Artículo VSM - En.es

Traducido del inglés al español - www.onlinedoctranslator.
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
Mejorar el rendimiento de un Depósito

cadena de suministro
Cadena de suministro del almacén

farmacéutico de Malasia mediante la
integración del mapeo del flujo de valor
y simulación de eventos discretos Recibido el 11 de julio de 2019
Revisado el 2 de octubre de 2019
26 marzo 2020
Ahmed AbideenyFazeeda Binti Mohamad Aceptado el 8 de abril de 2020
Facultad de Gestión Industrial, Universiti Malaysia Pahang,

Gambang, Malasia
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
suministro, Reducción del tiempo de entrega, Anylogic
Tipo de papelCaso de estudio
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
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.
2.2 Integración de Lean (mapeo de flujo de valor) con simulaciones

La visualización de cualquier sistema Lean dado en forma de simulación virtual es necesaria antes y
después de la implementación (Gurumurthy y Kodali, 2011). El movimiento dinámico de los inventarios
podría modelarse frente a diferentes demandas de producción estocástica después de la adopción de
Lean (Deif, 2010). La eficiencia de los sistemas de producción por lotes se puede mejorar mediante el
enfoque de simulaciones integradas de VSM al modelar de manera efectiva todas las alternativas de
mejora y optimizar el nivel de cuellos de botella (Parthanadee y Buddhakulsomsiri, 2014). VSM se adopta
numerosas veces para lograr un estado operativo Lean en entornos de producción. Sin embargo, existen
importantes limitaciones al aplicar simplemente el enfoque de "lápiz y papel" en entornos complejos. La
simulación es la herramienta que puede desarrollar un análisis de compensación eficiente cuando se
combina con VSM (Schmidtkeet al.,2014).
3. Organización del caso y descripción del sistema

La organización farmacéutica a la que se abordó para este estudio es una de las principales empresas farmacéuticas de Malasia que proporciona un acceso más fácil a medicamentos
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
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
respuesta (RSM) colección y Scopus
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
modificado detallado adaptado para este estudio se da enFigura 2.

Depósito
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.
5. Mapeo del estado actual

El estado actual comienza con la descarga, recepción de pedidos y clasificación de materias primas a nivel del
suelo. Después del extenuante proceso de descarga, ingresa a la bahía de clasificación donde se encuentran la
Estación 1 y la Estación 2 para clasificar y enviar el recibo de pedido a los proveedores y actualizar el sistema de
gestión del almacén. El estado actual se construye mediante la combinación de cinco procesos principales, como
"recepción/descarga de camiones de proveedores", "recepción/clasificación de pedidos", "división de la carga/
transporte al estante de cuarentena", "proceso de control de calidad/control de calidad/transporte al nivel III" y
“problema de producción”. El tiempo de proceso es el tiempo que tarda un proceso y el tiempo de entrega es el
tiempo de demora entre dos procesos. El tiempo de proceso para cada proceso se calculó junto con el tiempo de
valor agregado y sin valor agregado.
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.
6. Mapeo del estado futuro

Después de una evaluación en profundidad del estado actual y la construcción de un diagrama de espina de pescado, se
sugirieron varios principios y estrategias Lean en el mapa de flujo de valor del estado futuro. Se propuso un cambio en el
diseño de las instalaciones en el extremo de descarga y recepción a lo largo de "5S" para reducir el tiempo y estandarizar
esa área del almacén. Se propuso una red de extracción basada en Kanban en la división de emisión de almacenamiento
temporal de Nivel III para evitar el exceso de material de reserva en el Nivel III y evitar el movimiento de ingredientes
activos vulnerables hacia la unidad de producción sin una llamada de producción adecuada. Finalmente, se propuso que el
proceso de emisión de producción se sometiera a un cambio importante en el diseño de las instalaciones para reducir el
exceso de tiempo de entrega y la acumulación de búfer en el área 7 de la zona de espera de lotes. El porcentaje de valor
agregado aumentó del 41,36 % al 70,57 %.
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
7. Desarrollo de modelos de simulación de eventos discretos

Las actividades del almacén se dividieron en eventos discretos separados o subprocesos para ayudar a construir
un modelo de simulación de eventos discretos. El modelo DES se desarrolló utilizando el software “Anylogic”.
7.1 Software Anylogic

Anylogic es un software de modelado de métodos múltiples con funciones potentes que podrían ayudar a crear
un modelo DES con facilidad. Estos modelos se utilizan principalmente a nivel industrial para una mejor toma de
decisiones y planificación de la producción. Actualmente, el software tiene seis bibliotecas diferentes, a saber,
biblioteca de modelado de procesos, peatones, tráfico rodado, ferrocarril, fluidos y manejo de materiales. Estas
bibliotecas se utilizan de acuerdo a su alcance y necesidad. En este estudio, la biblioteca de modelado de
procesos se utilizó para crear una lógica adecuada al modelo respaldado por la biblioteca de manejo de
materiales para agregar recursos al modelo de almacén.
La biblioteca de modelado de procesos en Anylogic permite a los analistas industriales y académicos modelar una
operación a un nivel detallado para facilitar las simulaciones de flujo de trabajo empresarial y la dinámica de procesos para
una mejor toma de decisiones. Los modelos de proceso permiten a los usuarios experimentar sistemas del mundo real en
términos de procesos informáticos que incluyen los respectivos tiempos de espera,
Total
Valor- Sin valor- Total producción
Proceso agregado tiempo añadido proceso tiempo de espera
Proceso tiempo (min) tiempo (min) (min) tiempo (min) (min)
Recepción/descarga de camiones de proveedores 210 130 80 22,650 2,265

Recepción/clasificación de pedidos 1200 540 660
División de carga/transporte a la zona de
cuarentena (QA/QC Zona 4) 3,120 1,680 1,440
Tabla 2.
Proceso QA/QC y transporte al Nivel III para
Estado actual
almacenamiento temporal 15,600 6,000 9,600
Emisión a producción 3,120 1,020 2100 parámetros
Parámetro de tiempo Ecuación valor/resultado

- -
dNo de horas de trabajo - No de Turnos - 60Þ 6:5 - 1 - 60
tiempo tactico ¼ ¼ 28 minutos
dDemanda=Mes - Número de días laborables en un mesÞ 350 - 25
Tiempo total de proceso (TPT) ¼TP1þTP2þTP3þ . . .TPn ¼TPL 22.650 minutos
Lead de producción total 1þTPL2þ . . . . . .TPLn 2.265 minutos
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
Valor- sin valor Total Producción

Proceso agregado agregado proceso tiempo de espera
Proceso tiempo (min) tiempo (min) tiempo (min) tiempo (min) (min)
Recepción/descarga de camiones de proveedores 110 95 15 12,590 1,100

Recepción/clasificación de pedidos 300 210 90
División de carga/transporte a plataforma de
Tabla 4.
cuarentena 900 750 150
Estado futuro
Verificación QA/QC y transporte al Nivel III 10,800 7,500 3,300
parámetros Emisión a producción 480 330 150
Parámetro de tiempo Ecuación valor/resultado
Tiempo total de proceso (TPT) Tiempo ¼TP1þTP2þTP3þ . . .TPn ¼TPL 12.590 minutos
total de producción (TPL) 1þTPL2þ . . . . . .TPLn 1100 minutos
PAG
1 - 100
Porcentaje de valor agregado (VA%) ¼ IVA 70,57%
Tabla 5. TPT
norte
Estado futuro PAG

1 - 100
calculos Porcentaje total sin valor agregado (NA%) ¼ NVA 29,42%
TPT
norte
colas, recursos materiales y acciones que influyen en el proceso para mejorar las capacidades de animación. Depósito
Algunos de los modelos de proceso seleccionados y los símbolos de la biblioteca de manejo de materiales se dan
enFigura 6.
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.
7.3 Modelo de proceso de estado actual (Fase I)

La primera fase consta de un conjunto de variables y parámetros para modelar los procesos (almacenamiento/
transporte), demoras y tiempo de espera desde la descarga hasta el almacenamiento en las Zonas 4, 5 y 6. Se
colocaron bloques de modelado de procesos relevantes y sus parámetros para controlar el número de camiones,
carga de camión, tiempo de descarga y demoras por clasificación de tarimas en lotes en las Estaciones 1 y 2. El
tiempo de espera y demoras en el servicio para transportar y almacenar materia prima en las Zonas 4, 5 y 6, Zona
4 al Nivel III , el nivel III a la zona de espera de lotes 7 y el envío a la bahía de producción 9 están incluidos en el
modelo. Esto se muestra claramente enFigura 7.
7.4 Estado actual (Fases II y III)

En la siguiente etapa, se modelan los procesos de almacenamiento y selección de estanterías que ocurren en las
Zonas 4, 5 y 6, incluido el tiempo de retardo de QA/QC en la Zona 4. Después de esto, se incluyen los modelos del
proceso de selección de estanterías seguido del movimiento de tarimas. hacia la zona de espera 7 que conduce a
la bahía de producción 9. Aunque los VSM no han capturado el proceso final de envío de productos terminados
de regreso al almacén, se ha incluido en el modelo DES para visualizar el
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
1 Entrega de materia prima Nº de camiones – 5

2 Materias primas totales por pedido (200 botellas para el cumplimiento de la demanda de dos meses)
þ50 Cajas cerradas de materia prima de empaque
3 Número total de contenedores por 50 (50 - 4 camiones = 200 contenedores)

4 camión Quinto camión (envío separado) Entrega de material de embalaje (50 cajas) 25
5 Peso bruto de 1 contenedor kg
6 Lapso de tiempo entre cada conjunto de camiones de 30 minutos
7 reparto Número de contenedores cargados en un palet 5

8 Tiempo necesario para la descarga 90 minutos
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
No. de trabajadores utilizados para la descarga (caminando

o de pie en el lugar = 3
Trabajadores totales = 5
11 estación 1 Recepción de pedidos y comprobación de etiquetas (manual)
12 estación 2 Clasificación de pedidos (manual)

13 Movimiento de material Estación 1 a Estación 2 No. carretilla elevadora = 1
14 de trabajadores en Estación 1 1 trabajador (trabajando en la estación) 2

15 No. de trabajadores en la Estación 2 Tiempo
dieciséis empleado en la Estación 1 (retraso) Tiempo 10 horas
17 empleado en la Estación 2 (retraso) 10 horasþ75 minutos
18 Estación 2 a (QA/QC – Zona área 4, Zona áreas 5 y 3 montacargas
6) movimiento de tarimas
19 Tiempo necesario para el almacenamiento en el Área 4 (QA/QC) Tiempo 50 horas
20 necesario para el almacenamiento en el Área 5 15 horas
21 Tiempo empleado para el almacenamiento en el Área 6 (todo el 11 horas
tiempo empleado en S.No. 19, 20 y 21 también se incluyen en alguna

parte del marco de tiempo de descarga)
22 estantería de paletas Pasillo único (cuatro niveles)
Tamaño estándar de la industria de longitud (8 m de longitud y 1,5 m
de ancho)
23 Llenado de rack de paletización (recurso utilizado) Montacargas = 3
24 Movimiento de material de QA/QC al Nivel III Tiempo carretillas elevadoras
necesario para el proceso de QA/QC (retraso en el área de 80 horas
Zona 4) No. de inspectores para inspección = 3

25 Tiempo necesario para viajar desde QA/QC hasta el Nivel III 50 h
26 Modo de transporte Dos carretillas elevadoras (carro transpaleta para mover dentro de
ascensores)
No. de trabajadores en este proceso = 2

27 Número de contenedores enviados o paletas enviadas al Nivel III 150 contenedores (30 Palés de 5 contenedores cada uno)
Tabla 6.
Datos necesarios para
28 Tiempo de espera de Palets en Nivel III 120 horas
estado actual DES
modelo (descarga 29 Tiempo de envío de los palets desde el Nivel III hasta la 22 h (incluido el tiempo de viaje del ascensor)
y transporte a zona de espera de lotes
Zonas 4, 5 y 6 30 Las paletas de la Zona 6 y la Zona 5 también se unen a este proceso Tiempo necesario para este proceso = 10 h
(estado actual) y después de que los 150 artículos del Nivel III se hayan enviado a la
de la Zona 4 al Nivel bahía de Producción 9
III) (continuado)
Depósito
S.no Eventos discretos Procesar informacion
31 Tiempo necesario para enviar paletas desde el estante de paletas 10 horas
de las áreas 5 y 6 al área de lote 7

Modo de transporte para los Pasos 30 y 31 Carretilla elevadora = 3
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)
Figuras 10y11mostrar la visualización 2D y 3D de la configuración general considerada para este

estudio. Los elementos de marcado de espacio, la secuencia de modelado de procesos y el uso de
variables para construir los modelos DES se ven en formatos 2D y 3D. Las líneas de color azul claro
denotan el pavimento o camino de los recursos que se utilizan en el modelo y las cajas
rectangulares grises son los racks selectivos que se utilizan para el almacenamiento de materias
primas. Y en la parte inferior deFigura 10para presenciar el cambio de tiempo en cada etapa de
VSM de una manera dinámica.
Figura 10.
Estado actual 2D
visualización
Depósito
Figura 11.
Estado actual 3D
visualización
8. Validación del modelo (estado actual)

De acuerdo aDjamali (2018), el proceso de validación en el modelado de sistemas dinámicos se puede
medir utilizando una prueba de error porcentual absoluto medio (MAPE) donde el comportamiento del
modelado (simulación de datos) y el sistema real (datos reales) se comparan entre sí, es decir, el
resultado estimado de la simulación y Información actual. Por supuesto, los modelos no pueden reflejar
exactamente el sistema real, pero pueden ser equivalentes al sistema en tiempo real y caer dentro de un
cierto rango de aproximación. MAPE fue ejecutado con la ayuda deecuación (1).
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
(xd) VSM (xm) DES

periodo de tiempo periodo de tiempo MAPA
S.no. Proceso (min) (min) (%)
1 Recepción, descarga de artículos Transporte a las Zonas 4, 5 1,560 1,485 4.8

2 y 6 y almacenamiento en estanterías 4,626 4,620 0.1
3 QA/QC y transporte al Nivel III y tiempo de 16,200 15,000 7.4

espera en las Zonas 5 y 6 Tabla 7.
4 Transporte desde Nivel III y Zona de Espera 7 3,100 3,120 0.6 Estado actual
y Transporte a Producción validación
JM2 incidencia y riesgo que pueden experimentar (Alrabghi y Tiwari, 2016). La visualización dinámica del
mapa futuro eliminaría todos los vacíos y preguntas presentes en la mente de un gerente Lean,
particularmente en situaciones de cadenas de suministro donde los procedimientos pueden ser muy
aleatorios. Se sugirieron y modelaron algunas de las técnicas y métodos que reducen el tiempo, como la
identificación de imágenes por radiofrecuencia (RFID), las luces Andon y los sensores de inteligencia
artificial (IA) y los transportadores inteligentes, para reducir el uso de recursos, los retrasos y los búferes.
Las suposiciones de tiempo tentativas solo se tuvieron en cuenta en lugar de modelar la funcionalidad
completa de todos los bloques de recursos o procesos como se mencionó anteriormente debido a varias
limitaciones.Tabla 8tabula algunos de los datos centrales seleccionados utilizados para construir el
modelo DES del estado futuro (Fase I). Todo el modelo se divide en tres fases para una mejor explicación.
9.2 Modelado de procesos de estado futuro (Fase I)

La recepción, clasificación y procesamiento de materia prima en las Estaciones 1 y 2 denotan la Fase I. El
proceso inicial de descarga se agiliza asumiendo que existen otras dos puertas especialmente creadas
para el cross-docking de productos terminados. Por lo tanto, el tiempo de espera del camión se puede
ver reducido considerablemente. El proceso de descarga es atendido por un menor número de
trabajadores en esta ocasión en las Estaciones 1 y 2 donde se supone que se instalarán sensores AI
integrados con RFID con luces de pantalla Andon para agilizar los procedimientos de clasificación de
materia prima y luego transportarlos a las Zonas 4, 5 y 6. Se incluye una configuración de diseño de
transportador en la secuencia para el transporte de materia prima a las Zonas 4, 5 y 6 dividiéndolas por
igual. La duración del viaje de la carretilla elevadora y los retrasos de los trabajadores se erradican en
gran medida en este proceso. Las variables de proceso para la descarga de camiones,Figura 12.
9.3 Modelo de simulación de eventos discretos de estado futuro (Fases II y III)

En la segunda fase, el sistema de transportadores está diseñado de tal manera que las materias primas
necesarias para almacenar en la Zona 4 (paletas con contenedores cilíndricos) se separan de los demás
miembros (paletas con cajas azules) con la ayuda de una plataforma giratoria que va hacia la Zona 6.
Posteriormente, después de dejar caer todos los contenedores pertenecientes a la Zona 4, el transportador
avanza hacia la Zona 5. En este modelo, se evita por completo la zona de espera de lotes 7 y se diseña una ruta
especial para que las paletas lleguen a la bahía de Producción 9 y la misma ruta se usa para recibir productos
terminados de la zona de despacho de lotes 10. Todos estos modelos de proceso con una secuencia lógica se
muestran enFiguras 13y14. Los pasos de modelado de procesos específicos mencionados en todas las fases de
estado futuro también usan la codificación Java respectiva como se menciona enApéndice Tabla A1.
Los tres montacargas ahora están ubicados estratégicamente fuera del área de la Zona 4 para recoger las paletas de
los transportadores para moverlas a los estantes y viceversa. Los transportadores se elevan a cierto nivel para permitir que
las carretillas elevadoras y los trabajadores se muevan libremente debajo de ellos. Un modelo 2D y 3D del estado futuro se
muestra enFiguras 15ydieciséis.
9.4 Salida de simulación

La ventana de simulación inicial fue diseñada para representarFigura 16yFigura 17que muestra
todos los parámetros importantes y sus valores en la primera pantalla antes de transmitir la
simulación principal. La ventana final muestra una simulación 2D y 3D junto con algunos gráficos
e histogramas. Además de eso, el modelo DES se muestra en el lado derecho de la pantalla.
Figuras 17y18representar la primera ventana de simulación. En esfuerzos futuros, esta ventana
también se puede diseñar para ingresar valores para ver los cambios en el sistema.
El tiempo transcurrido desde el punto de descarga hasta las Zonas 4, 5 y 6 y el tiempo transcurrido desde el
almacén hasta la producción y viceversa se muestran en forma de función distributiva acumulada (CDF) para
comprender el comportamiento del movimiento de inventario en intervalos discretos. El
S.no. Proceso/actividad Procesar informacion
Depósito
1 Lapso de tiempo o intervalo entre cada par de camiones de 15 minutos
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
4 Tiempo necesario para dos pares de camiones y el último 52þ52 minutos
5 Recurso utilizado (Estación 1 a Estación 2) Transportador (rodillo)

Número de trabajadores en la sección de descarga = 3
6 estación 1 Recepción de pedidos y comprobación de etiquetas (lector

RFID con sensor basado en inteligencia artificial) Clasificación
7 estación 2 de pedidos (RFID)
8 Movimiento de material de la estación 1 a la estación 2 Transmidor

9 No de trabajadores en las estaciones 1 y 2 1, 2
10 Tiempo tomado en la Estación 1 150 min (Nº de trabajadores = 1)
11 Tiempo tomado en la Estación 2 160 min (No. de trabajadores para inspeccionar =
2)
12 Estación 2 a QA/QC (Áreas 4, 5, 6): recurso utilizado Tiempo Transmidor
13 necesario para el almacenamiento en el área de Zona 4 (QA/QC) a 10 horas
través del Nodo 3

14 Tiempo necesario para el almacenamiento en el área de la Zona 5 a través del 7,5 horas
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)
18 Tiempo necesario para viajar desde QA/QC hasta el 5 horas
área frente al elevador Nº de trabajadores = 2

19 Tiempo de viaje al Nivel III y al Nivel III Número de 25 h
20 contenedores enviados o tarimas enviadas al Nivel III 150 contenedores (30 palets/5 contenedores en
cada palet)
21 Tiempo de espera de palets en Nivel III 70 horas
22 Tiempo de envío de los palets desde el Nivel III hasta la 10 horas
zona de delante del ascensor

23 El tiempo de demora total desde el momento en que los 105 horas
150 contenedores desaparecen en el área frente al

elevador y vuelven a aparecer en la misma área. El tiempo
24 que tardan 150 contenedores en llegar desde el área 20 horas
Tabla 8.
frente al elevador al área de espera de lotes. en las Áreas Nº de trabajadores = 2 10 y
Datos para el estado futuro
25 5 y 6 Tiempo que se tarda en enviar paletas desde el 10, respectivamente 4 h
modelo DES
26 estante de paletas desde las Áreas 5 y 6 hasta el lote en
espera de la bahía 9
(descarga,
27 Modo de transporte Carretilla elevadora = 3 transporte, estante
28 Número máximo de paletas que puede contener el área de lote 7 10 tarimas a la vez (50 min – demora almacenamiento y
promedio para cada conjunto) envío)

JM2
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.
10.1 Mejora en las métricas de rendimiento del almacén

Algunas de las métricas de rendimiento del almacén se tabulan comparando el estado actual y el estado futuro para
visualizar los cambios y la mejora. Métricas de rendimiento del almacén, como la tasa de recepción de artículos o la
descarga de materias primas; almacenamiento o transporte a estanterías de paletas; y la tasa de almacenamiento o el
almacenamiento en tarimas son directamente proporcionales a la línea de tiempo o la tasa a la que se recibe, transporta o
almacena el inventario dentro de una unidad de tiempo específica. La eficiencia de recepción, la productividad de
guardado y la eficiencia de almacenamiento se obtienen dividiendo el volumen de inventario por el total de horas de
trabajo en cada fase. De igual forma, este procedimiento se puede aplicar a todos los niveles del almacén y se pueden
comparar y evaluar las métricas de desempeño.Tabla 12muestra las métricas de rendimiento del almacén seleccionadas y
sus detalles relacionados con la Fase I. La tasa de descarga, almacenamiento y tasa de almacenamiento mostraron
resultados positivos. Hubo una disminución del 44 % en el tiempo de recepción, una disminución del 24 % en el tiempo de
guardado y una disminución del 67 % en el tiempo de almacenamiento, respectivamente.
Depósito
Figura 13.
Estado futuro DES
modelo (Fase II)
JM2
Figura 14.
Estado futuro DES
modelo (Fase III)
Depósito
Figura 15.
Estado futuro 2D
visualización
Figura 16.
Estado futuro 3D
visualización
11. Implicaciones teóricas y prácticas

Las cadenas de suministro de la industria farmacéutica deben estar más orientadas al valor, ser
inteligentes y ágiles para facilitar la competitividad y la sostenibilidad en el entorno actual de la
Industria 4.0. Las barreras de sostenibilidad deben eliminarse de la cadena para permitir una
mejor eficiencia operativa. Para ello, se necesita un sistema flexible y coordinado de forma eficaz
de la cadena de suministro farmacéutica para acortar el tiempo y los costes involucrados y ayudar
en la toma de decisiones autónoma y la evaluación comparativa (Ding, 2018). Es difícil hacerlo sin
comprender el valor de los artículos farmacéuticos que se manejan dentro del suministro.
JM2
Figura 17.
Estado actual
ventana de parámetros
Depósito
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
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.
zona 4 zona 5 zona 6 zona 3

Niveles Descripción del proceso PT (%) FT (%) PT (%) FT (%) PT (%) FT (%) PT (%) FT (%)
I Recepción, descarga de artículos 2 6 – – – – – –

II Transporte a las Zonas 4, 5 y 6 y 26 31 3 6 6 10 – –
almacenamiento en rack QA/QC
tercero y transporte al Nivel III y tiempo 47 59 9 13 10 20 7 10
de espera en las Zonas 5 y 6
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
Notas:PT, estado actual; FT, estado futuro Zonas 4, 5, 6 y 3
utilización del trabajador utilización de montacargas
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 (%)
Comprobación/recibo de pedido 1,303.80 189.60 14.54

control de calidad/control de calidad 8,380.80 4,374.60 52.19
Almacenamiento en el Nivel III 8,843.40 5.671,80 64.13 Tabla 11.
Transporte a producción Tiempo de 1,950.60 592.8 30.39 Reducción del tiempo de entrega
producción 1,920 1,920 – porcentaje

JM2 almacenamiento y mejora continua. De acuerdo aSchmidtkeet al. (2014), DES mejorará el VSM de
estado futuro y proporcionará resultados de simulación dinámica que podrían sugerirse para
compensaciones para futuras mejoras. Se pueden visualizar datos cuantitativos aproximados
claros mediante una simulación DES.
Aunque la precisión y la optimización del modelo no pudieron alcanzar la escena en tiempo
real absoluto, el modelo nos proporcionó una visualización dinámica virtual real de los estados
futuros de un sistema. Este estudio será útil para que otros investigadores y profesionales
adapten la metodología en otros entornos de almacén y también experimenten con otras técnicas
de simulación.
11.1 Limitaciones del estudio

La naturaleza dinámica de los procesos de la cadena de suministro, especialmente dentro del almacén, es tan
complicada y difícil de capturar casi todos los eventos y estudiarlos y no todas las herramientas Lean y sus
efectos se pueden simular y visualizar por completo. Además, este estudio se limitó a los límites de la
configuración del almacén y las operaciones relacionadas. Los paquetes de software DES no pueden simular o
visualizar directamente los resultados Lean, pero permiten la entrada de datos paramétricos detallados para
adquirir resultados óptimos para otras construcciones Lean hasta cierto punto.
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.
Futuro presente tiempo para completar Eficiencia/ Porcentaje

Métrica de rendimiento del almacén estado artículos totales (mín.) tasa de productividad aumentar (%)
Proceso de recepción/descarga PT 120 2.08 44

PIE 67 3.73
Tabla 12. proceso de guardar PT 1,275 0.19 24
Depósito PIE 310 0.80
actuación Proceso de almacenamiento PT 76 3.28 67
mejora PIE 25 10.01
y también acordó la inclusión de sofisticados sistemas de simulación Lean separados en el almacén de la Depósito
empresa para estudiar y optimizar las operaciones del almacén.
12.1 Investigaciones futuras

El entorno de reembolso moderno prioriza la maximización de la eficiencia operativa y la reducción de costos
innecesarios (es decir, desperdicio) mientras mantiene o mejora la calidad. A medida que las organizaciones de
atención médica adoptan esto, se ejerce una presión significativa sobre los líderes para que tomen decisiones
operativas y presupuestarias difíciles. En lugar de una gran cantidad de datos, los tomadores de decisiones a
menudo basan estas decisiones en información subjetiva. DES, un método computarizado para imitar la
operación de un sistema del mundo real (por ejemplo, un centro de atención médica) a lo largo del tiempo,
puede proporcionar a los tomadores de decisiones una herramienta basada en evidencia para desarrollar
soluciones operativas efectivas antes de la implementación.
Los cuellos de botella improductivos surgen principalmente en los almacenes logísticos que se consideran los
nodos críticos de la cadena de suministro. Las ejecuciones de simulación podrían satisfacer la necesidad de
comprender esos problemas, ya sea en la etapa de diseño o durante la etapa operativa (Ribiño et al.,2018). A
diferencia de los procesos de fabricación básicos que tienen parámetros predefinidos, las actividades y los
procesos de la cadena de suministro son aleatorios y no se pueden medir con la misma escala. Lean aún no se ha
aplicado a la cadena de suministro y las áreas de servicio a gran escala. La necesidad del momento es integrar
métodos y herramientas Lean con una técnica basada en simulación para visualizar diferentes implicaciones y
perspectivas. Se pueden utilizar otros métodos de modelado y simulación, como la dinámica de sistemas, el
modelado basado en agentes y el modelado multimétodo, para integrarse con VSM o con otras herramientas
Lean para obtener diferentes resultados e implicaciones. Los escenarios de cadena de suministro y almacén
ajustados también se pueden explorar con otras técnicas, como el método Taguchi, la lógica difusa y la
optimización de red heurística para optimizar una cadena de suministro y mejorar su eficiencia.
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.
Arif-Uz-Zaman, K. y Ahsan, N. (2014), “Medición del rendimiento de la cadena de suministro ajustada”,Internacional

Revista de Gestión de la Productividad y el Desempeño,vol. 63 núm. 5, págs. 588-612.
Armbruster, D. and Uzsoy, R. (2012), “Continuous dynamic models, clearing functions, and discrete-
simulación de eventos en la planificación de la producción agregada”,Nuevas Direcciones en Informática,
Optimización, Logística y Producción. INFORMA,págs. 103-126.
Barbosa, C. and Azevedo, A. (2019), “Assessing the impact of performance determinantes in complex
Cadenas de suministro MTO/ETO a través de un enfoque de modelado híbrido extendido”,Revista internacional de
investigación de producción,vol. 57 núm. 11, págs. 3577-3597.
Barbosa-P-ovoa, AP, da Silva, C. y Carvalho, A. (2018), “Oportunidades y desafíos en la sostenibilidad

cadena de suministro: una perspectiva de investigación de operaciones”,Revista europea de investigación operativa, vol. 268
núm. 2, págs. 399-431.
JM2 Baril, C., Gascon, V., Miller, J. y Bounhol, C. (2017), “La importancia de considerar las tareas de los recursos
al modelar servicios de atención médica con simulación de eventos discretos: un enfoque que utiliza el método de
muestreo de trabajo”,diario de simulación,vol. 11 núm. 2, págs. 103-114.
Barnabè, F. y Giorgino, MC (2017), “Practicando la estrategia lean: Hoshin Kanri y X-Matrix en un

simulación centrada en el cuidado de la salud”,el diario tqm,vol. 29 núm. 4, págs. 590-609.
Calleja, G., Corominas, A., Martínez-Costa, C. y de la Torre, R. (2018), “Aproximaciones metodológicas a la

diseño de la cadena de suministro”,Revista internacional de investigación de producción,vol. 56 núm. 13, págs. 4467-4489.
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.
Dobrescu, R., Merezeanu, D. y Mocanu, S. (2019), “Plataforma de simulación de procesos para

evaluación de sistemas de fabricación”,computadoras en la industria,vol. 104, págs. 131-140.
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., Benabbou, L. y Berrado, A. (2018), “Rediseño de red de distribución multicriterio –

caso de la cadena de suministro farmacéutica del sector público en Marruecos”,Foro de la cadena de suministro:
una revista internacional,vol. 19 núm. 1, págs. 42-54.
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.
Goshorn, B. y Usswald, C. (2014), “Cadenas de suministro farmacéuticas en África: superación de

retos de la seguridad en el transporte”,Diario de Seguridad en el Transporte,vol. 7 núm. 4, págs. 333-337.
Greasley, A. (2017),Modelado de simulación para negocios,Routledge.

Gurumurthy, A. y Kodali, R. (2011), “Diseño de sistemas de manufactura esbelta usando mapeo de flujo de valor
con simulación”,Journal of Manufacturing Technology Management,vol. 22 núm. 4, págs. 444-473.
Hachicha, W., Ammeri, A., Masmoudi, F. y Chabchoub, H. (2010), “A multi-product lot size in make-
cadena de suministro bajo pedido usando simulación de eventos discretos y metodología de superficie de
respuesta”, Revista Internacional de Servicios, Economía y Gestión,vol. 2 núms. 3/4, págs. 246-266.
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.
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.
Johnson, G. (2017), “Calidad y simulación: Desarrollo”,Simulación,vol. 10 Nº 13.

Kammoun, A., Loukil, T. y Hachicha, W. (2014), “El uso de la simulación de eventos discretos en el hospital
gestión de la cadena de suministro”, en2014 Conferencia Internacional sobre Logística y Transporte
Avanzado (ICALT), IEEE,págs. 143-148,
kłodawski, M., Jacyna, M., Lewczuk, K. y Wasiak, M. (2017), “Los problemas del almacén de selección
estrategias de proceso”,ingeniería de procedimientos,vol. 187, págs. 451-457.
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.
Lioris, J., Cohen, G., Seidowsky, R. y Salem, HH (2016),Evolución Dinámica y Optimización de un

Sistemas de Taxis Colectivos Urbanos,Simulación de eventos discretos.
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.
Mourtzis, D., Doukas, M. y Bernidaki, D. (2014), “Simulación en la fabricación: Revisión y

retos”,procedimiento cirp,vol. 25, págs. 213-229.
Mourtzis, D., Papakostas, N., Mavrikios, D., Makris, S. and Alexopoulos, K. (2015), “The role of
simulación en la fabricación digital: aplicaciones y perspectivas”,Revista internacional de
fabricación integrada por computadora,vol. 28 núm. 1, págs. 3-24.
Moyano-Fuentes, J., Bruque-C-amara, S. y Maqueira-Marín, JM (2019), “Desarrollo y validación
de un instrumento de medición de la gestión de la cadena de suministro ajustada”,Planificación y Control de la
Producción,vol. 30 núm. 1, págs. 20-32.
O'Kane, JF (2003), “La simulación como facilitador de la excelencia organizacional”,medición de negocios

Excelencia,vol. 7 N° 4, págs. 12-19.
Papert, M., Rimpler, P. y Pflaum, A. (2016), “Mejorar la visibilidad de la cadena de suministro en una industria farmacéutica
cadena de suministro",Revista Internacional de Distribución Física y Gestión Logística,vol. 46 núm. 9, págs.
859-884.
JM2 Parthanadee, P. y Buddhakulsomsiri, J. (2014), “Mejora de la eficiencia de producción en lotes
sistema de producción usando simulación y mapeo de flujo de valor: un estudio de caso de la industria del café
tostado y molido”,Planificación y Control de la Producción,vol. 25 núm. 5, págs. 425-446.
Pawlewski, P. (2015), “Enfoque DES/ABS para simular operaciones de almacén”, enInternacional

Jornada de Aplicaciones Prácticas de Agentes y Sistemas Multi-Agente. Saltador, págs.
115-125.
Persson, F. (2011), “Plantilla SCOR: una herramienta de análisis de la cadena de suministro dinámica basada en simulación”,
Revista Internacional de Economía de la Producción,vol. 131 núm. 1, págs. 288-294.
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.
Prensa, P. (2019),Cadena de suministro ajustada: prácticas y casos recopilados,Prensa de productividad.
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.
Rane, AB y Sunnapwar, VK (2017), “Desempeño y modelado de la línea de ensamblaje”,Diario de

ingenieria industrial internacional,vol. 13 núm. 3, págs. 347-355.
Ribino, P., Cossentino, M., Lodato, C. y Lopes, S. (2018), “Estudio de simulación basado en agentes para
mejorando el rendimiento del almacén logístico”,diario de simulación,vol. 12 N° 1, págs. 23-41.
Robinson, S., Worthington, C., Burgess, N. y Radnor, ZJ (2014), “Facilitated modeling with discreto-
simulación de eventos: ¿Realidad o mito?”,Revista europea de investigación operativa,vol. 234 núm. 1,
págs. 231-240.
Rodi-c, B. (2017), “Industria 4.0 y el nuevo paradigma de modelado de simulación”,organizacija,vol. 50 nº 3,
págs. 193-207.
Sarda, A. y Digalwar, AK (2018), “Análisis de rendimiento de la línea de ensamblaje de vehículos utilizando

modelado de simulación de eventos”,Revista Internacional de Excelencia Empresarial,vol. 14 núm. 2, págs.
240-255.
Schlüter, F. (2019), “Modelo de procedimiento para escenarios de digitalización de la cadena de suministro para un suministro basado en datos
gestión de riesgos de la cadena”, enRevisión del riesgo de la cadena de suministro,Springer, págs. 137-154.
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.
Schwab, K. (2017),La Cuarta Revolución Industrial,Divisa.

Shaik, AS y Rodrigues, LL (2018), “Optimización del diseño de planta con implementación de técnicas
limpieza en una industria automotriz: un enfoque de dinámica de sistemas”,Revista internacional
de tecnología, política y gestión,vol. 18 núm. 3, págs. 201-221.
Srinivasan, R. y Swink, M. (2018), “Una investigación de la visibilidad y la flexibilidad como complementos de
análisis de la cadena de suministro: una perspectiva de la teoría del procesamiento de la información
organizacional”, Producción y Gestión de Operaciones,vol. 27 núm. 10, págs. 1849-1867.
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.
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
S.no. Paso del proceso (ubicación) Código
1 (Bloque de origen) – Recuento de camiones de origen camión nuevo (þþtrucksCount) !

2 (Bloque de salida de origen) – Control de salida de restrictedAreaStart1.isBlocked()
contenedores desde el camión
3 (Bloque dividido): dividir los contenedores en lotes original.id==5?nuevo Contenedor(1):nuevo Contenedor(0)

4 (Bloque de captura): prioridad de la tarea para el - agente.tipo
5 agente (Bloque de lotes): antes de que el lote se divida paleta(s) nueva(s)
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();
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 =
tiempo(); tiempoTotal = tiempo();

14 Fregadero 1 tiempoMoveFactory = tiempo();
15 Productos terminados (fregadero) Contador de productos terminadosþþ;
tiempoMoverFinalizarBienes = 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); }
17 tiempo de espera del servicio if (esperar4.tamaño() == 30) esperar4.freeAll();

(Viaje a la Zona 3_2)
18 Cola 12 if (queue12.size() == 30) hold.setBlocked(false);
19 Seleccione Salida 1 (recepción de productos terminados) Condición30 > zone4Count
Al salir (verdadero)zone4Countþþ; Al
20 Seleccionar salida 3 salir (verdadero)zone46Countþþ; En
Tabla A1. exitenter.take(agente);
Secuencias y pasos 21 Al entrar enter1.tomar(agente);
utilizando códigos Java 22 a la salida Enter2.tomar(agente);
Sobre los autores Depósito
Ahmed Zainul Abideen actualmente está cursando su doctorado en Gestión de Tecnología en la Facultad
de Gestión Industrial, Universiti Malaysia Pahang y también trabaja como asistente de enseñanza para la
asignatura Sistemas de información empresarial. Terminó su Licenciatura en Ingeniería de Manufactura
(2005–2009) y una Maestría en Sistemas y Gestión de Manufactura (2010–2012) en la Facultad de
Ingeniería Guindy, Universidad de Anna, Chennai. Fue profesor asistente en el Departamento de
Ingeniería Mecánica (División de Ingeniería Industrial), Universidad Crescent, Chennai, durante un
período de cinco años (2012–2017).
Fazeeda Binti Mohamad actualmente es profesor titular en la Facultad de Gestión Industrial de la Universiti
Malaysia Pahang. Fazeeda se unió a la facultad en diciembre de 2015. Después de completar la maestría en 2002,
se desempeñó como profesora en Politeknik Merlimau y Politeknik Sultan Haji Ahmad Shah en el Departamento
de Hospitalidad (2003-2005) y Departamento de Comercio (2005-2015) como profesora . Académicamente,
Fazeeda ha impartido cursos de gestión empresarial y logística y gestión de la cadena de suministro. En
investigación, tiene interés en el rendimiento empresarial, el análisis envolvente de datos, la simulación de
eventos discretos y la dinámica de sistemas. Fazeeda Binti Mohamad es el autor corrospondiente y puede ser
contactado en:fazeedamohamad@ump.edu.my
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

Artículo VSM - En.es

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

Artículo VSM - En.es

Cargado por

Copyright:

Formatos disponibles

Traducido del inglés al español - www.onlinedoctranslator.

Mejorar el rendimiento de un Depósito

Cadena de suministro del almacén

Revisado el 2 de octubre de 2019

Facultad de Gestión Industrial, Universiti Malaysia Pahang,

suministro, Reducción del tiempo de entrega, Anylogic

Tipo de papelCaso de estudio

2.2 Integración de Lean (mapeo de flujo de valor) con simulaciones

3. Organización del caso y descripción del sistema

respuesta (RSM) colección y Scopus

modificado detallado adaptado para este estudio se da enFigura 2.

5. Mapeo del estado actual

6. Mapeo del estado futuro

7. Desarrollo de modelos de simulación de eventos discretos

7.1 Software Anylogic

Proceso tiempo (min) tiempo (min) (min) tiempo (min) (min)

Recepción/descarga de camiones de proveedores 210 130 80 22,650 2,265

Parámetro de tiempo Ecuación valor/resultado

Tiempo total de proceso (TPT) ¼TP1þTP2þTP3þ . . .TPn ¼TPL 22.650 minutos

Lead de producción total 1þTPL2þ . . . . . .TPLn 2.265 minutos

Valor- sin valor Total Producción

Recepción/descarga de camiones de proveedores 110 95 15 12,590 1,100

Parámetro de tiempo Ecuación valor/resultado

total de producción (TPL) 1þTPL2þ . . . . . .TPLn 1100 minutos

Estado futuro PAG

7.3 Modelo de proceso de estado actual (Fase I)

7.4 Estado actual (Fases II y III)

1 Entrega de materia prima Nº de camiones – 5

3 Número total de contenedores por 50 (50 - 4 camiones = 200 contenedores)

7 reparto Número de contenedores cargados en un palet 5

No. de trabajadores utilizados para la descarga (caminando

12 estación 2 Clasificación de pedidos (manual)

14 de trabajadores en Estación 1 1 trabajador (trabajando en la estación) 2

dieciséis empleado en la Estación 1 (retraso) Tiempo 10 horas

17 empleado en la Estación 2 (retraso) 10 horasþ75 minutos

18 Estación 2 a (QA/QC – Zona área 4, Zona áreas 5 y 3 montacargas

20 necesario para el almacenamiento en el Área 5 15 horas

21 Tiempo empleado para el almacenamiento en el Área 6 (todo el 11 horas

tiempo empleado en S.No. 19, 20 y 21 también se incluyen en alguna

23 Llenado de rack de paletización (recurso utilizado) Montacargas = 3

24 Movimiento de material de QA/QC al Nivel III Tiempo carretillas elevadoras

necesario para el proceso de QA/QC (retraso en el área de 80 horas

Zona 4) No. de inspectores para inspección = 3

No. de trabajadores en este proceso = 2

de la Zona 4 al Nivel bahía de Producción 9

de las áreas 5 y 6 al área de lote 7

Figuras 10y11mostrar la visualización 2D y 3D de la configuración general considerada para este

8. Validación del modelo (estado actual)

(xd) VSM (xm) DES

1 Recepción, descarga de artículos Transporte a las Zonas 4, 5 1,560 1,485 4.8

3 QA/QC y transporte al Nivel III y tiempo de 16,200 15,000 7.4

9.2 Modelado de procesos de estado futuro (Fase I)

9.3 Modelo de simulación de eventos discretos de estado futuro (Fases II y III)

9.4 Salida de simulación

4 Tiempo necesario para dos pares de camiones y el último 52þ52 minutos

5 Recurso utilizado (Estación 1 a Estación 2) Transportador (rodillo)

6 estación 1 Recepción de pedidos y comprobación de etiquetas (lector

8 Movimiento de material de la estación 1 a la estación 2 Transmidor

través del Nodo 3

18 Tiempo necesario para viajar desde QA/QC hasta el 5 horas

área frente al elevador Nº de trabajadores = 2

22 Tiempo de envío de los palets desde el Nivel III hasta la 10 horas

zona de delante del ascensor