ANLISIS Y OPTIMIZACIN DE UN SISTEMA PRODUCTIVO

MEDIANTE SIMULACIN DISCRETA

Francisco Javier Olmos Herguedas
e-mail: javolm@cartif.es
C.A.R.T.I.F.
Gregorio Sainz Palmero, Clemente Crdenas, Susana San Jos
email: {gresai, clecar,sussan}@cartif.es
C.A.R.T.I.F.
Centro de Automatizacin, Robtica y Tecnolgias de la Informacin y Fabricacin.
Parque Tecnolgico de Boecillo 47151. Valladolid
Telef. 983 54 65 04

Resumen
El presente artculo, presenta las claves para
conseguir una simulacin discreta completa de un
factora de la industria del automvil.
Inicialmente se hace un planteamiento de lo que se
pretende obtener del modelo de simulacin, para
posteriormente plantear las herramientas y datos
necesarios para abordar el trabajo. A continuacin
se muestran las definiciones de los parmetros
logsticos que se van a usar en el anlisis del modelo
de simulacin y de la factora. El siguiente punto
muestra la forma de realizar un anlisis formal del
modelo.
La parte siguiente del artculo se centra ms en la
realizacin prctica de un modelo de simulacin
real, en concreto de una factora de fabricacin y
montaje de automviles. Herramientas que fue
necesario desarrollar, ejemplo real y conclusiones.
Palabras Clave: simulacin discreta, parmetro
logstico, disponibilidad, produccin, recurso, avera,
capacidad productiva.

INTRODUCCIN

La dimensin de las factoras de la industria

del automvil y la situacin tecnolgica actual de las
mismas, hacen que la toma de decisiones para llevar
a cabo diferentes planes de
fiabilizacin y
mantenibilidad, pasen por realizar grandes
inversiones, con el alto riesgo que esto implica.
El anlisis de determinados parmetros
logsticos de las unidades productivas de la factora,
nos van a determinar el estado de funcionamiento de
la misma, as como la relacin entre ellas. Para
saber si una inversin concreta, en un plan de
fiabilizacin y/o mantenibilizacin, cumplir su

objetivo, sera conveniente conocer estos

parmetros despus de la inversin, sin haber
realizado sta. Dada la gran cantidad de variables
que se deben de tener en cuenta en el anlisis y sobre
todo la importancia de los eventos aleatorios, la
principal herramienta que nos va a permitir estimar la
evolucin de los parmetros logsticos, es la
SIMULACIN DISCRETA mediante ordenador.
Este artculo, parte de la experiencia
conseguida con el proyecto de simulacin completo
de una factora de fabricacin y montaje de
automviles. Proyecto realizado por C.A.R.T.I.F.
para una de las empresas ms importantes en el
sector del automvil. Por razones de confidencialidad
del proyecto, dado que la simulacin parte de datos
reales tomados directamente de la factora, se
omitirn nombres a zonas en concreto de la factora y
datos importantes.
Este proyecto ha sido posible gracias a la
CICYT y la UE, que ha soportado en parte la
financiacin gracias al proyecto FEDER 1FD970825.

DATOS
Y
HERRAMIENTAS
NECESARIAS
EN
LA
GENERACIN DE UN MODELO
DE SIMULACIN

Vamos a ver los datos y herramientas que vamos

a necesitar para procesarlos e incluirlos el modelo de
simulacin.
Un procedimiento ordenado de creacin de un
modelo de simulacin de un proceso productivo sera
el siguiente:
1.

Anlisis del proceso productivo. En esta primera

fase se estudia el funcionamiento de la factora:

manuales. Toda esta informacin debe ser

filtrada, de esta forma se eliminen todos los
eventos que no deben ser incluidos en el
modelo, eventos que por la propia naturaleza
de la simulacin sern reproducidos por la
simulacin. As por ejemplo tenemos el caso
de parada por falta de pieza, esto
normalmente queda registrado como una
incidencia,
sin
embargo
no
ser
implementado en el modelo de simulacin,
siendo el propio modelo el que reproducir
estos eventos. Si que se usarn estos
registros posteriormente para validar el
modelo.

flujo productivo, recursos, productos, artculos,

horarios,...
Se debe recopilar toda la informacin que
nos aporte datos sobre el funcionamiento esto
incluye: planos de la factora, planos de
instalaciones, composicin de mquinas,
asignacin de operarios y operaciones a realizar
en cada instalacin. Cuanto ms se conozca el
proceso productivo mucho mejor, de tal forma
que cuando se obtengan los tiempos tecnolgicos
y manuales se puedan asignar correctamente a
las operaciones. Tambin ser importante
determinar los horarios de produccin y
mantenimiento de cada una de las instalaciones.
4.

Seleccin del software de simulacin y

construccin del modelo de simulacin. La
eleccin del software de simulacin vendr
condicionado fundamentalmente por la potencia
y capacidad del mismo para implantar los
elementos seleccionados en el modelo. La
eleccin del software estar dentro de los
productos capaces de implementar modelos de
simulacin basados en eventos discretos, dentro
de estos los ms usados son Witness y Promodel.

5.

Definicin de los parmetros logsticos que

usaremos para evaluar y validar el modelo. Una
vez implantado el modelo, se definirn los
mtodos de clculo de los diferentes parmetros
que usaremos para validar el modelo y para
analizar el proceso productivo. Estos parmetros
son los que calcularemos para las diferentes
configuraciones del sistema productivo, y su
evolucin nos determinarn la mejora en el
mismo. Ms adelante se explica un mtodo para
definir estos parmetros.

6.

Validacin del modelo. Una vez tenemos el

modelo implantado en el software de simulacin,
debemos decidir el nmero de simulaciones
(replicaciones) que se realizarn del mismo. La
eleccin del nmero de replicaciones depende de
la variabilidad de los datos de partida. Con el
modelo reflejando la situacin de la factora,
validamos el mismo con los valores de los
parmetros obtenidos de la simulacin y de la
realidad.

7.

Anlisis
de
diferentes
configuraciones.
Proponemos
diferentes
alternativas
y
modificaciones al modelo, se simulan y se
calculan los parmetros correspondientes.

8.

Salida de Resultados y anlisis. La salida de

resultados se realiza de forma normalizada.
Normalmente el formato ser el definido por el
rea de mantenimiento de la factora, de tal
forma que los resultados sean comparables

Posiblemente sea la etapa ms importante,

una mala interpretacin en el funcionamiento
puede hacer que el modelo creado de simulacin
no responda de forma semejante al real. Dada la
dimensin final que puede llegar a tener el
modelo, errores iniciales de concepcin de
funcionamiento pueden hacer que se retrase
mucho el proyecto.
2.

3.

Elaboracin de un modelo general. Partiendo

del conocimiento del proceso productivo se
determina cuales son los elementos que se
implementarn en el modelo de simulacin as se
debe fijar principalmente:
Nivel de implantacin del modelo. Para
poderlo modelar y pasarlo fcilmente a un
lenguaje de simulacin, ser necesario
identificar
correctamente
todos
los
elementos
de
simulacin
y
su
funcionamiento, destacando: elementos de
produccin (mquinas), productos o
artculos, recursos (operarios y mquinas
especiales compartidas), ...etc.
Eleccin de las variables de entrada y salida.
Intervalo temporal que se usar como
referencia para la implantacin del modelo.
Esta eleccin ser tambin muy importante,
pues la informacin de funcionamiento de la
factora, para el modelo de simulacin, ser
sacada de los histricos durante ese
intervalo.
Obtencin y filtrado de informacin. Al definir
el nivel del modelo en el paso anterior quedan
determinados los elementos de la factora de los
que va a ser necesario obtener informacin. Esta
fundamentalmente se refiere a:
Tiempos de ciclo manuales y tecnolgicos.
Histricos de las incidencias y averas
ocurridas en las diferentes instalaciones.
En muchos casos, la no existencia de estos
registros
automticos
en
algunas
instalaciones, obligar a recurrir a los partes

fcilmente. La evolucin de los parmetros

logsticos sern los que me definan la nueva
situacin de la factora.

PARMETROS LOGSTICOS

Como se ha comentado, el anlisis de la

instalacin se realizar calculando desde el modelo
una serie de parmetros logsticos. Evidentemente
estos parmetros estarn incluidos dentro de las
variables de salida del modelo.
Variables de salida :

Produccin (P).

Parmetros logsticos (Dp,

Do, Ro, NMS, PVS y PLLS).

Coste
de
produccin
(Cpr).

Coste de mantenimiento
(Cma).

siendo Rv el rendimiento de velocidad y Tq la tasa de

calidad.
Para completar el anlisis de situacin de la
instalacin tambin se incluyeron los siguientes
parmetros:
NMS: nivel medio de los stocks.
PVS: porcentaje de vaco de los stocks.
PLLS: porcentaje de lleno de los stocks.
El anlisis de los parmetros logsticos se deber
realiza a diferentes niveles, por lo que es necesario
determinar estos parmetros desde un nivel bajo
hasta un nivel ms alto.
Dependiendo del grado de profundidad de
anlisis del taller en cuestin, as podemos tener:

Los parmetros logsticos seleccionados por

parte del personal de mantenimiento de la factora
fueron los siguientes.

Do: Disponibilidad operacional. Nos va a dar una

medida de la influencia del entorno y averas propias
de la unidad productiva estudiada.
Dp: Disponibilidad propia. Influencia de las averas
propias de la unidad productiva en cuestin.
Ro:
Rendimiento
operacional.
productivo real respecto del ideal.

Rendimiento

P: Produccin.
El clculo de estos indicadores se pueden realizar de
diferentes formas, siendo la usada en la factora la
siguiente:

TF
; Dp
TR

Do =

RO

TF
;
TF + TAP
N .P.R.
N .P.R.T .
=

donde
TR: Tiempo Requerido.
TF: Tiempo de Funcionamiento.
TAP: Tiempo de Avera Propia.
N.P.R.: Produccin semanal.
N.P.R.T.: Produccin semanal terica.
Do y Ro se encuentran relacionadas de la siguiente
forma:

RO

= DO RV Tq

Nivel 0: Factora completa.

Nivel 1: Grandes talleres.
Nivel 2: Subtalleres.
Nivel 3: Instalaciones.
Nivel 4: Nivel de Isla.

Con las variables de entrada configuraremos el

modelo para una situacin en concreto. Estas
variables principalmente pueden ser

Variables de entrada:
Tiempos ciclo (Tc).
Horarios de trabajo (Pl).
Tiempo entre averas (Tav).
Tiempos de reparacin (Tr).
Recursos necesarios para cada
reparacin (Rr).
Tiempos entre reglajes (Tes).
Tiempos de reglajes (Tse).
Recursos necesarios para realizar el
reglaje (Rse).
Tamao de los stocks (St).
Tiempo mnimo de estancia en los
stocks (Stm).
Relacin de artculos producidos
(Rel).
Porcentaje de artculos rechazados (Prj).
Otras variables de entrada o de configuracin
pueden ser:
Asignacin de recursos.
Horarios.
etc...
Todas estas variables pueden ser
estocsticas o deterministas y discretas o
continuas.

ANLISIS
FORMAL
MODELO DE SIMULACIN

DE

El anlisis formal del modelo, con las

diferentes configuraciones, simplemente corresponde
al anlisis de los parmetros logsticos.
A continuacin se muestra una forma para
realizar este anlisis mediante un mtodo formal.
El anlisis de la instalacin, se debe realizar de una
forma estructurada y siguiendo unas pautas definidas
por la necesidad de clasificar las diferentes variables
de entrada por su afectacin a las variables de salida.
Para una configuracin determinada, se pueden
clasificar las variables de entrada como:
Completamente crtica: Un cambio en la variable
de entrada X produce un cambio en la variable
de salida Y:

X > 0
X < 0

Critica: Si

o si

Y 0
Y 0

X > 0
X < 0

Y 0 ;
Y = 0

X > 0
X < 0

Y = 0 ;
Y 0

Insensible: Si

X 0

Y = 0

dentro de las variables absolutamente crticas se

determina:
Sensibilidad de primer orden:

S XY

Valor ptimo en el incremento de X,

X i > X OP

PRCTICO.
IMPLEMENTAR
UNA
FACTORIA
DE
FABRICACIN Y MONTAJE DE
AUTOMVILES EN WITNESS

Como se ha comentado, con este artculo se

trata de transmitir la experiencia conseguida con el
proyecto de simulacin de una factora completa del
sector del automvil.
De forma simplificada, una factora de la
industria del automvil se puede dividir en tres
grandes talleres:
Soldadura
Pintura
Montaje
El nivel de estudio que se quiere realizar de la
factora obliga a definir los mnimos elementos de
simulacin que se implementarn, en este punto hay
que evaluar el grado de complejidad que
obtendramos, si este es muy elevado ser necesario
reducir el modelo bien eliminando elementos que se
consideren que influyen poco (lo cual exige como se
ha comentado un gran conocimiento de la
instalacin) y/o dividir el modelo en diferentes
submodelos y posteriormente estudiar las relaciones
entre los mismos.
Una vez analizadas las instalaciones y viendo
el nivel de estudio solicitado en cada taller so opt
por crear 4 submodelos:

Y
X

de variables crticas que al ser modificadas

conjuntamente si sean absolutamente crticas.

X OP :

Y i = Y OP

Coste asociado al cambio: Inversin necesaria

para obtener la nueva configuracin.
Cambios de configuracin equivalentes:
Diferentes cambios en la configuracin de
partida producen el mismo incremento en las
variables de salida. En estos casos es necesario
analizar los costes asociados.
Si partiendo de una configuracin no existe una
variable absolutamente crtica, se toma un conjunto

Soldadura 1
Soldadura 2
Pintura
Montaje

La simulacin se realiz implementando el

modelo de simulacin sobre el software WITNESS
9.0.
Una vez definida la estructura del modelo y sus
elementos de simulacin, se deben implantar los
eventos aleatorios (averas, faltas de suministro,...).
Es importante resaltar que aunque actualmente las
factora posee un sistema de seguimiento y registro
automtico, la gran cantidad de eventos que estos
almacenan y que no deben ser incluidos en el
modelo de simulacin, hace necesario realizar un
filtrado.

La informacin que aparece registrada y que debe ser

eliminada corresponde a:

Alarmas inducidas por otras averas. La

implantacin en el modelo debe ser slo de la
avera original (avera propia), pues de las dems
ser el propio modelo generar las dems.
Registros de averas que no existen por paradas
propias, sino por intervenciones en horarios de
mantenimiento. Al realizar un mantenimiento,
un sensor puede estar situado en posicin de
fallo, sin que en realidad est funcionando la
mquina.
Eventos de falta de pieza producidos por la
ruptura del flujo de produccin

Todos estos eventos aleatorios deben ser

implementados en el modelo mediante variables
estocsticas continuas. Para ello se usaron dos
mtodos:

5.1

Ajuste a funciones de distribucin continuas:

Weibull, exponenciales y Gamma.
Funciones de distribucin experimentales,
introducidas en el modelo como histogramas.
Con este mtodo se consigui mucho mejor
ajuste, obteniendo una reproduccin de eventos
satisfactoria. El proceso consiste en incluir los
histogramas experimentales en el modelo, siendo
el software de simulacin el encargado de
generar las funciones de distribucin
experimentales.

EJEMPLO.
UNA
INSTALACIN
IMPLEMENTADA EN WITNESS

Vamos a ver con un ejemplo, cmo se

implementa una parte de una instalacin dentro de
Witness.
Tenemos el robot1 (M_X0306) que manipula
piezas A y B. Las piezas A las toma de C_X0301 y
las posiciona en un soporte, donde un robot1
(M_X0310) realiza unas operaciones de soldadura de
tetones. El robot1 ser tambin el encargado de coger
la pieza ya soldada y posicionarla en un soporte de
un lnea area(M_X0309). Adems el robot1 debe
tomar piezas B de la mquina C_X0304 y
posicionarlas sobre otro soporte de otra lnea area
(M_X0308).

Figura 1. Instalacin ejemplo.

Primero definimos el nmero de elementos
Witness que necesitamos:

2 conveyor de 2 posiciones: C_X0304 y

C_X0301
4
mquinas
simples:
M_X0309,
M_X0310,M_X0306 y M_X0308.

a la hora de crear el artculo A escribimos el

siguiente cdigo en el evento a la creacin:
T_Acabado = "NO"
y en las acciones al final del robot de soldadura
escribimos:
T_Acabado = "SI"
As el cdigo de funcionamiento del robot1 ser:
acciones al inicio. sita el tiempo de ciclo que
tarda en realizar la operacin (depende de la
operacin a realizar):
IF TYPE = A
IF T_Acabado = "NO"
VC_X0306 = 0.2
ELSE
VC_X0306 = 0.27
ENDIF
ELSE
VC_X0306 = 0.37
ENDIF
y mandar la pieza a la mquina que corresponda:
IF T_Acabado = "SI"
IF TYPE = A
PUSH to M_X0308
ELSE
PUSH to M_X0309
ENDIF
ELSE
PUSH to M_X0310
ENDIF
Para poder implementar el funcionamiento
debemos recurrir a la programacin, de tal manera
que se consiga que las diferentes mquinas
implementadas
en
Witness
se
comporten
correctamente.

CONCLUSIONES

Hasta ahora, la mayor parte de estudios previos

realizados en las factoras de la industria del
automvil, estaban orientados a conseguir una mejora
de produccin, sin realizar un anlisis detallado de
los parmetros logsticos. Con la SIMULACIN
DISCRETA se consigue una herramienta capaz de
analizar a fondo todos los parmetros logsticos, y lo
que es ms importante, estimar la evolucin de los
mismos antes de realizar una modificacin en la
instalacin. As pues, con el modelo de simulacin,
obtenemos una potente herramienta para el personal
de mantenimiento de la factora, as como una ayuda
en la organizacin de la produccin. En concreto la
simulacin nos permitir:
Determinar cuellos de botella y su naturaleza.
Optimizacin de la produccin.
Asignacin eficiente de recursos.
Determinar evoluciones de la factora ante
posibles planes de mejora en la misma y
cuantificacin de las mejoras que se consiguen.
Comparar diferentes estrategias o alternativas.
Determinacin de la inversin ptima.
La realizacin de un proyecto de simulacin de una
factora completa, da lugar a modelos de simulacin
muy complejos, ser necesaria una completa
planificacin y una capacidad de simplificacin sin
prdida relevante de informacin, en este punto la
experiencia del personal de la factora se hace
imprescindible.

Agradecimientos
Este proyecto ha sido posible gracias a la
CICYT y la UE, que ha soportado en parte la
financiacin gracias al proyecto FEDER 1FD970825.
Referencias (10 ptos, negrita)

[1] Blanks, J. and Carson, J.S. (1.996) Discrete

Event System Simulation, Prentice Hall
[2] Brown, E. (1.998) IBM combines rapid
modelling technique and simulation to design
PCB factory of the future, IE pp. 23-26
[3] Law, A. and McComas, M. (1.990) Secret of
Successful Simulation Studies IE, pp. 47-53
[4] Miller, David M. and Park, Young (1.998)
Simulation and analysis of an automotive
assembly operation, Automotive Engineering
International, pp. 112-115.
[5] Petersen, R.G. (1.985) Design and Analysis of
experiments

[6] Pukelsheim, F. (1.993) Optimal Design of

Experiments Marcel Dekker, Inc.
[7] Garca, Ricardo F. and Zeigler, Bernard (1.986)
Discrete event simulation, IEEE Spectrum, pp
32-36
[8] Rawles, Ian. (1.998). The WITNESS Toolbox
a Tutorial. In Proceedings of the 1.998 Winter
Simulation Conference, eds.D. J. Medeiros,
Edward F. Watson, John S. Carson, and Mani S.
Manivannan, 223-226.
[9] lgen, Onur, and Ali Gunal. (1.999).
Simulation in the Automobile Industry. In
Handbook of Simulation, ed. Jerry Banks. New
York, New York: John Wiley & Sons,
Incorporated, 547-570.
[10] WITNESS User Manual, V. 9.0, Lanner
Group