Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LC Foro - Latinoamérica Una Comunidad Que Aprende Dinámica de Sistemas
LC Foro - Latinoamérica Una Comunidad Que Aprende Dinámica de Sistemas
RESUMEN
Una línea de producción de una empresa cualquiera, puede ser simulada mediante la dinámica de sistemas, al
considerarla como un conjunto de variables relacionadas, que identifican un flujo continuo de información
referida a los insumos, costos, ingresos, tiempos de operación, niveles de inventario, asignación del recurso
humano, entre otras. Este artículo está orientado al análisis del proceso de fabricación de bloques para
construcción, partiendo de la descripción misma del proceso, la validación del comportamiento de los
tiempos de operación, para su posterior modelado y simulación usando el software Vensim. Gracias a la
simulación del proceso, se podrán recrear distintos escenarios, basados en propuestas de mejora de su
eficiencia y productividad.
PALABRAS CLAVE: Dinámica de sistemas, sistemas de producción, proceso de fabricación, validación del
comportamiento de la variable, estudio de tiempos.
ABSTRACT
An any company's line of production, it can be simulated by means of the dynamics of systems, related with
the costs, income, times of operation, levels of inventory, assignment of the human resource, between another
one regards her as a set of variables related, that they identify a continuous flow of referred information to the
raw materials,. This article is facing to the analysis of the process of manufacture of blocks for construction,
departing from the description same of the process, the validation of the behavior of the times of operation,
for your later modeling and simulation using the software Vensim. Thanks to the simulation of the process,
several scenes will be able to entertain themselves, based in improving proposals of your efficiency and
productivity.
KEY WORDS: Dynamics of systems, systems of production, process of manufacture, validation of the
behavior of the variable, times' study.
1 INTRODUCCIÓN
La Dinámica de Sistemas (DS) puede ser considerada como una disciplina que estudia cómo los sistemas
evolucionan con el tiempo [1] y cómo actúan en éstos sin causar efectos laterales contradictorios [2],
Latinoamérica
246 Una comunidad que aprende Dinámica de Sistemas y con Dinámica de Sistemas
Un modelo simulable actúa como substituto del sistema real y el conocimiento adquirido de la
experimentación sobre éste puede ser extendido al sistema real [3].
Mediante el modelado de un sistema de producción empleando la DS, se logra entender aún más el proceso
de fabricación y las variables que intervienen en él, además de la simulación y prueba de posibles escenarios
de desarrollo.
En este artículo, el lector encontrará una propuesta metodológica para el análisis de procesos productivos
mediante DS, cumpliendo los siguientes objetivos:
2. Mediante el diseño y aplicación de escenarios al modelo simulable, establecer y evaluar las alternativas
que generen mayor impacto favorable en el proceso.
En la primera parte del artículo, se mostrará el estado del arte en la aplicación de la DS para el análisis de los
procesos empresariales (haciendo énfasis en el entorno industrial), para luego entrar en detalle en el caso de
estudio del proceso de fabricación de bloques, validando el modelo bajo los resultados arrojados por la
simulación.
Se finaliza con el análisis de los escenarios más probables y sus efectos sobre los indicadores de
productividad, estableciendo alternativas de mejora sobre el proceso de fabricación.
Sus beneficios han sido demostrados en un gran número de investigaciones donde se prueban diferentes
modelos de gestión en los procesos industriales para determinar aquellos que permitan mejorar la eficiencia y
eficacia en un sistema, reducir el riesgo de las decisiones o simplemente, comprender las condiciones de
causalidad que provocan ciertas actuaciones. Mediante la DS se pueden realizar simulaciones, camino
efectivo para comprender como funciona una cadena de suministro [6]
La DS es una disciplina que reconoce patrones y interrelaciones en un sistema, aprendiendo como estructurar
dichas interrelaciones en formas más efectivas [7], comprobando que introduce al estudiante o investigador
en el análisis de sistemas complejos, opción que ha demostrado ser una herramienta de aprendizaje efectiva
en las escuelas de educación secundaria en Estados Unidos [8]. La DS se considera además como un
excelente método de enseñanza basada en hechos [9]
Optimización
La robustez, riegos o análisis de incertidumbre
La aplicación de la DS para modelar los procesos empresariales tiene sus raíces en la dinámica industrial
[11]. La dinámica industrial demuestra que los sistemas de manufactura no tienen una representación
matemática exacta de su comportamiento [12].
Los tiempos de retrasos, las condiciones de incertidumbre y la no linealidad hacen de estos modelos generen
resultados imprevistos y poseen características como: incierta y alta variabilidad, ambiente dinámico y
funciones distribuidas [13]. La simulación no requiere de sofisticados modelos matemáticos [14].
La simulación puede ser usada para el control de procesos, soporte de decisiones y planeación proactiva de
una cadena de suministro empresarial [15]. Forrester (1961) establece un modelo sencillo de cadena de
suministro con cuatro actores haciendo énfasis en el flujo de mercancía, los tiempos de entrega e inventarios.
En la figura 1 se puede observar un modelo general de una cadena de suministro.
Como primer paso en la simulación de un sistema productivo, se requirió de la concepción en detalle del
proceso de fabricación. En este punto fue vital la inclusión de los conceptos de análisis de métodos de
trabajo y estudios de tiempo. Para poder realizar el modelado, se establecieron los siguientes requisitos:
Descripción paso a paso del proceso
Listado de materiales (BOM)
Estudio de tiempo
Políticas de manejo de inventarios
Costos de fabricación
Datos históricos de la demanda
El proceso consta de cuatro operaciones: colado, mezclado, vibrado y secado; realizadas por un grupo de 5
operarios. En la figura 3 se puede observar el diagrama de operaciones del proceso completo.
Como parte del análisis del proceso de fabricación, se incluyó un estudio de tiempos concordados bajo el
sistema de calificación WestingHouse[16], con el fin de determinar el comportamiento y tiempo estándar de
las operaciones, resultados requeridos para modelar el sistema productivo de la empresa (ver tabla 1). Al
momento de realizar el estudio de tiempos se tiene en cuenta situaciones relevantes que influyen de una u otra
manera en el desempeño del trabajador, como en el caso de suspensión del trabajo por necesidades
fisiológicas, falta de materiales, proceso no conforme, transporte o fatiga del material, entre otras; de ahí la
importancia del método de calificación de los tiempos.
El estudio de tiempo esta cimentado bajo un muestreo aleatorio, realizado a todas las operaciones que
intervienen en el proceso. Con los datos de los tiempos de las operaciones según datos provenientes de una
muestra representativa, se procedió a identificar el comportamiento de la variable, utilizando la prueba de
Bondad de Ajuste. Esta prueba consiste en validar el comportamiento de una variable comparado con una
distribución de probabilidad teórica [17], donde se empleó el cálculo de la variable X2 – Chi Cuadrado (1).
Las hipótesis estadísticas formuladas para la prueba fueron:
Latinoamérica
248 Una comunidad que aprende Dinámica de Sistemas y con Dinámica de Sistemas
El valor obtenido de X2 se compara con el valor crítico basado en un nivel de confianza del 95% (X 2). El
resultado mostró, que en los tiempos de las operaciones se asimilaron a un comportamiento normal, base para
la generación de números aleatorios cimentados en una distribución normal (ver figura 4 y 5).
Además de esta información, se debe incluir la descripción completa del proceso concerniente a las variables
de entrada y salida del sistema, punto de partida para identificar los requerimientos, tasa de producción,
capacidades y costos [18].
Estos datos son complementados por variables de entrada y salida, como los comportamientos de la demanda,
indicadores de productividad, financieros y de eficiencia.
Las áreas (o actores) considerados en el modelo son: demanda, producción requerida, inventario de materia
prima, proceso de elaboración del block y utilidad (bruta). Cada área a su vez comprende su propia dinámica.
El detalle del proceso de fabricación sugiere relaciones estrechas en la producción requerida de productos
terminados, con impacto positivo directo en los requerimientos de materia prima, los costos de producción,
los tiempos de proceso y la eficiencia, con una influencia inversa o negativa sobre las unidades pendientes
(ver figura 7).
En cuanto a la requisición de materia prima, se encontró con un ciclo negativo (autorregulado), basado en un
punto de reorden que se dispara cuando el inventario llega a su nivel más bajo (cero). El pedido alimenta
nuevamente el inventario de materia prima.
La capacidad del sistema está fijada en 35 tercias promedio por día, valor susceptible a variar de acuerdo al
tiempo disponible y laborado en la planta. El diagrama detallado del sistema involucra un total de 53
variables, modelo validado por (ver figura 8):
1. La opinión de expertos sobre los resultados de la simulación.
2. La exactitud de datos históricos y la predicción del futuro
3. La aceptación y confianza en el modelo por parte de la empresa.
Una vez validado el sistema, se establecieron los posibles escenarios probables para ser simulados. Un
escenario se refiere a un número de visiones consistentes internamente de futuros posibles, combinando la
información disponible y las posibilidades de futuro.
Simular un escenario es una respuesta a la pregunta ―qué pasa si..:‖ ocurriese un cambio o ajuste en un
proceso de producción, por ejemplo: la fabricación de block se afecta si un nuevo actor surge en el modelo, si
se realizan variaciones en precios y costos, se diseña un nuevo producto, se reorientan los mercados o si se
crean nuevos canales de comercialización; entre otros [20].
Análisis de sistemas de manufactura mediante dinámica de sistemas: fabricación de bloques
para Construcción 249
Realizando la simulación con ayuda del software Vensim, se pueden recrear escenarios compuestos por la
modificación de los valores en las variables o a través de la adición o eliminación de las mismas, bajo un
ciclo continuo de experimentación, simulación, modelación y validación [21].
Como parte de las variables de salida del sistema e indicadores de eficiencia, eficacia y financieros; se
consideraron: margen bruto, índice de productividad total, eficiencia y productividad factor trabajo (ver
ecuaciones 2, 3, 4 y 5, respectivamente).
El nivel de eficiencia promedio aproximada bajo condiciones normales que alcanza la empresa es del 93%
(ver figura 9). Dado que se empleó una demanda aleatoria bajo un comportamiento normal, con promedio 25
y desviación de 3 tercias (según datos históricos entregados por la compañía), el proceso por los general
alcanzó una producción requerida inferior a la capacidad máxima, que es de 35 tercias por día. Los datos se
sustentan además, en pocas unidades pendientes. Los resultados arrojados por la simulación inicial se pueden
observar en la tabla 2.
El sistema de pedidos de la empresa funciona bajo el típico esquema de modelos de inventarios básicos,
donde se realizan pedidos una vez el nivel de inventarios alcanza un nivel bajo (ver figura 10).
Al simular un escenario, las variables de salida del sistema se verán afectadas, y a su vez proveerán de
información para analizar los resultados que tienen dichas variaciones en los actores del sistema.
Según los resultados de la simulación, la capacidad es un factor muy importante para el proceso de
producción, la cual se encuentra limitada por las políticas del gerente de la empresa, de acuerdo con la
distribución de la planta y el rendimiento de los empleados. Sin embargo, según lo observado, la empresa
puede llegar a producir más de 35 tercias por día, puesto que el área destinada para el secado (esta define la
capacidad diaria) puede ser ampliada debido a una mala distribución del espacio –escombros obstaculizando-
, y por lo tanto es menor el número de block que se alcanzan a secar diariamente.
En la tabla 3 se muestra los resultados del escenario creado a partir del aumento o disminución de la
demanda y sus efectos en los indicadores: margen bruto, productividad total, productividad factor trabajo y
eficiencia.
Mediante la simulación se logró demostrar que la empresa no esta en capacidad de resistir aumentos súbitos
de la demanda (se mantiene un nivel de eficiencia igual al 100%). Un cambio drástico en los pedidos por
parte del cliente, ocasionaría un incremento gradual de las unidades pendientes.
Latinoamérica
250 Una comunidad que aprende Dinámica de Sistemas y con Dinámica de Sistemas
Los pedidos de materia prima se realizan solo cuando se prevé el mismo día, que el inventario llega a cero,
posibilitando una detención de la línea por falta de recursos.
Otro indicador importante son las unidades pendientes. Al aumentar la demanda promedio, el riesgo de
acumular unidades pendientes es mayor. Para una demanda promedio de 40 tercias por día, se alcanzaron
unidades pendientes acumuladas en el día 15 cercanas a las 20 tercias.
En cuanto a la variación del rendimiento del trabajador, se encontró que dado al elevado tiempo de secado
(cuello de botella), los efectos en la variación de los rendimientos de las demás operaciones sobre la
productividad global de la empresa y su eficiencia son mínimos. La empresa ajusta su tiempo para la
producción de hasta 35 tercias.
Para último escenario planteado, se definieron tres opciones diferentes para el manejo de los niveles de
inventario y pedidos (hay que tener en cuenta que la materia prima es recibida el mismo día en que se realizó
el pedido):
1. Se generan pedidos al proveedor bajo una cantidad fija una vez se llegue que el inventario de materia
prima no cubra la producción requerida para el día
3. Se genera un pedido de cantidad constante cada dos días (no se tiene en cuenta que el inventario inicial
llegue a cero).
De todas las políticas, la más estable fue la primera, registrando una margen bruto promedio del 37%. Las
dos últimas estrategias presentan variaciones menores, arrojando un promedio en el margen bruto del 36%.
1.5 CONCLUSIONES
Gracias a la simulación de sistemas mediante DS, se logra recrear las condiciones de fabricación de un
producto de forma ágil y a un bajo costo. Con la construcción del modelo de producción de una empresa y el
diseño de escenarios probables, la gerencia podrá anticiparse a las condiciones del mercado cambiante,
optimizando sus recursos disponibles.
El caso propuesto en este artículo permite inducir una Metodología para el Modelado de Procesos de
manufactura (MMP), proponiendo el desarrollo de cuatro fases:
Primera fase - Construcción de la Red Global: Donde se incluye la definición del problema, la identificación
de actores o áreas empresariales de interés y la creación de la Red Global del proceso.
Segunda fase – Caracterización de las áreas de interés: Donde se identifican de variables por área, se
establecen datos iníciales y comportamientos de las variables, y se conectan las variables mediante
expresiones aritmético-lógicas.
Tercera fase – Construcción de la red detallada: Se crea el modelo detallado (diagrama Forrester) y se realiza
la validación del mismo.
Cuarta fase – Diseño y análisis de escenarios: Se identifican las variables a modificar o adicionar, se
establecen y evalúan los escenarios, para luego realizar el análisis de sensibilidad e identificación de
estrategias o propuestas de mejoramiento.
Análisis de sistemas de manufactura mediante dinámica de sistemas: fabricación de bloques
para Construcción 251
Gracias a la DS, el estudiante, empresario o investigador, cuentan con una herramienta para el análisis de
sistemas productivos, que cumple con la idea de una visión holística del sistema de producción.
Queda en pie, la invitación para el desarrollo de nuevos casos de ejemplo aplicados al sector manufacturero,
producto de futuras investigaciones relacionadas con la DS.
2 UNIDADES
Variable Unidad
Tiempo estándar de la
Minutos
operación
Tercia (lotes de
Unidad de producción
52 bloques)/día
3 REQUERIMIENTOS ADICIONALES
3.1 FIGURAS Y TABLAS
3.1.1 Figuras
Figura 3. Diagrama de Operaciones del Proceso para la fabricación de bloques para la construcción
Figura 4. Similitud del comportamiento normal del tiempo de operación del vibrado
Análisis de sistemas de manufactura mediante dinámica de sistemas: fabricación de bloques
para Construcción 253
3.1.2 Tablas
k
( Et E o ) 2
X2 (1)
i 1 Et
UtilidadBruta (2)
Margen Bruto
Ingresos
Ingresos
IPT (3)
Costo total del producto terminado
Producción requerida
Eficiencia
Capacidad (4)
Producción requerida
PFT
Tiempo total del proceso (5)
4 REFERENCIAS
[1] FORRESTER, Jay. Industrial Dynamics. Cambridge. Mass: MIT Press, 1961.
[2] STERMAN, J. D. System Dynamics Modeling: Tools for learning in a Complex Word. California
Management Review , 2001, 43 (4), P 8-25.
[3] COSS BU, R.. Simulación: Un enfoque practico. México: Limusa Noriega editores, 2002.
[4] FORRESTER, J. W. The beginning of System Dynamics. The Mckinsey Quarterly, 2004 (4), 5-16.
[5] WYATT, S. The potential of system dynamics. leading edge, The NHS Confederation , 1-5. 2005.
[6] LIU, J., WANG, W., CHAI, Y., & LIU, Y. Easy-SC: A Supply Chain Simulation Tool. Proceedings of
the 2004 Winter Simulation Conference (págs. 1373-1378). New Jork: IEEE. 2004.
[7] HUANG, M., YUNG, K., WANG, X., & WANG, D. Simulation study using system dynamics for a
CONWIP-controlled lamp supply chain. International Journal of Avanced Manufacturing Technology (32),
184-193. 2007.
[8] FORRESTER, J. La Dinámica de Sistemas y el Aprendizaje del Alumno en la educación escolar. Sloan
School of Management, Tradución al español por el Grupo de Dinámica de Sistemas del ITESM, 8. 1992.
[9] MARTIN, L. El Primer Paso. Dinámica de Sistemas en Educación del MIT, Massachusetts Institute of
Technology. 2000.
[10] KLEIJNEN, J. P. Supply chain simulation tools and techniques:a survey. International Journal of
Simulation & Process Modelling , 1 (1), 82-89. 2005
Análisis de sistemas de manufactura mediante dinámica de sistemas: fabricación de bloques
para Construcción 257
[11] FORRESTER, J. ,Industrial Dynamics: A Major Breakthrough for Decision Makers. Harvard Business
Review , 36 (4), 37-66. 1958
[12] PEÑA, G., CRESPO, A., & DYNER, I. Análisis Cualitativo de un Modelo de Producción - Inventario.
1-30. (S. M. Universidad Nacional de Colombia, Ed.) Medellín, Antioquia, Colombia. 2003
[13] COPE, D., FAYEZ, M. F., & MOLLAGHASEMI, M. Supply chain simulation modeling made easy: an
innovative approach. Proceedings of the 2007 Winter Simulation Conference (págs. 1887-1896). New York:
IEEE. 2007.
[14] KLEIJNEN, J. P. Supply chain simulation tools and techniques:a survey. International Journal of
Simulation & Process Modelling , 1 (1), 82-89. 2005
[15] BANKS, J., BUCKLEY, S., JAIN, S., LENDERMANN, P., & MANIVANNAN, M. Panel Session:
Opportunities for Simulation in Supply Chain Management. Proceedings of the 2002 Winter Simulation
Conference (págs. 120-135). New York: IEEE. 2002
[16] NIEBEL. W, Benjamin; FREIVALDS, Andris, Ingeniería Industrial, Métodos, estándares, y diseño del
trabajo. México: Alfaomega Editorial., 11° edición. 2006
[17] MONTGOMERY, Douglas. Applied Statistics and Probability for Engineers. John USA: Wiley & Sons,
Inc. 3ra. Edition, 2002. P 468.
[18] PEÑA, Gloria. Dinámica de Sistemas y análisis cualitativo Matemático, en modelos de Gestión de la
Producción. [PhD Tesis], Sevilla: Universidad de Sevilla, 2003. P 360.
[19] VERGARA, Juan; AMÉZQUITA, Julio; MAZA, Francisco. Simulación de cadenas agroindustriales.
Colombia: Universidad de Cartagena, 2008. P 18.
[20] AZARANGA, M. y GARCÍA, Dunna, E. Simulación y Análisis de Modelos Estocásticos. Editorial Mc-
GrawHill /Interamericana. México 1.996
[21] Zapata, J. y Peña G. Avances en sistemas de informática, Colombia: Ciclo de proceso de simulación.
2006. P 47.
5. ABREVIATURAS Y ACRÓNIMOS
5 AGRADECIMIENTOS
A los estudiantes miembros del semillero Métodos Cuantitativos de Gestión y al curso de Simulación de
Procesos del Programa de Administración Industrial de la Universidad de Cartagena, que con su esfuerzo,
dedicación y aportes al conocimiento, han generado un buen material sobre Dinámica de Sistemas.
Latinoamérica
258 Una comunidad que aprende Dinámica de Sistemas y con Dinámica de Sistemas
6 CURRÍCULUM
MARIA CAROLINA
Estudiante Programa de Administración Industrial de la Universidad de Cartagena. Estudiante Investigador
del grupo Métodos Cuantitativo de Gestión (investigador asistente), del programa de Administración
Industrial de la Universidad de Cartagena. E-mail: caritomonchola@hotmail.com, mcarocortez@hotmail.com