Metodologia de distribucion de plantas en ambientes de agrupacion celular.
| Autor | Pantoja, Cielo |
| Cargo | Ensayo |
Plant layout methodology in cellular manufacturing systems
A metodologia de distribuição de plantas em ambientes de agrupação celular
-
Introducción
En mercados que exigen gran competitividad, la administración de los negocios se enfrenta a decisiones y problemas que deben resolverse de manera estratégica para el mantenimiento exitoso de las compañías. Entre esas decisiones es de gran relevancia el satisfacer las necesidades de los clientes externos en cuanto a la calidad del producto y al servicio, siendo el cumplimiento en las entregas un elemento de gran impacto (Davis-Sramek, Mentzer y Stank, 2008).
El cumplimiento en las entregas se asocia en gran medida a la organización de los procesos de manufactura, que a su vez contribuye a la mejor utilización de recursos de una planta. Una de las herramientas para la mejora de los procesos es la planificación del layout, con la cual se pueden mejorar los tiempos de producción, la productividad y la eficiencia, pudiéndose además disminuir los costos de manejo de materiales (Drira, Pierreval y Hajri-Gabouj, 2007).
Debido a la flexibilidad que requieren los mercados actuales, que tienen gran variedad de productos y bajos volúmenes de producción, se aplica ampliamente la filosofía de la manufactura celular y flexible (Mahdavi, Teymouria, Baher y Kayvanfar, 2013; Dixit y Gupta, 2013), la cual permite agrupar un número de piezas comunes para procesarlas en una célula compuesta de las máquinas necesarias para producirlas. En especial, se aplica en sectores como el metalmecánico, utilizando la distribución celular, lo que le permite mejorar la eficiencia de los procesos (Wemmerlov yJohnson, 1997)
Los entornos metalmecánicos son regularmente del tipo Job Shop y pueden contar con gran número de máquinas y gran variedad de productos que se caracterizan por tener diferentes rutas de paso, aspecto que dificulta el acomodar las máquinas en un orden específico de flujo. Esto obliga a preguntarse dónde ubicar cada máquina teniendo en cuenta que puede ser usada por distintos productos, con diferentes rutas y demandas. Lo anterior conlleva un problema de localización de máquinas, problema que tradicionalmente se ha resuelto con métodos heurísticos y exactos, donde uno de los más conocidos es el Quadratic Assignment Problem (QAP) (Koopmans y Beckmann, 1957; Liggett, 2000). Según Liggett (2000), el QAP tiene una alta complejidad que puede desencadenar infactibilidades y altos tiempos computacionales. Es por ello que las agrupaciones de productos y de máquinas, previo al uso del QAP, representan estrategias de disminución de complejidad.
En este artículo se presenta una metodología para distribución en planta útil en ambientes de manufactura flexible, siendo posible trabajar con un gran número de máquinas, factor que usualmente incrementa la complejidad haciendo difícil el uso aislado del algoritmo QAP, que ha demostrado ser No Polinomial-duro (NPduro) en cuanto a su complejidad (Cela, 2013), requiriéndose en este caso nuevas estrategias de solución. Por lo tanto, se propone una estrategia metodológica novedosa, agrupando primero las máquinas mediante un modelo p-mediana modificado, ajustando el modelo p-mediana tradicional de Kusiak (1987), para luego aplicar el QAP a un problema más reducido.
El p-mediana modificado propuesto, que es distinto al formulado por Won y Lee (2004), permite agrupar más de una misma máquina en una célula o grupo, y el agrupamiento está influenciado por distintos coeficientes de similaridad (Yin y Yasuda, 2006). El presente artículo muestra por primera vez un proceso de solución en cascada, donde con cada coeficiente de similaridad se obtiene, a través del modelo p-mediana modificado propuesto, un nuevo agrupamiento, y cada agrupamiento alimenta el algoritmo QAP que arroja una configuración óptima de máquinas. Las configuraciones así obtenidas, cambiando el coeficiente de similaridad, son comparadas y rankeadas con el método multicriterio Analytic Hierarchy Process (AHP) (Yang y Kuo, 2003; Hadi-Vencheh y Mohamadghasemi, 2013), para finalmente decidir por la mejor distribución de la planta.
En la literatura revisada sobre metodologías de distribución en planta no se ha encontrado una asociación similar a la antes presentada entre un método multicriterio y el QAP con un enlace con el modelo p-mediana modificado desarrollado, y para ello se puede revisar, por ejemplo, a Yang y Kuo (2003), Yang y Hung (2007a), Salazar, Vargas, Anasco y Orejuela (2010) y Karande y Chakraborty (2014).
Dado lo anterior, el artículo se esquematiza de la siguiente manera: la sección 2 explica de manera ampliada el esquema metodológico elegido, en la sección 3 se explica el p-mediana modificado, y la sección 4 explica el método QAP y el método multicriterio. La sección 5 presenta los resultados de la aplicación de la metodología propuesta en un caso de estudio real, y la sección 6 muestra las conclusiones.
-
Metodología
Se propone una metodología basada en la combinación de varios métodos que abordan de manera jerárquica y concatenada una serie de subproblemas asociados a la elección de la mejor distribución de planta. La figura 1 esboza la estrategia metodológica general.
Teniendo como referente de un sistema de manufactura flexible a cualquier empresa del sector metalmecánico, se tiene que ellas manejan grandes cantidades de ítems, y por ello se establece conveniente empezar por hacer un primer tipo de agrupamiento de los productos > (Kusiak, 1987). Esto tiene como finalidad hacer un agrupamiento preliminar, reduciendo el número de ítems para facilitar los posteriores desarrollos numéricos con los modelos p-mediana y QAP. Este primer agrupamiento consideró los siguientes criterios:
* Geometría de las piezas: tamano, forma, etc.
* Funciones de los componentes: mango, abrazadera, etc. * Según el tipo de fabricación: tamano del lote, ruta del proceso, etc.
* Material de la pieza.
Partiendo de la agrupación hecha en el paso anterior se seleccionaron los coeficientes de similaridad teniendo en cuenta los siguientes criterios:
* Coeficientes que según el estado del arte tuvieran mayor aplicación en la tecnología de grupos.
* Usar coeficientes de similaridad basados en las tablas de contingencia (Warrens, 2008), las cuales tienen la estructura mostrada en la tabla 1.
* Se incluyeron además coeficientes basados en distancia (Selim, Askin y Vakharia, 1998) y otros de asociación para poder hacer un estudio comparativo.
Considerando la tabla 1, puede decirse que en los modelos más comunes los coeficientes de similaridad se calculan sobre caracteres de dos estados, cada uno de los cuales se registra como 1 o 0 (presencia o ausencia), donde a es el número de productos que tienen operaciones en ambas máquinas, b es el número de productos presentes en la máquina > pero no >, c es el número de productos presentes en la máquina > pero no >, y d es el número de productos ausentes en ambas máquinas. Algunos de las expresiones de los coeficientes elegidos se muestran a continuación, y para mayor información pueden verse las investigaciones de Yin (2006) y Warrens (2008):
Coeficiente deJaccard (Sneath) : [S.sub.j] = b/[a + b + c] (1)
Coeficiente de Dice y Sorensen : [S.sub.D] = 2a/[2a + b + c] (2)
Coeficiente de similitud de Ochiai : [S.sub.s] = (a + d)/...
Para continuar leyendo
Solicita tu pruebaCOPYRIGHT GALE, Cengage Learning. All rights reserved.
