.946 116 2868 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 28. Hoja 2/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,6] [Fuente: Elaboración propia] Experimentación y resultados 62 Input control Coefficient of variation NM* NJ* NC* Average use (Cards) Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units S-CLOSED/TOC 0.25 20 3 8 0.89 0.988 ± 0.010 20.626 1.721 26.676 43 2808 0.75 20 3 9 0.84 0.985 ± 0.011 18.305 2.352 26.608 43 2842 1.5 20 3 10 0.84 0.971 ± 0.015 30.148 4.023 24.874 43 2855 0.25 20 5 10 0.79 0.963 ± 0.011 16.562 2.181 57.693 70 2856 0.75 20 5 10 0.80 0.953 ± 0.010 19.109 2.525 56.548 71 2847 1.5 20 5 12 0.74 0.962 ± 0.005 21.187 4.110 57.264 71 2854 0.25 20 10 15 0.76 0.958 ± 0.006 36.277 2.339 89.52 3 101 2836 0.75 20 10 15 0.78 0.950 ± 0.015 58.464 2.701 85.158 106 2851 1.5 20 10 17 0.74 0.952 ± 0.006 46.264 3.833 86.246 100 2821 22 0.57 0.969±0.005 18.260 3.819 99.517 114 2817 50 0.26 0.969±0.006 2.430 4.539 105.568 119 2842 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 29. Hoja 3/3 de resultados de la simulación para S-CLOSED/TOC, escenario UNIF [1,6] [Fuente: Elaboración propia] 63 6 ANÁLISIS DE RESULTADOS Para determinar el grado de cumplimiento de los objetivos propuestos en este proyecto, se han analizado los resultados mediante la realización de gráficas comparativas a partir de los datos obtenidos, permitiendo así obtener información de forma detallada y sencilla de las medidas de rendimientos nombradas anteriormente. Al realizarse más de 18 000 simulaciones en total, y para agilizar la exposición de resultados, se analizará en primer lugar cada política por separado, teniendo en cuenta la evolución de las medidas de rendimiento y el impacto de la variabilidad en cada una de ellas. Posteriormente, la comparación estará compuesta por datos de las diferentes políticas pero que tengan el mismo coeficiente de variabilidad. De esta forma, se podrá observar la respuesta que ofrece cada una de las políticas conforme aumenta la incertidumbre en el escenario. El objetivo es analizar al completo los resultados para poder encontrar cual es la política que más se adapta a los distintos entornos que pueden existir dentro de un sistema de producción CONWIP para el entorno multiproducto. Por último, se presentará un segundo experimento que presenta modificaciones en la demanda, con el fin de observar si las políticas estudiadas pueden adaptarse según varíen las necesidades de los clientes. 6.1 Medidas de rendimiento e impacto de la variabilidad En los sistemas de producción, asegurar la calidad en los procesos de producción y respetar los tiempos de entrega es fundamental para llevar a cabo una buena gestión que nos permita obtener beneficios. A nivel interno, la calidad es inversamente proporcional a la variabilidad en un sistema, donde interactúan operarios (mano de obra), maquinaria, estaciones de procesado, etc. Por ello, a la hora de tomar una decisión debemos de tener una estimación acerca de cómo evolucionará nuestro sistema antes las adversidades que se presenten, para así, poder elegir la política de control que mejor se adapte a nuestro entorno. A continuación, se analizará el comportamiento de las medidas de rendimiento para cada política, así como su evolución en función de los tres niveles de variabilidad representados por los coeficientes 0.25 (baja), 0.75 (media) y 1.50 (alta). 6.1.1 Average waiting time Los tiempos de espera para la demanda no servida aumentan conforme lo hacen el número de tipos de trabajos diferentes a procesar en el sistema y con el número de máquinas, presentando picos más notables para el sistema S-CLOSED. Además, para los escenarios con tiempos de proceso rápido (recogidos en la UNIF [1,2]), los sistemas se ven más afectados por la media y alta variabilidad que para los escenarios con un tiempo de proceso mayor (UNIF [1,6]). Para sistemas con tiempos de procesados cortos, se aprecia que las políticas recogidas dentro del sistema TOC presentan mayor estabilidad (figura 27)6, especialmente para escenarios con un número de estaciones menor a 12. 6 En las gráficas, J se refiere al número de trabajos y St al número de estaciones Figura 27. Tiempos de espera para los sistemas TOC, con tiempos de proceso dentro de UNIF [1,2] [Fuente: Elaboración propia] Análisis de resultados 64 Como se puede observar, tenemos variaciones más bruscas dentro del escenario de mayor variabilidad (Coeficiente 1.50), pero absorben bien la pequeña y media variación en comparación con las políticas originales (M-CLOSED y S-CLOSED), como lo muestra la figura 28. En el caso de tiempos de proceso mayor ocurre la variabilidad afecta en menor medida, pero las políticas M-CLOSED y S-CLOSED se adaptan mejor, tanto a la alta variabilidad como a la media y baja (figura 29). Se observa, que el sistema S-CLOSED/TOC presenta una mayor sensibilidad a verse afectado por la variabilidad cuando el número de estaciones aumenta. Este aumento de la sensibilidad se hace notar aún más cuando el sistema presenta el cuello de botella alejado del principio de la línea de producción, debido a que, al tener un mayor número de estaciones entre el punto de adjudicación y el de liberación de las tarjetas, genera un escenario de mayor incertidumbre al que el sistema tiene que responder sin conocer el comportamiento de la demanda, cosa que si ocurre para las políticas M-CLOSED y S-CLOSED, donde al ser liberadas las tarjetas una vez que se entrega el producto al cliente, permite tener una estimación de las necesidades de los productos. Esta incertidumbre es compensada con un aumento del WIP como se aprecia en el siguiente punto (figura 35), donde el orden de magnitud del WIP llega a ser el doble entre ambas variantes. Figura 28. Tiempos de espera en M-CLOSED y S-CLOSED, con tiempos de proceso dentro de UNIF [1,2] [Fuente: Elaboración propia] Figura 29. Tiempos de espera en los escenarios UNIF [1,6] [Fuente: Elaboración propia] 65 65 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 6.1.2 Work In Process Al igual que con los tiempos de espera, el inventario en proceso aumenta en mayor medida conforme aumenta el número de trabajos antes que con el número de estaciones, volviendo a presentar mayores picos en la política S-CLOSED y en los sistemas TOC, siendo la M-CLOSED la que absorbe mejor el aumento del número de trabajos. Por otra parte, la variabilidad repercute menos cuando los tiempos de proceso son mayores, conclusión a la que también se llegó para los tiempos de espera. Figura 30. Representación del WIP frente al número de trabajos y estaciones en entorno UNIF [1,2] [Fuente: Elaboración propia] Figura 31. Representación del WIP frente al número de trabajos y estaciones en entorno UNIF [1,6] [Fuente: Elaboración propia] Análisis de resultados 66 6.1.3 Intermediate buffers Los niveles de los buffers dentro del proceso de producción presentan la misma tendencia expuesta para las otras medidas, aumentar con el número de trabajos. Por otro lado, un aumento del número de estaciones tiene un impacto menor para esta medida cuando estamos en entornos con tiempos de proceso corto (Figura 32). Se observa también que la alta variabilidad altera considerablemente el nivel de los buffers para tiempos de procesos cortos, cosa que no ocurre en el entorno UNIF [1,6], donde los buffers si pueden absorber la variabilidad evitando generar inestabilidad dentro del sistema, una conducta que es común a todas las políticas. Figura 32. Niveles de los buffers frente al número de trabajos y estaciones para el entorno UNIF [1,2] [Fuente: Elaboración propia] Figura 33. Niveles de los buffers frente al número de trabajos y estaciones para el entorno UNIF [1,6] [Fuente: Elaboración propia] 67 67 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 6.1.4 Finished good inventory Por último, el punto de stock final, donde se almacenan los productos terminados a la espera de ser entregados a los clientes, presenta la tendencia natural de aumentar conforme aumenta el WIP, es decir, aumentar conforme aumenta el número de trabajos y estaciones. Como se puede observar, la variabilidad en los tiempos de proceso afecta poco al inventario de productos terminados, ya sea bien en la distribución UNIF [1,2] (Figura 34), donde se deja ver que dicho inventario se desvía con la alta variabilidad, o en la distribución UNIF [1,6] (Figura 35), donde este desviamiento es mínimo. Figura 34. Inventario de productos terminados para entorno UNIF [1,2] [Fuente: Elaboración propia] Figura 35. Inventario de productos terminados para entorno UNIF [1,6] [Fuente: Elaboración propia] Análisis de resultados 74  Intermediate buffers El nivel de los buffers intermedios indica, junto con lo mostrado anteriormente, que los sistemas TOC basan su política de acción en intentar mantener un número elevado de inventario final. Esto se ve reflejado en que, a pesar de mostrar los niveles más elevados de inventario en proceso (figura 45), no presentan un elevado número de unidades en los buffers intermedios. Por el contrario, las políticas S-CLOSED y M-CLOSED mantienen un nivel más bajo del inventario final, acumulando más inventario durante el proceso de producción. Figura 43. Niveles de los buffers del proceso productivo en escenarios UNIF [1,6] [Fuente: Elaboración propia] 75 75 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción A modo de resumen, se procederá a comentar de forma individual cada una de las políticas empleadas, con el fin de encontrar las ventajas que cada una presenta según el entorno en el que nos encontremos.  Política M-CLOSED La política M-CLOSED es la que presenta resultados más estables independientemente de los tiempos de proceso usados. De esta forma, es la política que menor WIP acumula en ambos escenarios (el UNIF [1,2] y UNIF [1,6]). También ofrece tiempos de espera cortos, siendo la segunda mejor situada e incluso la mejor cuando la variabilidad es alta y tenemos un elevado número de estaciones y tipos de trabajos. En cuanto a los buffers intermedios ofrece peores resultados en comparación con las demás, medida que indica que no se trata de una política que acumule inventario de producto terminado, sino que lo distribuye por todo el sistema. Con todo ello, para escenarios con tiempos de proceso cortos sería la mejor opción. Para escenarios que presenten tiempos de proceso mayor, en donde la empresa no marcara los tiempos de espera como medida principal, seria de nuevo la mejor opción.  Política S-CLOSED Lejos de los objetivos marcados nos encontramos con la política S-CLOSED, siendo esta la que peores resultados obtiene de forma general, tendiendo a acumular grandes cantidades de inventario en comparación con las M-CLOSED y ofreciendo elevados tiempos de espera. Esto es debido a que le afecta en mayor medida la variedad de los trabajos, ofreciendo no tan malos resultados cuando esta variedad está en torno a 3 tipos de trabajo. A su favor, presenta menores acumulaciones de WIP que la política S-CLOSED/TOC en ambos escenarios y que la M-CLOSED/TOC cuando se trata de tiempos de proceso menores.  Política M-CLOSED/TOC La política M-CLOSED/TOC sería la política óptima dentro de las que se corresponden con los sistemas TOC, ofreciendo una menor acumulación de inventario que la S-CLOSED, pero lejos de alcanzar los resultados de la M-CLOSED. Se destaca que, cuando presentamos gran variabilidad del número de trabajos y el cuello de botella está próximo a la entrada es la que menor WIP acumula para cualquier escenario, presentando también mejores resultados que la M-CLOSED en este caso. Además, cuando el cuello de botella está próximo a la salida, es la que mejor resultado ofrece en cuanto a tiempos de espera se refiere. En contra, tiende a acumular WIP conforme aumenta la variedad de los trabajos, acumulando grandes cantidades de inventario de producto final, manteniendo unos buffers intermedios bajos (esto indica un bajo porcentaje de utilización de las máquinas).  Política S-CLOSED/TOC La política S-CLOSED/TOC es la que presenta menores tiempos de espera de todas cuando los tiempos de proceso son mayores (UNIF [1,6]), y también para tiempos de proceso rápido (UNIF [1,2]) cuando el cuello de botella está próximo a la entrada. En contraposición, presenta grandes acumulaciones de WIP conforme aumenta la variedad de trabajos que, comparándolo con los niveles bajos de los buffers intermedios, nos viene a decir que su forma de actuar es similar a la de M-CLOSED/TOC, acumular un gran inventario de producto terminado. En referencia a la variabilidad, que presentaba tres niveles que afectaban a los tiempos de proceso7, prácticamente no habría que tenerla en cuenta para los entornos con tiempos de proceso dentro de UNIF [1,6], puesto que afecta a todas las políticas prácticamente en la misma medida, siendo las M-CLOSED y S-CLOSED las que mejor la absorben por poca diferencia. Respecto a los escenarios con tiempos de proceso más rápido, dentro del entorno UNIF [1,2], vemos que M-CLOSED/TOC le gana terreno a M-CLOSED cuando la variabilidad y el número de estaciones es superior a 12, dando unos tiempos de espera menores. Para este entorno, la política M-CLOSED/TOC es quien mejor absorbe la media y baja variabilidad en comparación a las demás, y la S-CLOSED es quien más se ve afectada por la alta variabilidad. 7 En función del coeficiente usado: baja (0.25), media (0.75) y alta (1.50). Análisis de resultados 76 6.3 Escenario de simulación alternativo Para realizar un análisis más exhaustivo, tomando de ejemplo el estudio realizado por Framiñán et al. (2000), se procedió a realizar un primer tanteo en un segundo experimento. Dicho experimento consistió en un escenario que presentaba variaciones en la demanda entre los tipos de trabajo, con un tiempo de simulación menor para hacerlo más ágil (de 18 000 unidades de tiempo). Así pues, se marcó un trabajo con la doble probabilidad de ser demandado por los clientes con respecto al resto de tipos de trabajo. Dentro de las implementaciones, se tuvo en cuenta un único caso en función de la demanda. Este caso, el caso “desfavorable”, implicaba que el tipo de trabajo con doble probabilidad de ser elegido por el cliente era aquel que presentara unos tiempos de proceso mayor. Con esto se pretendió analizar el sistema cuando se llevara a la saturación. Para localizar el escenario desfavorable, en la siguiente tabla se muestran los distintos tipos de trabajo junto con el sumatorio de los tiempos de proceso, cada uno correspondiente con los distintos escenarios a implementar en función del número de estaciones. Average summation of process time Job type 4M 8M 12M 16M 20M A 7 14 18 24 31 B 5 10 17 23 27 C 6 11 16 21 27 D 6 10 14 21 27 E 5 11 16 21 27 F 6 12 18 24 31 G 7 13 18 24 31 H 5 10 15 22 29 I 4 10 17 22 29 J 7 13 19 26 30 Tabla 30. Sumatorio de los tiempos de proceso para cada tipo de trabajo [Fuente: Elaboración propia] A modo de ejemplo, en el caso de 12 estaciones y 5 tipos de trabajos, el escenario desfavorable seria aquel en el que el producto con doble probabilidad de ser demandado fuera el tipo A, pero en el caso de 12 estaciones y 10 tipos de trabajos sería el de tipo J. Con el escenario definido y durante la realización de las simulaciones, se decidió descartar el experimento. El descarte fue debido a que, al comenzar con el escenario UNIF [1,2] y la política M-CLOSED, la única diferencia con el estudio principal (todos los trabajos con la misma probabilidad), es que para obtener los valores deseados de Fill rate hay que aumentar el número de tarjetas del trabajo con doble probabilidad en detraimiento de disminuir el resto de las tarjetas, produciéndose una simple compensación y un leve aumento del WIP total. Con los escenarios S-CLOSED está compensación estaba reflejada en el que un elevado número del total de tarjetas era utilizado por el tipo de trabajo con mayor probabilidad de ser demandado, produciéndose también un leve aumento del número total de tarjetas. Esto refleja que con este escenario alternativo se llegan a unos resultados parejos al estudio principal, pero con un mayor WIP total. Además, existía el defecto de que este escenario alternativo elimina parte de la incertidumbre, pues de antemano se tiene una estimación de la demanda a corto plazo al conocer que un trabajo tendrá mayor peso. Por ello, se descartó, dándole mayor peso al escenario principal, donde si se conoce la mezcla de productos a largo plazo, pero se tiene incertidumbre en la demanda a corto plazo. A continuación, se mostrarán a modo de justificación, las tablas que recogen los resultados obtenidos en el escenario alternativo para el entorno UNIF [1,2] de la política M-CLOSED, reflejando que el escenario del estudio principal, donde todos los trabajos tenían la misma probabilidad de ser demandados, es el más adecuado para un análisis y estudio comparativo. 77 77 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción 6.3.1 Política M-CLOSED escenario alternativo UNIF [1,2] Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M-CLOSED 0.25 4 3 (3, 3, 3) 0.955±0.013 2.988 0.266 7.163 9 4518 0.75 4 3 (3, 3, 3) 0.946±0.011 3.214 0.433 6.996 9 4529 1.50 4 3 (4, 4, 3) 0.956±0.012 5.495 0.929 8.512 11 4479 0.25 4 5 (3, 3, 3, 3, 3) 0.987±0.006 2.476 0.271 13.232 15 4494 0.75 4 5 (3, 3, 3, 3, 3) 0.984±0.004 2.741 0.426 13.091 15 4463 1.50 4 5 (3, 3, 3, 3, 3) 0.965±0.011 5.438 0.871 12.626 15 4509 0.25 4 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.996±0.021 2.182 0.271 28.246 30 4525 0.75 4 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.996±0.034 2.695 0.449 28.065 30 4540 1.50 4 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.992±0.034 5.283 0.925 27.598 30 4508 0.25 8 3 (5, 4, 4) 0.972±0.009 3.819 0.399 9.564 13 4464 0.75 8 3 (5, 4, 4) 0.957±0.042 4.831 0.785 9.163 13 4485 1.50 8 3 (6, 5, 5) 0.942±0.217 8.357 1.945 10.957 16 4535 0.25 8 5 (4, 3, 3, 3, 3) 0.974±0.006 3.560 0.384 12.732 16 4451 0.75 8 5 (4, 3, 3, 3, 3) 0.962±0.017 4.605 0.739 12.368 16 4480 1.50 8 5 (4, 4, 4, 4, 4) 0.952±0.016 9.339 1.756 15.364 20 4446 0.25 8 10 (3, 2, 2, 2, 2, 2, 2, 2, 2, 2) 0.966±0.004 6.222 0.375 17.778 21 4470 0.75 8 10 (3, 2, 2, 2, 2, 2, 2, 2, 2, 2) 0.953±0.013 6.359 0.738 17.387 21 4514 1.50 8 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 3) 0.971±0.011 13.226 1.775 25.402 30 4446 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 31. Hoja 1/3 de resultados de la simulación en el escenario alternativo [Fuente: Elaboración propia] Análisis de resultados 78 Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M-CLOSED 0.25 12 3 (6, 5, 5) 0.975±0.008 4.197 0.476 11.223 16 4480 0.75 12 3 (6, 5, 5) 0.954±0.017 5.394 1.019 10.685 16 4479 1.50 12 3 (8, 6, 6) 0.951±0.015 11.818 2.723 12.964 20 4478 0.25 12 5 (4, 4, 4, 4, 4) 0.960±0.008 5.226 0.475 15.378 20 4523 0.75 12 5 (4, 4, 4, 4, 4) 0.953±0.013 6.779 0.9755 14.904 20 4490 1.50 12 5 (6, 4, 4, 4, 4) 0.947±0.017 11.180 2.646 17.207 24 4524 0.25 12 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 4) 0.987±0.001 6.143 0.456 26.502 31 4493 0.75 12 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 4) 0.974±0.004 8.915 0.978 25.953 31 4478 1.50 12 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 4) 0.958±0.014 13.750 2.655 24.271 31 4518 0.25 16 3 (7, 6, 6) 0.971±0.019 5.029 0.772 12.673 19 4506 0.75 16 3 (7, 6, 6) 0.943±0.016 9.181 1.343 11.880 19 4511 1.50 16 3 (10, 7, 7) 0.953±0.025 14.524 3.767 14.515 24 4466 0.25 16 5 (6, 4, 4, 4, 4) 0.976±0.010 6.874 0.584 15.833 22 4501 0.75 16 5 (6, 4, 4, 4, 4) 0.960±0.014 7.999 1.406 14.966 22 4540 1.50 16 3 (7, 5, 5, 5, 5) 0.947±0.023 13.358 3.783 17.659 27 4475 0.25 16 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 4) 0.974±0.0 0 6 8.126 0.578 24.814 31 4524 0.75 16 10 (3, 3, 3, 3, 3, 3, 3, 3, 3, 4) 0.966±0.008 9.623 1.297 24.259 31 4471 1.50 16 10 (4, 4, 4, 4, 4, 4, 4, 4, 4, 4) 0.958±0.007 15.614 3.714 30.829 40 4482 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 32. Hoja 2/3 de resultados de la simulación en el escenario alternativo [Fuente: Elaboración propia] 79 79 Análisis de Variantes de Sistema CONWIP Multiproducto para el Control de la Producción Input control Coefficient of variation NSt* NJ* NC* Fill rate (95% confidence interval) Average waiting time Intermediate buffers Finished goods inventory WIP Processed units M - CLOSED 0.25 20 3 (9, 6, 6) 0.973±0.014 5.244 0.657 13.047 21 4518 0.75 20 3 (9, 6, 6) 0.953±0.025 8.598 1.659 12.076 21 4499 1.50 20 3 (13, 7, 7) 0.945±0.020 18.791 4.805 14.969 29 4478 0.25 20 5 (8, 5, 5, 5, 5) 0.987±0.004 6.680 0.676 20.322 28 4449 0.75 20 5 (8, 5, 5, 5, 5) 0.974±0.015 8.114 1.707 19.191 28 4510 1.50 20 5 (9, 6, 6, 6, 6) 0.963±0.011 16.070 4.930 20.895 33 4552 0.25 20 10 (5, 4, 4, 4, 4, 4, 4, 4, 4, 4) 0.988±0.003 7.319 0.648 33.446 41 4427 0.75 20 10 (5, 4, 4, 4, 4, 4, 4, 4, 4, 4) 0.979±0.012 14.538 1.682 32.296 41 4498 1.50 20 10 (5, 4, 4, 4, 4, 4, 4, 4, 4, 4) 0.950±0.011 18.491 4.766 29.230 41 4482 NSt*, NJ*, NC*: En orden, número de estaciones, número de trabajos y número de tarjetas. Tabla 33. Hoja 3/3 de resultados de la simulación en el escenario alternativo [Fuente: Elaboración propia] Análisis de resultados 80 81 CONCLUSIONES A partir del trabajo desarrollado en el análisis presentado, se han podido extraer una serie de conclusiones. Éstas, no solo se basan en los resultados obtenidos a partir de los objetivos marcados, sino que también en otros ámbitos significativos debido a su relevancia dentro del desarrollo de los sistemas de producción. Así, la principal ventaja de implementar un sistema CONWIP se basa en presentar un tiempo de ciclo reducido, capaz de responder a la variabilidad amoldándose en función del objetivo a lograr. Esto es posible gracias a que permite una mayor flexibilidad económica en pos de hacer cambios en la ingeniería y el adecuado diseño del sistema. Por otro lado, los sistemas Kanban mantienen un control más ajustado del sistema y del WIP a través de las tarjetas de forma individual en cada estación de trabajo, mientras que los sistemas CONWIP son más fáciles de implementar y ajustar, ya que es un único conjunto de tarjetas el que permite controlar todo el sistema. También, la estrategia de control y manejo de las tarjetas discutido muestra cómo la simulación se puede utilizar como una herramienta de apoyo a la decisión efectiva para las operaciones de producción. Además, modelando los sistemas con conocimiento permite efectuar un modelo válido aplicable a cualquier escenario dentro de la industria, desde un almacén de una gran empresa hasta una panadería. Por otra parte, el análisis de las políticas de control mencionadas nos ha podido mostrar cuales son las que se desmarcan del resto y cuáles son las menos eficientes cuando se busca obtener un alto nivel de servicio. Más concretamente nos marca la política M-CLOSED como la más cercana a los objetivos definidos con carácter general. Sin embargo, no debemos olvidar el inconveniente que tiene establecer correctamente el número de tarjetas para cada tipo de trabajo, en contraste con el uso de una única tarjeta dentro del sistema. Este análisis también refleja la evolución que se está llevando a cabo dentro del control de sistemas productivos, donde originalmente el sistema Kanban tenía un mayor peso. Posteriormente apareció el sistema CONWIP, el cual empleaba un único conteo de cartas para todos los trabajos. Y ahora se está buscando la forma de obtener mayor flexibilidad dentro de los sistemas CONWIP, apareciendo el conteo de tarjetas individualizado para cada tipo de trabajo y su extracción en función del cuello de botella para los sistemas TOC. En referencia a dichos sistemas TOC, representados por las políticas S-CLOSED/TOC y M-CLOSED/TOC, sería interesante tener en cuenta en un futuro adaptar el diseño de la línea de producción para poder localizar el cuello de botella en función de lo que más nos interese para la recirculación de tarjetas. Dicho argumento estaría basado en los escenarios que, de forma puntual, son las políticas que mejores resultados ofrecen, pudiendo ser esta cuestión objeto de estudios posteriores. Por último, este trabajo busca abrir los ojos hacia la variedad de situaciones que se generan dentro de una industria o un sistema, sin pretender mostrar una política como óptima para todos los sistemas, sino mostrar que es importante tener en cuenta aquella política que mejor se adapte a cada tipo de escenario o situación. Así, mediante este análisis se ha querido mostrar las debilidades y fortalezas de cada una de ellas, puesto que, al no existir un marco de directrices unificado para modelar los sistemas de control de la producción, se ha buscado profundizar en su comportamiento. Todo ello cuidando la robustez de los resultados empleando un gran número de réplicas, permitiendo intervalos de confianza válidos e hipótesis que aseguren la significancia de las diferencias entre las distintas políticas de control presentadas. Conclusiones 82 83 REFERENCIAS Adam, E. E., Jr and Ebert, R. J., 1986, «Production and Operations Management», Concepts, Models, and Behaviour, 3ª ed., Prentice-Hall, Englewood Cliffs, N.J. Allende, O., H., 2000, «Introducción al Software de Simulación Arena», Dept. de Informática, Universidad Técnica Federico Santa María. Bonvik, A. M., Couch C. E., Gershwin S.B., 1998, «A comparison of production-line control mechanisms», International Journal of Production Research, Nº25, 789-804. Crespo Franco, T., Velando Rodríguez, M. E., García Vázquez, J.M., 1998, «Alternativas para utilizar un sistema de control de la producción de tipo kanban», Investigaciones Europeas de Dirección y Economía de la Empresa, Vol. 4, N° 1,1998, pp. 101-122. Cruz Lezama, Osaín. Planificación y Control de Operaciones. <https://www.monografias.com/>. Duenyas, I., 1994, «A simple release policy for networks of queues with controllable input» Operations Research, Vol. 42, Nº6, 1162-1171. Espinosa, Fernando. Identificación de sistemas de gestión para mantenimiento industrial. <https://www.researchgate.net/>. Fishman, G., 1997, «Conceptos y Métodos de la Simulación Digital de Eventos Discretos», LIMUSA, México. Framiñán, J. M., Ruiz-Usano, R. y Leisten, R., 1998, «Sequencing CONWIP flow-shops: analysis and heuristics» Discussion paper, 15/98, Dept. of Business and Economics, University of Greifswald, Germany. Framiñán, J. M., Ruiz-Usano, R. y Leisten, R., 2000, «Input control and dispatching rules in a dynamic CONWIP flow-shop» Discussion paper, Int. J. Prod. Res., 2000, Vol.38, Nº18, 4589-4598. Framiñan, J. M., González, P. L. y Ruiz-Usano, R., 2003, «The CONWIP production control system: Review and research issues», Production Planning and Control, Nº 14, pp. 255-265. Gómez Rojo, B., 2006, «Logística de Retorno: Aplicación al caso de contenedores retornables», Universidad de Sevilla. PFC. Gstettner, S., y Khun, H., 1996, «Analysis of production control systems Kanban and CONWIP», International Journal of Production Research, Nº34, pp. 3253-3274. Herer, Y. T., Masin M., 1997, «Mathematical programming formulation of CONWIP based production lines and relationships to MRP», Internationa Journal of Production Reserch, Nº35, 1067-1076. Hopp Wallace, Spearman Mark, 1996, «Factory Physics Fundations of Manufacturing Management», Irwin Mc Graw Hill, Boston USA. Hopp, W. J. and Spearman, M. L., 1995, Factory Physics, Chicago, IL: Irwin. Kelton, W., D., Sadowski, R., P., Sturrock, D. T., 2008, «Simulación con Software Arena», 4ª Edición, Ed. McGraw-Hill, España. Matsuura, H., Kurosu, S., Lehtimaki, A., 1995, «Concepts, Practices and Expectations of MRP, JIT and OPT in Finland and Japan», International Journal of Production Economics, vol. 41, Nº 1-3, pp. 267-272. Marek, Richard P., 2000, «Understanding Pull Systems», unpublished Master's Thesis, Dept. of Ind. Eng., Texas A&M Univ., College Station, TX, Dec., 2000. Marek, R. P., Elkins, D. A., Smith, D. R., 2001, «Understanding the fundamentals of Kanban and CONWIP pull systems using simulation, in: Winter Simulation Conference 2001», Proceedings of the Winter Simulation Conference 2001, Vol.2, 921–929. Martins, P. G., F. P. Laugeni, 2005, «Administração da Produção» 2ª Edição, São Paulo: Saraiva.