Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Artículo VSM - En.es
Artículo VSM - En.es
com
El número actual y el archivo de texto completo de esta revista están disponibles en Emerald
Insight en: https://www.emerald.com/insight/1746-5664.htm
26 marzo 2020
Ahmed AbideenyFazeeda Binti Mohamad Aceptado el 8 de abril de 2020
Abstracto
Objetivo -La implementación Lean está ampliamente incorporada en los procesos de fabricación centrales; sin embargo, su
aplicabilidad en la cadena de suministro y la industria de servicios aún está en pañales. Para adquirir excelencia en el desempeño y
prosperar en el mercado competitivo global, muchas empresas están adoptando metodologías más nuevas. Pero existe una gran
necesidad de sistemas de simulación de producción para analizar las cadenas de suministro tanto de entrada como de salida. La era
de la validación facial está desapareciendo lentamente. Las herramientas y procedimientos Lean que brindan suposiciones de estado
futuro necesitan herramientas y técnicas avanzadas para medirlas, cuantificarlas, analizarlas y validarlas. El propósito de este estudio
es permitir la cuantificación dinámica y la visualización del estado futuro de un mapa de flujo de valor de la cadena de suministro de
un almacén utilizando la técnica de simulación de eventos discretos (DES).
Diseño/metodología/enfoque –Este estudio tuvo como objetivo aplicar un enfoque integrado del mapeo del flujo de valor (VSM) y
DES en un almacén de producción farmacéutica de Malasia. El enfoque principal se desvía hacia la reducción del tiempo de entrega de
la cadena de suministro del almacén mediante la construcción inicial de un mapa de flujo de valor de la cadena de suministro (tanto el
estado actual como el estado futuro) e integrando sus datos en un software de simulación y modelado DES para visualizar
dinámicamente los cambios en el valor del estado futuro. mapa de flujo
Hallazgos –La simulación DES pudo imitar con éxito las reducciones del tiempo de entrega del estado futuro, lo que ayuda a tomar mejores
decisiones. Se observaron mejoras relacionadas con el tiempo de entrega total, el tiempo de proceso, el valor y el porcentaje sin valor agregado.
Las métricas de rendimiento del almacén, como la recepción, el almacenamiento y las tasas de almacenamiento, mejoraron sustancialmente junto
con el tiempo de procesamiento de paletas, el porcentaje de uso de rendimiento de trabajadores y montacargas. Los resultados detallados se
indican claramente al final de este documento.
Limitaciones / implicaciones de la investigación -Este estudio se limita al entorno del almacén y se necesitan mucho más
modelos de procesos adicionales y actualizaciones funcionales en los sistemas de software DES para visualizar y cuantificar
directamente todas las posibles suposiciones Lean, como la identificación de imágenes por radiofrecuencia/Andon (Jidoka),
5S, Kanban , Justo a tiempo y Heijunka. Sin embargo, DES tiene una ventaja en la extracción de características dinámicas de
una línea de tiempo VSM estática y la captura de detalles en eventos discretos precisamente al representar la modificación
de la instalación y el tiempo de espera relacionado con ella.
Implicaciones prácticas -Este documento incluye todos los procesos fundamentales de la cadena de suministro del almacén
farmacéutico y las simulaciones del estado futuro VSM en un contexto de la vida real al reducir con éxito el tiempo de entrega de la
cadena de suministro y permitir a los gerentes inculcar una toma de decisiones casi óptima, controlar y coordinar la cadena de
suministro del almacén. actividades en su conjunto.
Implicaciones sociales -Este enfoque integrado de DES y VSM puede involucrar a los gerentes y la alta dirección para
respaldar la adopción de cambios anticipados. Este estudio también tiene el potencial de involucrar a profesionales,
investigadores y tomadores de decisiones en la industria de almacenamiento.
Diario de Modelado en
Los autores agradecen sinceramente a los revisores anónimos por sus fuertes comentarios constructivos y al Gestión
© EmeraldPublishingLimited
editor por su frecuente seguimiento. Los autores también agradecen a la Universidad de Malasia Pahang por
1746-5664
financiar esta investigación con la subvención (RDU160109). DOI10.1108/JM2-07-2019-0159
JM2 Originalidad/valor –Este estudio involucra un poderoso paquete de software DES que puede imitar la situación real como
una simulación virtual y todos los datos y la construcción del modelo se basan en un escenario de almacén real en la
industria farmacéutica.
Palabras claveLogística, Modelado, Productividad, Gestión de la cadena de suministro, Simulación, Almacenamiento ajustado,
Cadena de suministro ajustada, Simulación de eventos discretos, Mapeo de flujo de valor, Tiempo de entrega de la cadena de
1. Introducción
Una cadena de suministro impulsada por el valor solo se puede construir a través de iniciativas estratégicas
planificadas y deliberadas que involucran la adquisición, la configuración, el inventario y la planificación de
recursos. La cadena de suministro necesita elementos de diseño social, conductual y estructural como una
noción obligatoria. Estos elementos conducen a una gestión de inventario, transporte y utilización de la
capacidad eficientes y eficaces (Melnyket al.,2014;Barbosa-P-ovoaet al.,2018;Callejaet al.,2018; Torneroet al.,2018
). Las nuevas tecnologías traerán nuevos productos y eventualmente nuevos sistemas de gobierno, utilizando
métodos y paradigmas más nuevos para la toma de decisiones (jainistaet al., 2008;Schwab, 2017). Los retrasos y
los riesgos de la cadena de suministro requieren una toma de decisiones adecuada sobre el tiempo de entrega y
la entrega del producto (Kumar y Kumar Singh, 2017). Especialmente, una cadena de suministro más volátil
parece estar en mayor riesgo sin transparencia de información en tiempo real (Schlüteret al.,2018;Schlüter, 2019).
Las estrategias y los métodos para manejar esta cadena de suministro volátil con resultados propensos al riesgo
se convierten en la necesidad del momento (Srinivasan y Swink, 2018).
Uno de ellos es la gestión de la cadena de suministro Lean (LSCM) (Arif-Uz-Zaman y Ahsan, 2014;
Schniederjanset al.,2018). Puede colocar a una organización en posición de lograr flexibilidad en todos los
niveles. La planificación de la cadena de suministro y las operaciones de la cadena de suministro se benefician
enormemente a través de la implementación Lean en la cadena de suministro (Moyano-Fuenteset al.,2019). LSCM
tiene un impacto positivo directo en el desempeño y la excelencia del negocio (Schniederjanset al.,2018). Hoy en
día, se extiende aún más hacia clientes y proveedores (Prensa, 2019).
Pero la llegada de cadenas de suministro más complejas exige una amplia gama de herramientas e
indicadores de rendimiento para medir el rendimiento de la cadena de suministro dentro de una cadena de
suministro de almacén de entrada compleja (Staudtet al.,2015). Las instalaciones y los recursos dentro del
almacén necesitan más atención y cuidado para lograr flexibilidad y productividad en la cadena de suministro.
Los procesos de almacén se pueden dividir en varios subprocesos para un mejor enfoque de toma de decisiones
estratégicas basado en factores técnicos y organizativos (kłodawskiet al.,2017). La mera implementación Lean en
la cadena de suministro no puede proporcionar una solución completa a todos estos problemas y necesita el
respaldo de otras herramientas y técnicas sofisticadas, como el modelado y las simulaciones (Bernabé y Giorgino,
2017;Shaik y Rodrigues, 2018). Debido a que las cadenas de suministro son discretas por naturaleza, una
herramienta de simulación de eventos discretos es más adecuada porque puede ser adaptable y eficaz (
Kammounet al.,2014;Barbosa y Azevedo, 2019).
El escenario de producción digital se basa directamente en el conjunto indispensable de métodos
tecnológicos, como simulaciones que aseguran los mejores resultados al validar experimentalmente un
sistema o un diseño de proceso. Las simulaciones, por otro lado, pueden curar los efectos negativos de la
globalización y la personalización interminable de productos. Ayudan a planificar y verificar la ergonomía
de un sistema de fabricación mediante la creación de un prototipo virtual de redes de producción, flujos
de información, diseños de instalaciones y diseños de procesos. Un entorno de fabricación
contemporáneo se reemplaza por su contraparte avanzada alternativa a través de tecnologías de
modelado y simulación (Mourtziset al.,2014;Erolet al.,2016;Rodic-c, 2017). Además, la vida útil del
producto de un componente aumenta al evitar los defectos y retrasos en una cadena de proceso de
producción (Afazov, 2013;Pawlewski, 2015).
1.1 Simulaciones en operaciones de producción Depósito
Las simulaciones pueden ayudarnos a analizar sistemas de producción complejos que operan bajo
cadena de suministro
múltiples variables y pura lógica. Esta fue una tarea difícil hasta que se inventaron muchos paquetes de
simulación modernos para lograr la excelencia organizacional (O'Kane, 2003;Johnson, 2017;Von Bary et
al.,2018). Para abordar esto, varias operaciones centrales en producción se han cambiado a modelos
virtuales de preproducción, o en otras palabras, ingeniería virtual mediante el uso del poder de la
simulación integrada por computadora (Chan, 2003;Qi y Tao, 2018;Dobrescuet al.,2019), impartiendo así
un esfuerzo continuo para reducir el tiempo necesario para el desarrollo del producto, la producción y la
reducción de costos a través de la experimentación y validación de las operaciones de producción a
través de un punto focal tecnológico, es decir, herramientas de análisis de simulación (Mourtziset al.,
2015).
Las herramientas avanzadas de software informático han hecho posible que los instrumentos y
técnicas de simulación produzcan soluciones óptimas para ser prácticos. Pero para garantizar eso, se
necesita la identificación de métodos de simulación apropiados y relevantes que puedan aliviar los
difíciles esfuerzos de toma de decisiones (Jahangirianet al.,2010). La mayor pesadilla de un taller de
producción es un cuello de botella. Se canalizan más esfuerzos para eliminar tiempos de espera no
deseados y cuellos de botella para lograr competitividad (Zahraeeet al.,2014). Las simulaciones pueden
capturar los agentes causantes de riesgos entre las interdependencias y las interacciones sinérgicas
entre los recursos para evitar problemas (Thiedeet al.,2016). La simulación de eventos discretos (DES)
ofrece la solución para optimizar las líneas de producción a través de estrategias de equilibrio adecuadas
y mejora la tasa de producción y el rendimiento del proceso (Zupan y Herakovic, 2015;Barilet al.,2017). Se
puede usar para modelar sistemas o eventos que operan en un marco de tiempo discreto y generan
resultados dinámicos (Armbruster y Uzsoy, 2012). También crea simulaciones dinámicas de un entorno
de producción para erradicar las ineficiencias del proceso (González y Echaveguren, 2012;Greasley, 2017;
Koukiet al.,2017;Sarda y Digalwar, 2018).
En ese contexto, las operaciones aleatorias de almacén se pueden estandarizar y asegurar a través de implementaciones Lean, pero existe una necesidad apremiante de
visualizar o cuantificar esas suposiciones y predicciones. El modelado de simulación parece ser una de esas herramientas que puede satisfacer este requisito. Este estudio se ha
centrado principalmente en la visualización dinámica de la reducción del tiempo de entrega de la cadena de suministro a través de un enfoque integrado del mapa de flujo de valor
(estado actual y futuro) y la simulación de eventos discretos con respecto a la cadena de suministro del almacén farmacéutico. Ningún estudio anterior ha investigado exhaustivamente
el efecto sinérgico del enfoque integrado del mapeo del flujo de valor (VSM)-DES en el escenario de la cadena de suministro del almacén. Específicamente, este documento tiene como
objetivo aplicar este enfoque para reducir el tiempo de entrega de la cadena de suministro del almacén y mejorar las operaciones del almacén y las métricas clave de rendimiento del
almacén. Las dos primeras secciones de este documento son la introducción y la revisión de la literatura que proyectan el problema de investigación y los conocimientos sobre la
cadena de suministro, los problemas en la cadena de suministro, la gestión Lean y su capacidad para abordar esos problemas y, finalmente, el alcance de DES como una herramienta
para mejorar VSM. Las otras secciones discuten la organización del caso, la metodología adaptada, el camino hacia el estado actual y el mapa de flujo de valor del estado futuro, el
desarrollo del modelo DES del estado presente y futuro, los resultados de la simulación, la validación del modelo, la discusión, las implicaciones teóricas y prácticas, las limitaciones del
estudio, el futuro investigación y conclusión. Las dos primeras secciones de este documento son la introducción y la revisión de la literatura que proyectan el problema de investigación
y los conocimientos sobre la cadena de suministro, los problemas en la cadena de suministro, la gestión Lean y su capacidad para abordar esos problemas y, finalmente, el alcance de
DES como una herramienta para mejorar VSM. Las otras secciones discuten la organización del caso, la metodología adaptada, el camino hacia el estado actual y el mapa de flujo de
valor del estado futuro, el desarrollo del modelo DES del estado presente y futuro, los resultados de la simulación, la validación del modelo, la discusión, las implicaciones teóricas y
prácticas, las limitaciones del estudio, el futuro investigación y conclusión. Las dos primeras secciones de este documento son la introducción y la revisión de la literatura que proyectan
el problema de investigación y los conocimientos sobre la cadena de suministro, los problemas en la cadena de suministro, la gestión Lean y su capacidad para abordar esos problemas
y, finalmente, el alcance de DES como una herramienta para mejorar VSM. Las otras secciones discuten la organización del caso, la metodología adaptada, el camino hacia el estado actual y el mapa de flujo de valor del estado futuro, el de
2. Revisión de la literatura
2.1 Simulación de eventos discretos en el escenario de la cadena de suministro de producción
Los procesos internos requieren una mejora continua flexible y estratégica para hacer frente a las
demandas oscilantes del mercado. La incertidumbre inherente a la consolidación y mejora de las líneas
de producción para satisfacer esas demandas es muy alta debido a los intentos de toma de decisiones
inciertos. En tales casos, se puede utilizar un enfoque de modelado de simulación para gestionar
JM2 este problema (Aqlánet al.,2014;Jackson y Tolujevs, 2019;Micloet al.,2019). Además, DES tiene
mucho éxito en el modelado y en la facilitación de escenarios de talleres en tiempo real. Sin
embargo, puede que no sea cien por cien preciso, pero brinda información útil para construir
modelos de trabajo en tiempo real (robinsonet al.,2014). Actúa como una herramienta sólida para
la toma de decisiones al optimizar los sistemas de gobierno en tiempo real con un entorno virtual
confiable (LIORISet al.,2016). La fuerza de procesamiento derivada de los componentes de
visualización de esta técnica también se puede aplicar en proyectos innovadores del mundo real (
ElNimr et al.,2016;Rane y Sunnapwar, 2017).
Los sistemas de producción vulnerables dispersos a nivel mundial exigen mejores diseños de cadenas de
suministro. Un efecto indeseable generado por un pequeño segmento imprevisto de la cadena de suministro
puede provocar interrupciones en la cadena de suministro a gran escala. Los modelos DES se pueden usar para
visualizar esas interrupciones en múltiples escalones (jeonget al.,2018). Es capaz de tabular estimaciones de
tiempo y costo para tareas administrativas en la cadena de suministro que pueden proporcionar cálculos
holísticos y mejoras en los procesos comerciales adaptándose a diferentes estrategias operativas y de la cadena
de suministro (Windischet al.,2013;Dolguiet al.,2018;Barbosa y Azevedo, 2019). Algunas investigaciones de
vanguardia sobre la aplicación de DES en la cadena de suministro de producción se dan entabla 1.
asequibles para los lugareños. Produce y suministra productos de salud confiables y galardonados durante más de 60 años. La empresa maneja productos medicinales por valor de
entre 100 y 120 millones de ringgit. La empresa fabrica viales, ampollas, jarabes, colirios y ungüentos para el mercado nacional e internacional. Su almacén consta de tres niveles. El
nivel del suelo se utiliza para la recepción (descarga), clasificación, almacenamiento y tránsito directo de productos terminados. Los niveles I y II se utilizan para el almacenamiento de
inventario a largo plazo y la impresión de etiquetas. El nivel III está destinado a almacenamiento en frío, control de calidad posterior a la producción, recogida y embalaje y oficina de
gestión de almacenes. La planta baja consta de las Zonas 4, 5 y 6, y Zona de espera de lotes 7 para almacenamiento y transporte de inventario. La zona 4 se utiliza para apilar
ingredientes importantes para controles de calidad preliminares (QA/QC). Las materias primas llegan en cilindros de acero cerrados como ingredientes activos entre los cuales algunos
necesitan almacenamiento en frío y atención especial inmediata y otros son solo materiales de apoyo para la producción y envasado. El nivel del suelo se divide en cuatro zonas
principales. El área de la zona 4 se utiliza para almacenar los primeros 150 envases de principios activos que requieren un control de calidad. Los 50 contenedores restantes se envían a
la Zona 5 y la materia prima relacionada con el material de empaque se envía a la Zona 6. Después del control de calidad en la Zona 4, los artículos se envían al Nivel III para
almacenamiento temporal y esperan la llamada de producción. Más tarde, todos La zona 4 se utiliza para apilar ingredientes importantes para controles de calidad preliminares (QA/
QC). Las materias primas llegan en cilindros de acero cerrados como ingredientes activos entre los cuales algunos necesitan almacenamiento en frío y atención especial inmediata y
otros son solo materiales de apoyo para la producción y envasado. El nivel del suelo se divide en cuatro zonas principales. El área de la zona 4 se utiliza para almacenar los primeros 150
envases de principios activos que requieren un control de calidad. Los 50 contenedores restantes se envían a la Zona 5 y la materia prima relacionada con el material de empaque se
envía a la Zona 6. Después del control de calidad en la Zona 4, los artículos se envían al Nivel III para almacenamiento temporal y esperan la llamada de producción. Más tarde, todos La
zona 4 se utiliza para apilar ingredientes importantes para controles de calidad preliminares (QA/QC). Las materias primas llegan en cilindros de acero cerrados como ingredientes
activos entre los cuales algunos necesitan almacenamiento en frío y atención especial inmediata y otros son solo materiales de apoyo para la producción y envasado. El nivel del suelo
se divide en cuatro zonas principales. El área de la zona 4 se utiliza para almacenar los primeros 150 envases de principios activos que requieren un control de calidad. Los 50 contenedores restantes se envían a
Investigador Investigación realizada área de cadena de suministro Inferencia
Depósito
cadena de suministro
Umeda (2007) Desarrollo de un marco para producto general Se generaron comentarios en el
integrar DES y simulación de fabricación mecanismo del sistema social y se
dinámica de sistemas establecieron especificaciones para el
modelado para combinar la evaluación protocolo de juego de gestión de la
del rendimiento del sistema y el cadena de suministro a través de la
mecanismo de retroalimentación del simulación.
sistema complejo
pinhoet al. (2016) Plataforma de modelado de simulación Energía (biomasa) Se desarrolló un modelo conceptual
aplicada (SIMEVENTS) en la gestión de la para la cadena de suministro de
cadena de suministro de energía de biomasa eficiente en el proceso
biomasa
Persona (2011) Desarrollo de un Demanda de la cadena de suministro Los efectos dinámicos de la
herramienta completa y dinámica para los y calidad cadena de suministro tienen
analistas de la cadena de suministro un efecto significativo en
mediante la combinación de ARENA y el tasas de producción y
modelo de referencia de operaciones de la comportamiento de látigo
cadena de suministro (SCOR)
Hallam (2010) El simulador de eventos discretos se Costo de la cadena de suministro Se diseñó el cronograma de
desarrolló para estudiar los aumentos de reducción (aeroespacial) producción eficiente y también
costos y programar retrasos en las cadenas se identificó el impacto del
de suministro de producción de aeronaves cambio de diseño en el tráfico
para reducir el tiempo de entrega y aumentar con base en
la producción. Resultados de la simulación
actuación
Morriceet al. (2005) La cadena de suministro de producción Semiconductor Las políticas de control de inventario y la
de semiconductores se modeló utilizando producción cadena de suministro se vieron
el software DES Arena para analizar los afectadas positivamente debido a las
niveles de trabajo en proceso y la entrega reducciones en los plazos de entrega
a tiempo Tabla 1.
Hachichaet al. (2010) Se optimizan una cadena de suministro General Se logró un prototipo de DES-integrado
sobre pedido (MTO) y un problema de fabricación tamaño de lote óptimo fijo
estudios en produccion
tamaño de lote (LSP) optimización de procesos en el sector MTO con futuro
y cadena de suministro
considerando importante prometedor
operaciones
parámetros estocásticos utilizando trascendencia
simulaciones seguidas de (2005–2019) Web de
metodología de superficie de Núcleo de ciencias
las materias primas se ensamblan en la zona de espera 7 para ser enviadas a la bahía de despacho de producción
9. Figura 1muestra una representación esquemática detallada del nivel del suelo del almacén.
Se utilizó un sistema basado en push para transmitir información sobre el inventario manualmente mediante
un libro de informes por parte de los profesionales del almacén entre los diferentes niveles del almacén. Solo hay
dos puertas para descargar las materias primas y las mismas se utilizan para el cross-docking de productos
terminados. Las materias primas almacenadas temporalmente a nivel del suelo requerían una categorización e
importancia adecuadas para evitar grandes retrasos con almacenamiento intermedio e inventario desiguales. El
intercambio electrónico de datos (EDI) y las técnicas Just-in-Time no cubrían todos los niveles debido a patrones
de demanda deterministas. La empresa tuvo que depender del almacenamiento y el transporte de terceros, lo
que debilita la entrega a tiempo de los medicamentos, lo que genera más tiempo y costos de transporte de
inventario adicionales. Además, en algunas ocasiones, se acumula una gran cantidad de inventario y permanece
más de un mes en el Nivel III (instalación de almacenamiento temporal) antes de que se llame para la
producción. Parte del diseño del almacén.
JM2
Figura 1.
Diagrama esquemático de
suelo del almacén
nivel
y la ruta de movimiento de material parecía exigir un rediseño y modificación para reducir los retrasos y
evitar la acumulación de inventario.
4. Metodología
Este estudio de caso se llevó a cabo en un almacén de una organización farmacéutica con sede en
Malasia. Se realizaron varias entrevistas semiestructuradas con los funcionarios y empleados de la
cadena de suministro para comprender todo el sistema de almacenamiento. Algunas de las actividades
relacionadas con el almacenamiento y los movimientos del inventario del almacén parecían tener más
retrasos debido a la ejecución aleatoria. Los gerentes de la cadena de suministro y del almacén no
pudieron visualizar la naturaleza dinámica de esos procesos y experimentaron dificultades para reducir
los desechos y las entidades sin valor agregado.
De acuerdo aMartichenko y Von Grabe (2010), la cadena de suministro debe dividirse en segmentos para el
inicio del VSM. Por lo tanto, los mapas de flujo de valor del estado actual y del estado futuro se construyeron
desde el extremo de recepción de la materia prima hasta el extremo de emisión de la producción. Este VSM es
completamente diferente del VSM tradicional de fabricación de núcleos. El tiempo de configuración, el tiempo de
cambio y el tiempo de actividad se reemplazan por el tiempo de proceso, el tiempo de entrega y el tiempo de
valor agregado (Suárez-Barrazaet al.,2016). Este estudio se basa en un marco modificado de la versión
previamente adaptada demcdonaldet al. (2002),Erikshammaret al. (2013)y Schmidtkeet al. (2014).
La idea era construir un VSM basado en almacén y luego usar estos valores de línea de tiempo como fuente de entrada de datos en el paquete
DES junto con otros datos centrales. El software DES simuló los resultados de VSM dinámicamente y proporcionó una configuración de almacén
virtual. Los resultados de la simulación y los gráficos generados muestran las diferencias en el tiempo de entrega, el porcentaje de procesamiento
de paletas, el rendimiento de los trabajadores/montacargas, el tiempo de espera/retrasos, la eficiencia de recepción, la tasa de almacenamiento y
la tasa de almacenamiento en diferentes niveles del almacén. Los modelos DES integrados en VSM se desarrollaron utilizando un software de
simulación multimétodo "Anylogic 8.4". La recopilación de datos primarios para construir un VSM se centró principalmente en el tiempo incurrido
en todas las actividades del almacén, el tiempo de espera y los retrasos y los niveles de inventario. Las entrevistas cara a cara con los funcionarios
de piso del almacén y la referencia a los registros anteriores fueron la principal fuente de datos. Sin embargo, los datos centrales se obtuvieron
implementando el método go-see (Gemba). Toda esta información se ingresó dentro de la interfaz del software DES para lograr un modelo lógico
que imita la situación en tiempo real. La visualización dinámica de las actividades del almacén y el tiempo de entrega relacionado se mostró en
forma de resultados de simulación en 2D, 3D y gráficos estadísticos. Un marco modificado detallado adaptado para este estudio se da en La
visualización dinámica de las actividades del almacén y el tiempo de entrega relacionado se mostró en forma de resultados de simulación en 2D,
3D y gráficos estadísticos. Un marco modificado detallado adaptado para este estudio se da en La visualización dinámica de las actividades del
almacén y el tiempo de entrega relacionado se mostró en forma de resultados de simulación en 2D, 3D y gráficos estadísticos. Un marco
Figura 2.
Desarrollado
estructura
Se construyeron un gráfico ABC, un gráfico de tiempo de entrega y una matriz de familia de productos para seleccionar la
familia de productos que caía en la Categoría A. Más tarde, se completaron un diagrama de funciones cruzadas, un
diagrama de espagueti y un gráfico de actividad de proceso para la familia de productos seleccionada, seguidos por el
estado actual y Estado futuro VSM y modelo DES.figura 3muestra la secuencia de pasos llevados a cabo para completar
este estudio.
Figura 3.
Secuencia de investigación
fluir
JM2 Un período de tiempo en el que las actividades en un proceso parecen agregar valor al sistema es tiempo
de valor agregado y el resto no es de valor agregado. La demanda media mensual es de unas 28.000
piezas individuales (viales), es decir, 350 cartones. Cada caja tenía 80 viales cargados y empaquetados en
su interior. El total de jornadas laborales era de 25 días al mes y sólo había un turno de 8 h al día. En
total, había 1,5 h en un día para el té y el almuerzo, por lo que el tiempo disponible era de 6,5 h por día.
La relación entre el tiempo disponible para la producción por día y la demanda del cliente por día se
considera como "Takt time". El tiempo total del proceso es la suma del tiempo necesario para todos los
procesos. La suma del tiempo de proceso y el tiempo de entrega da el valor del tiempo total de proceso y
el tiempo total de entrega de producción, respectivamente. Un estado actual detallado se da enFigura 4.
Mesas 2y3mostrar los detalles relacionados con el mapa de flujo de valor del estado actual.
Figura 4.
Mapa del estado actual
y el porcentaje sin valor agregado disminuyó de 61,28% a 29,42%. Un estado futuro detallado se Depósito
da enFigura 5.Mesas 4y5mostrar la línea de tiempo y los cálculos del estado futuro. cadena de suministro
Total
Valor- Sin valor- Total producción
Proceso agregado tiempo añadido proceso tiempo de espera
tiempo (TPL)
PAG
1 - 100
Porcentaje de valor agregado ¼ IVA 41,36%
norte
TPT
(VIRGINIA%)
Tabla 3.
PAG
1 - 100 Estado actual
Total sin valor agregado ¼ NVA 61,28%
TPT calculos
porcentaje (NA%) norte
JM2
Figura 5.
Mapa del estado futuro
Proceso tiempo (min) tiempo (min) tiempo (min) tiempo (min) (min)
Tiempo total de proceso (TPT) Tiempo ¼TP1þTP2þTP3þ . . .TPn ¼TPL 12.590 minutos
PAG
1 - 100
Porcentaje de valor agregado (VA%) ¼ IVA 70,57%
Tabla 5. TPT
norte
7.2 Rúbricas del modelo de simulación de eventos discretos del estado actual
La línea de tiempo de VSM no se puede utilizar para construir todo el modelo de simulación de eventos discretos.
Un modelo DES necesita información más detallada sobre recursos de materiales, sus rutas y retrasos de tiempo
en detalle, de los cuales se tabulan unos pocos seleccionados enTabla 6.
Figura 6.
Anylogic seleccionado
modelo de proceso y
manejo de materiales
símbolos y su
funciones lógicas que
se utilizan en este estudio
JM2
S.no Eventos discretos Procesar informacion
9 El tiempo de descarga para un par de camiones es el (Tiempo que tardan todos los camiones en completar el
mismo, y el quinto y último camión es el que entrega 50 proceso de descarga) – 6 h (360 min)
paquetes de materia prima.
10 Recurso utilizado (descarga) 2 montacargas
6) movimiento de tarimas
19 Tiempo necesario para el almacenamiento en el Área 4 (QA/QC) Tiempo 50 horas
de ancho)
ascensores)
(estado actual) y después de que los 150 artículos del Nivel III se hayan enviado a la
III) (continuado)
Depósito
S.no Eventos discretos Procesar informacion
cadena de suministro
31 Tiempo necesario para enviar paletas desde el estante de paletas 10 horas
Nº de trabajadores = 5
32 Número máximo de tarimas que el área de lote 7 puede contener Diez palets
33 Tiempo total tomado desde el Área 10 hasta el espacio frente a las 65 h hasta llegar al ascensor
horas del elevador
34 Nº de carretillas elevadoras para llevar palets desde el Área 10 hasta 2
la zona de espera
35 Número de montacargas para entregar desde el área de 3
espera hasta el área frente al elevador comercial
36 Nº de trabajadores que asisten en este proceso 1 (excluyendo personal de montacargas) Tabla 6.
Figura 7.
Estado actual DES
modelo (Fase I)
recepción y transporte de productos terminados al Nivel III para el control de calidad posterior a la producción.
Todo esto ha sido modelado en una secuencia lógica que se muestra enFiguras 8y9. Los pasos de modelado de
procesos específicos mencionados en todas las fases de estado actual anteriores necesitaban codificación Java
como se menciona enApéndice(Cuadro A1).
Figura 8.
Estado actual DES
modelo (Fase II)
JM2
Figura 9.
Estado actual DES
modelo (Fase III)
Figura 10.
Estado actual 2D
visualización
Depósito
cadena de suministro
Figura 11.
Estado actual 3D
visualización
1 Xjxm xdj
MAPA¼ - - 100 (1)
norte xdd
x m =datos del resultado de la simulación,xdd =Información actual,norte =numero de datos
Si el resultado es inferior al 5%, se considera muy exacto y si está entre el 5% y el 10%, es
exacto y mayor que eso no es exacto. Todo el sistema se divide en diferentes niveles y se
comparan los datos en tiempo real y los resultados de la simulación. La prueba MAPE para
este estudio se muestra enTabla 7.
9. Resultados
9.1 Modelo de simulación de eventos discretos de estado futuro
Muchas operaciones de fabricación se crean y conciben sobre la base de varias suposiciones
demasiado simplistas, que impiden que las autoridades de fabricación reconozcan la
reparto y el último
2 Número máximo de contenedores cargados en un palet Tiempo necesario 5
3 para la descarga por conjunto de camiones (conjunto de dos camiones) 52 minutos
Nodo 4
15 Tiempo necesario para el almacenamiento en el Área 6 a través del Nodo 5 7,5 horas
Número de trabajadores = 3
dieciséis Estantería para palets (información) Pasillo único (cuatro niveles)
Tamaño estándar de la industria de longitud (8 m de longitud y
1,5 m de ancho)
17 Duración del proceso de QA/QC 60 h (N.º de trabajadores que inspeccionan el proceso de
QA/QC = 2)
Figura 12.
Estado futuro DES
modelo (Fase I)
El gráfico CDF proporciona un valor del nivel de inventario que es igual o menor que el nivel de
inventario predefinido real en cada una de las áreas de la zona en forma de una función de
distribución. Además, el flujo o número de tarimas que entran en cada zona dada a la vez se
tabula en otro gráfico de líneas escalonadas con el número de tarimas enX-eje y número de horas
de trabajo o tiempo empleado en cada zona eny-eje que se muestra claramente enFigura 19
(estado actual) yFigura 20(estado futuro). La diferencia en la reducción del tiempo de entrega se
puede ver fácilmente comparando ambos.
10. Discusión
Hay un aumento significativo en el porcentaje de palets que todas las zonas están presenciando con
respecto al tiempo. La simulación del estado futuro muestra un aumento del 8 % al 15 % en el porcentaje
de procesamiento de tarimas en las zonas 4, 5, 6 y el nivel III.Tabla 9ha sido tabulado con la ayuda de
Figuras 11y18.Tabla 10muestra el porcentaje de utilización del trabajador y del montacargas en
diferentes niveles del sistema general. El porcentaje de utilización de carretillas elevadoras se ha
reducido en muchos casos para reducir los retrasos de tiempo.
La reducción del tiempo de entrega entre dos estados fue posible gracias a la eliminación del tiempo de
espera en el área de la Zona 7, el muelle de descarga, las Estaciones 1 y 2, QA/QC, almacenamiento de Nivel III y
transporte a producción.Tabla 11representa el porcentaje detallado de reducción del tiempo de entrega en cada
nivel.
Figura 13.
Estado futuro DES
modelo (Fase II)
JM2
Figura 14.
Estado futuro DES
modelo (Fase III)
Depósito
cadena de suministro
Figura 15.
Estado futuro 2D
visualización
Figura 16.
Estado futuro 3D
visualización
Figura 17.
Estado actual
ventana de parámetros
Depósito
cadena de suministro
Figura 18.
Estado futuro
ventana de parámetros
JM2
Figura 19.
Estado actual
simulacion grafica
resultados
Figura 20.
Estado futuro
simulacion grafica
resultados
cadena que son entrantes. Las cadenas de suministro farmacéuticas son más propensas a los riesgos que sus
contrapartes y se toman precauciones cruciales para el transporte seguro tanto de entrada como de salida (
Goshorn y Usswald, 2014).
Además, las empresas farmacéuticas se ven obligadas a cambiar sus estrategias de vez en cuando
debido a las variaciones en la economía de mercado. Predecir el volumen correcto es un gran desafío
debido a la demanda incesante y fluctuante y se toman más medidas de evaluación de riesgos en puntos
críticos (El Mokriniet al.,2016). Los viejos métodos logísticos son menos oferta
responde a la cadena y se satura y se vuelve incapaz de enfrentar nuevos desafíos (El Mokriniet al.,2018). Depósito
Y el flujo de información inadecuado puede obstaculizar el rápido crecimiento de la cadena de
cadena de suministro
suministro. Por otro lado, manejar complejidades es mucho más difícil debido a las regulaciones sociales
y gubernamentales. Los sistemas de información integrados pueden manejar estos inconvenientes y
otros posibles desafíos (Yousefi y Alibabaei, 2015). En algunos casos, las tecnologías de Auto-ID pueden
ofrecer funciones de seguridad y protección de zonas de riesgo (papelet al., 2016).
El VSM asistido por DES puede ayudar a mejorar las medidas de rendimiento Lean que representan el
resultado en forma de tiempo de cola, tiempo de producción, porcentaje de utilización de instalaciones y
máquinas y rendimiento de los trabajadores. Esto, a su vez, ayudará a la gerencia a tomar mejores
decisiones y este enfoque también se puede usar para construir más simulaciones después de Lean.
Tabla 9.
IV Transporte desde el Nivel – – – – – – 55 67 Porcentaje de palet
III y Zona de Espera 7 y
transporte en rack/
Transporte hasta
almacenamiento al final de
Producción
varios niveles en el interior
porcentaje porcentaje
Nivel PT (%) FT (%) PT (%) FT (%)
I 40 61 60 39
II 23 31 77 69
Tabla 10.
tercero 34 72 66 28
IV 31 67 69 33 trabajador, y, carretilla elevadora
rendimiento/
Notas:PT, estado actual; FT, estado futuro porcentaje
Fases de simulación Estado actual (min) Estado futuro (min) Reducción del tiempo de entrega (%)
12. Conclusión
La comparación del VSM del estado futuro y el VSM del estado actual se realizó para adquirir el
porcentaje de aumento y disminución del tiempo de entrega. En la línea de tiempo de VSM, el
tiempo de entrega de producción y el tiempo total del proceso se han reducido en un 51,43 % y un
44,41 %, respectivamente. El porcentaje de valor agregado aumentó de 41,36% a 70,57% y el
porcentaje de no valor agregado disminuyó de 61,28% a 29,42%. A partir de la salida de la
simulación DES, el estado futuro mostró un aumento del 8 % al 15 % en el valor del porcentaje de
procesamiento de palés. El rendimiento promedio de los trabajadores aumentó en un 26,23 % y el
uso de montacargas se redujo en un 25 %. Las métricas de rendimiento del almacén, como la
eficiencia de recepción, la eficiencia de almacenamiento y la eficiencia de almacenamiento para la
Fase I a nivel del suelo, se incrementaron en un 44, 24 y 67 %, respectivamente. El tiempo de
proceso total acumulado se redujo en 19.
La reducción promedio del tiempo de entrega en el sistema general es del 40,31%. Los resultados de la
validación MAPE segúnDjamali (2018)muestran que el modelo DES del estado actual tiene una precisión del
3,22% con respecto al del sistema actual o real, que se encuentra bajo normas aceptables. Las simulaciones DES
del estado futuro se utilizaron para presenciar el porcentaje de reducción de tiempo en varios niveles del
almacén. Los resultados de la simulación muestran imágenes en 2D y 3D para comprender el movimiento del
inventario y los retrasos en el almacenamiento en eventos de tiempo discreto. Todos los supuestos y resultados
de Lean fueron validados por el responsable de la cadena de suministro de la empresa. Este estudio demostró
ser muy útil para que los gerentes entiendan su almacén incluso mucho mejor para tomar mejores decisiones.
Referencias
Abideen, A. y Mohamad, FB (2020), “Reducción del tiempo de entrega de la cadena de suministro en una industria farmacéutica
almacén de producción – un estudio de caso”,Revista internacional de marketing farmacéutico y
sanitario,vol. 14 No. 1, doi:10.1108/IJPHM-02-2019-0005.
Afazov, SM (2013), “Modelado y simulación de cadenas de procesos de fabricación”,Revista CIRP de
Ciencia y Tecnología de Manufactura,vol. 6 núm. 1, págs. 70-77.
Alrabghi, A. y Tiwari, A. (2016), “Un enfoque novedoso para modelar sistemas de mantenimiento complejos
usando simulación de eventos discretos”,Ingeniería de Confiabilidad y Seguridad de Sistemas,vol. 154, págs. 160-170.
Aqlan, F., Lam, SS y Ramakrishnan, S. (2014), “Un estudio integrado de optimización de simulación para
consolidar las líneas de producción en un entorno de producción de configuración bajo pedido”,Revista
Internacional de Economía de la Producción,vol. 148, págs. 51-61.
Chan, DSK (2003), “Modelado de simulación en análisis de fabricación virtual para productos integrados
y diseño de procesos”,Automatización de montaje,vol. 23 núm. 1, págs. 69-74.
Deif, A. (2010), “Simulación por computadora para administrar sistemas de manufactura esbelta”, en2010 2do
Congreso Internacional de Ingeniería y Tecnología Informática. IEEE,págs. V6-677.
Ding, B. (2018), “Industria farmacéutica 4.0: revisión de literatura y oportunidades de investigación en
cadenas de suministro farmacéuticas”,Seguridad de Procesos y Protección del Medio Ambiente,vol. 119, págs.
115-130.
Djamali, RA (2018), “Invención del sistema dinámico en el desarrollo de la agroindustria descascarada para
apoyando la autonomía alimentaria en Papúa”,Revista de Investigación Científica Básica Aplicada,vol. 8 N° 1, págs.
6-66.
Dolgui, A., Ivanov, D. y Sokolov, B. (2018), “Efecto dominó en la cadena de suministro: un análisis y reciente
literatura",Revista internacional de investigación de producción,vol. 56 núms. 1/2, págs. 414-430.
El Mokrini, A., Kafa, N., Dafaoui, E., El Mhamedi, A. and Berrado, A. (2016), “Evaluating outsourcing
riesgos en la cadena de suministro farmacéutica: caso de un enfoque multicriterio combinado fuzzy AHP-
PROMETHEE”,Documentos en línea de la IFAC,vol. 49 núm. 28, págs. 114-119.
ElNimr, A., Fagiar, M. y Mohamed, Y. (2016), “Integración bidireccional de visualización 3D y visualización discreta
simulación de eventos para modelar el movimiento de grúas móviles bajo un diseño de sitio que cambia dinámicamente”,
Automatización en la Construcción,vol. 68, págs. 235-248.
Erikshammar, J., Lu, W., Stehn, L. y Olofsson, T. (2013), “Valor mejorado de simulación de eventos discretos
Mapeo de corrientes: un estudio de caso de construcción industrializada”,diario de construcción esbelta,vol. 10,
págs. 47-65.
Erol, S., Jäger, A., Hold, P., Ott, K. y Sihn, W. (2016), “Industria tangible 4.0: una estrategia basada en escenarios
enfoque de aprendizaje para el futuro de la producción”,procedimiento cirp,vol. 54, págs. 13-18.
Gonz-alez, V. and Echaveguren, T. (2012), “Exploring the ambiental modeling of road construction
operaciones usando simulación de eventos discretos”,Automatización en la Construcción,vol. 24, págs. 100-110.
Hallam, CR (2010), “Técnicas de gestión de la cadena de suministro ajustada para sistemas aeroespaciales complejos: uso
simulación de eventos discretos para mitigar el costo programático y el riesgo de cronograma”, enPICMET 2010
Gestión de Tecnología para el Crecimiento Económico Global, IEEE,págs. 1-9.
Jackson, I. y Tolujevs, J. (2019), “El enfoque de eventos discretos para simular multiproductos estocásticos (Q, r) Depósito
sistemas de control de inventarios”,Modelado de Información y Bases de Conocimiento XXX,vol. 312, págs. 32-39.
cadena de suministro
Jahangirian, M., Eldabi, T., Naseer, A., Stergioulas, LK y Young, T. (2010), “Simulación en
manufactura y negocios: una revisión”,Revista europea de investigación operativa,vol. 203 núm. 1,
págs. 1-13.
Jain, V., Benyoucef, L. y Bennett, D. (2008), “Gestión de redes de cadenas de suministro largas: algunos
problemas y desafíos”,Revista de gestión de tecnología de fabricación,vol. 19 núm. 4.
Jeong, H., Park, T., Kim, DH y Cho, S. (2018), “Análisis de interrupción de la cadena de suministro en el
sistema usando simulación de eventos discretos”,cartas exprés ICIC,vol. 12 núm. 5, págs. 479-485.
Kouki, M., Cardin, O., Castagna, P. y Cornardeau, C. (2017), “Administración de datos de entrada para
modelado de simulación de eventos discretos”,Revista de producción más limpia,vol. 141, págs. 194-207.
Kumar, R. y Kumar Singh, R. (2017), “Problemas de coordinación y capacidad de respuesta en las cadenas de suministro de las pymes:
una revisión",Evaluación comparativa: una revista internacional,vol. 24 núm. 3, págs. 635-650.
McDonald, T., Van Aken, E. y Rentes, A. (2002), “Uso de la simulación para mejorar el flujo de valor
mapeo: una aplicación de caso de fabricación”,Revista internacional de investigación y aplicaciones
logísticas,vol. 5 núm. 2, págs. 213-232.
Martichenko, R. y Von Grabe, K. (2010),Creación de un flujo de cumplimiento Lean: replanteamiento de su suministro
Cadena y Logística para Crear el Máximo Valor al Mínimo Costo Total,Instituto Lean
Enterprise.
Melnyk, SA Narasimhan, R. y DeCampos, HA (2014), Diseño de la cadena de suministro: problemas, desafíos,
marcos y soluciones.
Miclo, R., Lauras, M., Fontanili, F., Lamothe, J. y Melnyk, SA (2019), “MRP impulsado por la demanda:
evaluación de un nuevo enfoque para la gestión de materiales”,Revista internacional de investigación de
producción,vol. 57 núm. 1, págs. 166-181.
Morrice, DJ, Valdez, RA, Chida, JP y Eido, M. (2005), diciembre. “Simulación de eventos discretos en
planificación de la cadena de suministro y control de inventario en freescale semiconductor inc”, enActas de la
Conferencia de simulación de invierno, 2005, IEEE.
Pinho, TM, Coelho, JP, Moreira, AP y Boaventura-Cunha, J. (2016), “Modelling a biomasa supply
cadena a través de la simulación de eventos discretos”,Documentos en línea de la IFAC,vol. 49 núm. 2, págs. 84-89.
Qi, Q. y Tao, F. (2018), “Gemelo digital y big data hacia la fabricación inteligente y la industria 4.0: 360
comparación de grados”,acceso iee,vol. 6, págs. 3585-3593.
Schlüter, FF, Hetterscheid, E. y Henke, M. (2018), “Un enfoque de evaluación basado en simulación para
escenarios de digitalización en la gestión inteligente de riesgos de la cadena de suministro”,Revista de Ingeniería
Industrial y Ciencias de la Gestión,vol. 2018 N° 1, págs. 179-206.
Schmidtke, D., Heiser, U. y Hinrichsen, O. (2014), “Un mapeo de flujo de valor mejorado con simulación
enfoque para la optimización de entornos de producción complejos”,Revista internacional de
investigación de producción,vol. 52 núm. 20, págs. 6146-6160.
Schniederjans, M., Schniederjans, D. y Cao, RQ (2018),Temas en Lean Supply Chain Management,
Científico Mundial.
Staudt, FH, Alpan, G., Mascolo, D., M. y Rodriguez, CMT (2015), “Rendimiento de almacén
medición: una revisión de la literatura”,Revista internacional de investigación de producción,vol. 53 núm. 18, págs.
5524-5544.
Suárez-Barraza, MF, Miguel-Dávila, J.-Á. y Vasquez-García, CF (2016), “Flujo de valor de la cadena de suministro
mapeo: una nueva herramienta de gestión de operaciones”,Revista internacional de gestión de calidad y
confiabilidad,vol. 33 núm. 4, págs. 518-534.
Thiede, S., Schönemann, M., Kurle, D. y Herrmann, C. (2016), “Simulación multinivel en Depósito
empresas manufactureras: el caso del nexo agua-energía”,Revista de producción más limpia, vol.
cadena de suministro
139, págs. 1118-1127.
Turner, N., Aitken, J. y Bozarth, C. (2018), “Un marco para comprender las respuestas gerenciales a
complejidad de la cadena de suministro”,Revista internacional de gestión de operaciones y producción, vol. 38
núm. 6, págs. 1433-1466.
Umeda, S. (2007), “La simulación de la cadena de suministro integró el modelado de eventos discretos con dinámica de sistemas
modelado",IFIP Federación Internacional de Procesamiento de la Información,págs. 329-336.
von Bary, N., Rebentisch, E. y Becerril, L. (2018), “Análisis de valor basado en simulación de
complejidad en proyectos de desarrollo de productos”, enConferencia Internacional de Dependencia y Modelado
de Estructuras (DSM),pag. 35.
Windisch, J., Röser, D., Mola-Yudego, B., Sikanen, L. and Asikainen, A. (2013), “Business process
mapeo y simulación de eventos discretos de dos cadenas de suministro de biomasa forestal”,Biomasa y
Bioenergía,vol. 56, págs. 370-381.
Yousefi, N. y Alibabaei, A. (2015), “Flujo de información en la cadena de suministro farmacéutica”,iraní
Revista de investigación farmacéutica: Ijpr,vol. 14 núm. 4, pág. 1299.
Zahraee, SM, Golroudbary, SR, Hashemi, A., Afshar, J. y Haghighi, M. (2014), “Simulación de
línea de producción de fabricación basada en Arena”, enInvestigación de materiales avanzados,vol. 933, págs.
744-748.
Zupan, H. y Herakovic, N. (2015), “Equilibrio de la línea de producción con simulación de eventos discretos: un caso
estudiar",Documentos en línea de la IFAC,vol. 48 N° 3, págs. 2305-2311.
Otras lecturas
Baril, C., Gascon, V., Miller, J. y Côté, N. (2016), “Uso de una simulación de eventos discretos en un evento kaizen: un
estudio de caso en salud”,Revista europea de investigación operativa,vol. 249 núm. 1, págs. 327-339.
Caro, JJ, Möller, J. y Getsios, D. (2010), “Simulación de eventos discretos: la técnica preferida para la salud
evaluaciones económicas?”,Valor en Salud,vol. 13 núm. 8, págs. 1056-1060.
Günal, MM y Pidd, M. (2010), “Simulación de eventos discretos para el modelado de desempeño en el cuidado de la salud: una
revisión de la literatura”,diario de simulación,vol. 4 N° 1, págs. 42-51.
Hamrock, E., Paige, K., Parks, J., Scheulen, J. y Levin, S. (2013), “Simulación de eventos discretos para
organizaciones sanitarias: una herramienta para la toma de decisiones”,Revista de Gestión de la Salud. LWW, vol.
58 núm. 2, págs. 110-124.
Rutberg, MH, Wenczel, S., Devaney, J., Goldlust, EJ y Day, TE (2015), “Incorporación de
simulación de eventos en los esfuerzos de mejora de la calidad en los sistemas de atención de la salud”,revista americana de
calidad médica,vol. 30 N° 1, págs. 31-35.
JM2 Apéndice
en las estaciones 1 y 2
6 Liberación (lote de palets) s= agente.tipo;
7 Estación de servicio (a la salida) tiempoOrderCheckingReceipt = tiempo();
tiempoTotal = tiempo();
8 Adquisición de tarimas del sistema de estanterías agent.node = palletRackMap.get(self.getPalletRack
(fila));
9 Retardo de la zona 4 (QA/QC) tiempoQaQc = tiempo();
tiempoTotal = tiempo();
10 Zona 4, Retraso 2 if (espera2.tamaño() == 10) espera2.freeAll();
11 Retraso 3 if (esperar3.tamaño() == 10) esperar3.freeAll();
12 Nivel 3 (a la entrada) A agente.visible = falso;
13 la salida agente.visible = verdadero;
tiempoAlmacenamientoTemporal =
tiempoMoverFinalizarBienes = tiempo();
tiempoTotal = tiempo();
if (CuentaBienesTerminados == 24) terminarSimulación();
dieciséis Retardo zona espera 9 (a la entrada) entrada de fábricaþþ;
if (factoryInput == 30)
{ wait5.freeAll();
}
if (factoryInput == 40)
{ wait6.freeAll();
}
a la salida entrada de toda la fábricaþþ;
if (allfactoryInput == 50)
{ create_FactoryStart(factoryDelay, TimeUnits.HOUR); }
Para obtener instrucciones sobre cómo solicitar reimpresiones de este artículo, visite
nuestro sitio web: www.emeraldgrouppublishing.com/licensing/reprints.htm O
contáctenos para más detalles:permisos@emeraldinsight.com