7. DESARROLLO DEL PROYECTO
7.5. FASE 4 MEJORA
7.5.4. Simulación tiempo de proceso
Una vez propuestas las mejoras se requiere de un estudio de simulación para dar continuidad de manera más detallada y formal a la solución “Simulación de apertura de una nueva pasarela” anteriormente expuesta, así mismo para dar veracidad en los datos de utilización productiva que se presentarán posteriormente en el VSM (Value Stream Mapping) actual y futuro.
DESCRIPCION DEL PROBLEMA
Nombre de la empresa: CEMEX S.A. Planta Puente Aranda Negocio: Fabricación y distribución de concreto
Situación operativa actual:
2 líneas de cargue
2 pasarelas o zonas de despacho
Asignación promedio de cerca de 28 Mixers y operativas cerca de 24 (todas con conductor operativo).
OBJETIVO
Desarrollar un modelo que permita estudiar la situación actual de utilización de recursos de la planta con flujo continuo de operación.
VARIABLES DEL SISTEMA
Tiempo de cargue
Tiempo de despacho o pasarela
Tiempo en obra
PARAMETROS
Tiempo de transporte
Tiempo de retorno a planta
ANALISIS ESTADISTICO MODELO
FUENTES DE INFORMACIÓN
109
Se analizaron más de 3000 reportes de entrega
Experiencia de coordinadores y agentes de servicio
Operación de la planta de concreto
ANÁLISIS DE ENTRADA (DISTRIBUCIONES)
A continuación se presenta una tabla con los tipos de distribuciones que más se ajustan mediante el estadístico de Anderson-Darling (AD) el cual mide qué tan bien siguen los datos una distribución en particular. Mientras mejor se ajuste la distribución a los datos, menor será el estadístico AD.
Tiempo de cargue
Tiempo de
despacho Tiempo en obra
Distribución AD P LRT P AD P AD P Normal 23,968 <0,005 16,686 <0,005 23,431 <0,005 Transformación Box-Cox 23,714 <0,005 Lognormal 55,226 <0,005 Lognormal de 3 parámetros 23,419 * 0 4,395 * 5,475 * Exponencial 769,734 <0,003 Exponencial de 2 parámetros 518,704 <0,010 0 388,54 <0,010 249,752 <0,010 Weibull 29,632 <0,010 Weibull de 3 parámetros 27,899 <0,005 0 9,461 <0,005 4,438 <0,005
Valor extremo más pequeño 82,388 <0,010 73,169 <0,010 74,693 <0,010
Valor extremo por máximos 59,525 <0,010 6,916 <0,010 6,345 <0,010
Gamma 36,529 <0,005
Gamma de 3 parámetros 42,672 * 1 4,483 * 3,789 *
Logística 20,639 <0,005 13,328 <0,005 20,697 <0,005
Loglogística 34,397 <0,005
Loglogística de 3 parámetros 20,547 * 0 5,317 * 9,699 *
Tabla 36: Prueba de bondad para las variables de simulación. Elaboración propia.
Las 4 distribuciones con menor índice AD para cada variable, se tendrán en cuenta para el análisis en la gráfica de ajuste de probabilidad y sus parámetros para el ingreso de información al simulador. Posteriormente se comparan visualmente las gráficas (real vs simulación).
Tiempo de cargue
Los parámetros de las 4 distribuciones que mejor se ajustan a la variable de tiempo de cargue son:
110 Estimaciones ML de los parámetros de distribución
Distribución Ubicación Forma Escala Valor umbral
Normal* 9,77904 2,74383
Lognormal de 3 parámetros 4,23362 0,03972 -59,24219 Logística 9,75014 1,53369
Loglogística de 3 parámetros 4,23524 0,02220 -59,35010
Tabla 37: Parámetros de distribuciones para tiempo de cargue. Elaboración propia. * Escala: Estimación de ML ajustado
El prueba de bondad del ajuste de las 4 distribuciones escogidas para el tiempo de cargue se realizan con el objetivo de observar y corroborar el ajuste puesto que generalmente mientras mejor se ajuste la distribución a los datos, menor será el estadístico AD. Pero no en todos los casos, por ello se realiza la siguiente validación gráfica:
Ilustración 26: Gráfica de probabilidad para tiempo de cargue. Elaboración propia.
Se ingresan los parámetros y se visualiza la distribución en el simulador, para una comparación con la real:
111
Ilustración 27: Comparación de gráficas para tiempo de cargue. Elaboración propia. Tiempo de despacho o pasarela
Los parámetros de las 4 distribuciones que mejor se ajustan a la variable de tiempo de despacho son:
Estimaciones ML de los parámetros de distribución
Distribución Ubicación Forma Escala Valor umbral Lognormal de 3 parámetros 3,31911 0,20082 -14,16470 Valor extremo por máximos 11,32459 4,93437
Gamma de 3 parámetros 11,90907 1,65399 -5,66441 Loglogística de 3 parámetros 3,14693 0,13686 -9,86970
Tabla 38: Parámetros de distribuciones para tiempo de despacho. Elaboración propia.
A continuación, la validación grafica de la prueba de bondad del ajuste de las 4 distribuciones escogidas para el tiempo de despacho:
16 14 12 10 8 6 4 500 400 300 200 100 0 Media 9,779 Desv.Est. 2,744 N 3177 minutos cargue Fr ec ue nc ia
Histograma de minutos cargue
112
Ilustración 28: Gráfica de probabilidad para tiempo de despacho o pasarela. Elaboración propia.
Se ingresan los parámetros y se visualiza la distribución en el simulador, para una comparación con la gráfica real:
Ilustración 29: Comparación de gráficas para tiempo de despacho o pasarela. Elaboración propia.
Tiempo en obra
Los parámetros de las 4 distribuciones que mejor se ajustan a la variable de tiempo en obra son: 28 24 20 16 12 8 4 0 200 150 100 50 0 minutos despacho Fr ec ue nc ia
113 Estimaciones ML de los parámetros de distribución
Distribución Ubicación Forma Escala Valor umbral Lognormal de 3 parámetros 4,53259 0,34578 -32,71088 Weibull de 3 parámetros 2,09756 75,94607 -1,20288 Valor extremo por máximos 50,02824 27,54489
Gamma de 3 parámetros 4,46060 16,38328 -7,14764
Tabla 39: Parámetros de distribuciones para tiempo en obra. Elaboración propia.
A continuación, la validación gráfica de la prueba de bondad del ajuste de las 4 distribuciones escogidas para el tiempo en obra, en este caso se observa un ajuste deficiente en la distribución gamma de 3 parámetros, por tanto es descartada:
Ilustración 30: Gráfica de probabilidad para tiempo en obra. Elaboración propia.
Se ingresan los parámetros y se visualiza la distribución en el simulador, para una comparación con la gráfica real:
114
Ilustración 31: Comparación de gráficas para tiempo en obra. Elaboración propia.
Parámetros
En el tiempo de transporte de la planta a la obra y viceversa, influyen innumerables variables externas y el objetivo de la simulación es obtener el rendimiento operación con aproximación del tiempo de ciclo. Por tanto, se procede a crear los parámetros de tiempo de transporte y tiempo de retorno (las medias aritméticas de cada medición) para que nos ayuden en la validación del tiempo total de ciclo, sin complejizar demasiado el modelo.
Tiempo de transporte
Variable Media Desv.Est. Mínimo Q1 Mediana Q3 Máximo minutos transporte 31,218 9,108 7,000 24,000 31,000 37,000 55,000
Tabla 40: Estadística descriptiva tiempo de transporte. Elaboración propia. Tiempo de retorno a planta
Variable Media Desv.Est. Mínimo Q1 Mediana Q3 Máximo minutos retorno 36,254 14,041 0,000 26,000 34,000 44,000 76,000
Tabla 41: Estadística descriptiva tiempo de retorno. Elaboración propia.
DISEÑO DEL MODELO
El programa a utilizar en el modelamiento y simulación será Flexsim versión estudiantil
Indicadores de salida
% Utilización de las líneas de cargue y pasarelas (Planta de operaciones)
Numero de Mixers necesarias con flujo continuo de operaciones
Tiempo de ciclo promedio (Histograma Tiempo en el sistema)
150 125 100 75 50 25 0 160 140 120 100 80 60 40 20 0 minutos en obra Fr ec ue nc ia
115
Cantidad de entregas por hora
Locaciones
Representan lugares físicos fijos en el sistema donde ocurren los eventos. Las locaciones utilizadas en este proceso son:
Ilustración 32: Modelo simulación. Elaboración propia.
Entidades
Son aquellos elementos que fluyen a través del sistema. En este caso dichas entidades serán representadas por los pedidos. El cilindro representa el trabajo en proceso, es decir, el mixer en el transcurso por cada etapa del proceso.
116
Proceso
A continuación se describe el proceso:
Llegando la materia prima y los mixers al área de cargue, se procede a ser cargados por cada una de las líneas.
Una vez cargado pasa a la pasarela en donde es inspeccionado el concreto y lavado del mixer
Sale de la planta transportando el concreto hasta la obra a entregar.
Se llega a la obra, se confirma la entrega y se descarga el concreto
Cuando se termine el descargue en obra se retira el mixer y se dirige a la planta.
VALIDACION MODELO
Se realiza una prueba t student para verificar la exactitud del modelo simulado en comparación con los datos reales. A continuación se encuentra la comparación gráfica, teniendo como “Value” los datos simuladosy “minutos totales” los tiempos reales.
Ilustración 34: Histograma simulación vs real. Elaboración propia.
La prueba de equivalencia de medias elaborada en el software minitab arroja como resultado que si existe equivalencia entre las dos muestras (reales y simulación)
160 120 80 40 0 288 252 216 180 144 108 72 150 100 50 0 value Fr ec ue nc ia minutos totales
117
Ilustración 35: Grafica de equivalencia. Elaboración propia.
Prueba de equivalencia para dos muestras: value, minutos totales
MétodoMedia de la prueba = media de value
Media de referencia = media de minutos totales No se presupuso igualdad de varianzas para el análisis. Estadísticas descriptivas
Variable N Media Desv.Est.
Error estándar de la media value 2400 170,44 34,830 0,71097 minutos totales 2284 169,23 39,785 0,83247
Tabla 42: Estadística descriptiva simulación VS real. Elaboración propia.
Diferencia: Media(value) - Media(minutos totales) Diferencia EE IC de 95% para equivalencia Intervalo de equivalencia 1,2117 1,0948 (-0,589368; 3,01279) (-5; 5)
118
El IC está dentro del intervalo de equivalencia. Se puede afirmar equivalencia.
Prueba
Hipótesis nula: Diferencia ≤ -5 o Diferencia ≥ 5 Hipótesis alterna: -5 < Diferencia < 5
Nivel de significancia: 0,05
Hipótesis nula GL Valor T Valor p Diferencia ≤ -5 4533 5,6741 0,000 Diferencia ≥ 5 4533 -3,4604 0,000
Tabla 44: Prueba de hipótesis de equivalencia Simulación VS real. Elaboración propia.
El mayor de los dos valores P es 0,000. Se puede afirmar equivalencia.
Dashboard de salida
Se puede apreciar que los resultados generales de la simulación son muy aproximados a los de las mediciones generales tomadas en el proyecto
119 Bajo el supuesto de flujo continuo de operación, encontramos que el cuello de botella se localiza en el lavado y despacho de CRs o Pasarelas, dado que en ellas se encuentran los mixers de salida a obra y también aquellos que provienen después de hacer las entregas y requieren ser lavados. La utilización de las pasarelas es de aproximadamente el 97%, mientras que las líneas de cargue se están supeditando a este cuello de botella teniendo aproximadamente tan solo un 65,5% de utilización. Lo cual genera una subutilización de las líneas de cargue que por costos de inversión deberían ser el cuello de botella del proceso. Se obtienen en promedio cerca de 8 entregas por hora.
Con los tiempos actuales de la operación y si la planta se encontrará con flujo continuo de se requeriría de un promedio total en el sistema de 20 a 25 mixers y Agentes de Servicio, pero una variación total entre los 15 y 30 CRs y AS.
Es decir, que el aumento de tiempos en pasarela tiene como consecuencia la subutilización del cargue de la planta y el aumento de tiempos en obra, requiriendo un mayor número de Mixers necesarias. Así mismo estos problemas generan que la asignación de pedidos sea más difícil por falta de capacidad, disminución del cumplimiento y por ende una menor solicitud de entregas por parte del cliente. Lo que termina siendo un ciclo degenerativo que afecta la permanencia en el mercado de la planta.
ESCENARIOS:
Se soluciona el cuello de botella con una pasarela extra en el despacho y se realiza la nueva simulación, donde los tiempos se basen en los minutos que demoran las líneas de cargue en elaborar una orden de concreto.
120
Ilustración 37: Dashboard simulación pasarela extra. Elaboración propia.
Sin embargo, con un flujo continuo de operación y la capacidad productiva al límite, el número mixers requeridas aumenta a un aproximado entre 27 y 33 Mixers, y Agentes de Servicio. La media grafica logra un traslado hacia la izquierda ubicándose en los 166 minutos, acercándose al objetivo trazado de 160 minutos. Se aumentan la productividad al trasladar el cuello de botella, con un promedio de 10,7 entregas por hora.
Variable Media
Error
estándar Desv.Est. Mínimo Q1 Mediana Q3 Máximo value_1 166,18 0,611 34,53 86,71 140,76 163,60 187,57 291,38
Tabla 45: Estadística descriptiva valores de simulación. Elaboración propia.
A continuación, se presenta un resumen de los resultados de cada simulación en el escenario de la medición actual y con las mejoras recomendadas en el VSM futuro:
121
Actividad Simulación
estado actual
Simulación pasarela extra
Media 170 minutos 166 minutos
As y CRs necesarios 20-25 UNDS 27-33 UNDS Entregas por hora 8 unds/hora 10,7 unds/hora Utilización Líneas de cargue 65% 87%
Utilización pasarelas 97% 85%
Tabla 46: Comparación de resultados simulaciones. Elaboración propia.
Una vez atacadas todas las fuentes de tiempos muertos en la operación e implementadas las soluciones, se podría obtener un sistema de producción con tiempos menores y aumento de productividad (disminución de mixers necesarias). Ya que como se puede observar en la simulación, no solo basta con solucionar el cuello de botella, sino también se requiere de una implementación de soluciones en todas las partes del proceso para lograr la posible perfección del sistema mediante lean six sigma.