Está en la página 1de 9

NOMBRE DEL GRUPO

Consultores: Francisco Javier Moreno. Código 14121029798


Javier Castillo Reina. Código 1421029859
César Doria Hernández. Código 1621981822
Javier Guarín Álvarez. Código 1411021718
Oscar Muñoz Martínez. Código 1421029880

Modelo Conceptual de la Situación Planteada

Con este trabajo vamos a implementar y a proponer mejoras a la planta piloto que se ha desarrollado por alrededor
de 2 meses en la compañía “AMD” y principalmente vamos a lograr ejecutar este proceso en el tiempo suficiente
para llenar el almacén logrando la manera más eficiente en la línea de producción. Teniendo en cuenta lo anterior
vamos a plantear un modelo de simulación estocástico, dinámico y discreto para solucionar la necesidad del
gerente de la compañía “AMD”.
Para solucionar esta necesidad debemos tener en cuenta la información de la planta piloto que se ha venido
desarrollando, puesto que debemos tener como finalidad un producto con los más altos estándares de calidad y
debemos disminuir los costos de producción aprovechando esta nueva tecnología, debemos tener en cuenta que
esta cadena de producción tiene muchas ventajas: son demasiado confiables y si le realizamos el mantenimiento
preventivo necesario y de acuerdo al manual no nos va a fallar. El inconveniente de la compañía “AMD” es que
en los últimos años han venido creciendo desmesuradamente los clientes y últimamente se están incumpliendo
los tiempos de entrega ocasionando la perdida de algunos de estos clientes.

Ventajas
Con este sistema automatizado vamos a lograr un stock de productos en la bodega los cuales deben estar
disponibles en cualquier momento de acuerdo a la demanda y pedidos de los clientes.
Las mejores aplicaciones en simulación es su cómoda y fácil utilización, donde nos permitirá planear y organizar
las instalaciones productivas y de servicio, teniendo en cuenta lo anterior será muy fácil y dinámico planear las
estaciones de trabajo cuando se realicen cambios significativos en la infraestructura y nos facilitara obtener mayor
flujo de materiales y disponer de espacios adecuados para el material, también nos permite tener un mayor control
de inventarios y en general tener una mejor eficiencia de toda la cadena de producción.
Nos permite planear y asegurarnos de que la materia prima esté disponible en el momento que la necesitemos.

Las desventajas
Algunos inconvenientes con el control de inventarios, en algunas ocasiones no van a ser exactos, esto dependiendo
de la demanda ya que puede variar en las diferentes temporadas del año.
Como vamos a tener un stock de productos demasiado alto, esto nos puede aumentar los costos para su
almacenamiento.

Página 1
Representación Gráfica

Funcionamiento de la compañía AMD


• El sistema de
fabricación es una
estación de montaje Photoresist Strip

energizado y Ion Implantation

automatizado que
consta de seis Etching

estaciones de Lithography

trabajo:
Oxidation

Cleaning

Gráfico 1. Representación gráfica del proceso productivo de la compañía de AMD

Modelo Conceptual de la Situación Planteada

La compañía productora de semiconductores “AMD”, necesita probar una nueva tecnología de fabricación de
circuitos integrados (CI) que realiza todo el proceso automáticamente.
El sistema de fabricación es una estación de montaje energizado y automatizado que consta de seis estaciones de
trabajo: Cleaning, Oxidation, Lithography, Etching, Ion Implantation y Photoresist Strip.

Página 2
Análisis de datos de entrada

Tiempo Estación 1 (Cleaning)

Histograma:

Gráfico 2. Histograma del tiempo de servicio en la estación de Cleaning

Pruebas de Bondad de Ajuste


Tiempo entre Llegadas
Número de datos analizados 10.000
Mínimo 4.29
Máximo 16.6
Promedio 10
Desviación Estándar 1.49
Hipótesis Nula Normal
Nivel de significancia (a) NORM(10, 1.49)
Grados de libertad (g.l) 26
P-value 0.396
Parámetros de la distribución Sample Mean = 10
Sample Std Dev = 1.49
Conclusión Se puede asumir que lo datos siguen una distribución Normal.

Tabla 1. Resumen planteamiento prueba de bondad de ajuste para tiempo de servicio en la estación de Cleaning
Página 3
Análisis de datos de entrada

Tiempo Estación 2 (Oxidation)

Histograma:

Gráfico 3. Histograma del tiempo de servicio en la estación de Oxidation

Pruebas de Bondad de Ajuste


Tiempo entre Llegadas
Número de datos analizados 10.000
Mínimo 5
Máximo 12
Promedio 8.49
Desviación Estándar 2
Hipótesis Nula Uniforme
Nivel de significancia (a) UNIF(5, 12)
Grados de libertad (g.l) 39
P-value 0.26
Parámetros de la distribución Sample Mean = 8.49
Sample Std Dev =2
Conclusión Se puede asumir que lo datos siguen una distribución Uniforme.

Página 4
Análisis de datos de entrada

Tiempo Estación 3 (Lithography)

Histograma:

Gráfico 4. Histograma del tiempo de servicio en la estación de Lithography

Pruebas de Bondad de Ajuste


Tiempo entre Llegadas
Número de datos analizados 10.000
Mínimo 0.1
Máximo 78.8
Promedio 12
Desviación Estándar 8.47
Hipótesis Nula Erlang
Nivel de significancia (a) ERLA(6, 2)
Grados de libertad (g.l) 23
P-value 0.33
Parámetros de la distribución Sample Mean = 12
Sample Std Dev = 8.47
Conclusión Se puede asumir que lo datos siguen una distribución Erlang.

Página 5
Análisis de datos de entrada

Tiempo Estación 4 (Etching)

Histograma:

Gráfico 5. Histograma del tiempo de servicio en la estación de Etching

Pruebas de Bondad de Ajuste


Tiempo entre Llegadas
Número de datos analizados 10.000
Mínimo 2.27
Máximo 24.2
Promedio 13.8
Desviación Estándar 3.14
Hipótesis Nula Weibull
Nivel de significancia (a) 2 + WEIB(13.2, 4.48)
Grados de libertad (g.l) 29
P-value < 0.005
Parámetros de la distribución Sample Mean = 13.8
Sample Std Dev = 3.14
Conclusión Se puede asumir que lo datos siguen una distribución Weibull.

Página 6
Análisis de datos de entrada

Tiempo Estación 5 (Ion Implantation)

Gráfico 6. Histograma del tiempo de servicio en la estación de Ion Implantation

Pruebas de Bondad de Ajuste


Tiempo entre Llegadas
Número de datos analizados 10.000
Mínimo 1.62
Máximo 8.86
Promedio 5
Desviación Estándar 1
Hipótesis Nula Normal
Nivel de significancia (a) NORM(5, 1)
Grados de libertad (g.l) 29
P-value 0.354
Parámetros de la distribución Sample Mean =5
Sample Std Dev =1
Conclusión Se puede asumir que lo datos siguen una distribución Normal.

Página 7
Análisis de datos de entrada

Tiempo Estación 6 (Photoresist Strip))

Gráfico 7. Histograma del tiempo de servicio en la estación de Photoresist Strip

Pruebas de Bondad de Ajuste


Tiempo entre Llegadas
Número de datos analizados 10.000
Mínimo 2
Máximo 7
Promedio 4.51
Desviación Estándar 1.44
Hipótesis Nula Uniforme
Nivel de significancia (a) UNIF(2, 7)
Grados de libertad (g.l) 39
P-value 0.222
Parámetros de la distribución Sample Mean = 4.51
Sample Std Dev = 1.44
Conclusión Se puede asumir que lo datos siguen una distribución Uniforme.

Página 8
Referencias Bibliográficas

Copyright 2018 Rockwell Automation Technologies, Inc.All Rights Reserved.


Input Analyzer Versión 15.10.00
(2018). Obtenido de https://www.arenasimulation.com/simulation-software-download

José Fidel Delgado Torres, 6 Jun. 2015, Uso del Input Analyzer de Arena
https://www.youtube.com/watch?v=eb-0CEaEtwM

Miguel Muñoz, 19 jun. 2014, Análisis de datos con Input Analyzer de Arena,
https://www.youtube.com/watch?v=s6shb0bYss4

Página 9