Está en la página 1de 21

¿

UNIVERSIDAD NACIONAL DE
SAN AGUSTÍN DE AREQUIPA
FACULTAD DE INGENIERÍA DE
PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERIA
INDUSTRIAL

ASIGNATURA:
SIMULACIÓN DE SISTEMAS
TEMA: “MODELO DE SIMULACIÓN PARA LA
OPTIMIZACIÓN DEL PROCESO DE PRODUCCIÓN
EN LA EMPRESA ROBSOL S.A.”

DOCENTE:

ING. EFRAIN MURILLO QUISPE

INTEGRANTES:

• ARENAS MENESES, VICTOR HUGO

• CLEMENTE MAMANI, HOWAR ELARD

• ROMERO CALLA, LEONELLO FRANK

• MEDINA VARGAS, VICTOR RAI

• LLANOS LAURA, JOSHELYM SHEIDY

• PILLCO LLERENA, JEFRY EMERSON

AREQUIPA – PERÚ
2019
Contenido
INTRODUCCIÓN......................................................................................................................3
RESUMEN..................................................................................................................................3
CAPITULO 1: FORMULACIÓN DEL PROYECTO DE INVESTIGACIÓN.....................4
1.1. DESCRIPCIÓN DEL PROBLEMA.........................................................................4
1.2. OBJETIVOS DE LA INVESTIGACIÓN.................................................................4
1.2.1. Objetivo General................................................................................................4
1.2.2. Objetivos Específicos..........................................................................................4
1.3. HIPÓTESIS................................................................................................................4
1.3.1. Hipótesis General................................................................................................4
1.3.2. Hipótesis Específicas...........................................................................................4
1.4. DELIMITACIÓN DEL PROBLEMA......................................................................4
1.5. JUSTIFICACIÓN......................................................................................................4
2. CAPITULO 2 MARCO TEORICO..................................................................................4
2.1. DEFICICIONES RELEVANTES.............................................................................4
2.1.1. Simulación...........................................................................................................4
2.1.2. Etapas de la Simulación.....................................................................................4
2.1.3. Tipos de Simulación............................................................................................4
2.1.4. Ventajas y Desventajas de la Simulación..........................................................4
2.1.5. Errores de la Simulación....................................................................................4
2.2. SOFTWARE ARENA (Toda la información del software).....................................4
2.3. ANTECEDENTES DE LA INVESTIGACIÓN.......................................................4
INTRODUCCIÓN

El presente trabajo se realizará en la empresa “Robsol S.A.C.”, con el objetivo de

optimizar el proceso de fabricación de termas solares que se lleva a cabo en el propio

taller de la empresa, abarcando todo el proceso desde la llegada de materia prima,

pasando por todas las áreas de fabricación hasta pasar al almacén de productos

terminados. Para lo cual se empleará conceptos y modelos de simulación.

En este trabajo se realizará un análisis del proceso de producción, conociendo

primero las condiciones, tiempos y la infraestructura bajo la cual se elaboran las termas

solares, y observar en que parte del proceso se encuentran cuellos de botella existentes y

tiempos ociosos, los cuales retrasan la producción y disminuyen la productividad de la

planta.

La finalidad es eliminar dichos cuellos de botella y disminuir los tiempos ociosos,

teniendo en consideración que el proceso de elaboración de termas solares es

considerablemente largo, de tal manera que se pueda maximizar la utilidad de la

empresa reduciendo costos y poder cumplir siempre a tiempo con los pedidos.
RESUMEN

En la actualidad, las empresas de termas solares, han aumentado su producción dado la

creciente popularidad de dicho producto, por ofrecer una solución a bajo costo para

calentar el agua para las duchas en los baños de cada casa, y en la ciudad de Arequipa

existe un mercado muy competitivo de empresas fabricadoras de termas solares, por lo

que una empresa que desea ser competitiva, no puede tener tiempos muertos o cuellos

de botella en su proceso de producción, porque eso solo perjudicaría la imagen de la

empresa con respecto a sus tiempo de entrega y asimismo también eleva sus costos de

producción. En el presente trabajo se busca eliminar dichos cuellos de botella y reducir

al máximo posible los tiempos ociosos, para optimizar el proceso de producción de

termas solares en la empresa ROBSOL S.A.C. , mediante la implantación de un modelo

de simulación, utilizando el software ARENA, software apropiado para este tipo de

situaciones.

PALABRAS CLAVE: Modelo de simulación, Optimización, Software Arena.


CAPITULO 1: FORMULACIÓN DEL PROYECTO DE INVESTIGACIÓN

1.1. DESCRIPCIÓN DEL PROBLEMA


1.2. OBJETIVOS DE LA INVESTIGACIÓN
1.2.1. Objetivo General
1.2.2. Objetivos Específicos
1.3. HIPÓTESIS
1.3.1. Hipótesis General
1.3.2. Hipótesis Específicas
1.4. DELIMITACIÓN DEL PROBLEMA
1.5. JUSTIFICACIÓN

2. CAPITULO 2 MARCO TEORICO

2.1. DEFICICIONES RELEVANTES


2.1.1. Simulación
La simulacion de sistemas es la representacion analitica apoyada en herramientas

matematicas y computacionales que permiten evaluar el impacto que producen cambios

en las distintas variables, tambien nos permite la eleccion de recursos optimos para el

proceso analizado.[ CITATION Ing18 \l 2058 ]

 A través de un estudio de simulación, se puede estudiar el efecto de cambios

internos y externos del sistema, al hacer alteraciones en el modelo del sistema y

observando los efectos de esas alteraciones en el comportamiento del sistema. 

 Una observación detallada del sistema que se está simulando puede conducir a

un mejor entendimiento del sistema y por consiguiente a sugerir estrategias que

mejoren la operación y eficiencia del sistema. 

 La simulación de sistemas complejos puede ayudar a entender mejor la

operación del sistema, a detectar las variables más importantes que interactuan

en el sistema y a entender mejor las interrelaciones entre estas variables. 

 La técnica de simulación puede ser utilizada para experimentar con nuevas

situaciones, sobre las cuales tiene poca o ninguna información. A través de esta

experimentación se puede anticipar mejor a posibles resultados no previstos. 


 Cuando nuevos elementos son introducidos en un sistema, la simulación puede

ser usada para anticipar cuellos de botella o algún otro problema que puede

surgir en el comportamiento del sistema. 

 En simulación cada variable puede sostenerse constante excepto algunas cuya

influencia está siendo estudiada. Como resultado el posible efecto de descontrol

de las variables en el comportamiento del sistema necesitan no ser tomados en

cuenta. Como frecuentemente debe ser hecho cuando el experimento está

desarrollado sobre un sistema real. [ CITATION Ing18 \l 2058 ]

2.1.2. Etapas de la Simulación


2.1.2.1. Formulación del problema: En esta etapa debe quedar establecido el

objetivo de la simulación, los resultados que se esperan del simulador el

plan de experimentación, el tiempo disponible, las variables de interés, el

tipo de perturbaciones a estudiar, el tratamiento estadístico de los resultados,

la complejidad de la interfaz del simulador, etc.[CITATION SIi16 \l 2058 ]

2.1.2.2. Definición del sistema: Se define el sistema a estudiar. Se define los límites

del sistema, sus alcances y limitaciones (restricciones de la abstracción).

[ CITATION SIi16 \l 2058 ]

2.1.2.3. Formulación del modelo: En esta etapa es necesario definir todas las

variables que forman parte del modelo, sus relaciones lógicas. Se especifica

el diagrama de flujo lógico.[ CITATION SIi16 \l 2058 ]

2.1.2.4. Colección de datos: Se recopila datos de la realidad con la finalidad de

estimar las variables y parámetros de entrada.[ CITATION SIi16 \l 2058 ]

Se debe decidir:

 Cómo recopilar la información

 Qué datos se necesita y si son importantes.


En caso de tener variables aleatorias:

 Identificar la distribución de frecuencias

 Verificar si la distribución no cambia en el tiempo.

 Validar la sensibilidad del modelo ante diferentes distribuciones de

probabilidad.

2.1.2.5. Implementación del método en la computadora: El modelo es implementado

utilizando algún lenguaje de computación. Existen lenguajes específicos de

simulación que facilitan esta tarea; también, existen programas que ya

cuentan con modelos implementados para casos especiales. [ CITATION SIi16 \l

2058 ]

2.1.2.6. Verificación: Para asegurar que el modelo se comporta de la manera que el

experimentador desea. Se verificar si el modelo está correctamente

construido. Se verifica si el modelo se ha construido de acuerdo a las

especificaciones. Se realiza por inspección a lo largo del proyecto. [ CITATION

SIi16 \l 2058 ]

2.1.2.7. Validación: Prueba la concordancia entre el desempeño del modelo y el

desempeño del sistema real. Examina el ajuste del modelo a cierto dato

empírico. Un bueno modelo es aquel que se ajusta mejor a los datos y por lo

tanto se puede usar para predecir la realidad. Todos los modelos de

simulación corresponden a hipótesis sujeta a validación. [ CITATION SIi16 \l

2058 ]

2.1.2.8. Diseño de experimentos: En esta etapa se decide las características de los

experimentos a realizar: el tiempo de arranque, el tiempo de simulación y el

número de simulaciones.[ CITATION SIi16 \l 2058 ]


2.1.2.9. Experimentación: Una vez validado el modelo se realiza la experimentación

que consiste en generar los datos deseados y realizar el análisis de

sensibilidad de los índices requeridos. El análisis de sensibilidad consiste en

variar los parámetros del sistema y la observación del efecto en la variable

de interés. En esta etapa se realizan las simulaciones de acuerdo el diseño

previo. Los resultados obtenidos son debidamente recolectados y

procesados.[ CITATION SIi16 \l 2058 ]

2.1.2.10. Interpretación: En esta etapa se realiza la interpretación de los resultados

que arroja la simulación y basándose en esto se toma una decisión. Se

determina si el modelo de simulación es útil para resolver el problema

planteado al inicio de la investigación. Se analiza la sensibilidad del modelo

con respecto a los parámetros que tienen asociados la mayor incertidumbre. [

CITATION SIi16 \l 2058 ]

2.1.2.11. Implementación: En esta etapa se debe evitar el mal manejo del simulador o

el mal empleo de los resultados del mismo.[ CITATION SIi16 \l 2058 ]

2.1.2.12. Documentación: Ayuda a incrementar la vida útil del modelo. Se relaciona

al proceso de desarrollo, operación e implantación del modelo de

simulación. Ayuda al modelador a reconocer sus propios errores y mejorar

para un siguiente proyecto de simulación. Modelo de Informe Final.

[ CITATION SIi16 \l 2058 ]

2.1.3. Tipos de Simulación

2.1.3.1. Simulación Discreta:

Modelación de un sistema por medio de una representación en la cual el estado de las

variables cambian instantáneamente en instante de tiempo separados. (En términos


matemáticos el sistema solo puede cambiar en instante de tiempo contables). [ CITATION

IUP18 \l 2058 ]

2.1.3.2. Simulación Continua:

Modelación de un sistema por medio de una representación en la cual las variables de

estado cambian continuamente en el tiempo. Típicamente, los modelos de simulación

continua involucran ecuaciones diferenciales que determinan las relaciones de las tasas

de cambios de las variables de estado en el tiempo.[ CITATION IUP18 \l 2058 ]

2.1.3.3. Simulación Combinada Discreta-Continua:

Modelación de un sistema por medio de una representación en la cual unas variables de

estado cambian continuamente con respecto al tiempo y otras cambian instantáneamente

en instante de tiempo separados.

Es una simulación en la cual interactúan variables de estado discretas y continuas.

[ CITATION IUP18 \l 2058 ]

Existen tres tipos de interacciones entre las variables de estado de este tipo de

simulaciones:

 Un evento discreto puede causar un cambio discreto en el valor de una variable

de estado continua.

 Un evento discreto puede causar que la relación que gobierna una variable de

estado continua cambie en un instante de tiempo en particular.

 Una variable de estado continua de punto de partida puede causar que un evento

discreto ocurra, o sea, programado.

2.1.3.4. Simulación Determinística y/o Estocástica:


Una simulación determinística es aquella que utiliza únicamente datos de entra

determinísticos, no utiliza ningún dato de entrada azaroso. En cambio un modelo de

simulación estocástico incorpora algunos datos de entrada azarosos al utilizar

distribuciones de probabilidad.[ CITATION IUP18 \l 2058 ]

2.1.3.5. Simulación estática y dinámica:

La simulación estática es aquella en la cual el tiempo no juega un papel importante, en

contraste con la dinámica en la cual si es muy importante.[ CITATION IUP18 \l 2058 ]

2.1.3.6. Simulación con Orientación hacia los eventos:

Modelaje con un enfoque hacia los eventos, en el cual la lógica del modelo gira

alrededor de los eventos que ocurren instante a instante, registrando el estado de todos

los eventos, entidades, atributos y variables del modelo en todo momento. [ CITATION

IUP18 \l 2058 ]

2.1.3.7. Simulación con Orientación hacia procesos:

Modelaje con un enfoque de procesos, en el cual la lógica del modelo gira alrededor de

los procesos que deben seguir las entidades. Es cierta forma, es un modelaje basado en

un esquema de flujo grama de procesos, el cual se hace es un seguimiento a la entidad a

través de la secuencia de procesos que debe seguir.[ CITATION IUP18 \l 2058 ]

2.1.4. Ventajas y Desventajas de la Simulación

VENTAJAS DESVENTAJAS

Permite adquirir experiencia de No es aplicable cuando


existan técnicas analíticas que
manera rápida con un bajo costo y sin poner en
permitan corregir u optimizar el
riesgo la productividad del sistema.
sistema.

Permite identificar áreas con problemas en un En ocasiones no es posible asegurar

proceso complejo. que el modelo sea válido.

Es posible querer utilizar el modelo

Permite realizar un estudio sistemático de fuera de los imites para los que

alternativas aplicables al sistema. fue construido  causando una

falsa apreciación del problema.

No importa que tan complejo sea el sistema ya No existe ninguna

que todo sistema puede ser modelado y de esta criterio científico sobre las posibles

manera poder atacar el problema alternativas a ser simuladas

Puede ser aplicada en cualquier punto de la vida


La simulación es imprecisa y en
de un sistema, ya sea durante el diseño o
ocasiones no proveen soluciones
la producción planteando alternativas para el
óptimas.
mejoramiento del mismo.

2.1.5. Errores de la Simulación

 Nivel de detalle inapropiado

 Lenguaje inapropiado

 Modelos no verificados
 Modelos inválidos

 Tratamientos incorrectos de las condiciones iniciales

 Simulaciones muy cortas

 Generadores de números aleatorios inadecuados

 Selección de semillas inadecuadas

2.2. SOFTWARE ARENA


“Arena es un potente software de modelado y simulación de diferentes áreas de negocio.
Se ha diseñado para analizar el impacto de los cambios que suponen los complejos y
significativos rediseños asociados a la cadena de suministros, procesos, logística,
distribución y almacenaje y sistemas de servicio. Tiene gran flexibilidad y cubre gran
cantidad de aplicaciones a modelar con cualquier nivel de detalle o complejidad.
(Bradley, 2007)
Un escenario típico incluye:
 Análisis detallado del tipo de sistema de manufactura, incluyendo el transporte
manual de componentes.
 Análisis de servicio al cliente y sistemas de dirección orientados al cliente.
 Análisis de cadenas de suministro globales que incluyen almacenamiento,
transporte y sistemas logísticos.
 Predicción del funcionamiento de sistemas en función de medidas clave como
costes, tasa de salida de piezas, tiempos de ciclo y utilización.
 Identificación de los procesos cuello de botella como colas construidas con
sobreutilización de recursos.
 Planificación del personal, equipos y requerimientos de material.”
Arena Software es un simulador intuitivo gracias a que la programación está basada
en la colocación y unión gráfica de distintos módulos de proceso.
El entorno de modelado de Arena consta de tres zonas diferenciadas.
Figura.Interfaz de Arena Rockwell Software.
A. Ventana del diagrama de flujo del modelo (Model window flowchart view)
En este espacio se construye el diagrama de bloques que conforman el modelo
de simulación del proceso. En esta ventana pueden observarse también los
elementos gráficos y animaciones de las simulaciones.
B. Ventana de hoja de cálculo (Model window spreadsheet view)
En esta ventana se pueden comprobar y modificar los parámetros
correspondientes a los bloques (procesos) y a las entidades.
C. Barra de Proyectos (Project Bar)
Este espacio tiene varios paneles desplegables que permiten diseñar el modelo.
Dichos paneles contienen los módulos necesarios para construir el modelo, así
como otros elementos como los informes estadísticos de las simulaciones o un
panel de navegación que facilita la localización del modelo de la ventana A.
La construcción de un modelo es relativamente fácil pues una vez diseñado el diagrama
de flujos y la secuenciación de los eventos discretos del proceso, basta con “arrastrar”
módulos de la zona C a la zona A y darle valores a los parámetros correspondientes.
1.1.1. Descripción de los módulos de proceso.
A continuación se realiza una descripción de los principales módulos de flujo y de datos
del software según la guía de (Bradley, 2007)
1.1.1.1. Módulos de flujo. Basic Process
 Módulo Create
Este módulo representa la llegada de entidades al modelo de simulación.
Las entidades se crean usando una planificación o basándose en el tiempo
entre llegadas. En este módulo se especifica también el tipo de entidad de
que se trata. Una vez se incluye en el modelo a la derecha del símbolo aparece bajo
una línea el número de entidades creadas.
 Módulo Dispose
Este módulo representa el punto final de entidades en un modelo de
simulación.
Las estadísticas de la entidad se registrarán antes de que la entidad se
elimine del modelo.
 Módulo Process
Este módulo corresponde a la principal forma de procesamiento en
simulación.
Se dispone de opciones para ocupar y liberar un recurso. Adicionalmente,
existe la opción de especificar un “submodelo” y especificar
jerárquicamente la lógica definida por el usuario. El tiempo de proceso se le añade a
la entidad y se puede considerar como valor añadido, valor no-añadido, transferencia,
espera u otros.
Una vez se introduce en el modelo, aparece un número en la parte inferior del símbolo
que indica el número de entidades que actualmente están procesándose.
 Módulo Decide
Este módulo permite a los procesos tomar decisiones en el sistema.
Incluye la opción de tomar decisiones basándose en una o más
condiciones (por ejemplo, si el tipo de la entidad es Gold Car) o
basándose en una o más probabilidades (por ejemplo, 75% verdadero,
25% falso). Las condiciones se pueden basar en valores de atributos (por ejemplo,
prioridad), valores de variables (por ejemplo, número de rechazados), el tipo de
entidad o una expresión.
Hay dos puntos de salida del módulo Decide cuando se especifica el tipo 2-way
chance o 2-way condition. Hay un punto de salida para las entidades “verdaderas” y
una para las entidades “falsas”. Cuando se especifica el tipo Nway chance o
condition, aparecen múltiples puntos de salida para cada condición o probabilidad y
una única salida “else”.
Una vez incluido en el modelo, cerca de cada una de las ramas que salen del símbolo
que representa el módulo, aparece un número. En la rama “True” corresponde al
número de entidades que toman la rama de verdadero y el de la rama “False” el
número de entidades que toman la rama de falso.
 Módulo Assign
Este módulo se usa para asignar valores nuevos a las variables, a los
atributos de las entidades, tipos de entidades, figuras de las entidades, u
otras variables del sistema. Se pueden hacer múltiples asignaciones con
un único módulo Assign. Para añadir una nueva variable al modelo,
simplemente se selecciona Add, Type: Entity, el nombre de la variable y el valor que
se desea tome a partir de ese momento.
 Módulo Batch
Este módulo funciona como un mecanismo de agrupamiento dentro del
modelo de simulación. Los lotes pueden estar agrupados permanente o
temporalmente.
Los lotes temporales deben ser divididos posteriormente usando el
módulo Separate.
Los lotes se pueden realizar con un número específico de entidades de entrada o se
pueden unir a partir del valor de un determinado atributo. Las entidades que llegan a
un módulo Batch se coloca en una cola hasta que se ha acumulado el número
necesario de entidades. Una vez acumuladas, se crea una nueva entidad
representativa. Cuando se incluye en el modelo, en la parte inferior del símbolo se
representa el Número de entidades en espera de ser agrupadas.
 Módulo Separate
Este módulo se puede usar para replicar la entidad entrante en múltiples
entidades o para dividir una entidad previamente agrupada. Se
especifican también las reglas de asignación de atributos para las
entidades miembro.
Cuando se segmentan lotes existentes, la entidad temporal que se formó se destruye y
las entidades que originalmente formaron el grupo se recuperan. Las entidades saldrán
del sistema secuencialmente en el mismo orden en que originalmente se agregaron al
lote.
Cuando se duplican entidades, se hacen el número de copias especificado.
En el símbolo que representa este módulo, el original sale por la rama superior y el
duplicado por la rama inferior.
 Módulo Record
Este módulo representa el final de entidades en un modelo de simulación.
Las estadísticas de la entidad se registrarán antes de que la entidad se
elimine del modelo.

1.1.1.2. Módulos de datos. Basic Process

 Módulo Entity
Este módulo de datos define los diversos tipos de entidades y su valor de
imagen inicial en la simulación.

 Módulo Queue
Este módulo de datos se puede usar para cambiar la regla para una
determinada cola. La regla de la cola por defecto es First In, First Out
salvo que se indique otra cosa en este módulo. Hay un campo adicional que permite
definir la cola como compartida.
 Módulo Resource
Este módulo de datos define los recursos en un sistema de simulación,
incluyendo información de costes y disponibilidad del recurso. Los
recursos pueden tener una capacidad fija que no varía durante la simulación o pueden
operar basándose en una planificación. Los fallos y estados del recurso se pueden
definir también en este módulo.
 Módulo Schedule
Este módulo de datos se puede usar en conjunción con el módulo
Resource para definir una operación de planificación para un recurso o
con el módulo Create para definir una planificación de llegada. Además, una
planificación se puede usar y referir a factores de retardos de tiempo basados en el
tiempo de simulación.
 Módulo Set
Este módulo de datos define varios tipos de conjuntos, incluyendo
recursos, contadores, cuentas, tipos de entidad, y figuras de entidad.
Los conjuntos de recursos se pueden usar en los módulos Process
(Seize, Release, Enter y Leave en el panel Advanced Transfer). Los
conjuntos counter y tally se pueden usar en el módulo Record. Los conjuntos queue se
pueden utilizar con Seize, Hold, Access, Request, Leave, y Allocate de los paneles
Advanced Process y Advanced Transfer.
 Módulo Variable
Este módulo de datos se utiliza para definir una dimensión de la
variable y su valor(es) inicial(es). Las variables se pueden referenciar
en otros módulos, se les puede reasignar un valor nuevo y se pueden
emplear en cualquier expresión.

1.1.1.3. Módulos de flujo. Advanced Process


En este panel se podemos encontrar módulos adicionales de flujo y datos para la
construcción del modelo, se describen exclusivamente los módulos empleados en el
presente trabajo. (Bradley, 2007)
 Módulo Hold
Este módulo retendrá una entidad en una cola para esperar a una señal
o que una condición llegue a ser verdadera (scan) o sea detenida
infinitamente, para que sea removida después con el módulo Remove.
Si la entidad está detenida esperando una señal, el módulo Signal se
utiliza en otro lugar en el modelo para permitir que la entidad pase al siguiente
módulo. Si la entidad está esperando que una condición dada sea verdadera, la
entidad permanecerá en el módulo, hasta que la condición/es llegue a ser verdadera.
Cuando la entidad es un Hold infinito, el módulo Remove se utiliza en algún lugar
del modelo para permitir que la entidad continue procesandose.
 Módulo Signal
El módulo de señal o módulo “Signal” envía un valor de señal a
cada módulo de retención (Hold) en el modelo que figura en “Wait
for Signal” y libera la cantidad máxima especificada de las
entidades.
Cuando una entidad llega a un módulo de señal, se evalúa la señal y el código de
señal se envía. En este momento, las entidades que están en espera en el módulo
Hold de la misma señal son liberadas de las colas del citado módulo. La entidad que
envía la señal a su paso por el módulo continuará hasta que encuentra un retardo,
entre en una cola, o en un módulo “disposed”.
2.3. ANTECEDENTES DE LA INVESTIGACIÓN

 CONSTRUCCIÓN DE UN MODELO DE SIMULACIÓN PARA DETERMINAR


LA SECUENCIA DE PRODUCCIÓN (CASO: EMPRESA I D’SOL: THERMAS
SOLARES). “UNIVERSIDAD DE CARABOBO - FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA INDUSTRIAL”

La simulación de situaciones facilita la toma de decisiones. En el presente caso de estudio


se utiliza como herramienta el simulador Arena, para determinar la regla de prioridad o
criterio de decisión que se debe utilizar para determinar la secuencia de producción en la
empresa. La regla de decisión que se adecue al sistema será aquella con la cual se obtenga el
mayor nivel de servicio y el menor costo por incumplimiento de fechas de entrega.

Un modelo de simulación por medio del cual la empresa D’SOL: THERMAS SOLARES
pueda determinar la secuencia de producción que proporcione un nivel de servicio
satisfactorio”, esto se logró haciendo uso del paquete de simulación Arena. Después de
observar el sistema, sus partes y funcionamiento y determinar las variables que determinan
su comportamiento, se procedió a la realizar la representación del mismo, mediante la
construcción del modelo. Luego de realizar la validación del modelo y probar cuatro reglas
de decisión distintas, se concluyó que el criterio de decisión para determinar secuencias de
producción en el taller, es el de Menor Fecha de Entrega, ya que con esta regla se obtuvo el
mayor nivel de servicio 30% y el menor costo total por incumplimiento de fechas de
entrega.

 SIMULADOR UTILIZADO

El programa de simulación Arena fue el simulador utilizado en el presente estudio. Este


programa fue utilizado debido a la facilidad que presenta en cuanto a la construcción de
modelos y visualización dinámica de corridas y de resultados. A continuación se nombran
algunas ventajas que presenta el programa:

 Permite modelar procesos, documentar e informar.


 Tiene la opción de modificar variables, atributos, parámetros y expresiones
antes y después de construido el modelo.
 Simula las respuestas futuras del sistema, con el objeto de poder comprender
relaciones complejas e identificar posibilidades de mejora.
 Permite visualizar las operaciones con gráficos dinámicos animados.
 El usuario puede analizar como el sistema funcionará “tal cual” como en la
actualidad y bajo un conjunto de posibles alternativas, de manera de poder
elegir de forma segura la mejor entre ellas.
 Es el programa de simulación utilizado y a la disposición en la escuela de
Ingeniería Industrial de la Universidad de Carabobo.

 OPTIMIZACIÓN DE PROCESOS EN LA FABRICACIÓN DE TERMAS


ELÉCTRICAS UTILIZANDO HERRAMIENTAS DE LEAN
MANUFACTURING

El caso de estudio presenta los principales problemas que padece una empresa del sector metal
mecánico (dedicado a la fabricación de termas eléctricas y comercialización de calentadores
instantáneos), así como las propuestas de mejora utilizando las herramientas del Lean
Manufacturing.

El objetivo del trabajo es de optimizar los procesos productivos que se traduzcan en rentabilidad
para la empresa, a partir de la implementación de las herramientas Lean Manufacturing. Y para
la implementación de las propuestas de mejora consideraron importante que:

 La línea de fabricación de tanques de termas eléctricas se encuentra en un


proceso de implementación de las 5 S’s, por lo que esta herramienta no se
utilizará como propuesta de mejora.
 Es necesario que antes de implementar las propuestas de mejora se concluya la
implementación de las 5 S’s, para que de esta manera exista orden, limpieza y
se pueda eliminar los desperdicios que atenten contra el flujo óptimo de los
materiales.

 APLICACIÓN UTILIZADA

Para controlar el tipo de desperdicio de sobreproducción se realizará un balance de línea, de esta


manera se creará un flujo continuo de proceso entre las áreas de línea de tanque, habilitado,
soldado y probado. Para balancear el número de operarios de los procesos, se sumará el tiempo
ciclo total actual para cada proceso.
Para la asignación de las tareas de estos operarios se realizará un análisis de precedencias de
actividades, luego se organizará estas actividades con la finalidad de que se aproximen al
tiempo objetivo.

 IMPLEMENTACION

CONTROL VISUAL: Se utilizarán marcas en el suelo o señales que indiquen a simple vista
cuándo reponer un elemento. Este control visual se utilizará para las planchas roladas, los
tanques habilitados, tanques soldados y tanques probados.

TARJETAS DE KANBAN: Se implementarán tarjetas Kanban de tal manera que ayuden a


visualizar y ordenar el Kanban, estas tarjetas se colocarán en una pizarra. De esta manera, se
podrán identificar todos los componentes entre los procesos de línea de tanques, habilitado,
soldado y probado. En la tabla 19 se muestra la descripción de los elementos de la tarjeta y en la
figura 32 se muestra una tarjeta Kanban a utilizar.

PIZARRA DE KANBAN: Se implementará una pizarra con el objetivo de visualizar el Kanban


propuesto. En esta pizarra Kanban se visualizará los nombres de los componentes de un tanque
de terma eléctrica y las tarjetas Kanban.

IMPLEMENTACION DEL SMED: Con el objetivo de reducir los tiempos de set up, y de esa
manera, los niveles de inventario se procederá a implementar el SMED en el proceso de
prensado o bombeado
3. BIBLIOGRAFIA

Espinoza, P. ; Alexis, M. (2012) Aplicación de herramientas de lean manufacturing en las líneas


de envasado de una planta envasadora de lubricantes.Lima: PUCP pp.58

Recuperado de:
http://tesis.pucp.edu.pe/repositorio/bitstream/handle/20.500.12404/5001/BALUIS_CARLOS_O
PTIMIZACION_PROCESOS_FABRICACION_TERMAS_ELECTRICAS_LEAN_MANUFA
CTURING.pdf?sequence=1&isAllowed=y