Disponible en lnea en www.sciencedirect.

com

ScienceDirect

Procedia CIRP 57 (2016) 195 - 200

Conferencia CIRP nmero 49 en Sistemas de Manufactura (CIRP-CMS 2016)

sistema de fabricacin magra diseo mejora el uso de eventos discretos

simulacin

Oleghe Omogbai un, Konstantinos Salonitis un*

un Fabricacin y Materiales Departamento de la Universidad de Cranfield, Bedfordshire, MK43 0AL, Inglaterra

* Autor correspondiente. Tel .: + 44-1234-758347. E-mail: k.salonitis@cranfield.ac.uk

Abstracto

Manufactura esbelta (LM) se ha utilizado ampliamente en el pasado para la mejora continua de los sistemas de produccin existentes. Una herramienta de evaluacin magra (LAT) se utiliza para evaluar
el rendimiento global de las prcticas magras dentro de un sistema, mientras que una simulacin de eventos discretos (DES) se puede utilizar para la optimizacin de las operaciones de tales sistemas.
mejoras magras son tpicamente sugirieron despus de una LAT se ha desplegado, pero la validacin de tales mejoras rara vez se llevan a cabo. En el presente artculo se presenta una metodologa que
utiliza DES para modelar las prcticas magras dentro de un sistema de fabricacin. escenarios de mejora magras son luego ser simulados e investigados antes de su aplicacin, lo que permite un diseo
sistemtico de mejoras magras.

2016 Los Autores. Publicado por Elsevier Este es un artculo de acceso abierto bajo la licencia CC BY-NC-ND ( http://creativecommons.org/licenses/by-nc-nd/4.0/
2015 Los Autores. Publicado por Elsevier
).
Revisin por pares bajo la responsabilidad del Comit Cientfico de la 49 Conferencia CIRP en Sistemas de Manufactura (CIRP-CMS 2016).
Revisin por pares bajo la responsabilidad del comit cient fi co de la 49 Conferencia sobre sistemas de fabricacin CIRP

Palabras clave: La manufactura esbelta; evaluacin magra; simulacin de eventos discretos

1. Introduccin
La manufactura esbelta (LM) prcticas estn incrustados en cinco principios
bsicos: i) determinar el valor de cada producto especfico en los ojos del cliente
final; ii) identificar el flujo de valores de cada producto; iii) haciendo que el valor
de flujo continuo;
iv) dejar que el valor de traccin cliente del fabricante y
v) la bsqueda de la perfeccin [1]. Asegurar el flujo continuo del producto dentro del
sistema de fabricacin magra es compatible con los principios. Una coleccin de
prcticas magras como justo a tiempo (JIT) la gestin de proveedores, gestin de
calidad (QM), Mantenimiento Productivo Total (TPM), el tamao del lote, Compromiso
de la direccin, Participacin de los empleados, reduccin de configuracin, Trabajo en
equipo, participacin del cliente y muchos otros componen un sistema de LM.
Evaluar el rendimiento global de magra a travs de prcticas magras se realiza
normalmente mediante una herramienta de evaluacin magra (LAT). Varios modelos
han sido aplicados como la estructura bsica de muchos LAT [2], como Value Stream
Mapping (VSM), Lean Autoevaluacin de la Empresa Herramienta (LESAT),
Benchmarking, ndice de Lean y Estrategos LAT. Otros se han utilizado como la base
para una auditora de evaluacin magra [2] - Fundacin Europea
para la Gestin de la Calidad y el Modelo de Shingo. Los usos de las auditoras ms
magra y dorsales se han centrado en dos reas principales:
a) evaluar y comparar el rendimiento de magro y b) la identificacin de prcticas
que deberan ser el foco de los esfuerzos de mejora [2]. Rara vez son las
auditoras magras utilizados para la investigacin de lo que sera el efecto
probable si se llevaron a cabo las mejoras magras [3]. As, mientras que los
dorsales se han identificado qu prcticas magra para mejorar y posiblemente
cmo mejorarlos,
Poco se sabe acerca de cmo las mejoras propuestas magras se
comportarn en la realidad. Por ejemplo, una evaluacin magra puede identificar
Suministros JIT como una de las deficiencias de las prcticas que realizan magras
porque los suministros de materias primas a menudo se retrasan. La recomendacin
lgica sera reducir el suministro de plomo-tiempo, de preferencia al nivel "magro"
posible, dicen cero minutos. Si bien esto es una mejora en la direccin correcta, el
conocimiento sigue siendo necesaria en lo que respecta al efecto de esta mejora
tendr en otros ndices de escasez y en todo el sistema. Este conocimiento es buscado
por dos razones. En primer lugar las prcticas magras interactan entre s y por lo que
probablemente seran las compensaciones en sus mejoras. En segundo lugar un nivel
ptimo menudo existe ms all de lo que las mejoras ms magras no tienen efecto
significativo en el sistema- una prdida en la jerga magra.

2212-8271 2016 los autores. Publicado por Elsevier Este es un artculo de acceso abierto bajo la licencia CC BY-NC-ND ( http://creativecommons.org/licenses/by-nc-nd/4.0/
).
Revisin por pares bajo la responsabilidad del Comit Cientfico de la 49 Conferencia CIRP en Sistemas de Manufactura doi: 10.1016 /
j.procir.2016.11.034
196 Oleghe Omogbai y Konstantinos Salonitis / Procedia CIRP 57 (2016) 195 - 200
Por ejemplo, [4] encontraron una capacidad Kanban ptima en un caso de
fabricacin, y el aumento de la capacidad ms all del nivel ptimo no corresponda
a un aumento significativo en el rendimiento. As que en nuestro ejemplo anterior
con el tiempo el proveedor de plomo, puede ser que el ptimo de materia prima de
retardo es de 30 minutos y pasando por debajo de este no puede mejorar el
rendimiento general magra; Mientras tanto puede haber implicaciones de costos
adicionales que van ms all. La mayora de las LAT utilizados en la literatura no
validan transformaciones magras antes de la implementacin [3].
El presente estudio est motivado por la necesidad de proporcionar un
enfoque objetivo de identificar el alcance de las mejoras magras despus de una
evaluacin magra. Mientras tanto [5] intento de investigar esto, pero su
metodologa se bas-presupuesto de costos /. Se propone en este artculo para
avanzar en un enfoque objetivo y cuantitativo basado para predecir el posible
impacto de las mejoras en las prcticas magras, y una manera de lograrlo es a
travs de modelos de simulacin discreta de eventos (DES). Para el propsito de
describir el enfoque, asegurar el flujo continuo dentro del sistema de fabricacin
es el foco del anlisis.
2. modelado DES y evaluacin magra
DES es til para obtener una comprensin en profundidad de un sistema para mejorar
su rendimiento. Los modelos de software DES distinta secuencia de cambios de estado
que se producen en el tiempo. En otras palabras cualquier sistema que implica un flujo de
proceso donde los acontecimientos cambian en secuencias de tiempo se pueden simular,
por ejemplo, un elemento de trabajo que fluye a travs de un sistema de fabricacin. En un
sistema de fabricacin, el modelo tiene en cuenta los elementos de trabajo, recursos y
actividades utilizados en el procesamiento de elementos de trabajo, sus interacciones y las
limitaciones. los objetos del modelo (elementos de trabajo, recursos, actividades, etc.) se
configuran utilizando los parmetros de entrada (tales como tiempos de elemento de
trabajo entre llegadas, rutas de elementos de trabajo, y los tiempos de procesamiento de la
actividad) en el DES para imitar el sistema real. Correr el modelo DES establece detalles
importantes que puedan ser ocultadas lo contrario en el sistema real. En adicin,
experimentos se pueden realizar con el modelo, en lugar de con el sistema actual, y
eliminan la necesidad de experimentos de la vida real costosos, por ejemplo. Estas y otras
ventajas de la modelizacin DES han animado a su uso en mejoras relacionadas magras.
Hay trabajos anteriores, donde el modelado DES se ha utilizado para apoyar el
anlisis del sistema magra [3,4,6,7]. casos industriales tienen
adems estado reportado [Ver www.lanner.com;
www.arenasimulation.com; www.simul8.com]. Estos y otros estudios de evaluacin de DES
/ magras han tendido a centrarse en la evaluacin de los indicadores clave de rendimiento
(KPI), tales como plomo, tiempo de efectividad global del equipo y las obras en curso
(WIP). Sin embargo, el modelado de las prcticas magras es posible dentro de los distintos
bloques de construccin de la mayora del software DES, de tal manera que la simulacin
se puede utilizar para proporcionar informacin sobre los efectos de la alteracin y la
mejora de las prcticas magras, teniendo en cuenta las ventajas y desventajas que existen
entre ellos. De hecho, hay ms a la relacin evaluacin DES / magra que analiza solo KPI
magra.
3. Definicin del problema y la metodologa propuesta
Normalmente, despus se realiza una evaluacin magra, el siguiente paso
lgico es mejorar magra, como la evaluacin habra indicado las direcciones de
mejora magra a travs de las reas dbiles rendimiento. Sin embargo, de acuerdo
con [3]
"Un proceso de transformacin lean tradicional no valida el estado futuro
antes de la aplicacin, sino que confa en una serie de iteraciones para
modificar el sistema hasta que el rendimiento es satisfactorio"
La declaracin anterior es cierto para la mayora de las evaluaciones magras que
se han reportado en la literatura. El LESAT y otras auditoras evaluacin magra
(como el Modelo EFQM y Shingo) basado en un cuestionario son ejemplos tpicos.
Por ejemplo, la LESAT es un cuestionario de auto-auditora para evaluar el
desempeo del estado magra actual de una organizacin vis--vis un estado pobre
deseada. Ambos niveles actuales y deseados se califican en una escala de 1 a 5
para una lista de 54 prcticas magras, donde 1 representa la conciencia muy limitada
y el uso de prcticas magras y 5 representa reconocieron las mejores prcticas
magras [8]. el rendimiento de vacas flacas para el sistema se basa en la diferencia
entre los niveles actuales y deseados de rendimiento. La evaluacin LESAT indica
las zonas con grandes oportunidades de crecimiento (es decir, aquellos con
deficiencias de ancho), as como reas de bajo potencial percibido para el
crecimiento (es decir, aquellos con deficiencias mnimas) [8]. El LESAT y otros LAT
basados en auditoras comparten una deficiencia: no validan el estado magra
deseada. LATs basado en analticos no se han utilizado para superar esta deficiencia
tampoco, ya que la mayora de los trabajos de investigacin anteriores no han
validado el estado futuro magra.
[3] han propuesto el mtodo de simulacin mejorada de cinco pasos para
la aplicacin de LM (Fig. 1). La tpica LAT como VSM cubrira los pasos 1 a
3. El objetivo del presente artculo es mirar ms de cerca los pasos 3 y 4, es
decir el futuro diseo de estado y validacin. El enfoque propuesto en el
artculo actual se resume en la figura. 2.
Evaluacin Estado actual Estado futuro Futuro Estado Implementacin
magra Brecha diseo Validacin
Fig. 1-enfoque de simulacin mejorado para la fabricacin magra [10]
Paso 1: Identificar las prcticas magras y sus mtricas de desempeo que
se modelaron en el DES. Elija un software adecuado DES y establecen
cmo se configuran las prcticas magras.
Paso 2: Construir un modelo DES para el sistema. Verificar y validar la
DES.
Paso 3: Simular el modelo DES para diversas mejoras graduales en las
prcticas magras y establecer su posible impacto en su aplicacin.
Utilizar la informacin para disear mejoras magras para el sistema.
Fig. Metodologa 2 pasos describen el enfoque propuesto para el diseo y la validacin estado
futuro
 Oleghe Omogbai y Konstantinos Salonitis / Procedia CIRP 57 (2016) 195 - 200
En el enfoque propuesto (Fig. 2) el futuro diseo de estado se logra a travs
de una mejora gradual en las prcticas magras. flujo continuo es uno de los
principios de LM [1]. La metodologa de 5 a paso se representa en la Fig. 2 se
basa en cmo las prcticas magras afectan el flujo continuo del producto. La
mejora de las prcticas magras mejorar flujo continuo, lo que aumentar
inevitablemente el rendimiento magro.
La metodologa se pretende aplicar a inclinarse DES evaluacin de una manera
novedosa mediante la configuracin de varias prcticas magras dentro de los bloques de
construccin del modelo de simulacin. De este modo, mejorar el rendimiento de una
prctica magra puede ser simulado antes de su aplicacin real. Por ejemplo, gestin de
proveedores JIT se puede medir con el retraso en el suministro de materias primas. El
retraso en el suministro de materias primas se puede configurar como una actividad
distinta dentro del modelo DES. El tiempo de procesamiento actividad se utiliza a
continuacin para representar veces proveedor de plomo. Al alterar el tiempo de proceso
para la actividad, los efectos de diferentes proveedores plazos de entrega en el sistema
pueden ser simulados. El resultado se puede usar como la base para establecer los
requisitos para la seleccin y gestin de proveedores.
Para una mejor descripcin del enfoque propuesto se muestra en la Fig. 2, que se
demuestra en una unidad de procesamiento de un caso de fabricacin de envases de
impresin. La planta ha estado implementando prcticas de produccin ajustada
durante unos dos aos. Cuenta con siete unidades-procesamiento de corte,
impresin, pegado, laminacin, corte, embolsado y empaque. El proceso de impresin
es el nico proceso en el que todos los elementos de trabajo se deben pasar por. Por
otra parte una "empresa" para la evaluacin puede ser una unidad [Gua LESAT
facilitadores]. Por estas razones y para el propsito de demostrar el enfoque
propuesto, el proceso de impresin es suficiente por s solo para ser utilizado como el
ejemplo de caso.
El departamento de impresin se alimenta y se alimenta por otros procesos.
A veces hay retrasos materiales de los procesos posteriores, mientras que el
proceso de impresin retrasa otros procesos anteriores. Hay chatarra proceso,
que es inevitable y es una funcin de las configuraciones, los cambios y las
averas de la mquina. avera de la mquina es una funcin de la frecuencia de
mantenimiento de rutina en las mquinas. Hay cinco mquinas de impresin, y
un operador por mquina. Los otros detalles del proceso se describen los
aspectos relevantes relativos a los objetivos de simulacin y de estudio, y estos
se explay en las secciones pertinentes siguientes.
4. Descripcin del enfoque
4.1. Paso 1: Elija DES adecuada
Despus de una serie de auditoras magra llevado a cabo antes de este estudio, la
organizacin identific once aspectos de LM que iban a ser el foco de los esfuerzos de mejora.
Estas prcticas se refieren a la Reduccin de configuracin, gestin de calidad, TPM, la reduccin
de residuos, Suministros JIT, la mano de obra de mltiples funciones,
Produccin JIT, la mano de obra
compromiso, JIT entrega al cliente, Liderazgo
El compromiso y la utilizacin del espacio. Liderazgo y compromiso de la Fuerza
Laboral al igual que otros aspectos importantes de la LM, tales como Sistemas de
Informacin, crculos de calidad, controles visuales y Sugerencias de Mejora pueden
ser difciles de simular en un DES. El uso de medidas de rendimiento cuantitativo
sustitutas
197
es comn dentro de evaluacin magra [9] y estas prcticas magras pueden ser
representados en el DES utilizando mtricas de sustitucin: en el estudio actual, el
liderazgo y la mano de obra Compromiso haber sido modelada utilizando medidas
indirectas.
SIMUL8 DES (www.simul8.com) fue elegido para este estudio, ya que se ha
aplicado en muchos casos relacionados con la fabricacin magra-(ver estudios de
caso en www.simul8.com). Adems, los bloques de construccin y la arquitectura de
SIMUL8 permiten que el objetivo de la actual artculo a ser realizado de una manera
directa simplista.
Para construir el modelo DES, un diagrama de flujo del proceso para ser
modelado se presenta primero (Fig. 3). Hay varios tipos de productos y pedidos de
los clientes son de diferentes cantidades y especificaciones.
Cada orden de trabajo se encamina a travs de la simulacin como un elemento de trabajo
distinta, pero no est configurado para replicar las diferentes cantidades de la orden de trabajo.
Las prcticas magras se configuran en el DES de tal manera como para usarlos
como base o los resultados de anlisis de escenarios. A continuacin se proporciona
una mejor descripcin de cmo se prepararon las prcticas magras para el estudio de
caso para el modelado dentro de la DES. El primero ocho son variables
independientes, mientras que las ltimas tres son variables dependientes (que
dependen de los parmetros de las variables independientes). Los escenarios de las
variables dependientes son determinados por cmo se modelan las variables
independientes. Por ejemplo, para modelar una mejora de plomo-Time (JIT entrega al
cliente) varias mejoras necesitan ser implementadas en las variables independientes
como acortar el tiempo de preparacin o cambio.
rendimiento de la instalacin. Para el caso de fabricacin, la instalacin es una operacin
manual en lnea distinta que incluye re-herramientas. Una actividad denominada
"configuracin" se coloca antes de la actividad de procesamiento de la mquina de modo que
la mejora de configuracin puede ser modelado. El tiempo de actividad se establece para que
se corresponda con los diferentes tiempos de preparacin.
Gestin de la calidad. Proceso de chatarra surge cuando hay cambio o
averas de la mquina.
Mantenimiento Productivo Total. Tiempo para el mantenimiento de rutina
(MTRM) y el tiempo medio entre fallos (MTBF) estn configurados para la
actividad de procesamiento de la mquina significar. La intencin de modelar
tanto dentro de la actividad es simular escenarios para investigar su impacto
individual y combinado en el sistema.
entrada de trabajo de
proceso aguas arriba
S
Retraso materiales
materias primas?
No
suministros de
Configuracin para la actividad
de procesamiento de la mquina
El cambio entre
trabajo el uso de JIT
trabajos
procesamiento de la mquina
desechado
actividad
proceso de orden de
Enviado a aguas abajo
El tipo de
Fig. 3. Diagrama de flujo de bloques de construccin para el modelo DES
198 Oleghe Omogbai y Konstantinos Salonitis / Procedia CIRP 57 (2016) 195 - 200
la reduccin de residuos (residuos de movimiento). Un operador se le asigna tanto a las
actividades de procesamiento y de configuracin de la mquina. Hay un tiempo de viaje entre
ambas actividades. Un escenario puede ser simulado mediante el cual el tiempo de viaje se
reduce, por ejemplo, el operador pasa menos tiempo para buscar herramientas para la
instalacin.
Suministros JIT. Los procesos posteriores se toman como el proveedor de insumos de
materias primas para el proceso de impresin. Los retrasos en los procesos posteriores
se modelan como una actividad denominada "Materiales retardadas". El tiempo de
actividad est configurada para imitar los diferentes tiempos de retardo.
Plantilla de la empresa multifuncional. La capacidad de los recursos (trabajadores de fbricas)
que estar disponible en mltiples centros de trabajo (actividades) es una medida de
rendimiento para una fuerza de trabajo multifuncional. En el sistema actual, los recursos del
DES se asignan a los centros especficos de trabajo solamente. Las actividades ms un
recurso pueden trabajar en, cuanto mayor es la medida de rendimiento magro de mltiples
funciones de la mano de obra, ya que los recursos se pueden mover a actividades que estn
privadas de los recursos.
Produccin JIT. De entrada se utiliza como la medida para esto. actividades de cambio
estn asociados con el cambio de producto mquina en-el-como el cambio de la tinta y
el carrete. Los tiempos de cambio dependen de la secuencia del tipo de producto que
entra la actividad. tipos de productos similares no requieren tiempo de cambio de
imagen. Una actividad distinta llamado "cambio" se coloca entre el programa de
instalacin y actividad de procesamiento de la mquina.
Compromiso de mano de obra. Un trabajador opera una mquina de impresin. Una procesos
de trabajo eficientes elementos de trabajo a un ritmo ms rpido que los trabajadores menos
eficientes. Por consiguiente, el tiempo de procesamiento de la actividad se utiliza para modelar
la eficiencia y el compromiso de los trabajadores.
JIT entrega al cliente. Del tiempo de entrega y el porcentaje de entregas que
llegan tarde.
Compromiso de la direccin. El grado en que los gestores de la organizacin son
capaces de utilizar el equipo de produccin se puede tomar como la medida de
rendimiento sustituto para esta prctica magra. utilizacin de la mquina se utiliza
para representar en el modelo DES.
utilizacin del espacio. WIP en las colas se colocan en el taller sobre paletas,
ocupando un espacio de produccin. Cuanto menos tiempo WIP gasta en las
colas, mejor es el uso del espacio. El porcentaje de WIP que pasar ms de 30
minutos en las colas se toma como medida para la utilizacin del espacio.
4.2. Construir modelo DES
4.2.1. Los parmetros del modelo
Las entradas y salidas del modelo se muestran en la Fig. 4. distribuciones de perfiles
discreta de probabilidad se definieron y se utilizan para describir la naturaleza estocstica
de la mayora de los parmetros del sistema. Los datos histricos que abarcan tres meses
se utiliz para generar las distribuciones de probabilidad y verificarse utilizando dos
semanas de datos de produccin. Fig. 5 muestra una distribucin de probabilidad ejemplo
para inter-llegadas para el tipo de producto 1: existe una probabilidad del 80% que el
tiempo entre llegadas se aproximar a 54 minutos y 20% de probabilidad de que ser de
120 minutos. Los perfiles de probabilidad permitieron una mejor descripcin de los
acontecimientos y
calendario para el caso de las distribuciones estndar, tales como la normal y
uniforme, triangular o distribucin exponencial.
4.2.2. Supuestos para el modelo DES
Los supuestos del modelo fueron las siguientes:
regla de planificacin es siempre primero en entrar, primero en salir. En la planta real en estudio,
esta regla se aplica a la mayora de los elementos de trabajo en las colas.
El sistema se modela para los niveles de mxima demanda. Se supone que un
sistema de fabricacin que se realiza bien en la demanda pico tambin se realizar
bien con poca demanda.
Se conocen las correlaciones entre MTRM y MTBF. La planta decidi utilizar
esto como una motivacin para llevar a cabo el mantenimiento de rutina
sobre una base regular. En realidad el mantenimiento de rutina se alargan los
tiempos entre averas, pero la duracin exacta es probabilstica.
4.2.3. Verificacin y validacin del modelo DES
Se utiliz un perodo de calentamiento correspondiente a cuatro semanas de trabajo para
poblar el modelo con los elementos de trabajo y reducir al mnimo los efectos de inicializacin
sesgo [10]. tiempo de ejecucin modelo fue fijado en tres meses para generar datos suficientes
para mejorar la confianza de los datos. El comportamiento del modelo se verific utilizando
diferentes parmetros de entrada. 100 repeticiones [10] utilizando diferentes generadores de
nmeros aleatorios se utilizaron para validar el modelo. Fig. 6 es una instantnea de los aspectos
clave del modelo de acumulacin.
4.3. Simular el DES para varios escenarios de mejoras magras
La identificacin de escenarios de mejora magras se basa en un enfoque por etapas.
Las especificaciones de los parmetros para un estado futuro deseado magra (S RE) fueron
inicialmente fijado por la organizacin era alcanzable dentro de los seis meses. Las
especificaciones son las siguientes:
Entrada s
rdenes de trabajo los elementos
de trabajo de elemento de
trabajo Actividades de salida s
Modelo de
enrutamiento Actividad Actividad DES informa sobre los ndices
simulacin
veces Cambios Las averas La de rendimiento
asignacin de recursos
Fig. 4. entradas y salidas del modelo DES principales
Fig. 5. Perfil de probabilidad discreta para los tiempos entre llegadas de los productos en el sistema
 Oleghe Omogbai y Konstantinos Salonitis / Procedia CIRP 57 (2016) 195 - 200 199

compensaciones. Ser una "prdida" para tratar de mejorar la prctica slo una
magra en forma aislada. Sobre la base de este conocimiento, se inici un escenario
experimental donde todas las prcticas magras se mejoran de forma simultnea, a
los niveles deseados. Tabla 1 es un anlisis comparativo de la situacin actual (S c) y
el escenario experimental (S RE). Fig. 7 es el modelo que muestra el
reencaminamiento de elementos de trabajo similares, por lo que se minimizan los
cambios, y recortes, proceso que surge de los cambios se reduce.

Tabla 1. Comparacin entre el estado actual y futuro magra deseada estado pobre

magras parmetros
Situacin actual
deseados (S RE)

Parmetros independientes
Fig. 6. instantnea de la ventana principal que muestra los componentes del modelo
disposicin los valores actuales de la planta Reducir en 100%
cambio los valores actuales de la planta Reducir en 100%
4.4. Simular el DES para varios escenarios de mejoras magras Rutina una vez al
Los controles de rutina infrecuentes al azar
mes
Uniforme entre
Promedio de 10.000
Descompostura 2.000 y 2.500 minutos
minutos
La identificacin de escenarios de mejora magras se basa en un enfoque por etapas.
Las especificaciones de los parmetros para un estado futuro deseado magra (S RE) fueron operador de Viajes 7 minutos 1 minuto
Retraso materiales los valores actuales de la planta Cero
inicialmente fijado por la organizacin era alcanzable dentro de los seis meses. Las
Asignacin trabajador Una unidad de impresin Todas las unidades de impresin
especificaciones son las siguientes: parmetros dependientes

proceso de chatarra 15,30% 5,50%

Tiempo de instalacin: Este se reduce en un 100%. movimiento de residuos 4% 0%
plomo-tiempo promedio en das
Proceso tasa de desechos: No hay cambios de entre los diferentes tipos de productos. = 4, = 4,5 = 0,2, = 0,12

% Los pedidos que llegan tarde 41% 0%

MTRM y MTBF: Aumentar el mantenimiento rutinario de ella nivel actual de sucesos % WIP que se qued ms en las
colas * 57.80% 3,60%
aleatorios a diario, mientras que el MTBF se establece en un valor medio de 10.000
utilizacin media
minutos. El supuesto es que si las revisiones de mantenimiento se realizan 49,00% 36%
mquina
rutinariamente todos los das, entonces el tiempo medio entre averas ser de * Todas las colas incluyendo los retrasos y los materiales para la configuracin.

10.000 minutos.
los residuos de movimiento: La distancia entre la configuracin de la mquina y fuera de
lnea se elimina, colocndolos cerca uno del otro. El tiempo de viaje para esto es
aproximadamente un minuto para un viaje de aqu para all y para
El anlisis de escenarios solo proporciona slo una solucin extrema
basado en el objetivo deseado magra, pero hay varias mejoras que se pueden
lograr entre el estado actual y el estado deseado magra. El DES se simul
para diversas mejoras graduales en las prcticas magras. Fig. 8 representa
mejoras en las prcticas magras para los dos escenarios adicionales (S 1

Proveedor plazo de entrega: Esto se reduce a cero minutos de manera que no hay
ningn retraso en las materias primas. Esto es factible si se mejoran los procesos
posteriores.
uso de los recursos: Los recursos estn configurados para estar disponible en todos los
lugares para imitar un trabajador multifuncional. De este modo, las actividades no tienen que
y S 2) donde S c S 1 S 2 S re en trminos de mejoras en
prcticas magras. Los parmetros de las variables independientes para S 1 y S 2 se
fijaron en 50% y 70%, respectivamente, sobre las mejoras S c. En realidad, las
variables mejoraran a ritmos diferentes y pueden ser simulados usando el modelo.

esperar por un recurso especfico que se asocia normalmente con ella.

Cambian con el tiempo: Este se reduce en un 100%.

el tiempo de procesamiento de la actividad: Un operador de la mquina puede, en el
mejor proceso a la mayor velocidad terica de la mquina, que es 40% ms rpido que los
tiempos de procesamiento actuales. Una observacin superficial del sistema y el modelo
indicaron que la cada una de las mejoras magras anteriores no se poda hacer de forma
aislada. Por ejemplo, si el retraso material de aguas abajo no se mejora, los productos no
son alimentados "continua" en las actividades de configuracin. Por lo tanto la mejora de la
configuracin solos, por ejemplo, no va a mejorar los otros parmetros magras como el
promedio de tiempo de entrega y la utilizacin de la mquina de impresin. Sin embargo,
otra disyuntiva previsto es cuando se aumenta el tiempo de proceso actividad. No habr
una acumulacin de las colas si los recursos (trabajadores) no son multifuncionales y
disponible en mltiples actividades, en el momento adecuado. La experimentacin con el
modelo confirm estos y otros
Fig. 7. instantnea de la ventana principal modelo de demostracin de estado futuro deseado magra
200 Oleghe Omogbai y Konstantinos Salonitis / Procedia CIRP 57 (2016) 195 - 200
60
el ndice de rechazos (%) Propuesta de
55 Residuos (%) atrasados (%) WIP se quedan
50 ms tiempo en las colas (%) la utilizacin
45 de la mquina (%)
40
35
30
25
20
15
10
5
Los valores de rendimiento magras
0
1 2 3 4
SC S1 S2
escenarios actuales y experimentales
Fig. 8. Resultados DES para los escenarios actuales y experimentales
5. Los debates y la conclusin
Los resultados de la simulacin (Fig. 8) del modelo DES proporcionan
informacin til para la validacin de las mejoras en las prcticas magras antes de
su aplicacin real. Unos pocos ejemplos se discuten con la presente.
Hasta los cambios entre los distintos tipos de trabajo se eliminan por completo, no
hay una reduccin significativa en la tasa de desecho de proceso. Desvo de tipos de
trabajo ayuda a eliminar los cambios de tipo de trabajo y esto no afect a otros
ndices magras como el plazo de entrega y el WIP se acumule.
Ms all de S 1, plazo de entrega y las entregas a tiempo no muestran ninguna
mejora significativa. La experimentacin con el modelo indic que el retraso material
era el principal contribuyente durante largos plazos de entrega y los retrasos en las
entregas. retraso material se mejor por 50% de S do a S 1; por lo que mejorar an ms
retraso significativo del 50% de los niveles actuales ser innecesaria. Si iba a ser un
nico objetivo del problema de optimizacin, por ejemplo para el plomo-tiempo,
entonces los parmetros correspondientes con S 1 son el conjunto ptimo de mejoras
que deben llevarse a cabo. Sin embargo, para un rendimiento global-magra (del tipo
evalu a travs de una herramienta de evaluacin magra), hay mltiples objetivos en
conflicto que pueden necesitar optimizacin. Una solucin de optimizacin
multi-objetivo est ms all del alcance del presente artculo, pero se puede lograr con
el modelo actual, utilizando OptQuest en SIMUL8.
en S RE, mantenimiento de rutina se fij inicialmente a ocurrir sobre una base diaria
durante 30 minutos. Esto afect la entrega al cliente de plomo-tiempo que las mquinas
se detuvieron con demasiada frecuencia para las revisiones de mantenimiento. a
continuacin, el mantenimiento de rutina se fij a una vez al mes para una mayor duracin
de 90 minutos, y se mejor plazo de entrega. Esta informacin ayud a la compaa a
poner en prctica integral de mantenimiento menos frecuente, pero a largo duracin.
utilizacin de la mquina se mantiene sin cambios para S1 y S2 y las gotas de S D.
Experimentar la DES en el estado pobre deseada (S RE), mostr que el sistema
protegen bien con cuatro mquinas de impresin.
Otros experimentos de simulacin se realizaron utilizando los escenarios
anteriores y los niveles ptimos como puntos de referencia. El nivel ptimo es el
punto en que una mejora significativa tiene ningn efecto positivo acorde en
otros ndices de escasez. La informacin obtenida permiti a la siguiente diseo
de mejoras magras en orden de prioridad y secuencia:
Mejorar el suministro JIT y el compromiso de la Fuerza Laboral (eficiencia del
operador) en un 50%, lo que tambin mejora el rendimiento del JIT cliente Delivery
para todos los tipos de productos a partir de 4 das a aproximadamente 2 horas.
Esto es plausible, ya que slo dos de los tres tipos de productos de material
experimentar retrasos de los procesos posteriores, y representan slo el 15% de la
produccin total. la utilizacin del espacio tambin se ha mejorado
El rendimiento de calidad se mejora a travs de una reduccin del 178% en la tasa de
desechos proceso. Esto se logra mediante: a) re- enrutamiento de los elementos de
trabajo para eliminar los cambios y b) mejorar el rendimiento de TPM a travs del
SB mantenimiento mensual de las mquinas.
Configuracin y Produccin JIT (cambios de) actuaciones se mejoran en un
50%
Eliminar el desperdicio de movimiento moviendo actividad de configuracin fuera de lnea
ms cerca de las mquinas
Mejorar la Fuerza de Trabajo multifuncionalidad al permitir que los operadores de
mquinas para estar disponibles en todas las actividades de trabajo (configuracin, de
cambio y de transformacin de la mquina)
compromiso de liderazgo a inclinarse se mejora mediante la ejecucin de la planta con una
sola mquina de impresin menor. Esto mejorar la utilizacin de la mquina en
aproximadamente un 20%
La metodologa descrita en el presente artculo, as como los resultados
del estudio de caso demuestran que las prcticas magras y sus actuaciones
se pueden simular con fines de mejora. Este es un valor aadido a LAT para
que puedan generar ms informacin que en la actualidad.
No metodologa autnomo proporciona una panacea para resolver un problema. En
efecto, los resultados generados por el mtodo avanzado en este artculo no se deben
utilizar exclusivamente. Adems, la fiabilidad de un estudio de un solo caso no se puede
utilizar para generalizar una solucin. Sobre la base de estos, se necesitan ms estudios
de caso para modelar un conjunto ms amplio de prcticas esbeltas dentro de un sistema
ms grande (como toda la organizacin).
referencias
[1] JP Womack, Jones DT. 2003. El pensamiento Lean: expulsar los residuos y crear
riqueza en su corporacin. 2 ed. Nueva York: Free Press; 2003 [2] Oleghe O, Salonitis K. 2015.
Los marcos de evaluacin de la delgadez: puntos fuertes
y debilidades. Presentado para su publicacin al Diario de Gestin de la Tecnologa de
Fabricacin
[3] Marvel JH, Standridge CH. 2009. Un diseo delgado de simulacin mejorada
proceso. J Ind Eng Manage 2009; 2: 90-113 [4] Schroer BJ. La simulacin como una herramienta en la
comprensin de los conceptos de magra
fabricacin. Simulacin 2005; 80: 171-175 [5] Srinivasaraghavan J, Allada V. Aplicacin de la
distancia de Mahalanobis como
mtrica de evaluacin magra. Int J Adv Fabrica Technol 2006; 29: 1159-68. [6] Abdulmalek
FA, Rajgopal J. El anlisis de los beneficios de la apoyarse
la fabricacin y el valor de mapeo de la cadena a travs de la simulacin: un estudio de caso del sector
proceso. Int J Prod econs 2006; 107: 223-236. [7] Detty RB, Yingling JC. La cuantificacin de los beneficios de la
conversin se incline
con la fabricacin de simulacin de eventos discretos: un estudio de caso. Int J Prod Res 2000; 38: 429-445.
[8] Perkins L, L Abdimomunova, Valerdi R, T Escudos, Nightingale D.
Puntos de vista de la evaluacin de la empresa: cmo analizar los resultados LESAT para la
transformacin de la empresa. Conocer informacin Sys Manage 2010; 9: 153-174 [9] Oleghe O, Salonitis
K. 2015. La mejora de la eficacia del ndice magra
a travs de la cuantificacin de las mtricas magras cualitativos. Procedia CIRP 2015; 37: 42-47
[10] Chongwatpol J y R Sharda. La consecucin del objetivo magra a travs de RFID: una
basada en la simulacin de evaluacin. Sci diciembre J 2013; 44: 239-266