Estudio del proceso productivo en una planta de fabricacion de

Proyecto Fin de Carrera
Ingeniería Aeronáutica
Estudio del proceso productivo en una planta de
fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de
mejora.
Autor: Guillermo Casais Sancho
Tutor: Pedro Luis González Rodríguez
Dep. Organización Industrial y Gestión de Empresas I
Escuela Técnica Superior de Ingeniería
Universidad de Sevilla
Sevilla, 2014
Proyecto Fin de Carrera
Ingeniería Aeronáutica
Estudio del proceso productivo en una planta de
fabricación de elementos de material compuesto
para la industria aeronáutica. Análisis y propuesta
de mejora.
Autor:
Guillermo Casais Sancho
Tutor:
Pedro Luis González Rodríguez
Profesor Titular
Dep. de Organización Industrial y Gestión de Empresas I
Escuela Técnica Superior de Ingeniería
Universidad de Sevilla
Sevilla, 2014
Proyecto Fin de Carrera: Estudio del proceso productivo en una planta de fabricación de elementos de material
compuesto para la industria aeronáutica. Análisis y propuesta de mejora.
Autor:
Guillermo Casais Sancho
Tutor:
Pedro Luis González Rodríguez
El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros:
Presidente:
Vocales:
Secretario:
Acuerdan otorgarle la calificación de
Sevilla, 2014
El Secretario del Tribunal
Resumen
Como culminación a los estudios desarrollados en la Escuela Técnica Superior de Ingenieros, es requisito la
elaboración de un proyecto fin de carrera en el cual se aplican muchos de los conceptos y metodologías
aprendidos en el desarrollo de dicha carrera.
De la compaginación con unas prácticas en empresa surge el presente proyecto final de carrera. Este proyecto
es el estudio de los procesos productivos de una empresa de fabricación de piezas de material compuesto para
la industria aeronáutica, motivado por la necesidad de conocer el estado real de la producción, y la reducción
de los tiempos de fabricación para responder mejor a la demanda cambiante del sector.
Se ha llevado a cabo una recogida de información del proceso, la construcción de un modelo simplificado para
su simulación, la simulación de diferentes alternativas en el proceso, y el estudio estadístico de los resultados
para determinar la propuesta de mejora más adecuada para adoptarse.
vii
Índice
Resumen
vii
Índice
viii
Índice de Tablas
xi
Índice de Figuras
xiii
1
Justificación y objetivo
1.1 Justificación
1.2 Objetivo
1
1
2
2
Descripción del proceso
2.1 Los materials compuestos
2.2 Proceso de fabricación
2.2.1
Suministro de material y corte de patrones
2.2.2
Útiles de laminado: limpieza y transporte
2.2.3
Laminado
2.2.4
Curado en autoclave
2.2.5
Desmoldeo y recanteo
2.2.6
Verificación y ultrasonidos
2.2.7
Operaciones específicas
2.3 Programas de fabricación
2.3.1
Programa de carenas
2.3.2
Programa de vigas
2.3.3
Programa de tapas
2.3.4
Proceso global
3
3
3
4
4
5
5
5
6
6
6
6
7
8
9
3
Simulación de eventos discretos
3.1 Introducción a la simulación de eventos discretos
3.2 Software de simulación: ARENA R14
3.3 Descripción de bloques utilizados
3.3.1
Create
3.3.2
Dispose
3.3.3
Assign
3.3.4
Process
3.3.5
Decide
3.3.6
Batch
3.3.7
Separate
3.3.8
Record
3.3.9
Hold
3.3.10 Station
3.3.11 Route
3.3.12 Sequence
3.3.13 Schedule
11
11
12
14
14
14
15
15
17
17
18
18
18
19
19
20
20
4
Modelo de Simulación
4.1 Modelo del estado actual
4.1.1
Datos de tiempos
23
23
23
4.1.2
Programa de Carenas
4.1.3
Programa de Vigas
4.1.4
Programa de Tapas
4.1.5
Lanzamientos de pedidos
4.1.6
Modelado de recursos
4.1.7
Suministro y corte de material
4.1.8
“Frekoteo” y Laminado en Sala Limpia
4.1.9
Curado en autoclave
4.1.10 Verificación del ciclo
4.1.11 Desmoldeo, limpieza de utillaje y recanteo
4.1.12 Verificación tras recanteo
4.1.13 Sellado de bordes
4.1.14 Ensayo de estanqueidad
4.1.15 Avellanado
4.1.16 Pelado
4.1.17 Montaje o encolado (de “walls”)
4.1.18 Ultrasonidos
4.1.19 Furgoneta
4.1.20 Operaciones subcontratadas
4.2 Validación del modelo
4.3 Propuestas de mejora
26
26
27
27
28
29
29
30
31
32
33
35
35
36
36
36
37
38
39
40
41
5
Análisis de Mejoras
5.1 Variables de estudio
5.1.1
Respuestas
5.2 Parámetros de Simulación
5.2.1
Horizonte de Simulación
5.2.2
Número de réplicas
5.2.3
“Warm-Up”
5.3 Diseño de Experimentos: Análisis de Varianza
5.3.1
Respuesta 1: lead time de carenas
5.3.2
Respuesta 2: lead time de tapas
5.3.3
Respuesta 3: lead time de vigas
5.3.4
Respuesta 4: tiempo de fabricación de una carena
5.3.5
Respuesta 5: tiempo de fabricación de una tapa
5.3.6
Respuesta 6: tiempo de fabricación de una viga grande
5.3.7
Respuesta 7: tiempo de fabricación de una viga pequeña
5.3.8
Respuesta 8: obra en curso – carenas
5.3.9
Respuesta 9: obra en curso – tapas
5.3.10 Respuesta 10: obra en curso – vigas grandes
5.3.11 Respuesta 11: obra en curso – vigas pequeñas
5.3.12 Respuesta 12: tiempo de espera de carenas
5.3.13 Respuesta 13: tiempo de espera de tapas
5.3.14 Respuesta 14: tiempo de espera de vigas grandes
5.3.15 Respuesta 15: tiempo de espera de vigas pequeñas
5.4 Resumen de efectos
5.5 Impacto económico
43
43
43
45
45
49
52
52
54
57
59
63
65
66
70
73
74
77
79
82
84
85
88
89
92
6
Conclusiones
6.1 Consecución de objetivos
6.1.1
Objetivo específico 1: descripción del proceso
6.1.2
Objetivo específico 2: simulación de eventos discretos
6.1.3
Objetivo específico 3: modelo del estado actual
6.1.4
Objetivo específico 4: propuestas de mejora
6.2 Implicaciones
6.3 Recomendaciones finales
97
97
97
97
97
98
98
99
ix
6.3.1
6.3.2
Referencias
Plazos de subcontratistas
Internalización de procesos subcontratados
99
99
101
Índice de Tablas
Tabla 1-1: Facturación y empleo en el sector aeronáutico de Andalucía, informe fundación Hélice 2013 1
Tabla 4-1 : Atributos grabados en la entidad al generarse por primera vez en el sistema
27
Tabla 4-2 : Recursos modelados
28
Tabla 4-3: Tiempos de laminado según pieza
30
Tabla 4-4 : Tiempos de curado según ciclo
31
Tabla 4-5 : Tiempos de recanteo según pieza
33
Tabla 4-6 : Tiempos de verificación según pieza
34
Tabla 4-7: Tiempos de reparación de vigas
35
Tabla 4-8 : Tiempos de operación
37
Tabla 4-9 : Tiempos de ultrasonidos
38
Tabla 4-10 : Tiempo de ultrasonido, "walls"
38
Tabla 4-11 : Tiempos de operaciones subcontratadas
39
Tabla 5-1 : Resumen de respuestas de interés medidas
43
Tabla 5-2 : Factores, niveles, equivalente real y modelado
52
Tabla 5-3 : Niveles (alto: +, bajo: -) de los factores en los 16 experimentos
53
Tabla 5-4 : Incrementos sobre R1
56
Tabla 5-5 : Incrementos sobre R2
59
Tabla 5-6 : Incrementos sobre R3
62
Tabla 5-7 : Incrementos sobre R4
64
Tabla 5-8 : Incrementos sobre R5
66
Tabla 5-9 : Incrementos sobre R6
69
Tabla 5-10 : Incrementos sobre R7
72
Tabla 5-11: Incrementos sobre R8
74
Tabla 5-12 : Incrementos sobre R9
76
Tabla 5-13 : Incrementos sobre R10
78
Tabla 5-14 : Incrementos sobre R11
81
Tabla 5-15: Incrementos sobre R12
83
Tabla 5-16 : Incrementos sobre R13
85
Tabla 5-17 : Incrementos sobre R14
87
Tabla 5-18: Incrementos sobre R15
89
Tabla 5-19 : Resumen de efectos, Lead Time y Tiempo de Fabricación de una pieza
89
Tabla 5-20 : Resumen de efectos, Obra en Curso y Tiempo de Espera
90
Tabla 5-21 : Suma de efectos de cada factor
91
xi
Tabla 5-22 : Coste y obra en curso por pieza
93
Tabla 5-23 : Incrementos de obra en curso y coste
94
Tabla 5-24 : Incrementos de Lead Time por programa
94
Tabla 5-25 : Resumen de beneficios por mejora
95
Tabla 5-26: Impacto económico y balance por mejora
95
Índice de Figuras
Figura 2-1 Esquema general del proceso de fabricación
4
Figura 2-2 Ejemplo ciclo de curado, norma Airbus de fabricación I+D-P-233
5
Figura 2-3 Diagrama de flujo del proceso de fabricación del programa de carenas
7
Figura 2-4 Diagrama de flujo del proceso de fabricación del programa de vigas
7
Figura 2-5: Lay-Out de la planta y diagrama de recorrido de las piezas
9
Figura 3-1 Ventanas del programa
12
Figura 3-2 : Ventana de configuración, bloque "Create"
14
Figura 3-3 : Ventana de configuración, bloque “Assign”
15
Figura 3-4 : Opciones de asignación, bloque "Assign"
15
Figura 3-5 : Ventana de configuración, bloque "Process"
16
Figura 3-6 : Ventana de configuración, bloque "Decide"
17
Figura 3-7 : Opciones de nueva condición/camino, bloque "Decide"
17
Figura 3-8 : Ventana de configuración, bloque "Batch"
18
Figura 3-9 : Ventana de configuración, "Route"
19
Figura 3-10 : Tabla de secuencias o rutas
20
Figura 3-11 : Ejemplo de una secuencia o ruta
20
Figura 3-12 : Tabla de calendarios
20
Figura 3-13 : Ejemplo de calendario, visualización como gráfica
21
Figura 4-1 : Tabla de ajuste de Stat::Fit, ejemplo1
24
Figura 4-2: Gráfica de distribuciones de ajuste de Stat::Fit, ejemplo1
25
Figura 4-3: Gráfica de distribuciones de ajuste de Stat::Fit, ejemplo 2
25
Figura 4-4 : Estación de lanzamiento de órdenes de fabricación
28
Figura 4-5 : Modelo de la estación de laminado, previo "frekoteo" del útil
30
Figura 4-6 : Modelo de la estación de autoclave
31
Figura 4-7 : Modelo de la estación de verificación de ciclo
32
Figura 4-8 : Modelo de la estación de recanteo
33
Figura 4-9 : Modelo de la estación de verificación tras el recanteo
34
Figura 4-10 : Estación de sellado
35
Figura 4-11 : Estación de ensayo de estanqueidad
36
Figura 4-12 : Estación de encolado de "walls"
37
Figura 4-13 : Estación de espera a la furgoneta de reparto
39
Figura 4-14 : Fotografía de un fragmento del VSM real del programa de carenas
40
Figura 5-1: Modelado para el registro de los valores de los parámetros de estudio
44
Figura 5-2 : Error relativo Lead Time (tanto por uno) frente al horizonte (días)
46
xiii
Figura 5-3 : Error relativo obra en curso (tanto por uno) frente al horizonte (días)
46
Figura 5-4: Lead Time carenas (horas) frente al horizonte (días)
47
Figura 5-5: Obra en curso carenas frente al horizonte (días)
47
Figura 5-6: Lead Time tapas (horas) frente al horizonte (días)
47
Figura 5-7: Obra en curso tapas frente al horizonte (días)
48
Figura 5-8: Lead Time vigas (horas) frente al horizonte (días)
48
Figura 5-9: Obra en curso vigas frente al horizonte (días)
48
Figura 5-10: Lead Time carenas (horas) frente a réplicas
49
Figura 5-11: Lead Time vigas (horas) frente a réplicas
49
Figura 5-12 : Lead Time tapas (horas) frente a réplicas
50
Figura 5-13 : Obra en curso frente a réplicas
50
Figura 5-14 : Error relativo (tanto por uno) frente a réplicas
51
Figura 5-15 : Error relativo (tanto por uno) frente a réplicas
51
Figura 5-16 : Tabla ANOVA R1
54
Figura 5-17 : Medias marginales R1
55
Figura 5-18 : Interacción fur+lam R1
56
Figura 5-19 : Tabla ANOVA R2
57
Figura 5-20: Medias marginales R2
58
Figura 5-21: Interacción fur+lam R2
58
Figura 5-22 : Tabla ANOVA R3
59
Figura 5-23: Medias marginales R3
60
Figura 5-24 : Interacción lam+rec R3
60
Figura 5-25 : Interacción lam+us R3
61
Figura 5-26: Interacción fur+us R3
61
Figura 5-27 : Tabla ANOVA R4
63
Figura 5-28: Medias marginales R4
63
Figura 5-29: Interacción fur+lam R4
64
Figura 5-30 : Tabla ANOVA R5
65
Figura 5-31: Medias marginales R5
65
Figura 5-32: Tabla ANOVA R6
66
Figura 5-33: Medias marginales R6
67
Figura 5-34 : Interacción fur+lam R6
67
Figura 5-35 : Interacción fur+us R6
68
Figura 5-36 : Interacción lam+us R6
68
Figura 5-37 : Interacción lam+rec R6
68
Figura 5-38: Tabla ANOVA R7
70
Figura 5-39: Medias marginales R7
70
Figura 5-40: Interacción fur+lam R7
71
Figura 5-41: Interacción lam+us R7
71
Figura 5-42: interacción fur+us R7
72
Figura 5-43: Tabla ANOVA R8
73
Figura 5-44: Medias marginales R8
73
Figura 5-45: Tabla ANOVA R9
74
Figura 5-46: Medias marginales R9
75
Figura 5-47: Interacción rec+us R9
75
Figura 5-48: Interacción fur+lam R9
76
Figura 5-49: Tabla ANOVA R10
77
Figura 5-50: Medias marginales R10
77
Figura 5-51: Interacción lam+rec R10
78
Figura 5-52: Tabla ANOVA R11
79
Figura 5-53: Medias marginales R11
79
Figura 5-54: Interacción lam+us R11
80
Figura 5-55: Interacción lam+rec R11
80
Figura 5-56: Interacción fur+us R11
81
Figura 5-57: Tabla ANOVA R12
82
Figura 5-58: Medias marginales R12
82
Figura 5-59: Interacción fur+lam R12
83
Figura 5-60: Tabla ANOVA R13
84
Figura 5-61: Medias marginales R13
84
Figura 5-62: Tabla ANOVA R14
85
Figura 5-63: Medias marginales R14
86
Figura 5-64: Interacción fur+us R14
86
Figura 5-65: Tabla ANOVA R15
88
Figura 5-66: Medias marginales R15
88
xv
1 JUSTIFICACIÓN Y OBJETIVO
A
Continuación se desarrolla la justificación del interés de realizar el presente proyecto, así como la
finalidad del mismo.
1.1 Justificación
El sector aeronáutico tiene una elevada facturación anual, genera miles de empleos directos e indirectos, y
soporta una gran cantidad de empresas que llegan a nutrirse casi exclusivamente de dicho sector. A finales del
año 2012, el sector aeronáutico generaba en España 38.013 puestos de trabajo, de los cuales 11.290 en
Andalucía, con una facturación de 8,118 millones de euros, de los cuales 1.858 millones de euros en Andalucía
(Fundación Hélice, 2013).
Tabla 1-1: Facturación y empleo en el sector aeronáutico de Andalucía, informe fundación Hélice 2013
Año
2003
2004
2005
2006
2007
Facturación
(millones de €)
596,2
645,4
798,8
848,4
825,3
Empleos
4.179
4.516
5.535
6.206
6.753
2008
2009
1.417,2 1.541,2
7.555
8.786
2010
2011
2012
1.983
1.754
1.858,5
10.278
10.802
11.290
Los materiales utilizados y la tecnología en sus procesos de fabricación son los más novedosos y modernos,
haciendo el sector aeronáutico un entorno caro por sí mismo. La excelencia en la calidad de los productos y
servicios es una característica clave en el sector, que establece rigurosos controles de calidad y gran cantidad
de documentación, lo que encarece enormemente el producto. Un defecto en el producto es rápidamente
corregido, incurriendo nuevamente en los altos costes de fabricación y control de calidad, por lo que la
eliminación y prevención de defectos y errores se hace indispensable.
En una época gravemente afectada por una crisis económica, y con varios mercados emergentes con unos
costes extremadamente competitivos, la competencia es feroz y la distinción entre las empresas nace en la
calidad de los servicios, productos y procesos. La rentabilidad económica se hace más difícil, y filosofías de
gestión y producción basadas en la reducción de costes son fundamentales para mantenerse en el mercado y
ser competitivo.
La flexibilidad para atender la demanda, el ajuste del producto a las necesidades y expectativas del cliente, y la
rápida respuesta a cambios son claves también.
1
Justificación y objetivo
2
Diversas metodologías abordan estos factores importantes para la rentabilidad y competitividad de una
empresa, como el “Lean Manufacturing”1, la “Mejora continua” u otras denominaciones, que tienen en común
la reducción de costes mediante la eliminación de desperdicios, errores, y la mejora continua de los procesos.
Algunas de las empresas de fabricación más importantes del planeta llevan aplicando estas filosofías de
gestión, habiéndose colocado a la cabeza en sus sectores, como la estadounidense Boeing, y la japonesa
Toyota2.
La Simulación de Eventos Discretos ha demostrado ser una técnica muy útil en la toma de decisiones en
procesos sometidos a incertidumbre. Para ello el proceso se modela y caracteriza para su posterior análisis,
determinando cuellos de botella y permitiendo proponer mejoras simulando el efecto de las mismas dentro del
proceso. Todo ello sin necesidad de alterar el proceso, incluso sin tener que detener la producción, reduciendo
notablemente la inversión necesaria y evitando errores como la adopción de medidas de mejora no tan potentes
como inicialmente se podía pensar.
1.2 Objetivo
El objetivo del presente estudio es el análisis y propuesta de mejora del proceso productivo en una planta de
fabricación de elementos de material compuesto para la industria aeronáutica. De las posibles propuestas de
mejora se escogerá la más ventajosa, desde el punto de vista de la mejora en el tiempo de entrega, y de menor
inversión económica necesaria.
Todo ello se obtendrá a través del uso de una herramienta informática de simulación de eventos discretos, con
la que caracterizaremos el proceso y ensayaremos las posibles oportunidades de mejora.
Para la consecución de este objetivo general, se establecen los siguientes objetivos específicos (O.E.) que se
abordarán:
O.E.1.
Descripción del proceso. Se hace imprescindible estudiar el proceso productivo en cuestión,
con sus características más relevantes para su modelado posterior.
O.E.2.
Simulación de eventos discretos. Con la ayuda de un programa de simulación de eventos
discretos, se analizará el comportamiento del proceso y destacarán puntos débiles susceptibles de
mejora.
O.E.3.
Modelo del estado actual. Validación del modelo. Una vez implementado un modelo de
simulación, es necesario comprobar que éste se corresponde con la realidad que se quiere representar
y estudiar.
O.E.4.
Propuestas de mejora. A raíz del análisis del comportamiento del modelo, se propondrán
una serie de posibles mejoras que serán implementadas y simuladas, para evaluar su impacto.
El desarrollo y consecución de estos objetivos específicos se describe en los siguientes capítulos.
Para ampliar conocimientos sobre las bases de esta filosofía de gestión, consultar The Machine that Changed the World (Womack, y otros,
1990), o el más recientemente revisado Lean Thinking (Womack, y otros, 2010).
2 El llamado “Toyota Production System”, o TPS, es un referente mundial. La empresa divulgó su filosofía con el libro The Toyota Way 2001
(Toyota Motor Corporation, 2001) , del que posteriormente se han hecho eco otros autores. Los principios básicos más relevantes se detallan
en The Toyota way (Liker, 2004)
1
2 DESCRIPCIÓN DEL PROCESO
E
l proceso productivo que nos ocupa es el que se desarrolla en una empresa de fabricación de piezas de
material compuesto para la industria aeronáutica. El nombre de la empresa y detalles de la misma han
sido omitidos por motivos de confidencialidad. La fabricación de este tipo de material tiene unas
características particulares que la diferencian notablemente de una fabricación con materiales metálicos o
plásticos, más extendida y conocida.
2.1 Los materials compuestos
Los materiales compuestos son combinaciones dos o más (rara vez) materiales de características diferentes. Se
trata de mezclas heterogéneas en donde por lo general se presenta un material en forma de fibra (de altas
prestaciones mecánicas) y otro en forma de matriz aglomerante (de bajas prestaciones mecánicas). El objetivo
de la matriz es mantener las fibras en una posición fija, así como transmitir las cargas y tensiones; mientras que
las fibras son las que resisten los esfuerzos.
Son materiales excepcionalmente ligeros, que ofrecen unas resistencias mecánicas muy elevadas para el peso
que tienen. Este punto es clave en la industria aeronáutica, donde hacer volar un kilogramo de peso de más
implica un mayor gasto de combustible y una pérdida de rentabilidad.
Ejemplos conocidos de los materiales compuestos usados habitualmente son: la fibra de carbono con matriz
epoxi para altas prestaciones (para aviación, misiones espaciales, automoción,… ), la fibra de vidrio de bajas
prestaciones (también para aviación en zonas sin requisitos estructurales, en automoción de forma
progresivamente más extendida, en el sector naval, y típicamente en recubrimientos de piscinas), y la fibra de
poliamida, con nombre comercial “kevlar”, con una gran resistencia a los impactos (utilizada en chalecos
antibalas).Para una comprensión más general de los materiales compuestos, o para profundizar en el tema, el
lector puede consultar Introducción al análisis y diseño con materiales compuestos (Paris, y otros, 2002).
2.2 Proceso de fabricación
Se describe a continuación el proceso más general de fabricación de una pieza de material compuesto en la
industria aeronáutica, y no exactamente los tratados en este proyecto. Los procesos de los programas
estudiados siguen una estructura similar, con sus particularidades.
El proceso de conformado de la pieza es mediante el apilado manual de telas de preimpregnados: fibras
entretejidas y unidas gracias a la matriz polimérica semi-polimerizada. Tras apilar las telas sobre un útil
metálico que le da la forma a la pieza, se introduce el conjunto en un autoclave en donde se le aplica el vacío y
una alta temperatura para activar la polimerización de la matriz y endurecer el material. Tras el ciclo de curado
en autoclave, la pieza se desmoldea del útil y se recantea para alcanzar las dimensiones finales. Posteriormente
se verifican sus dimensiones e integridad antes de ser entregada al cliente.
3
Descripción del proceso
4
Se presenta a continuación un esquema simplificado del proceso más general que puede seguir la fabricación
de un elemento de material compuesto.
Corte
•Corte del
material según
patrones
Limpieza de
útil
Laminado
Curado
•Apilado de los
patrones de
material sobre
el útil
•Polimerización
mediante
vacío y
temperatura
en autoclave
Desmoldeo
y recanteo
•Obtención de
medidas
finales
Ensayo de
ultrasonidos
•Comprobación
de la existencia
de defectos
internos
•Limpieza y
aplicación de
agente
desmoldeante
Figura 2-1 Esquema general del proceso de fabricación
Adicionalmente, algunas piezas requieren ser encoladas con otras, algún ensayo adicional de estanqueidad si
poseen un núcleo, pintura, montaje de herrajes, etcétera. La casuística puede ser muy variada, aunque los pasos
básicos por los que pasan todas las piezas siempre son los mismos.
Todos estos procesos son manuales. Aunque existen algunas máquinas de corte numérico para el recanteo, o
de verificación por ensayo de ultrasonidos, son tecnologías muy caras que no están disponibles en la empresa
objeto del presente estudio.
A continuación se profundiza un poco más en las etapas del proceso, para una mejor comprensión global de la
situación.
2.2.1
Suministro de material y corte de patrones
El material preimpregnado se suministra en grandes rollos, que deben ser refrigerados en su almacenamiento,
ya que es un material caduco a temperatura ambiente. A la hora de comenzar la fabricación, el rollo de
material se atempera.
El corte de los patrones necesarios en el rollo de material se realiza de forma manual o automática. En este
caso, la empresa dispone de una máquina de corte automático, en la que únicamente hay que cargar un archivo
con los patrones necesarios.
Normalmente el rollo se monta en la máquina de corte, y los patrones obtenidos se almacenan en kits en la
cámara frigorífica. De esta forma, cuando se vaya a fabricar una pieza únicamente hay que sacar el kit de los
patrones ya cortados, dejarlo atemperar, y proceder al laminado.
2.2.2
Útiles de laminado: limpieza y transporte
Un gran y pesado útil metálico sirve de asiento paralos patrones de material compuesto y da la forma final a la
pieza. El útil debe ser limpiado para eliminar partículas, y posteriormente se le aplican dos capas de “frekote”,
un antiadherente que facilita la extracción de la pieza una vez se ha curado.
El útil metálico, debido a su peso, debe ser transportado con la ayuda de una elevadora o grúa, lo que ralentiza
el trabajo, especialmente durante las operaciones de carga y descarga del autoclave.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
5
la industria aeronáutica. Análisis y propuesta de mejora.
2.2.3
Laminado
El útil metálico pasa entonces a la “sala limpia”, un habitáculo con temperatura, presión y humedad ambiente
controladas. En su interior se realiza el apilado de los patrones de material compuesto sobre el útil metálico, de
las manos de uno o dos operarios, según el tamaño de la pieza.
Una vez terminado el apilado, sobre el útil metálico se construye una bolsa que soportará el vacío en su interior
y las altas temperaturas del autoclave.
2.2.4
Curado en autoclave
Tras el laminado, el útil con el material y la bolsa de curado se introduce en el autoclave. Este aparato de
grandes dimensiones forzará el vacío en las bolsas de las piezas, y aumentará la temperatura a un ritmo
controlado hasta los 120oC-280oC, según el ciclo necesario para la pieza en cuestión.
Cada pieza tiene un ciclo de curado determinado: una rampa de calentamiento concreta, una temperatura
máxima concreta, un tiempo de estabilización concreto a la máxima temperatura, y una rampa de enfriamiento
concreta.
Figura 2-2 Ejemplo ciclo de curado, norma Airbus de fabricación I+D-P-233
Por lo tanto, piezas con diferentes ciclos de curado no puede introducirse a la vez en el autoclave, pues tienen
diferentes temperaturas y tiempos de curado.
Esto provoca que las cargas del autoclave tengan que ser estudiadas y optimizadas, ya que el consumo de la
máquina es significativo, y se hace lo posible por agrupar piezas con el mismo ciclo de curado para saturar la
capacidad de la máquina.
2.2.5
Desmoldeo y recanteo
Una vez la pieza ha polimerizado en el autoclave, se deja enfriar un tiempo y posteriormente se desmoldea del
útil.
Los patrones de material siempre se cortan con creces, por lo que la pieza resultante no tiene las dimensiones
finales adecuadas. El útil metálico posee unas marcas o hendiduras, llamadas “riscado”, que se imprimen sobre
Descripción del proceso
6
el material al curar, y que sirven de guía para eliminar el material sobrante. En esencia, con unas sierras se
corta la pieza por las marcas que el útil ha dejado sobre la misma, y así se obtiene la pieza final.
Adicionalmente, la pieza puede tener huecos o taladros, que también se realizan durante el recanteo.
2.2.6
Verificación y ultrasonidos
Prácticamente tras cada etapa del proceso se realiza una verificación para asegurar que todo está de acuerdo a
norma o especificación técnica antes de proseguir. Si un error pasa inadvertido hasta el final del proceso, el
coste de reparación o por inutilidad en el que se incurre es muy alto. Así pues, se verifica el corte del material,
la elaboración de la bolsa de curado, los parámetros del ciclo de curado, el desmoldeo de la pieza, el recanteo,
y finalmente se le realiza una inspección por ensayo de ultrasonidos.
La inspección por ultrasonidos es de obligado cumplimiento para todas las piezas, y se realiza para comprobar
que no existen delaminaciones, grietas o partículas extrañas en el interior del material. Es un proceso lento que
requiere un verificador certificado y un equipo. Siempre se realiza al final del proceso, ya que un golpe
accidental en la manipulación de la pieza podría originar una delaminación interna que no puede detectarse de
otra forma.
2.2.7
Operaciones específicas
Los programas de fabricación de la empresa del presente estudio tienen ciertas particularidades que hay que
tener en cuenta para el estudio y modelado. Algunas de estas operaciones son recanteos o verificaciones que
deben hacerse con gran precisión, y se requieren de un proceso automatizado que debe ser subcontratado; y
otras son ensayos específicos, montajes de elementales, o procesos de pintura (estos últimos son también
subcontratados).
2.3 Programas de fabricación
Los programas de fabricación son el conjunto de pedidos en firme a fabricar, acordados con los diferentes
clientes y que por su volumen de producción y repercusión económica tienen un interés especial en ser
analizados. Los programas en fabricación de la empresa del presente estudio son: kits de 8 carenas por avión,
para cubrir soportes de actuadores en las alas y dar continuidad al fuselaje; kits de 5 vigas que soportan el
carenado de un motor del avión, habiendo 2 motores diferentes (izquierdo y derecho) que se fabrican; kits de 2
tapas para un depósito de aceite del avión. Cada programa tiene sus particularidades, que se detallan a
continuación.
2.3.1
Programa de carenas
Se trata de la fabricación de 8 carenas diferentes por avión. La geometría curva de la pieza complica el
laminado y hace que tenga tiempos del orden de 15 horas en la sala limpia. También hace que sea necesario
realizar un recanteo de la pieza por control numérico, tecnología no disponible en la empresa. Por lo tanto, esta
operación del proceso está subcontratada a una empresa a la que hay que llevar las piezas.
Las carenas también tienen que ser pintadas, otra operación que debe ser subcontratada, principalmente porque
son necesarias unas homologaciones por parte del cliente, que la empresa no posee.
Debido al alto coste de las operaciones subcontratadas, antes de las mismas se realiza un ensayo por
ultrasonidos para detectar delaminaciones internas que en general suponen la inutilidad de la pieza, para evitar
incurrir en esos costes en caso de inutilidad. Sin embargo, el ensayo de ultrasonidos debe realizarse siempre al
final del proceso, por lo que en este programa se realiza en dos ocasiones.
Las carenas también tienen una serie de taladros (que se realizan en la operación de recanteo) que deben ser
avellanados, operación esta última que se realiza en la empresa.
En último lugar, la pieza contiene un núcleo de panal de abeja o honeycomb, y hay que asegurar que está
completamente aislado del exterior a través de un ensayo de estanqueidad, que también se realiza en la
empresa.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
7
la industria aeronáutica. Análisis y propuesta de mejora.
Corte +
Núcleo
Limpieza de
útil
Laminado
Ciclo de
curado Nº30
Sellado y
estanqueidad
Recanteo
(externo)
Ultrasonidos
Desmoldeo
Pintura
(externo)
Avellanado
Ultrasonidos
Figura 2-3 Diagrama de flujo del proceso de fabricación del programa de carenas
2.3.2
Programa de vigas
Se trata de vigas estructurales para el carenado de 2 motores diferentes (uno izquierdo y uno derecho),
compuestos por 5 vigas cada uno, diferentes entre sí. Es un proceso asentado y depurado dentro de la empresa,
sin ninguna operación subcontratada.
Dos de las cinco vigas que componen cada motor tienen que pasar por un proceso de encolado con unos
pequeños refuerzos. Los refuerzos son fáciles de fabricar en grandes cantidades, por lo que se tratan como
normales y se dispone de un stock de los mismos.
El único inconveniente de este programa es que el proceso de fabricación genera numerosos defectos en casi la
totalidad de las vigas. Todas las vigas tienen que pasar por una reparación tras el recanteo y verificación del
mismo, lo que provoca una ocupación adicional de la estación de recanteo.
Corte
Limpieza de
útil
Laminado
Recanteo
Desmoldeo
Ciclo de
curado Nº22
Encolado
Ultrasonidos
Figura 2-4 Diagrama de flujo del proceso de fabricación del programa de vigas
Descripción del proceso
8
2.3.3
Programa de tapas
Son 2 tapas de cierre para un depósito de combustible del avión. Tienen una geometría complicada para un
recanteo manual, un núcleo honeycomb, requieren ser pintadas, someterlas a un ensayo de ultrasonidos
automático no disponible en la empresa, y además deben montarse unos pernos y cierres sobre ellas.
Todas estas operaciones están subcontratadas, salvo el ensayo de estanqueidad, por lo que las piezas de este
programa son las que más tienen que salir de la planta de producción. Adicionalmente, tras cada operación se
requiere una verificación, lo que obliga a que la pieza deba llevarse al subcontratista, devolverla a la empresa
para verificar el trabajo, y volver a enviarla a otro subcontratista para la siguiente operación.
Corte + Núcleo
Limpieza de
útil
Laminado
Ciclo de
curado Nº30
Ultrasonidos
automático
(externo)
Estanqueidad
Recanteo
(externo)
Desmoldeo
Pintura
(externo)
Montaje
(externo)
Figura2-1: diagrama de flujo del proceso de fabricación del programa de tapas
El transporte de las piezas a las diferentes empresas que realizan las operaciones subcontratadas (recanteo por
control numérico, ensayo de ultrasonidos automático, pintura y montaje de herrajes) se realiza con una
furgoneta que tiene un calendario de viajes determinado. Inicialmente la furgoneta viaja una vez a la semana, y
pasa por todas las empresas subcontratadas, dejando las piezas que requieren ser trabajadas y recogiendo
aquellas que ya lo han sido para devolverlas a la planta en el viaje de vuelta. Así, se generan dos esperas
importantes de piezas: aquellas que esperan para montarse en la furgoneta e ir a los subcontratistas, y aquellas
que ya han sido trabajadas en el subcontratista y esperan a que llegue la furgoneta para volver a la empresa.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
9
la industria aeronáutica. Análisis y propuesta de mejora.
2.3.4
Proceso global
Estos procesos descritos no se fabrican de forma aislada, sino que conviven en la misma planta, y comparten
los mismos recursos y estaciones
estaciones. A continuación se presenta, para una mejor comprensión del proceso en
estudio, la distribución en planta (Lay
(Lay-Out)
Out) de las diferentes estaciones por las que pasan las piezas en su
proceso de fabricación.
Adicionalmente, se representa un flujo general que puede recorrer una pieza cualquiera, con las salvedades que
determinen las características específicas de cada programa. Éstas pueden ser: piezas que no pasan por montaje
y sellante, piezas que salen de la planta para las operaciones subcontratadas, reflu
reflujos entre verificación y
recanteo para reparaciones, etc.
Lay-Out de la planta y diagrama de recorrido de las piezas
Figura 2-5:: Lay
3 SIMULACIÓN DE EVENTOS DISCRETOS
E
l estudio o análisis de un proceso en el que existen tantas interacciones no es sencillo. La gran cantidad
de factores que intervienen en el desarrollo de un proceso, lo costoso de realizar varias veces el mismo y
capturar datos, etc. hacen que las técnicas de simulación hayan tomado un gran protagonismo.
En el presente estudio se ha utilizado un programa de software específico para el modelado y la realización de
las simulaciones, llamado ARENA , ampliamente aplicado en este tipo de contextos.
3.1 Introducción a la simulación de eventos discretos
Una simulación es la representación de la realidad, mediante un programa de software en el presente caso, a
través de la cual se pueden inferir comportamientos de la realidad aproximados. Esta representación emula el
comportamiento del proceso según ciertas condiciones de operación. Desde la aparición de las computadoras y
su posterior desarrollo a grandes pasos, las simulaciones de eventos discretos han adquirido una gran
importancia y se han utilizado en multitud de sectores: automoción, aeronáutica, servicios, etc. Para ampliar
conocimientos sobre la materia, el lector puede dirigirse a obras como Discrete-Event System Simulation
(Banks, y otros, 2004).
Para construir esta representación, o modelo, hay que observar la realidad y proceder a simplificarla para
obtener las características más relevantes o que son de interés, a la par que se consigue una representación
suficientemente sencilla para su manipulación y mantenimiento.
Un simulador de eventos discretos es un sistema, definido por sus variables de estado en cada instante, en el
que dichas variables de estado cambian de valor en instantes no periódicos de tiempo. En dichos instantes
ocurre un evento (acción instantánea): creación de un elemento, inicio de un proceso, fin de un proceso,
etcétera. En general, el algoritmo que siguen los simuladores de eventos discretos posee una estructura similar
a la siguiente3:
1. Inicialización del reloj de simulación, generación y ejecución de eventos iniciales.
2. Acceso al primer evento de la lista de eventos, y lo ejecuta eliminándolo de la lista. Si no hay
eventos en la lista, la simulación se detiene.
3. Actualización del reloj de simulación con el tiempo del evento ejecutado. Vuelta al segundo
punto.
El objetivo de la simulación es realizar diferentes experimentos con distintas condiciones de operación, para
obtener las respuestas del sistema. Esto permite la simulación de configuraciones distintas en el proceso,
cambios en demandas, disponibilidad de recursos, etcétera, obteniendo el comportamiento que tendría el
sistema real de forma aproximada. Todo ello sin la necesidad de modificar el sistema real, el cual ni siquiera
tiene que existir.
No hay que perder de vista que la simulación es una representación abstracta de la realidad, con una serie de
3Simulation
modeling and analysis with Arena (Altiok, y otros, 2007)
11
Simulación de eventos discretos
12
aproximaciones e hipótesis, por lo que sólo representa una parte de la realidad. El modelo creado para la
simulación ha sido simplificado de acuerdo a unos parámetros de interés para su estudio, por lo que
únicamente puede arrojar resultados sobre dichos parámetros, y no de la totalidad del proceso.
Por todo esto, los modelos también precisan de una validación comparándolos con la realidad, para asegurar
que simulan correctamente el comportamiento del proceso real, en base a las condiciones y parámetros de
interés.
Del uso de una simulación destacan las siguientes ventajas:
•
•
•
•
•
Mejor comprensión del proceso real al simplificarlo y modelarlo.
Reducción del espacio temporal: años de experimentación simulados en unos minutos.
No se interrumpe el proceso real. De hecho, no es necesario que exista el proceso como tal.
Permite el estudio de situaciones transitorias al variar las condiciones de operación.
Permite obtener respuestas a situaciones hipotéticas que podrían llegar a ocurrir.
Como principales inconvenientes están el elevado número de horas de computación necesarias para sistemas
complejos, las horas de trabajo en la elaboración de un modelo, la ausencia de garantía de que el modelo es
completamente fiable y no se volverá inestable en ninguna situación, y la ausencia de estándares a la hora de
abordar la técnica de simulación y la construcción del modelo.
3.2 Software de simulación: ARENA R14
ARENA es un software de modelado y simulación de procesos de diferentes naturalezas: cadenas de
suministros, procesos de fabricación, logística y distribución, sector servicios, etcétera. Es un software flexible
que permite darle el nivel de detalle deseado a los modelos y simulaciones, representando un proceso como un
único bloque o como la composición de varios de ellos para obtener información detallada de cada etapa
dentro del proceso general.
Una vez construido el modelo, las simulaciones arrojan información sobre el proceso actual y futuro,
cambiando las condiciones de operación. Se obtiene un informe en el que se detallan datos como las colas de
espera (cantidad de elementos y tiempos medios) previas a un proceso, el número de elementos en el proceso
general o en una etapa, la cantidad de recursos en uso o parados, etcétera.
B
A
D
C
Figura 3-1 Ventanas del programa
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
13
La interfaz del programa es sencilla y cómoda de utilizar. Una serie de ventanas distribuidas contienen los
bloques para construir el modelo (A), el diagrama de flujo del modelo (B), en donde se ubican y conectan los
bloques utilizados), la tabla con todos los parámetros de los bloques en el diagrama de flujo (C), y una ventana
con los informes generados en la simulación (D).
En panel de la barra del proyecto están los bloques para construir el modelo, separados en grupos según su
funcionalidad. Para el presente estudio, se han utilizado los bloques básicos, avanzados y de transferencia. En
el siguiente apartado se describen algunos de los bloques utilizados en el modelo.
Además de los bloques para modelar el comportamiento del proceso real, el software ARENA permite trabajar
con otros parámetros de interés, como son los recursos, las variables o los calendarios. Para una mejor
comprensión del programa4, se definen a continuación algunos conceptos:
•
Entidad: es cualquier elemento generado en el modelo, y que se mueve a través de él. Por ejemplo, en
el presente estudio, las piezas en fabricación son entidades, un tipo para cada programa.
•
Atributo: es una propiedad de la entidad, que se le puede asignar o modificar a lo largo del proceso.
•
Variable: se puede generar y modificar su valor (a través de ciertos bloques) a lo largo de la
•
Recurso: se pueden definir una serie de recursos, con una capacidad determinada, que deben estar
•
Algunos atributos serían, por ejemplo, el tamaño de una determinada pieza (ya definida como
entidad), el tipo de ciclo de curado por el que debe pasar, o el tiempo de duración de su laminado.
simulación, y pueden servir para controlar parámetros, medir evoluciones, o asignar características o
propiedades cambiantes a las piezas (modificando sus atributos) o los procesos. Los ejemplos de
variables en este estudio son todas las respuestas que se han decidido medir, como el tiempo de
fabricación de una pieza tipo, o de un kit completo para su entrega al cliente.
disponibles para ejecutar un determinado subproceso. Cada vez que un proceso comienza, un recurso
puede ser ocupado y dejar de estar disponible para otros procesos; y el mismo recurso se libera y
vuelve a estar disponible cuando el proceso en cuestión ha terminado. Si un recurso necesario para un
determinado proceso no está disponible, el proceso no se ejecuta y queda en espera hasta encontrar el
recurso liberado. Recursos del presente estudio son, por ejemplo, los operarios que realizan la
operación de laminado de la pieza, o los útiles metálicos sobre los que se debe laminar.
Calendario: el programa permite definir calendarios de cantidades en el tiempo, que pueden ser
utilizados posteriormente en el modelo para programar la ejecución de determinados procesos, o la
disponibilidad de algunos recursos. En el presente estudio existen, entre otros, un calendario que
describe la jornada laboral que tienen los operarios (lo que determina la disponibilidad del recurso:
cantidad de operarios disponibles, y horas en las que están disponibles), y un calendario de
lanzamiento de pedidos (el cual controla los días en los que se comienza la fabricación de cada pieza
de cada programa).
Para más información, el lector interesados puede consultar elmanual de usuarioArena User’s Guide (Bradley, 2007); así como el Arena
Variables Guide (Rockwell Software, 2007).
4
Simulación de eventos discretos
14
3.3 Descripción de bloques utilizados
ARENA contiene una gran cantidad de bloques, de entre los cuales se describen a continuación los más
significativos utilizados en el presente estudio para el modelo.
3.3.1
Create
Este bloque genera las entidades que entran al sistema, a través de “llegadas”. Lleva un
contador que registra el número de entidades generadas. En el presente caso, simulan la
llegada de la materia prima de la pieza, que progresa por el sistema a través de las
sucesivas operaciones.
Algunos de sus parámetros son:
•
Name: nombre identificador único del bloque.
•
Entity type: tipo de entidad que genera el bloque.
•
Type: ley de generación de llegadas. Se puede seleccionar una distribución exponencial, una
constante, un calendario, o describir una expresión matemática (dentro de la cual se pueden incluir
diversas distribuciones estadísticas).
•
Value/Expression/Schedule Name: valor de la media de la distribución exponencial o la constante;
expresión matemática; nombre del calendario (definido previamente). Esta casilla se rellena en
función de la ley de generación de llegadas.
•
Entities per Arrival: el número de entidades generadas en cada llegada. Puede ser un número
constante, una expresión matemática, o un calendario.
•
Max Arrivals: número máximo de llegadas que generará el bloque a lo largo de toda la simulación.
•
First Creation: tiempo de generación de la primera llegada.
Figura 3-2 : Ventana de configuración, bloque "Create"
3.3.2
Dispose
Este bloque retira las entidades del sistema, llevando un contador del número de
entidades retiradas.
Se puede habilitar o deshabilitar el registro de las estadísticas de las entidades que son
retiradas en este bloque.
El programa necesita de estos bloques para identificar que la entidad ha llegado al final del proceso, en donde
deben registrarse sus estadísticas y ser eliminada del sistema.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
15
3.3.3
Assign
Este bloque permite asignar valores o propiedades a las entidades que pasan por él, o a
variables definidas por el usuario.
Las asignaciones pueden ser atributos de la entidad que pasa por el bloque “Assign”, en
donde se selecciona el nombre del atributo en cuestión (o se crea uno nuevo) y se define
su nuevo valor (con un número, una cadena de texto, o una expresión matemática). De esta forma puede
cambiarse el “tipo de entidad”, o asignarle una imagen (para una animación gráfica posterior) a la entidad que
pasa por el bloque. También pueden ser variables del sistema definidas por el usuario.
El formato en el que se presentan las asignaciones sigue el esquema: “Atributo/Variable/Tipo de entidad,
nombre, nuevo valor”.
Figura 3-3 : Ventana de configuración, bloque “Assign”
Figura 3-4 : Opciones de asignación, bloque "Assign"
3.3.4
Process
Este bloque es el eje central de todo sistema. La entidad que llega a este bloque sufre un
retraso temporal (simulando la duración de un trabajo) y requiere y ocupa una cantidad
de un recurso (simulando la ocupación de un operario, herramienta, etc.). Si los recursos
necesarios, si los hubiere, para realizar un proceso están ocupados, la entidad queda
esperando en una cola. En el momento en el que todos los recursos necesarios para dicho
proceso están disponibles, la entidad abandona la cola y entra en el bloque.
Los parámetros del bloque son:
•
Type: se puede definir como un proceso estándar o como un submodelo, dentro del cual hay otros
procesos.
•
Action: aquí se selecciona la acción que sufre la entidad. Puede ser de un retraso (Delay), una llamada
y ocupación de un recurso más un retraso (Seize Delay), un retraso más la liberación posterior de un
Simulación de eventos discretos
16
recurso (Delay Release), o la ocupación de un recurso más un retraso más la liberación posterior del
recurso (Seize Delay Release).
•
Priority: aquí se le puede asignar una prioridad al proceso a la hora de ocupar los recursos que vayan
quedando disponibles. Es útil cuando varios procesos requieren el mismo recurso, pero alguno de esos
procesos es crítico y debe resolverse lo antes posible.
•
Resources: los recursos que deben estar disponibles para que el proceso se ejecute. Estos mismos
recursos quedarán ocupados, si así se ha seleccionado en “Action”, hasta que el proceso termine,
momento en el que dichos recursos serán liberados, nuevamente si se ha seleccionado en “Action”.
No sólo se define el recurso requerido, sino también la cantidad del mismo y el modo de selección (un
recurso concreto, uno cualquiera de un set, etc.).
•
Delay Type: en estas casillas se define el retraso temporal que sufre la entidad al entrar en el proceso.
Puede ser una constante, ser una lectura de algún atributo de la entidad o de una variable, ser una
función de probabilidad, o una expresión definida por el usuario.
Figura 3-5 : Ventana de configuración, bloque "Process"
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
17
3.3.5
Decide
Este bloque divide el proceso en 2 o más caminos. Para dirigir a la entidad por
uno u otro, este condicional puede basarse en una función de probabilidad o en
una prueba lógica. La prueba lógica se puede basar en la lectura y comparación
de constantes, atributos, tipos de entidad, variables, etcétera.
Figura 3-6 : Ventana de configuración, bloque "Decide"
Figura 3-7 : Opciones de nueva condición/camino, bloque "Decide"
3.3.6
Batch
Este bloque retiene todas las entidades en una cola de espera. Cuando se ha
alcanzado un número determinado, las agrupa en un solo paquete o lote que libera
en el sistema para que siga el camino.
Sus parámetros son:
•
Type: se puede seleccionar una agrupación temporal, en la que se conservan los datos de las entidades
por separado aunque viajen juntas, o una agrupación permanente.
•
Batch Size: el tamaño del lote en el que se agrupan las entidades. Puede basare en un atributo, una
variable, una expresión, o ser una constante.
•
Save Criterion: al agrupar varias entidades con diferentes valores para los mismos atributos, el lote
Simulación de eventos discretos
18
resultante debe tener un único valor en cada atributo. Aquí se selecciona qué valores seleccionar: los
de la primera entidad que llegó al lote, los de la última, la suma de todas ellas, o el producto de todas
ellas.
•
Rule: aquí se puede definir si el lote se formará con cualquier tipo de entidad, o si se basará en un tipo
de atributo (agrupando las entidades con el mismo valor en dicho atributo).
Figura 3-8 : Ventana de configuración, bloque "Batch"
3.3.7
Separate
Este bloque realiza la operación contraria al bloque “Batch”, separando la entidad
recibida en las entidades originales que conforman el lote. También puede
configurarse para duplicar la entidad, obteniendo dos o más entidades idénticas.
3.3.8
Record
Este bloque es clave para el estudio de los parámetros de interés en la simulación. A
través de él, el programa registra estadísticas de la entidad, expresiones definidas por el
usuario, etc. que después muestra en el informe generado tras la simulación.
En el presente estudio, este bloque registra los diferentes valores que toman las
respuestas de interés para la mejora del proceso.
3.3.9
Hold
Este bloque retiene todas las entidades que llegan al mismo, hasta que alguna condición
definida por el usuario se cumple. En ese momento, todas las entidades son liberadas a la
vez, prosiguiendo el camino en el mismo orden en el que llegaron al bloque.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
19
3.3.10 Station
Este bloque sirve como identificador y punto intermedio o inicio de un camino del
sistema. Un bloque “Route” puede redirigir una entidad a este punto.
imágenes.
Son útiles cuando diferentes entidades pasan por las mismas operaciones pero en
diferente orden, o cuando se construye una representación dinámica del proceso con
3.3.11 Route
Este bloque pertenece al grupo de “transferencia”. “Route” redirige automáticamente
todas las entidades que llegan al mismo, en base a las opciones que se seleccionen dentro
del bloque.
Se puede activar un “Route Time”, que es el tiempo que transcurre entre el momento en
el que la entidad entra en el bloque y el momento en el que aparece en el destino al que se le ha mandado. El
tipo de destino tiene varias opciones:
•
Station: la entidad se envía a un bloque “Station” determinado, creado previamente.
•
By Sequence: el bloque lee el atributo “Sequence” de la entidad, que contiene una ruta definida
previamente, y envía la entidad al siguiente bloque “Station” que le corresponde.
•
Attribute: el destino es leído de un atributo de la entidad.
•
Expression: se puede definir una expresión para la elección del destino.
Figura 3-9 : Ventana de configuración, "Route"
Simulación de eventos discretos
20
3.3.12 Sequence
“Sequence” no es un bloque propiamente dicho, pero es esencial para el uso del grupo de
bloques de transferencia. Es una tabla donde definir secuencias o rutas entre las diferentes
estaciones creadas en el sistema. Las entidades pueden contener estas rutas en uno de sus
atributos, por lo que el bloque “Route” puede leer en este atributo cuál es el camino que debe
seguir la entidad, y enviarla a la siguiente estación correspondiente.
Figura 3-10 : Tabla de secuencias o rutas
Figura 3-11 : Ejemplo de una secuencia o ruta
3.3.13 Schedule
Tampoco se trata de un bloque, pero es otra herramienta muy útil y esencial para comprender el
funcionamiento de la generación de llegadas de entidades, y de la disponibilidad o variación de
capacidad de los recursos.
Esta herramienta permite definir calendarios de “capacidad”, “llegada” u “otros”. En todos ellos, se definen
unas cantidades a lo largo del tiempo, que funcionarán como capacidad de un recurso (si al crear el recurso se
define su capacidad basada en este calendario), instantes de llegadas en un bloque “Create”, u otros usos como
el número de entidades en cada llegada.
Figura 3-12 : Tabla de calendarios
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
21
Figura 3-13 : Ejemplo de calendario, visualización como gráfica
Con los calendarios se puede hacer variar la capacidad de un recurso de forma sencilla a lo largo del tiempo.
Por ejemplo, en un turno de mañana (de 7:00 a 15:00) puede haber 5 operarios trabajando, y en el turno de
tarde (de 15:00 a 23:00) puede reducirse el número de operarios disponibles a 3. Sin utilizar un calendario, la
capacidad del recurso “operarios” sería constante en todo el tiempo.
4 MODELO DE SIMULACIÓN
E
n este capítulo se describe la creación del modelo de simulación, a partir de una serie de simplificaciones
de la realidad y siempre teniendo presente los factores que desean estudiarse. Se detalla también el
cálculo de los parámetros de simulación necesarios para dar rigor estadístico a dichas simulaciones.
Finalmente, se valida el modelo comparándolo con el comportamiento real del proceso.
4.1 Modelo del estado actual
En base a la observación de la realidad, se crea un modelo que la represente de forma adecuada y que sea
manejable para el objeto de este estudio. Para la elaboración del modelo se ha partido de la observación y
seguimiento del proceso real de fabricación, apoyándose en herramientas paralelas desarrolladas para tal fin,
como son los diagramas de flujo de valor (o “VSM”), o los diagramas de tiempo de barras apiladas (o
“Yamazumi”), así como una herramienta informatizada de recogida de tiempos de procesos, basada en el
registro, por el operario, en un sistema de las horas de inicio, pausas y finalización de las diferentes
operaciones.
De estos datos se han extraído las características más importantes, simplificando la realidad, para construir un
modelo manejable y a la vez representativo, en lo que a los parámetros de interés de este estudio se refiere, de
la realidad. A continuación se relacionan los programas de fabricación y las operaciones destacadas con sus
respectivas características diferenciadoras, y las simplificaciones realizadas.
4.1.1
Datos de tiempos
Se ha realizado una recogida de tiempos de todas las operaciones involucradas en el proceso, a lo largo de 2
meses de fabricación. La recogida de tiempos se ha basado en un sistema informático en el que los operarios
registran el inicio, las pausas y la finalización de las operaciones, pudiéndose calcular el tiempo de operación.
Sin embargo, este sistema no comprende todas las operaciones.
Los tiempos de aquellas operaciones no cubiertas por el sistema informático, han sido tomados manualmente.
Esta toma de datos no ha sido tan completa como la informatizada, pues los observadores estaban sujetos a
disponibilidad horaria.
Los datos recogidos han sido tratados para ajustarlos a una distribución estadística, que posteriormente se ha
implementado en el modelo para simular los tiempos de procesados de las diferentes estaciones.
Simplificaciones y modelado:
•
Se han ajustado los datos de cada operación a una distribución estadística, y se ha obtenido que la
bondad de ajuste de una distribución normal es en general elevada, aun habiendo otras distribuciones
con mejor ajuste (según el caso: lognormal, chi-cuadrado, etc.). Se aproximan todas las distribuciones
de tiempos como normales.
•
Para las distribuciones normales, existe una pequeña probabilidad de que los valores arrojados sean
negativos, al tratarse de un ajuste a valores reales. Aunque la probabilidad es ínfima, puede ocurrir el
evento y ocasionar fallos en la simulación tener que operar con un valor negativo. Para evitar los
23
Modelo de Simulación
24
valores negativos, se trucan todas las distribuciones de probabilidad en el valor cero.
•
En los casos en los que los datos implican un tamaño de la muestra es inferior a 10, se ha utilizado una
distribución triangular de probabilidad. Esto se hace así porque para una muestra de tamaño elevado el
teorema central del límite5 establece que la variable medida sigue una distribución normal con media
y desviación relacionadas directamente con las de la población y el tamaño de la muestra. Sin
embargo, para tamaños de muestra pequeños no es posible asegurar que las variables sigan una
distribución normal, además de obtener una desviación muy grande en caso de admitir que sí lo
hiciesen. Por ello se decide utilizar la distribución triangular de probabilidad mencionada.
•
Adicionalmente, para algunas operaciones no se disponen de datos fiables de tiempos, sino de
estimaciones de tiempos mínimos y máximos. En estos casos, también se recurre a una función
triangular de probabilidad, ya que permite reflejar rápidamente las estimaciones de tiempos.
Para realizar los ajustes de los datos a distribuciones estadísticas, se hace uso del programa Stat::Fit v2.0.5.2, el
cual realiza todos los cálculos sobre una serie de datos que se le deben introducir.
El programa puede ser configurado para que realice ajustes según unas pruebas determinadas, como la prueba
de Kolmogorov-Smirnov, de Anderson-Darling, o la de Chi-cuadrado; para que agrupe los datos en
histogramas con intervalos seleccionables por el usuario; etc. También se pueden seleccionar las distribuciones
estadísticas que se desean para el ajuste, devolviendo finalmente los parámetros de las mismas, si el test de
ajuste es aceptado o rechazado en cada caso, y la bondad de ajuste de dichas distribuciones.
A modo de ejemplo6, se muestran a continuación algunas ventanas del programa:
Figura 4-1 : Tabla de ajuste de Stat::Fit, ejemplo1
5 Teorema relativo a la inferencia estadística de una población muestreada, que puede consultarse en Estadística en la Ingeniería: Inferencia y
Aplicaciones (Gutiérrez Fernández, y otros, 2004)
6 Se muestran únicamente algunos ejemplos por ser los otros casos análogos, y se omiten los valores concretos recogidos por motivos de
confidencialidad.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
25
En la columna izquierda se presentan las diferentes distribuciones estadísticas a las que se han ajustado los
datos, con los correspondientes parámetros que definen cada una de ellas. En la columna central se muestra la
bondad de ajuste de cada distribución. Finalmente, en la última columna se indica si el ajuste a la distribución
ha sido aceptado o rechazado en base al tipo de prueba que se ha seleccionado (Kolmogorov-Smirnov,
Anderson-Darling, Chi-cuadrado).
Es destacable que en general siempre hay algún valor de los datos introducidos que está en el extremo, y que
provoca la falta de ajuste de las distribuciones.
El programa de ajuste también representa gráficamente las distribuciones seleccionadas sobre el histograma de
datos introducidos, para comprobar visualmente lo adecuado del uso de una distribución u otra.
Figura 4-2: Gráfica de distribuciones de ajuste de Stat::Fit, ejemplo1
Figura 4-3: Gráfica de distribuciones de ajuste de Stat::Fit, ejemplo 2
Modelo de Simulación
26
En el ejemplo mostrado se puede comprobar que el ajuste de una normal también es adecuado, especialmente
de forma visual.
Para otras series de datos ocurre que el tamaño de la muestra es pequeño, por lo que los histogramas de los
datos pueden aparecer sesgados y una distribución normal no realiza un buen ajuste. También se tienen
operaciones (como los transportes con la “fenwick”) en las que los datos de tiempos no son fiables o no se
conocen, y únicamente se dispone de una estimación de tiempos máximos y mínimos. En ambos casos se
utiliza una distribución triangular de probabilidad (valor mínimo, máximo, y más probable).
4.1.2
Programa de Carenas
Se trata de 8 carenas diferentes, aunque del mismo tamaño y consumo de material. Todas tienen las mismas
características de fabricación, ninguna tiene una operación diferente a las otras. De la misma manera, los útiles
sobre los que se laminan son diferentes también, aunque del mismo tamaño y peso.
Simplificaciones y modelado:
•
En base a los datos de tiempos registrados, todos los tiempos de las diferentes carenas, para una
misma operación, son prácticamente idénticos. Al ser también del mismo tamaño y consumo de
material, y con las mismas características, se considera que las 8 carenas son idénticas.
•
Debido a la práctica igualdad de los útiles, se considera que son todos idénticos. No obstante, se
mantiene la restricción de que cada carena se lamina exclusivamente sobre un útil determinado, por lo
que se conserva una identificación individual de cada útil y cada carena.
4.1.3
Programa de Vigas
Se trata de 10 vigas diferentes, que se agrupan en kits de 5. De todas ellas, hay 3 vigas pequeñas y otras 2
grandes en cada kit. Las vigas grandes, a diferencia de las pequeñas, pasan por una operación adicional en la
que se les montan unos pequeños refuerzos encolados. Estos refuerzos también son fabricados, pero siguen un
proceso muy diferente a las vigas. Por el contrario, todas las vigas pequeñas tienen el mismo proceso y las
mismas características, así como las grandes entre ellas. Los útiles de laminación de las vigas también tienen
tamaños y pesos iguales, tanto de las vigas grandes como de las pequeñas.
El 90% de las vigas fabricadas presentan defectos que deben ser reparados. Los defectos son detectados en una
verificación tras el recanteo, y se vuelven a mandar a la estación de recanteo para que el operario las repare.
Después, vuelven a verificarse y continúan el proceso normalmente.
Simplificaciones y modelado:
•
En base a los datos de tiempos registrados, todos los tiempos de las diferentes vigas pequeñas, para
una misma operación, son prácticamente idénticos. Lo mismo ocurre con las vigas grandes. De forma
análoga a como se hizo en el programa de carenas, todas las vigas pequeñas se consideran idénticas, y
todas las vigas grandes se consideran idénticas.
•
Análogamente, y debido a la práctica igualdad de tamaños y pesos de los útiles, los tiempos de
limpieza de los mismos son iguales.
•
De la misma forma que con el programa de carenas, se mantiene la restricción de que cada viga
únicamente se lamina sobre un útil concreto, conservando la identificación individual de los útiles y
las vigas.
•
Se supone que el 100% de las vigas presentan defectos, por lo que tras el recanteo todas las vigas
pasan por dos operaciones adicionales de verificación y reparación. De esta manera se sitúa la
simulación en un escenario desfavorable, estando del lado de la seguridad.
•
Los refuerzos de las vigas grandes, llamados “walls”, tienen una ruta diferente a la de las vigas. Así
mismo, las vigas pequeñas tienen una ruta diferente a las vigas grandes. Para este programa se crean 3
rutas: vigas pequeñas, vigas grandes, y “walls”.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
27
4.1.4
Programa de Tapas
Las 2 tapas que componen el programa son de tamaño diferente, aunque no mucho. Sin embargo, los útiles
sobre los que se laminan tienen un tamaño y peso muy parecidos. De la misma manera, debido a la gran
similitud entre las tapas, los tiempos de cada operación para las 2 tapas son muy parecidos, a pesar de la
diferencia de tamaño.
Simplificaciones y modelado:
•
En base a los datos de tiempos registrados, y la práctica igualdad de tamaño y peso de útiles, los
tiempos de las dos tapas en la operación de limpieza de útil son iguales.
•
Al igual que en los otros programas, se mantiene la restricción de que cada tapa se lamina únicamente
sobre un útil concreto, conservando la identificación individual de los útiles y las tapas.
4.1.5
Lanzamientos de pedidos
Los programas de fabricación están planificados en base a la demanda del cliente. Esta demanda está
disponible a un año vista, con cierta flexibilidad a la hora de aumentar/disminuir la cadencia en algunos meses.
La planificación creada se ha programado en un calendario de lanzamiento de pedidos de fabricación mensual.
Simplificaciones y modelado:
•
Se supone una demanda estable, sin variaciones en la duración de la simulación. En el caso de
encontrar una variación en la demanda en la realidad, simplemente habría que ajustar el dato en el
modelo y correr nuevamente la simulación para encontrar el efecto de dicha variación.
•
Cada semana, se lanzan las órdenes de producción de 8 carenas, 10 vigas y 4 tapas (2 de cada tipo).
Las órdenes de producción de los “walls” se lanzan 3 veces al mes.
•
Todas las piezas comienzan a fabricarse a las 7:00 de la mañana (se lanzan las órdenes de producción,
que activan todo el proceso), cuando empieza el turno de mañana de los operarios de producción.
•
Varios bloques “Create” generan las llegadas de los lanzamientos, y a las entidades se les asignan los
atributos que definen qué tipo de pieza son y qué ruta van a seguir.
Tabla 4-1 : Atributos grabados en la entidad al generarse por primera vez en el sistema
Atributo
Descripción
Ejemplo
Part Number
Código identificador único de la pieza. Sirve para
distinguirla de las demás y poder agruparla en
programas u obtener datos de la pieza concreta.
23031002 (es una viga grande de
uno de los motores, conformado
por 5 vigas en total)
Útil
Útil sobre el que debe laminarse. Sirve para buscar si
dicho útil está disponible antes de comenzar.
PEAU 11 (útil número 11)
Secuencia /
ruta
Camino que debe recorrer la entidad dentro del
sistema: orden de paso por las diferentes estaciones.
Cada pieza de cada programa tiene una ruta diferente.
Ruta_viga_1 (secuencia de una
viga grande)
Programa
Para identificar el programa al que pertenece la pieza.
Sirve para obtener datos del programa concreto.
Vigas (programa de vigas)
Ciclo
Ciclo de curado al que debe someterse la pieza. Sirve
para agrupar las diferentes piezas en ciclos comunes,
para que entren en bloque al autoclave.
22 (ciclo número 22)
Tiempo de
lanzamiento
Instante en el que se lanzó la orden de fabricación de
la pieza. Para calcular tiempos totales de fabricación.
-
Modelo de Simulación
28
Figura 4-4 : Estación de lanzamiento de órdenes de fabricación
4.1.6
Modelado de recursos
Por experiencias en programas de fabricación anteriores, y por intereses concretos de la empresa, se
consideran una serie de recursos críticos para el sistema. Adicionalmente, se deben considerar otros recursos
esenciales para la correcta simulación de la realidad, aunque no se trata de recursos críticos para la empresa.
Tabla 4-2 : Recursos modelados
Recurso
Utillaje
Capacidad
(cantidad)
1
Disponibilidad
Siempre
7:00-15:00
Limpiador
2
15:00-23:00
Lunes-Viernes
Estaciones
de trabajo
Observaciones
Laminado
Un útil para cada pieza concreta. El
proceso no comienza si el recurso
no está disponible.
Frekoteo, limpieza,
transporte,
desmoldeo
-
Sala limpia
-
Carga y descarga
autoclave, curado
Monitoriza la operación de curado.
Realiza otras tareas no
contempladas en la simulación,
como el corte de material.
Curado
Simula el propio autoclave.
Recanteo, reparación
-
7:00-15:00
Laminador
Operario
autoclave
Autoclave
5
15:00-23:00
Lunes-Viernes
7:00-15:00
2
15:00-23:00
Lunes-Viernes
1
Siempre
7:00-15:00
Recanteador
2
15:00-23:00
Lunes-Viernes
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
29
7:00-15:00
Verificador
2
15:00-23:00
Lunes-Viernes
7:00-15:00
Montador
2
15:00-23:00
Lunes-Viernes
Verificaciones,
ensayo de
estanqueidad
-
Montaje de walls,
aplicación de
sellante, pelado
Realiza otras tareas no
contempladas en la simulación,
como el suministro a sala limpia.
Ultrasonidos
-
7:00-15:00
Ultrasonidos
4.1.7
2
15:00-23:00
Lunes-Viernes
Suministro y corte de material
El aprovisionamiento de material se realiza de forma planificada, de manera que en el almacén siempre hay
disponible un stock de todos los materiales auxiliares necesarios, así como de la materia prima de las piezas.
Conforme se planifica la producción de una determinada semana, la semana previa se realiza el corte de los
patrones en el material. Posteriormente se embolsan en kits y se almacenan. El día de la fabricación de una
determinada pieza, el kit con los patrones necesarios se saca del almacén y se deja en la sala limpia, donde se
lamina. De esta forma el proceso de laminación comienza rápidamente.
Simplificaciones:
•
4.1.8
Debido a la preparación previa al comienzo del proceso y al stock de seguridad disponible de
materiales auxiliares, así como al no interés de controlar el sistema de aprovisionamiento de material
(ya que el problema logístico se ha tratado desde otros proyectos y englobando otras áreas), en el
modelo se entenderá que los materiales necesarios siempre están disponibles, por lo que no se
modelará una estación de suministro o corte.
“Frekoteo” y Laminado en Sala Limpia
Trasel lanzamiento de las órdenes de producción de las piezas, se inicia el proceso. Antes de comenzar el
laminado de la pieza en la sala limpia, al útil correspondiente a la pieza en curso se le deben aplicar dos capas
de “frekote”, un agente desmoldeante que facilitará la extracción de la pieza del útil tras el curado. Una vez el
útil ha sido preparado, se comienza la laminación.
Simplificaciones y modelado:
•
La aplicación del “frekote” es relativamente rápida y de tiempo estacionario, a pesar de los diferentes
tamaños de útiles. Los tiempos de proceso de las diferentes piezas es el mismo, y sigue una
distribución triangular de media 30min.
•
Los útiles metálicos son muy pesados, y se requiere el uso de una carretilla elevadora para su
transporte. En toda la empresa únicamente hay una carretilla disponible, por lo que el transporte puede
ser una operación crítica: cada operación se realiza en un lugar físico diferente, lo que obliga a un
continuo transporte de utillaje. Todos los transportes tienen una duración parecida, ya que la forma de
manejar los útiles es la misma.
•
En un primer momento se implementó un control del espacio disponible en la sala limpia (al
considerar el espacio como un parámetro crítico), para dar entrada a los útiles o mantenerlos a la
espera. Sin embargo, el área disponible de la sala limpia nunca llega a ocuparse al 100%, por lo que se
simplifica el estudio dejando entrar libremente los útiles.
•
Cada pieza, debido a su tamaño, es laminada por un único operario.
•
De los tiempos de laminación de las diferentes piezas se tienen numerosos registros, por lo que la
distribución de los tiempos de operación sigue una normal. Los parámetros de estas distribuciones son
Modelo de Simulación
30
diferentes de un tipo de pieza a otro.
•
La operación de “frekoteo”, y el transporte del útil, requieren de un recurso “limpiador”. El transporte
también requiere de un recurso “fenwick”.
•
El laminado de cada pieza requiere un recurso “laminador”.
Figura 4-5 : Modelo de la estación de laminado, previo "frekoteo" del útil
Tabla 4-3: Tiempos de laminado según pieza
Pieza
Carena
Distribución NORM
4.1.9
Viga grande Viga peq. “Walls” Tapa 1
Tapa 2
NORM
NORM
NORM
NORM
NORM
Media
15.32 H 13.16 H
7.67 H
0.51 H
10.15 H 8.73 H
Desviación
2.76 H
3.26 H
0.15 H
2.37 H
3.12 H
3.75 H
Curado en autoclave
Tras el laminado, las piezas entran en el autoclave para el proceso de curado. Como previamente se ha
comentado, la puesta en marcha del autoclave consume una gran cantidad de energía, por lo que se optimiza la
carga del autoclave, saturándolo. Así, sólo se pondrá en marcha el autoclave cuando haya varias piezas
preparadas para entrar en el mismo. Es importante recordar en este punto que cada pieza tiene sus propias
condiciones de temperatura y tiempo de exposición, que se conoce como “ciclo”, por lo que piezas con
diferentes ciclos no pueden entrar a la vez en el autoclave.
Simplificaciones y modelado:
•
Cuando una pieza es laminada, se mantiene a la espera hasta que se acumule una cantidad adecuada
de piezas para saturar el autoclave. Esta espera y agrupación se hace según el ciclo de curado: las
carenas y las tapas tienen un ciclo número 30, por lo que pueden entrar juntas en el autoclave; las
vigas tienen un ciclo número 22.
•
La optimización de la carga del autoclave no es objeto del presente estudio, y se ha llevado a cabo en
otro proyecto, del cual se obtiene una agrupación predefinida. Estas agrupaciones son implementadas
en el modelo: se agrupan 4 carenas más 2 tapas para el ciclo 30, y 5 vigas (más los “walls”, que
apenas ocupan espacio en el autoclave, cuando se fabrican) para el ciclo 22.
•
Las piezas agrupadas para un ciclo de autoclave se fusionan en el modelo para pasar una única vez por
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
31
el proceso de curado, y posteriormente se separan para volver a ser tratadas individualmente.
•
La operación de carga y descarga del autoclave, y la de curado, requieren de un recurso “operario
autoclave”. Las carga y descarga del autoclave también requieren un recurso “fenwick”.
Adicionalmente, la operación de curado también requiere un recurso “autoclave”.
Figura 4-6 : Modelo de la estación de autoclave
Tabla 4-4 : Tiempos de curado según ciclo
Ciclo
30
Distribución NORM
22
NORM
Media
420.16 m 442.3 m
Desviación
58.71 m
55.77 m
4.1.10 Verificación del ciclo
Como se ha comentado con anterioridad, se realiza una verificación después de cada proceso. En general no se
detallan en el presente documento, salvo aquellas que tienen una especial importancia para el modelado.
Durante el proceso de curado en autoclave, se registran datos de temperatura y presión en cada pieza. Al
finalizar el ciclo, se comprueba que todos los rangos están dentro de las tolerancias del ciclo. Si alguna pieza
hubiera estado sometida a mayor o menor temperatura de la requerida, o durante un mayor o menor tiempo del
requerido, se debe declarar una “no conformidad” con respecto a la norma. El registro de esta no conformidad
supone un tiempo adicional a la verificación normal.
Tras encontrar una no conformidad de ciclo, la pieza es llevada al área de calidad y reparaciones, en donde se
determinará si todavía puede repararse. Las no conformidades por ciclo son pocas, y en general se trata de
desconexiones de los sensores y no de condiciones de temperatura fuera de tolerancia.
Simplificaciones y modelado:
•
En base a datos de defectología, no conformidades e inutilidades recogidos, se conoce que un 3% de
las piezas presenta una no conformidad en el ciclo de curado. Se modela este hecho a través de un
bloque “Decide” con un 3% de probabilidad.
Modelo de Simulación
32
•
Por cada pieza que presente una no conformidad, el tiempo de operación de la verificación se ve
incrementado. Esto se modela a través de un tiempo de operación función de una variable que
controla el número de no conformidades que se dan en cada ciclo.
•
Se considera que todas las piezas con no conformidad de ciclo son reparables. El modelo envía a todas
esas piezas a una estación de reparación, para posteriormente devolverla a su curso normal dentro del
ciclo.
•
Todas las operaciones de verificación requieren un recurso “verificador”.
Figura 4-7 : Modelo de la estación de verificación de ciclo
4.1.11 Desmoldeo, limpieza de utillaje y recanteo
Tras verificar que el ciclo de curado ha sido satisfactorio, la pieza se desmoldea y se recantea. Tras el
desmoldeo, el útil queda sucio y con restos de resina, sellante, la bolsa de curado, etc. Mientras la pieza sigue
su curso por el proceso (en la estación de recanteo), el útil es limpiado y almacenado para que pueda estar
disponible para la siguiente laminación de la pieza.
La pieza, mientras, es recanteada para eliminar el exceso de material o resina, y llegar a las dimensiones
finales.
Simplificaciones y modelado:
•
Los tiempos registrados de la operación de limpieza no llegan a un tamaño de muestra
suficientemente alto como para suponer una distribución normal, por lo que se utiliza una distribución
triangular.
•
Lo mismo ocurre con los tiempos registrados de la operación de recanteo.
•
Todas las piezas pasan por la operación de recanteo, aún cuando el recanteo se subcontrata. Esto es
porque previamente a ser enviadas las piezas al subcontratista, se les elimina parte del exceso de
material (caso de las carenas y las tapas, por ello la repetitividad de los datos de las distribuciones y lo
rápido de la operación).
•
La operación de recanteo de los “walls” consiste en seccionar una barra en varios refuerzos pequeños
que posteriormente se encolan a una viga grande. De cada barra se obtienen 10 “walls”, que se modela
gracias a un bloque “Separate” con la opción de duplicar la entidad.
•
Las operaciones de desmoldeo y limpieza requieren un recurso “limpiador”.
•
La operación de recanteo requiere un recurso “recanteador”.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
33
Figura 4-8 : Modelo de la estación de recanteo
Tabla 4-5 : Tiempos de recanteo según pieza
Pieza
Carena Viga grande Viga peq. “Walls” Tapa 1
Distribución TRIAN
Tapa 2
TRIAN
TRIAN
TRIAN
TRIAN TRIAN
Mínimo
8m
82.2 m
30 m
30 m
20 m
20 m
Media
9m
92.3 m
65.2 m
60 m
25 m
25 m
Máximo
15 m
115.6 m
95.4 m
90 m
30 m
30 m
4.1.12 Verificación tras recanteo
Esta operación de verificación es especialmente relevante debido a que un 90% de las vigas fabricadas
presentan defectos que las obligan a ser reprocesadas. La operación de verificación depende de las
características que haya que comprobar en cada pieza, aunque en general se trata de un muestreo de espesores
y comprobación de taladros, que tiene una duración similar en todas las piezas.
Simplificaciones y modelado:
•
Se considera que el 100% de las vigas presentan defectos, y tras la verificación pasan por una
Modelo de Simulación
34
operación de reparación y una nueva verificación.
•
El tamaño de la muestra de los tiempos de operación es pequeño, por lo que se ha utilizado una
distribución triangular.
•
Los tiempos de la operación de reparación son los mismos para los dos tipos de vigas, ya que no se
trata de corregir la geometría completa de las piezas, sino de algunos excesos de resina localizados o
diferencias de enrase en escalones.
•
Las diferencias de tiempos entre las tapas es nula, ya que su diferencia de tamaño no afecta a las
características que se verifican. Se considera la misma función de distribución para las dos tapas.
•
Las operaciones de verificación ocupan un recurso “verificador”.
•
La operación de reparación se realiza en la sala de recanteo, por lo que ocupa un recurso
“recanteador”.
Figura 4-9 : Modelo de la estación de verificación tras el recanteo
Tabla 4-6 : Tiempos de verificación según pieza
Pieza
Carena Viga grande Viga peq. “Walls” Tapa 1
Distribución TRIAN
Tapa 2
TRIAN
TRIAN
TRIAN
TRIAN TRIAN
Mínimo
15 m
40 m
20 m
4m
15 m
15 m
Media
17 m
42.67 m
22.67 m
5m
18 m
18 m
Máximo
20 m
45 m
25 m
7m
20 m
20 m
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
35
Tabla 4-7: Tiempos de reparación de vigas
Mínimo Media Máximo
Vigas 10 m
16 m
29 m
4.1.13 Sellado de bordes
Todas las carenas pasan por una operación en la que se aplica un sellante a los cantos o bordes de la pieza.
Tras la aplicación del sellante, la pieza debe reposar durante 24 horas, tiempo que tarda el sellante en
polimerizar. El sellante debe prepararse en el momento de utilizarlo, ya que pasado un tiempo empieza a
endurecer. El sellante se aplica en dos capas para conseguir un recubrimiento adecuado; la segunda capa se
aplica tras 1 hora de secado, ya que la viscosidad del sellante hace que en lugar de aplicar más sobre la pieza,
se retire el que ya había.
Simplificaciones y modelado:
•
Se hace un aprovisionamiento y preparación de sellante previo a la recepción de la pieza en la
estación, por lo que no se modela esta operación.
•
Se utiliza bloques “Process” en modo “Delay” (únicamente una espera) para simular el tiempo de
espera de la pieza para permitir el curado del sellante.
•
Los tiempos de operación de aplicación de sellante son bastante estáticos, oscilando alrededor de los
20min la primera capa, y 10m la segunda.
•
La operación de sellado de bordes requiere un recurso “montador”.
Figura 4-10 : Estación de sellado
4.1.14 Ensayo de estanqueidad
Todas las piezas que contienen un núcleo en su laminado deben ser sometidas a un ensayo de estanqueidad,
para asegurar que no hay forma de que partículas o líquidos penetren hasta el núcleo de la pieza y lo dañen
irreversiblemente.
El ensayo se realiza en una cuba de agua que debe calentarse previamente. El calentamiento de la cuba lleva 5
horas, mientras que el ensayo de estanqueidad sólo lleva de 5 a 10 minutos, ya que se trata de sumergir la pieza
en 3 posiciones durante unos segundos, y posteriormente rellenar la documentación.
El calentamiento de la cuba no está planificado, por lo que se inicia cuando una pieza está lista para ser
ensayada. Si más piezas se acumulan, todas se ensayan secuencialmente una vez se ha calentado la cuba. Si no
se acumulan piezas, una vez ensayada la última se desconecta la cuba y comienza a enfriarse.
Simplificaciones y modelado:
•
Se supone una ley de calentamiento y enfriamiento de la cuba lineal, de manera que tarde 5 horas en
calentarse por completo, 5 horas en enfriarse por completo, y si se reactiva el calentamiento cuando
lleva 2 horas (por ejemplo) enfriándose, sólo necesita 2 horas para estar completamente caliente de
nuevo.
•
Al llegar una pieza, se inicia el calentamiento de la cuba si estaba completamente fría; se prosigue el
Modelo de Simulación
36
calentamiento desde la temperatura actual si estaba enfriándose; o se mantiene dicha pieza a la espera
si la cuba ya está en proceso de calentamiento. Una vez la cuba está caliente, todas las piezas se
ensayan secuencialmente hasta que no queda ninguna, momento en el que se inicia el enfriamiento.
Este enfriamiento se interrumpe cuando llega una nueva pieza.
•
El ensayo de estanqueidad requiere un recurso “verificador”.
Figura 4-11 : Estación de ensayo de estanqueidad
4.1.15 Avellanado
En esta operación por la que sólo pasan las carenas, se construye una bolsa protectora para evitar daños en la
pintura, y posteriormente se avellana y se comprueban las dimensiones de los avellanados.
Simplificaciones y modelado:
•
Todas las tareas se incluyen en una única operación.
•
Los tiempos de operación siguen una distribución normal de media 43.82 min, y desviación 0.7 min.
•
La operación de avellanado requiere de un recurso “recanteador”.
4.1.16 Pelado
Esta operación solo se aplica a las vigas. Las vigas se laminan con una capa final de un tejido protector
retirable. Este tejido debe retirarse antes de la operación de montaje o encolado, aunque también lo poseen las
vigas pequeñas.
Simplificaciones y modelado:
•
Los tiempos de operación siguen una distribución triangular de valor mínimo 18 min, valor máximo
38 min, y valor medio 25.
•
La operación de pelado requiere un recurso “montador”.
4.1.17 Montaje o encolado (de “walls”)
Las vigas grandes son reforzadas con unos pequeños suplementos llamados “walls”, como ya se ha comentado
previamente. Se encolan 3 “walls” en cada viga, aplicando una buena cantidad de adhesivo. El adhesivo se
deja secar durante 24 horas, y a continuación se rebajan los bordes que no han quedado perfectamente
alineados debido a las creces de material en los “walls”. Este rebajado se realiza en la estación de recanteo.
Una vez rebajados los “walls”, en la estación de montaje se retira el exceso de adhesivo, y se aplica un cordón
de sellante.
Simplificaciones y modelado:
•
Las vigas grandes se mantienen a la espera hasta que 3 “walls” han sido fabricados y agrupados con
un bloque “Batch” de tamaño 3. Entonces se unen a través de otro bloque “Batch” de tamaño 2 y
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
37
unión permanente, guardando las características de la viga.
•
El transporte de la estación de montaje a recanteo, y la inversa, requiere un recurso “montador”, y se
hace a pie.
•
Las operaciones de encolado de “walls”, limpieza de adhesivo sobrante, y la aplicación del cordón de
sellante requieren un recurso “montador”.
•
La operación de rebajado de “walls” requiere un recurso “recanteador”.
Figura 4-12 : Estación de encolado de "walls"
Tabla 4-8 : Tiempos de operación
Operación
Encolado
Rebajado
Limpieza
Aplicación
de “walls” de “walls” de adhesivo de cordón
Distribución TRIAN
TRIAN
TRIAN
TRIAN
Mínimo
10 m
6m
44 m
15 m
Media
14 m
7m
58 m
17 m
Máximo
18 m
10 m
70 m
25 m
4.1.18 Ultrasonidos
Al final de su proceso de fabricación (y en el programa de carenas antes del recanteo subcontratado) todas las
piezas se someten a un ensayo de ultrasonidos. Éste se realiza con un equipo específico de ultrasonidos, y
requiere un operario certificado en el proceso. La finalidad es detectar defectos internos como partículas, poros
o delaminaciones.
Los tiempos de operación son bastante constantes, ya que la operación consiste en recorrer con un sensor toda
la superficie de la pieza. Si se detecta una anomalía, se anota el lugar y característica de la misma en la
documentación, y la pieza se envía a reparación posteriormente. No obstante, la prueba de ultrasonidos no se
Modelo de Simulación
38
interrumpe.
Simplificaciones y modelado:
•
Los tiempos de operación siguen distribuciones normales, salvo en el caso de los “walls” que siguen
una distribución triangular.
•
La operación de ultrasonidos requiere un recurso “ultrasonidos”. En éste recurso se consideran
incluidos el operario certificado y el equipo específico necesario para el ensayo.
Tabla 4-9 : Tiempos de ultrasonidos
Pieza
Carena
Distribución NORM
Viga grande Viga peq. Tapa 1
Tapa 2
NORM
NORM
NORM
NORM
Media
100.2 m 171.14 m
76.2 m
78.56 m 76.5 m
Desviación
63.62 m 52.43 m
22.04 m
17.79 m 13.17 m
Tabla 4-10 : Tiempo de ultrasonido, "walls"
Pieza
“Walls”
Distribución TRIAN
Mínimo
10 m
Media
12 m
Máximo
15 m
4.1.19 Furgoneta
No se trata de una operación, sino de una “parada” y espera previas a las operaciones subcontratadas: recanteo,
pintura, montaje y ultrasonidos, según cada programa de fabricación.
Existe una ruta semanal que realiza una furgoneta, y que discurre entre todos los subcontratistas de la empresa.
En la furgoneta se cargan las piezas que van a ser recanteadas, pintadas, etc. y se llevan a los subcontratistas.
Una vez allí, se recogen también aquellas piezas que se han dejado en semanas anteriores y que ya han sido
trabajadas, para devolverlas a la empresa en el viaje de vuelta.
Simplificaciones y modelado:
•
La furgoneta nunca va cargada al 100% de capacidad, por lo que no hay limitaciones de espacio. No
se implementa un control del espacio disponible en la furgoneta, pues no se cargan nunca muchas
piezas en ella, simplificando el modelo y la simulación.
•
Un bloque “Hold” retiene todas las piezas que van a salir de la empresa para ser trabajadas en un
subcontratista. Cuando llega el día y hora de salida de la furgoneta, todas las piezas que estaban en
espera se liberan y pasan a la operación subcontratada. Lo análogo ocurre con las piezas que han
terminado de ser procesadas en el subcontratista: se retienen en otro bloque “Hold” hasta que la
misma furgoneta realiza la ruta, liberándolas y permitiendo que continúen con el proceso normal.
•
Un bloque “Create” genera furgonetas según un calendario previamente definido: una única vez a la
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
39
semana, los miércoles.
Figura 4-13 : Estación de espera a la furgoneta de reparto
4.1.20 Operaciones subcontratadas
La forma en la que el subcontratista organiza sus trabajos es ajena a la empresa en estudio. Según el acuerdo
de subcontratación, todas las piezas deben haber sido trabajadas en un número máximo de días.
Simplificaciones y modelado:
•
Al no tener ningún control ni conocimiento sobre la gestión interna del subcontratista, se considera la
operación como una “caja negra”, modelado como un bloque “Process”.
•
Las operaciones subcontratadas no requieren ningún recurso, ya que es desconocido el
funcionamiento del subcontratista.
•
Los tiempos de operación se basan en los acuerdos firmados con el subcontratista, y no en los
tiempos reales de trabajo que podrían tener las piezas. Se modelan como una distribución triangular.
Tabla 4-11 : Tiempos de operaciones subcontratadas
Operación
Recanteo Ultrasonidos Pintura Montaje
Distribución TRIAN
TRIAN
TRIAN
TRIAN
Mínimo
5 días
2 días
5 días
3 días
Media
7 días
3 días
7 días
4 días
Máximo
10 días
4 días
10 días
5 días
Modelo de Simulación
40
4.2 Validación del modelo
Una vez construido el modelo, se pueden realizar todas las simulaciones necesarias. Sin embargo, hay que
asegurar que el modelo y la simulación representan suficientemente bien el comportamiento real del proceso
que se estudia. De lo contrario, cualquier resultado arrojado por la simulación sería erróneo.
Para la validación del modelo se ha utilizado como criterio que los tiempos totales de fabricación en la
simulación sean cercanos a los reales.
Se ha recurrido a una herramienta habitual del “Lean Manufacturing”7, llamada VSM o “Value Stream Map”.
Esta herramienta consiste en una especie de diagrama de flujo donde se representa el proceso en estudio, con
flechas que indican el recorrido que sigue una pieza desde que se efectúa el pedido por el cliente hasta que se
entrega al mismo. Se representan cada una de las estaciones u operaciones que conforman el proceso, y se
incluye información relevante sobre ellas: tiempo de proceso, número de operarios necesarios, inventario, etc.
Una vez se tienen todos los datos de tiempo de cada estación, se puede calcular el “lead time”8 a través de una
sencilla suma de dicho tiempos. Como se están sumando los tiempos secuencialmente, sin tener en cuenta que
mientras una pieza está siendo verificada, otra puede estar siendo recanteada a la vez, lo que realmente se
obtiene son las horas de fabricación de la pieza. Estas “horas de fabricación” son útiles para poder calcular el
coste del programa, por ejemplo, y también ofrecen una estimación conservadora del “lead time”.
Figura 4-14 : Fotografía de un fragmento del VSM real del programa de carenas
Los datos más fiables, debido a la gran cantidad de tiempos registrados, son los de programa de carenas, por lo
que se usa el mismo para validar el modelo.
Unas primeras simulaciones arrojan como resultado que el “lead time” medio del programa de carenas, basado
en la fabricación y entrega de un paquete de 8 carenas, es de 48.41 días.
Por otro lado, la suma de tiempos de todas las operaciones del VSM, basado también en la fabricación de 8
carenas, es de 54.29 días.
Teniendo en cuenta, como se menciona previamente, que en el VSM no se consideran las operaciones en
paralelo, se puede hacer una estimación del tiempo de más que se está añadiendo al que sería el “lead time”
real del VSM. Solapando las operaciones de recanteo y verificación, las subcontratadas y las pruebas de
ultrasonidos, etc., se obtiene que hay una diferencia de 6.65 días con respecto al “lead time” real del VSM.
Se puede profundizar en esta filosofía de gestión y sus herramientas con el libro Lean Thinking (Womack, y otros, 2010)
Time es un término inglés de uso generalizado que significa “tiempo de entrega”. Es el tiempo que transcurre entre el instante en el
que se realiza el pedido de un determinado producto o servicio, y el instante en el que dicho producto o servicio es recibido por el cliente.
7
8Lead
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
41
Así pues:
���� ���� (���) = 54.29 − 6.65 = ��. �� �í��
Por lo tanto, la diferencia entre el “lead time” del VSM, y el “lead time” de la simulación es de 0.77 días, lo
que supone un error del 1.6%, que es perfectamente asumible.
De esta manera se da por validado el modelo construido.
4.3 Propuestas de mejora
En base a la experiencia y los intereses de la empresa, proponen a continuación posibles mejoras, y criterios
para evaluarlas.
En anteriores programas de fabricación, y en los actuales, se viene observando una gran acumulación de piezas
en la sala de recanteo, en donde sólo hay 2 operarios trabajando. La empresa está interesada en saber si un
aumento en el número de operarios de recanteo supondría una mejora en el proceso.
También se han sufrido retrasos importantes en la laminación de piezas en sala limpia, provocando retrasos en
las ejecuciones del autoclave. Más importante que el retraso, es el hecho de que el material compuesto tiene un
tiempo de vida limitado a temperatura ambiente, mientras no ha polimerizado (en el autoclave). Por ello,
mantener las piezas laminadas y esperando a que otras terminen para poder comenzar su ciclo de autoclave,
puede suponer que alguno de los materiales pase más tiempo del permitido a temperatura ambiente. Esto
origina una no conformidad grave y la pieza puede ser considerada inútil por el cliente.
Por estos motivos, la empresa también está interesada en saber si un aumento del número de operarios en sala
limpia supondría una mejora en el proceso.
Es un hecho que todas las piezas fabricadas deben pasar en última instancia por un ensayo de ultrasonidos.
Esto apunta a un posible cuello de botella en el proceso, pues absolutamente todo lo que se fabrica en la planta
debe pasar por una estación en la que trabajan únicamente 2 operarios, realizando una operación que tiene un
tiempo de entre 80 minutos y 180 minutos por pieza aproximadamente. Se propone en consecuencia estudiar si
un aumento en el número de operarios de ultrasonidos supone una mejora.
Finalmente, es destacable que 2 de los 3 programas de fabricación tienen operaciones subcontratadas.
Adicionalmente, dichas operaciones subcontratadas tienen tiempo de operación del orden de días, mientras
que el resto de operaciones del proceso duran minutos y horas. Si una única operación subcontratada, como el
recanteo, puede suponer de 5 a 10 días, dicha subcontratación supone del 11% al 23% del “lead time” total.
Por lo tanto, se propone estudiar si un aumento en la frecuencia de viajes de la furgoneta de reparto supone una
mejora en el proceso.
En resumen se propone:
•
Aumentar el número de laminadores.
•
Aumentar el número de recanteadores.
•
Aumentar el número de operarios de ultrasonidos.
•
Aumentar la frecuencia de la furgoneta.
5 ANÁLISIS DE MEJORAS
L
as mejoras propuestas tienen a priori un efecto desconocido sobre el sistema. Partiendo del modelo
validado, se puede introducir pequeños cambios en las condiciones de operación y realizar una
simulación para analizar las variaciones producidas con respecto al sistema inicial. El objetivo de este
capítulo es introducir las mejoras propuestas en el modelo, realizar diversas simulaciones con dichas mejoras
implementadas, y estudiar sus efectos sobre una serie de variables o respuestas de interés. Para ello se recurre a
un estudio estadístico: un análisis de varianza.
5.1 Variables de estudio
Desde el punto de vista de la simulación, el modelo es un sistema cerrado. El sistema recibe una serie de
entradas, que procesa de forma interna, y devuelve una serie de salidas. A través de estas salidas es posible
medir y evaluar el rendimiento del sistema.
Sobre el modelo se puede actuar cambiando sus condiciones de operación, que son las entradas del sistema, a
través de la variación de unas variables de control o “factores”. Los factores se describen en el siguiente
apartado, correspondiente al diseño de experimentos.
Al variar los factores, el sistema evoluciona de manera diferente y sus salidas cambian. De entre todas las
salidas, aquellas que son de interés para el estudio son las llamadas “respuestas”.
5.1.1
Respuestas
Las respuestas son las salidas del sistema que tienen un especial interés para el estudio que se realiza. Miden
parámetros de interés, en base a los cuales se determina si una mejora es efectiva o no.
La empresa en estudio está interesada en obtener mejoras de desempeño en los siguientes puntos: “lead time”,
tiempo de fabricación de una pieza, obra en curso, y tiempo de espera de una pieza.
Tabla 5-1 : Resumen de respuestas de interés medidas
Respuestas
Carenas
Lead Time
LD_carena
Tiempo Pieza
TP_carena
Obra en curso
Tiempo de espera
(Wait Time)
Vigas
Grandes
Pequeñas
LD_vigas
TP_viga_gra
TP_viga_peq
Tapas
LD_tapas
TP_tapa
WIP_carena WIP_viga_gra WIP_viga_peq WIP_tapa
WT_carena
WT_viga_gra
WT_viga_peq
WT_tapa
Para poder medir estos parámetros de interés, se incluyen en el modelo de simulación una serie de variables
43
Análisis de Mejoras
44
para medirlos, ya que los informes generados por ARENA no incluyen todos estos datos. Basándose en los
atributos de las entidades, como el programa al que pertenecen y el identificador de pieza o “Part Number”, se
clasifican y se hacen pasar por los bloques “Record” que registran las estadísticas de los parámetros de interés.
Figura 5-1: Modelado para el registro de los valores de los parámetros de estudio
A continuación se describen las respuestas medidas.
5.1.1.1
Lead Time
Tiempo de entrega al cliente: tiempo transcurrido entre el lanzamiento del pedido y la finalización del mismo.
Las simplificaciones hechas en los programas llevan a considerar un “lead time” para las 8 carenas, otro para
las 2 tapas, y finalmente uno más para un conjunto de 5 vigas (ya que a pesar de ser 2 motores diferentes, son
simétricos y se entregan de forma individual).
5.1.1.2
Tiempo de fabricación de una pieza
El tiempo transcurrido desde el lanzamiento de la orden de producción de una única pieza y la finalización de
la misma.
Este parámetro resulta de interés para medir la capacidad de respuesta frente a un cambio puntual y urgente en
la demanda, como la necesidad de sustitución de una pieza con defectos.
Se establece un tiempo de fabricación de una pieza para cada tipo de pieza: una carena, una viga grande, una
viga pequeña, y una tapa. La simplificación de considerar una única tapa se debe a que los tiempos de
fabricación individuales de cada una son muy similares.
5.1.1.3
Obra en curso
La obra en curso, o “work in process” (WIP), es el número medio de piezas que están siendo fabricadas a la
vez en todo el proceso.
Cada pieza en el proceso de fabricación significa una inversión de capital en sus materiales, trabajos,
almacenamiento, etc. Esta inversión es un capital bloqueado, que no puede ser utilizado para ninguna cosa más
útil: pagos a proveedores, empleados, afrontar deudas, etc.
Se mide la obra en curso para cada tipo de pieza, con la simplificación de las tapas mencionada previamente:
carenas, vigas grandes, vigas pequeñas, y tapas (como si fuesen un único tipo).
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
45
5.1.1.4
Tiempo de espera
Es el tiempo medio que una pieza está “esperando” y sin ser trabajada a lo largo de todo el proceso. Son
tiempos muertos.
Este parámetro permite diseñar el espacio necesario de almacenamiento, o calcular la fracción del tiempo de
fabricación de una pieza que corresponde a esperas (puede ser una medida de rendimiento o productividad, o
de margen para la mejora del proceso).
Así, se miden como respuestas los tiempos de espera de las carenas, las vigas grandes, las vigas pequeñas, y
las tapas (como si fuesen un único tipo).
5.2 Parámetros de Simulación
Cuando se ejecuta una simulación, hay una serie de parámetros configurables que deben ajustarse
convenientemente para garantizar el buen funcionamiento de la simulación y así poder hacer inferencias
estadísticas con cierta garantía. Así, se controla el tiempo que se simulará, el número de veces que se repetirá
la simulación para sacar datos estadísticos, y el período inicial que no se tendrá en cuenta para las mediciones,
para evitar el régimen transitorio cuando comienza a trabajar el sistema. Se seguirá para ello la metodología
descrita en Simulation Modeling and Analysis (Law, y otros, 1999).
Hay que tener en cuenta que a lo largo del estudio se varían las condiciones de operación en cada simulación,
para así reflejar las posibles mejoras propuestas. Para el cálculo de los parámetros para las simulaciones
(horizonte, réplicas, “warm-up”) se utiliza el escenario inicial, en el que se representa la realidad actual sin
ninguna propuesta de mejora implementada. Las subsiguientes simulaciones se realizan con los parámetros
calculados de esta manera, no volviéndose a repetir el cálculo de los mismos para cada condición de operación
diferente9.
5.2.1
Horizonte de Simulación
El horizonte es el tiempo transcurrido en el proceso que se simula. No hay que confundirlo con el tiempo real
de ejecución de la simulación, ya que el programa es capaz de simular el transcurso de años en sólo unas horas
o días (según la complejidad del sistema y la potencia de la máquina en la que se realiza la simulación).
Un horizonte muy pequeño implica que el sistema no es capaz de desarrollarse completamente, y los datos
recogidos de la simulación no son fiables. Un horizonte muy grande implica unos tiempos de ejecución de la
simulación también grandes, con el consiguiente coste.
Para obtener un horizonte adecuado, se realizan varias simulaciones en las mismas condiciones de operación,
pero aumentando progresivamente el horizonte. Se miden los resultados medios y el intervalo de confianza10,
datos que se pueden obtener de los informes de simulación generados por ARENA, y se busca un error
relativo en las medidas que resulte aceptable.
Los otros parámetros de simulación se deben dejar fijos inicialmente. Se escogen los siguientes valores: 50
réplicas, y tiempo de calentamiento (Warm Up) nulo. Posteriormente, con el horizonte fijado, se varían los
otros parámetros.
Es importante destacar en este punto una consideración referente a los tiempos. Los turnos de trabajo de los
operarios son de lunes a viernes, quedando el sistema “parado” durante dos días (sábado y domingo). Sin
Formalmente se debe repetir el cálculo de los parámetros de simulación para cada nueva simulación que se realice. No obstante, los
errores relativos alcanzados en el escenario inicial son muy pequeños, y al realizar el cálculo de los parámetros de simulación en otros
escenarios se ha encontrado que apenas hay diferencias con respecto a los calculados en el escenario inicial, manteniendo esos errores
relativos muy pequeños. Por ello, se simplifica el estudio utilizando en todas las simulaciones los mismos parámetros de simulación,
calculados en el escenario inicial.
10 Un intervalo de confianza es aquel rango de valores de un parámetro en el cual está contenido el valor real de dicho parámetro, con una
probabilidad determinada. Habitualmente, se fija una probabilidad del 95%. Para aclarar conceptos estadísticos básicos, el lector puede
consultar el libro Estadística en la Ingeniería: Inferencia y Aplicaciones (Gutiérrez Fernández, y otros, 2004)
9
Análisis de Mejoras
46
embargo, hay varias operaciones que no requieren de ningún operario, como los tiempos de secado de
sellantes, que además tienen duraciones de 1 día completo (24 horas). Por esta razón, es imprescindible tener
en cuenta esos dos días sin operarios disponibles. Por lo tanto, el horizonte de simulación no se calcula en días,
sino en semanas (múltiplos enteros de 7 días).
Se representan a continuación de manera gráfica las evoluciones de las respuestas medias y los errores
relativos (calculados como la semi longitud del intervalo de confianza entre el valor medio de la respuesta)
para el “Lead Time” y la obra en curso (WIP), ya que son las respuestas más relevantes.
Desviación LEAD TIME
0,0060
0,0050
0,0040
carenas
0,0030
tapas
0,0020
vigas
0,0010
0,0000
119
231
455
910 1820 2184 2625 3150 3780
Figura 5-2 : Error relativo Lead Time (tanto por uno) frente al horizonte (días)
Es destacable que para la totalidad de los valores de horizonte probados, el error relativo (o desviación) en la
medida del “lead time” es inferior al 1%. Este error es perfectamente admisible, por lo que el error relativo en
el “lead time” no es un parámetro crítico a la hora de determinar el horizonte de simulación.
Desviación WIP
0,0070
0,0060
0,0050
carenas
0,0040
tapas
0,0030
viga grande
0,0020
viga pequeña
0,0010
0,0000
119 231 455 910 1820 2184 2625 3150 3780
Figura 5-3 : Error relativo obra en curso (tanto por uno) frente al horizonte (días)
Nuevamente, los errores relativos son siempre inferiores al 1%, por lo que la desviación en la medida de la
obra en curso tampoco es un parámetro crítico para determinar el horizonte de simulación.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
47
LEAD TIME medio carenas
1170,00
1165,00
1160,00
1155,00
1150,00
1145,00
1140,00
119 231 455 910 1820 2184 2625 3150 3780
Figura 5-4: Lead Time carenas (horas) frente al horizonte (días)
WIP medio carenas
52,00
50,00
48,00
46,00
44,00
42,00
40,00
38,00
119 231 455 910 1820 2184 2625 3150 3780
Figura 5-5: Obra en curso carenas frente al horizonte (días)
LEAD TIME medio tapas
1390,00
1388,00
1386,00
1384,00
1382,00
1380,00
1378,00
1376,00
119 231 455 910 1820 2184 2625 3150 3780
Figura 5-6: Lead Time tapas (horas) frente al horizonte (días)
Análisis de Mejoras
48
WIP medio tapas
35,00
30,00
25,00
20,00
15,00
10,00
5,00
0,00
119 231 455 910 1820 2184 2625 3150 3780
Figura 5-7: Obra en curso tapas frente al horizonte (días)
LEAD TIME medio vigas
156,00
155,80
155,60
155,40
155,20
155,00
154,80
119 231 455 910 1820 2184 2625 3150 3780
Figura 5-8: Lead Time vigas (horas) frente al horizonte (días)
WIP medio vigas
viga grande
viga pequeña
8,00
6,00
4,00
2,00
0,00
119
231
455 910 1820 2184 2625 3150 3780
Figura 5-9: Obra en curso vigas frente al horizonte (días)
Se observa que a medida que aumenta el horizonte de simulación, las respuestas estudiadas tienden
asintóticamente a un valor estacionario. Esto indica que el sistema, en las condiciones de operación, es estable.
Para los valores más bajos del horizonte de simulación, las respuestas tienen un valor bajo no representativo.
Para valores del horizonte de simulación de 455 días (65 semanas) en adelante, los valores son
mayoritariamente estacionarios, teniendo una variación mínima.
El valor de 455 días es el extremo superior de un “salto” en la respuesta del “lead time” de vigas, por lo se
elige un valor del horizonte superior: 490 días (70 semanas).
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
49
5.2.2
Número de réplicas
Las réplicas son la cantidad de veces que el software ARENA realiza una simulación del horizonte, para tomar
datos. A mayor número de réplicas, mayor es el tamaño de la muestra de los parámetros medidos, y más
fiables son los datos recopilados.
Si se realiza una única réplica, sólo se obtiene un valor medio de las respuestas, no pudiendo asegurar que
dicho valor sea estacionario y siempre constante. Para un mayor número de réplicas, se registran más valores
medios y el software de simulación puede calcular un intervalo de confianza para la media de los valores
medios de las respuestas. Un gran número de réplicas aumenta el tiempo de ejecución de la simulación, al
igual que un horizonte grande, con los consiguientes costes.
De forma análoga al cálculo del horizonte de simulación, se realizan varias simulaciones variando el número
de réplicas. En este caso se mantienen fijos los otros parámetros de simulación: un horizonte de 490 días
(calculado previamente) y un “Warm Up” nulo.
LEAD TIME medio carenas
1175,00
1170,00
1165,00
1160,00
1155,00
1150,00
1145,00
1140,00
4
8
14
20
26
32
38
44
50
Figura 5-10: Lead Time carenas (horas) frente a réplicas
LEAD TIME medio vigas
156,50
156,00
155,50
155,00
154,50
154,00
4
8
14
20
26
32
38
44
50
Figura 5-11: Lead Time vigas (horas) frente a réplicas
Se representan a continuación de manera gráfica las evoluciones de las respuestas medidas y el error relativo
de las mismas, de la misma forma que se ha realizado en el cálculo del horizonte de simulación.
Análisis de Mejoras
50
LEAD TIME medio tapas
1390,00
1385,00
1380,00
1375,00
1370,00
4
8
14
20
26
32
38
44
50
Figura 5-12 : Lead Time tapas (horas) frente a réplicas
El “lead time” tiende a un valor asintótico, y parece estabilizarse en torno a dicho valor entre las 14 y las 20
réplicas.
WIP medio
45,00
40,00
35,00
30,00
carenas
25,00
tapas
20,00
15,00
viga grande
10,00
viga pequeña
5,00
0,00
4
8
14
20
26
32
38
44
50
Figura 5-13 : Obra en curso frente a réplicas
La obra en curso también tiende asintóticamente a un valor concreto. De hecho, prácticamente para cualquier
número de réplicas se obtiene dicho valor.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
51
Desviación LEAD TIME
0,0500
0,0450
0,0400
0,0350
0,0300
0,0250
0,0200
0,0150
0,0100
0,0050
0,0000
carenas
tapas
vigas
4
8
14
20
26
32
38
44
50
Figura 5-14 : Error relativo (tanto por uno) frente a réplicas
El error relativo o desviación del “lead time” se reduce drásticamente conforme se aumenta el número de
réplicas, como era de esperar. El error es inferior al 1% para un número de réplicas igual o superior a 14.
Desviación WIP
0,0450
0,0400
0,0350
0,0300
carenas
0,0250
tapas
0,0200
0,0150
viga grande
0,0100
viga pequeña
0,0050
0,0000
4
8
14
20
26
32
38
44
50
Figura 5-15 : Error relativo (tanto por uno) frente a réplicas
Lo mismo ocurre con el error relativo o desviación de la obra en curso. En este caso, el error es inferior al 1%
a partir de un número de réplicas igual a 20.
De la unión de las diferentes condiciones, se tiene que el número de réplicas que debe tener la simulación es de
20.
Análisis de Mejoras
52
5.2.3
“Warm-Up”
El “Warm-Up”, o tiempo de calentamiento, es el tiempo que dura el régimen transitorio del sistema desde el
momento en el que se inicia la simulación. Los transitorios pueden presentar una gran variación en las
respuestas medidas, que no son representativas del comportamiento normal del sistema, representado por el
régimen estacionario. Durante el “Warm-Up”, ARENA no registra datos para elaborar la estadística de los
informes, para evitar la distorsión que introduce el régimen estacionario.
El tiempo de calentamiento en el presente estudio se establece en 2 semanas, tiempo suficiente para que todas
las estaciones tengan carga de trabajo.
5.3 Diseño de Experimentos: Análisis de Varianza
Una vez elegidos los parámetros de la simulación (horizonte, réplicas, y “Warm-Up”), los factores de
influencia sobre el sistema de interés (laminadores, recanteadores, ultrasonidos y furgoneta, descritos a
continuación), y las respuestas para medir y determinar el desempeño del sistema (“lead time”, tiempo de
fabricación de una pieza, obra en curso, y tiempo de espera), se ejecutan todas las simulaciones que
representan las propuestas de mejora.
Los factores son las entradas del sistema que se varían, y que simulan así las diferentes propuestas de mejora.
Los diferentes valores de los factores se denominan “niveles”. En el presente estudio se trabaja con
únicamente dos valores diferentes para cada factor, por lo que se habla de “nivel bajo” cuando se hace
referencia al valor más bajo del factor en cuestión, y “nivel alto” cuando se hace referencia al valor más alto.
Tabla 5-2 : Factores, niveles, equivalente real y modelado
Factores
Nivel
bajo
Nivel
alto
Descripción
Laminador
5
6
Número de operarios. Capacidad del recurso “laminador”.
Recanteador
2
3
Número de operarios. Capacidad del recurso “recanteador”.
Ultrasonidos
2
3
Número de verificadores con equipo de inspección de ultrasonidos.
Capacidad del recurso “ultrasonidos”.
Furgoneta
1
2
Trayectos de furgoneta a la semana. Calendario de llegadas: miércoles,
o martes y jueves.
Para cada nivel de cada factor, y sus combinaciones, se realiza una simulación. Al tener cada simulación unas
condiciones de operación (determinadas por los niveles de los factores) diferentes, las salidas o respuestas son
distintas, y se puede evaluar el efecto que tiene cada factor sobre los distintos parámetros de interés.
Se tienen 4 factores que variar, con 2 niveles cada uno. Se ha seleccionado un diseño Factorial Completo
simulando todas las combinaciones posibles de los mismos: laminadores nivel alto, laminadores y
recanteadores nivel alto, laminadores y ultrasonidos nivel alto, etc. Así, se tienen un total de 16 combinaciones
posibles, que son los 16 experimentos o simulaciones que se realizan. En otros escenarios conviene reducir el
número de experimentos a realizar, aplicando diseños fraccionados.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
53
Tabla 5-3 : Niveles11 (alto: +, bajo: -) de los factores en los 16 experimentos
Experimento
Factores
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Laminadores
-
+
-
+
-
+
-
+
-
+
-
+
-
+
-
+
Recanteadores
-
-
+ +
-
-
+ +
-
-
+
+
-
-
+
+
Ultrasonidos
-
-
-
-
+ + + +
-
-
-
-
+
+
+
+
Furgoneta
-
-
-
-
-
+
+
+
+
+
+
+
+
-
-
-
Una vez realizados todos los experimentos, y extraídos los datos de las respuestas, se hace un análisis de
varianza. El análisis de varianza es un método estadístico para determinar las relaciones existentes entre ciertas
variables. En el presente estudio, se analiza si existe o no una relación entre los factores (parámetros de control
que pueden variarse) y las respuestas (variables de salida que se pretenden mejorar). De forma muy
simplificada12, el análisis de varianza tienen en cuenta las variaciones sufridas por las respuestas cuando se
varían los factores (combinaciones de niveles altos y bajos en los 16 experimentos), tiene en cuenta un error
introducido por las distribuciones estadísticas que siguen las respuestas, y determina con un nivel de confianza
del 90% si existe un efecto directo sobre una o más respuestas al variar uno o más factores.
El análisis a mano de los datos es muy engorroso, y se recurre a un programa informático para realizar los
análisis estadísticos: DOEpack v3.0.22. Introduciendo los datos de las respuestas en cada réplica de cada
experimento13, el programa realiza el análisis de varianza construyendo la llamada tabla ANOVA, y algunas
gráficas de interés.
Los resultados de las 15 respuestas medidas en las 16 simulaciones realizadas se presentan a continuación en
forma de tablas de análisis de varianza, o ANOVA, sobre las cuales se marca en color amarillo aquellos
efectos estadísticamente apreciables. Esto es, aquellos incrementos observados al variar un factor, o
combinación de varios, que son superiores a los errores derivados del propio análisis estadístico. Así pues, los
incrementos de magnitud similar o inferior a los errores no son destacados, no siendo un efecto del cambio de
niveles de los factores, sino parte del error.
También se muestran las gráficas de las medias marginales, en las que se aprecian los incrementos provocados
por cada uno de los factores de forma individual (sin combinarse con otros).
Por último se muestran, para los casos de interés, las gráficas de los efectos de la interacción de dos factores.
En base todos estos datos presentados, para cada respuesta medida se discute el impacto que tiene cada uno de
los factores sobre las mismas.
Los niveles de cada factor han sido definidos previamente en la Tabla 5-2 : Factores, niveles, equivalente real y modelado.
Para profundizar en las técnicas del análisis de varianza y los diseños de experimentos, el lector puede consultar el libro Análisis de
varianza: introducción conceptual y diseños básicos (Tejedor, 1999)
13 Se recuerda en este momento que se trata de 16 experimentos o simulaciones, con 20 réplicas cada uno; y que son 15 las respuestas que se
miden.
11
12
Análisis de Mejoras
54
5.3.1
Respuesta 1: lead time de carenas
Figura 5-16 : Tabla ANOVA R1
La tabla ANOVA presenta las siguientes columnas:
•
SS: varianza (o suma de cuadrados) del grupo y entre grupos.
•
DF: grados de libertad del grupo (en todos los casos del presente estudio es la unidad) y entre grupos.
•
MS: cuasi varianza(o media cuadrática) del grupo y entre grupos. Se calcula como:
�� =
��
��
•
F-ratio: cociente entre MS del grupo y MS entre grupos. Al seguir estos parámetros distribuciones tipo
Chi cuadrado (la varianza muestra sigue esta distribución cuando la población se admite normal), su
cociente sigue una distribución F-Snedecor. El valor de este cociente determina un nivel de confianza
o una significación14.
•
I-hat: diferencia promedio de respuestas para un factor a nivel alto respecto al bajo.
•
P-value: es el nivel de significación determinado por el valor de F-ratio.
•
% contrib: porcentaje de contribución del factor al efecto general de todos los factores sobre la
respuesta.
Si el P-value, o nivel de significación determinado por el cociente de las cuasi varianzas en un grupo y entre
los grupos, es inferior al nivel de significación que se ha elegido para aceptar o rechazar la prueba, el factor
tiene una repercusión sobre la respuesta. Si el P-value es mayor que el nivel de significación, entonces las
variaciones en el grupo son debidas al error inherente a las distribuciones estadísticas, y el factor no tiene
repercusión sobre la respuesta.
El nivel de significación es la probabilidad de aceptar que existe una relación factor-respuesta, cuando
realmente no existe dicha relación. En el presente estudio se ha elegido un nivel de significación 0.1, que
quiere decir que existe un 10% de probabilidad de aceptar que existe una relación factor-respuesta cuando en
realidad no la hay; y un 90% de probabilidad (nivel de confianza 0.9) de aceptar que existe una relación factorrespuesta cuando sí que la hay.
14 La suma de la significación y el nivel de confianza es igual a la unidad, por lo que es equivalente hablar de significación y nivel de
confianza, aunque no significan lo mismo y representan dos cosas diferentes.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
55
Los factores cuyos grupos tienen un P
P-value
value inferior a 0.1 están coloreados de amarillo, ya que se puede
aceptar que existe un efecto sobre la respuesta al variar el factor.
Formalmente, para aplicar el análisis de varianza mediante la tabla ANOVA se deben cumplir una serie de
hipótesis:
a) Independencia de las muestras.
b) Las poblaciones de las que provienen las muestras siguen una distribución normal. Esta hipótesis se
comprueba observando el histograma de las respuestas, o realizando un contraste de Kolmogorov
KolmogorovSmirnov de ajuste normal. También se puede estudiar la normalidad de los residuos en lugar de la
respuesta.
c) Homocedasticidad, o igualdad de las varianzas de las poblaciones. Esta hipótesis se comprueba
mediante el gráfico de barras de error, o a través de un contraste de Levene.
En el presente estudio no se han formalizado e indicado las pruebas de homocedasticidad. No obstante, sí se
han tenido en cuenta el aspecto de los gráficos de distribución de probabilidad normal, y la distribución de los
residuales. La independencia de los datos se verifica por obtenerse las muestras de simulaciones diferentes.
Una rápida inspección de la tabla ANOVA de
dell análisis de varianza muestra que los factores furgoneta,
laminadores, ultrasonidos, y la combinación furgoneta+laminadores tienen un efecto estadísticamente
apreciable.
Se presenta a continuación la gráfica de las medias marginales (la cual representa, para cada factor, el valor
promedio de la respuesta para todos los experimentos según los niveles)
niveles),, en donde se visualizan los factores
que han intervenido en el experimento, con los niveles bajo y alto, y el valor obtenido en la respuesta para cada
uno de los niveles de los factores.
Figura 5-17 : Medias marginales R1
lead time
time”,, así como de todas las respuestas medidas (“lead
(
time”, tiempo de
Se busca una disminución del “lead
fabricación de una pieza, obra enn curso y tiempo de espera), por lo que se puede comprobar que únicamente
los factores furgoneta y laminadores tienen un efecto positivo al aumentar al nivel alto.
Para discutir la interacción entre los factores furgoneta y laminadores utilizaremos la grá
gráfica de efectos de
ambos factores combinados:
Análisis de Mejoras
56
Figura 5-18 : Interacción fur+lam R1
Mientras que un par de rectas paralelas indicarían una inexistente interacción entre los efectos, un par de rectas
que divergen o se cruzan es indicativo de que sí existe una interacción. En este caso, la interacción
furgoneta+laminadores hace que el efecto de aumentar al nivel alto el factor laminadores sea inexistente (e
incluso negativo, aumentando el “lead
lead time
time”) cuandoo el factor furgoneta está en nivel bajo; mientras que se
amplifica cuando el factor furgoneta está en nivel alto.
Los incrementos15 observados al cambiar del nivel bajo al alto en los factores se recoge en la siguiente tabla:
Tabla 5-4 : Incrementos sobre R1
Factor
Incremento
Fur
32,87%
Lam
1,64%
US
1,07%
Fur-Lam
2,38%
El factor furgoneta es claramente determinante, y el factor laminadores tiene una ligera influencia después, al
igual que el factor ultrasonidos. La combinación de los factores furgoneta+laminadores también tiene una
ligera influencia.
on lógicas: las carenas son las piezas con un tiempo de laminado más alto, con media de
Estas influencias son
15.32 horas. El kit está compuesto por 8 carenas
carenas, que suman un total de unas 123 horas16, laminadas y curadas
en el autoclave en grupos de 4, y sin compartir ciclo con nninguna
inguna otra pieza (sólo entran 4 carenas en cada
Los incrementos porcentuales se han calculado como el incremento máximo producido sobre la respuesta aal variar el factor (o factores)
sobre el valor medio de la respuesta en la situación inicial (experimento 1: todos los factores en nivel bajo).
16En realidad habría que tener en cuenta la desviación de la distribución en lugar de multiplicar la media por un número entero
entero, pero se
omite para facilitar el razonamiento y la interpretación de los resultados.
15
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
57
ejecución de autoclave). Un mayor número de laminadores acelera la finalización de las carenas, por lo que el
ciclo de autoclave comienza antes.
El efecto de aumentar el recurso de ultrasonidos también sigue la misma línea: su tiempo de operación del
ensayo de ultrasonidos es de 100 minutos de media, por lo que el kit completo acumula un total de 800
minutos (algo más de 13 horas), por lo que un mayor número de verificadores de ultrasonidos acelera la
inspección final del kit de 8 carenas.
Al tratarse de un programa con dos salidas de piezas al subcontratista, suponiendo un tiempo de 9 días de
media del total de 48.41 días del “lead time”, es razonable que al aumentar la frecuencia de los viajes de la
furgoneta se mejore el flujo de piezas entrantes y salientes, y el programa de carenas vea reducido su “lead
time” en consecuencia. De la misma forma, como la operación de recanteo es subcontratada (salvo una
pequeña retirada de exceso de material, con un tiempo de operación pequeño) y no se hace en la empresa,
aumentar el número de recanteadores no afecta a las carenas.
5.3.2
Respuesta 2: lead time de tapas
Figura 5-19 : Tabla ANOVA R2
De la tabla ANOVA se concluye que los factores furgoneta, laminadores y la combinación de ambos, tienen
un efecto sobre el lead time de las tapas.
Análisis de Mejoras
58
Figura 5-20: Medias marginales R2
En la gráfica de las medias marginales se puede observar que el aumento en el nivel de ambos factores resulta
beneficioso, reduciéndose el lead time.
Observando la gráfica, presentada a continuación, de efectos combinados de los factores furgoneta y
laminadores,
nadores, puede observarse que el efecto del factor laminadores se amplifica cuando el factor furgoneta
está en nivel alto, mientras que es muy pequeño cuando el factor furgoneta está en nivel bajo.
Figura 5-21: Interacción fur+lam R2
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
59
Los incrementos observados al cambiar del nivel en los factores se recogen en la siguiente tabla:
Tabla 5-5 : Incrementos sobre R2
Factor
Incremento
Fur
30,67%
Lam
2,39%
Fur-Lam
1,28%
El factor furgoneta es claramente determinante, y el factor laminadores tiene una ligera influencia después. La
combinación de los factores furgoneta+laminadores también tiene una ligera influencia.
Las tapas tienen un tiempo de laminado relativamente alto, pero son sólo 2. Sin embargo, comparten ciclo de
curado con las vigas, que son 5. En conjunto, las piezas que integran una ejecución de autoclave suman un
total de algo más de 700 horas. Por este motivo, un mayor número de laminadores adelanta la ejecución del
autoclave y disminuye el “lead time” de las tapas.
Al ser un programa con recanteo subcontratado, el número de recanteadores no tiene efecto, al igual que pasa
en el programa de carenas. De la misma forma, al tener 3 operaciones subcontratadas, un aumento de la
frecuencia de viajes de la furgoneta implica una gran disminución del “lead time” de las tapas, tal como ocurre
con las carenas.
El número de verificadores de ultrasonidos tampoco tiene influencia, ya que sólo son 2 tapas por kit, y con
tiempos de operación relativamente pequeños (unos 70 minutos).
5.3.3
Respuesta 3: lead time de vigas
Figura 5-22 : Tabla ANOVA R3
De la tabla ANOVA se desprende que todos los factores, así como la combinación de varios de ellos, tienen un
efecto apreciable en la respuesta medida.
Análisis de Mejoras
60
Figura 5-23: Medias marginales R3
De la gráfica de las medias marginales se obtiene que el factor furgoneta tiene un efecto perjudicial (aumenta
el lead time) cuando pasa a nivel alto, mientras que el resto de los factores tienen un efecto beneficioso en
nivel alto.
Se comprueban ahora las interacciones entre factores:
Figura 5-24 : Interacción lam+rec R3
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
61
Figura 5-25 : Interacción lam+us R3
No hay una interacción significat
significativa
iva entre los factores laminadores y recanteadores, ni entre los factores
laminadores y ultrasonidos, ya que las rectas son prácticamente paralelas.
Figura 5-26: Interacción fur+us R3
La interacción entre los factores furgoneta y ultrasonidos hace que el efecto favorable que tendría aumentar a
nivel alto el factor ultrasonidos se amplifique cuando también aumentamos a nivel alto el factor furgoneta, que
previamente se ha comprobado que es perjudicial. O, visto de otro modo: el aumento a nivel alto del factor
furgoneta se vuelve favorable, cuando antes era perjudicial, al aumentar a nivel alto el factor ultrasonidos.
Análisis de Mejoras
62
Una tabla resumen de los efectos:
Tabla 5-6 : Incrementos sobre R3
Factor
Incremento
Fur
0,20%
Lam
1,42%
Rec
1,20%
US
0,87%
Fur-US
0,44%
Lam-Rec
0,28%
Lam-US
0,21%
Fur-Lam-US
0,26%
De donde se concluye que el efecto sobre el lead time de las vigas es muy pequeño en cualquier caso.
En consecuencia, todos los efectos pueden ser despreciados salvo el producido por los factores laminadores y
recanteadores, individualmente, que sigue siendo muy pequeño.
El programa de vigas es el único que tiene una fuerte carga de trabajo sobre la estación de recanteo, ya que
además del recanteo propio de la pieza, también se realizan las reparaciones de la misma. Por esta razón, el
“lead time” de las vigas se ve afectado por el número de recanteadores; todo lo contrario que en los programas
de carenas y tapas.
De la misma forma que con el programa de tapas, comentado anteriormente, un mayor número de laminadores
acelera la finalización de las piezas necesarias para entrar en el autoclave, reduciendo así el “lead time” de las
vigas.
Un resultado de fácil interpretación es el nulo efecto de aumentar la frecuencia de viajes de la furgoneta, ya
que el programa de vigas no utiliza dicho recurso. Sin embargo, sí que se aprecia un efecto negativo
(perjudicial) en el “lead time” de las vigas cuando la furgoneta realiza más viajes. Esto se debe a que los otros
dos programas pasan menos tiempo esperando la furgoneta, y vuelven antes a la planta, ocupando más las
estaciones de trabajo, que de otra forma habrían estado más liberadas para las vigas.
Un resultado que a priori no parece evidente es que el número de verificadores de ultrasonidos apenas tiene
efecto sobre las vigas, aún cuando se trata de 5 vigas por kit, que acumulan un tiempo de más de 9 horas de
ensayos de ultrasonidos.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
63
5.3.4
Respuesta 4: tiempo de fabricación de una carena
Figura 5-27 : Tabla ANOVA R4
Existe un efecto de los factores furgoneta y laminadores, y de la combinación de ambos.
Figura 5-28: Medias marginales R4
Aumentar a nivel alto los factores resulta favorable en ambos casos, disminuyendo el tiempo de fabricación de
una carena individual.
Análisis de Mejoras
64
Figura 5-29: Interacción fur+lam R4
La interacción entre los factores furgoneta y laminadores es despreciable (las rectas son prácticamente
paralelas), pues apenas varía ligeramente el efecto de cambiar el nivel de laminadores cuando el nivel de
furgoneta es bajo o alto.
Tabla 5-7 : Incrementos sobre R4
Factor
Incremento
Fur
26,95%
Lam
3,93%
Fur-Lam
1,22%
En resumen, el factor furgoneta es el más influyente, seguido de una pequeña influencia del factor
laminadores.
Nuevamente, el número de viajes de la furgoneta es determinante en esta respuesta, ya que el programa de
carenas tiene 2 operaciones subcontratadas que suman un tiempo importante del total de fabricación.
Por las mismas razones expuestas en el análisis de las respuestas anteriores, un mayor número de laminadores
hace que el lote de 4 carenas que entran en el autoclave se finalice antes, y por tanto se inicie la ejecución del
autoclave antes, reduciéndose así el tiempo de fabricación de una carena.
El número de operarios de recanteo no tienen ningún efecto, ya que las carenas apenas pasan por la estación de
recanteo.
Los operarios de ultrasonidos no afectan al tiempo de fabricación de una pieza. Esto se debe a que la respuesta
es la fabricación de una única pieza, no del lote completo, y se tiene un gran número de carenas en el proceso
(8 por kit), por lo que resulta fácil que sea una carena la que entre por delante de otras piezas a la estación de
ultrasonidos. Adicionalmente, las colas se han caracterizado como FIFO17: “First In First Out”, que significa
que la primera carena en llegar y ponerse a la cola será la primera en entrar al proceso y terminarse.
17 Existen otros tipos de colas, como FILO (First In LastOut, la primera en llegar es la última en procesarse), o una basada en prioridades
(por ejemplo donde las vigas tengan prioridad sobre cualquier otra pieza, que tendrá que esperar hasta que no quede ninguna viga
esperando).
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
65
5.3.5
Respuesta 5: tiempo de fabricación de una tapa
Figura 5-30 : Tabla ANOVA R5
Únicamente los factores furgoneta y laminadores tienen un efecto apreciable en la respuesta medida.
Figura 5-31: Medias marginales R5
El efecto del factor furgoneta es claramente determinante.
Análisis de Mejoras
66
Tabla 5-8 : Incrementos sobre R5
Factor
Incremento
Fur
29,36%
Lam
1,86%
De la misma forma que con el programa de carenas, las tapas pasan por varias operaciones subcontratadas
(que suponen un gran porcentaje del tiempo total de fabricación), por lo que la frecuencia de viajes de la
furgoneta es importante. También tienen un tiempo mínimo de paso por la estación de recanteo, no siendo por
tanto apreciable ningún efecto al aumentar el número de recanteadores.
Tal y como se ha explicado previamente, un mayor número de laminadores hace que las piezas del lote para el
autoclave (aquellas que comparten ciclo) se terminen de laminar antes, y que el autoclave comience el ciclo
antes, disminuyendo así el tiempo de fabricación de la pieza.
En último lugar, el número de verificadores de ultrasonidos tampoco tiene una gran influencia en el tiempo de
fabricación de una pieza, conclusión que a priori no se intuye.
5.3.6
Respuesta 6: tiempo de fabricación de una viga grande
Figura 5-32: Tabla ANOVA R6
Se refleja una influencia de todos los factores, y de la combinación de varios de ellos.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
67
Figura 5-33: Medias marginales R6
El efecto de cambiar a nivel alto el factor furgoneta es perjudicial, mientras que en el resto de los factores es
positivo.
Figura 5-34 : Interacción fur+lam R6
Análisis de Mejoras
68
Figura 5-35 : Interacción fur+us R6
Figura 5-36 : Interacción lam+us R6
Figura 5-37 : Interacción lam+rec R6
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
69
En general, la interacción entre los factores es despreciable, por tratarse de rectas prácticamente paralelas;
mientras que el factor ultrasonidos en nivel alto tiene un mayor efecto cuando el nivel del factor furgoneta es
también el nivel alto. No obstante, cambiar a nivel alto el factor furgoneta resulta perjudicial, como se
desprende de la gráfica de las medias marginales.
El resumen de los efectos:
Tabla 5-9 : Incrementos sobre R6
Factor
Incremento
Fur
1,28%
Lam
2,85%
Rec
2,06%
US
1,68%
Fur-Lam
0,41%
Fur-US
0,82%
Lam-Rec
0,43%
Lam-US
0,25%
Fur-Lam-US
0,48%
Todos los efectos de factores combinados resultan despreciables, mientras que los efectos de los factores
individualmente tienen una pequeña importancia. Se vuelve a hacer notar que, como se comprueba en la
gráfica de medias marginales, cambiar a nivel alto el factor furgoneta resulta perjudicial. Por lo tanto, los
factores de interés son los otros tres.
Al igual que ocurre con la respuesta “lead time” de vigas, el factor furgoneta tiene una influencia negativa al
pasar a nivel alto: las piezas que salen de la planta están menos tiempo fuera, por lo que interfieren más con el
programa de vigas, que tiene todas sus operaciones dentro de la planta.
Nuevamente, al ser el programa de vigas el que más tiempo ocupa de la estación de recanteo, un aumento del
número de recanteadores resulta beneficioso.
En esta ocasión, el factor ultrasonidos sí que tiene influencia sobre la respuesta. La influencia sobre el tiempo
de fabricación de una pieza es mayor que sobre el “lead time” de vigas (0.87%), ya que al ser el kit de 5 vigas,
y haber un máximo de 3 puestos de ultrasonidos, las 5 piezas tienen que “esperarse” y no es tan acusada la
reducción de tiempo que cuando se trata de una única pieza, que no tiene que “esperar” a ninguna otra. El
efecto del factor ultrasonidos es mayor en combinación con el factor furgoneta en nivel alto, ya que hay un
mayor flujo de piezas de otros programas pasando por ultrasonidos, y hay un mayor beneficio sobre las vigas
cuando se aumenta el número de verificadores de ultrasonidos.
La influencia del número de laminadores ya ha sido explicada previamente.
Análisis de Mejoras
70
5.3.7
Respuesta 7: tiempo de fabricación de una viga pequeña
Figura 5-38: Tabla ANOVA R7
Al igual que para el tiempo de fabricación de una viga grande, todos los factores, y varias combinaciones de
los mismos, tienen un efecto apreciable.
Figura 5-39: Medias marginales R7
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
71
Figura 5-40: Interacción fur+lam R7
Figura 5-41: Interacción lam+us R7
El efecto de cambiar a nivel alto el factor furgoneta es perjudicial, al contrario que en el resto de factores, al
igual que ocurría para el tiempo de fabricación de una viga grande.
Análisis de Mejoras
72
Figura 5-42: interacción fur+us R7
La interacción todos los factores es despreciable, salvo el efecto de aumentar a nivel alto el factor ultrasonidos
cuando el factor furgoneta está también en nivel alto, que se amplifica. O visto al revés: el efecto perjudicial de
aumentar a nivel alto el factor furgoneta se reduce cuando el factor ultrasonidos está en nivel alto.
Tabla 5-10 : Incrementos sobre R7
Factor
Incremento
Fur
1,03%
Lam
2,36%
Rec
4,69%
US
1,88%
Fur-Lam
0,28%
Fur-US
0,71%
Lam-US
0,42%
Todos los efectos de los factores combinados son despreciables, mientras que hay un pequeño efecto de los
factores individualmente. Se vuelve a señalar que, al igual que en el caso del tiempo de fabricación de una viga
grande, aumentar a nivel alto el factor furgoneta es perjudicial, por lo que los factores de interés son
nuevamente los otros tres.
Las conclusiones sobre el tiempo de fabricación de una viga pequeña son exactamente las mismas que sobre el
tiempo de fabricación de una viga grande, explicadas previamente. Los efectos son algo mayores, pues hay un
mayor número de vigas pequeñas que grandes (un 50% más de vigas pequeñas).
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
73
5.3.8
Respuesta 8: obra en curso – carenas
Figura 5-43: Tabla ANOVA R8
Sólo tienen influencia los factores furgoneta y laminadores.
Figura 5-44: Medias marginales R8
Análisis de Mejoras
74
El efecto de aumentar a nivel alto los factores con influencia es positivo (disminuye la obra en curso), siendo
determinante el factor furgoneta.
Tabla 5-11: Incrementos sobre R8
Factor
Incremento
Fur
27,77%
Lam
2,18%
A priori cabría pensar que todos aquellos factores que redujesen el “lead time” del programa de carenas,
también deberían reducir la obra en curso de las mismas, ya que se terminan los kits antes y se entregan al
cliente, saliendo de la planta y dejando de ser “obra en curso”. En realidad no ocurre exactamente así, cosa que
no se habría podido saber sin realizar el análisis de varianza.
Nuevamente, el factor furgoneta es clave, pues hace que aumente o disminuya el tiempo que pasan las carenas
esperando para ir o volver del subcontratista, teniendo un gran impacto sobre el tiempo de fabricación del kit y
acelerando la entrega al cliente.
El factor laminadores vuelve a tener cierta influencia, pues contribuye a finalizar antes todas las piezas del lote
para el autoclave. El autoclave controla el tiempo de 4 carenas por ejecución, por lo que iniciar la ejecución
antes implica reducir el tiempo de fabricación de las 4 piezas, y la única forma de controlar el tiempo del
autoclave es reduciendo el tiempo de proceso de la estación anterior, el laminado, a través del número de
laminadores. Así, al reducir el “lead time” se sacan del proceso antes a las piezas, y se reduce la cantidad de las
mismas siendo procesadas a la vez en todo el sistema.
5.3.9
Respuesta 9: obra en curso – tapas
Figura 5-45: Tabla ANOVA R9
Para la respuesta medida, tienen efecto los factores furgoneta, laminadores y recanteadores, y la combinación
de furgoneta y laminadores, y recanteadores y ultrasonidos.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
75
Figura 5-46: Medias marginales R9
El efecto de aumentar a nivel alto los factores furgoneta y laminadores es positivo, mientras que los factores
recanteadores y ultrasonidos apenas tienen influencia por sí mismos.
Figura 5-47: Interacción rec+us R9
Hay una clara interacción entre los factores recanteadores y ultrasonidos, que hace que el efecto de cambiar el
nivel del factor ultrasonidos sea positivo cuando el factor recanteadores está en nivel bajo, y negativo si está en
nivel alto. También puede interpretarse de la siguiente forma: el factor recanteadores no tiene ninguna
influencia cuando el factor ultrasonidos está en nivel alto. En cualquier caso, el incremento provocado es
Análisis de Mejoras
76
apenas un 0.9% sobre la obra en curso inicial, por lo que resulta despreciable.
Figura 5-48: Interacción fur+lam R9
La interacción entre los factores furgoneta y laminadores resulta inexistente en la práctica.
La tabla resumen de los efectos se muestra a continuación:
Tabla 5-12 : Incrementos sobre R9
Factor
Incremento
Fur
28,91%
Lam
2,35%
Rec
0,09%
Fur-Lam
0,19%
Rec-US
0,09%
Los únicos efectos apreciables son el del factor furgoneta, predominante, seguido del factor laminadores, de
pequeño impacto.
El programa de tapas, al igual que el de carenas, tiene varias operaciones subcontratadas. Por los mismos
razonamientos que se han expuesto en el punto anterior, las conclusiones sobre la obra en curso de carenas son
idénticas a las de la obra en curso de tapas.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
77
5.3.10 Respuesta 10: obra en curso – vigas grandes
Figura 5-49: Tabla ANOVA R10
Se aprecia influencia de los factores recanteadores y ultrasonidos, y la combinación de laminadores y
recanteadores.
Figura 5-50: Medias marginales R10
El efecto de los niveles altos de todos los factores es positivo, reduciendo la obra en curso.
Análisis de Mejoras
78
Figura 5-51: Interacción lam+rec R10
La interacción entre los factores laminadores y recanteadores es tal, que cambiar del nivel bajo al alto del
factor recanteadores no tienen ningún efecto cuando se tiene el nivel alto del factor laminadores. No obstante,
el incremento provocado en el caso contrario es inferior al 0.9% con respecto a la obra en curso en la situación
inicial, por lo que resulta despreciable.
Tabla 5-13 : Incrementos sobre R10
Factor
Incremento
Rec
0,41%
US
0,58%
Lam-Rec
0,42%
Todos los efectos resultan despreciables, por lo que la respuesta “obra en curso de vigas grandes” no se ve
alterada por los factores estudiados.
Aunque el programa de vigas, especialmente las vigas grandes, ocupen la mayor parte del tiempo de la
estación de recanteo, el efecto de aumentar el número de recanteadores es despreciable.
Estos resultados se explican al observar el valor medio de la obra en curso: de 4.77 a 4.81 vigas grandes. Se
trata ya de por sí de un valor muy pequeño, por lo que es difícil mejorarlo notablemente. Es oportuno recordar
en este momento que el programa de vigas es el programa más asentado y depurado de los estudiados,
teniendo un menor margen para la mejora.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
79
5.3.11 Respuesta 11: obra en curso – vigas pequeñas
Figura 5-52: Tabla ANOVA R11
En este caso, tienen influencia los factores laminadores, recanteadores y ultrasonidos, y la combinación de
varios factores.
Figura 5-53: Medias marginales R11
El cambio a nivel alto tiene un efecto positivo, reduciendo la obra en curso, para todos los factores
individualmente.
Análisis de Mejoras
80
Figura 5-54: Interacción lam+us R11
Figura 5-55: Interacción lam+rec R11
El efecto de pasar del nivel bajo al nivel alto los factores ultrasonidos y recanteadores se ve disminuido cuando
el factor laminadores está en nivel alto.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
81
Figura 5-56: Interacción fur+us R11
A la inversa ocurre con el factor ultrasonidos, que se amplifica cuando el factor furgoneta está en nivel alto.
De la misma forma que en los casos previos, los incrementos provocados son inferiores al 3% sobre una
cantidad inicial de 6.7 en todos los factores, por lo que estos efectos resultan despreciables.
Tabla 5-14 : Incrementos sobre R11
Factor
Incremento
Lam
0,22%
Rec
0,78%
US
0,89%
Fur-US
0,51%
Lam-Rec
0,36%
Lam-US
0,37%
Al igual que con las vigas grandes, todos los efectos resultan despreciables, por lo que la respuesta “obra en
curso de vigas pequeñas” tampoco se ve alterada por los factores estudiados.
Aunque el efecto sobre las vigas pequeñas es ligeramente superior que sobre las vigas grandes, el resultado
final es el mismo: el programa de vigas está asentado y bastante depurado, por lo que tiene poco margen de
mejora.
Análisis de Mejoras
82
5.3.12 Respuesta 12: tiempo de espera de carenas
Figura 5-57: Tabla ANOVA R12
Se identifica la influencia de los factores furgoneta y laminadores, y de la combinación de ambos.
Figura 5-58: Medias marginales R12
Para ambos factores con efecto apreciable, el cambio del nivel bajo al alto supone un efecto beneficioso,
reduciendo el tiempo de espera.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
83
Figura 5-59: Interacción fur+lam R12
La interacción entre los factores furgoneta y laminadores resulta ser nula, pues las rectas son paralelas.
Tabla 5-15: Incrementos sobre R12
Factor
Incremento
Fur
45,30%
Lam
4,59%
Fur-Lam
0,51%
El efecto del factor furgoneta es predominante. Tras los resultados obtenidos en las respuestas previamente
analizadas, esto era de esperar. El programa de carenas tiene varias operaciones subcontratadas que implican
que las piezas salgan de la planta. Para viajar hasta el subcontratista, tienen que esperar a que la furgoneta
realice la ruta. Por lo tanto, aumentar la frecuencia de viajes de la furgoneta reduce drásticamente el tiempo de
espera.
Nuevamente, aumentar el número de laminadores hace que el lote para el autoclave se finalice antes, por lo
que se reduce el tiempo de espera de las piezas para entrar al autoclave.
El efecto combinado de los factores furgoneta y laminadores resulta no ser tan determinante como cabría
esperar al ver el efecto que tienen de forma individual. Esto es debido a que el efecto producido por el factor
furgoneta es mucho mayor que el producido por el factor laminadores, haciendo que el último sea despreciable
en comparación.
Análisis de Mejoras
84
5.3.13 Respuesta 13: tiempo de espera de tapas
Figura 5-60: Tabla ANOVA R13
En este caso, sólo tienen efecto los factores furgoneta y laminadores, pero no su combinación.
Figura 5-61: Medias marginales R13
Para ambos factores, el aumento al nivel alto resulta beneficioso. Nuevamente, el factor furgoneta es
predominante.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
85
Tabla 5-16 : Incrementos sobre R13
Factor
Incremento
Fur
47,74%
Lam
4,25%
El tiempo de espera de las tapas se ve afectado por los mismos factores que las carenas, pues los dos
programas comparten una característica clave: tienen varias operaciones subcontratadas.
5.3.14 Respuesta 14: tiempo de espera de vigas grandes
Figura 5-62: Tabla ANOVA R14
Sobre el tiempo de espera de las vigas grandes, tienen efecto todos los factores, así como la combinación de
los factores furgoneta y ultrasonidos, y otras combinaciones de 3 factores, que habitualmente en la realidad no
se dan.
Análisis de Mejoras
86
Figura 5-63: Medias marginales R14
El cambio de nivel bajo a alto en el factor furgoneta resulta perjudicial, aumentando el tiempo de espera;
mientras que en el resto de los factores el cambio a nivel alto resulta beneficioso.
Figura 5-64: Interacción fur+us R14
Para el valor alto del factor ultrasonidos, el factor furgoneta no tiene influencia (es una recta horizontal),
obteniendo el mismo tiempo de espera tanto para el nivel bajo como para el nivel alto.
La tabla resumen de los efectos se presenta a continuación:
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
87
Tabla 5-17 : Incrementos sobre R14
Factor
Incremento
Fur
0,18%
Lam
0,57%
Rec
0,53%
US
0,60%
Fur-US
0,21%
Fur-Lam-US
0,25%
Lam-Rec-US
0,21%
Los efectos de interacciones entre 3 factores o más, no suelen darse en la realidad. En este caso, las
interacciones de 3 factores tienen un efecto despreciable (0,25% máximo), por lo que se concluye que
realmente no existen dichos efectos.
De igual forma, todos los incrementos provocados son inferiores al 0,6%, por lo que la respuesta “tiempo de
espera de vigas grandes” no se ve afectada por los factores que se estudian.
Análisis de Mejoras
88
5.3.15 Respuesta 15: tiempo de espera de vigas pequeñas
Figura 5-65: Tabla ANOVA R15
Sobre el tiempo de espera de las vigas pequeñas tienen efecto todos los factores, y una combinación de 3 de
ellos.
Figura 5-66: Medias marginales R15
Sólo los factores furgoneta y ultrasonidos producen un efecto positivo, reduciendo el tiempo de espera, al
pasar a nivel alto.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
89
Se presenta la tabla resumen de los incrementos a continuación:
Tabla 5-18: Incrementos sobre R15
Factor
Incremento
Fur
2,41%
Lam
8,71%
Rec
2,01%
US
1,99%
Fur-Lam-US
2,15%
Teniendo en cuenta los factores que producen un efecto beneficioso al pasar a nivel alto, los factores de interés
son furgoneta y ultrasonidos.
5.4 Resumen de efectos
Tras la revisión de los resultados de todos los experimentos y los efectos de la variación de los factores en cada
respuesta, se presenta a continuación una tabla resumen de los efectos que tiene cada factor, y sus
combinaciones, sobre las respuestas. El objetivo es determinar qué factores son los más influyentes o
importantes.
Tabla 5-19 : Resumen de efectos, Lead Time y Tiempo de Fabricación de una pieza
18
Vigas
Carenas
Tapas
Viga Grande
Viga Pequeña
SINGLE PART TIME
Tapas
LEAD TIME
Carenas
Experimento
Respuesta
1
N/A18
N/A
N/A
N/A
N/A
N/A
N/A
N/A
2
Fur
32,87%
30,67%
0,20%
26,95%
29,36%
1,28%
1,03%
3
Lam
1,64%
2,39%
1,42%
3,93%
1,86%
2,85%
2,36%
4
Rec
0,00%
0,00%
1,20%
0,00%
0,00%
2,06%
4,69%
5
US
1,07%
0,00%
0,87%
0,00%
0,00%
1,68%
1,88%
6
Fur-Lam
2,38%
1,28%
0,00%
1,22%
0,00%
0,41%
0,28%
Factores
variantes
N/A: No Aplica. El experimento 1 es la situación inicial de estudio (la referencia), en la que todos los factores están en nivel bajo.
Análisis de Mejoras
90
7
Fur-Rec
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
8
Fur-US
0,00%
0,00%
0,44%
0,00%
0,00%
0,82%
0,71%
9
Lam-Rec
0,00%
0,00%
0,28%
0,00%
0,00%
0,43%
0,00%
10
Lam-US
0,00%
0,00%
0,21%
0,00%
0,00%
0,25%
0,42%
11
Rec-US
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
12
Fur-LamRec
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
13
Fur-LamUS
0,00%
0,00%
0,26%
0,00%
0,00%
0,48%
0,00%
14
Fur-RecUS
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
15
Lam-RecUS
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
16
Fur-LamRec-US
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
Tabla 5-20 : Resumen de efectos, Obra en Curso y Tiempo de Espera
Viga Grande
Viga Pequeña
Carenas
Tapas
Viga Grande
Viga Pequeña
WAIT TIME
Tapas
WORK IN PROCESS
Carenas
Experimento
Respuesta
1
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
2
Fur
27,77%
28,91%
0,00%
0,00%
45,30%
47,74%
0,18%
2,41%
3
Lam
2,18%
2,35%
0,00%
0,22%
4,59%
4,25%
0,57%
8,71%
4
Rec
0,00%
0,09%
0,41%
0,78%
0,00%
0,00%
0,53%
2,01%
5
US
0,00%
0,00%
0,58%
0,89%
0,00%
0,00%
0,60%
1,99%
6
Fur-Lam
0,00%
0,19%
0,00%
0,00%
0,51%
0,00%
0,00%
0,00%
7
Fur-Rec
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
8
Fur-US
0,00%
0,00%
0,00%
0,51%
0,00%
0,00%
0,21%
0,00%
9
Lam-Rec
0,00%
0,00%
0,42%
0,36%
0,00%
0,00%
0,00%
0,00%
10
Lam-US
0,00%
0,00%
0,00%
0,37%
0,00%
0,00%
0,00%
0,00%
11
Rec-US
0,00%
0,09%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
Factores
variantes
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
91
12
Fur-LamRec
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
13
Fur-LamUS
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,25%
2,15%
14
Fur-RecUS
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
15
Lam-RecUS
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,21%
0,00%
16
Fur-LamRec-US
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
0,00%
Experimento
Tabla 5-21 : Suma de efectos de cada factor
1
2
3
4
5
Factores
variantes
N/A
Fur
Lam
Rec
US
Suma de
efectos
Observación
N/A
N/A
13
Afecta a un gran número de respuestas, y
en una cantidad importante.
14
Afecta a un gran número de respuestas,
aunque en una cantidad baja.
8
Sólo tiene efecto apreciable sobre las
vigas, y en todas las respuestas, aunque en
una cantidad baja.
8
Sólo tiene efecto apreciable sobre las
vigas, y en todas las respuestas, aunque en
una cantidad baja.
7
La combinación de los dos factores más
influyentes tiene efecto sobre la mitad de
las respuestas, aunque en una cantidad
baja.
0
No tienenningúnefecto.
5
Tiene un efecto leve sobre las vigas,
producido por el factor US (ya que el
factor furgoneta es prejudicial)
Fur-Lam
6
7
8
Fur-Rec
Fur-US
9
Lam-Rec
4
Tiene un efecto leve sobre las vigas.
10
Lam-US
4
Efecto leve sobre las vigas.
11
Rec-US
1
No tienen ningún efecto apreciable.
Análisis de Mejoras
92
12
Fur-Lam-Rec
0
No tiene ningún efecto.
13
Fur-Lam-US
4
Tiene un efecto leve en las vigas.
14
Fur-Rec-US
0
No tiene ningún efecto.
15
Lam-Rec-US
1
No tiene ningún efecto apreciable.
16
Fur-Lam-Rec-US
0
No tiene ningún efecto.
Los factores que influyen sobre un mayor número de respuestas son “furgoneta” y “laminadores”. De estos
dos factores, el que tiene un mayor efecto es el factor furgoneta, en torno al 30% en general; mientras que el
efecto del factor laminadores está en torno al 2%. Estos efectos son sobre prácticamente todas las respuestas de
todos los programas, y en porcentajes similares.
Los otros factores (“recanteadores” y “ultrasonidos”) también influyen sobre un número alto de respuestas. Sin
embargo, además de ser menor ese número, el efecto también es menor (del 0,5% al 4,5%), y únicamente
afectan a las vigas, no teniendo repercusión sobre las carenas y las tapas.
Adicionalmente, el mayor de estos efectos sobre las vigas se da en el tiempo de fabricación de una pieza
(“single part time”), que es una respuesta con menor importancia que el “lead time” (tiempo de fabricación de
un kit), la obra en curso y el tiempo de espera medio.
Si finalmente se tiene en cuenta que los valores medios de las respuestas en el programa de vigas son
pequeños, y por tanto los porcentajes indicados se traducen en incrementos mínimos, estos factores resultan de
poca o ninguna importancia en el desempeño del proceso global.
Los efectos combinados de varios factores tienen en general poca o ninguna influencia. En su mayoría afectan
únicamente a las vigas, y en unos porcentajes despreciables (inferiores al 1%), sobre unos valores medios en
las respuestas bajos.
Lo contrario ocurre con la excepción, la combinación de los factores furgoneta y laminadores, que afecta a las
carenas y las tapas. Este efecto es también bajo, salvo en el “lead time”, una de las respuestas más importantes
y de mayor interés, en la que el efecto oscila entre el 1% y el 2%. En el caso de las carenas y las tapas, los
valores medios de las respuestas son altos, especialmente en la respuesta con los mayores porcentajes de efecto
(“lead time”), por lo que resulta de cierto interés tener en cuenta este efecto combinado de furgoneta y
laminadores.
En conclusión, los factores que tienen un mayor efecto sobre el desempeño del proceso estudiado son el factor
furgoneta y el factor laminadores. Estos dos factores influyen sobre todas las respuestas tenidas en cuenta, y
adicionalmente tienen un efecto combinado sobre el lead time de las carenas y las tapas.
Los factores “recanteadores” y “ultrasonidos” resultan no tener tanta influencia o repercusión sobre las
respuestas, por lo que no serán objeto de cambio.
5.5 Impacto económico
Las dos propuestas de mejora de mayor interés son: aumentar los viajes de la furgoneta a dos por semana, y
aumentar el número de laminadores de 5 a 6.
La furgoneta que realiza la ruta no es propiedad de la empresa, sino que es alquilada. El conductor de la
furgoneta, sin embargo, sí es empleado de la empresa. La adquisición de una furgoneta no está entre los
intereses de la empresa, por lo que se seguirá utilizando la ya alquilada, y se reubicará un operario de la planta
(de sala limpia, montaje, limpieza de utillaje, recanteo, etc.) según la carga de trabajo para conducir la
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
93
furgoneta.
El aumento de uno a dos viajes semanales implica un mayor coste recurrente en concepto de horas de trabajo
del operario y gasolina.
����� ��������19 =
1982.03 €
1
∙
���
160
�
���
∙
5�
= 61.94 €⁄�����
�����
�������� = 36.25 €⁄�����
∆���� = (61.94 €⁄����� + 36.25 €⁄�����) ∙ 1
�����
�������
∙4
= 392.76 €⁄���
������
���
El aumento del personal en sala limpia de 5 a 6 laminadores implica el pago de una nómina mensual más, con
sus correspondientes seguros sociales.
����� ���������20 = 1982.03 €⁄���
A priori es evidente que la mejora con un mayor coste es la segunda: contratar un operario más para laminar en
sala limpia (un laminador).
A continuación se comparan los beneficios obtenidos de una mejora u otra.
El impacto económico sobre el proceso puede medirse en reducción del “lead time” y en la reducción de la
obra en curso, ésta última fácilmente traducible a datos económicos. Se presentan en la siguiente tabla los
datos económicos21 de cada programa:
Tabla 5-22 : Coste y obra en curso por pieza
Pieza
Coste medio
Obra en curso
inicial media
Obra en curso final
media
Obra en curso final
media
(factor furgoneta)
(factor laminadores)
Carenas
1260.08 €
48.36 u
35.59 u
47.99 u
Viga grande
912.96 €
4.82 u
4.83 u
4.78 u
Viga peq.
426.04 €
6.85 u
6.88 u
6.77 u
Tapas
377.03 €
30.5 u
21.64 u
29.75 u
En la tabla se muestran:
•
Coste medio: coste medio imputado a una pieza en el proceso. Conforme la pieza avanza en el
proceso, el coste imputado aumenta, por lo que se ha calculado un coste medio ponderado con el
porcentaje de tiempo que pasa en cada etapa.
El coste mensual de un operario incluye el pago de su nómina y de los seguros sociales.
Ver nota al pie anterior.
21 Los datos económicos aquí presentados no se corresponden con los reales: han sido alterados por motivos de confidencialidad. No
obstante, se ha cuidado que reflejen las mismas conclusiones que los datos reales, para no desvirtuar el presente estudio.
19
20
Análisis de Mejoras
94
•
Obra en curso inicial media: para los cálculos se ha tomado el valor medio de la obra en curso en la
situación inicial o de referencia (todos los factores en nivel bajo).
•
Obra en curso final media: para los cálculos se ha tomado el valor medio de la obra en curso en el
escenario en el que el factor correspondiente (furgoneta o laminadores) está en nivel alto.
A partir de la tabla es sencillo calcular los incrementos de la obra en curso producidos por los incrementos en
los factores, y estima el impacto económico que tiene (al reducirse la cantidad de piezas en el proceso, y por
tanto el capital invertido en forma de material, mano de obra, etc. que se imputa a la pieza).
Tabla 5-23 : Incrementos de obra en curso y coste
Pieza
Coste
medio
Incremento
WIP
Incremento
coste
(furgoneta)
(furgoneta)
Incremento WIP
(lamiandores)
Incremento
coste
(laminadores)
Carenas
1260.08 €
-12.77
-16091.22 €
-0.37
-466.23 €
Viga grande
912.96 €
0.01
9.13 €
-0.04
-36.52 €
Viga peq.
426.04 €
0.03
12.78 €
-0.08
-34.08 €
Tapas
377.03 €
-8.86
-3340.49 €
-0.75
-282.77 €
Es fácil adelantar que la reducción del coste imputado a la obra en curso global del sistema es mucho menor en
el caso de aumentar la frecuencia de viajes de la furgoneta. Esto ocurre a pesar de que el efecto sobre el
programa de vigas (vigas grandes y vigas pequeñas) es perjudicial: aumenta la obra en curso. Sin embargo, los
programas de carenas y tapas tienen un coste mucho mayor.
Los incrementos en el “lead time” se pueden calcular de la misma manera, aunque resulta a priori complicado
traducir los resultados en términos económicos, por lo que no se aborda ese aspecto.
Tabla 5-24 : Incrementos de Lead Time por programa
Lead Time
medio
Lead Time
medio
Incremento
Lead Time
(inicial)
(furgoneta)
(furgoneta)
Carenas
1162.04 H
794.14 H
-367.9 H
1152.19 H
-9.85 H
Vigas
155.9 H
157.4 H
1.49 H
153.4 H
-2.49 H
Tapas
1388 H
965.4 H
-422 H
1359 H
-29 H
Programa
Lead Time medio
(laminadores)
Incremento
Lead Time
(laminadores)
También es fácil observar que el aumento de la frecuencia de los viajes de la furgoneta suponen una reducción
del “lead time” mayor. La excepción es el programa de vigas, que ve aumentado su “lead time” en una hora y
media. No obstante, la mejora en los programas de carenas y tapas es muy significativa, mucho más que en el
caso de aumentar de 5 a 6 los laminadores.
Se resume a continuación toda la información de las mejoras obtenidas, en términos medios, sobre cada
programa y en cada caso.
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
95
Tabla 5-25 : Resumen de beneficios por mejora
Incremento Lead Time (H)
Incremento Obra en Curso (€)
Factor
Carenas
Vigas
Tapas
Carenas
Vigas
Tapas
Furgoneta
-367.9
1.49
-422
-16091.22
21.91
-3340.49
Laminadores
-9.85
-2.49
-29
-466.23
-70.6
-282.77
Tabla 5-26: Impacto económico y balance por mejora
Mejora
Coste (€/mes)
Beneficio por obra en
curso (€/mes)
Balance (€/mes)
Furgoneta
392.76
19409.8
19017.04
Laminadores
1982.03
819.6
-1162.43
Mientras que la mejora correspondiente al aumento del número de laminadores tiene un balance económico
negativo (teniendo únicamente en cuenta la obra en curso), y sería necesario profundizar en otro beneficios
menos tangibles para poder decir que tiene un efecto positivo sobre el proceso global; la opción de aumentar el
número de viajes semanales de la furgoneta es mucho más ventajosa: económicamente supone un ahorro,
además de producir reducciones generales del “lead time” mayores que en el caso de aumentar los
laminadores.
Por lo tanto, se concluye que la propuesta de mejora más beneficiosa es aumentar el número de viajes
semanales de la furgoneta.
6 CONCLUSIONES
A
continuación se discuten los resultados obtenidos con el presente estudio, y se evalúa la consecución de
los objetivos marcados inicialmente. Finalmente se indican algunas consideraciones de interés para
futuras mejoras o líneas de estudio.
6.1 Consecución de objetivos
Al comienzo del presente estudio se marcó como objetivo general el análisis y la mejora de un proceso de
fabricación de piezas de material compuesto para la industria aeronáutica, para lo cual se fijaron una serie de
objetivos específicos orientados a la consecución de dicho objetivo general. A continuación se enumeran cada
uno de dichos objetivos específicos con el fin de describir su grado de consecución.
6.1.1
Objetivo específico 1: descripción del proceso
En el desarrollo del proyecto se ha estudiado el proceso, destacando sus aspectos más característicos y
recopilando los datos necesarios para su posterior análisis: estimaciones y registros de datos de tiempos,
registros de defectología, datos económicos, etc.
Se han descrito los procesos de fabricación de cada uno de los programas, así como el sistema de fabricación
general en el que dichos programas interactúan: ruta de cada una de las piezas, número y funciones de los
operarios implicados en el proceso, recursos necesarios (utillaje, carretilla elevadora), etc.
Sin embargo, no se han podido registrar suficientes datos de tiempos de algunas operaciones, hecho que ha
quedado reflejado en la utilización de algunas distribuciones de probabilidad triangulares. Por ello, el grado de
consecución de este objetivo es alto, pero no completo.
6.1.2
Objetivo específico 2: simulación de eventos discretos
Para poder estudiar la evolución del sistema en diferentes escenarios o condiciones de operación, se ha
recurrido a la simulación de eventos discretos.
La realidad ha sido simplificada en base a características críticas observadas en el proceso, parámetros de
interés de la empresa y objetivo del estudio, y sencillez en la implementación de cambios en el modelo de la
realidad para la posterior simulación de diferentes escenarios.
Este objetivo se ha cumplido por completo.
6.1.3
Objetivo específico 3: modelo del estado actual
Para obtener resultados razonablemente fiables de la simulación del modelo creado, éste debe representar de
forma adecuada el comportamiento real del sistema. En base a estudios paralelos de los procesos, y
priorizando sobre el programa de mayor peso económico (el programa de carenas), se han comparado los
resultados obtenidos de la simulación del modelo con los parámetros medidos y calculados por un grupo de
trabajo de la empresa al elaborar un “Value Stream Map” o VSM. Los parámetros correspondientes al “lead
time” principalmente, por ser el de mayor interés, coinciden y el modelo se valida.
97
Conclusiones
98
Al reproducir el modelo con suficiente exactitud la realidad, este objetivo también se ha cumplido por
completo.
6.1.4
Objetivo específico 4: propuestas de mejora
Siguiendo los intereses de la empresa, y los problemas observados en programas de fabricación anteriores, y
en la descripción y caracterización de los actuales en este estudio, se han propuesto 4 posibles mejoras. Estas
mejoras se han traducido en unas variables de entrada (factores) al modelo de simulación, que determinan las
condiciones de operación del mismo.
Mediante la variación de los factores se han generado distintos escenarios, que se han simulado. Los datos de
las respuestas se han tratado mediante un análisis de varianza, para determinar la influencia de los mismos
sobre cada uno de los parámetros de interés del sistema (tiempos de fabricación, obra en curso y tiempos de
espera).
Tras el análisis de varianza se han seleccionado los dos factores más influentes globalmente, y se han detallado
sus efectos individuales. Un pequeño estudio del impacto económico de implementar una u otra mejora, junto
con los efectos sobre el sistema, ha servido para determinar que existe una mejora con beneficios notables y
con un coste de inversión inexistente, pues se trata de un pequeño cambio en el proceso.
La obtención de varias posibles mejoras a raíz de los análisis de varianza suponen el también cumplimiento de
este objetivo específico.
La consecución de cada uno de los objetivos específicos anteriores ha llevado a cumplir con el objetivo
general: analizar el proceso y proponer y seleccionar una mejora para el mismo.
6.2 Implicaciones
Derivadas de este estudio se pueden resumir las siguientes conclusiones o implicaciones:
•
El sistema de producción contiene muchas interacciones y depende de muchos parámetros, siendo
complejo de estudiar, y prácticamente imposible conocer a priori qué efecto puede tener la alteración
de alguna de las condiciones de operación (como puede ser una mejora). La simulación de eventos
discretos resulta ser una herramienta útil para su estudio.
•
En contra de lo que inicialmente se pensaba, el aumento de la mano de obra no repercute de forma
relevante sobre el rendimiento del sistema (en términos de tiempos de fabricación y obra en curso),
habiendo otras posibles mejoras con un beneficio mucho más notable.
•
En el proceso global actual el punto crítico corresponde a todas las operaciones subcontratadas, por
los elevados tiempos de espera que generan, provocando tiempos de fabricación y obras en curso
altas.
•
En los procesos individuales el punto crítico es variable. En los programas con operaciones
subcontratadas, éstas son críticas. En los programas sin operaciones subcontratadas (programa de
vigas), los puntos críticos son aquellas estaciones con tiempos de operación altos, y que comparten
con otros programas (laminado, recanteo, ultrasonidos).
•
El curado en autoclave resulta ser un punto también crítico, al provocar una espera general de todas
las piezas hasta que la última del lote para el autoclave se termina de laminar en la sala limpia. En el
modelo de simulación creado no hay posibilidad de modificar la operación del autoclave, y la carga
del mismo viene definida de otros estudios. Por ello, la única forma de incidir directamente sobre el
tiempo de espera aumentar los recursos en la sala limpia (laminadores), para finalizar las piezas del
lote del autoclave más rápidamente. Esta conclusión deriva del resultado obtenido en los análisis de
varianza, que indican que aumentar el número de laminadores produce ciertos beneficios en el
proceso.
•
Una modificación en el proceso, reubicando un trabajador (según carga de trabajo) como conductor de
la furgoneta y aumentando el número de viajes semanales a dos, resulta en un ahorro y un beneficio
inmediatos: la obra en curso disminuye, disminuyendo así el capital inmovilizado en dicho concepto,
Estudio del proceso productivo en una planta de fabricación de elementos de material compuesto para
la industria aeronáutica. Análisis y propuesta de mejora.
99
y los tiempos de fabricación, espera y “lead time” disminuyen también, favoreciendo una más rápida
entrega al cliente, y permitiendo una mayor flexibilidad del proceso frente a pedidos urgentes o
prioritarios.
6.3 Recomendaciones finales
A raíz del análisis del proceso, motivado por el presente estudio, se ha constatado que las operaciones
subcontratadas tienen un gran impacto sobre el sistema global. Las piezas deben esperar a una furgoneta, y
llegan en lotes que pueden saturar alguna estación, además de que las operaciones subcontratadas suponen un
alto porcentaje del tiempo de fabricación de las piezas (en torno al 25%).
Sobre este punto se sugiere a la empresa el estudio del impacto en la implantación de las siguientes mejoras en
un futuro.
6.3.1
Plazos de subcontratistas
Los plazos acordados por contrato con los subcontratistas son de hasta 10 días. El proceso interno del
subcontratista no puede ser alterado, salvo mediante el acuerdo con el mismo de unos tiempos de operación y
plazos de entrega determinados. Realizar una operación de recanteo o pintado de una pieza en un plazo de
entre 5 y 10 días es excesivo.
Una reducción en el plazo de entrega podría tener un efecto similar al aumento de viajes semanales de la
furgoneta.
6.3.2
Internalización de procesos subcontratados
Otra opción para reducir el tiempo de fabricación de las piezas es la internalización de los procesos ahora
mismo subcontratados. Si bien hay determinados procesos que a priori pueden no ser rentable internalizar,
como la pintura (por la certificación, material y personal requeridos), se puede estudiar la inversión en otros
procesos que podrían suponer una gran reducción del tiempo de fabricación al eliminar por completo la
dependencia de una furgoneta y un subcontratista (como la adquisición de una máquina de recanteo
automática).
REFERENCIAS
Altiok, Tayfur and Melamed, Benjamin. 2007. Simulation modeling and analysis with Arena. 2007.
Banks, J., et al. 2004. Discrete-Event System Simulation. s.l. : Prentice Hall, 2004.
Bradley, Allen. 2007. Arena User's Guide. s.l. : Rockwell Software, 2007.
Fundación Hélice. 2013. Hélice, Andalusian Aerospace Cluster. [Online] 2013. [Cited: Enero 26, 2014.]
http://helicecluster.com/es.
Gutiérrez Fernández, Miguel and Gutiérrez Moya, Ester. 2004. Estadística en la Ingeniería: Inferencia y
Aplicaciones. Sevilla : Edición Digital @ tres, 2004.
Law, A. M. and Kelton, W. D. 1999. Simulation Modeling and Analysis. New York : McGraw-Hill, 1999.
Liker, Jefrey K. 2004. The Toyota Way: 14 Management Principles from the World's Greatest Manufacturer.
2004.
Paris, Federico, Cañas, José and Marín, Juan Carlos. 2002. Introducción al análisis y diseño con
materiales compuestos. s.l. : Univesidad de Sevilla, 2002.
Rockwell Software. 2007. Arena Variables Guide. 2007.
Tejedor, Francisco Javier. 1999. Análisis de varianza: introducción conceptual y diseños básicos. Madrid :
La Muralla, 1999.
Toyota Motor Corporation. 2001. The Toyota Way 2001. 2001.
Womack, James P. and Jones, Daniel T. 2010. Lean thinking: banish waste and create wealth in your
corporation. s.l. : Simon and Schuster, 2010.
Womack, James P., Jones, Daniel T. and Roos, Daniel. 1990. The Machine that Changed the World. s.l. :
Simon and Schuster, 1990.
101