Quiero mostrar cómo se puede optimizar un sistema transportador con una combinación de modelado matemático y simulación de eventos discretos (DES). Esta es una adición a la rica variedad de ejemplos de optimización de transportadores disponibles en la industria. Sin embargo, como explicaré en este artículo, el flujo de trabajo y el procedimiento propuesto por mí conducen a resultados significativamente mejores con un esfuerzo mucho menor.
La simulación facilita el enfoque de optimización habitual
Es un error común pensar que los sistemas transportadores complejos (siempre) requieren (solo) simulación. Esto no es correcto. Como explicaré en este artículo, recomiendo aplicar un enfoque doble que primero optimice las relaciones de enrutamiento y luego implemente el diseño y las reglas de enrutamiento derivadas matemáticamente en una simulación dinámica. Sin embargo, sigue siendo el enfoque convencional utilizar modelos de simulación de eventos discretos para probar conceptos y diseños de transportadores.
Aquí hay algunos ejemplos de modelos simples que incluyen ejemplos de transportadores simples. Piense en estos ejemplos simples en un escenario más complejo, es decir, un diseño de transportador más complejo:
- Enlace: Simulación de transportadores en AnyLogic
- Enlace: Simulación de KPI financieros de Visual Components
Otras herramientas populares para las simulaciones de transportadores (además de AnyLogic) son simio, AutoMOD, Plant Simulation, FlexSim, etc. Incluso puede modelar sistemas de transporte en un nivel de abstracción más alto, con menos visualización, usando, por ejemplo, simmer en R. Para obtener una documentación completa sobre «simmer», consulte el artículo vinculado a continuación.
El enfoque convencional consiste en implementar el diseño del transportador propuesto en un entorno de simulación. A continuación, el equipo se configura de acuerdo con las especificaciones técnicas. Luego, los experimentos de simulación se aplican iterativamente. Durante estas iteraciones, el analista de simulación, por ejemplo, busca determinar las optimizaciones de diseño pero también las optimizaciones de enrutamiento, cuando corresponda.
Ilustrando la complejidad de los sistemas de transporte
Por ejemplo, considere el diseño del transportador ilustrado en la siguiente figura. El diseño ilustrado en la siguiente figura comprende flujos de entrada y salida, desde los procesos de suministro hasta las estaciones posteriores de ensamblaje y/o procesamiento final. Además, el diseño comprende flujos hacia y desde áreas de amortiguamiento.
El flujo de materiales cambia dinámicamente, sujeto al programa general de producción y al programa maestro. En determinados momentos, la entrada de familias de piezas o números de lote específicos supera la salida, por ejemplo, cuando se produce en stock durante la noche. En tales situaciones, las áreas intermedias se utilizan para guardar piezas. En otras ocasiones, los procesos de producción de suministro pueden estar fabricando familias de piezas que actualmente no se envían o procesan en los procesos posteriores (flujo de salida). Las piezas, si están disponibles, se recogen del búfer y se suministran aguas abajo desde allí.
Evidentemente, el flujo de materiales puede volverse complejo rápidamente. Las reglas de enrutamiento y las relaciones de enrutamiento se pueden usar para determinar qué partes deben fluir a lo largo de qué segmento del sistema transportador. Esto se puede describir en un modelo matemático, en el que la función objetivo es el rendimiento total del sistema para una o varias familias de piezas. Las capacidades del transportador, especialmente las capacidades de las plataformas giratorias, son las limitaciones de este modelo matemático. Luego, el modelo puede optimizar las relaciones de enrutamiento, es decir, una vez que se hayan definido oficialmente como variables de optimización relevantes.
Herramientas de optimización para enrutamiento de sistemas de transporte
Existen varias herramientas para la optimización del enrutamiento del transportador. No se requiere necesariamente una herramienta comercial. Para sistemas de transporte más pequeños, se puede utilizar una herramienta gratuita. O, si tiene instalado Excel, puede usar Excel y Excel Solver para aplicaciones más pequeñas.
A continuación hay una lista de algunos artículos que cubren otras herramientas de optimización gratuitas que yo u otros miembros de SCDA ya presentamos en este blog.
- Enlace: Uso de solucionadores para la optimización en Python
- Enlace: Optimización con JuMP y GLPK en Julia
- Enlace: Optimización y modelado en Python
- Enlace: Optimización lineal con PuLP en Python
Cubriré Excel Solver para la optimización de enrutamiento en una publicación de blog separada en este blog.
Modelo de procedimiento para la optimización del sistema transportador
Ilustrando y resumiendo la mayoría de mis comentarios anteriores, creé una figura de flujo de trabajo para describir el modelo de procedimiento de optimización de mi sistema transportador. Puedes verlo a continuación.
Primero, se redacta un concepto de diseño. Esto implicará algunos cálculos estáticos, cifras aproximadas y estimaciones prácticas. El diseño suele estar redactado mientras que la disponibilidad de datos es escasa. Este paso tiene que garantizar la viabilidad de todo el proceso de producción.
Una vez realizado el borrador inicial hay que configurar el equipo. El diseño indica dónde deben colocarse los transportadores, las plataformas giratorias, etc. Pero, ¿qué tipo de transportador? ¿Qué tipo de unidad? Las respuestas a este tipo de preguntas afectarán las especificaciones del equipo, por ejemplo, en términos de velocidad y aceleración del transportador. Cuando se han especificado datos cinemáticos para el equipo transportador, se puede realizar un cálculo de capacidad estática. Por ejemplo, si un transportador tiene una longitud de 1 m y su velocidad es de 1 m/s, puede, cuando opera a velocidad máxima constante, transportar 3600 piezas por hora.
Luego, las capacidades calculadas estáticamente se envían a un programa matemático en el que las capacidades del equipo se modelan como restricciones de optimización. Las proporciones de enrutamiento, como se explicó anteriormente en el artículo, son las variables de optimización relevantes. El programa matemático buscará optimizar un objetivo definido, por ejemplo, el rendimiento total del sistema. En consecuencia, después de completar este paso, el solucionador tendrá proporciones de enrutamiento definidas en cada punto de enrutamiento en el sistema transportador, para el escenario de producción asociado.
El modelo matemático ya puede conducir a una decisión de rediseño. Es posible que el rediseño solo afecte la configuración del equipo. Pero también podría significar que el diseño en sí tiene que ser rehecho.
El paso final es un modelo de simulación dinámica . Un modelo de este tipo tiene en cuenta las interdependencias de los sistemas dinámicos que el programa matemático pasó por alto.
Observaciones finales sobre la optimización del sistema transportador
Saltar directamente al modelado de simulación no es necesariamente el enfoque correcto al optimizar un sistema de transporte. Puede ser más eficiente aplicar modelos matemáticos primero. El modelado de simulación debería facilitar la etapa final de optimización del sistema de transporte.
Ingeniero industrial especializado en optimización y simulación (R, Python, SQL, VBA)
Leave a Reply