DocsTec 2517

INSTITUTO TECNOLÓGICO Y DE ESTUDIOS SUPERIORES DE
MONTERREY
CAMPUS MONTERREY
DIVISIÓN DE INGENIERÍA Y ARQUITECTURA
PROGRAMA DE GRADUADOS EN INGENIERÍA
TECNOLÓGICO
DE MONTERREY
METODOLOGÍA PARA LA MODELACIÓN, SIMULACIÓN Y ANÁLISIS DE

PROCESOS DE MANUFACTURA UTILIZANDO REDES DE PETRI
TESIS
PRESENTADA COMO REQUISITO PARCIAL PARA OBTENER EL GRADO
ACADEMICO DE MAESTRO EN CIENCIAS CON ESPECIALIDAD EN
AUTOMATIZACIÓN
ISRAEL ESCAMILLA ANGELES
MONTERREY, N.L. MAYO 2005

INSTITUTO TECNOLÓGICO Y DE ESTUDIOS SUPERIORES DE MONTERREY
CAMPUS MONTERREY
DIVISIÓN DE INGENIERÍA Y ARQUITECTURA
PROGRAMA DE GRADUADOS EN INGENIERÍA
Los miembros del Comité de Tesis recomendamos que el presente anteproyecto de tesis
del Ing. Israel Escamilla Ángeles, sea aceptado como requisito parcial para obtener el
grado académico de:
Maestro en Ciencias con especialidad en Automatización
Comité de Tesis
Dr. Jorge Limón Robles Dr. Eduardo Uresti Charré

SINODAL SINODAL
Dr. Federico Viramontes Brown

Director del Programa de Graduados en Ingeniería
Mayo 2005
Agradecimientos
Después de tantos meses de trabajo solo falta agradecer a todos los que se vieron
involucrados en este proceso, una pequeña lista de las personas a las que quiero agradecer
con todo el corazón y a las cuales va dedicado este proyecto.
A mis padres por ser los responsables de lo que he logrado, por creer en lo que
hago y sobretodo porque siempre son los primeros en decir si a cualquiera de mis
proyectos.
A mi hermano por compartir el camino y las ideas.
Al Dr. José de Jesús Rodríguez por permitirme trabajar junto a él.
Al Dr. Jorge Limón Robles y al Dr. Eduardo Uresti Charré porque apostaron por
esto sin dudarlo.
A mis amigos que cada vez son más y siguen conmigo, porque la amistad solo
necesita una puerta entreabierta para quedarse.
Israel Escamilla Angeles

Resumen
En la actualidad es imprescindible poder realizar un análisis y evaluación del

desempeño de los sistemas de manufactura para verificar si éstos cumplen de acuerdo a lo
planeado. Por lo tanto, es importante contar con una herramienta para realizar la
modelación de dichos sistemas. Esta herramienta debe auxiliar en la realización de una
simulación computacional del modelo del sistema de manufactura obtenido con el
objetivo de conocer y analizar su comportamiento ante diferentes condiciones o
variaciones en la operación.
En esta tesis se propone una metodología basada en redes de Petri temporizadas

en las transiciones para realizar la modelación, simulación y análisis de sistemas de
manufactura. Esta metodología es aplicable a cualquier sistema de manufactura que
pueda ser dividido en las funciones básicas de manufactura. La red de Petri que se
obtiene mediante la aplicación de esta metodología permite simular y analizar un sistema
de manufactura mediante su evolución en cada uno de sus componentes, así como evaluar
posibles modificaciones en el proceso para determinar los beneficios de las mismas. La
metodología se aplica en particular a una línea de estampado característica de la industria
metal-mecánica.
II
Índice General
Agradecimientos I
Resumen II
Índice General III
Índice de Figuras VI
Índice de Tablas VIII
Capítulo 1 Introducción 1
1.1 Introducción 1
1.2 Objetivo de la tesis 1
1.3 Alcance de la tesis 2
1.4 Organización de la tesis 2
Capítulo 2 Marco teórico
2.1 Introducción 4
2.2 Redes de Petri 4
2.2.1 Componentes de las redes de Petri 5
2.2.2 Evolución de una red de Petri 6
2.2.2.1 Disparo de transiciones 6
2.2.3 Modificaciones de las redes de Petri 7
2.2.3.1 Redes de Petri Generalizadas 7
2.2.3.2 Redes de Petri Sincronizadas 9
2.2.3.3 Redes de Petri Temporizadas 10
2.2.3.3.a Redes de Petri Temporizadas en los Lugares 11
2.2.3.3.b Redes de Petri Temporizadas en las Transiciones 12
2.2.3.4 Redes de Petri Estocásticas 13
2.2.3.5 Redes de Petri Coloreadas 13
2.3 Sistemas de manufactura 15
2.3.1 Clasificación de los sistemas de manufactura 15
2.3.2 Funciones básicas de los sistemas de manufactura 16
2.3.2.1 Operaciones de proceso 17
2.3.2.2 Ensamble 18
2.3.2.3 Manejo de materiales 18
2.3.2.4 Inspección y pruebas 18
2.3.2.5 Control 18
2.4 Estadística industrial 19
2.4.1 Función de supervivencia o función de fiabilidad 19
2.4.2 Tasa de fallos 20
2.4.2.1 Tasa de fallos constante 21
2.4.2.2 Tasa de fallos creciente 22
2.4.2.3 Tasa de fallos decreciente 22
2.4.3 Modelos utilizados en fiabilidad 23
III
2.4.3.1 Modelo exponencial 23
Capítulo 3 Propuesta de una metodología para la modelación de sistemas de
manufactura
3.1 Introducción 25
3.2 Descripción de los pasos de la metodología propuesta 25
3.2.1 Analizar el sistema de manufactura (separar funciones) 26
3.2.1.1 Modelar las operaciones de proceso 26
3.2.1.2 Modelar las operaciones de ensamble 32
3.2.1.3 Modelar el manejo de materiales 37
3.2.1.4 Modelar las operaciones de inspección y pruebas 45
3.2.2 Integración de los modelos de las operaciones básicas en el 48
modelo de un sistema de manufactura
3.2.3 Solución de posibles conflictos 49
3.2.4 Selección de la herramienta computacional para la simulación 49
del sistema de manufactura
3.2.5 Definición de los resultados deseados en la simulación 51
3.2.6 Especificación de los parámetros de operación del sistema de 51
manufactura
3.2.7 Simulación del proceso 52
3.2.8 Análisis de resultados 52
Capítulo 4 Aplicación de la metodología propuesta a sistemas de manufactura
4.1 Introducción 54
4.2 Ejemplo de la aplicación de la metodología propuesta 54
4.2.1 Analizar y definir las entidades básicas 56
4.2.2 Modelar las funciones básicas 56
4.2.3 Asignar lugares y transiciones 57
4.2.4 Determinar el tipo de red de Petri más adecuado para la 57
modelación
4.2.5 Construir la red de Petri que representa el modelo de la función 58
básica
4.2.6 Integración de los modelos en una red de Petri 62
4.2.7 Análisis y solución de conflictos de la red de Petri 62
4.2.8 Selección de la herramienta computacional para la simulación 64
de la red de Petri
4.2.9 Definir los resultados deseados de la simulación 64
4.2.10 Determinar los parámetros y condiciones de operación del 64
sistema
4.2.11 Simulación computacional del proceso 65
4.2.13 Definición de nuevos parámetros y condiciones de operación 67
del sistema
del sistema
IV
del sistema
4.2.22 Resumen 86
Capítulo 5 Resultados y conclusiones
5.1 Resultados 88
5.2 Conclusiones 90
5.3 Recomendaciones para trabajos futuros 92
Anexo A 94
Bibliografía 102
Índice de Figuras
2.1 Disparo de transiciones 7

2.2 Redes de Petri Generalizadas 8
2.3 Disparo de transiciones en una red de Petri Sincronizada 10
2.4 Evolución de una red de Petri Temporizada en los Lugares 11
2.5 Evolución de una red de Petri Temporizada en las Transiciones 12
2.6 Dos sistemas idénticos modelados con redes de Petri 14
2.7 Dos sistemas idénticos modelados con redes de Petri Coloreadas 14
2.8 Clasificación de los sistemas de manufactura 16
2.9 Funciones de manufactura 17
2.10 Gráfica de funciones de supervivencia características 20
2.11 Gráfica de la tasa de fallos constante 21
2.12 Gráfica de la tasa de fallos creciente 22
2.13 Gráfica de la tasa de fallos decreciente 22
3.1 Diagrama de la metodología propuesta para la modelación, simulación y análisis 27
de un sistema de manufactura
3.2 Modelo de las operaciones de proceso 28
3.3 Ejemplo de una operación de proceso 30
3.4 Resultados del ejemplo de una operación de proceso 31
3.5 Resultados del ejemplo de una operación de proceso (Acercarmiento) 32
3.6 Modelo de una operación de ensamble 33
3.7 Ejemplo de una operación de ensamble 33
3.8 Resultados del ejemplo de una operación de ensamble 35
3.9 Resultados del ejemplo de una operación de ensamble (Automatizado) 36
3.10 Modelo del manejo de materiales entre diferentes sistemas de manufactura 37
3.11 Ejemplo del manejo de materiales entre diferentes sistemas de manufactura .... 39
3.12 Resultados del ejemplo de manejo de materiales - Número de piezas 40
disponibles para inspeccionar
3.13 Resultados del ejemplo de manejo de materiales - Número de transportaciones 41
3.14 Resultados del ejemplo de manejo de materiales, ds = 1200 42
3.15 Modelo del manejo de materiales dentro de una línea de producción 42
3.16 Ejemplo del manejo de materiales dentro de una línea de producción 43
3.17 Resultados del ejemplo de la transportación de materiales (manual) 44
3.18 Resultados del ejemplo de la transportación de materiales (automático) 45
3.19 Modelo de las operaciones de inspección y pruebas 45
3.20 Ejemplo de una operación de inspección 47
3.21 Resultados del ejemplo de inspección (Productos defectuosos) 47
3.22 Resultados del ejemplo de inspección (Productos inspeccionados y terminados) 48
4.1 Línea de prensas DANLY 55
VI
4.2 Secuencia de operaciones de la línea de prensas DANLY 55
4.3 Modelación de la transportación de materia prima 59
4.4 Modelación de la prensa 1 59
4.8 Modelación del manejo de materiales dentro de la línea DANLY 61
4.9 Modelación de la transportación de producto terminado 62
4.10 Modelo de la línea de estampado DANLY 63
4.11 Resultado de la simulación de la primer corrida de la línea DANLY actual 66
4.12 Modelo de la línea de estampado DANLY automatizada 70
4.13 Resultado de la simulación de la primer corrida de la línea DANLY 71
automatizada
4.14 Modelo de la línea de estampado DANLY automatizada + SMED 77
4.15 Resultado de la simulación de la primer corrida de la línea DANLY 78
automatizada + SMED
4.16 Modelo de la línea de estampado DANLY con SMED 83
4.17 Resultado de la simulación de la primer corrida de la línea DANLY con SMED 84
VII
Índice de Tablas
4.1 Clasificación de operaciones de la línea de prensas DANLY 57

4.2 Tiempos de la línea de prensas DANLY 58
4.3 Resultados del modelo de la línea de prensas DANLY actual 65
4.4 Análisis de resultados de la línea de prensas DANLY actual 67
4.5 Tiempos de la línea de prensas DANLY automatizada 68
4.5 Resultados del modelo de la línea de prensas DANLY automatizada 69
4.7 Análisis de resultados de la línea de prensas DANLY automatizada 71
4.8 Comparación del promedio de piezas producidas 72
4.9 Comparación de la variabilidad en las piezas producidas 73
4.10 Tiempos de la línea de prensas DANLY automatizada + SMED 76
4.11 Resultados del modelo de la línea de prensas DANLY automatizada + SMED .. 76
4.12 Análisis de resultados de la línea de prensas DANLY automatizada + SMED ... 79
4.14 Comparación de la variabilidad en las piezas producidas 80
4.15 Tiempos de la línea de prensas DANLY actual con SMED 82
4.16 Resultados del modelo de la línea de prensas DANLY actual con SMED 82
4.17 Análisis de resultados de la línea de prensas DANLY actual con SMED 85
4.19 Resumen de resultados 86
5.1 Resumen de resultados de las simulaciones de la línea DANLY 89
VIII
Capítulo 1
Introducción
1.1 Introducción
Actualmente la globalización ha ocasionado que las empresas se esfuercen

continuamente en mejorar sus operaciones de producción para lograr alcanzar una ventaja
competitiva. Sin embargo la evaluación de las alternativas, es decir el efecto que se
tendrá por las modificaciones realizadas al proceso, es una tarea complicada para lo cual
se debe modelar de forma adecuada el proceso.
En este proyecto se propone una metodología basada en redes de Petri para realizar el
análisis, la modelación y la simulación de los procesos de manufactura. La red de Petri
obtenida mediante la aplicación de esta metodología permite simular y analizar el sistema
de manufactura. Conociendo el sistema se podrá modificar los parámetros de la red y
determinar si los cambios son económicamente viables.
1.2 Objetivo de la tesis
El objetivo de esta tesis es la generación de una metodología para la modelación,

simulación computacional y análisis de sistemas de manufactura. La metodología esta
basada en la aplicación de la teoría de redes de Petri, aprovechando las ventajas de esta
herramienta al utilizarla para la modelación de sistemas que contienen procesos que se
llevan a cabo en forma secuencial, paralela ó concurrente. Además se presenta la
aplicación de la metodología en un software que permite realizar simulaciones del
1
sistema modelado con el propósito de conocer y analizar el comportamiento del mismo
ante diferentes condiciones de operación.
1.3 Alcance de la tesis
Dado que la metodología propuesta puede ser aplicada en cualquier sistema de

manufactura de la industria manufacturera, esta tesis se aplica en un sistema de
estampado de lámina característico de la industria metal-mecánica. Con el propósito de
validar la aplicación de la metodología propuesta, ésta se utiliza para llevar a cabo la
evaluación del desempeño de la línea de estampado DANLY, que se encuentra en
Metalsa, S.A. de C.V., realizando para esto su modelación, simulación computacional y
análisis de resultados que se describen en el capítulo 4.
1.4 Organización de la tesis
La tesis se divide en cinco capítulos, los cuáles están organizados con se describe a
continuación:
«t- En el capítulo 1, se da una introducción a la tesis donde se describen el objetivo y

alcance de la tesis.
En el capítulo 2, se expone el marco teórico que sirve como base de la

metodología propuesta. Se presenta la teoría básica de redes de Petri, sistemas de
manufactura y estadística industrial.
En el capítulo 3, se propone la metodología propuesta basada en redes de Petri
temporizadas en las transiciones para la modelación, simulación y análisis de
sistemas de manufactura.
En el capítulo 4, se presenta la aplicación de la metodología en un sistema de

manufactura. Se obtiene el modelo del proceso siguiendo la metodología. Para la
simulación del modelo se utiliza un programa creado para simulación de redes de
Petri por el Dr. Josef Capek [20]. Finalmente se realiza el análisis de resultados
para encontrar las mejores condiciones de operación del sistema de manufactura.
En el capítulo 5, basándose en el análisis de los resultados de las simulaciones, se

elaboran las conclusiones de la aplicación de la metodología propuesta. Además
se proponen trabajos de investigación que se pueden realizar tomando como
referencia este proyecto.
Capítulo 2
Marco teórico
2.1 Introducción
El objetivo de este capítulo es proveer la teoría sobre redes de Petri, sistemas de

manufactura e ingeniería de fiabilidad: que será utilizada en los siguientes capítulos. Una
vez que el lector haya terminado este capitulo, deberá ser capaz de comprender con claridad
la metodología presentada.
2.2. Redes de Petri
Las de redes de Petri son una herramienta de simulación gráfica y matemática para
modelar sistemas de naturaleza discreta, en especial para representar comportamientos
asincronos que incluyan actividades secuenciales, en paralelo, concurrencia, decisión, etc.
Como herramienta gráfica las redes de Petri pueden ser usadas como un diagrama de flujo.
Como herramienta matemática es posible establecer ecuaciones de estado, ecuaciones
algebraicas y otros modelos matemáticos que describan el comportamiento de un sistema
[2].
Está teoría fue propuesta en el año de 1962 por Cari Adam Petri en su tesis doctoral
"Comunicación con Autómatas" [3] . A partir de entonces se dio una explosión en la
investigación de esta teoría para ser aplicable a diversas áreas. Entre las cuales podemos
mencionar: protocolos de comunicación, sistemas distribuidos de bases de datos,
programación paralela y concurrente, sistemas flexibles de manufactura, sistemas de
control industrial, sistemas computacionales para flujo de datos, sistemas tolerantes a fallas,
compiladores y sistemas operativos, circuitos asincronos, lenguajes formales y lógicos.
Las redes de Petri facilitan la descripción de un sistema de tal forma que pueda ser
modelado de manera jerárquica. Además, pueden modelar condiciones de conflicto,
concurrencia y determinar causas de falla en un sistema. Por lo anterior, las redes de Petri
han sido utilizadas para modelar sistemas de manufactura con el objetivo de recabar
características cualitativas de los mismos.
2.2.1. Componentes de las redes de Petri
Las redes de Petri son grafos bipartidos que constan de dos tipos de nodos: los
lugares y las transiciones. Los lugares son representados mediante círculos y las
transiciones mediante barras.
Un lugar representa una parte del estado a la que puede llegar el sistema por
ejemplo, ir hacia la derecha, trasladar la carga desde un palet hacia una máquina, esperar
durante un minuto. Un lugar puede contener un número entero (positivo o cero) de marcas
o tokens. El número de tokens contenido en el lugar P¡ será entonces llamado m¡. Por lo
tanto, el mareaje de un lugar significa el estado en el que está el sistema descrito por la red
de Petri en ese momento.
Una transición indica la posibilidad de que ocurra un evento que altere el estado del
sistema por ejemplo, se activa una entrada, se detecta una pieza, se corta una fotocélula,
transcurre un tiempo.
Para conectar los lugares y las transiciones se utilizan los arcos. Si un arco va de un
lugar a una transición, se dice que el arco es de entrada y viene de un lugar de entrada de
esta transición y si el arco va de una transición a un lugar, el arco será de salida y terminará
en un lugar de salida de esa transición.
Otro componente de una red de Petri es el arco inhibidor, éste va de un lugar a una
transición y es representado con un pequeño circulo al final del arco. La transición que
tiene arcos inhibidores no puede dispararse si el lugar de entrada, de esa transición,
contiene al menos un token.
2.2.2. Evolución de una red de Petri
La evolución del sistema que está siendo modelado es representado mediante la

evolución del mareaje de la red de Petri. El cual es determinado por el disparo de
transiciones.
2.2.2.1. Disparo de transiciones
Una transición sólo puede ser disparada si dicha transición está habilitada, lo que se
cumple si y sólo si cada uno de los lugares de entrada a esta transición contienen al menos
un token [1]. Las transiciones a, b, y c de la Figura [2.1] se encuentran habilitadas, ya que
cada uno de los lugares de entrada contienen al menos un token o marca; mientras tanto la
transición d se encuentra inhabilitada, ya que el lugar Pi no contiene tokens.
Una vez habilitada una transición, ésta puede ser disparada, lo que implica quitar
una marca a todos y cada uno de los lugares de entrada de la transición disparada y
aumentar una marca a todos y cada uno de los lugares de salida de la transición. En la
Figura [2.1] también se muestra como quedaría la red de Petri si se diera el disparo de las
transiciones habilitadas.
Al determinar la evolución del mareaje, se conoce el comportamiento dinámico del

sistema modelado por la red de Petri. Las condiciones iniciales o mareaje inicial es el
estado desde el cual se desea conocer la evolución del sistema, la importancia de este
concepto radica en que las simulaciones de los sistemas a modelar por una red de Petri
deberán considerar las condiciones iniciales del sistema para determinar el estado del
modelo, es decir, el mareaje de la red de Petri.
artes del
-b- -d-
después de) IL
disparo ^
Figura [2.1] Disparo de transiciones
2.2.3. Modificaciones de las redes de Petri
Hasta ahora, sólo se ha presentado la teoría de las redes de Petri Ordinarias, que es
la representación más simple de esta teoría. Sin embargo, existen abreviaciones y
extensiones de esta teoría. En esta sección se presentarán aquellas que son importantes para
el desarrollo de la presente metodología.
2.2.3.1. Redes de Petri Generalizadas
Una red de Petri Generalizada se diferencia de la red de Petri Ordinaria, en que se

asocia peso a los arcos. Cuando no se especifica un peso entonces el arco tiene un peso de
1. Por lo tanto, para que una transición se encuentre habilitada, en una red de Petri
7
Generalizada (RPG), el mareaje del lugar de entrada P¡ debe ser mayor o igual al peso del
arco de entrada dirigido del lugar P¡ a la transición T¡. Por otro lado, si el arco de salida de
un transición T¡ tiene un peso, cuando se dispare la transición T¡ se generarán tantos tokens
como peso del arco y éstos se depositarán en el lugar P¡. En la Figura [2.2] se presentan los
conceptos mencionados para una RPG. La transición Ti sólo se encontrará habilitada si en
los lugares Pi y P2 existen al menos 1 y 2 tokens respectivamente, ya que el peso de los
arcos de entrada a la transición mencionada así lo indican, por lo tanto en la figura [2.2a] se
encuentra habilitada la transición Ti. Una vez que Ti sea disparada se formará un solo
token en el lugar P3 de acuerdo al arco de salida de Ti, lo anterior se muestra en la figura
[2.2b]. Sin embargo, a partir del mareaje de la sección a) la transición T2 se encontraba
habilitada, ya que en el lugar P2 existen dos tokens, por lo tanto, en la figura [2.2c] se
muestra lo que pasaría si esta transición fuera disparada. En este último mareaje sólo
quedaría habilitada la T2. El disparo de Ti en vez de T2 o viceversa, se conoce como un
conflicto en la red de Petri, lo cuál se revisará con detalle posteriormente.
a) b)
Figura [2.2] Redes de Petri generalizadas

2.2.3.2. Redes de Petri Sincronizadas.
Como se mencionó oportunamente, en una red de Petri Ordinaria (RPO) una

transición puede ser disparada si se encuentra habilitada, sin embargo, no conocemos
cuando será disparada. En una red de Petri Sincronizada, existe un evento asociado a cada
transición, por lo tanto, el disparo de la transición ocurrirá si la transición se encuentra
habilitada cuando el evento externo ocurra.
Esta extensión de las RPO fue realizada por M. Moalla, J.Pulou and J. Sifakis [1].
Los eventos externos corresponden a los cambios de estado de los alrededores del sistema
modelado.
En la Figura [2.3] se ilustran los conceptos esenciales de las redes de Petri

Sincronizadas, a partir de éstos se puede analizar sistemas más complejos. En la figura
[2.3a], el evento externo E3 se encuentra asociado con la transición Ti, la cual se encuentra
habilitada y será disparada una vez que E ocurra.
En la figura [2.3b] existe el evento E1 asociado a las transiciones T2 y T3, sin

embargo, solamente la primera esta habilitada; por lo tanto, cuando ocurra E1 solamente
será disparada la transición T2 ocasionando la evolución de la red presentada en el diagrama
de tiempos.
Finalmente en la figura [2.3c], se presenta el caso de que la transición T4 éste

habilitada y asociada con el evento E2, una vez que este último suceda la transición T4 será
disparada, pero solamente una de las marcas o tokens será trasladado al lugar P 7 , porque el
peso del arco de entrada y de salida de la transición T 4 es de 1.
I nádenos E3
Mareaje de Pl
[i
Mareaje de PZ
[i
inodencaEl
Mareaje de P3
-b-
Man:a|e de P l
Marcofe deP5
Incidencia E2
Mareaje de P6
Lo
Mareaje de FV
Figura [23] Disparo de transiciones en una red de Petri Sincronizada
2.2.3.3. Redes de Petri Temporizadas
Las redes de Petri Temporizadas son aquellas que funcionan para describir sistemas
dependientes del tiempo. Por ejemplo, el tiempo que debe pasar entre el inicio y el fin de
una operación. Por lo tanto, para indicar que una operación está en progreso se coloca una
marca en el lugar. Existen dos formas para considerar el tiempo en un modelo, asociarlo
con los lugares (Temporizadas en los Lugares) o con las transiciones (Temporizadas en las
Transiciones).
10
2.2.3.3.a. Redes de Petri Temporizadas en los Lugares
En las redes de Petri Temporizadas en los Lugares un tiempo d¡ es asociado con

cada lugar P¡, con posibilidad de tener un valor nulo, constante o variable. Por lo tanto,
cuando un token llega al lugar P¡, éste debe permanecer en el lugar al menos un tiempo d¡,
así el token se dice que esta inhabilitado durante este período; una vez que se cumple el
tiempo el token es habilitado, y por lo tanto, éste puede ocasionar el disparo de una
transición posterior.
La Figura [2.4] muestra la evolución de una red temporizada en los lugares y cómo
se da el disparo de las transiciones en función del tiempo.
tefcen
rtebfeado
token
habitado
taten inhaMitado en Pl,

tratación T2 no habitada
token habitado en Pl,

transición T2 habitada
taken inhaUitado en P2
Disparo de T I
Disparo de T2
Figura [2.4] Evolución de una red de Petri Temporizada en los Lugares
11
2.2.3.3.b. Redes de Petri Temporizadas en las Transiciones
Contrario a la temporización de los lugares, algunos autores, como Ramchandani

[4], prefieren asociar el tiempo de un modelo a las transiciones de la red de Petri. Sin
embargo, ambas técnicas son equivalentes y es posible transformar de un modelo
temporizado en los lugares a uno temporizado en las transiciones. En este proyecto se
utilizará el temporizado en las transiciones por conveniencia con el paquete computacional
a utilizar.
Un token puede asumir dos estados: puede estar reservado para el disparo de una
transición T¡ o puede no estarlo. Lo anterior es mostrado en la Figura [2.5]. Cuando una
transición Ti es disparada, un token es depositado en el lugar Pi, lo cual ocasiona el
habilitado de la transición T2. Ahora puede dispararse la transición T2 en cualquier
momento, cuando esto sucede se dice que el token está reservado. Una vez que se cumple el
tiempo d2, después de haber realizado la decisión de disparar la transición T2, la transición
es realmente disparada. Con ello, el token que estaba reservado en el lugar Pi es depositado
en el lugar P 2 y no está reservado.
tolwn
o rearv«h>
Mken nüwvado en PI,

wra<kwro*iT2
Figura [2.5] Evolución de una red de Petri Temporizada en las Transiciones
12
2.2.3.4. Redes de Petri Estocásticas
En las modificaciones de redes de Petri mencionadas hasta el momento, el disparo

de transiciones ocurre instantáneamente y de una forma determinística. Sin embargo, es
posible incorporar restricciones de probabilidad al disparo de las transiciones [5]. De esta
forma, a partir del instante en que una transición se encuentre habilitada, el disparo de ésta
ocurrirá según una distribución de probabilidad (exponencial, normal, Poisson, Fisher, etc).
2.2.3.5. Redes de Petri Coloreadas
Las redes de Petri Coloreadas, fueron propuestas por K. Jensen [6]. Esta
modificación a las ordinarias es importante en la modelación de sistemas de gran tamaño,
ya que pueden simplificar sistemas que contiene elementos con comportamiento similar, en
modelos bastante condensados.
Hasta el momento las marcas sólo han sido de un color, en este formalismo los
tokens tiene un color y las transiciones pueden ser disparadas solamente mediante los
colores asociados a la misma. La relación entre los colores de disparo y los tokens
coloreados está en función de los arcos asociados.
El color asociado con un token puede contener información bastante compleja,

como por ejemplo, el tipo y la posición del un objeto en un buffer. Así, el disparo de
transiciones ocasiona la desaparición de ciertos colores, mientras crea unos nuevos.
Para ejemplificar este tipo de redes de Petri se supone que se tienen dos monorrieles
idénticos que pueden moverse hacia ambos lados, derecha e izquierda. El modelo que se
asocia a cada uno de los monorrieles es el presentado en la Figura [2.6]. En este modelo el
lugar Pi representa el movimiento a la izquierda, mientras que el lugar P2 el movimiento a
la derecha, el cambio entre estos dos estados ocurre cuando el monorriel ha llegado al final
13
de su carrera en dicho sentido, Ti para el fin de carrera moviéndose a la izquierda y T2 para
el fin de carrera moviéndose a la derecha.
Figura [2.6] Dos sistemas idénticos modelados con redes de Petri
Como se puede observar se tienen dos modelos idénticos de redes de Petri. Por lo
tanto, surge la interrogante si ambos monorrieles se pueden representar por un único
modelo; esto sí es posible. Sin embargo, en la Figura [2.7] se muestra que si se realiza de la
forma de redes de Petri ordinarias sólo se sabe que se tienen dos sistemas moviéndose a la
izquierda, por lo tanto, para este caso es necesario distinguir entre los tokens del modelo,
así un color es asociado a cada token, un token rojo para el monorriel rojo y un token azul
para el monorriel azul.
De esta forma se describe adecuadamente el movimiento de ambos monorrieles con

un solo modelo de redes de Petri Coloreadas.
r 1 r
Figura [2.7] Dos sistemas idénticos modelados con redes de Petri Coloreadas
14
2.3. Sistemas de manufactura
Los sistemas de manufactura tienen como objetivo la transformación de los insumos

materiales, humanos y técnicos, en los productos finales de las empresas, para de esta
forma satisfacer las necesidades del mercado.
La palabra manufactura se deriva del Latín manu factus, que significa hecho por
manos. Históricamente, la manufactura surge aproximadamente 5000 años a.C: con la
fabricación de utensilios de madera, cerámica, piedra y metal. A través de los siglos, los
materiales y procesos para la manufactura de productos, inicialmente por fundición y
golpeo, se han desarrollado hasta utilizar materiales sintéticos y operaciones complejas,
aumentando con esto la velocidad de producción, así como los niveles de calidad y
productividad.
En el sentido moderno manufactura involucra hacer productos de materias primas

por varios procesos, maquinaria y operadores, siguiendo un plan organizado para cada
actividad requerida [7].
2.3.1. Clasificación de los sistemas de manufactura
Considerando el flujo de materia prima hasta llegar al producto terminando las

empresas de manufactura se pueden clasificar en tres tipos, o la combinación de estos,
designados como: V, A y T [8]. En la Figura [2.8] se presenta de forma gráfica la
clasificación mencionada.
Las empresas "V" presentan poca variedad de materias primas, proceso de

transformación estándar y un gran número de productos finales. Para ejemplificar este tipo
de empresas, se puede pensar en una planta de acero, que convierte la materia prima en
diversos tipos de láminas, vigas, varilla, alambre, tubos, etc.
15
En contraparte, las empresas "A" presentan una situación inversa, es decir gran
número de materias primas, que se transforman a pocos productos finales. En este caso se
puede pensar en empresas ensambladuras, en las cuales como materia prima tienen gran
número de piezas y componentes y sus productos finales son pocos.
Finalmente, en las empresas "T", el producto final se fabrica de varias maneras

distintas a partir de piezas y componentes similares. Existen dos etapas en el procesos de
producción: primero se fabrican y almacenan las piezas y componentes comunes (parte
inferior de la T), para posteriormente realizar el ensamble, combinando dichas partes
comunes de acuerdo con las diversas opciones del producto final. Como por ejemplo, en
una planta de aparatos electrodomésticos como refrigeradores con diferentes modelos. Los
modelos tienen componentes internos comunes como: serpentín, compresor, divisiones,
etc.; estas piezas se fabrican primero y después se realiza el ensamble de los diferentes
modelos de refrigeradores.
Planta V Planta A Planta T
Artículos Finales Artículos Finales Artículos Finales
Entradas Entradas
Entradas
Figura [2.8] Clasificación de los sistemas de manufactura [8]
2.3.2 Funciones básicas de los sistemas de manufactura
Dentro de los tipos de producción existen funciones básicas que llevan a convertir
las materias primas en productos terminados. En el caso de un sistema de manufactura las
16
funciones básicas son: operaciones de procesos, ensamble, manejo de materiales,
inspección y control. En la Figura [2.9] se aprecian las funciones de manufactura.
Operaciones de U Fábrica
.Procasos
II \\ \
Materia Prima
3. Manojo de Materiales
4Jnspeed6n y Pruebas j
Recibo M A I Embarque
'—I 5. Caokol T^0
Figura [2.9] Funciones de manufactura [9]
2.3.2.1. Operaciones de proceso
En las operaciones de proceso se realiza la transformación del producto de un

estado a otro más avanzado. Ningún material o componente es agregado en la
transformación. Se requiere de algún tipo de energía para efectuar el proceso, por ejemplo:
mecánica, térmica, eléctrica, etc. Estas operaciones se pueden clasificar en cuatro
categorías:
a) Procesos básicos: aquellos que llevan el material de trabajo a su forma inicial, la

fundición de metales y el moldeado de plásticos son ejemplos de este tipo de
operaciones, en donde la materia prima es convertida en su forma geométrica
básica.
b) Procesos secundarios: son los que transforman la pieza de trabajo a su geometría
final, como por ejemplo estampado, troquelado, torneado, taladrado, fresado, etc.
c) Procesos para cambiar las propiedades físicas: estas operaciones no cambian la
forma geométrica, sólo mejoran las propiedades del producto, como los
tratamientos térmicos que mejoran las propiedades mecánicas de los metales.
17
d) Procesos finales: son las operaciones de acabado de la pieza que agregan valor al
producto, como por ejemplo la pintura y abrillantado.
2.3.2.2. Ensamble
Los procesos de ensamble o unión constituyen el segundo tipo de operaciones en la

manufactura. Se caracterizan porque dos o más componentes son unidos, por dispositivos
mecánicos, utilizando tornillos, tuercas o clavos, o bien por procesos como soldadura.
2.3.2.3. Manejo de materiales
El manejo de materiales consiste en mover y almacenar materiales entre estaciones

de proceso y operaciones de ensamble. En la mayoría de los sistemas de manufactura los
materiales pasan más tiempo moviéndose y almacenados que en el proceso de fabricación.
Este tipo de funciones no le agrega ningún valor al producto final, por lo tanto, se debe
visualizar como un área de oportunidad la optimización del tiempo en el manejo de
materiales.
2.3.2.4. Inspección y pruebas
Las operaciones de inspección y pruebas se consideran como parte del control de

calidad. El objetivo de éstas es determinar si el producto manufacturado cumple con los
estándares y especificaciones.
2.3.2.5. Control.
El proceso de Control incluye la regulación de los procesos de producción y las

operaciones de ensamble, así como la administración de las actividades de la planta.
18
Implica la manipulación de las entradas del proceso para lograr los objetivos, es decir, uso
de la mano de obra en forma efectiva, mantenimiento de equipo, manejo de materiales,
adquisición de productos de buena calidad y mantenimiento de las operaciones de la planta
al nivel óptimo. En nuestro caso el control se utilizará para el análisis de los resultados de
la modelación y simulación del sistema de manufactura, por lo tanto no se modela en redes
de Petri.
2.4. Estadística industrial: fiabilidad [10] y [11]
Los procesos que componen los sistemas de manufactura cambian con el tiempo;
por lo tanto, se debe garantizar que el proceso operará en buenas condiciones durante un
período razonable de tiempo.
La fiabilidad se refiere a la probabilidad de que un proceso o sistema desarrolle,

durante un tiempo, la operación encomendada sin fallos y en las condiciones establecidas.
Para determinar la fiabilidad de un proceso o componente se requiere un análisis estadístico
de datos de supervivencia, es decir, del registro de la duración del componente.
2.4.1 Función de supervivencia o función de fiabilidad
Para realizar el análisis estadístico se define la función de supervivencia o función

de fiabilidad S(t), que se define como la probabilidad de que un componente funcione más
allá de un instante t, lo cual se expresa mediante la siguiente función
sp)-P*r>«)-/. /(,)*,_i-ítt) Ecuad6n[2I]
donde:
19
Pr(T>=t) es la probabilidad de un componente a funcionar por un tiempo mayor a t.
f(x) es la función de probabilidad que modela el comportamiento del componente.
F(t) es la probabilidad acumulada al instante t.
Por ejemplo, si la función de supervivencia de un proceso es la probabilidad de

seguir funcionando al cabo de t horas, y se conoce que S(1000) = 0.95, se puede concluir
que dicho proceso tiene una probabilidad del 95 % a seguir funcionando al cabo de 1000
horas.
En la Figura [2.10] se presenta la gráfica de dos funciones de supervivencia, en

donde para ambos casos S(0)=l y S(oo)=0, es decir, la probabilidad a seguir funcionando de
un componente en el instante cero es del 100%, mientras que después de un tiempo infinito
la probabilidad de seguir en condiciones de operación es 0%. Estas características se
presentan en cualquier función de supervivencia.
Finjón de stvervivencia
Y\
S(t) VN
s ^
Tiempo
Figura [2.10] Gráfica de funciones de supervivencia características
2.4.2 Tasa de fallos
Para el análisis de procesos de duración resulta especialmente indicada la tasa de

fallos h(t), que proporciona la posibilidad de fallo inmediato dado que el componente está
funcionando y se define como:
20
Pr{t<T<t f(t)
ttlt) = lim Ecuación [2.2]
At S(t)
donde:
Pr (t =< T =< t + At \ T >= t) es la probabilidad de que un componente funcione

entre un instante t y un tiempo diferencial del tiempo, dado que ya opero por un
tiempo t.
f(t) la distribución de probabilidad que modela el comportamiento del componente

en función del tiempo.
S(t) es la función de fiabilidad como se definió en la Ecuación [2.1]
Es habitual encontrar funciones constantes, crecientes o decrecientes dependiendo

del tipo de fenómeno estudiado, a continuación se describen los distintos procesos según su
tasa de fallos.
2.4.2.1 Tasa de fallos constante
Tener una tasa de fallos constante indica que la probabilidad de fallo instantáneo es
la misma en cualquier momento y por lo tanto, se dice que el proceso no tiene memoria, ya
que la posibilidad de fallo durante la operación, es idéntica en cualquier momento de la
vida del proceso. En la Figura [2.11] se muestra la gráfica de la tasa de fallos constante de
dos componentes.
Tasa de falos constante
Tiempo (tws.)
Figura [2.11] Gráfica de tasa de fallos constante
21
2A.2.2 Tasa de fallos creciente
La tasa de fallos creciente indica que la probabilidad de fallo inmediato, teniendo en

cuenta que el componente está funcionando, se incrementa a medida que pasa el tiempo.
Este tipo de tasa de fallos sirve para describir casos como desgaste y fatiga, es decir,
procesos de envejecimiento, por lo tanto, a medida que un componente se hace más viejo,
su tasa de fallos incrementará. En la Figura [2.12] se presentan curvas características de
una tasa de fallos creciente.
Tasa de falos creciente
Kt)
Tiempo (mies hrs.)
Figura [2.12] Gráfica de tasa de fallos creciente
2.4.2.3 Tasa de fallos decreciente
La tasa de fallos decreciente indica que la probabilidad de fallo inmediato, teniendo

en cuenta que el componente está funcionando, disminuye a medida que pasa el tiempo.
Este tipo de tasa de fallos sirve para describir casos como supervivencia a operaciones
quirúrgicas, es decir, el riesgo disminuye a medida que transcurre el período postoperatorio.
En la Figura [2.13] se presentan curvas características de una tasa de fallos decreciente.
Tasa de talos decreciente
Kt)
Tiempo (hrs.)
Figura [2.13J Gráfica de tasa de fallos decreciente
22
2.4.3. Modelos utilizados en fiabilidad
Se utilizan diferentes modelos de probabilidad para poder determinar la fiabilidad

de un proceso. Para seleccionar un modelo se usan técnicas descriptivas o bien el
conocimiento teórico del proceso. Con éste se podrá saber si el proceso tiene una tasa de
fallos constante, creciente, decreciente o la combinación de los mismos. A continuación se
presenta el modelo exponencial que es el que se utilizará para la simulación de la fiabilidad
de los procesos.
2.4.3.1 Modelo exponencial
En el modelo exponencial una variable aleatoria X tiene una distribución

exponencial de parámetro 6 si su función de densidad es:
f\t) = — exp(-t/O) c ., r .,,

Q Ecuación [2.3]
Dentro del contexto de análisis de supervivencia, cuando X se interpreta como el

tiempo necesario para que se produzca un fallo de un componente o una máquina, tiene
especial importancia la función de supervivencia S(t), que se expresa mediante la siguiente
función aplicando la Ecuación [2.1]:
S(t) = exp<-f /0) Ecuación [2.4]
El modelo exponencial es el único que presenta una tasa de fallos constante, y su

valor es el inverso del parámetro G que se obtiene a partir de la Ecuación [2.2], por lo tanto,
la probabilidad de fallar h(t) condicionada a que el componente esté en uso no varía con el
tiempo, lo que se conoce como propiedad de pérdida de memoria.
h (t ) = 1 / 0 Ecuación [2.5]
23
Además la esperanza E(t), es decir, el tiempo que se espera que funcione el
componente o máquina en condiciones satisfactorias, que se define como el inverso de la
tasa de fallos, es igual al parámetro 6 de la distribución exponencial.
E(t) - 6 Ecuación [2.6]
24
Capítulo 3
Propuesta de una metodología para la modelación de sistemas de manufactura
3.1. Introducción
En la bibliografía consultada sobre redes de Petri y sistemas de manufactura

[1],[2],[3],[5], no se documenta una metodología formal que al aplicarse a un sistema de
manufactura, permita evaluar su funcionamiento. En los artículos se observa que sólo se
describe la aplicación de una extensión de las redes de Petri al sistema de manufactura
particular que se desea evaluar.
En este capítulo se presenta la propuesta de una metodología para la modelación de

sistemas de manufactura aplicando la teoría de redes de Petri. Esta metodología puede
aplicarse a sistemas de manufactura encontrados en la industria. La metodología propuesta
asume que el sistema a analizar puede ser dividido de acuerdo a las funciones básicas de
un sistema de manufactura descritas en la sección 2.3.2.
3.2. Descripción de los pasos de la metodología propuesta.
Los pasos a seguir para la aplicación de la metodología propuesta se presentan en

forma de diagrama de flujo en la Figura [3.1]. En esta figura se pueden apreciar los pasos
de la metodología que corresponden a las etapas de modelación, simulación y análisis. En
las siguientes secciones se explicará cada uno de estos pasos a detalle.
25
3.2.1. Analizar el sistema de manufactura (separar funciones).
Uno de los aspectos más importantes de la metodología es analizar el sistema de

manufactura y realizar una clasificación de los componentes de acuerdo a las funciones
básicas que existen en el sistema de manufactura y que fueron definidas en la sección 2.3.2.
Una vez que se realizó la identificación de los componentes, el siguiente paso es la

modelación por separado de cada una de las entidades.
3.2.1.1 Modelar las operaciones de proceso.
El modelo propuesto para la representación de las operaciones de proceso se

muestra en la Figura [3.2]. Para que inicie la operación de proceso, el lugar P] debe recibir
un token a través de la transición Ti, la cual tiene un tiempo de operación di, que en este
caso es cero ya que su disparo sucede cuando existe un token disponible en el lugar Po, que
modela la entrada de materia prima al proceso, y un token en el lugar P4, que a su vez
representa el permiso o la disponibilidad a utilizar el proceso. Una vez que la transición Ti
se ha disparado el lugar P] recibe un token indicando que se ha iniciado el ciclo de trabajo
de la maquinaría.
26
Sistema de manufactura
Analizar y definir las

entidades básicas
(separar funciones)
Modelación de las
funciones básicas
Asignar lugares y Definir las interfaces entre

transiciones las funciones básicas
•8 I
Determinar el tipo de red
de Petri más adecuado para Integración de los modelos
la modelación en una red de Petri
1
Construir la red de Petri
que representa el modelo Análisis y solución de
de la función básica conflictos de la red de Petri
Selección de la herra nta

computacional para la
simulación de laredde Petri
Diseño particular del

programa computacional
Análisis de resultados
Definir los resultados (evaluación)

deseados de la simulación
i
Determinar los parámetros
y condiciones de operación
del sistema
1 Definir nuevos parámetros

y condiciones de operación
Simulación computacional del sistema
del proceso
Figura [3.2] Diagrama de la metodología propuesta para la modelación, simulación y análisis de un

sistema de manufactura
27
Figura [3.2] Modelo de las operaciones de proceso
La duración del ciclo de operación del proceso es modelada relacionando un tiempo

Ó2 al disparo de la transición T2, dicho tiempo puede ser determinístico o estocástico. El
primer caso representaría que el disparo de la transición T2 se daría cada vez que transcurra
el tiempo d2 sin variabilidad en dicho tiempo. Por otra parte, si el disparo de la transición
fuera estocástico, por ejemplo un disparo controlado mediante una distribución de
probabilidad exponencial con d2, indicaría por la propiedad de pérdida de memoria
presentada en la sección 2.4.3.1 de esta función de probabilidad, que el token saldría en
promedio en d2 a partir del segundo en que llegó, pero también a partir del siguiente
segundo y así sucesivamente, produciendo una variabilidad entre cada disparo de la
transición T2.
Cuando la operación ha terminando el token pasa al lugar P2, en este punto el

proceso está esperando por la siguiente tarea del sistema de manufactura; si existe
disponibilidad en las funciones futuras del sistema de manufactura, la transición T3 es
disparada con lo que el token sale, ya que tiene un disparo inmediato d3=0. Si se cumple la
condición de disponibilidad en el siguiente proceso, lugar P7, la máquina regresa a su
estado disponible y una pieza es acumulada en P5, con el objetivo de llevar el registro del
28
número de piezas terminadas en esta operación de proceso. Adicionalmente se agrega un
token al lugar P4 que representa que el proceso esta disponible de nuevo.
Sin embargo, como toda operación de proceso tiene fallas, se debe modelar la falla
en la operación, es decir, un estado de paro. El tiempo promedio en que se presenta una
falla en el proceso es modelado relacionando un tiempo d4 al disparo de la transición T4,
que al igual que Ú2, puede ser determinístico o estocástico, así cuando se habilite esta
transición el proceso pasará a un estado de reposo en el lugar P3 del que sólo podrá salir
cuando el proceso haya sido reparado, el tiempo promedio para reparar una falla del
proceso se modela mediante el tiempo ds relacionado al disparo de la transición T5. Cuando
se dispare la transición T5 el proceso regresa a operación normal.
Finalmente, el lugar P5 servirá para contar el número de piezas que han pasado la
operación de proceso modelada. Así, como el lugar Pé llevará registro del número de fallas
en las que ha entrado la operación a estos lugares los tokens llegan cuando la pieza sale de
la operación o la máquina falla, disparando la transición T3 o la transición T4
respectivamente.
Siguiendo la metodología propuesta, se construye el modelo de una operación de

estampado, a manera de ejemplo. Esto se lleva a cabo con la red de Petri de la Figura [3.3]
en donde la transición To servirá como alimentación de la prensa de estampado a modelar.
Se simulará una entrada de piezas a la operación a razón de 12 piezas por minuto, es decir,
una pieza cada 5 segundos, sin variabilidad. El estampado tardará en promedio 5 segundos,
y puede ocurrir una falla cada 50 segundos. El tiempo que se tarda en arreglar una falla de
la prensa de estampado en promedio es de 10 segundos.
Los resultados que se esperan son el número de fallas y el número de productos

terminados por la operación de estampado, si ésta opera durante una hora de forma
continua.
29
•o
Figura [33] Ejemplo de una operación de proceso
Para modelar el disparo de las transiciones T2, T4 y T5 en el modelo de la Figura

[3.3]; que consideran el tiempo promedio en que se termina una pieza, falla la maquinaria y
se repara una falla respectivamente, para ello se utilizará una distribución exponencial. La
justifícación de esto es porque la distribución exponencial se utiliza ampliamente en el
campo de la ingeniería de confiabilidad como un modelo para el tiempo hasta la falla de un
componente o de un sistema. En estas aplicaciones el parámetro 9 se llama el índice de
falla del sistema y la media de la distribución se denomina tiempo medio hasta la falla. Por
lo tanto, en este caso el parámetro 0 será 5 segundos para estampado, 50 segundos
promedio entre fallas y 10 segundos promedio para arreglar una falla, para diferenciar que
el disparo de dichas transiciones es controlado por una función de probabilidad se han
achurado estas transiciones.
Por otra parte, la transición To, transición no achurada, se disparará de forma

determinística cada 5 segundos, suponiendo que la entrada de las piezas a la operación de
estampado no tiene variabilidad. Finalmente, las transiciones Ti y T3 se dispararán de
manera inmediata en cuanto exista disponibilidad de la máquina en P4 y pieza a estampar
en Po, y disponibilidad en operaciones futuras P2.
30
Los resultados obtenidos de la simulación de esta operación de estampado con las
características mencionadas previamente se presentan en la Figura [3.4]. En condiciones
ideales, donde la máquina estaría disponible el 100% del tiempo, es decir sin fallas y ni
variabilidad en el proceso, la producción sería de 720 piezas por hora. Sin embargo, en
condiciones de operación reales se esperaría una producción menor, en la corrida
presentada se fabricaron 603 piezas, lo que equivale a una disponibilidad de la operación
del 83.75 %. Por lo tanto, se comprueba la validez del modelo propuesto.
Además se observa que durante la hora de producción se presentaron 61 paros no

deseados.
Simulación de la operación de estampado durante una hora
1,000 1.500 2,000 2.SOO 3.000 3,500
Tiempo (seg.)
Figura [3.4J Resultados del ejemplo de una operación de proceso
Con el objetivo de mostrar que existe variabilidad en el tiempo de los disparos

estocasticos se presenta en la Figura [3.5] el desarrollo de la operación de proceso durante
los primeros 100 segundos.
31
Simulación de la operación de estampado
15'
14
13
12
¡—
I Piezas « ú ^ »
11
r
1
10
9
r
8
. : • • . • : • • / • • . : , : . . . r
E
Filkslrl>>fa»M
»a
4 6 8 10 12 14 16 18 2022242628X3234363840 42 444648505254565660626466687072 74 76768082848688909294
Tiempo (seg.)
Figura [3.5] Resultados del ejemplo de una operación de proceso (Acercamiento)
3.2.1.2 Modelar las operaciones de ensamble
El modelo propuesto para la modelación de las operaciones de ensamble se presenta

en la Figura [3.6]. Para que inicie la operación de ensamble representada por el lugar P3,
debe dispararse la transición Ti; esto sucede cuando existen dos y tres tokens disponibles en
los lugares Pi y P 2 , de acuerdo al peso que tienen los arcos de entrada a la transición Ti y se
cumpla el tiempo relacionado con esta transición di. En dado caso que el ensamble a
modelar necesite de más piezas para su realización, se tendría que agregar tantos lugares a
la entrada de la transición Ti como número de partes diferentes que son utilizadas como
materia prima al ensamble y el peso de cada arco de entrada a la transición dependerá del
número de partes representadas por ese lugar que se requieran para el ensamble, ejemplo en
la Figura [3.6] de la parte 1 se requieren 2 piezas y 3 piezas de la parte 2.
32
Una vez que la transición Ti se ha disparado el lugar P3 recibe un token indicando
que se ha iniciado el ensamble. El cual terminará después de un tiempo determinado, que es
modelado mediante la transición T2 con un tiempo de disparo Ú2. En cuanto se dispare la
transición T2 y si la Ti se encuentra habilitada se podrá iniciar un nuevo ensamble. Si en la
salida del ensamble existe un bloqueo, que podría ocurrir si la salida del ensamble es, por
ejemplo, una máquina que no se encuentra disponible, la T2 no podrá ser disparada y la
operación de ensamble estará bloqueada.
Figura [3.6] Modelo de las operaciones de ensamble

ensamble a manera de ejemplo. Esto se lleva a cabo con la red de Petri de la Figura [3.7] en
donde las transiciones T3 y T4 servirán como alimentación a los lugares Pi y P2
respectivamente, los cuales representan el almacén de las piezas utilizadas para realizar el
ensamble.
¿3=30
O fl -O
¿4=20
Figura [3.7] Ejemplo de una operación de ensamble
33
Se simulará el ensamble de una bicicleta, para esto se requiere 2 tipos de
componentes: la estructura de la bicicleta representada en el lugar Pi y las llantas
modeladas en el lugar P2, cuando se tenga disponibilidad de 1 estructura y 2 llantas se
iniciará el ensamble.
El ensamble se realiza de manera automática, en un tiempo de 60 segundos. Se

espera determinar el número de ensambles que podrá realizar en una jomada de trabajo. Por
lo tanto, se anexará al modelo un lugar P4 para contabilizar los productos terminados. En
dado caso que el ensamble, lugar P3 de las figuras [3.6] y [3.7], presentará alguna falla se
podría modelar de la misma forma que se realizo en la modelación de una operación de
proceso.
Para modelar el disparo de la transición T2, en el modelo de la Figura [3.7], que

considera el tiempo en que se termina un ensamble, se utilizará un tiempo de 60 segundos,
es decir, totalmente determinístico. La justificación de esto es porque el ensamble se realiza
de manera automática sin variabilidad.
Recordando la suposición de una línea de ensamble totalmente automática, la

alimentación del ensamble, modeladas mediante las transiciones T3 y T4 de la Figura [3.7],
se realizará de manera determinística con tiempo de 30 y 20 segundos respectivamente,
suponiendo que la entrada de las piezas a la operación de ensamble no tiene variabilidad.
Finalmente, la transición Ti se disparará de manera inmediata en cuanto existan los
componentes necesarios para el ensamble y disponibilidad en la operación de ensamble.
Los resultados obtenidos de la simulación de esta operación de ensamble con las

características mencionadas previamente se presentan en la Figura [3.8]. Considerando una
jornada laboral de 8 horas sin interrupciones la producción de bicicletas ensambladas según
la simulación realizada es de 478 bicicletas. Sin embargo, en estas condiciones de
operación además se observa en la Figura [3.8] que los mareajes de los lugares Pi y P3 se
incrementan drásticamente, lo anterior se explica como un cuello de botella en esta línea de
ensamble, el incremento en el mareaje Pi se da porque la estructura de la bicicleta es
34
fabricada en un menor tiempo que las 2 llantas necesarias para realizar el ensamble.
Mientras tanto el incremento en el mareaje del lugar P3 se deba a que la estructura y las 2
llantas están disponibles para ser ensambladas en un tiempo menor al requerido para
realizar el ensamble, por lo tanto, a esta línea de ensamble se tendrían que realizar
modificaciones de acuerdo a los resultados presentados.
En primer lugar se tendría que reducir el tiempo de ciclo de fabricación de las

llantas a 15 segundos, con esto la disposición de las 2 llantas se daría en 30 segundos al
igual que la estructura. Sin embargo, con esto quedaría por resolver el cuello de botella en
el ensamble, para esto podría ponerse dos máquinas que realizarán el ensamble o bien
colocar una que lo realizará en los 30 segundos que tardan en llegar los componentes del
ensamble.
Simulación de una jornada laboral de la línea de ensamble
2,000 4,000 6000 8.000 10000 12000 14000 16000 18000 20000 22000 24000 26000 280OO
Tiempo (seg.)
Figura [3.8] Resultados del ejemplo de una operación de ensamble
35
Si el incremento en el mareaje se presentará solo en alguno de los lugares de la
alimentación, indicaría que el otro componente para el ensamble es un cuello de botella, ya
que estas piezas se están acumulando en el lugar debido a que no existe la disponibilidad
del otro componente para realizar el ensamble. En éste supuesto, las modificaciones en las
condiciones de operación se tendrían que realizar solamente para incrementar la capacidad
de producción del componente que es cuello de botella, si es que se quiere tener un
aumento en la capacidad de piezas ensambladas. En caso de no hacerlo se tendrá que
disminuir la utilización de la línea en la que se produce el componente que no es cuello de
botella, para no hacer crecer el inventario en proceso sin razón justificada.
En la Figura [3.9] se presenta la simulación de los primeros 1000 segundos de

operación, para visualizar como se va dando el crecimiento de los mareajes en los lugar Pi
y P3, que ocasiona un cuello de botella en la operación de ensamble simulada.
Simulación de la línea de ensamble
90 1 0 O t ü O 2 O 0 2 S 0 3 0 O 3 5 O 4 0 0 4 S O 5 C O 5 5 0 6 O O B 5 0 7 O 0
Tiempo (seg.)
Figura [3.9] Resultados del ejemplo de una operación de ensamble (Acercamiento)
36
3.2.1.3 Modelar el manejo de materiales
Para la modelación del manejo de materiales se presentarán dos modelos, ya que el

manejo de materiales se puede dar entre diferentes sistemas de manufactura; como por
ejemplo la transportación del almacén de materia prima al inicio de una línea de producción
utilizando una grúa viajera; o bien dentro de un sistema de manufactura; como por ejemplo
entre dos máquinas que son unidas mediante un transportador.
3.2.13a Modelación del manejo de materiales entre diferentes sistemas de manufactura
Para el primer caso, el modelo propuesto se presenta en la Figura [3.10]. La

transportación iniciará cuando el sistema que realiza la operación (grúa viajera,
montacargas, robot, etc.) se encuentre disponible, es decir, exista un token en el lugar Pi, y
exista una pieza que transportar, un token en el lugar Po, de esta forma se cumplirán las
condiciones necesarias para que la transición Ti sea disparada en un tiempo di, con lo cual
comenzará la operación de sujeción de la pieza en el sistema transportador P 2 , el tiempo, en
realizar esta operación, se modela con un tiempo de disparo d2 en la transición T2, cuando
se cumple el tiempo d2, el sistema transportador inicia su movimiento modelado mediante
un token en el lugar P3.
Figura [3.10] Modelo del manejo de materiales entre diferentes sistemas de manufactura
37
El tiempo que el sistema tarda en transportar la pieza, al lugar en donde se utilizará,
es modelado mediante un tiempo d3, deterministico o estocástico, el cual esta relacionado
con el disparo de la transición T3.
Una vez que se realice el disparo de T3 la pieza podrá ser descargada, dicha
operación se modela en el lugar P4, el tiempo que debe transcurrir en esta tarea se modela
mediante el tiempo d» relacionado con el disparo de la transición T4, en cuanto se dispara
esta última transición, la pieza esperará en el lugar P5 para continuar su recorrido en la línea
de producción.
Por otra parte, el sistema transportador inicia su movimiento hacia su posición de

reposo o bien a disponibilidad lo cual es modelado mediante el lugar P6, el tiempo que le
tarda al sistema viajar del destino final a su posición de reposo es d5, el cual controla el
disparo en la transición T5. Finalmente, cuando se cumple dicho tiempo el sistema
transportador llegará a su posición de reposo Pi, lo cual indica que el sistema estará
disponible para realizar otra transportación, en cuanto se cumpla la otra condición para
realizar la función, es decir, que exista una pieza en Po a ser transportada.

manejo de materiales entre líneas de producción, a manera de ejemplo. Esto se lleva a cabo
con la red de Petri de la Figura [3.11]. La transición To servirá para simular la salida de
piezas de una línea de corte y a su vez la alimentación del lugar Po, estas piezas serán la
materia prima de una línea de troquelado, por lo tanto, se debe realizar la transportación de
las mismas utilizando un montacargas cada que se tengan 50 láminas cortadas.
El corte de la lámina de acero se realiza de manera automática, en un tiempo de

do=4O segundos. El montacargas tarda 25 segundos en cargar y descargar el pallet con las
láminas, así como 120 segundos en la transportación de las mismas entre las líneas
mencionadas. Dicho montacargas da servicio a otras partes de la empresa por lo cual una
vez realizada la transportación le toma en promedio volver a estar disponible 30 minutos
(1800 segundos) este será el único tiempo que se simulará estocásticamente, ya que los
38
otros tiempos de la transportación puede considerarse determinísticos una vez que se inicia
la tarea. La empresa quiere determinar el número de transportaciones que el montacargas
puede realizar en una jornada laboral para poder determinar si el sistema de transportación
tiene la suficiente capacidad.
Figura [3.11] Ejemplo del manejo de materiales entre diferentes sistemas de manufactura
Recordando la descripción del problema la transportación entre las líneas de corte y

troquelado se realizará mediante un montacargas, el cual realizará de manera determinística
la carga, descarga y transportación de las placas con tiempo de 25, 25 y 120 segundos
respectivamente. Estos tiempos estarán relacionados con los disparos de las transiciones T2,
T4 y T3 respectivamente. Por otra parte, la transición Ti se disparará de manera inmediata
en cuanto existan 50 láminas para transportar y disponibilidad del montacargas. La
disponibilidad del montacargas se simula relacionando una distribución de probabilidad
exponencial, con tiempo promedio de 1800 segundos, al disparo de la transición T5.
Los resultados obtenidos de la simulación de esta operación de manejo de

materiales con las características mencionadas previamente se presentan en las Figura
[3.12] y Figura [3.13] considerando una jornada laboral de 8 horas sin interrupciones. La
39
Figura [3.12] presenta el mareaje del lugar Po, es decir, el número de láminas que existe en
cualquier momento para ser transportadas. Cabe recordar que sólo se transportan 50
láminas, aunque existan más disponibles. Mientras tanto la Figura [3.13] presenta los
disparos de la transición Ti, en otras palabras, cada disparo de dicha transición equivale a
una transportación realizada por el montacargas.
En la Figura [3.12] se observa que el mareaje del lugar Po se incrementa, lo anterior

se explica porque el montacargas no tiene disponibilidad para regresar a realizar la
transportación cuando se completa el corte de 50 láminas, esto se confirma en la Figura
[3.13] en donde se observa que el número de transportaciones realizadas en una jornada
laboral fue de 9 solamente cuando se esperaría que en promedio realizará 14
transportaciones.
Simulación de las piezas en espera de ser transportadas
2,000 4.000 6,000 8.000 10,000 12,000 14.000 16,000 18J0OO 20000 22J0OO 24.000 26000 28
Tiempo (seg.)
Figura [3.12] Resultados del ejemplo de manejo de materiales - Número de piezas disponibles para
transportar
40
Simulación del manejo de materiales utilizando el montacargas
2J000 tpoa 6.000 8.000 iDjna i2jooo njooo K/XO 18.000 20,000 Z2jnoo 24.000 2&D00 24000
Tiempo (seg.)
Figura [3.13] Resultados del ejemplo de manejo de materiales - Número de transportaciones
Para verificar que la saturación de piezas en el lugar Po no sería tan drástica si se

modificará la disponibilidad del montacargas, se realizó una simulación con un promedio
de viaje igual a 20 minutos. Los resultados se presentan en la Figura [3.14] donde se
observa que se realizaron 12 viajes y el mareaje del lugar Po es tan sólo 115 piezas,
comparado con las 270 piezas en la Figura [3.12].
3.2.1.3b Modelación del manejo de materiales dentro de una línea de producción.
Para el caso de transportación dentro de la línea de producción, el modelo propuesto

se presenta en la Figura [3.15]. La transportación iniciará cuando el sistema que realiza la
operación (transportador, banda, vehículo de carga, etc.) se encuentre disponible Pi
teniendo un mareaje menor a la capacidad del sistema, que será modelada mediante el
número de tokens del lugar P2, y exista una pieza que transportar, es decir, un token en el
lugar PQ, con lo cuál se cumplirán las condiciones necesarias para que la transición Ti sea
41
disparada, una vez que transcurra di, de esta forma iniciará la operación de transportación
de la pieza en el sistema transportador, modelado mediante el mareaje del lugar P].
Simulación del manejo de materiales utilizando el montacargas

115
110
105
100
95
90
85 Piezas n | • /
80 *' /
75
70
85
60
55
SO
45
35
30 i
25 h /
/ TiMipiílt« l e í
30
/ •••inri»!K
15
f—
10
J— ——
f— 1
2,000 4J0OO 8J0OO 10J000 12.000 14JD0D 16.000 18.000 20JOOO 22jOOO *fU>
Tiempo (seg.)
Figura [3.14] Resultados del ejemplo de manejo de materiales, d5=1200 seg.
El tiempo que se tarda en realizar esta operación se modela relacionando un tiempo

de disparo d2 a la transición T2, cuando se cumpla el tiempo la pieza iniciará su movimiento
hacia P3, que será la conexión o la entrada a otra función de la línea de producción.
di d2
Figura [3.15] Modelo de transportación dentro de una línea de producción
42
transportación dentro de una línea de producción, a manera de ejemplo. Esto se lleva a cabo
con la red de Petri de la Figura [3.16]. Se desea determinar si se obtiene un beneficio en la
automatización de la transportación entre dos centros de maquinado, que realizan su trabajo
en 5 segundos.
Actualmente la transportación la realiza alguno de los 2 operarios con los que

cuenta el centro de maquinado n, colocando la pieza en una banda transportadora, de
acuerdo a su disponibilidad al realizar su tarea, la pieza será tomada de la banda por alguno
de los 2 operarios del siguiente centro de maquinado. Por lo tanto, la tarea tiene un
comportamiento estocástico. La variable tiempo Ú2, será la encargada de modelar dicho
comportamiento mediante una distribución de probabilidad exponencial con tiempo
promedio de 5 segundos, es decir, cada que se termine un maquinado cualquier operario
podrá realizar la tarea de colocar la pieza en el transportador. Así, la capacidad del sistema
es de 2, por lo tanto, el mareaje del lugar P2 será de 2 tokens.
D
Figura [3.16] Ejemplo del transporte de materiales dentro de una línea de producción
Para modelar la entrada y salida del sistema de transportación, se utilizan las

transiciones To y T3 en el modelo de la Figura [3.16], las cuales se dispararán cada 5
segundos, considerando que es el tiempo que tarda el centro de maquinado en terminar una
pieza, y este tiempo es determinístico. La justificación de esto es porque el centro de
maquinado opera de manera automática sin variabilidad.
43
Los resultados obtenidos de la simulación de esta operación de transportación con
las características mencionadas previamente se presentan en las Figura [3.17].
Simulación de transportación manual
2.000 4.000 6,000 sjmo IOJHO 11000 upm i6floo ISJOOO 20,000 22.000 24.000 26JJOO XÍXB
Figura [3.17] Resultados del ejemplo de la transportación de materiales (manual)
Considerando una jornada laboral de 8 horas sin interrupciones, en las condiciones

de operación, se observa en la Figura [3.17], que el mareaje en los lugares de entrada Po y
salida P3 del transportador, crece y oscila, por lo tanto, se puede decir que aunque existen
dos operarios en el centro de maquinado éstos no pueden realizar adecuadamente la
transportación al otro centro ya que a veces no les da el tiempo suficiente para realizar la
tarea, es decir, existe gran variabilidad en la transportación; por ello es que, la alimentación
en el centro de maquinado siguiente tiene problemas.
Para solucionar estos problemas, se propone instalar un sistema automático para

carga y descarga de los centros de maquinado que tenga una capacidad de 2 y realice la
tarea de forma determinística cada 10 segundos, es decir d2=10, los resultados de simular el
44
sistema bajo esta suposición se muestran en la Figura [3.18]. Se observa una clara mejoría
en el sistema, ya que a pesar de que se incrementa el tiempo en la transportación se hace de
forma determinística el número de piezas en la entrada y salida del transportador no se
incrementa.
Simulación de transportación automática

_ _ . _ . . y _ -
t 4 »• t f * '
i Pinas H H H U U a la
0 5 10 15 2 O 2 S 3 O 3 S « 0 « 5 5 O S S e O 6 S 7 D 7 5 8 0 8 5 9 O 95 100105110115 120125 130135140 145150 1S5160165 170175 180185190 195300205210
Tiempo (seg.)
Figura [3.18] Resultados del ejemplo de la transportación de materiales (automático)
3.2.1.4 Modelar las operaciones de inspección y pruebas.
El modelo propuesto para la modelación de las operaciones de inspección y pruebas

se presenta en la Figura [3.19]. Esta operación iniciará con la llegada al lugar Po de un
token, el cual será un lugar de unión con la salida de otra operación y representa la decisión
de inspeccionar el producto o aceptarlo como producto terminado, para el primer caso se
disparará la transición Ti, relacionada con un tiempo de disparo di. En dado caso que la T 2
45
sea disparada se pasará al almacén de producto terminado P2, para esto tendrá que haber
transcurrido un tiempo 62.
El lugar Pi modela una pieza en el lugar de la inspección en este caso puede existir
una cierta probabilidad de que la transición T3 sea disparada cuando se cumpla el tiempo d3
o bien la transición T4 al cumplirse el tiempo d^ si se da la primera, el producto será
aceptado como producto terminado P2, mientras que si la segunda es disparada, el producto
pasará al lugar P3, el cuál representa a los productos defectuosos, además no existe forma
de salir de este lugar; por ello es que servirá para el registro del número de piezas
defectuosas en el sistema.
Figura [3.19] Modelo de las operaciones de inspección y pruebas

inspección en una línea de producción, a manera de ejemplo. Esto se lleva a cabo con la red
de Petri de la Figura [3.20]. Se desea determinar el número de productos defectuosos que se
encontrarán en una línea de producción, ya que la empresa sospecha que las pruebas no se
están realizando y por lo tanto no se encuentran productos defectuosos.
La llegada de un producto a la estación de inspección, modelada mediante la

transición To, ocurre cada segundo. No todas las piezas se inspeccionan; aleatoriamente se
selecciona una de cada 10 piezas. Para modelar este comportamiento, se disparará en
promedio cada 10 segundos la transición Ti, mientras que T2 se disparará cada segundo.
46
En la inspección, en promedio, en una de cada 1000 pruebas se encuentra un
producto defectuoso; por lo tanto la T3 se disparará cada segundo d3=l, mientras que T4
tendrá relacionado un disparo d4 que ocurra en promedio cada 1000 segundos.
o
d 4 -1000
O
Figura [3.20] Ejemplo de una operación de inspección
Los resultados obtenidos de la simulación de esta operación de inspección con las

características mencionadas previamente se presentan en las Figura [3.21]. Considerando
una jornada laboral de 8 horas sin interrupciones, en las condiciones de operación, se
observa en la Figura [3.21], que el mareaje en el lugar de productos defectuosos P3 sólo
presenta un solo token, es decir, que en promedio en las condiciones mencionadas durante
un turno sólo se espera encontrar un producto defectuoso en la línea.
Figura [3.21] Resultados del ejemplo de inspección (Productos defectuosos)
47
En la Figura [3.22] se presenta el mareaje de los lugares P2 y P4, que representan el
número de piezas inspeccionadas y el número de piezas terminadas, que ya contienen a las
que fueron inspeccionadas pero no rechazadas. Como se esperaba, sólo un 10% de las
terminadas fueron supervisadas.
Simulación de piezas inspeccionadas y producto terminado
2JD0O 4.000 6J0OO 8J0DO 10.000 12JD00 14.000 1SJ0OO 18J0OO 20.000 22000 24,000 26.000 2B.DO0
Tiempo (seg.)
Figura [3.22] Resultados del ejemplo de inspección (Productos inspeccionados y terminados)
3.2.2. Integración de los modelos de las operaciones básicas en el modelo de un sistema

de manufactura.
El siguiente paso consiste en integrar los modelos, creados en el paso anterior, de

las entidades básicas del sistema de manufactura y de esta forma completar la modelación
del sistema. Para iniciar la integración es necesario definir las interfaces entre cada una de
las entidades. Como interfaces se pueden tener transiciones de entrada o salida, así como
48
lugares de entrada o salida de los modelos. Ejemplos de las posibles interfaces se
describieron previamente en la sección 3.2.1.
Una vez que las interfaces han sido definidas se procede a realizar la integración de
la red de Petri de cada entidad en una red de Petri global, la cual sirve como modelo del
sistema de manufactura o la línea de producción en su totalidad
3.2.3. Solución de posibles conflictos.
Para una correcta modelación de un sistema de manufactura se debe evitar posibles

fallas o conflictos en el modelo de redes de Petri. Se genera un conflicto cuando de un lugar
salen dos arcos a dos transiciones distintas. La solución de este conflicto puede efectuarse
relacionando el disparo de las transiciones en conflicto mediante tiempos de disparo o
funciones de probabilidad diferentes. Al terminar esta etapa, la red de Petri está lista para
poder ser ejecutada y realizar simulaciones con ella.
3.2.4. Selección de la herramienta computacional para la simulación del sistema de

manufactura.
Una vez que se ha modelado el sistema de manufactura con una red de Petri, se
procede a realizar la simulación del modelo obtenido. Para llevar a cabo la simulación, es
necesario contar con un programa computacional que nos permita construirla a partir de las
condiciones de operación determinadas. La primera opción debe ser utilizar un programa
computacional comercial o de dominio público para la simulación de redes de Petri, si las
condiciones de operación no son deterministicas el programa debe ser capaz de poder
simular eventos estocásticos.
La solución mediante el uso de un programa computacional comercial o de dominio
público, como el utilizado en este proyecto STPN Player [20], para la simulación de redes
de Petri presenta las siguientes características:
49
± No es necesario programar los algoritmos para la ejecución de la red de Petri. Sin
embargo, esto puede representar una limitante en caso que el programa no cuente
con las opciones determinadas en la modelación; por ejemplo, para el disparo de
una transición de manera estocástica es posible que no tenga la función de
probabilidad determinada en el análisis estadístico.
^ Existe flexibilidad para poder simular diferentes modelos de redes de Petri.
«t Debe aprenderse su funcionamiento por medio de manuales.
*t Las simulaciones deberán ser realizadas sujetándose a las limitaciones del

programa. Por ejemplo, los resultados de la simulación pueden estar limitados a
presentar gráficamente sólo el mareaje de los lugares o la secuencia de disparo, y no
pueden ser grabados los datos para efectuar análisis futuros.
Si no se cuenta con la opción de utilizar un programa computacional comercial se

deberá desarrollar un programa computacional personalizado al sistema de manufactura que
se está modelando, lo cual implicaría:
»¿- Conocimiento de un lenguaje de programación.
»t Necesidad de implementar los algoritmos deseados para la ejecución de la red de

Petri.
*t Presentación de los resultados se realiza en la forma requerida, es decir se puede

grabar los datos necesarios para efectuar análisis futuros o realizar estos dentro del
mismo programa.
«t Documentación del programa computacional.
50
3.2.5. Definición los resultados deseados de la simulación.
En la etapa de definición de resultados se definen el tipo de resultados que se desean

obtener al realizar una simulación del sistema de manufactura. El resultado a obtener puede
ser uno de los siguientes:
^ Evaluación del funcionamiento del sistema de manufactura ante las condiciones de

operación actual.
*t Predicción del comportamiento del sistema de manufactura ante determinadas

condiciones de operación.
^ Obtención de los mejores parámetros y condiciones de funcionamiento del sistema

de manufactura.
Los tres tipos de resultados poseen ciertas similitudes en su desarrollo. Sin

embargo, difieren en que en el primero se busca simular el comportamiento del sistema de
manufactura a lo largo del tiempo si se trabaja con las condiciones de operación actuales;
por otra parte, el segundo se realizan pruebas con el propósito de predecir el
comportamiento del proceso ante determinadas condiciones de operación; finalmente, en el
tercero se busca determinar las condiciones más adecuadas para el funcionamiento del
sistema de manufactura, con el objetivo de poder implementar dichas condiciones en el
sistema de manufactura mediante una modificación en el sistema de manufactura o la
automatización del mismo.
3.2.6. Especificación de los parámetros de operación del sistema de manufactura.
El primer paso, antes de realizar una simulación, es introducir al programa

computacional la estructura de la red de Petri que sirve como modelo del sistema de
manufactura.
51
Deberán introducirse todas las condiciones iniciales de operación de la línea, es
decir, el mareaje de cada uno de los lugares, el valor de todas las variables y parámetros
importantes para la simulación. Ejemplos de los datos que pueden ser introducidos al
programa son funciones de probabilidad con la cual se describirá el disparo de las
transiciones que lo requieran, tiempo de temporizado para el disparo de las transiciones,
peso de los arcos si se necesita la disposición de más de un token para el disparo de una
transición, capacidad de los lugares, etc.
3.2.7. Simulación del proceso.
Una vez introducida la información de las condiciones iniciales del proceso, se

procede a ejecutar la simulación. El objetivo de esta etapa es simular y conocer el
comportamiento del sistema de manufactura ante las condiciones de operación
predeterminadas en la etapa anterior. Se define el tiempo en el cual la simulación es llevada
a cabo. Se realiza la simulación y al terminar ésta, el programa debe entregar los valores (en
función del tiempo) que cada uno de los lugares de la red de Petri y de las variables del
proceso tuvieron durante la simulación. La simulación también permite conocer el
comportamiento del proceso al cambiar uno de sus parámetros y ver los efectos de dichos
cambios en el comportamiento del proceso.
3.2.8. Análisis de resultados.
En la etapa de análisis de resultados se realiza una revisión de los resultados

obtenidos en la simulación. Un tipo de análisis puede ser realizado al granear los resultados
obtenidos de las simulaciones. Basándose en este análisis, se puede conocer información
importante acerca del funcionamiento del sistema de manufactura como: capacidad de
producción, inventario en proceso, posibles fallas, los efectos en la operación del sistema
ante la variación de determinado parámetro, situaciones riesgosas, utilización de las
diferentes entidades del proceso, transitorios en el sistema, tiempo de calentamiento de la
línea para empezar a producir de manera constante, entre otras variables que de acuerdo a
52
cada proceso en particular, deber ser tomadas en consideración. Otra clase de análisis de los
resultados puede ser de tipo estadístico, económico, etc.
Si el objetivo de la simulación es determinar los mejores parámetros y condiciones

de operación del sistema de manufactura y si el análisis no es satisfactorio, es conveniente
modificar los parámetros iniciales y realizar simulaciones adicionales de forma iterativa
hasta encontrar los parámetros más convenientes para la operación de la línea de
producción.
Al modificar los parámetros deberá considerarse la posibilidad de ser implementado

física y económicamente el cambio. Por ejemplo, podría pensarse en la implementación de
un línea de producción totalmente automática para incrementar la capacidad de producción
de la misma, sin embargo, para esto será necesario cambiar algunos componentes del
sistema por otros con ciertas características que posiblemente no existan en el mercado o
bien existan pero económicamente no es viable la implementación del mismo.
Una vez definidos los parámetros y los resultados esperados, se deberá realizar un
proceso iterativo de simulación y análisis de resultados hasta encontrar estos, lo cual se
puede visualizar con la función de control que no se encuentra dentro del modelo simulado.
La metodología propuesta al ser aplicada, permite obtener los siguientes resultados:
»t Analizar por medio de una simulación computacional, la evolución dinámica del

sistema de manufactura en su totalidad, de sus elementos más representativos, así
como la interacción que existe entre ellos.
«k Analizar y evaluar el comportamiento del sistema de manufactura en determinadas

condiciones de operación, por ejemplo, un sistema manual comparado con el mismo
sistema después de realizar una automatización en el proceso.
^ Encontrar los mejores parámetros del funcionamiento del sistema de manufactura.
53
Capítulo 4
Aplicación de la metodología propuesta a sistemas de manufactura
4.1. Introducción
En el capitulo anterior, se presentó la metodología para la modelación, simulación

y análisis de sistemas de manufactura utilizando la herramienta de las redes de Petri. En
este capitulo se realizará un ejemplo de la aplicación de esta metodología. Para lo cual se
utilizará como herramienta computacional un programa para simulación de redes de Petri
desarrollado por el Dr. Josef Capek, STPN Player Versión 0.85 Beta [20].
4.2. Ejemplo de la aplicación de la metodología propuesta
Para el ejemplo de aplicación de la metodología propuesta, se utilizará el sistema

de manufactura que se presenta en la fotografía de la Figura [4.1].
El sistema de manufactura de la Figura [4.1] consiste en una línea de estampado

tipo transfer, de aquí en adelante entendida como líneas de prensas DANLY, ubicada en
la planta Metalsa-Apodaca en Monterrey, Nuevo León, México. La línea de prensas
DANLY consta de 4 prensas mecánicas de alta velocidad de 1000 Ton c/u y donde se
producen 19 diferentes productos. Es importante destacar que se analizarán los productos
que siguen una secuencia serial, es decir, que pasan por cada una de las prensas, como se
muestra en la Figura [4.2].
54
Figura [4.1] Línea de prensas DANLY
Producto
Terminado
Figura [4.2] Secuencia de operaciones de la línea de prensas DANLY
El estampado es una operación de opresión en que el material queda libre para

desplazarse perpendicularmente hacia la fuerza aplicada, la cual es conocida también
como estampado rotatorio. En este proceso, el doblez de la pieza se hace a través de la
máquina DANLY, que es una prensa de 1000 toneladas métricas. Debido a que en este
paso se incrementa notablemente la fricción, es necesario utilizar un lubricante como
grafito base agua. El estampado del producto seleccionado se realiza en 4 operaciones,
como se mostra en la Figura [4.2].
Actualmente, este proceso involucra 4 prensas que están ubicadas una detrás de la
otra, la carga y descarga de las prensas es una operación manual, ya que un operador
55
carga una chapa, lámina de acero de 890 mm. y 6,3 kg. de peso, en la primera prensa
mientras un segundo descarga la misma y la ubicaba en un transportador o conveyor para
la segunda prensa. Otros dos equipos de 3 personas cada uno trabajan en la segunda y
tercera prensa, mientras 2 trabajadores cargan y descargan piezas de la cuarta prensa.
Además de estas personas se utilizan operarios para cambios de troquel, alimentación de
materia prima, operarios de prensa, mantenimiento, etc.
Es evidente que en este sistema de manufactura se involucran diferentes entidades

básicas para su correcto funcionamiento. Por este motivo la aplicación de la metodología
propuesta es justificable. La aplicación de la metodología propuesta al sistema de
manufactura de ejemplo se muestra en las siguientes secciones. Sin embargo, la realidad
es que se tienen solo una operación de proceso y los dos tipos de operaciones de manejo
de materiales; las operaciones de ensamble y las de inspección y pruebas no están
presentes.
4.2.1. Analizar y definir las entidades básicas
Realizando un análisis del sistema de manufactura, siguiendo las

recomendaciones de la sección 3.2.1 y apoyándose en las Figura [4.1] y Figura [4.2] que
describen la operación y secuencia del sistema podemos definir que componentes
corresponden a cada entidad como se muestra a continuación en la Tabla [4.1].
Con esto, tenemos separadas y definidas cada una de las funciones del sistema de
manufactura. El siguiente paso es realizar la modelación de cada entidad.
4.2.2. Modelar las funciones básicas
Para la modelación de cada una de las funciones básicas, los modelos propuestos
en la sección 3.2.1 son la base, porque tienen asignados lugares y transiciones. Sólo es
cuestión de definir los valores que tendrán cada una de las transiciones así como el
comportamiento deterministico o estocástico.
56
Componentes o funciones del sistema Función básica
Transportación de materia prima Manejo de materiales entre diferentes sistemas
de manufactura
Operación de estampado en cualquier prensa Operación de proceso
que incluye carga y descarga de las prensas, así
como la operación de estampado.
Transportación entre prensas. Manejo de materiales dentro de una línea de
producción
Transportación de producto terminado Manejo de materiales entre diferentes sistemas
de manufactura
Tabla. [4.1] Clasificación de operaciones de la línea de prensas DANLY
4.2.3. Asignar lugares y transiciones
En el ejemplo mostrado se realizó una toma de tiempos, para determinar los

tiempos de operación de cada una de las funciones, y de esta forma utilizar los modelos
propuestos en la sección 3.2.1, a continuación se presenta en la Tabla [4.2] un resumen de
los datos recolectados.
A partir de estos valores recabados se podrá realizar la asignación de cada tiempo

a la transición que lo representa en el modelo de la función básica, sin embargo, antes se
tiene que determinar el tipo de red de Petri a utilizar.
4.2.4. Determinar el tipo de red de Petri más adecuado para la modelación
Durante la toma de tiempos en la línea DANLY se observó que existe variabilidad

en el sistema, es decir, el tiempo de operación de cada una de las prensas es el promedio
observado, al igual que el tiempo entre fallas, cambios de herramienta (set-up) y
reparación del sistema. Por lo anterior, en este caso para poder modelar la variabilidad del
sistema e incorporar una función de probabilidad al disparo de las transiciones que lo
requieran según lo expuesto en la sección 2.1.3.4. se propone utilizar un red de Petri
estocástica.
57
Función Tiempos requeridos para modelación Valor Tipo
básica (seg.)
Operación de Tiempo de operación del estampado 4.79 Estocástico
proceso Tiempo entre fallas/set-up 3000 Estocástico
Prensa 1 Tiempo de reparación 1200 Estocástico
Operación de Tiempo de carga 1 Determinístico
manejo de Tiempo de transportación 2 Deterministico
materia prima Tiempo de descarga 1 Determinístico
Operación de Tiempo de carga 1 Determinístico
manejo de Tiempo de transportación 2 Determinístico
producto Tiempo de descarga 1 Determinístico
terminado
Transportación Tiempo de transportación 1 Deterministico
entre prensas,
de prensas a
almacén y
viceversa.
Tabla. [4.2] Tiempos de la línea de prensas DANLY
4.2.5. Construir la red de Petri que representa el modelo de la función básica
Apoyándose en los modelos propuestos en la sección 3.2.1 y la toma de tiempos

realizada en la sección 4.2.2 se construyen los modelos de cada una de las entidades
básicas. Éstos se presentan de la Figura [4.3] a la Figura [4.9], en el orden que aparecen
en la secuencia de operación de la línea DANLY.
En la Figura [4.3] se presenta el modelo de la transportación de la materia prima,

en este caso lámina de acero a la línea de estampado, los tiempos que se deben alimentar
al modelo son los tiempos de carga, transportación y descarga que se definieron en la
Tabla [4.2] como determinísticos y con tiempos de 1, 2 y 1 segundos respectivamente.
58
Descaiga
Transportación
Carga ds-2
Rj
Figura [43] Modelación de la transportación de materia prima
Para la modelación de la operación de estampado en las 4 prensas se deben

alimentar la modelo el tiempo de estampado, falla y reparación, de acuerdo al modelo de
la Figura [3.2] y los datos de la Tabla [4.2], por ejemplo para la prensa 1 estos valores
son tiempo de estampado igual a 4.79 segundos, tiempo entre fallas 3000 segundos y
tiempo de reparación 2000 segundos, de igual forma se construyen los modelos de las
otras prensas.
d-0
Figura [4.4] Modelación de la prensa 1
59
du-5.5 Idi^O
Pw.
dia-3000
Falla
Reparación
O
60
Reparación
Por otra parte para la modelación del manejo de materiales dentro de la línea de
estampado, se debe definir el tiempo de transportación d2, en base al modelo de la Figura [3.15],
que de acuerdo a la Tabla [4.2] es de 1 segundo en todos los casos. En la Figura [4.8] se
presentan todas las transportaciones que se dan dentro de la línea DANLY.
(U.0 Tremportaoón dn-0
e) Tram»ort»<fc>n orire y n m 3 y d)Tn a4 V utdadc I
Figura [4.8] Modelación del manejo de materiales dentro de la línea DANLY.
61
Finalmente, de la misma forma que en el caso de la transportación de materia prima se
debe modelar, la transportación del producto terminado, en la Figura [4.9] se muestra este
modelo.
Descarga
Figura [4.9] Modelación de la transportación de producto terminado
4.2.6. Integración de los modelos en una red de Petri
Una vez realizados los modelos de las entidades básicas, se procede a realizar la
integración del modelo del sistema de manufactura en una red de Petri. La red de Petri
que resulta de esta integración se presenta en la Figura [4.10].
4.2.7. Análisis y solución de conflictos de la red de Petri.
Aplicando la definición de conflictos a la red de Petri de la Figura [4.10], se

puede observar que en esta red existen cuatro posibles conflictos:
• El lugar P9 tiene conflicto entre las transiciones Tg y Tío-

• El lugar P19 tiene conflicto entre las transiciones T15 y T17.
62
Figura [4.10] Modelo línea DANLY actual
La forma de resolver estos conflictos será mediante la asignación de los tiempos
recolectados en la sección 4.2.2, de tal manera que teniendo tiempo de disparo diferente
y relacionado con una función de probabilidad se resuelve el problema entre las
transiciones, como se recomienda en la sección 3.2.3.
4.2.8. Selección de la herramienta computacional para la simulación de la red de

Petri.
Para la simulación de este sistema de manufactura se utilizará un programa

llamado STPN Player Versión 0.85 Beta que puede ser obtenido a través de Internet [20].
Este programa permite realizar simulaciones de redes de Petri generalizadas,
temporizadas, continuas, híbridas y estocásticas. El programa cuenta con la limitación de
realizar una sola corrida por lo que tendrá que repetirse la simulación manualmente, sin
embargo para el propósito de demostración de aplicación de la metodología será
suficiente.
4.2.9. Definir los resultados deseados de la simulación.
En este caso las simulaciones se realizarán para determinar si una automatización

en las operaciones de proceso, ocasionará beneficio en la capacidad de producción del
sistema de manufactura. Por lo tanto, se tendrá que realizar un proceso iterativo. En
donde se simulará el proceso actual, proceso automatizado y evaluar los resultados hasta
encontrar los mejores parámetros de operación para la automatización propuesta en el
proceso de manufactura de las prensas DANLY.
4.2.10. Determinar los parámetros y condiciones de operación del sistema.
Básicamente, en esta etapa se define el estado inicial del proceso, es decir, el

mareaje inicial de la red de Petri a partir del cual se va a llevar a cabo la simulación. Para
nuestro ejemplo el sistema iniciara con inventario cero, es decir sin ningún lugar ocupado
64
por una pieza en fabricación. Los únicos lugares con mareaje serán los lugares que
representan disponibilidad del equipo, en este caso, los transportadores y prensas de
estampado. Esta condición inicial se presentó en las Figuras [4.3] a [4.10].
4.2.11. Simulación computacional del proceso.
Utilizando la red de Petri de la Figura [4.10] como condición inicial de la línea de

estampado DANLY se realizó la simulación en el programa STPN Player. Se gráfico la
evolución del lugar que representa el producto terminado P54, como lo muestran las
Figuras [4.9] y [4.10], durante una jornada laboral 8 horas (28800 segundos), sin
embargo, como el sistema tiene variabilidad el resultado no es único, se decidió repetir la
simulación 50 veces y obtener una muestra del comportamiento del sistema de
manufactura y esto se presenta en la Tabla [4.3]. A partir de estos datos se realizó un
análisis para evaluar el comportamiento del proceso. Se presenta en la Figura [4.11] la
primer corrida realizada, para un turno laboral de 8 horas.
Piezas por turno

1613 1643 1761 1483 1907
2301 1602 2088 2126 2345
1778 1529 1879 1787 2274
1715 1932 1406 1712 2098
1789 1919 2072 2111 1617
1582 1897 1497 2204 1721
1363 2518 1901 2415 1913
1981 2173 1308 1769 1967
1854 1393 1568 1061 1341
1624 1321 2114 1814 1262
TH (p¡ezas/hr)
201.625 205.375 220.125 185.375 238.375
287.625 200.25 261 265.75 293.125
222.25 191.125 234.875 223.375 284.25
214.375 241.5 175.75 214 262.25
223.625 239.875 259 263.875 202.125
197.75 237.125 187.125 275.5 215.125
170.375 314.75 237.625 301.875 239.125
247.625 271.625 163.5 221.125 245.875
231.75 174.125 196 132.625 167.625
203 165.125 264.25 226.75 157.75
Tabla. [43] Resultados del modelo la línea de prensas DANLY actual.
65
De la Tabla [4.3] se pueden hacer varios cálculos respecto al desempeño del

sistema de manufactura. Se puede calcular el promedio o media aritmética de los valores
con el objetivo de conocer el centro del conjunto de simulaciones y así como se puede
calcular la desviación estándar para conocer la dispersión que tienen los datos, si este
valor resulta pequeño indica que los datos se encuentran acumulados cercanamente
alrededor del promedio. Por el contrario, un valor grande indicaría que la media no es
muy confiable, es decir, que no es representativa de los datos.
Finalmente con estos dos valores se calcula un intervalo de confianza para la
media, utilizando un 95% de confiabilidad, para lo cual se utiliza la ecuación [4.1].
Ecuación [4.1]
n
Donde z a / 2 e s valor de z (Distribución normal estándar, con JJ.=O y a = l ) tal que

?(z>za/2) =
Piras / laño f» >mr* DASIY
flDDD 1? DK) W BBD 16 Qtf IB OOC X.WC 72 HC
Figura [4.11] Resultado de la simulación de la primer corrida de la línea DANLY actual
66
Los cálculos descritos para la muestra de los resultados se presentan en la Tabla
[4.4]. De los cuales se puede decir que en promedio la producción de la línea de
estampado DANLY se encuentra entre un valor de 213 y 236 piezas, con una
confiabilidad del 95%.
Media muestral (X) 225.12

[piezas/hr]
Desviación estándar (s ó S) 40.90001

[piezas/hr]
Tamaño de la muestra (n) 50
Nivel de confianza (1-a) 0.95
Za/2 1.959963
Intervalo de confianza 213.7833 <u< 236.4567
Tabla. [4.4] Análisis de resultados de la línea de prensas DANLY actual.
4.2.13. Definición de nuevos parámetros y condiciones de operación del sistema.
La siguiente fase del ejemplo consiste en considerar la automatización de la carga

y descarga de las prensas de la línea de estampado DANLY para modificar el tiempo de
operación de estampado de las prensas. Para poder justificar (o en su defecto rechazar) la
idea de automatizar mediante robots, hay que tomar en cuenta la variabilidad de los
procesos, ya que de hecho una de las principales ventajas de la automatización es la
reducción de ésta. Por lo tanto, para esta fase del proceso se estimó un tiempo de
operación igual a 4 segundos totalmente determínistico apoyándose en la capacidad que
tienen las prensas de 20 golpes por minuto y que los robots poseen repetibilidad en la
operación. Considerando el ejemplo de la prensa 1, el tiempo que se afectaría en el
modelo de la Figura [4.4] es el tiempo de estampado dio a 4 segundos determinístico.
67
Utilizando como base la red de Petri de la Figura [4.10] se realizan las

modificaciones de los parámetros que ocasionan la automatización de carga y descarga de
las prensas de estampado, que en este caso son los tiempos de operación de cada una de
las prensas a 4 segundos sin variabilidad, los parámetros actualizados del sistema
automatizado se presentan en la Tabla [4.5]. Mientras que la red de Petri con los nuevos
valores se presenta en la Figura [4.12].
Función Tiempos requeridos para Valor

básica modelación (seg.)
Operación de Tiempo de operación del estampado 4
proceso Tiempo entre fallas/set-up 3000
Prensa 1 Tiempo de reparación 1200
Transportación Tiempo de carga 1
de materia Tiempo de transportación 2
prima Tiempo de descarga 1
de producto Tiempo de transportación 2
terminado Tiempo de descarga 1
Transportación Tiempo de transportación 1
entre prensas
Tabla. [4.5] Tiempos de la línea de prensas DANLY automatizada
De la misma forma que en el caso anterior se gráfico la evolución del lugar que
representa el producto terminado P54 durante una jornada laboral 8 horas (28800
segundos), repitiendo la simulación 50 veces para obtener una muestra del
comportamiento del sistema de manufactura, los resultados de estas simulaciones se
presentan en la Tabla [4.6], a partir de estos datos se realiza un análisis estadístico similar
68
para evaluar el comportamiento del proceso. Se presenta en la Figura [4.13] la primer
corrida realizada, para un turno laboral de 8 horas.
Piezas por turno

2800 2902 2204 2623 2854
2680 3015 3276 2724 3311
3255 2087 3287 3156 3006
2823 3298 3259 2341 3327
3297 3028 1638 2089 2887
2512 3286 2791 1976 2241
2343 2117 2336 2304 3223
2971 2621 1601 2597 3289
2517 3289 3317 2537 2799
2569 3045 2162 2218 3304
TH (p¡ezas/hr)
350 362.75 275.5 327.875 356.75
335 376.875 409.5 340.5 413.875
406.875 260.875 410.875 394.5 375.75
352.875 412.25 407.375 292.625 415.875
412.125 378.5 204.75 261.125 360.875
314 410.75 348.875 247 280.125
292.875 264.625 292 288 402.875
371.375 327.625 200.125 324.625 411.125
314.625 411.125 414.625 317.125 349.875
321.125 380.625 270.25 277.25 413
Tabla. [4.6] Resultados del modelo la línea de prensas DANLY automatizada.
De la Tabla [4.6] se pueden hacer los mismos cálculos que en el sistema actual
para evaluar el desempeño que se lograría al automatizar el sistema de manufactura,
logrando un tiempo de operación igual a 4 segundos en cada una de las prensas. Los
cálculos se presentan en la Tabla [4.7].
En este caso se puede decir que en promedio la producción de la línea de

estampado DANLY automatizada se encontrará entre un valor de 326 y 359 piezas/hr,
con una confíabilidad del 95%. Recordando que se debe lograr un tiempo de operación
de 4 segundos en cada una de las prensas.
69
Figura [4.12] Modelo línea DANLY automatizada
Pinas /terao«i Inca DANLY
Figura [4.13] Resultado de la simulación de la primer corrida de la línea DANLY automatizada

[piezas/hr]

[piezas/hr]
Za/2 1.959963
Intervalo de confianza 326.2687 < \i < 359.3913

Tabla. [4.7] Análisis de resultados de la línea de prensas DANLY automatizada.
71
Para verificar que el promedio de la producción de la línea automatizada es mayor
que la actual, se determina el intervalo de confianza para la diferencia de medias,
utilizando la ecuación [4.2] y los valores de cada una de las muestras. Los resultados se
presentan en la Tabla [4.8].
Intervalo de confianza para in -
Automatizado (fit)
Media muestral (X) [piezas/hr] 342.83
Desviación estándar (a ó S) 59.7492889

[piezas/hr]
Actual (/ti)
Desviación estándar (a ó 5) 40.9000147

[piezas/hr]

1.95996279
97.6401558 137.779844
- n, <
Tabla [4.8] Comparación del promedio de piezas/hr producidas.
Como en este intervalo no está incluido el valor de cero, se puede concluir que las
producciones en ambos sistemas no son iguales, además como los valores que cubre el
intervalo son positivos se puede decir que la capacidad de producción es mayor en la
línea automatizada en un rango de 97 a 137 piezas más por hora. Sin embargo, se observa
que la desviación estándar de la línea automatizada es mayor que en la línea actual, para
verificar esta observación se calcula el intervalo de confianza para el cociente de
varianzas utilizando la ecuación [4.3]. El resultado se presenta en la Tabla [4.9].
72
< Ecuación [4.3]
~~2~<~¿r
donde FQ/2, ni-i, n2-i es el valor de la variable aleatoria con distribución F con n¡-\ grados
de libertad en el numerador y n 2 -l grados de libertad en el denominador tal que P(F >
Fa/2, ni-i, n2-i) = a/2, y F1-0J2, mi, n2-i es el valor de la variable aleatoria con distribución F
con «/-I grados de libertad en el numerador y n2-l grados de libertad en el denominador
tal que P (F > Fi-o^ni-i.irf-i^ 1 - odl. Los resultados se presentan en la Tabla [4.9].
Intervalo de confianza para cocientes de varianzas

Automatizado (<r¡)

[piezas/hr]
Actual (m)
Desviación estándar (o ó S) 40.9000147

[piezas/hr]
»a/2, nl-l, B2-I 1.76218862

Fi-«/2,nl-], «2-1 0.567476732
1.211061403 < o2, / o 2 , < 3.760715634
1.10048235 < ai / a2 < 1.939256464
Tabla [4.9] Comparación de la variabilidad en las piezas producidas.
Como en este intervalo no está incluido el valor de uno, se puede concluir que las
variabilidades en las producciones en ambos sistemas no son iguales, además como los
valores que cubre el intervalo son mayores a uno se puede decir que la variabilidad de
producción es mayor en la línea automatizada de 1.21 a 3.76 veces que la variabilidad
presentada en la línea actual.
73
Este resultado contrasta con la hipótesis de que al automatizar un proceso se
reduce la variabilidad del mismo. Sin embargo la diversificación de productos con la que
cuenta la línea DANLY, es decir, una forma de producción de pequeños lotes, tratando
de aminorar la cantidad de inventario; pero para esto se incrementan de forma drástica los
cambios de herramental, que no han sido estandarizados y por lo tanto la variabilidad de
los mismos afecta la producción de la línea.
Para este problema existe una solución que optimiza al máximo toda la operación,
lo cual implica producir lotes lo más pequeños posible. Esto es factible de conseguir
gracias a una metodología japonesa desarrollada por el señor Shigeo Shingo [13] durante
los años 60 y 70 en Japón, cuya propuesta esencial se encuentra en la disminución total
de los tiempos.
SMED, siglas de Single Minute Exchange of Die (cambio de herramientas en un

solo minuto), es una metodología que ha sido aplicada con gran éxito en numerosas
empresas manufactureras que utilizan las mejores prácticas de negocios alrededor del
mundo, alcanzando una importante aminoración de lapsos para habilitar máquinas,
materiales e instrumentos.
Esta teoría se refiere al cambio rápido de dados de prensas y rapidez del manejo
de herramental, por lo tanto, en este proyecto se utilizará esta tecnología para reducir los
tiempos de preparación por los cambios de dados en las prensas debido a la variedad de
productos que se fabrican en esta línea. Lo cual se presenta en el Anexo A, ya que no es
el objetivo de la tesis la aplicación de dicha metodología.
Suponiendo entonces que se aplica la metodología SMED a la línea de estampado

DANLY, se realiza una nueva definición de parámetros y condiciones de operación del
sistema.
74
Esta fase del ejemplo consiste en considerar la aplicación de la metodología

SMED en el cambio de troqueles de las prensas de la línea de estampado DANLY. Para
poder justificar, o en su defecto rechazar, la idea de que esto ocasiona mejores beneficios
al sistema y reduce la variabilidad que se presenta a pesar de tener automatizado el
proceso de estampado. Por lo tanto, para esta fase del proceso se propone un tiempo de
reparación igual a 60 segundos (1 minuto) totalmente deterministico apoyándose en la
correcta aplicación de la metodología SMED, sustituyendo el tiempo de reparación
estocástico de 1200 segundos.. Considerando el ejemplo de la prensa 1, el tiempo que se
afectaría en el modelo de la Figura [4.4] es el tiempo de estampado d» a 60 segundos
deterministico.
Utilizando como base la red de Petri del sistema automatizado que aparece en la
Figura [4.12] se realizan las modificaciones de los parámetros que ocasionan la
aplicación de la metodología SMED en las prensas de estampado, que en este caso son
los tiempos de reparación de cada una de las prensas a 60 segundos, los parámetros
actualizados del sistema automatizado se presentan en la Tabla [4.10]. Mientras que la
red de Petri con los nuevos valores se presenta en la Figura [4.14].
De la misma forma que en los casos presentados se gráfico la evolución del lugar
que representa el producto terminado P54 durante una jornada laboral 8 horas (28800
comportamiento del sistema de manufactura, los resultados se presentan en la Tabla
[4.11], a partir de estos datos se realizó un análisis estadístico similar para evaluar el
comportamiento del proceso. Se presenta en la Figura [4.15] la primer corrida realizada,
para un turno laboral de 8 horas.
75
Función Tiempos requeridos para modelación Valor
básica (seg.)
entre prensas
Tabla. [4.10] Tiempos de la línea de prensas DANLY automatizada + SMED
Turno
3312 3311 3309 3317 3344
3305 3308 3318 3324 3311
3326 3299 3324 3304 3306
3304 3298 3317 3308 3316
3308 3307 3303 3337 3327
3336 3326 3311 3321 3341
3322 3311 3326 3335 3323
3341 3304 3332 3305 3319
3309 3323 3318 3334 3301
3305 3307 3304 3322 3304
TH (piezas/hr)
414 413.875 413.625 414.625 418
413.125 413.5 414.75 415.5 413.875
415.75 412.375 415.5 413 413.25
413 412.25 414.625 413.5 414.5
413.5 413.375 412.875 417.125 415.875
417 415.75 413.875 415.125 417.625
415.25 413.875 415.75 416.875 415.375
417.625 413 416.5 413.125 414.875
413.625 415.375 414.75 416.75 412.625
413.125 413.375 413 415.25 413
Tabla. [4.11] Resultados del modelo la línea de prensas DANLY automatizada + SMED.
76
p*.
LJ U — u — u
«4 ld.i.0 dh»0 d»0
u
TI Ti ¿f TiS aj T T
'"A »c5 M¿, Pili
TkJOLXJ ^
LX«/ 1 *
cb-OT 0
Ti. T..
Ta fPm
, VsJIl —TT—rf*4——íV—'«
T
rv / P >fr ftt
da.0
Ta
Pav
Figura [4.14] Modelo línea DANLY automatizada + SMED

Piezas / tmno estime*DANLY
1DD0C 1/M» UtXXi 111W» 2DDM Ji.M*

liento (seg)
Figura [4.15] Resultado de la simulación de la primer corrida de la línea DANLY automatizada

+ SMED
De la Tabla [4.6] se pueden hacer los mismos cálculos que en los casos anteriores
para evaluar el desempeño que se lograría al aplicar la metodología SMED al sistema
automatizado, logrando un tiempo de reparación (cambio de herramienta) igual a 60
segundos en cada una de las prensas. Los cálculos se presentan en la Tabla [4.12].
En este caso se puede decir que en promedio la producción de la línea de

estampado DANLY automatizada y con cambios de herramientas en un minuto se
encontrará entre un valor de 414 y 415 piezas/hr, con una confíabilidad del 95%.
Recordando que se debe lograr un tiempo de cambio de herramienta igual a 60 segundos
en cada una de las prensas.
78
[piezas/hr]

[piezas/hr]
Za/2 1.959963
Intervalo de confianza
414.1338 < u< 414.9812
Tabla. [4.12] Análisis de resultados de la línea de prensas DANLY automatizada + SMED.
Para verificar que el promedio de la producción de la línea automatizada con

cambio rápido de herramental es mayor que la automatizada, se determina el intervalo de
confianza para la diferencia de medias, utilizando la ecuación [4.2] y los valores de cada
una de las muestras. Los resultados se presentan en la Tabla [4.13].
Intervalo de confianza para m - n2
Automatizado-SMED (/jt)
Desviación estándar (o ó S) [piezas/hr] 1.52847338

Automatizado (tu)
Desviación estándar (a ó S) [piezas/hr] 59.7492889

2^ 1.95996279
55.1607384 < u., - u.2 < 88.2942616
Tabla [4.13] Comparación del promedio de piezas producidas.
79
producciones en ambos sistemas no son iguales, además como los valores que cubre el
línea automatizada con cambios rápidos de herramental en un rango de 55 a 88 piezas
más por hora que la linea solamente automatizada. Además, se observa que la desviación
estándar de la línea automatizada+SMED es menor que en la línea automatizada, para
verificar esta observación se calcula el intervalo de confianza para el cociente de
varianzas utilizando la ecuación [4.3]. El resultado se presenta en la Tabla [4.14].
Intervalo de confianza para cocientes de varianzas
Automatizado-SMED (tu)
[piezas/hr]
Automatizado (/&)
[piezas/hr]

ra/2. nl-1. n2-l 1.76218862
ri-a/2,nl-l, re-l 0.567476732
0.000371362 <o2,/<J22< 0.001153194
0.019270764 <a,/O2< 0.033958704
Tabla [4.14] Comparación de la variabilidad en las piezas producidas.
Como en este intervalo no está incluido el valor de uno, se puede concluir que las
variabilidades en las producciones en ambos sistemas no son iguales, además como los
valores que cubre el intervalo son menores a uno, se puede decir que la variabilidad de
producción es mayor en la línea automatizada de 30 a 51 veces que la variabilidad
presentada en la línea automatizada y cambio rápido de herramientas SMED.
Para asegurar que el aumento en producción se debe a ambos cambios, se

realizará una simulación solo considerando la aplicación de la metodología SMED, ya
80
que es la que reduce en gran medida la variabilidad del sistema, con el objetivo de ver
que la automatización aumenta la producción y es una alternativa.
Esta fase del ejemplo consiste en considerar la aplicación de la metodología

SMED en el cambio de troqueles de las prensas de la línea de estampado DANLY. Para
poder justificar, o en su defecto rechazar, la idea de que esto ocasiona beneficios al
sistema y reduce la variabilidad que se presenta, sin embargo, la automatización del
sistema también es importante. Por lo tanto, para esta fase del proceso se utilizó el tiempo
de reparación igual a 60 segundos (1 minuto) totalmente determínistico apoyándose en la
correcta aplicación de la metodología SMED. Para lo cuál será necesario, por ejemplo en
la Figura [4.4] conservar el valor de dio en 4.79 segundos de tipo estocástico y fijar el
valor de d» en 60 segundos de tipo determinístico.
Utilizando como base la red de Petri del sistema automatizado Figura [4.12] se
realizan las modificaciones de los parámetros que ocasionan la aplicación de la
metodología SMED en las prensas de estampado, que en este caso son los tiempos de
reparación de cada una de las prensas a 60 segundos, los parámetros actualizados del
sistema automatizado se presentan en la Tabla [4.15]. Mientras que la red de Petri con
los nuevos valores se presenta en la Figura [4.16].
De la misma forma que en los casos presentados se gráfico la evolución del lugar
que representa el producto terminado P 54 durante una jornada laboral 8 horas (28800
comportamiento del sistema de manufactura, los resultados se presentan en la Tabla
[4.16], a partir de estos datos se realizó un análisis estadístico similar para evaluar el
comportamiento del proceso. Se presenta en la Figura [4.17] la primer corrida realizada,
para un turno laboral de 8 horas.
81
Función Tiempos requeridos para modelación Valor
básica (seg.)
Operación de Tiempo de operación del estampado 4.79
entre prensas
Tabla. [4.15] Tiempos de la línea de prensas DANLY actual con SMED
Piezas por turno

2408 2439 2101 2073 2364
2177 2344 2019 2417 2344
2083 2364 2112 2102 2199
2054 2348 2345 2096 2129
2068 2369 2462 2120 2464
2357 2103 1996 2195 2372
2141 2440 2369 2289 2398
2092 2092 1992 2092 2092
2350 2208 2390 2304 2412
2029 2237 2396 2398 2381
TH (p¡ezas/hr)
301 304.875 262.625 259.125 295.5
272.125 293 252.375 302.125 293
260.375 295.5 264 262.75 274.875
256.75 293.5 293.125 262 266.125
258.5 296.125 307.75 265 308
294.625 262.875 249.5 274.375 296.5
267.625 305 296.125 286.125 299.75
261.5 261.5 249 261.5 261.5
293.75 276 298.75 288 301.5
253.625 279.625 299.5 299.75 297.625
Tabla. [4.16] Resultados del modelo la línea de prensas DANLY con SMED.
82
Figura [4.16] Modelo línea DANLY con SMED
De la Tabla [4.16] se pueden hacer los mismos cálculos que en los casos
anteriores para evaluar el desempeño que se lograría al aplicar la metodología SMED al
sistema actual, logrando un tiempo de reparación (cambio de herramienta) igual a 60
segundos en cada una de las prensas. Los cálculos se presentan en la Tabla [4.17].
En este caso, se puede decir que en promedio la producción de la línea de

estampado DANLY con cambios de herramientas en un minuto se encontrará entre un
valor de 275 y 285 piezas/hr, con una confíabilidad del 95%. Recordando que se debe
lograr un tiempo de cambio de herramienta igual a 60 segundos en cada una de las
prensas.
Piras / laño « Inca DAM.V
Figura [4.17] Resultado de la simulación de la primer corrida de la línea DANLY con SMED
84
Cálculos

[piezas/hr]

[piezas/hr]
Za/2 1.959963
Intervalo de confianza
275.1218 285.5082
Tabla. [4.17J Análisis de resultados de la línea de prensas DANLY con SMED.
Para verificar que el promedio de la producción de la línea con cambio rápido de

herramental es mayor que la actual, se determina el intervalo de confianza para la
diferencia de medias, utilizando la ecuación [4.2] y los valores de cada una de las
muestras. Los resultados se presentan en la Tabla [4.18].
Intervalo de confianza para m - n2
SMED

[piezas/hr]
Actual

[piezas/hr]
7-r, 1.95996279
42.7254618 < u., - u 2 < 67.6645382
Tabla [4.18] Comparación del promedio de piezas producidas
85
producciones en ambos sistemas no son iguales, además, como los valores que cubre el
línea con cambios rápidos de herramental en un rango de 42 a 67 piezas más por hora que
la línea actual.
A partir de las comparaciones realizadas se podría concluir el proceso iterativo, ya

que se han encontrado los mejores parámetros de operación del sistema, que sugieren que
para aumentar la producción de la línea de estampado DANLY al máximo no solo basta
con automatizar la carga y descarga de las prensas, ni con aplicar SMED, sino se debe
implementar el conjunto de estas mejoras para eliminar la variabilidad de la línea y
aumentar la producción en 84 %. A continuación se presenta la Tabla [4.19] que resume
las iteraciones realizadas.
Parámetro \ Actual Automatizado SMED Automatizado +

Proceso SMED
Producción 225 342 280 414
(piezas/ hr)
Variabilidad 40.9 59.79 18 1.52
(piezas / hr)
Diferencia vs. ÑA 52 % 24% 84%
Línea actual
Tabla [4.19] Resumen de resultados
4.2.16 Resumen
En este ejemplo de la aplicación de la metodología propuesta se contaba con un

sistema de manufactura que consistía en una línea de estampado. Al aplicar los pasos de
la metodología al proceso, modelándolo por medio de una red de Petri estocástica y
realizando su simulación computacional, se observo que, a pesar de que la capacidad de
producción de la línea era alta, esta forma de operación no garantizaba un buen
desempeño del proceso al considerar una falla del sistema. Muestra de ello, es el hecho
de que el sistema mostraba la posibilidad de disminuir su producción durante un tumo si
86
ocurrió un cambio de herramienta, además de no entregar un producto terminando a una
razón constante, es decir, existe variabilidad en el estampado.
La operación de la línea, no permitía ver estas situaciones no deseadas, ocurriendo

el problema típico de ignorar la variabilidad de un proceso y su posibilidad de mejorar.
Además, los datos estadísticos que se toman en este tipo de líneas sólo indica cuando
inicia el proceso y cuando termina un evento, pero no brindaba en cualquier instante de
tiempo deseado, información del comportamiento de las diferentes variables del sistema.
La aplicación de la metodología permitió observar estas deficiencias en el
funcionamiento del proceso, brindando así, información para efectuar una acción
correctiva, en este caso la automatización de la línea. La metodología auxilió para
analizar y evaluar el efecto de la implementación de la automatización, sin embargo, se
seguía observando una variabilidad causada por el cambio de herramental, por lo que se
realizó otra acción correctiva, disminuyendo los tiempos de reparación. De esta forma
encontrar los parámetros de operación que logran la mayor producción y además son
alcanzables físicamente.
Futuros análisis de este proceso podrán incluir la simulación de las

implementaciones propuestas. La selección y aplicación de las mismas depende de
diversos factores, principalmente del desempeño requerido del sistema de manufactura y
del análisis del costo requerido para la implementación de las propuestas. Sin embargo, la
metodología propuesta es útil para poder analizar el efecto de la implementación de cada
una de estas soluciones, y otras que podrían surgir, sin necesidad de realizarlas
físicamente, como se ha demostrado en este ejemplo, auxiliando así a la toma de
decisiones, que es el objetivo de una simulación computacional.
87
Capítulo 5
Resultados y conclusiones.
5.1 Resultados
En las industrias de proceso se utilizan diferentes sistemas de manufactura, los

cuales se caracterizan por tener componentes cuyo comportamiento es el de las funciones
básicas de manufactura: operación de procesos, ensamble, manejo de materiales, inspección
y control.
La modelación, simulación y análisis de sistemas de manufactura en las industrias

de procesos se realiza aplicando diferentes herramientas. Las redes de Petri han demostrado
ser una buena herramienta para esto ya que permiten obtener un buen modelo que captura
la dinámica del sistema en su totalidad, tanto de cada una de las funciones básicas como de
la interacción que existe entre las mismas.
La metodología propuesta está basada en la aplicación de las redes de Petri y tiene

como propósito facilitar la modelación, simulación y análisis de un sistema de manufactura
encontrado en cualquier industria.
Dicha metodología se aplicó a una línea de manufactura en donde se observaron las

ventajas que se obtiene al realizar una modelación del sistema La aplicación de la
metodología permitió detectar condiciones de operación no deseadas en la línea y que
estaban relacionadas con la variabilidad, entendiendo por variabilidad que los tiempos de
operación de algunas de las funciones del sistema son estocásticas, de este. Estas
situaciones no podían ser observadas mediante los datos recabados. Se propusieron posibles
soluciones, simulando las mismas. Además la metodología auxilió para analizar y evaluar
el efecto de los cambios realizados. Para la simulación de este proceso se utilizó un
88
programa computacional desarrollado por el Dr. Josef Capek [20]. A continuación se
presenta la tabla [5.1] con el resumen de los resultados.
Parámetro \ Actual Automatizado SMED Automatizado +

Proceso SMED
Producción 225 342 280 414
(piezas/ hr)
Variabilidad 40.9 59.79 18 1.52
(piezas / hr)
Diferencia vs. ÑA 52 % 24 % 84 %
Línea actual
Tabla [5.1] Resumen de resultados de las simulaciones de la línea DANLY.
Actualmente la línea de estampado DANLY tiene una producción de 225 piezas con
una variabilidad de 40.9 piezas/hr, al realizar la modelación y simulación de ésta se detectó
que podía aumentarse la misma mediante cambios al sistema.
La primera opción fue automatizar la carga y descarga de las prensas de estampado,

la modelación y simulación de esta automatización arroja una producción de 342 piezas,
pero con una variabilidad de 59.79 piezas/hr. que es mayor que la actual, ya que cuando se
cambia un troquel se pierden aproximadamente 20 minutos.
Por lo anterior, se decidió proponer un cambio rápido de herramienta aplicando la

estrategia SMED, y simular el sistema automatizado junto con este cambio de herramienta
obteniendo una producción estimada de 414 piezas y con una variabilidad muy pequeña del
1.52 piezas/hr.
Finalmente para aceptar, o en su caso rechazar, la hipótesis de que el conjunto de

propuestas ocasionan la mejor producción del sistema, se simuló el sistema solamente
utilizando cambio rápido de herramienta teniendo una producción estimada de 280 piezas
con una variabilidad de 18 piezas/hr. Con lo cual, se puede concluir que la mayor
89
producción en la línea de estampado DANLY se logra si se automatiza la carga y descarga
de las prensas, y se aplica un cambio rápido de herramienta con la estrategia SMED.
5.2 Conclusiones
Esta tesis presenta las bases teóricas de las redes de Petri, principalmente la
aplicación de las redes de Petri estocásticas para el análisis de procesos en la industria de
manufactura.
Se expone la importancia de poder modelar la variabilidad de un sistema con el fin

de realizar simulaciones más acertadas al funcionamiento real del proceso.
La metodología propuesta permite:
4> Modelar, simular y analizar un sistema de manufactura de manera integral: es decir

considerando cada una de las funciones básicas del proceso y la interacción que
existe entre las mismas.
± Integrar la información recolectada del proceso real, a la simulación computacional.
«t Evaluar condiciones de operación diferentes a la actual, para lo cual se requiere

tener un buen estimado de los tiempos que se tendrían con esas condiciones de
operación y si estos serían deterministicos o estocásticos. Las mejoras deben buscar
tiempos deterministicos para obtener resultados con menos variabilidad, con el
objetivo de encontrar las que ocasionen el comportamiento deseado.
Se presentan los modelos en redes de Petri de las entidades básicas de un sistema de

manufactura, tales como las operaciones de proceso, manejo de materiales entre líneas y
dentro de la línea, ensamble, inspección y control [9]. Estos modelos se crearon con el
90
propósito de integrarlos al modelo para simular un proceso mediante la aplicación de la
metodología. Estos modelos no son rígidos, ya que se pueden modificar sus parámetros,
modificando las transiciones y el mareaje de los lugares. Además es posible integrar otro
tipo de entidades básicas dentro del modelo del sistema de manufactura, solo es necesario
realizar un modelo de la entidad y realizar la integración del mismo.
Es importante considerar que no se cuenta con un formalismo para verificar que la

modelación esta libre de errores. Sin embargo aplicando las reglas especificadas para la
modelación, como la solución de conflictos, sección 3.2.3, producirá un buen desempeño
del modelo. La modelación será robusta en su evolución en la medida que se contemplen
las condiciones de operación y la interacción entre las partes del proceso, además de que se
tengan datos de los tiempos que son importantes en el proceso por modelar. Es
recomendable que quien realice la simulación este familiarizado con la teoría de las redes
de Petri, que se cubre en el presente documento.
En el capítulo 4 y en forma concentrada en la sección 5.1 de este capítulo se

muestran los resultados de la modelación y simulaciones obtenidas, mediante la aplicación
de la metodología y utilizando el simulador computacional de redes de Petri desarrollado
por el Dr. Josef Capek [20]. Dichos resultados incluyeron como ya se mencionó la
modelación del sistema de producción actual y las correspondientes a la posible
implementación de dos mejoras tomadas por separado y en conjunto. La modelación y la
simulación arrojan resultados que son muy útiles para evaluar cada alternativa de mejora de
automatización o en el proceso encontrando cual o cuales serían las más convenientes a
implementar evitándose de esta manera el tener que llevar a cabo alternativas de mejora que
en realidad no lo son tanto.
Finalmente se puede concluir que los objetivos planteados en este proyecto se han
alcanzado, Los resultados obtenido mediante las simulaciones muestran que las
metodología propuesta es una buena alternativa para llevar a cabo la modelación de un
sistema de manufactura y esta sirve como base para llevar a cabo la simulación
91
computacional que permita conocer y analizar el comportamiento o desempeño del sistema
ante cualquier condición de operación.
5.3 Recomendaciones para trabajos futuros.
Como resultado del proyecto, se deja una metodología de aplicación de redes de

Petri a la modelación de sistemas de manufactura, además de la pauta para contemplar con
más amplitud desarrollos tecnológicos o inclusive de investigación aplicada.
El presente trabajo solo analizó dos cambios en el proceso actual, uno considerando
una propuesta de automatización de la línea y dos una propuesta de cambio de proceso
relacionada con los cambios de herramienta basada en la metodología SMED [13]. Pero sin
llegar a la implementación; por lo tanto podría realizarse ahora la selección de los
componentes específicos que lograran los resultados esperados y después verificar la
validez de los resultados modelados, lo cual dependerá de la validez de los datos empleados
en la simulación del sistema.
El alcance logrado en el presente estudio, cubre una necesidad a mediano plazo

como la modelación y búsqueda de condiciones de operación óptimas, sin embargo se
podrían realizar trabajos futuros como los que se sugieren a continuación.
«t Aplicación a otro tipo de proceso. En esta tesis la metodología se enfoco a sistemas

de manufactura relacionados con la industria metal mecánica, utilizando las
funciones básicas de operación de procesos, manejo de materiales fuera de líneas de
producción y el de transportación dentro de la línea. Una posibilidad consistiría en
buscar una aplicación de la metodología a procesos en otro tipo de industrias e
incluir el análisis de rentabilidad del proyecto.
*k Modelación de sistemas con mayor complejidad. Este proyecto se enfoco a la

ejemplificación de la metodología en un sistema real, pero relativamente sencillo,
92
ya que solamente se utilizaron 2 de los modelos de las funciones básicas y el
submodelo de transportación. Podría intentarse modelar toda una línea de
manufactura, es decir un proceso que involucre desde la recepción de materia prima
hasta que se finaliza el producto, pasando por diferentes procesos, donde
seguramente se utilizarían todos los modelos de funciones básicas planteados.
Integración del modelo a un proceso en tiempo real, en donde se fueran

actualizando las condiciones de disparo, mediante el conocimiento del proceso.
Programación de un software para la simulación de sistemas de manufactura, con

los modelos en forma de bloque, capacidad de realizar varias corridas simultaneas y
a partir de las simulaciones presentar una hoja de resultados como la mostrada en
cada una de las simulaciones del trabajo.
Modelación de sistemas de transportación y máquinas en paralelo, ya que el tiempo

de operación debe iniciar cada que ingrese un token al lugar, en la metodología
propuesta se realiza colocando un lugar en paralelo a la operación mencionada.
93
Anexo A
Justificación del cambio rápido de herramienta
Existe una solución que optimiza al máximo toda la operación, lo cual implica
producir lotes lo más pequeños posible. Esto es factible de conseguir gracias a una
metodología japonesa desarrollada por el señor Shigeo Shingo durante los años 60 y 70 en
Japón [13], cuya propuesta esencial se encuentra en la disminución total de los tiempos.
SMED, siglas de Single Minute Exchange of Die (cambio de herramientas en un

solo minuto), es una metodología que ha sido aplicada con gran éxito en numerosas
empresas industriales que utilizan las mejores prácticas de negocios alrededor del mundo,
alcanzando una importante aminoración de lapsos para habilitar máquinas, materiales e
instrumentos.
A.l Tecnología SMED
Esta teoría se refiere al cambio rápido de dados de prensas y rapidez del manejo de
herramental, por lo tanto en este proyecto se utilizará esta tecnología para reducir los
tiempos de preparación por los cambios de dados en las prensas debido a la variedad de
productos que se fabrican en esta línea.
De acuerdo a los conceptos de la tecnología SMED, algunos de los beneficios esperados

al reducir los tiempos de preparación son:
^ Bajos costos de inventarios (reducción de tiempo en proceso y producto terminado)

«t Mayor utilización del equipo.
«t Facilidad de adaptación a los cambios de la demanda.
94
El primer paso para poder reducir los tiempos de preparación es analizar las
condiciones actuales de las actividades de preparación dentro de la línea. Los siguientes
problemas pueden existir cuando los tiempos de preparación son largos y muy variables:
^ No se sabe cuando se terminará la preparación.

«t- El proceso no está estandarizado.
«t El procedimiento no se sigue correctamente.
«i- Los materiales no se preparan antes de que se empiecen las tareas de preparación.
ik Las operaciones de fijar y soltar son muy largas.
«t El número de operaciones de ajuste es alto.
*t Las actividades de preparación no se han evaluado lo suficiente.
Estos problemas se pueden mejorar por medio de una investigación de las condiciones
de las actividades de preparación.
Es importante distinguir las actividades de preparación y separar las internas de las

externas. Las actividades internas son aquellas que requieren que la máquina este parada
para su ejecución. Las actividades externas son aquellas que se pueden realizar mientras la
máquina se encuentra en operación.
Ante las definiciones anteriores lo que se busca es convertir todo lo que sea posible en
preparación interna a externa. Se recomienda eliminar el proceso de ajuste analizando el
proceso para efectuar sólo el ajuste necesario por medio de alguna implementación de
dispositivos que ayuden a hacerlo más rápido. De esta forma se busca eliminar los tiempos
de preparación por completo para lo cuál se pueden utilizar dos conceptos:
*t Usar diseño uniforme de productos y usar el mismo componente para el mismo

producto.
<l Producir varias partes al mismo tiempo.
Estos conceptos se pueden aplicar por medio de las siguientes técnicas:
95
Estandarizar las operaciones de preparación externas.
Estandarizar únicamente las porciones necesarias de las máquinas.
Utilizar fijadores rápidos.
Usar herramienta adicional.
Usar operaciones paralelas.
Usar un sistema de preparación mecánico.
Para la aplicación de los conceptos ya mencionados la metodología recomendada por

SMED es:
Paso 0) Identificar el problema. Estudiar la preparación para tener una idea precisa de los
movimientos y restricciones de tiempo.
Paso 1) Separar las actividades externas de internas y transformar las internas en

externas. Para lo cual se recomienda:
«^ Pre-arreglar herramientas.
«t Mantenerlas en buenas condiciones,
^ Crear tablas de operación de actividades externas.
Paso 2- Mejorar operaciones. Cuando las actividades internas ya no pueden convertirse en

externas, se debe acortar el tiempo de preparación por medio de mejora continua y
monitoreo de dichas actividades. Algunas áreas para mejora continua son:
*t Mantener áreas de almacenamiento de herramientas limpio y organizado.

^ Monitorear los efectos de cambiar la rutina de operaciones.
*L Monitorear las necesidades de mano de obra para cada operación.
*t Monitorear la actividad de cada operación.
96
Paso 3) Mejora de equipo. Cuando ya no es posible hacer mejoras operacionales nuestra
atención se debe enfocar hacia cambios de equipo, algunos ejemplos son:
«k Modificar la estructura de los equipos o inventar herramientas que aceleren los

tiempos de preparación.
«4- Examinar los equipos para transportar los materiales.
«t Convertir ajustes manuales a automáticos o simplificarlos.
«t- Revisar las hojas de operaciones y dar entrenamientos conforme se mejora el
equipo.
Paso 4) Cero Set-up: Esto implica eliminar las actividades de preparación completamente.
Para realizarlo es necesario poner atención a las actividades de diseño de los nuevos
modelos para poder utilizar componentes comunes a varios productos.
Una vez que se ha modificado el proceso de preparación, es necesario contar con

alguna ayuda para mantener el tiempo de preparación estándar.
A continuación se aplicará esta metodología a la línea de producción DANLY,

como primer paso se investigaron las operaciones que se llevan a cabo en una línea de
estampado con presas de la capacidad de la analizada en este proyecto. A continuación se
muestra una tabla con las actividades y su clasificación de acuerdo a la tecnología SMED.
Nombre de la actividad Duración (min) Clasificación

1 Producción anterior 250 NA
2 Destornillar dado 10 Interna
3 Espera de montacargas para retirar dado 4 Interna
4 Bajar dado y retirar 5 Interna
5 Limpiar mesa 1 Interna
6 Esperar el nuevo dado 15 Interna
7 Uega el nuevo dado y se acomoda 1 Interna
8 Subir y alinear dado en prensa 3 Interna
9 Alinear troquel con barras 1 Interna
10 Apretar troquel con clamps 18 Interna
11 Calibrar prensa (presión) y guardar herramientas 2 Interna
12 Ir por materia prima 17 Interna
13 Realizar pruebas (calentamiento de dado) 3 Interna
97
14 Inspección de calidad 3 Interna
15 Uenar hojas de parámetros 2 Interna
16 Liberar la producción 4 Interna
17 Iniciar producción 250 NA
El cambio de herramientas en la línea analizada tarda en promedio 20 minutos, a

continuación se presenta las actividades realizadas.
En este diagrama se puede apreciar que la mayor parte del tiempo de cambio de
herramienta, es decir que la línea se encuentra sin producir, se debe al tiempo de espera del
dado nuevo. En las visitas realizadas a la planta este tiempo se debe a que los operadores de
la línea esperan a terminar la producción para ir por el herramental necesario para la
siguiente corrida, por lo tanto esto se puede clasificar como desperdicio de tiempo y no
debe existir ya que durante la corrida existe tiempo suficiente para traer el dado y colocarlo
junto a la prensa en la banda de transportación para cambio semiautomático. Además esto
ocasiona que los operarios realicen las operaciones de aflojar el dado con mayor lentitud a
la posible.
Otro problema es que la materia prima tampoco esta lista para iniciar la corrida, por
lo tanto se debe esperar a que el operador del montacargas realice esta operación, lo que
conlleva 3 minutos más de pérdidas.
rlOflIUrt; Cíe la
actividad Dur. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 Producción anterior 250
Ir por dados y dejarlos
2 junto a prensas
3 Despejar área de trabajo
4 Destornillar dado
Retirar racks de corrida
5 anterior
15
2
8
10
1"
6 Bajar dado
7 Limpiar mesa
4
1
- • •••
Subir nuevo dado
111
8 alineado 3 J
Ir por materia prima,

contenedores y eq.
9 Auxiliar 3
10 Alinear troquel con 0.5 - •_
98
barras
[Apretar troquel con
0.5
12|Calibrar prensa (presión) 1
(Retirar dados viejos y
13 guardar herramental 17
14Liberar producción 3
[Acomodo de área de
15trabajo 3
16JRealizar pruebas 2
JUenar hojas de
17] parámetros 3
18 Inspección de calidad
19|lniciar producción
4
250
J
Como ya se menciono las operaciones de ajuste del dado se tardan demasiado ya
que los operados al tener conocimiento que existen otros cuellos de botella en el cambio de
herramientas no realizan esta función a su capacidad nominal.
A continuación se presenta el cambio de herramientas sugerido aplicado la

estrategia SMED, reduciendo el cambio de dado a sólo 1 minuto, que era el objetivo de esta
hipótesis.
Nombre de la actividad Duración 1/2I 1 1/2

1 Producción anterior 250 NA
2 Ir por dados y dejarlos junto a prensas
3 Despejar área de trabajo
4 Destornillar troquel
16
0.25
0.25
Extema
Interna
Interna
-
5 Bajar dado anterior
6 Subir dado nuevo
7 Atornillar dado
0.25
0.25
0.25
Interna
Interna
Interna
- •1 =
8 Retirarracksde corrida anteior 4 Extema " -
9 Retirar dados viejos. 16 Externa

10 Acomodo de área de trabajo 1 Extema
11 Realizar pruebas 3 Extema
12 Llenar hojas de parámetros 2 Extema
13 Inspección de calidad 3 Extema
14 Iniciar producción 250 NA I ••
99
Para lograr el cambio de herramienta en tan sólo un minuto se deben modificar
algunas ftinciones del cambio de dados. Cuando los elementos de la máquina para la nueva
operación son diferentes a los de la previa, los operarios deben hacer ajustes que consumen
tiempo durante las operaciones de preparación, generalmente mientras la máquina esta
parada. La estandarización que se propone, mantener iguales determinados parámetros y
condiciones de una operación a otra, ayuda a reducir estas tareas de preparación interna.
Sería sumamente costoso hacer iguales las dimensiones de cada troquel, herramienta
o plantilla. La estandarización de funciones evitará este gasto, estandarizando solamente los
elementos cuyas funciones son esenciales para el montaje del útil o herramienta. La
estandarización de funciones se aplicará al dimensionamiento, centrado y fijaciones del
dado.
En el proceso de preparación de las prensas, el ajuste de la altura del troquel o dado

requiere mucha habilidad. Se realiza como preparación interna, máquina parada. Por lo
tanto se estandarizará la función de la parte del troquel que debe anclarse a la prensa
haciendo innecesario el ajuste de la altura.
La estandarización de funciones resolverá el problema de diferencia de alturas

colocando simples calzos para hacer iguales las alturas de cierre y anclaje de todos los
dados. Esto se realiza de la siguiente forma:
<4 Se mide la diferencia de alturas entre los troqueles.

4» Se colocan calzas debajo del útil más corto, para igualar las alturas.
«t Se instalan también dos calzas en la parte superior del borde del anclaje más largo,
para así igualar las alturas.
La estandarización de altura de anclaje hace posible usar los mismos pernos de

fijación de ambos dados. Esto elimina la mayoría del trabajo de ajuste. Sin la
estandarización de funciones, los operarios que cambien el troquel tendrán que hacer
bastantes ajustes en la máquina con el fin de anclar el nuevo dado de diferente tamaño.
100
Cuando se monta un troquel en la prensa, el troquel debe posicionarse en el centro
de la base. Para lograr el centrado del troquel para dicho anclaje,, el método convencional
consiste en avanzar poco a poco hacia abajo la corredera alineando tallo y hueco. Esto se
hace cuidadosamente, puesto que el dado puede destruirse si la corredera no esta bien
alineada. La operación es difícil y consume tiempo.
La operación puede mejorarse con la estandarización de funciones. Se instala en la

prensa una plantilla de centrado de modo que los bordes laterales de la plantilla están a una
distancia fija del centro del útil y la corredera. Esta plantilla tiene salientes en forma de V a
la izquierda y derecha del centro.
En cada troquel se instala otra plantilla, con hendiduras en forma de V que encajan
con los dos salientes de la plantilla de centrado. La anchura de la plantilla se determina de
modo que el punzón del troquel estará perfectamente centrado, cuando las hendiduras en
forma de V de la plantilla del troquel engranen con los salientes en forma de V de la
plantilla de la máquina.
El montaje del troquel para centrar su posición resulta de esta forma una operación
simple, que reduce considerablemente los errores y los tiempos de preparación. Lo anterior
se justifica con un análisis del sistema operando de esta forma, mediante la modelación del
sistema que se realizó en el capitulo 4, para así cuantificar los beneficios en la producción.
101
Bibliografía
[1] R. David, H. Alia, "Petri Nets and Grafcet: Tools for modelling discrete event
systems". Prentice Hall, 1991.
[2] Tadao, Murata. "Petri nets: Properties, analysis and applications". Proceedings of the
IEEE, Vol. 77, No.4, Abril 1989.
[3] Tadao, Murata. "Petri nets. Markeg graphs and circuit system theory". IEEE Circuits
and Systems Society Newsletter, Vol. 11, No.3, Junio 1977.
[4] Ramchandani, C. "Analysis of asynchronous concurrent systems by timed Petri nets."

Cambridge, MA : MIT, Project MAC, Tech. Rep. 120, Feb. 1974.
[5] Al-Jarr, R. "Performance evaluation of automated manufacturing systems using

generalized stochastic Petri nets." Tesis de Doctorado Rensselaer polytechinc Institute.
Troy, New York, Marzo 1989.
[6] Jensen, K. "Coloured Petri Nets and the Invariant Method" Theoretical Computer
Science, Vol 12, pp. 317-366. 1981
[7] Kalpakjian, Serope. "Manufacturing Engineering and Technology", Third edition.

Addison-Wesley Publishing Co. USA, 1995.
[8] Chase, Richard and Aquilano, Nicholas. "Dirección y administración de la

producción y de las operaciones" Sexta edición. Mc-Graw Hill. México, 1997.
102
[9] Groover, Mikell P. "Automation, Productíon Systems and Computer-Integrated
Manufacturing", Second edition. Prentice-Hall, Estados Unidos, 2000.
[10] Creus, Antonio. "Fiabilidad y Seguridad", Ed. Marcombo S.A., Barcelona, 1992.
[11] Cárter, A.D.S. "Mechanical reliability", Second edition. Macmillan Education Lyd,
London, 1986.
[12] Shingo, Shigeo. "Study of Toyota, Production system, frora industrial enginnering
viewpoint"", Shinsei Printing Co.Osaka Japan, 1989.
[13] Shingo, Shingeo. "A revolution in manufacturing: The SMED system". Productivity
Press. Shinguru Dandory. USA 1985.
[14] Marín, Fernando y Delgado, Joaquín. "Las técnicas JIT y su recuperación en los
sistemas de producción".Universidad Politécnica de Madrid. Economía Industrial No 331,
2000.
[15] Der Berg, Van Ra. y Mortel-Fronczak, Van Rooda. "Control strategies". Eindhoven
University of Technology.
[16] Spearman, Mark y Hopp, Wallace "Factory phisics: Foundations of manufacturing

managemenf'.Edit Irwin. USA 1996..
[17] Valette, Robert. "Petri Nets and Flexible Manufacturing" Advances on Petri nets,
Springer-Verlag, 1990.
[18] Law, Averill y Kelton, David. "Simulation modeling and analysis" 3rd Edition. Me
Graw HUÍ. USA 2000.
[19] Palomino, Luis. "Evaluación de desempeño de sistemas de manufactura usando redes

de Petri". ITESM, 1992.
103
[20] Capek, Josef. "StpnPlay, a stocastbic Petri net modellling and simulation tool"
http://dce.felk.cvut.cz/capekj/StpnPlav/, Mayo 2005.
[21] DeGarmo, Paul. "Materials and Processes in Manufacturing". Sexta Edición. Ed.
Macmillan Publishing Company, 1984, pp 339-367.
[22] Doyle, Lawrence E. "Procesos de Manufactura y Materiales para Ingenieros". Ed.

Diana, Primera Edición, México, 1980.
[23] Black, Chiles y Lissaman, Martín. "Principios de Ingeniería de Manufactura".

Primera Edición, Ed. Continental, 1999.
[24] Mendenhall, William. "Probabilidad y estadistica para ingeniería y ciencias". Cuarta

Edición Pearson Education, México, 1997.
[25] Khator, Suresh K. "A Survey of Petri Net Applications in Modeling Constrols for
Automated Manufacturing Systemas". Computer in Industry, vol 22, pp. 5-16, 1994.
[26] Desrochers, Alan A. y Al-Jaar, Robert Y. "Applications of Petri Nets in

Manufacturing Systems". IEEE Publications, 1997.
[27] Righini, G. "Modular Petri Nets for Simulation of Flexible Production System".
International Journal of Production Research, v.31, no.10, October; pp.2463-2477, 1993.
[28] Seifoddini, H. "Modular Petri Nets for Simulation of Flexible Production System".
International Journal of Production Research, v.31, no. 10, October; pp.2463-2477, 1993.
104

DocsTec 2517

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

DocsTec 2517

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO Y DE ESTUDIOS SUPERIORES DE

DIVISIÓN DE INGENIERÍA Y ARQUITECTURA

PROGRAMA DE GRADUADOS EN INGENIERÍA

METODOLOGÍA PARA LA MODELACIÓN, SIMULACIÓN Y ANÁLISIS DE

ISRAEL ESCAMILLA ANGELES

MONTERREY, N.L. MAYO 2005

DIVISIÓN DE INGENIERÍA Y ARQUITECTURA

PROGRAMA DE GRADUADOS EN INGENIERÍA

Maestro en Ciencias con especialidad en Automatización

Dr. Jorge Limón Robles Dr. Eduardo Uresti Charré

Dr. Federico Viramontes Brown

A mi hermano por compartir el camino y las ideas.

Al Dr. José de Jesús Rodríguez por permitirme trabajar junto a él.

Israel Escamilla Angeles

En la actualidad es imprescindible poder realizar un análisis y evaluación del

En esta tesis se propone una metodología basada en redes de Petri temporizadas

2.1 Disparo de transiciones 7

4.1 Clasificación de operaciones de la línea de prensas DANLY 57

Actualmente la globalización ha ocasionado que las empresas se esfuercen

1.2 Objetivo de la tesis

El objetivo de esta tesis es la generación de una metodología para la modelación,

1.3 Alcance de la tesis

Dado que la metodología propuesta puede ser aplicada en cualquier sistema de

1.4 Organización de la tesis

«t- En el capítulo 1, se da una introducción a la tesis donde se describen el objetivo y

En el capítulo 2, se expone el marco teórico que sirve como base de la

En el capítulo 4, se presenta la aplicación de la metodología en un sistema de

En el capítulo 5, basándose en el análisis de los resultados de las simulaciones, se

El objetivo de este capítulo es proveer la teoría sobre redes de Petri, sistemas de

2.2. Redes de Petri

2.2.1. Componentes de las redes de Petri

2.2.2. Evolución de una red de Petri

La evolución del sistema que está siendo modelado es representado mediante la

2.2.2.1. Disparo de transiciones

Al determinar la evolución del mareaje, se conoce el comportamiento dinámico del

Figura [2.1] Disparo de transiciones

2.2.3. Modificaciones de las redes de Petri

2.2.3.1. Redes de Petri Generalizadas

Una red de Petri Generalizada se diferencia de la red de Petri Ordinaria, en que se

Figura [2.2] Redes de Petri generalizadas

Como se mencionó oportunamente, en una red de Petri Ordinaria (RPO) una

En la Figura [2.3] se ilustran los conceptos esenciales de las redes de Petri

En la figura [2.3b] existe el evento E1 asociado a las transiciones T2 y T3, sin

Finalmente en la figura [2.3c], se presenta el caso de que la transición T4 éste

Figura [23] Disparo de transiciones en una red de Petri Sincronizada

2.2.3.3. Redes de Petri Temporizadas

En las redes de Petri Temporizadas en los Lugares un tiempo d¡ es asociado con

taten inhaMitado en Pl,

token habitado en Pl,

Figura [2.4] Evolución de una red de Petri Temporizada en los Lugares

Contrario a la temporización de los lugares, algunos autores, como Ramchandani

Mken nüwvado en PI,

Figura [2.5] Evolución de una red de Petri Temporizada en las Transiciones

En las modificaciones de redes de Petri mencionadas hasta el momento, el disparo

2.2.3.5. Redes de Petri Coloreadas

El color asociado con un token puede contener información bastante compleja,

Figura [2.6] Dos sistemas idénticos modelados con redes de Petri

De esta forma se describe adecuadamente el movimiento de ambos monorrieles con

Los sistemas de manufactura tienen como objetivo la transformación de los insumos

En el sentido moderno manufactura involucra hacer productos de materias primas

2.3.1. Clasificación de los sistemas de manufactura

Considerando el flujo de materia prima hasta llegar al producto terminando las

Las empresas "V" presentan poca variedad de materias primas, proceso de

sp)-Pr>«)-/. /(,),_i-ítt) Ecuad6n[2I]