TEMA 3.

Introducción

3.1. Fundamentos de la Fabricación Celular

3.2. Análisis de Agrupamientos

3.2.1. Algoritmo de agrupamiento por orden de rango (Rank-Order Clustering)

3.2.2. Algoritmo de Agrupamiento Directo

3.3. Coeficiente de Similitud

3.3.1. SLCA (Single Linkage Cluster Analysis)

3.3.2. Coeficiente de Similitud de Jaccard

3.4. Programación Matemática

3.4.1. Distancia de Minkowski

3.4.2. Distancia de Hamming

3.5. El Problema del Cuello de Botella

3.6. Fundamentos de la Tecnología de Grupos

3.7. Clasificación y Codificación de las Piezas

3.8. Sistema Opitz

3.9. Sistema MICLASS-MULTICLASS

3.10. Sistema KK-3

3.1. Fundamentos de la Fabricación Celular

El tema 3 aborda el estudio de algunos aspectos de la Fabricación Celular y también, y de manera

más específica de la Tecnología de Grupos. Respecto a la primera se exponen distintos
procedimientos y algoritmos que han permiten identificar células de fabricación; en cuanto a la
Tecnología de Grupos se muestran algunos de los sistemas de codificación de piezas más usuales.

La fabricación celular surge pretende hacer extensivas las ventajas de la fabricación en serie a la
fabricación por lotes. Busca mantener una variedad alta tanto con los tipos de piezas producidas,
como en los procesos job-shop. Así como conseguir una mayor eficiencia, igual que en los procesos
en línea.
Por ejemplo, la agrupación clásica de un taller por agrupación de máquinas similares: tornos,
fresadoras, taladradoras, rectificadoras, … En la que las piezas a mecanizar se mueven de una
sección a otra, se transforma en una agrupación de máquinas en células que mecanizan siempre la
misma familia de piezas. Con ello se obtiene una drástica reducción de los tiempos de espera y de
las necesidades de transporte entre máquinas.

Las ventajas obtenidas por las empresas que han aplicado esta tecnología son

• Reducción del tiempo del ciclo por eliminación de tiempos de preparación de máquinas.
• Disminución del trabajo en curso por eliminación de esperar a pie de máquina.
• Reducción de planos de diseño por eliminación de piezas similares.
• Mejora de la utilización de los recursos.

Los sistemas CAD/CAM facilitan su empleo. Además, con ello se simplifica el proceso mediante la
codificación interactiva de las piezas, la generación automática de los ciclos de fabricación, la
simulación del recorrido de las piezas en taller y los cálculos de carga y saturación de máquinas.

Los requisitos para alcanzar este nuevo tipo de diposición son los siguientes:

• Clasificación y codificación de las piezas para su agrupación de las piezas en familias, que se
verá al estudiar la Tecnología de Grupos
• Agrupación de las máquinas en las células, es decir lograr una fabricación celular

3.2. Análisis de agrupamientos o análisis cluster

El análisis cluster o análisis de agrupamientos se basa en una formulación de carácter matricial,

con una tabla de doble entrada, basada en la utilización de la matriz binaria de incidencia
máquina-pieza.

• Se reordena la matriz, buscando una estructura diagonalizada.

• Mover las filas con 1 (MÁQUINA CON PIEZA ASIGNADA) a la izquierda hacia la parte superior.
• Mover las columnas con 1 (PIEZAS ASIGNADAS A MÁQUINAS) arriba hacia la parte izquierda.

PROBLEMA: Al hacer una distribución en submatrices es difícil que no se solapen: que una o varias
máquinas no sean utilizadas por una o varias piezas de diferentes familias, o bien se requieran
máquinas especiales de utilización esporádica en algunas piezas de varias familias.

SOLUCIÓN:
• Sacrificar carga de máquinas. Es decir, incrementar el número de máquinas, pero
asumir que tendrán menos carga.
• Sacrificar tiempo de transporte.
• Subcontratar.
Este análisis contempla los dos casos mencionados anteriormente y plantea dos situaciones al
respecto:

• Bloques separados
• Matrices o agrupamientos disjuntos

EJEMPLO:

1. Diagonalizar la matriz y ordenación:

2. Caso de bloques separados:

3. Caso de matrices o agrupamientos disjuntos (Desdoblar máquinas):

3.2.1. Rank-Order Clustering- Agrupamiento por rango

Esta técnica genera grupos diagonales en la matriz, mediante reordenamientos de filas y columnas
de acuerdo con valores binarios. Se usa cuando el número de piezas a fabricar es pequeño.

1. Representar la matriz de asignación pieza-máquina.

2. Asignar ponderaciones binarias a cada FILA + cálculo del peso total de cada COLUMNA
W  2 ·M
i

3. Ordenar las columnas por orden ascendente de las ponderaciones.

4. Calcular el peso total de cada fila:

W  2 ·M
j
5. Repetir el proceso hasta que las células estén ordenadas definitivamente.

3.2.2. Agrupamiento directo:

1. Representar la matriz de asignación pieza-máquina.

2. Calcular la ponderación para cada fila:

3. Ordenar las filas en orden DESCENDIENTE:

4. Calcular la ponderación para cada columna:

5. Ordenar las columnas en orden ASCENDENTE:

6. Si aún fueran necesarios más movimientos, se mueven las columnas con asignación, Mij = 1, en
la primera fila, hacia la derecha manteniendo el orden de las filas.

7. Si aún fueran necesarios más movimientos, se mueven las filas con asignación, Mij = 1, en la
primera columna, hacia arriba manteniendo el orden de las columnas.
3.3. Coeficiente de similitud

La similitud cumple:
0  sij  1

sij = sji sii = 1

3.3.1. SLCA- Single Linkage Cluster Analysis:

1(aik ,ajk )
k 1
sij  n
2(aik ,ajk )
k 1

Siendo, d= Sumatorio( valores de las piezas usados en ambas máquinas:

Respecto a δ1, sería el cociente entre el sumatorio de los valores de las piezas que emplean ambas máquinas
entre el sumatorio de los valores de las piezas que emplean una máquina o ninguna. Siendo el valor asignado
de 1, cuando una pieza requiere de ambos equipos y de 0 cuando sólo necesita uno de los dos equipos o
ninguno, en el numerador. Por otro lado, δ2 se define de la manera opuesta a la anterior.
Ejemplo:

3.3.2. Coeficiente de Similitud de Jaccard:

El coeficiente de similitud de Jaccard se representa mediante esta ecuación:

sij  A
ABC

Siendo, A el número de componentes comunes procesadas por ambas máquinas, B el número

total de componentes diferentes procesados por la máquina i, y C el número total de
componentes diferentes procesados por la máquina j; A = xij, B = xi - xij y C = xj – xij;
Por otra parte, y para el ejemplo siguiente, se contempla el caso de dos matrices disjuntas, es
decir, una de las máquinas, el número 3 se desdobla, apareciendo en ambas células.
Ejemplo:

Se ordenan las tareas mediante un dendrograma:

3.4. Programación Matemática

Se plantea la minimización de la distancia. Esta distancia puede medirse bajo dos criterios
distintos:
• Distancia de Minkowski
• Distancia de Hammig

3.4.1. Distancia de Minkowski

Distancia de Minkowski:

m: número de máquinas
r: número entero positivo que puede ser 1 o 2.
Aki: expresa el valor del atributo k-ésimo de la pieza i
Akj: el valor del atributo k-ésimo de la pieza j

La distancia de Minkowski determinaría la similitud de las piezas i y j.

A menor distancia, mayor similitud.
Si r=1, se tiene una métrica absoluta o métrica Manhattan o city block.
Si r=2, se tiene una métrica euclídea o euclidiana.

r=2 r=1
 Ejemplo:

3.4.2. Distancia de Hammig

siendo
Ejemplo:

MODELO DE LA P MEDIANA:

N piezas
P familias
M máquinas

OBJETIVO: Clasificar un conjunto de piezas en p famílias. Cada familia queda definida por las piezas que se
fabrican en ella y por la ubicación de su mediana (es decir, la ubicación de las máquinas).

EJEMPLO:

Xij=1 si la pieza i pertenece a la familia j, mientras que es igual a cero en otro caso.
FUNCIÓN OBJETIVO:

Donde dij es la medida de la distancia entre las piezas i y j.

RESTRICCIONES:

1. Cada pieza pertenece exactamente a una familia de piezas.

2. Específica el número requerido de familia de piezas.

3. La pieza i pertenece a la familia j solamente cuando esta familia se ha constituido.

MODELO DE LA P MEDIANA GENERALIZADA:

EJEMPLO:

FUNCIÓN OBJETIVO:

Distancia y coste total de los planes de proceso:

RESTRICCIONES:
1. Para cada pieza se selecciona un plan de proceso

2. Se impone un límite inferior en el número de familias

3. La pieza i pertenece a la familia j solamente cuando esta familia se ha constituido

3.5. El Problema del cuello de botella [NO CREC QUE SURTI]

Los agrupamientos parcialmente separables son debidos a las piezas cuello de botella. Ej. La piezas que no
pueden ser incluidas sólo en una familia.
Acciones:
1. La pieza puede ser mecanizada en otra célula-máquina y transferida a otra célula máquina por el
equipo de manipulación del material.
Se aplica sólo cuando el flujo de piezas que son diferentes en las células máquinas es relativamente
bajo. Los costes de manipulación del material de estas piezas son los siguientes:
• Problemas de programación complejos para piezas + problemas de rutas para los AGV.
• Gestión del flujo de materiales.
2. Puede ser mecanizada en un equipo funcional.
Esta solución puede ser demasiado cara ya que requiere del uso de equipos de fabricación adicionales.
3. Puede ser subcontratada.
4. La hoja de procesos de la pieza cuello de botella puede ser modificada, de manera que esta pieza se
mecanizara en una célula máquina ya existente.
5. El diseño de la pieza cuello de botella podría ser mecanizado, así la hoja de proceso resultante se
podría asignar a una célula máquina existente.
Tanto las acciones 4 y 5 se toman para eliminar las piezas cuello de botella.

PROBLEMA PARA AGRUPAR MÁQUINAS CON PIEZAS CUELLO DE BOTELLA:

Se plantea el problema de programación de lotes económicos (ELSP- Economic Lots Scheduling Problem).

OBJETIVO:
Minimizar los costes de preparación y de inventario en la célula máquina.
SUPOSICIONES:
• La demanda es constante.
• Los atrasos no se permiten.
• El horizonte temporal es infinito.
• Las piezas cuello de botella han sido identificadas mediante un algoritmo de agrupamientos.
• Las piezas cuello de botella se rediseñan y/o se modifica su correspondiente hoja de procesos para
cada pieza, se generan un número de hojas de procesos.
• La ratio de producción de una pieza difiere de una célula-máquina a otra debido a la diferente
capacidad del proceso.
NOTACIÓN:

Las piezas en la célula-máquina pueden procesarse según la programación del ciclo de rotación (RCS-Rotation
Cycle Schedule).
Se asume que no hay piezas compartidas por células-máquina.
En este tipo de programación se parte de lo siguiente:
• Uno de los lotes de cada pieza se asigna a un intervalo de tiempo que se llama ciclo de rotación T. Se
repite la programación cada T unidades de tiempo.
• Se supone que hay N piezas en una célula-máquina.
Por ello el mejor ciclo de rotación T es:

El RCS produce productos j para TDJ/Pj unidades de tiempo.

Como hay N piezas en cada célula, los costes medios de preparación y de inventario serán:

Para la pieza cuello de botella j, se usa la siguiente notación:

En el problema de tecnología de grupos con las piezas de cuello de botella se formula como sigue:

Sujeto a:

En resumen: La función objetivo minimiza el total de los costes medio de preparación y de inventario.
La primera restricción implica que una pieza sólo puede ser asignada a una célula.
La segunda restricción supone la integridad de la variable xij.

Este problema debe ser resuelto mediante un algoritmo heurístico.

3.6. Fundamentos de la tecnología de grupos.

La GT consiste en fabricar piezas aprovechando las similitudes entre el diseño del producto y el proceso de
fabricación. La información generada se usa para las siguientes aplicaciones:
• Ingeniería del producto como sistema de localización de piezas similares para evitar el diseño de piezas
nuevas sin agotar antes las posibilidades de aprovechar diseños anteriores.
• En fabricación para organizar el taller en células o grupos de máquinas destinadas a la fabricación de
todas las piezas.
• En normalización como herramienta de trabajo para estandarizar piezas, herramientas y procesos.
• En gestión de todo estudio comparativo de tiempos, costes precios de compra, asignación de piezas a
proveedores, …

3.7. Clasificación y Codificación de las Piezas

Las piezas se identifican y agrupan en familias de acuerdo a sus atributos de diseño y fabricación:

DISEÑO:
• Forma y dimensiones externas e internas.
• Formas principales
• Dimensiones principales.
• Material.
• Tolerancias dimensionales.
• Tratamiento superficial o térmico.
• Función.

FABRICACIÓN:

• Operaciones principales.
• Operaciones secundarias.
• Acabado superficial.
• Tolerancias dimensionales.
• Tipo de máquina-herramienta.
• Secuencia de las operaciones.
• Utillaje y herramientas.
• Tamaño de lote.

Hay distintas estructuras de sistemas de codificación:

• ESTRUCTURA JERARQUÍCA O DE ÁRBOL: Un dígito depende del valor del dígito anterior.
• ESTRUCTURA EN CADENA: Cada dígito tiene una significación única sin depender de los valores
de los otros.
• ESTRUCTURA MIXTA (JERARQUÍCA Y EN CADENA): Se emplea la primera en una clasificación
preliminar en grupos y dentro de cada grupo se emplea una codificación en cadena.
3.8. Sistema Opitz [HAY MUCHOS EJEMPLOS]
Orientado a la similitud del proceso de fabricación, aunque cubre las necesidades de diseño. Se basa en un
código de nueve dígitos que representan los datos de diseño y fabricación.

3.9. Sistema MICLASS-MULTICLASS

Sistema de codificación por ordenador.

TOTAL: 30 Posiciones. 12 primeras universales. 18 últimas dependen del usuario.

POSICIÓN: Cada posción se codifica de 0 a 9.
Dispone de una matriz de codificación de 30*10 valores.
Los 4 primeros dígitos dan atributos de forma. Los 8 restantes de mecnaizado, dimensiones, tolerancias y
material.
3.10. Sistema KK-3
Sistema japonés de clasificación general.
1. Clasificar la pieza por su función más general.
2. Detallar de manera más precisa la pieza incluyéndola en una familia.
3. Indica el material.
4. Indica la forma en la que se presenta la pieza.
5. Define la longitud de la pieza.
6. Define el diámetro mayor.
7. Define la relación entre longitud y diámetro.
8. Dígitos del 8 al 13 definen la forma geométrica del contorno exterior de la pieza.
9. Dígitos del 14 al 16 definen el interior de la pieza.
10. Dígitos del 17 al 18 definen los elementos de las superficies planas de los extremos.
20. Define otros procesos no correspondientes al corte del material.
21. Define el grado de precisión detallando el tipo de elaboración.