Desarrollo de una herramienta computacional para la programación de la producción en sistemas de fabricación con centros de trabajo dispuestos en paralelo

Texto completo

(1)II. 07(20)78. DESARROLLO DE UNA HERRAMIENTA COMPUTACIONA L PARA LA PROGRAMACIÓN DE LA PRODUCC IÓN EN SISTEMA S DE FABRICAC IÓN CON CENTROS DE TRA BAJO DISPUESTOS EN PARALELO. Dia na Ca rolina Jimé nez Vargas. UNIVERSIDAD DE LOS A NDES FACULTA D DE INGENERÍA INGENERÍA INDUSTRIA L PREGRA DO Bogotá D.C., Enero de 2008.

(2) II. 07(20)78. DESARROLLO DE UNA HERRAMIENTA COMPUTACIONA L PARA LA PROGRAMACIÓN DE LA PRODUCC IÓN EN SISTEMA S DE FABRICAC IÓN CON CENTROS DE TRA BAJO DISPUESTOS EN PARALELO. Dia na Ca rolina Jimé nez Vargas. Asesor: Gonzalo Mejía Delga dillo Phd.. Para optar al tít ulo de Ingeniero Industrial. UNIVERSIDAD DE LOS A NDES FACULTA D DE INGENERÍA INGENERÍA INDUSTRIA L PREGRA DO Bogotá D.C., Enero de 2008. 2.

(3) II. 07(20)78. Este t rabajo está dedicado Dios a mis padres y a mi familia que me proporcionaron su apoy o, su amor, sin ello no lo hubiera logrado.. 3.

(4) II. 07(20)78. Agra decim ientos Quisiera agradecer a todos los que est uvieron e hicieron parte de mi vida durante este proceso de formación profesional, de manera especial quisiera agradecer a: A mis padres y mi hermanit o, por el apoyo, confianza, cariño, a mor que me han brindado y esta valiosa oportunidad de formarme profesionalment e. A Gonzalo Mejía, por su apoyo y confianza desde el mo mento que tuve pri mer contacto con él, hasta la f echa como asesor y guía para este proceso de finalización de est a bella etapa. A Andrea C aviedes, Mónica Moreno, Andrés Aguilar y. Felipe Valdés por su. compañía, apoyo incondicional y su inv aluable amist ad.. TABLA DE CONTENIDO. 4.

(5) II. 07(20)78. RESU MEN ............................................................................................................................8 I. INTRODUCCIÓN ..............................................................................................................9 II. OBJETIVOS...................................................................................................................11 2.1. OBJETIVO GENERAL .............................................................................................131 2.2. OBJETIVOS ESPECÍFICOS ....................................................................................131 2.3. JUSTIFICACIÓN....................................................................................................132 III. MARCO TEÓ RICO .......................................................................................................13 3.1. MARCO CONCEPTUAL.............................................................................................17 3.1.1. PLAN MAESTRO DE P RODUCCIÓN...................................................................17 3.1.2. PROG RAMACIÓN DE P RODUCCIÓN.................................................................17 3.1.2.1. AMBI ENTE DE MAQUINAS..........................................................................17 3.1.2.2. RESTRICCIONES.........................................................................................17 3.1.2.3. FUNCIÓN OBJETIVO. .................................................................................17 3.1.3. REGLAS DE DESPACHO .................................................................................17 3.1.4. RE GLAS COMBINADAS. ....................................................................................17 3.1.5. ALGORITMOS UTILIZADOS PARA LA P LANEACIÓN DE PRODUCCIÓN..........18 3.1.5.1. ALGORITMO DE BÚSQUE DA LOCAL. .........................................................19 3.1.5.2. RECOCIDO SIMU LADO ...............................................................................19 3.1.5.3. DECISION ES GENÉRICAS...........................................................................21 3.1.5.3.1. VALORES DE LA TEMPERATU RA..........................................................22 3.1.5.3.2. VELOCIDAD DE REDUCCIÓN DE LA TEMPE RATURA ...........................22 3.1.5.3.3. CONDICIÓN DE PARADA......................................................................24 3.1.5.3.4. DECISIONES ESPECÍFICAS ..................................................................24 3.1.5.5.5. GENE RACIÓN DE VECINDADE S. ..........................................................25 3.2. MARCO TEÓRICO REFERENCIAL. ........................................................ 27 3.2.1. PROCESO DE TRANSFORMACIÓN DE P LÁSTICOS. .........................................27 3.2.1.2. GE NE RALIDADES. ................................................................. 27 3.2.1.2. MODELO DE INYECCIÓN............................................................................28 3.2.1.3. UNI DAD DE INYE NCCIÓN. ...................................................... 29 3.2.1.4. DIS EÑO DE MOLDES ............................................................. 30. V. DESA RROLLÓ DE LA HE RRAMIENTA COMP UTACIONAL.............................................31 4.1. SU PUESTOS. ...........................................................................................................33 4.1.1. SUPUESTOS G ENE RALES ..................................................................................33 4.1.2. SUPUESTOS ESP ECÍFICOS. .......................................................... 34 4.1.2.1. INFORMACIÓN DE EN TRADA .....................................................................34. 5.

(6) II. 07(20)78. 4.1.2.2. INFORMACIÓN DE SALI DA. .......................................................................35 4.2. OPCIONES PRESENTADAS EN LA HE RRAMIENTA. ................................................35. V. EJE MPLO DE APLICACIÓN DE LA HERRAMI ENTA COMP UTACIONAL.........................38 5.1. DATOS DE PISO DE PLANTA. .................................................................................38 5.2. DATOS MP S. ...........................................................................................................38 5.3. EJE MPLO APLICATIVO............................................................................................39. VI. C ONC LUSIONES ............................................................................. 44 VII. BIBLIOGRAFÍA .............................................................................. 46 VIII. ANEXOS ..................................................................................... 48 8.1. ANEXO A. ...............................................................................................................48 8.2. ANEXO B. ................................................................................................................56 8.2.1. ING RESAR UNA ORDEN O VARIAS Ó RDENES. ................................................56 8.2.2. ELI MINAR UNA ORDEN O VA RIAS Ó RDE NES..................................................57 8.2.3. CONS ULATR Y MODIFICAR U NA ORDEN O VARIAS ÓRDENES.......................58 8.2.4. VISUA LIZAR BASE DE DATOS..........................................................................61 8.2.5. VISUA LIZAR P ROGRA MACIÓN. ........................................................................62 8.2.6. CE RRAR APLICATIVO. ......................................................................................63 8.3. ANEXO C. .................................................................................... 68 ÍNDIC E D E IL USTRACIONES Y C UAD ROS. DIAGRAMAS DIAGRAMA 1. DIAG RAMA DE GANTT, REGAL COMBINADA ..........................................138 DIAGRAMA 2. P ROCESO DE EJECUCIÓN .........................................................................32. FIGURAS FIGURA 1. ALGO RI TMO RS PARA P ROBLEMAS DE MI NIMIZACIÓN ................................21 FIGURA 2. CÁLCULO DE TEMPERATURAS........................................................................23 FIGURA 3. PSEUDO CÓDIGO DE L ALGORI TMO HEURÍSTICO RS ...................................26 FIGURA 4. MAQUINA IN YECTO RA...................................................................................28 FIGURA 5. MODELO GENÉ RICO DE LA UNI DAD DE I NYECCIÓN ...................................29 FIGURA 6. CAVIDAD DE UN MO LDE .................................................................................30 FIGURA 7. FORMATO MENÚ PRINCIPAL ..........................................................................58 FIGURA 8. FORMATO I NGRESAR ÓRDENES ....................................................................59 FIGURA 9. FORMATO P REG UNTA CANTIDAD..................................................................60 FIGURA 10. FORMATO E LIMINAR ORDEN .......................................................................61. 6.

(7) II. 07(20)78. FIGURA 11. FORMATO P REG UNTA ELI MINAR .................................................................61 FIGURA 12 FORMATO CANTIDAD ELIMINA R...................................................................62 FIGURA 13. FORMATO P REG UNTA ORDEN ......................................................................62 FIGURA 14. FORMATO CONSULTAR Y MODIFICAR.........................................................63 FIGURA 15. FORMATO CONSULTAR Y MODIFICAR SI N CAMBIOS ................................64 FIGURA 16. VISUALIZA R BASE DE DATOS MP S ..............................................................65 FIGURA 17. FORMATO P ROGRAMACIÓN .........................................................................66 FIGURA 18. VISUALIZA R BASE DE DATOS GAN TT ..........................................................68. TABLAS TABLA 1. PLAN MAESTRO D EPRODUCCIÓN, REGLA COMBINADA...............................137 TABLA 2. SECUENCIA DE P RODUCCIÓN, REGLA COMBINADA .....................................137 TABLA 3. TIE MPO DE P ROCESO. ................................................................ 39 TABLA 4. INS TANCÍA TWK 1.3. ........................................................................................41 TABLA 5. INS TANCÍA TWK 1.5. ........................................................................................41 TABLA 6. INS TANCÍA TWK 2 ............................................................................................42 TABLA 8. TW K 1.3 ................................................................................. 69 TABLA 9. TW K 1.5 ................................................................................. 70 TABLA 10. TWK 2..................................................................................70. 7.

(8) II. 07(20)78. Res umen La herramienta computacional f ue desarrollada con el ánimo de presentar una serie de alternativas para la secuenciación de trabajos, en la programación de producción en ambientes de fabricación monoproceso, característ icos de las empresas productoras de envases plást icos. Donde el proceso consist e en inyect ar un material plást ico (Ej. poliestireno) a un molde para así obt ener un envase.. La herramient a computacional maneja una base de dat os en hojas de cálculo en Ex cel, con la información provenie nte del Plan Maestro de Producción (MPS Master Plannig & Product io n Scheduling). planif icador la oportunidad de. Ésta herramient a brinda al. interact uar con la base de datos tanto para. entradas, salidas y modificación de los datos característicos de cada orden, con el objet ivo de enfrentar los cambios en el entorno que en últ imo moment o se pueden presentar, y así poder convenir con el client e la mejor sit uación para las dos partes. La secuencia ción de las órdenes se lleva acabo por medio de reglas simples de asignación y el empleo de un algoritmo heurístico.. En el ejemplo aplicativ o se realizara 3 instancias con diferentes cantidades de órdenes en f ir me, con el f in de corroborar la eficiencia de la secuencia obtenida a trav és del algorit mo heuríst ic o con respecto a una buena solución obtenida a través del algoritmo ut ilizado por el soft ware Lekin.. 8.

(9) II. 07(20)78. Capítulo I INTRODUCCIÓN. Una de las may ores preocupaciones de las organizaciones que participan de una act iv id ad comercial ya sea de un bien o un servicio, es el cumplimiento al cliente en fechas de ent rega. Por est e mot ivo, uno de los elementos crít icos dentro de la organización para guiar el Plan Maestro de Producción (MPS en sus siglas en ingles) es una buena planif icación y programación de la producción, con el f in de conocer que órdenes han sido programadas, en que cent ros de trabajos y sus respect ivas fechas de f inalización. Por lo tanto, en est e trabajo se desarrolló un herramienta comput acional que propone la dist ribución de la órdenes en cada centro de trabajo, con el fin últ imo de serv ir como herramienta de ayuda para el jefe de producción al momento de llevar acabo la programación de producción, en empresas que se caractericen por utilizar en sus procesos de fabricació n, máquinas en paralelo (propios en la fabricació n de envases plásticos). Por medio de la herramienta comput acional el jefe de producción t endrá a su disposición toda la información característica referent e a cada una de las órdenes, es decir, tendrá una base de dat os la cual podrá manejar, que contendrá infor mación, tal como: «referencia», «cant id ad», «color», «fecha de liberación», «fecha de entrega», «prioridad», «t iempo de alist amiento» y los posibles cent ros de t rabajo en las que se. puede procesar. la orden. Al igual que permitirá conocer la. disponibilidad de cada uno de los centros de trabajo cada vez que se programe un nuevo plan de producción. La herramienta co mputacional brinda al jefe de producción 7 progra mas factibles de producción basados en la minimización de la tardanza ponderada de t odos los trabajos, 6 de ellos obtenidos con reglas simples de despacho y 1. 9.

(10) II. 07(20)78. de ellos obtenido a través de la corrida de un algorit mo heurístico. En cada uno de estos programas fact ibles, se muestra la asignación de cada una de las órdenes dentro de los centros de trabajo, al igual que la fecha en la que se inicia la fabricación, la fecha de entrega y los días de retraso que l eva hasta el momento la orden. Adicionalmente, se pueden realizar cambios en la inf ormación propia de cada una de las órdenes siempre y cuando éstas se encuent ren en cola para ser procesadas.. 10.

(11) II. 07(20)78. Capít ulo II OBJETIVOS 2.1. Objetiv o Ge nera l Desarrollar y aplicar la herramienta computacional, para la programación de la producción en ambient es de f abricación con centros de trabajo dispuestos en paralelo, propios para la elaboración de envases plásticos, con el fin de cumplir con las fechas de entrega.. 2.2. Objet ivos Es pecíficos •. Generar una base de datos, que sirv a como base del Plan Maestro de Producción.. •. Ident ificar los datos de entrada relevantes para cada uno de las órdenes en firme que serán inscritas dentro del Plan Maestro de Producción.. •. Desarrollar una interfaz de fácil ut ilización para la administración de la base de dat os, por parte del planif icador de producción.. •. Implement ar. un. mecanismo. de. act ualización. del. programa. de. producción, para ent radas y salidas de nuevos o ant iguos trabajos. •. Establecer e implement ar diferentes reglas de despacho, así como la implementación de. un. alg orit mo heuríst ico para la planeación y. programación de la producción con el fin de brindar diferentes. y. mejores opciones al planif icador. •. Comprobar la eficiencia del algorit mo heurístico «Recocido Simulado», bajo una in stancia comparable.. •. Desarrollar los diagra mas de Gantt para la visualización del programa de producción para cada uno de las órdenes con datos descript iv os del proceso, como co mentarios asocia dos para conocer la fecha de inicio de la corrida, fecha de entrega y días de retraso que lleva la orden hasta la fecha.. 11.

(12) II. 07(20)78. 2.3.. Justifica ción. El sector de plást icos en Colombia dentro de las MIPy Mes ha demostrado ser una de las principales activ idades industriales del país y según Ibarra Araujo (2006) con un crecimient o promedio anual desde 1999 de 16,4%.. En términos monetarios, en el año 2000, la act iv idad transf ormadora de mat eria les plást icos registro un valor de producción de 2.215 millones de pesos y un valor agregado de 1. 073 millones de pesos, con una contribución al total industrial nacional del 4% en las dos variable s. Mientras que en el año 2003 el sect or de los plásticos export o 249 millones de dóla res FOB, con un promedio de part icipación del 3, 3% en el total de las exportaciones indust riales. En el mismo año, las import aciones de productos plást icos alcanzaron los 60 millones de dólares, equivalente al 2,2% de las 1. importaciones industriales . Sin embargo las empresas asociadas a este sect or presentan diferentes dif ic ultades relativ as a la planeación product iva incurriendo así en signif icativos retrasos en fechas de ent rega. Partiendo de estos hechos en el sector plást ico colombiano es de v ital importancia brindarle a estas empresas una herramienta de fácil utilización y un con mínimo requerimiento de hardware y de software que mejoren y brinden diferent es alternat iv as, en cuanto a utilización de sus recursos y a la sat isfacción de los cli entes referent e a cumplimiento en fechas entregas de sus productos y calidad del product o.. 1. Sector Plástico, Guí as A mbiental es: Ministerio A mbiente, vivienda y des arrollo s ectorial , Bogota, Julio de 2004.. 12.

(13) II. 07(20)78. Ca pít ulo III MARCO TEÓRICO 3.1. MA RCO CONCEPTUAL 3.1.1. Plan Maestro de Producción (MPS) El Plan Maestro de Producción MPS, según Proud (1999) es una herramienta operacional con el objet ivo de generar planes estratégicos de producción para cumplir con fechas de entrega y producir las suf icie ntes cantidades de producto que demanda el mercado. Además de amort iguar el nerviosismo exist ent e entre la demanda y las activ idades llev adas acabo en el piso de plant a. Este plan de producción, es ela borado por el planif icador de la producción (jefe de producción), basándose en las órdenes en fir me o los pronóst icos de ventas para cada uno de los productos en los periodos de t iempo estipulados en la organización para llev ar acabo est á planif icación. La programación de cada una de las órdenes en firme se lleva acabo por medio de. reglas de despacho. simples o algoritmos. 3.1.2. Programación de Producción La programación de producció n es un proceso de toma de decisiones de las part es planif ic adoras de las organizaciones, en la cuál, las órdenes que son liberadas en el sistema de fabricación pasan a ser órdenes en f irme con unas fechas de terminación establecidas. Las órdenes en firme son. secuenciadas. dentro de los centros de trabajo en el proceso de programación. Adic ionalment e, el proceso de programación debe interact uar. con ot ras. decisiones de planta, como lo es «El Sistema de Requerimiento de Mat eriales» (MRP en sus siglas en ingles), en el cual es necesario planif icar las decisiones referentes a los diferentes materia les a utilizar para iniciar cada corrida de una orden en firme programada.. 13.

(14) II. 07(20)78. Los Sistemas de Requerimient os de Mat eriales tienen asociados para cada orden en f irme una hoja de materiales denominada BOM que desglo sa cada uno de las partes, en cuanto a materias primas requeridas de la orden para su producción.. Según Pinedo (2002) los problemas de programación se denot an por medio de una triplet a. . Donde. representa el ambiente de las maquinas,. prov ee las restricciones de procesamiento y por último,. describe el objet ivo a. optimizar. 3.1.2.1. Ambiente de las Maquinas Maquinas idént icas en pa ra lelo (. ). Se t ienen m máquinas idént icas en. paralelo, en donde la orden en f irme j requiere de una única operación, la cuál se puede llevar acabo en las m máquinas o en un subconjunto de ést as. 3.1.2.2. Re stricciones Fecha de Liberación ( ) La orden en firme j no puede comenzar a ser procesada antes de la fecha de liberación . En cuánt o a la herramient a computacional, el sistema acepta el ingreso de órdenes con fechas de liberación dif erent es y mayores a la fecha act ual, sin embargo, en el mo mento de realizar la planeación de producción, solo se tienen en cuent a aquellas órdenes con una fecha de liberación menor o igual a la fecha en la que se realizara la planif icació n.. Tiem pos de Preparación ( S j ) Representan los tiempos de preparación para iniciar la producción de la orden en firme j. 3.1.2.3. Función Objet ivo. 14.

(15) II. 07(20)78. Representa la su ma ponderada de las. Tardanza Total Ponde rada (. tardanza de cada orden en f irme j. Donde wj es el peso de la orden en firme j, mientras T j se def ine como:. [ (. T j = Maximo 0; C j − d j. )]. Donde:. C j = Tiempo de terminación de la orden de producción j. d j = Fecha de ent rega de la orden de producció n j.. Se eligió esta función objetiv o, dado que se esta buscando que la herramienta comput acional sirva de ay uda para aconsejar o mejorar el cumplimiento con las fechas de entrega de las órdenes. La producción de env ases plást icos se caracteriza de manera general por ser un proceso de fabricació n monoproceso, en cual la empresa posee una serie de máquinas que se encuent ran dispuestas en paralelo, en las cuáles se pueden procesar diferentes product os. Por tal motiv o, para el desarrollo de la herramienta computacional, se t uvo en cuenta la siguie nte tripleta: Pm / s j / ∑ w j ⋅ T j ∀j. 3.1.3.. Reglas de Despacho. Las reglas de despacho son una serie normas que det erminan la secuenciación de las órdenes dentro de los centros de trabajo, las reglas utilizadas para el desarrolló de la herramienta comput acional fueron las siguient es:. Fecha de e ntrega más cerca na (FEC ó EDD), se programan primero las órdenes en las que su fecha de entrega es más cercana a la fecha de programación. Tiem po de procesa do más corto (TPC ó SPT), las órdenes con un tiempo de proceso más cort o son las que se programan primero con respecto a los demás ordenes.. 15.

(16) II. 07(20)78. Tiem po de procesado más largo (TPL ó LPT), aquell as tienen asociado un tiempo de proceso más la rgo. órdenes. que. son las primeras órdenes. que son progra madas. Prioridad (Priority), se programa primero las órdenes que t ie nen mayor prioridad con respecto a las demás órdenes 3.1.4.. Reglas Combinadas. Las siguientes reglas combinadas fueron comput acional,. incluidas en. la. herramienta. dado a la posibilidad de empate de algunas de las. características descriptivas de las órdenes, ya sean por fecha de entrega,. prioridad o t iempo de procesamient o. Fecha de Entre ga más cerca na-Prioridad-Tiem po de Proceso más Largo (FEC-Prioridad-TPL ó EDD-Priorida d-LPT), se programa pri mero las órdenes en las que su fecha de entrega es más cercana a la fecha de programación, si existen más de dos órdenes con f echas similares de entrega se. utiliza la regla de despacho prioridad como. regla de desempate para. programar. Si siguen existiendo más de dos órdenes con priorid ades similares, se ut iliza en última inst ancia como regla de desempate la regla de despacho. de tiempo de proceso más largo, que programa aquellas órdenes con un tiempo de proceso más largo con respecto a las demás ordenes. Para hacer una ilustración de ésta regla combinada, supongamos t enemos los siguient es 8 t rabajos represent ados en la tabla 1. La empresa cuenta con 4 centros de trabajo disponibles. En la columna Máquinas el valor 5 representa la posibilidad de producir la orden en firme en cualquier centro de trabajo que se encuent re disponible y las órdenes que están rest ringidas a hacer procesadas en ciertas máquinas deben esperar para ser procesadas hast a que la máquina quede libre.. 16.

(17) II. 07(20)78. La secuencia se obtiene por medio de la comparación ent re dos órdenes, por ejemplo, las órdenes 1 y 2 t ienen la misma «fecha de ent rega» , y «prioridad» sin embargo, es la orden 2 la que tiene asociado un mayor t iempo de producción por lo tanto ésta orden es la primera en la secuencia.. T iempo de Prioridad Máquinas Corrida. Fecha de Fecha de Ordenes Cantidad Liberación Entrega 1. 80. 23/11/2007 24/11/2007. 5. 4. 13,33. 2 3. 100 65. 23/11/2007 24/11/2007 23/11/2007 24/11/2007. 5 5. 3 2. 16,67 16,25. 4 5. 70 63. 23/11/2007 25/11/2007 23/11/2007 25/11/2007. 4 4. 1 5. 17,50 10,42. 6 7. 56 50. 23/11/2007 25/11/2007 23/11/2007 26/11/2007. 4 3. 5 2. 9,33 12,38. 8. 43. 23/11/2007 26/11/2007. 2. 1. 10,75. Tabla 1. Datos P la n M aestro de Producción, r egla com bina da. De los anteriores datos la secuencia asociada a la regla combinada de producción es la representada en la tabla 2. Secuen cia. M aquina. (Orden). T iem po. de. Corrida (Hr). 2. 3. 16,67. 3. 2. 16,25. 1. 4. 13,33. 4. 1. 17,50. 5. 5. 10,4. 6. 5. 9,33. 7. 2. 12,38. 8. 1. 10,75. Tabla 2. Secuencia de producción, r egla com binada. Finalmente conocida la secuencia se asigna cada orden a cada centro de trabajo, en el Dia grama 1 representa el Diagrama de Gantt obtenido de la programación.. 17.

(18) II. 07(20)78. Diagrama 1. Diagr am a de Ga ntt, regla combinada. Fecha de Entre ga más cerca na-Prioridad-Tiem po de Proceso mas corto (FEC-Prioridad-TPC ó EDD-Prioridad-SPT), programa primero las órdenes en las que su fecha de entrega es más cercana a la fecha de programación, si existen más de dos órdenes con f echas similares de entrega se. utiliza la regla de despacho prioridad como. regla de desempate. para. programar, si siguen existiendo más de dos órdenes con prioridades similares se ut iliza en última inst ancia como regla de desempate la regla de despacho. de tiempo de proceso más cort o, que programa aquella s órdenes con un tiempo de proceso más corto con respecto a las demás órdenes. 3.1.5. A lgoritmos utilizados para la planeación de producción Existen diferentes algoritmos dentro de los cuales muchos de ellos son utilizados act ualment e como út iles herramient as en la planificación y programación de la producción. Uno de estos algoritmos heuríst icos es el «Recocido Simulado»» (RS) que se deriva de los algorit mos de búsqueda local.. A continuación se describirán las característ icas básicas de los algorit mos de búsqueda local y RS, que han sido ut ilizados para el desarrollo de una de las posibles opciones para la programación de la producción en la herramienta comput acional desarrollada. La elección de éste algorit mo se basó en la posibilidad de comparar varias soluciones a la vez y obtener del algoritmo heurístico. por qué se es espera. «Recocido Simulado», resultados que se. 18.

(19) II. 07(20)78. esperan que además de ser fact ibles representen un buena solución con respect o a las obtenidas por los métodos simples de asignació n. 3.1.5.1. Algoritm os de búsqueda Local Este algorit mo inicia con una solució n factible y el objet ivo es generar una nueva secuencia de producción por medio del intercambio de tareas, en el caso específico de la planeación de producción. Así se crean nuevas soluciones del problema original, con el fin de encontrar una solución mejor que la solución actual. Este procedimient o se repite hasta que ninguna secuencia de producción sea mejor a la encont rada. El hecho de intercambiar tareas y generar una nueva secuencia de producción es denominado generar una vecindad. Según Roy o, Lambán & Rivas (2007) exist en diferentes reglas para llevar acabo est os intercambios, estas son:. •. Int ercambio a dyacente por pares (IAP) el cuál consiste en intercambiar dos trabajos adyacentes de la secuencia de producción inicial.. •. Int ercambio por pares (IP) se basa en intercambiar dos trabajos cualesquie ra de la secuencia de producción inicial. Sin embargo, no hace falta que éstos dos trabajos sean adyacentes.. •. Inserción (INS) como su nombre lo indic a se inserta un trabajo entre otros dos trabajos cualesquiera de la secuencia de producción inicial. 3.1.5.2. Recocido Simulado. El «Recocido Simulado» es un algorit mo heuríst ico clásico, que deriva de los algoritmos de búsqueda local, al permit ir la generación de mov imientos a nuevas vecindades. Sin embargo, ésta heuríst ica «RS» permite ex plorar un espacio de soluciones mayor con respecto a la búsqueda local, al aceptar. 19.

(20) II. 07(20)78. soluciones no tan buenas de manera controlada dentro de la búsqueda de exploración. En 1983 Kirkpatrick f ue uno de los pioneros que int rodujo el concepto de «Recocido Si mulado», basado en un algorit mo diseñado para simular el enfriamient o de materiales en el proceso de recocido. Sin embargo, según Dowsland & A denso est e concepto remontaba del trabajo realizado en 1953 por Metropolis, quien desarrolló una est rategia que consistía en simular los cambios energét icos del siste ma acorde decrecía la temperat ura durante el proceso de recocido, hast a converger a un estado estable. Según las leyes de la termodinámica al encontrarse un sistema a una temperat ura t, la probabilidad de increment o energét ico de una. magnitud. ∂E se puede. aproximar por:. P(∂E ) = exp (−∂E / κt )) Siendo k una constante física deno minada de Boltzman. En éste algorit mo de RS al generarse una pert urbación aleatoria en el sistema, ex isten dos posibilidades. En primer lugar, se puede generar una caída energética en el sistema, la cuál es aceptada automát icamente por el algorit mo. En segundo término, se puede generar un incremento energét ico en el sistema, el cual será aceptado con una probabilidad dada. Este procedimiento se repite en un número de iteraciones dadas hasta que la probabilidad de aceptación de soluciones malas sea mínimo. Este proceso de aceptación de malas solucio nes son denominados movi mientos. de escape y ev itan est ancar el algorit mo en un ópt imo lo cal. Por últ imo, estos movimientos de escape deben llev arse acabo de manera controlada dentro del algoritmo de RS, es decir, conforme avanza la búsqueda se reduce la probabilidad de elegir tales mov imientos de escape.. 20.

(21) II. 07(20)78. Desde entonces, el algoritmo heuríst ico de RS ha sido aplicado en diferentes campos inv est igativos en los cuales han obtenido buenos resultados.. Sin. embargo, la constante de Boltzmann k no se considera, debido a que no t iene signif icado en problemas que no son relacionados con t ermodinámica. Según Dowsland & A denso, se puede definir un algorit mo básico de«Recocido Si mulado» para proble mas de minimización como se indica en la f igura 1.. Sea f (s ) el valor de la función ob jetivo con un vec tor solución s y sea. N ( s )el espacio de po sibles soluc iones. Seleccionar un a soluc ión inicial s o Seleccionar un a temp er atura inic ial del sistema t o > 0 Seleccionar un a función de r educción de la temp eratur a Seleccionar un nú mero de iter aciones Nu m_I teracion es Seleccionar un criterio de p ar ada Criterio _Par ada REPETI R REPE TI R. α. Seleccionar aleatoriamente un a so luc ión s ∈ N (s o ) Sea ∂ = f ( s ) − f ( s o ) SI ∂ < 0 ENTONCES s o = s SINO. Gen erar aleatoriamen te u ∈ U (0,1). Si u < exp ( −∂ / t) ENTONCES s o = s FIN SINO HASTA QUE Cu enta_I teracion es=Nu m_I terac ion es. t = α (t ). HASTA QUE Criterio P arad a=VERDADERO. Figura 1 . A lgoritm o RS para problem a de Minim ización. Fuente: Diseño de Heuríst icas y Fundament os del «Recocido Si mulado». El algorit mo heurístico de «Recocido Simulado». necesit a. varias decisiones. para poder obtener buenas soluciones. Estas. decisio nes se clasif ican en. decisiones genéricas y específicas. 3.1.5.3. Decis iones Gené ricas Las decisiones genéricas son las decisiones relacionadas con los parámetros que dirigen el plan de enfria miento, como lo son los valores máximos y mínimos 21.

(22) II. 07(20)78. que puede to mar la temperat ura, la velocidad en la que se reducirá la temperat ura y las condiciones de parada de la heurística. 3.1.5.3.1. Valores de la temperatura La temperat ura es un parámetro del cuál depende la probabilidad de aceptación de los mov imientos de escape. Por lo tanto, la temperat ura inicial debería ser independient e de la solución con la cuál inicia el algorit mo heuríst ico, adic ionalmente ést a debe ser lo suficientemente alta para que se acepten con una alta probabilidad los mov imientos de escape. En problemas donde existe la suficient e información es posible estimar el valor de la temperat ura inicial. En el caso de la herramienta computacional para un problema de programación de producción, cont amos con 6 soluciones fact ibles prov enient es de las reglas de despacho, de las cuales conocemos el valor de la función objetiv o y la secuencia de las órdenes en firme dentro de los centros de trabajo. De estas 6 solucio nes elegi mos los valores máx imos y mínimos que puede tomar la función objetivo y eligiendo una probabilidad de 98% de aceptación para los movimient os de escape, calculamos la temperat ura inicial como se indica en la figura 2. La te mperat ura final debe ser cercana a cero. Por lo tant o, para el desarrollo de la herra mient a co mputacional se elegirá como t emperatura final la cuál tenga una probabilidad de aceptación de movimientos de escape de un 1%, de la cuál obtenemos una temperatura baja. Su cálculo se lleva a cabo de manera similar al cálculo para la temperatura inicial. 3.1.5.3.2. Velocidad de re ducción de la tem pe ratura Según Dowsland & Adenso la velocidad a la que se reduce la temperatura está determinada por el nú mero de iteraciones que se producirán para cada una de las temperaturas generadas y por la velocidad de enfriamiento que está determinado por un factor α . La teoría sugiere. reducir la temperat ura. 22.

(23) II. 07(20)78. después que el sistema act ual haya hecho una detallada ex ploración para la temperat ura dada, hasta que f inalmente de consecut ivos descensos. de. temperat ura, ésta se reduzca a un valor cercano a cero. Seleccionar el Máximo valor d e la Función Objetivo con las 6 difer en tes reg las de asignac ión (Max) Seleccionar el Mín imo valor d e la Func ió n Objetivo co n las 6 diferentes reg las d e asignac ión (Min) Sea ∂ = Max − Min. exp( −∂ / t ) = 98 % ENTONCES. ln( exp(−∂ / t )) = Ln(0.98) − ∂ / t = Ln(0.98) t=. −∂ Ln(0 .98). Figura 2 . Calculo de temperaturas. Para el desarrolló de la herramienta computacional, el número de iteraciones para cada temperatura se fijo en un valor creciente por temperatura de la forma: Número _ Iteracione s = 1 + β ⋅ Número _ Iteracione s. Debido a la selección del plan de enfriamiento que sugiere una mayor exploración del espacio de soluciones en t emperat uras bajas De los diferent es programas de enfriamiento que se han docu mentado para el algoritmo heurístico de RS, el más destacado es: •. La reducción de forma geométrica, es decir, la reducción de la temperat ura se llev a a cabo de la forma:. t → αt donde α < 1 . Según Dowsland & Adenso, las evidencias empíricas dan a ent ender que valores elevados de α , como valores ent re 0.8 y 0.99 corresponden a velocidades lentas de enf riamient o que brindan mejores resultados en la heurística.. 23.

(24) II. 07(20)78. Y fue éste el programa de enfriamiento. elegido para el desarrollo de la. herramienta comput acio nal, después de una serie de ensayos realizados se eligió un valor de: α = 0.875 .. 3.1.5.3.3. Condición de parada Sobre este criterio ex ist en varias opciones y dependen en ciert a manera del entorno del proble ma. Ciertos criterios de finalizació n son: •. Finalizar la heurística después de un número f ijo de temperaturas utilizadas.. •. Finalizar después de un cierto t iempo de corrida dado a que est e crece exponencial mente.. •. Finalizar después de un número det erminado de it eraciones.. La condició n de parada ut ilizada para la herra mient a computacional se basa en la probabilidad de aceptación de los mov imient os de escape, es decir, el algoritmo it erara hasta que la temperatura del sistema se reduzca a la temperat ura final inicialmente calculada para una probabilidad de aceptación de movimientos de escape del 1%. 3.1.5.4. De cis iones Específicas Las decisiones específ icas son las decisiones relacionadas a la estructura de los entornos, al espacio de soluciones y a la función objet iv o. En cuant o a la estruct ura de lo s entornos según Dowsland & A denso, se pref ieren para la heurística de RS entornos unifor mes y simétricos, es decir, que todos los entornos tengan el mis mo tamaño. La solución inicial elegida debe ser generada aleat oriamente, preferiblemente que ésta sea una buena solución. Y por último, la f unción objet ivo debe ser una buena representación lógica de la met a buscada.. 24.

(25) II. 07(20)78. Por lo tant o, para el desarrollo de la herramienta computacional y según los criterios que se deberían cumplir para la estruct ura de ent ornos, cada vez que se genere un nuev o plan de producción se manejara entornos unifor mes, es decir, se manejara la planeación de producción por medio del RS con las órdenes en f ir me que hasta la fecha se encuentran dentro de la base de datos, si por alguna razón se produce un cambio dentro del conjunto de las características de la base de datos se reprogramaran de manera complet a el algoritmo.. La solución inicial utilizada para iniciar el algorit mo heuríst ico, será la secuencia obtenida a t ravés de la regla de asignación EDD_Prioridad_LPT, dado que en el caso de ex ist ir empates en las características de las órdenes, la solución obtenida por medio de la esta regla de asignación combinada será buena comparada con algunas de las demás reglas de asignación indicadas en la herramienta. Por último, la f unció n objet ivo utilizada es la mini mización de la. tardanza ponderada, como representación para el cumplimiento en fechas de entregas. 3.1.5.5. Ge neración de vecindades En la lit erat ura se han documentado dif erentes estrategias de generación de vecindades en problemas de planeación y programación de producción, para dif erentes ambientes de manufactura.. Low Chinyao (2004) propone 2 est rategias para la generación de vecindades en un ambiente de manufact ura tipo f low shop, en donde cada estación de trabajo tiene disponible un conjunt o de máquinas en paralelo. Dado un plan de programación s, obtenido por alg ún medio ya sean reglas de asignación, un vecino del programa s se puede obtener: •. Sean. i y i′ dos posiciones del programa inicial s. La posición i. represent ara una tarea determinada del programa s, en consecuencia un. 25.

(26) II. 07(20)78. vecino se generara intercambiando las tareas de las posiciones i y i′ siempre que la tarea i ′ ≠ i . •. Sean i y i′ dos posiciones cualesquiera del programa inicial s. Un vecino se generara intercambiando dos tareas cualesquiera de sus posiciones. i y i′ siempre que la tarea i ′ ≠ i . Para el desarrolló de la herramienta comput acional se utiliza éste método, es decir, se obtiene una secuencia inicial. de. producción. a. través. de. la. regla. de. asignación. EDD_Prioridad_LPT para cada uno de los centros de trabajo, de manera aleatoria se generan dos números que representan una de las órdenes de la base datos y se interca mbian de posiciones.. Sea f ( s) el v alor de la func ión objetivo con un vec tor so lución s y sea N ( s ) el espacio de po sib les solucion es. Se g en era por medio de In tercambio de P ar es (IP). Selecc ion ar una soluc ió n inicial s o . Selecc ion ar un nú mero de iteracion es. Número _ Iteracione s = 1 + β ⋅ Número _ Iteracione s. Selecc ion ar un criterio d e p arad a Criterio_P ar ada. 1. Si la temper atur a ac tual es igu al a la temper atur a fin al. REPE TIR REPE TIR Selecc ion ar aleatoriamen te una solución s ∈ N ( so ) Sea ∂ = f ( s) − f (s o ) SI ∂ < 0 ENTONCES s o = s SINO Gener ar aleatoriamen te u ∈ U (0,1) Si u < exp (−∂ / t) ENTO NCES s o = s FIN SINO HASTA QUE Cuen ta_I ter aciones=N ú mero_Iter acion es. T = α ⋅ T con α = 0 .875. SI T= T_Final ENTONCES Criterio_P arada= FALSO FIN SI HASTA QUE Criterio _Par ada=VE RDADE RO F igur a 3. P se udo código del a lgor itmo he ur ístico de RS. 26.

(27) II. 07(20)78. Según esto, en la figura 3 se resume el pseudo código del algorit mo heuríst ico de «Recocido Simulado» ut ilizado para la obtención de unas de las secuencias de programación en la herramienta computacional, según las decisiones generales y especif icas t omadas para el desarrollo del algorit mo heuríst ico y la generación de vecindades. 3.2. MA RCO TEÓRICO REFERENCIA L. 3.2.1. Procesos de transform ación de plást icos La palabra plá st ic o es un término genérico para aquellas sustancias del grupo de compuestos orgánicos denominados polímeros que comparten ciertas características estructurales,. propiedades físicas y. químicas. La producción. del plást ico tuv o sus comienzos para el año 1869 y se f ortaleció en el año 1884 con el origen de la producción de la película f otográf ica.. Actualmente los productos. plást icos se ut ilizan en variadas aplicaciones de. product os esenciales para la sociedad reemplazando o complementando ciertos mat eria les como lo son la madera y ciertos metales.. 3.2.1.1. Ge neralida des Los plást icos se clasifican según sus diferentes estruct uras moleculares, y son éstas la s que det erminan las características del product o final. Los dos grandes grupos de clasif icació n son los Termoplást icos y Termofijos: •. Term oplást icos,. se. caracterizan. principalmente. por. que. como. consecuencia del calor se pueden moldear y se endurecen al enfriase. Adic ionalment e, al someter est as sustancias a un proceso de moldeo no hay reacción química. •. Term ofijos, se caract erizan principalmente porque no son fundibles ni solubles. Por lo tanto, bajo calor dif ícilmente se ablandan y su est ruct ura. 27.

(28) II. 07(20)78. molecular a. temperat ura a mbiente es rígida pero presenta baja. resistencia a los golpes. 3.2.1.2. Mode lo de inyección Para la fabricación de envases plásticos se transf orma y moldea la materia prima, por ejemplo el poliest ireno, mediant e un proceso denominado proceso de inyección. El modelo por inyecció n se caracteriza por ser un proceso de fabricación rápido, con la posibilidad de fabricar piezas con geometrías muy complicadas requiriendo escaso y en ocasiones nulo trabajo de acabado. El modelo por inyección es un proceso. que se lleva acabo en maquinas. inyect oras como la representada en la figura 4, éste proceso consiste en la inyección por presión de un polímero en estado líquido (f undido) a través de un orificio llamado compuerta,. a un molde cerrado frió con el objetivo de. solidificar el polímero. La pieza f inal es obtenida al abrir el molde y sacar de la cavidad la pieza moldeada.. Figura 4 . Maquina Inyectora. 28.

(29) II. 07(20)78. 3.2.1.3. Unida d de inyección La maquina inyectora ejecuta t res procesos con el polimero, los cuales se llevan a cabo de manera semicont inua, estos son: f undir, mezclar e inyectar. En la figura 5 se puede observ ar un modelo genérico de una unidad de inyección.. Figura 5 . M odelo Genérico de la unidad de inyección. Fuente: «PPI Procesos Plást icos Inyectados». El proceso de fusión consist e en convertir en estado líq uido al polí mero a través del incremento de la t emperat ura y la fricción entre la t olva y el husillo. Dependiendo de estos dos parámetros, la t emperat ura y la fricción, son determinantes para la obtención de una fusión ef iciente dado a que la gran may oría de los polímeros no son buenos conductores de calor. En cuant o a la proceso de inyección, la unidad de inyección posee una cámara de reserv a en la que se almacena polí mero fundido para ser iny ect ado al molde. Esta cámara durante el proceso es llenada del polímero líquido, cuando ésta tiene contenido la cantidad de polímero necesaria para la ela boración de la pieza, es inyect ada al molde.. 29.

(30) II. 07(20)78. 3.2.1.4. Diseño de moldes Los moldes son un importante eslabón en el proceso de inyección de los polímeros, dado que a través de los moldes se le brindan característ icas especiales a las piezas como lo son: la forma, la s dimensiones y la text ura, además de cumplir con las funciones de recibir y mantener el polímero mient ras éste se enfría para que posteriorment e sea expulsado. En la f igura 6, se puede observar la cavidad de un molde que puede ser condicionado en una maquina inyect ora.. Figura 6. Cavidad de un molde. 30.

(31) II. 07(20)78. Ca pít ulo IV DESA RROLLÓ DE LA HERRAM IENTA COMPUTACIONA L Con el desarrolló de la instrumento. herramienta computacional, se espera brindar un. que permit ir á generar opciones para la pla nificación. y. programación de producción, ofreciendo diferent es secuencias de las órdenes en f irme dentro de los centros de trabajo. Así el planif icador podrá elegir la secuencia de programación que considere convenient e para el cumplimiento con las fechas de entrega requeridas por el cliente. El desarrollo de la herramienta computacional ésta basado en un ambient e de fabricación con centros de trabajos dispuestos en paralelo, donde las órdenes en firme puedan ser considerados como una única tarea a realizar dentro de los centros de trabajo, sin la necesidad de requerir un trabajo de acabado característicos de las empresas que fabrican envases plást icos. La herramienta comput acional tiene una interfaz grafica la cual act úa como intermedia dora para el ingreso y salida de los dat os. Para el desarrolló de esta herramienta se utilizó Visual Basic de Ex cel con el objet o de mantener la base de datos en Excel y poder interact uar con ésta según las necesidades del usuario. A la herramienta co mputacional. se le deben ingresar los dat os necesarios. característicos de cada una de las órdenes en firme que hacen parte del Plan Maest ro de Producción y así la herramient a computacional generara 7 dif erentes opciones de secuenciación para las órdenes en firme dentro de los centros de t rabajo. A continuación, se presentara la información necesaria para cada una de las órdenes ingresada en la base de dat os y la inf ormación que se obt iene de ella a través de la herramienta computacional. •. Información de entrada:. a. Tipo de Referencia.. 31.

(32) II. 07(20)78. b. Cant idad a ordenar. c. Prioridad. d. Fecha de Liberación. c. Fecha de Entrega. d. Cent ro de Trabajo en el que se puede llevar acabo la f abricación de la orden. e. Tiempo de A list amient o (Set _Up). •. Información de Salida:. Diagrama de Gantt. para cada una de las. 6 reglas de despacho. y una. secuencia obt enida a través del algorit mo heuríst ico de RS con todas las órdenes que hasta la fecha de programación pueden ser programas. Se programaran en todos los días hábiles del mes, y se consideraron 8. horas. diarias disponibles para la producción de las órdenes.. Órden es en Firme. Programación d e Producción. Cambio en datos d e la s Órdenes. Si. No. Ele gir Secu enc iac ión Dia grama 2. Proce dim iento de eje cución. 32.

(33) II. 07(20)78. El modelo utilizado para const ruir la herramienta computacional es el descrito en el diagrama 2, donde las órdenes en firme son las puestas en consideración por el jefe de producción y es un dato de entrada para la herramienta comput acional. Con estos datos se programa el piso de plant a. Después de ser conocida la secuenciació n de los trabajos, el jefe de producción es quién toma la decis ión de llevar a cabo el plan. 4.1. Supuest os En el transcurso del diseño de la herramienta comput acional, se implemento una serie de supuestos tanto generales como específicos para cada uno de los tipos de infor mación que serian generados e ingresados a la herramienta comput acional. Estos son: 4.1.1. Supuestos Gene rales: •. Las órdenes en firme son conocidas.. •. En cada centro de trabajo solo se puede procesar un t rabajo a la vez sin int errupción.. •. Todos los centros de t rabajo estarán disponibles desde el pri mer momento.. •. La materia prima necesaria para la producción de las órdenes está disponible en el mo ment o de in iciar la corrida.. •. Los product os generados en los diferentes. centros de t rabajo no. generan productos defect uosos. •. Los tiempos est imados para la producción de una ref erencia dada son conocid os y no tienen ret rasos en la producción de éstos, por eventos inesperados como mantenimient o o avería de los centros de t rabajo.. •. No se podrán generar modif icaciones de las característ icas de una orden si ésta se encuentra en la secuencia de programación del día, es decir, dentro de las primeras 8 horas programadas.. •. La fábrica programa su producción con una polít ica make to order.. 33.

(34) II. 07(20)78. 4.1.2. Supuestos Es pecíficos Los siguientes supuestos están asociados a las decisiones del manejo de los datos para planif icar la producción dentro de los centros de t rabajo. Estos supuest os están clasif icados en dos: los supuestos ut ilizados para la inf ormación de ent rada de la herramienta computacional basados en la caracterización del sect or de los plásticos, en especial para empresas que fabrican envases plásticos, y los supuestos. de la información de salida. derivados de la programación de la producción.. 4.1.2.1. Información de e ntrada Dado a que el t iempo de alistamiento hace parte de las restricciones en el problema de programación de la producción y el diagra ma de Gantt se llevara a cabo en las celdas de las hojas de cálculo en Excel y cada una represent ara treinta minutos. Para la producción, se considero que tres cif ras probables para los tiempos de alistamiento serian de cero, treinta minut os o una hora. Por lo tant o, al usuario se le brinda la opción única de elegir entre estos tres posibles tiempos de alistamiento cero, treint a minutos y una hora respect ivamente. Donde cero representa la no necesidad de incurrir en lo s t iempos de alista mient o. Adic ionalment e para cada referencia, de las concebidas para el desarrollo de la herramienta computacional se calcula un t iempo de corrida según la referencia, esto es, si exist en tres referencias, cada una de la s cuales tiene un tiempo de producción asociado, al ingresarse la orden a la base de dat os inmediat amente se calcula el tiempo de corrida según la cantidad de unidades a producir. Por último, ingresar la fecha de liberación de la orden no es necesario, si ésta es la del día que se le está ingresando al sistema. Por lo tanto, si el usuario no ingresa la fecha de liberació n de la orden en f irme, entonces ésta se tomará por sent ado como la fecha del día.. 34.

(35) II. 07(20)78. 4.1.2.2. Información de Salida Cada vez que se genera un programa de producción sin importa el t ipo de referencia se to ma en cuenta el tiempo de corrida, es decir, si en la secuencia de una cent ro de t rabajo se programa un mismo t ipo de referencia pero hacen part e de diferentes ordenes en firme, se contabilizaran los t iempos de alista mient o cada vez que se inicie una nueva corrida para cada una de las órdenes en firme, para evitar esto el planificador t iene la posibilidad de elegir un t iempo de proceso de cero.. Adic ionalment e cada vez que el usuario interact úa a través del aplicat iv o con la base de dat os, para eliminar o consultar una orden, se utiliza los estados de la orden en los cent ros de trabajo obtenidos por medio de la regla de despacho EDD_Prioridad_LPT, es decir, se genera infor mación relacionada a la orden si se encuent ra en cola, en proceso, no programada o terminada según la secuencia obtenida por ésta regla de asignación. Finalmente, cada vez que la herramienta co mputacional es cargada, ésta actualiza automát icamente. la base de dat os con los trabajos que fueron. programados y terminados en la jornada ant erior, y deja un remanente de los trabajos. procesados pero que aún no f ueron completados, para que en la. jornada present e lleguen a su término. Esta act ualización se realiza reduciendo el tiempo de corrida de la orden y eliminado por completo el t iempo de alista mient o, esto dado que al momento de generar el programa de producción por medio del algorit mo heuríst ico de RS, tiene en cuenta que esa orden ha sido en parte procesada y ya se incurrió en los t ie mpos de ali stamiento. 4.2. Opciones prese nta das en la herram ienta Esta herramient a computacional brinda al usuario la oportunidad de int eract uar en diferentes maneras con la base de dat os, estas. oportunidades están. represent adas en la actualización y modif icación en ciertas característ icas. 35.

(36) II. 07(20)78. descriptiv as de las órdenes, que son necesarios por part e del usuario para la planif icació n y programación de producción, como son: •. Ingresar una orden o varias órdenes.. •. Eliminar una orden o varias órdenes.. •. Consult ar o modificar una orden o v arias órdenes.. •. Visualizar Base de Dat os.. •. Visualizar Programa de Producción.. •. Cerrar Aplicativ o.. En cuanto a las órdenes que y a se encontraban en la base de dat os la herramienta computacional of rece la posibilidad de: •. Cambios en la prioridad de una orden en firme.. •. Cambio en la cant idad demandada por los clientes.. •. Cambio en las Fechas de Ent rega acordadas.. •. Cambios en la posibilidad de procesamiento de la orden en otro centro de trabajo.. •. Cambio en la ref erencia demanda por el cliente.. Para ver más det alles de cómo int eract uar con cada una de estas opciones véase. el Manual del Usuario (ver Anexo B).Adicionalmente, se permite la. producción de ciert os productos en unos centros determinados de trabajo, es decir, se le admite al planificador la escogencia de los centros de trabajo para el proceso de una orden determinada, característica propia de las empresas que fabrican envases plást icos, las cuales dest inan ciert as referencias de productos a ser procesados solo en un conjunt o específico de máquinas inyectoras, por ejemplo, por las características de fuerza de cierre de éstas. Al conocer las tareas que realiza la herramienta comput acional, y la int eracción entre ésta y el usuario, que en últ imas será el planif icador de la producción, se estructuran la s hojas de funcionali dad (Ver A nex o A). que describen las. opciones ofrecidas de la herramienta computacional con respect o a la int eracción con la base de datos y los pasos necesarios que se deben ingresar y llevar a cabo para la progra mación de la producción.. 36.

(37) II. 07(20)78. Capítulo V EJ EMPLO DE A PLICA CIÓN DE LA HERRAMIENTA COM PUTA CIONA L Para. explicar el funcionamiento y comprobar la eficiencia del algorit mo. heurístico implementado dent ro de la herramienta comput acional, con respecto a la solución obt enida de éstas mismas instancia con el algorit mo heuríst ico. shifting bot tleneck implementado en el software Lekin, se realizo un ejemplo apli cativ o con 3 dif erentes inst ancias, donde t odas las órdenes podían ser procesadas en cualquiera de los centros de trabajo. 5.1. Datos Pis o de Planta El ejemplo de planif icación de producción se llevo a cabo para una empresa hipotética que posee 4 maquinas inyect oras con velocidades iguales.. 5.2. Datos MPS La hipót esis se concibe en una empresa que f abrica macetas decorat ivas en plást ico,. ofreciendo una gamma de colores para cada una de las macetas,. como lo son: «terra cota», «verde», «oro», «azul», «tint o», «blanco» y «negro». Las ref erencias determinadas para el desarrollo de est e ejemplo apli cativ o son las asociadas a los siguientes 4 t ip os de macetas: •. Macet a t ipo azalea.. •. Macet a t ipo colgante.. •. Macet a t ipo vallarta.. •. Macet a t ipo cult ivo orgánicos.. Los t iempos de proceso de la empresa para cada una de las referencias se encuent ran en la tabla 3. Estos tiempos de proceso fueron seleccionados de ésta manera, con el fin último de obt ener t iempos de procesos con una distribución unif orme de [1,40] para cant idades de producto [10,100] unidades.. 37.

(38) II. 07(20)78. Teniendo en cuent a los ant eriores datos, se l evaran a cabo 3 instancias con dif erentes cantidades de órdenes a programar. La fecha del sist ema en la cual se lleva a acabo la programació n de producción es Dic iembre 10/2007. Tipo de Referencia. Tiem po de Proceso (tiempo/unidad). Mac eta tipo azalea. 10 minu tos. Mac eta tipo colg an te. 8 minu tos. Mac eta tipo vallarta. 8 minu tos. Mac eta tipo ton alá. 20 minu tos. Mac eta tipo cultivos Org án ico s. 8 minu tos. T abla 3. Tiempo de proceso. 5.3. Ejemplo Aplicat ivo. Para el desarrolló del ejemplo aplicativo se tuv ie ron en cuenta 3 diferentes instancias, con el objetiv o de comprobar la eficiencia de la solución obtenida por la herramienta co mputacional, a través del uso del algorit mo heuríst ico RS con respect o a las solucio nes obtenidas por el algoritmo heuríst ico shift ing. bott leneck implementado en el software Lekin, las cuales se considerarían unas «buenas» soluciones. Para el desarrollo de estas inst ancias, se t uvieron en cuenta dos supuestos importantes: •. Las órdenes están disponibles para ser procesadas desde el mo mento cero, que en el caso para la herramient a computacional la fecha del sistema es Diciembre 10/2007.. •. Adic ionalment e, todas las órdenes pueden ser procesadas en cualquier centro de trabajo.. Para cada una de las instancia s se comparara el v alor obt enido por la función objet ivo para cada una de las reglas de asignación fecha de entrega más. cercana y tiempo de proceso más corto, con el objet ivo de compara el valor. 38.

(39) II. 07(20)78. obtenido deriv ado de la herramienta computacional y el derivado por Lekin. Esto es, para verif icar si los dat os de las órdenes fueron traducidos de forma correcta, según la nomenclat ura que trabaja el soft ware Lekin. Cave aclarar que las reglas de asignación entre ellas nos son comparables, dado que cada una de éstas ev alúa propiedades diferentes característ icas de las órdenes. Por último, para cada una de las instancias se generaron los dat os de entrada como lo son «cantidad», «fec ha de entr ega» y «pr ioridad» de la s iguiente manera: •. Canti dad: se obtuvo por medio de la generación de una v ar iable unif or me en el rango [10, 120], c on el objetivo de obtener tiempos de proc esamiento en un rango de [4, 35] horas de producción y así inscr ibir la pos ib ilidad de tener órdenes tardías .. •. Fecha de entr ega: se utilizó el método TW K, «total w ork time», c on el fin de de asignar las fechas de entr ega y de ésta maner a generar un progr ama de pr oducc ión par a un rango de días de Diciembre 12/2007 al Diciembre 14/2007. Es te método funciona de la s iguiente manera: Fecha de entrega = TWK × Tiempo de proceso(unidad / tiempo). Para las 3 instancias se ut ilizaron TWK de 1.3; 1.5 y 2 respectiv amente. •. Priori dad: se obtuvo. por medio de la gener ación de una v ar iable. unif or me en un rango de [1, 5]. Donde 5 repres enta la máx ima importancia que puede tomar una orden y 1 r epres enta la míni ma importancia que puede tomar una or den. Para ver más detalle con respect o a los valo res utilizados para cada una de las instancias diríj ase al A nexo C.. Cada una de las instancias cont iene 15 diferent es corridas para diferentes cantidades de órdenes, adicionalmente se presenta los valores obtenidos por las reglas de asignación y los algorit mos heuríst icos al igual que los tiempos de ejecución de ést os para obtener una solución tanto para la herramienta comput acional como para Lekin. En la tabla 4 se presenta la primera instancia para un TW K de 1.3 unidades, en la tabla 5 la segunda instancia para un TWK. 39.

(40) II. 07(20)78. de 1.5 unidades y por últ imo la tercera instancia esta representada en la tabla 6 para un TW K de 2 unidades.. Tardanza Ponderada SPT. Tiempo de Ejecución (segundos). Shif ting Bottleneck Heuristic. Tiempo de Ejec ución (segundos). Heurística. Órdenes. Tardanza Ponderada EDD. 14. 53. 53. 1. 37. 13. 43. 18. 96. 103. 1. 75. 19. 77. 22. 141. 132. 2. 122. 26. 118. 24 26. 180 188. 162 198. 4 4. 148 187. 30 32. 154 175. 28. 249. 234. 5. 217. 37. 216. 30 32. 270 308. 265 300. 6 8. 248 282. 41 45. 250 280. 34 36. 369 397. 366 363. 6 11. 304 407. 48 50. 322 355. 38 40 42. 413 567 566. 421 504 560. 13 15 18. 379 425 544. 57 61 75. 374 444 509. 46. 640. 652. 18. 761. 82. 566. 50. 731. 742. 33. 701. 90. 661. Núm ero de. RS. Ta bla 4 . I nsta ncia TWK 1.3. Tardanza Tardanza Tiempo de Número de Ponderada Ponderada Ejec ución Órdenes EDD SPT (segundos) 14 43 44 1. Shifting Tiem po de Heurística Bottleneck Ejec ución Heuristic (segundos) RS 32 13 31. 18. 73. 76. 1. 58. 19. 66. 22 24. 123 156. 124 161. 2 4. 111 163. 25 29. 109 135. 26 28 30. 194 236 245. 179 225 228. 4 5 6. 156 206 224. 32 36 39. 169 202 226. 32 34. 341 493. 311 353. 8 6. 267 295. 42 61. 279 308. 36. 371. 386. 11. 361. 52. 328. 38 40 42 46 50. 412 480 555 616 725. 417 453 505 593 687. 13 15 18 18 33. 363 457 513 543 677. 56 56 66 72 78. 363 419 479 565 658. Ta bla 5 . I nsta ncia TWK 1.5. 40.

(41) II. 07(20)78. Núm ero de Órdenes 14. Tardanza Tardanza Tiempo de Ponderada Ponderada Ejec ución EDD SPT (segundos) 21 23 1. Shifting Tiem po de Heurística Bottleneck Ejec ución Heuristic (segundos) RS 13 6 17. 18. 57. 76. 1. 28. 8. 49. 22 24 26 28 30. 84 104 128 154 200. 84 106 133 155 184. 2 4 4 5 6. 55 89 111 141 150. 11 13 13 16 17. 71 98 108 142 172. 32. 224. 241. 8. 201. 19. 210. 34 36 38 40 42. 266 285 318 374 401. 281 288 326 380 414. 6 11 13 15 18. 226 253 276 338 367. 21 21 23 25 26. 245 253 280 351 392. 46 50. 498 555. 504 581. 18 33. 454 535. 29 35. 451 538. Ta bla 6 . Instancia TWK 2. Según los resultados obtenidos, para las 3 instancias el algorit mo heuríst ic o RS implementado para la herramienta computacional, present a buenas soluciones en cuanto a lo referente a los valores obtenidos de la función objet iv o «tardanza ponderada» y los t ie mpos de ejecución con respect o a los result ados obtenidos por el alg orit mo heuríst ico shifting bott leneck implement ado en el soft ware Lekin. En términos numéricos más del 60% de la resultados obtenidos con lo que respect a al v alor obtenido de la f unción objet ivo «t ardanza ponderada» por medio del algorit mo heurístico RS son mejores o por lo menos iguales que las obtenidas por medio del algoritmo heuríst ico shift ing bottleneck de Lekin. Es de aclarar que puede exist ir dif erencias en lo s result ados con respect o a los obtenidos a través de Lekin dado a que en la herramienta computacional para llevar acabo la programación de la producción si t ienen en cuenta fracciones de hora, es decir, si un orden en firme tiene asocia do un t iempo de proceso de 7.33 horas en la herramienta se tendrá en cuenta para la producción de esta 41.

(42) II. 07(20)78. orden 7 horas y 30 minut os de producción, mientras que Lekin solo acepta valores ent eros, por lo tant o, puede que en Lekin las soluciones en algunos casos sean mejores que las obtenidas por la herramienta pero si se t uvieran en cuent an esas fracciones de horas acumuladas podrían llegar a ser similares o mejores las obt enidas por el algorit mo heuríst ico ut ilizado en Lekin. Por últ imo, en lo que respecta al tiempo de ejecución, la herramienta comput acional brinda razonables tiempos de ejecución con respect o a los incurridos por el soft ware Lekin, el cuál en últ imas f ue desarrollado en un lenguaje especial para la s resoluciones de proble mas de planeació n y programación de producción.. 42.

(43) II. 07(20)78. VI. CO NCLUSIONES El principal aporte de est a herramient a computacional es proponer una serie opciones para la planificación y progra mación de producción en ambientes de manufact uran con máquinas en paralelo. La herramienta comput acional le brinda 7. opciones de programación de producción al usuario, con el. objet ivo que sea el planificador quien elija alg una de estas opciones. Sin embargo, una de las mejores opciones que pueden ser obtenidas por el planif icador a través de la herramienta,. es la derivada del algorit mo. heurístico de «Recocido Simulado». En lo que se refiere a facili dades de uso, se le brinda flexibilidad al usuario de realizar modif icaciones en la base de datos cada vez que se requiera, teniendo en cuenta la sit uació n del piso de planta para llevar a cabo las modif icacio nes requeridas, ya sean modif icaciones derivadas del cambio en las característ icas descriptiv as de las órdenes o el ingreso y eliminación de las mismas.. Adicionalmente, ésta herramienta computacional f unciona. como una herramienta para generar pronóst icos, por ejemplo, se pueden acordar fechas de entrega con los client es según las órdenes demandadas por éstos, es decir, se evalúa a través de la herramienta una fecha de entrega tent ativ a, derivada de la ocupación que el piso de planta tenga para la fecha, o de igual manera,. se pueden generar pronósticos a largo. plazo para la planificación de los mat eriales necesario s para llev ar acabo la producción de las órdenes pronost icadas. El algoritmo heuríst ico «Recocido Simulado» como est rategia para la planif icació n y programación de producción genera planes en lo s cuales se garantiza una «buena» solució n, con respecto a los planes generados por las reglas simples de asig nación o como en los casos presentados los generados por el alg orit mo utilizado por el soft ware Lekin, en cuant o a lo que refiere a la búsqueda de la minimización de la t ardanza ponderada. Sin. 43.

(44) II. 07(20)78. embargo, la convergencia a una «buena» solución se hace de forma lenta por parte de la heurística tomando un alto tie mpo de corrida, y no nos asegura la obtención de una solución ópt ima, si no la convergencia a una «buena» solución factible en casos como el presentado. Por lo tanto, la elección del planif icador de ut ilizar esta opción debe est ar sujet a a la disponibilidad de t iempo que ést e tenga, pues para la obtención de los result ados enmarcados de las 3 in stancias se tuvo unos tiempos de corrida en un rango 15 segundos a 90 segundos en un computador personal de DDR II-667 MHZ de memoria,. este rango depende de la cant idad de. órdenes inscrit as en la base de dat os. En cuant o a los parámetros que definen el algoritmo heurístico «RS», es de vital importancia por una part e, la decisión de un buen plan de enfriamiento, con el objet ivo de asegurar la exploración ef icient e de las soluciones en las temperat uras bajas, y por otro lado, la técnica para la generación de vecindades, la cuál inf luye en gran medida en cuanto a una buena exploración del espacio de soluciones. Según los resultados obtenid os a través de la realización del algorit mo heurístico «Recocido Simulado», es preferible la generación de vecindades de manera aleat oria y adicionalmente se prefiere tener asociado por centro de trabajo la secuencia de las órdenes a procesar en éstos en un vector representat ivo. Finalmente, la herramienta computacional representa una alt ernat iva para pequeñas empresas que no posean un modelo estructurado para la planif icació n y programación de la producción y que normalmente se basan en la experiencia. empírica del planif icador o se aspire mejorar el. desempeño en cuanto a fechas de entrega se refiere. Recomendaciones a tra ba jos posteriores. 44.

(45) II. 07(20)78. A pesar del las alternativas que la herramienta computacional desarrollada proporciona al planificador se sugiere para trabajos posteriores, el involucrar ciertas alternat ivas como: •. Ident ificar las órdenes en f irme que en el inicio del día fueron programadas, para que en el mo mento en que llegue una nueva orden al sistema y se desea conocer la secuencia de producción se tenga en cuent a las órdenes que y a iniciaron hacer fabricadas y solo se reprograme para las 8 horas después de las 8 horas inicia les que represent a en el día actual.. •. Brindar la oportunidad de actualización automática por part e del sistema de la herramient a computacional para la actualización en ingresos de nuevos tipos de referencias, colores y caract eríst icas descript ivas relacionadas a las órdenes en f irme.. •. Por último, brindarle la oport unidad al planif icador que sea él quien elija la función objetivo que desea minimizar, ya sea makespan, tardanza. total, entre otras.. 45.