5.

OPTIMIZACION Y PRODUCCION INDUSTRIAL

[11Gloria Elena Pena Zapata [11Francisco Javier Diaz Serna

gepena@unal.edu.co javidiaz@unal.edu .co

[11Universidad Nacional de Colombia

Sede Medellin

RESUMEN

En general , la produccion se encarga de la elaboracion de bienes 0 productos, y del

establecimiento de las condiciones que permiten cumplir con las actividades de los
servicios .

La calidad de los productos y servlclos es un factor muy importante para el

funcionamiento optimo de una organizacion, debido a que garantiza que se cumpla
con los requisitos de los clientes, 10 cual lIeva a obtener y mantener buenos resultados
economicos y buen desempefio en las organizaciones.

La empresa debe estar dotada de sistemas de gestion de la produccion, con tiempos

de entrega acordes con los requerimientos de los clientes y de la capacidad instalada,
con trabajadores que tengan una formacion adecuada a las actividades que deben
realizar, y en algunos casos, ser polivalentes; la empresa tambiEm debe disminuir los
costos de mala calidad y tener un control de calidad con base en el control del proceso
productivo y la inspeccion del producto. A medida que la empresa se vuelve sostenible
y que el mercado crece, debe de pasar de un sistema de produccion bueno a otro mas
agil y menos costoso; para conseguir 10 anterior, necesita analizar su tecnologia,
blanda y dura, que Ie permita mejorar aun mas los tiempos de entrega, la calidad, y
disminuir los costos, es decir, tener mas competitividad .

EI Control Estadistico de la Calidad utiliza herramientas confiables para analizar los

datos obtenidos en cada periodo de produccion, sin embargo, hay procesos que
requieren analisis mas exhaustivos, principalmente cuando se involucra el aspecto
economico y cuando aumenta la complejidad de la empresa. Se puede recurrir por 10
tanto a la utilizacion de la simulacion ; algunos ejemplos en los que se puede utilizar
son : anal isis de propuestas que lIeven a mejorar el servicio a los clientes, estudio de la
reduccion del tiempo de cicio de produccion, estudio de la reduccion de la variabilidad
de las especificaciones. En estos casos, la simulacion ayuda a visualizar el
comportamiento de los procesos y a detectar puntos de decision que a simple vista no
son claros.

En este documento se presenta un ejemplo hipotetico que muestra el programa de

simulacion SIMUL8, relacionado con un local de comidas rapidas .

Palabras Clave: Produccion , Optimizacion, Simulacion, Control de Calidad, capacidad

de proceso, costos de calidad.

97
Hernandez Riveros Jesus Antonio . Optimizaci6n de Conocim iento en Ingenieria ISBN : 978-958-761-433-6
Centro de Pubticaciones . Universidad Nacional de Colombia. Sede Medellin. 201 3
 5.1. INTRODUCCION

La industria es el conjunto de procesos y actividades que buscan transformar las

materias primas en productos elaborados. Existen diferentes tipos de industrias, segun
sean los productos que fabrican. Por ejemplo, la industria de los alimentos, del
calzado, la metalmecanica, la textil. Desde siempre, el ser humane ha tenido la
necesidad de transformar los elementos de la naturaleza para poder aprovecharse de
ellos; con el tiempo, las actividades de transformacion han pasado de artesanales a
mecanizadas; esta ultima transformacion se dio en a finales del siglo XVIII e inicios del
XIX, en un periodo conocido como el de la Revolucion Industrial. La Revolucion
Industri al lIevo a obtener mas beneficios, aumentando los ingresos y dismin uyendo los
costas; tambiem se dio la especializacion en las regiones, hubo mejoras en los medios
de tra nsporte y apertura a mercados nacionales e intern acionales; ademas, aparecio la
disponibilidad fuerza de trabajo asalariada y voluntaria.

La especializacion que surge en la revolucion industrial Ilevo a tener objetivos cada

vez mas opuestos, debido a la expansion y a la complejidad de las empresas; se
volvio mas dificil asignar recursos disponibles a las diferentes actividades de manera
eficaz para la organizacion, como un todo. La necesidad de resolver los problemas
generados por la expansion y la especializacion, crearon el ambiente para el
surgimiento de la Investigacion de Operaciones, la cual tuvo mayor desarrollo con los
servicios militares a comienzos de la segunda guerra mundial (Hillier y Lieberman
2007). Entonces, cobra importancia el control estadistico de la calidad, y por
consiguiente el aseguramiento de la calidad .

La mayoria de los procesos productivos de bienes y servlclos, corresponden a

ensambles, en los cuales hay que hacer un seguimiento simultaneo de las variables
seleccionadas para hacer el control estadistico de la calidad. Cuando el analisis es
simultaneo, para varias variables, se debe recurrir no solo al analisis tradicional de una
variable, sino tambieln al analisis multivariable (Yanez Canal 2009) (Montgomery
2005) . En algunos problemas de ensamble , se presentan combinaciones no lineales
cuya dimension de interes es una funcion no lineal de las k dimensiones componentes
x1, x2 , x3, xk, es decir, y = h(x1 , x2, x3, xk). Por ejemplo, si tienen k = 3 componentes
y el ensamble es el producto de las dimensiones involucradas, entonces Y = x1 x2 x3.
En problemas de este tipo no aplica la tecn ica de las combinaciones lineales. Asi que
es necesario aplicar otros metodos, uno de ellos, Simulacion (Gutierrez Pulido y De la
Vara Salazar 2009) .

Para el modelamiento y simulacion de sistemas deben seguirse, en general, los

siguientes pasos (Evans y William 2008) (Naylor 1994) (Naylor 1971):

• Descripcion de la forma en que opera el proceso. En estos casos es muy util

recurrir a diferentes diagramas, como por ejemplo: de flujo , de operaciones, de
proceso, de recorrido.
• Identificar los insumos que son claves en el proceso que se va a estudiar. Par
ejemplo: Tiempo requerido para realizar cada actividad del proceso, y los
recursos involucrados . Los procesos de atencion al usuario pertenecen a los
sistemas de Servicio al Cliente, y aunque en estos casos el Control Estadistico
de la Calidad es muy importante, a veces no es suficiente para detectar, par
ejemplo , cuellos de botella. La simulacion permite analizar situaciones en las

98
 cuales las variaciones detectadas en el servicio tienen variaciones de un (1)
sigma, 0 mas.
• Hacer el modele que permita simular el proceso, y recolectar los datos
necesarios para hacer la simulacion en el software seleccionado .
Generalmente el software de simulacion estara orientado a la simulacion
discreta.
• Simular y validar los resultados; es necesario tener los datos de las
especificaciones de los procesos, 0 productos.
• Plantear mejoras que Ileven a la disminucion de los cuellos de botella ; entre las
mejoras que se pueden proponer estan las relacionadas con la redefinicion de
las especificaciones, ya sea del producto 0 del proceso, segun sea el caso . En
otras ocasiones, se propondra una modificacion en la asignacion de los
recursos, por ejemplo, recurso humano, recurso financiero, recurso fisico.

Ademas de la complejidad involucrada en los sistemas y en los proceso , hay tres

razones importantes para utilizar simulacion cuando se esta trabajando con las
tecnicas del Control Estadistico de la Calidad. Elias son :

• Varias piezas componentes 0 varias etapas de fabricacion .

• Las distribuciones de los datos no son normales (requisito para trabajar
graficos de control).
• Las relaciones entre los componentes y el resultado final es dificil de analizar
con los metodos estadisticos convencionales.

De acuerdo con 10 anterior, pueden ensayarse , por medio de la simulacion , diferentes

enfoques antes de finalizar los planes de produccion . Es importante la simulacion para
predecir la capacidad del proceso, tanto en la industria manufacturera, como en la de
servicios.

5.2. REVISION BIBLIOGRAFICA

En esta seccion se presentan algunos conceptos e ideas relacionadas con la disciplina

de la Investigacion de Operaciones y de la Produccion Industrial.

5.2.1. INVESTIGACION DE OPERACIONES

La Investigacion de Operaciones significa "hacer investigacion sobre las operaciones",

10 que lIeva a que esta se aplique a problemas que se refieren a la conduccion y
coordinacion de Operaciones (0 actividades) dentro de una organizacion, ya sea de
manufactura, transporte , construccion, telecomunicaciones, planeacion financiera,
salud, milicia, servicios publicos, u otras. (Hillier y Lieberman 2007).

La Investigacion de Operaciones ha tenido un impacto fuerte en el mejoramiento de la

eficiencia de muchas empresas en todo el mundo . Ha hecho contribuciones
significativas al incremento de la productividad dentro de la economia de varios
paises. Hay mas de 30 paises que son miembros de la International Federation of
Operational Research Societies (IFORS) en la que cada pais cuenta con una sociedad
de Investigacion de Operaciones .

99
La tabla 1 muestra algunas de las organizaciones en las cuales se ha utilizado la
Investigaci6n de Operaciones, con buenos resultados econ6micos.

Tabla 1. Algunas aplicaciones de Investigaci6n de Operaciones.

Observaci6n: Los alios de publicacion hacen referencia los numeros de Enero-Febrero de la

revista Interfaces, en donde se pueden encontrar los articulos completos de los casos de

-,... ......... _ ............... . . . ""' ..... , , ...... . ........... _ . , J ..... - - _ . " ........ , -""'''''' . . ..... r-- .

AAo d. Ahonos anu b ie .s ( I!.M

Organizacion Aplicaci6n
publlca c l 6n d61 8 re s )
The N eU'lerlan~> OI;:!SafToliD de I., l'olibCb natlan\lI l1r adl1"l'n. ~ll " ttl,)n de l-lgulS, lOuu)'t!lM o mCl.ctl df! nuev,)s
'985 SIS mlltor.es.
Rlj f.: swaterSlail t Ir1sUII l!cton e~ , procedlm ientos de o~ij!JcI()nes y co.steQ

Monsan!o C orp . Optinm acion de las 'DfJraCIon es de prod ucCJo" p;ara OoImpllr mcnt"i con 01 1costo min.lmo ' 9ij5 UmJllonr.s

W ~yt!rha1.J~t:r Co . O phu lll~Cl6n de l corte de a l holp'i en prOducto~ de mbde~ pam m,))j'ftnI /J~ r SlJ nrnovrrtO n '986 S1~ m lUunf.'!!o

Asignecu:,n opt/rna dt:: rrcursos h,ara uliCQf: y t~rmu~os e n t: 1s.lste:rrFl na tional de! Ol! ne.rano n
l!le<tToba s/ CF PAt. Bra­ slf '986 1-4.3 mlltoncs
de ~nc;y r.Lt
Pr~l"a"rnit C1 6f'1 d~ liIr'nQS (j~ t~bi!Jo en: u'Idn3s doe l e<; € f'VBPones V ~I!TOtlucrtos Data cilmohr
United Alrlirtl!:~ ,966 ~6 'niilp'le~
{on las neclI':' $ldettk50 del dit.J"Ire. ut"l (O~to minlmCl
OpUml'Z.do6n dIP, 1t'!50 OP€'r<1i::lont!s de f~nnaclon y (Ie la ;.Il etta, d~sUlbliaOn y r.oml!fi:lalll~c.lon
Otgo Petroleum Corp 1981 i70 mllfof';1d.
d~ productl)s

SANTOS, Ud Austra 'l a. OplJnHldl..I60 dt! I nY~!S'Clfl es d e upltDl p.)fll p l odunr 0;;'5 n,nurll l th.lIltnle 2'5 afi.o!li 19M! S3 m,lJant:s

[ Ienne POYoler R.e!o'P.i:!rcn Adm:mstrac,Ofl de mv("r\Ulrlo~ d e petr61eo y c.' tlO" ~" f ~ 'tl Sell/fr!O e/t"$to ton '.! I 'If' dI! 1989 $59 mlllorl~S
JMtltu~ eq ulhbfiSr lo s costas de Inv entarlo y too;; rl[lSQa~ d~ faltantes
San f raru:tsC"o P{II,re: Ovtlml ~3CtDn til" la progrBml!c.c)n y ft5lgnat"tCrn tle o1J(JiJlu d e OCltwlla con un !tlstemol
19M $l l,"I'lo nes
Departm~nt {omouUHl1~do-

Otl'llmi7i'1 00n de 11'1 mHeJa de 'frljjl4'"l:d1enle!i (li$pCfI'\lbles Ollra Que los- pn'H.1uctos de gaso l·na
lc."a(o Inc. !;'umpIH~r.a" Con lOS ( p ~t..IErnmle.,to!> d~ vent4s y c.,hd~d
'9a9 SlO mlllon~<;

IntegraC16n de una re a naclon{J1 (J~ InV(!(IW' '0 de refIlCCI{l OE'S PaT~ m'~Jul'~ r el illO,O (II i,20 m Jlla~ -.1­ i2S0 1tHllones e'fl
16 M '990
~t::r"' I::r () mel'tol'" tnllentiH'1)
U S. MII,tary 41i"ll ft Rap,del !'fl la (OOrdlflClcron de o v lones, \npuIR:1611. (,AUld 't t)45cllero.~ J')iJra moHll;!Jdf ',]
'991 Vk:torla
Comm .:J nd e\la!:;uoitcI~r'L por eire en el ptoyecto 'T(Hmenta de:l Desierto· pn p;1 Mt=dlo OrreOle:

Oj~ t" i'lo

de 1m $isteO'l" cJ c estrurnJra: de' pre:r Jo!!: , sobrev entas V coordlnlh .)On de vue'os ritr;,
Am~flc:an Airline!. 1992 $500 rTllllol"e'i mc)" dll' lI1~lP.S.G"
mtjorar !ltS uUbdade:;;
,'! 'lJow I=telghl 5I.ystem, OptlmllilCII)n del dJst100 de una re<l n~cl(,\f'l31.je ,ra~sporte v III p.rugrilmaoon oe rutas rJe
lq!)2 i 17.3 mlll(tnes.
t rl( tl1VIO

rr.ew ~vf'n Hearth Dept D3eF,o ri p un progtllO'lol efecllV'o de t<lmtno dl. t1 ~U }U carJ comboahr tl l..onlbglo de! SIOA ,993 3)% rnefJl)$ r:[)nlag;o~

Ot:!.o!I;rnllo dl! un ilite ma lld...ad0 en PC paril QUlar a los; o lenlt!~ dcl nfqOClo en el dl~pl'itl del
ATFoT 1993 Sl Su rmllooes
cef'lhO de ' Lamacl~~

Mu x fml.laC'OM d~ QanellCla s ~ parl.Jt de I.a ii)Slqoaclon de los upos (Ie ~vlOne'!> ~n 2.S00 vue las
Oe+t.!I AJrllrll'S 199< UOO tt'iUla!\es
MC;onal€s
Rc>e'5tructIJr~oOn de todn III cadena de pr<NeedQfeS il!'I1VC llTt)'Yee<ioreli p l ilnta ~, ccntro ~ ae
Digital fql,l'pment Corp. '90S SaO(l fTllflones
dd nbut.l6n, ."" t O~ po trnc: la lt'5 y tsredS de!' "fI (! r ( sdo
SpiE"t;CI6n ... prcglO'fn aCJ()fl Dptllr~ (k> fYu'te Clth m 3S"'Q). aa~ ctJITTllhr ~ U ll los. tI.PcNldade-"\
("hfnil 1995 $"'25 millon!;'>!
tutur"s de enf:'fglii:'1 tie' pais
C:uerpo de defensa de
A.edlss:-",o optlmo del tamano y form.! ct~1 clJerpo de defpnsa y !lU !i;.s.tem.e de ~.rmolls 199' $1 lOO rr'lIlltJ4"I (> ~
Sudatn(:b
Redlseno d el $t$t(!ma de p~oduc(mn 't distributiOn nortellme.rl{'a.l1~ ptHa rndut:it <..0:5(0:& y
Procter and G9mb l ~ ,997 SlDO m~I!011e~
'T' E'}(J1"'lI r III #iipldc l d ~ lI eg!'l:da 01 merCdllo
ProgriJmauon Optima de empleado:i pa(lI prOP'llrt.lonl'lr .el "~rvjC.O ., C hC:.11t~ (Jcseal1fl mn un
1 aco Bel. '998 '$.lJ mlllQn~s
tosW rnin.mtJ
IDl:a ll nuOn d1!' IlIlIr4"l{& 'lo s df! ,..pgurldl!llj L' n 1l1li IIrlea de producCtDn dE!
RP.tht!oo d e tMni't1'to 'f $280 mdlones de mgre-so
Hew~tt·PIlCk li rd 1998
Iltlpresoras para cumpfir m~tA~ de ,Jloct.Jc(!On i1dlC-' l)t'I"i
Desam,1I0 de! 51 5t~rna de rut!!!. t. ,l ,nero:ttto para el 5eniltiO d e lr.enSporte V eot:re!jla i
Spar), Rocbut.k 1999 .... , ~,lJont' ...
dOfl'lClll{1 .

IBM
Rerngenler,t} de 1Ii:IJ udefHt globdl d e (,r;mlrW'i !nJ5 PiHd '*'liopOnQ(!r' can maven rag1dp1 a los
ct'~nIPS J'TIle nlTd!i.s.t! ill " t'l lit'ne el rmnlml'l.l1'l! I r'PII.t:n~ r jOS .
2000 $]50 mlUone .. ~n d IJrllTlIC ' 41)0.1
'Momll Lynch
Dlseno 0" loS g rF! CfO~ Ik apc.IOl"lc:!> baS<ldas. p.r. ac.tl.vm '( r:" Iinra J I'r;:[ti'I ('lara p.roport.lor\n~
2002
1-80 rmllOI1CS de iilananCl"s 1
se rvlcr()$llnI1flC.Jt;os adlt'ICln4lles
'$200 IThllones de l;IananCla'G
Sami-Umg EJ'ectron1t:S b C:;4rrOllo d~ metodos p~rd . ellue" Ja'li uempo'S de m."uftlC1lJfO V los nivplf.:'1< de inventariO ,1)()2
atfitlot',Jlcs I
Optlm'ld[16f'1 de It! rfasl9nollo6n de tnplJIDCio.nes (u"ndo o'urrrn In t crrupclo('te~ en el
CDntinenwl Airhne!l >003 $ '10 ".,1I1"1l\""
Ilmerlino . I

En la segunda columna de esta tabla, de izquierda a derecha, se muestran

organizaciones que han aplicado la Investigaci6n de Operaciones directamente en
procesos de producci6n de bienes y servicios; algunas de las aplicaciones orientadas
a la producci6n de bienes, son :
• Optimizaci6n de las operaciones de producci6n para cumplir metas con un
costo minimo.
• Optimizaci6n del corte de arboles en productos de madera para maximizar su
producci6n.
• Optimizacion de las operaciones de refinaci6n y de la oferta, distribuci6n y
comercializaci6n de productos.
• Optimizacion de la mezcla de ingredientes disponibles pa ra que los productos
de gasolina cumpli era n con los requ erimientos de ventas y ca lidad.

100
 • Rediseno de tamano y localizacion de inventarios de seguridad en la linea de
produccion de impresoras para cumplir metas de produccion .
• Desarrollo de metodos para reducir los tiempos de manufactura y los niveles de
inventario.

5.2.2. PRODUCCION INDUSTRIAL

La produccion agricola es una fuente importante, sino la mas, de acumulacion de

riqueza, la cual se invierte en la industria manufacturera y en el transporte; este ultimo,
con el proposito de poner en el mercado los productos elaborados.

En los paises industrializados, la produccion de maquinaria agricola aumenta la

productividad de la tierra, 10 que conlleva a que se disminuya la utilizacion de la fuerza
de trabajo en el sector agrario a la vez que aumenta su disponibilidad en las zonas
urbanas; se obtienen excedentes de productos agricolas para alimentar a una
poblacion urbana creciente que no vive del campo. La agricultura proporciona a la
industria manufacturera, capitales, fuerza de trabajo y mercancias. La produccion
agricola fue, y sigue siendo, una condicion necesaria para el desarrollo de la
revolucion industrial, y de la industria actual.

En los paises del tercer mundo, yen algunos en via de desarrollo, el capital se obtiene
de la inversion extranjera, la cual instala la infraestructura necesaria para crear la
riqueza y los excedentes de capital, conservando la produccion agricola, como fuente
principal de acumulacion de alimentos, para poder abastecer a los centr~s urbanos.

La produccion industrial, la de fabricacion, y la de manufacturera, se encargan del

proceso de elaboracion de bienes 0 productos, a traves de la transformacion de la
materia prima, para 10 cual es necesario contar con una buena capacidad instalada en
la que hay que tener en cuenta la misma materia prima, la fuerza de trabajo,
maquinaria y herramientas, entre otros. Aunque la produccion manufacturera precede
a la industrial mecanizada, todavia se requiere de ella para la transformacion de
muchos procesos. La manufactura, hacer a mano, es la forma mas elemental de la
industria.

La industria esta constituida por grupos de empresas pequenas, como las de

panaderia, y por empresas medianas y grandes como las de automoviles,
embotelladoras de refrescos, empacadoras de alimentos, laboratorios farmaceuticos y
fabricas de juguetes.

Las figuras 1 y 2 muestran la localizacion de las areas industriales mas importantes,

las mas grandes y las menores (consulta en linea: julio 26 de 2012).

101

 "

AREAS INDUSTRIALES

~ E_'
Grandes areas industriales del sigle XX
o .r4.0m5 Areas industriales mas recientes
l j y de gran crecimiente

Figura 1. Areas industriales grandes y de crecimiento reciente.

Fuente: (http2) (consulta : julio 26 de 2012).

Vancow.rlrA.
Sea~ '41
C) "''''''''-~'' (Sefl LM-.t;o/
Occident'
£Ur."" I 0 - 0 ..._rfo.
~
Ucr.nl.,'YoIe.
1Ir....

• ........tlk
.......
~
Califomi~ '-kinA
HQthtr dP n~UU I
r.....~ISUr J.p6n
8woudon/NuevIOrlan, 5.....""'0
" ...lce
II... ,II de IIIdII 11-. eO Til..,"
'-'11 Ko ng
~ ~IUC~

Sinqap UT ®

s.. ,..
o ~muIQO

Gran lies area s irl(hrstrhlrs

_ Importlllnte-5 ~reo1.i"dustri.at.e_5
Oli... no.AI",./
Rio de 10 Plot.
Sur~lte de MItT,H.
Are.~ inc:W)1:riilllts menol't'J
Areas industriales en el mundo
Figura 2. Areas industriales grandes, importantes y menores.
Fuente :(http4) (consulta: julio 26 de 2012).

En la elaboraci6n de los productos se tiene en cuenta una serie de caracteristicas,

cuyo seguimiento y control en el proceso de la producci6n , permiten identificar la
calidad del producto. Todo proceso de producci6n industrial tiene una estructura donde
se debe de realizar la actividad necesaria para la producci6n, dentro de un entorno
que modifica la actividad industrial, como 10 son la demanda, la disposici6n de materia
prima y mana de obra cualificada, condiciones ambientales, y medios de
comunicaci6n , entre otros . Tener una buena capacidad de producci6n puede permitirle
a la empresa, y al pais, fortalecer la industria y crear las condiciones necesarias para
exportar.

Para conseguir la sostenibilidad y la competitividad, de acuerdo con 10 expresado

anteriormente, es necesario que la empresa cuente, ademas del personal operativ~,
con personal profesional capacitado en tecnicas de optimizaci6n, que este
permanentemente analizando alternativas y escenarios, en otras palabras,
profesionales en el area de la Investigaci6n de Operaciones, y por consiguiente, de la

102
optimizaci6n; algunas de las tecnicas de investigaci6n de operaciones utilizadas en las
organizaciones , son :

• Programaci6n lineal
• Programaci6n no lineal
• Programaci6n dinamica
• Planeaci6n y Programaci6n de actividades, tareas, 0 producci6n
• Redes
• Transporte
• Inventarios
• T eoria de decisiones
• Problema de la dieta
• Evaluaci6n de proyectos
• ASignaci6n de personal
• Investigaci6n de mercados
• Estrategias de inversi6n
• Simulaci6n
• Etc.

(Koening 1990), considera que la ingenieria de la manufactura es la que permite

diferenciar entre las empresas que pueden lograr sus objetivos, y las que no los
pueden lograr. Expresa que la empresa debe tener en cuenta , en sus analisis, los
siguientes conceptos del area de la optimizaci6n :

• Conceptos de organizaci6n de la ingenieria de manufactura.

• Tecnicas de manejo de la ingenieria de manufactura.
• Capacidad y tecnicas de carga de la fabrica .
• Selecci6n e implantaci6n de maquinas herramienta y equipo.
• Ingenieria de productibilidad.
• Metodos, planeaci6n y medici6n del trabajo .
• Ingenieria de control de procesos en talleres.
• Ingenieria de mantenimiento.
• Fundamentos del diseno y la manufactura asistidos por computadora .
• Planeaci6n de procesos y recopilaci6n de datos asistidos por computadora.
• Programa integrado de mejoramiento de la productividad .

5.2.3. SIMULACION

Una tecnica muy importante, es la Simulaci6n, tanto discreta como continua, a partir
de la cual se analizan alternativas y escenarios productivos . (Pinilla 2004), plantea
que la simulaci6n debe considerar:

• Los tipos de problemas aleatorios que puede resolver. Por ejemplo, hallar el
numero de servidores necesarios para cumplir con determinadas exigencias de
producci6n.

• La comparaci6n entre varias politicas (decisiones) para hacer el anal isis de

escenarios. Pinilla considera que en la elaboraci6n de una estrategia, en la
selecci6n de proyectos y en otras actividades, se necesita una proyecci6n de c6mo
se puede desenvolver una organizaci6n en el futuro . En ese analisis de problemas

103 I
UNIVII:RSIDAD~~C10NAL DI C'OWMBIA
 que incluyen tiempo futuro e incertidumbre, a menudo se utilizan posibilidades
alternas denominadas escenarios. Es comun trabajar con tres escenarios: el de
pe~r resu ltados, el de los mas probables y el de mejores resultados.

Los escenarios, definidos como conjuntos de futuros razonable mente plausibles, no se

construyen mi rando los sucesos futuros, dentro de la organizacion, sino que se debe
incluir el entorno tecn ologico, economico , social, politico, etc. La construccion de
escenarios no se hace en un solo paso ; se realiza en varias eta pas en donde 10
establecido en una de elias es informado a todos los participantes, a fin de mejorar las
visiones individuales dpi entorno donde se mueve la organizacion . Los escenarios
deben ser internamente consistentes, 0 sea, no tener contradicciones, y ademas,
deber ser cre ibles .

La Dinamica Industrial es una tecnica de sim ulacion continua, que puede definirse
como el estudio del impacto que, en los resultados de una empresa , tienen la
realimenta cion de la informacion y los atrasos en la toma de deci siones. Esta tecnica
fue desarro llada en los arios cincuenta en el Instituto Tecno log ico de Massach usetts
po r el profesor Jay W. Forrester (1961). Posteriormente, se escribio un lenguaje
orientado a cu mp lir esas fin alidades, al cual se ll ama DYNAMO . Hoy existen varios
programas com putacionales, amigables con el usuario, que permite n modelar con
Dinamica de Sistemas (Pinilla 2004 ).

Aunque la Dinamica Industrial se aplico primero dentro de una em presa

manufacturera , integ rando mercados, produccion , inversiones e inventarios,
rapidamente empezo a utilizarse en planifica cion urbana, ecolog ia, etc.

EI modelo que trabajo Jay W . Forrester, es la representacion de un minorista, su

distribucion y un fabricante , que negocian un unico bien . AI minori sta Ie compra n los
consumidores finales, al distribuidor Ie compra el minorista y al fabricante Ie compra el
distribuidor. EI modelo permite simular diferentes situaciones , p ~r ejemplo: qu e pasa
con los inventarios del mi norista, del distribuidor y del fabricante, cu ando se presente
un incremento en las ventas del mi nori sta.

La Teoria de Sistemas y la Simulacion, dan origen al concepto de Pe nsamiento

sistem ico, el cual tiene como objeti vo, mostrar que las organizaciones aprenden. Toma
fuerza princi palmente como resulta do del li bro La Quinta Disciplina de Peter (Senge
1994 ), quien ve la necesidad de tener organizaci ones en las cuales se generen las
ideas, no solo en la cu pu la de ella, sino tambien en todos los niveles dentro de un
proceso , en el cual todos esten aprendiendo perman entemente.

5.2.4. CONTROL DE LA CAUDAD

(Tannock 1995), en su articulo Choice of inspection strategy using quality simulation,

escribe que "La informacion inapro piada, 0 dificil de conseguir, conlleva a que sea
complejo el calculo y el analisis de los indices de Capacidad del Proceso , los cuales
si rven para concluir sobre la habilidad que tienen los procesos produ cti vos para
cumplir con las tolerancias establecidas en las medidas de las caracteristicas de los
produ ctos; estas to lerancias, junto con las especificaciones tecnicas de los procesos
productivos, hacen que se presente una variabilidad inherente en el proceso, y por 10
tanto, se pueden generar situaciones com plejas, prin cipalmente si se asocian los
costos de calidad y las medidas de satisfaccion de los clientes".

104
Dos de los costos importantes asociados con la calidad en la produccion, son
(Tannock 1995) (Montgomery 2005) (Evans y William 2008).

• Los costos por entregarle al cliente un producto no conforme, 10 cual Ileva a

unos costos intangibles de perdida de reputacion , diffciles de medir, y costos
de fallas externas, los cuales pueden ser, muchas veces , superiores a los de
fal/as internas, debido a los reprocesos de los productos terminados que han
sido entregados al cliente.

• Costos de prevencion , entre los cuales estan: los de planeacion de la calidad ,

los de control de procesos, los de los sistemas de informacion, y los de
capacitacion , entrenamiento y administracion general. Estos, segun el autor
que los trate, estan orientados a sistemas de Cero Defectos, 0 a sistemas de
Mejoramiento Continuo , y otros los tratan como inversion inicial para el
mantenimiento continuo.

EI articulo de (Chen, Pan y Yang 2008), hab la sobre los cambios del entorno y las
fuerzas externas que hacen que las condiciones especificas de un producto cambien,
como por ejemplo la reduccion de los tiempos de vida de los productos, razon por la
cual se debe de plantear politicas de inspeccion que permitan mantener la calidad y
reducir los costos . Con este proposito , (Chen, Pan y Yang 2008), modelaron la
confiabilidad, utilizando la distribucion Weibull, de un producto compuesto de
diferentes componentes en serie .

En el trabajo sobre mantenimiento, confiabilidad y simulacion , de (8aek 2007), se

expresa que las acciones de mantenimiento no se limitan solo a la maquina en si , tales
como la reparacion 0 sustitucion de la maquina, sino que ademas, se debe de trabajar
en la prevencion con el animo de controlar simultaneamente los valores de atributos
de manera que la maquina funciona normalmente durante un largo tiempo . Por
ejemplo, en el caso de mantenimiento de la temperatura , la accion es el ajuste del
valor de un atributo, mientras que en el caso de una componente de maquina, la
accion de mantenimiento es la reparacion 0 la sustitucion del componente .

(Nenmhard , Kao y Lim 1999), presentan los resultados de una simulacion hecha en el
paquete informatico PROMODEL ; el modelo integra graticos de control de variables,
de medias y de rangos, con el cual ilustran los efectos y los beneficios de la utilizacion
del Control Estadistico de la Calidad. Para explicar 10 anterior, estudian el caso de una
industria de fabricacion de instrumentos medicos; se enfocan principal mente en la
combinacion de la elaboracion de graficos de control con la simulacion, para analizar
un producto que imita un tejido conocido como Fantasma .

(Juran 1993) planteo una serie de actividades que conforman 10 que llama La Espiral
del Progreso de la Calidad , la cual, en algunos ambientes, es conocida como EI Cicio
de Vida del Producto . La figura 3 muestra la espiral, y a continuacion se hace la lista
de las actividades que la conforman :
• Comercializacion y estudio de mercado, 0 investigacion del mercado.
• Diseno y desarrollo del producto .
• Planificacion y desarrollo de procesos.
• Compras.
• Produccion y ofertas de servicios.
• Inspeccion yensayo .
• Embalaje yalmacenamiento .
• Ventas y distribucion.

105
 • Instalaciones yacondicionamientos.
• Asistencia tecnica y servicios despues de venta.
• Tras las ventas .
• Disposicion y reciclaje al finalizar la vida util.
• Realimentacion .

.-x:,'"
It,," ,,~
"t>0

",­ l'
,,".-x:,'" ~ ~
#
:,:;.~<J
~'Ii

~ ~~~
u so ';;." rz-$'
i '-:J<J ~
Veuta aI det all e ~ ,,",,0

°".....,..<:i.~ ~ c;°
i
\ .<;:-~ c,"
~<!(; -x:,'~'1i""t>0
y
'Ii ellta a1 por 1lla . or ?!r<~
J 'Ii <J:b.:i rz-"
~ ~'Ii\ ,,,,
.).<J"
<J
~ -
~:-,.<:i.
-"t><J ,.p.0'"
~ ~c;
.,<;'
,..9.," ,0 ........ .
'J ~~ ,
.~ Ii:­
-x:,~' t;;)' 'v"~ \
,,<J
" ...
."'~
",," "
,..,.
,,,, <J"'......... 0 "
.,,""..s,<J'?
....<J
.-x:,'" . <;:- /'" G
°~Q "\ ;s,ci!'
*,"
'"
............. ,,,"" ~ .§-" i)0 .).'C
~.:i :-,.<::l _ ",,, "G 0
<1.<;cr­ :;.."....<J t§',,' ~cr-N <1.<;
~
.0 <I." ,'I>Q
",0

Figura 3. Espiral del progreso de la calidad.

~ ',
Fuente: Juran, 1993.

EI estudio de cada una de las actividades del progreso de la calidad , requiere que se
utilicen tecnicas de optimizacion, con el proposito de planear y programar la
produccion, minimizar los costos de mala calidad, maximizar la produccion y distribuir
el producto final.

Para 10 anterior, se deben adecuar los procesos productivos de tal forma que se
obtengan productos en un tiempo minimo, con el menor costa y con la mejor calidad.
Por 10 tanto , debe se debe trabajar para conseguir una reduccion de los productos
defectuosos gracias a una supervision continua; apoyada en las funciones de la
Gestion de la Produccion (http3) .

5.3. CASO DE ESTUDIO

Ejemplos de sistemas de produccion y de servlclos, en los cuales se puede usar

simulacion para hacer anal isis de capacidad de proceso y para calcular costos para
diferentes indices de capacidad del proceso para diferentes especificaciones, se
encuentran en: supermercados, Call Center, centr~s de salud , empresas dedicados a
la elaboracion de comidas, corporaciones financieras, entre otros.

Una aplicacion sencilla de la simulacion en el analisis de costos en un sistema de

servicio, se presenta en un local de comida rapida . Esta aplicacion es simulada con el
paquete informatico de simulacion SIMUL8 (2009)
106
EI reto es equilibrar la producci6n de distintos alimentos, considerados como Comidas
Rapidas, can la demanda de los clientes esperados en el local de comidas.

Los clientes no estan dispuestos a esperar mas de un tiempo especificado, ya sea par
el cliente a par el local, par ejemplo, 15 minutos para un producto; el cocinero s610
puede mantener los productos durante otro tiempo especificado, par ejemplo, 20
minutos antes de que se desperdicien.

EI modelo de la Figura 4 muestra la elaboraci6n de cuatro productos de comidas

rapidas: de queso, de pallo, regulares y de lujo. En este modelo se asignan costas par
devoluci6n de los diferentes productos que no cumplen can las especificaciones de
tiempo de espera, y par clientes insatisfechos. Tambien se asignan precios de venta
de los productos.

Los valores de los precios y de los gastos, se asumen constantes durante la

simulaci6n, e iguales par producto .

Hay una entrada al local de comidas rapidas; los clientes se dirigen a la cola
correspondiente, segun si el producto a comprar es de queso, de pallo, de lujo, a si es
el producto regular del local. Piden el producto, y esperan , no mas de 15 minutos, a
que el producto les sea entregado. En caso de no ser entregado en el tiempo
establecido, el cliente se retira sin el producto, y se considera que es un cliente
insatisfecho; en caso contrario , el cliente recibe el producto, y se considera como un
cliente feliz.

Cuando el producto no es retirado par el cliente, deb ida a que excede el tiempo
establecido de espera, este producto regresa al cocinero como un producto "para
reciclar" , y en esta forma evitar perdidas mayores. Este criteria de reciclar se debe a
que se considera que el tiempo que el producto estuvo en espera pa ra ser recogido
(20 minutos), no afecta la calidad de los ingredientes, y par tal motivo, puede volver a
reproceso. EI modelo se simula para diferentes tasas de cocci6n .

Cliente felix Don Sillon - Comidas Rapidas

1144
UT Qu eso

Polio Cocinero
Entrada

Regular

Cliente
msati5fecho Recicle
69 6029

Figura 4 . Modelo del sistema de produccion y servicio en un local de comidas rapidas.

Fuente: SIMUL8.

107
 5.4. RESULTADOS

Los resultados en el Estado de Perdidas y Ganancias muestran los costos generados

por los clientes insatisfechos, debido a que se excede el tiempo de los 15 minutos , y
los costos que generan los productos devueltos; tambien se muestran las ganancias
q ue generan los clientes satisfechos con los distintos tipos de producto.

La Tabla 2 muestra er la primera columna las diferentes tasas de coccion que se

utilizaron en las diferentes simulaciones ; en la segunda columna se observa el numero
de clientes felices; en la tercera columna aparece el numero de clientes que salio
insatisfecho del local , y la cuarta columna muestra el numero de productos que
pasa ron al proceso de recicl ado . La ultima fila de la tabla 2 muestra el valor, con stante
durante las simulaciones , de los diferentes costos .

Tabla 2. cr fel" . fech 'dades d de cocci6n.

Tasa de Cliente Cliente Productos

coccian Feliz insatisfecho I devueltos
1 mi n/ham 169 51 1591
2 min/ham 170 50 I 1004 I

3 min/ham 170 50 I 617 I

4 min/ham 167 52 I 424

5 min/ham --w4 - - 55 - r 309
10 min/ham 135 I
83 I 102
15 min/ham 115 102 43
25 min/ham
35 min/ham
73
63
-i--
I

144
153
± 22
4 I
Value $ 5,00 $ (12,00) I $ (0,50)

La Tabla 3 muestra los costos generados por las simulaciones , de acuerdo con el tipo
de cliente y con las distintas tasas de coccion .

La primera columna indica el ingreso que generan los clientes felices ; la segunda
columna muestra los costos que se generan por tener clientes insatisfechos; la tercera
colu mna muestra los costos por reproceso, y la cuarta columna muestra el estado de
perdidas y ganancias ; esta ultima columna , muestra claramente el estado de perdidas
del local de comidas rapidas , 10 que debe de lIeva a replantear el sistema de atencion
al cliente .

Una primera sugerencia , es la de tener tiempos de coccion de cinco minutos por

prod ucto.

La Figura 5 muestra el comportamiento de las variables Ingresos por clientes felices,

Perdidas por clientes insatisfechos y Perdidas por reprocesos, 0 productos devueltos.
Se observa que estos comportamientos corresponden con las tres primeras columnas
de la Tabla 3, en la cual, los costos por clientes insatisfechos aumenta a medida que
aumenta la tasa de coccion; los ingresos disminuyen a medida que aumenta la tasa de
coccion, y los costos por devolucion de producto disminuyen a medida que aumenta la
tasa de coccion.

108
 Tabla 3. Costos ~or tipo de cliente y por cantldad d e pro d uct0 devuelto .
Ingreso Perdida Perdida por
cliente Cliente producto Ganancia ­
feliz Insatisfecho devuelto (Perdida)
$ 845 $ 612 $ 796 $ (563)
850 600 502 (252)
850 600 309 (59)
835 624 212 (1)
820 660 155 6
675 996 51 (372)
575 1.224 22 (671)
365 1.728 11 (1.374)
315 1.836 , 2 (1.523)

Servicio al cliente vs Devoluciones

$2.000 , - - - ­- ­- -- - - ,
$1.800
--n9 reso
$1.600
cliente feliz
$1.400
$1.200 -tr-FIlrdida
$1.000 Oiente
$800 r-----I--~ nsalisfecho
$600 ~..-.~_--"'C __ FIlrdida par
$400 produclo

~oo t-;--+~~~~~__~J-__de_vu_ett_0-j
3 4 567
Mlnutos por producto

Figura 5. Curvas de comportamiento de costos e ingresos.

La Figura 6 muestra el comportamiento de la curva de Perdidas y Ganancias del local

de comidas rapidas, de acuerdo con las diferentes tasas de cocci6n . Se observa que
s610 hay ganancias ($1 y $6) para las tasas de cocci6n de cuatro y cinco minutos por
producto.

Ganancia - (Perdida)
$200 .,--- - - - - - - - - - - - - - ,
$­
$(200)
$(400)
$(600)
$(800)
$(1.000)
$(1.200)
$(1400)
$(1 .600)
$(1.800) "'--­ - - - - ­- -­ -----'
Minutos por producto

Figura 6. Curva de perdidas y ganancias, en el local de comidas rapidas

109
 5.5. CONCLUSIONES

Los diferentes articulos y documentos consultados sobre Investigacion de

Operaciones, muestran un rango amplio de bienes y servicios en los cuales se pueden
utilizar varias tecnicas de optimizacion ; en el caso de estudio , en particular, se
utilizaron simultaneamente la simulacion y el control estadistico de la calidad, con el
proposito de tener una mejor vision sobre las posibles estrategias que ayuden en el
proceso de Toma de Decisiones.

La simulacion permite 8'lalizar diferentes escenarios , en los cuales se puede observar

que pasa cuando se cambian los limites de especi ficacion de variables 0 de atributos,
adem as de poder ver los comportamientos de las trayectorias de las variables
afectadas por dichas especificaciones . En el ejemplo del local de comidas rapidas , se
cambia, entre otras , la especificacion de los tiem pos de coccion , y las graficas de los
resu ltados mostraron los com portamiento s de los clie ntes ante dichos cambios.

EI manejo de los costos en Control Estadistico de la Calidad , es crucial en el

desem pe ri o de las empresas , debido a que son estos costos , ju nto con los ingresos ,
los que muestran el estado de perdidas y ganan cias . En el ejemplo del local de
com idas rapidas, se observo que el local permanecio con perdidas durante siete de las
nueve simulaciones que se hiciero n con diferentes tasas de coccion; esto sign ifica,
desd e el punto de vista econom ico, que la capacidad del proceso no es adecuada. A
partir de este estado de perdidas y ganancias , y del indice de capacidad del proceso,
es posible definir otros escenarios para las mismas especificaciones 0 para otras .

REFEREN CIAS

Baek, Jun-Geol. «An intellig ent condition -based maintenance scheduling model.»
International Journal of Quality & Reliability Management 24 , nO 3 (2007): 312-327 .
Chen, YUN-SH IOW , CH UNG-C HU Pan, y We i-Ning Yang. «Optimum inspection
policies of reliability analysis for quantal -response prod uct with Wei bull lifetime
components .» International Journal of Quality & Reliability Management Vol. 25 No.
4, 2008: 436-450.
Eva ns, James R, y LI NDSAY William . «Ad mini stracion y Control de la Calidad.» ed r
Ed. CENGAGE Learning, 2008: 838.
Forrester, J. W. «Industrial Dyn amics.» Ed.11 MIT. Press. Boston, 1961 .
Gutierrez Pulido, Humberto, y Roman De la Va ra Salazar. «CONT ROL ESTADfsTICO
DE CALI DAD Y SEIS SI GMA. » Mexico , D.F: Editorial McGrawH ill , 2009.
Hillier, F. S, y G. J Lieberman . «I ntrod uccion a la Investigacion de Operaciones.»
Mexico, D.F: Editorial McGraw Hill, 2007 .
Juran, Joseph. «Manual de Co ntrol de Calidad.» Cuarta edicion. Ed. McGRAW­
HILUINTERAMERICANA DE ESPANA , S.A. , 1993 .
Koen ing, Daniel T. «Prod uctividad y Optimizacion , Ingenieria de la Manufactura.»
Mexico, D.F: Publicaciones MARCOMBO, 1990.
Montgomery, Douglas C. «Control estadistico de calidad.» 797 . Mexico, D.F: Grupo
Noriega Editores, 2005.
Naylor, T. H. «Computer simulation. » experiments with models of economyc systems ,
1971 .
Naylor, T. H. «Tecnicas de simulacion en computadores. » Mexico D. F: EDITORIAL
LlM USA S.A., Grupo Noriega Ed itores, 1994.
Nenmhard , HARRIET BLACK, MING-SHU Ka o, y GINO Lim . «Integrating discrete­
event simulation with statistical process control Cha rts for trans iti ons in a

110
 manufacturing environment.» Proceedings of the 1999 Winter Simulation

Conference. 1999.

Pinilla, Vicente . «Simulaci6n , introducci6n te6rica y aplicaciones en administraci6n .»

En Facultad de Administraci6n. Bogota : Ediciones Uniandes, 2004.
Senge, P. «The fifth discipline.» Doubleday, 1994 .
Tannock, JAMES D.T. «Choice of inspection strategy using quality simulation.»
International Journal of Quality & Reliability Management 12 , nO 5 (1995) : 75-84.
Yanez Canal, Sergio . «TOPICOS ESPECIALES EN CONTROL DE CALlDAD .» De
Escuela de Estadistica . Facultad de Ciencias: UNIVERSIDAD NACIONAL DE
COLOMBIA , 2009.
http1 :.<< http://www.investigaciondeoperaciones.neUaplicaciones_deJa_investigacion_d
e_operaciones.html »
http2:«http:co.kalipedia .com/geografia-espana/tema/graficos-areas-industriales­
mundo.html?x1 =20070417klpgeogra_115.Ees&x=20070417klpgeogra_ 169 Kes .»
http3: «http://www.univalle.edu/publicaciones/brujula/brujula19/pagina07.htm »
http4: « http://tuatera .com/mapas/zonas Ind ustriales. png »

.
~

111

 6. OPTIMIZACION BASADA EN REDES DE PETRI PARA

APLICACIONES EN AUTOMATIZACION INDUSTRIAL

[11German Zapata Madrigal [11Hector Andres FI6rez [2 1Edgar Chac6n Ramirez

gdzapata@unal.edu.co haflorez@unal.edu.co echacon@ula.ve

[11Universidad Nacional de Colombia [21Universidad de los Andes

Sede Medellin Venezuela

RESUMEN

La optimizaci6n en tiempo real esta siendo aplicada en diversos procesos industriales

que hacen una combinaci6n de multiples recursos para organizar su infraestructura de
producci6n para determinado producto. Considerando que el ambiente de producci6n
es dinamico, el problema de reorganizar el sistema se puede expresar como un
problema de control supervisorio en el contexte de los sistemas de eventos discretos.
Una estrategia que se ha empleado con resultados de desempeno temporal
apropiados es la combinaci6n de las redes de Petri como generadoras de lenguajes
acompanadas del analisis de alcanzabilidad al que se Ie aplica la teo ria de control
supervisorio. En este trabajo se presenta esta estrategia y se ilustra en una aplicaci6n
industrial para organizar de forma dinamica la estructura de producci6n en una central
termica de cicio combinado.

Palabras Clave: Optimizaci6n en tiempo real, optimizaci6n utilizando redes de Petri,

configuraci6n en tiempo real, reprogramaci6n de la producci6n, teoria de control
supervisorio para la optimizaci6n, optimizaci6n de sistemas de eventos discretos,
problemas de programaci6n con recursos limitados.

6.1. INTRODUCCION

EI analisis de alcanzabilidad de las redes de Petri (PN), combinado con la teoria de

control supervisorio y tecnicas de optimizaci6n, se esta utilizando en aplicaciones de
automatizaci6n industrial con exigencias de desempeno en tiempo real.

La ventaja de utilizar las PN es que consideran el estado dinamico del sistema

haciendo uso del concepto de marcaje, la disponibilidad de los recursos y generan
soluciones en tiempos que son apropiados para las aplicaciones de automatizaci6n .
Adicionalmente, el espacio de estados, expresado mediante el arbol de alcanzabilidad,
establece todas las posibles soluciones del problema . EI arbol de alcanzabilidad se
genera automaticamente y sobre el se aplican las tecnicas de control supervisorio para
generar soluciones factibles que cumplan con las restricciones operacionales y eviten
soluciones no permitidas . EI arbol acotado, con las soluciones factibles, se somete a
tecnicas de optimizaci6n, definiendo criterios para seleccionar la mejor soluci6n segun
los criterios que se establezcan.

113
Hemandez Riveros Jesus Ant onio. Optimizaci6n de Conocimiento en Ingenieria ISBN: 978·958-76 1-433-6
Centro de Publ icaciones. Universidad Nacional de Colombia , Sede Medellin . 2013
DEPT
SJ
UNIV1RSIlMD NACIONAL. 01 COLOMBIA
SIiE MED£LL.UiI
DE BIBUOTECAS
 Dentro del ambito de problemas que se resuelven mediante esta tecnica , se destacan
los de optimizacion combinatoria y programacion entera en sistemas de dinamicas de
eventos discretos .

Aplicaciones de la automatizacion que entran en estas categorias son por ejemplo la

reprogramacion de la produccion , problemas de enrutamiento de producto 0 material
(gasoductos , energia electrica, tuberias, centrales de mezclas), reconfiguracion
dinamica de infraestructuras de produccion, seleccion de esquemas operacionales en
procesos por lotes 0 batch , seleccion optima y asignacion de recursos en procesos
quimi cos ; reprogramacif>n de mantenimiento de activos operacionales .

En este trabajo se presentan los conceptos para resolver problemas que caen dentro
de las categorias descritos mediante el formalismo planteado. La propuesta se ilustra
en un caso de seleccion de las configuracione s en una central termi ca de cicio
combi nado.

6.2. TRABAJOS PREVIOS

La redes de Petri (PN) estan siendo utilizadas ampliamente para resolver problemas
de optimizacion de recursos en sistemas dinamicos de eventos discretos (DES)
(Zhang , y otros 2011).

Por ejemplo, en aplicaciones de programacion de la produccion (Scheduling) se

asignan recursos limitados a tareas en una ventana temporal y se determi na la
secuencia de operaciones de tal forma que se cum plan restricciones operacionales y
en las que los criterios de desempeno se optimizan . Esta programacion generalmente
se hace fuera de linea y con tiempo suficiente para resolver algoritmos complejos que
pueden durar mucho en la realizacion de calculos computacionales.
:,'!

Sin embargo , con el ambiente dinamico de un sistema de produccion, cuando se

presenta un cambio en alguna condicion, la programacion debe ajustarse con unos
tiempos de respuesta tales que se garantice la continui dad de la produccion . Esta
adaptacion del programa de produccion se denomina reprogramacion 0 programacion
dinamica 0 en linea . Tambien conocida como programacion en tiempo real ; los
calcu los de la misma deben hacerse en linea mi entras el proceso prod u cti v ~ esta en
ejecucion . En procesos continuos el nu evo plan debe asegurar contin uidad y
estabilidad de la produccion . Soluciones que no son optimas son aceptables debido a
que la principal metrica es la respuesta temporal.

Una revis ion muy completa en la que se apllcan las PN para resolver problemas de
programacion dinamica se presenta en (Tuncel y Bayhan 2007) . Para la optimizacion
se combinan con otras tecnicas , como reg las heuristicas, algoritmos de busqueda 0
programacion matematica

EI procesamiento completo de las ordenes de produccion se plantea como un

problema de control supervisorio , dado que diferentes ordenes deben competir por
recursos limitados y se generan situaciones de conflicto que deben ser resueltas
mediante coordinacion de las PN. La condicion de vivacidad (no bloqueo) debe ser
garantizada para facilitar la factibilidad de los acuerdos (Fu-Shiung 2003).

Las funciones de control de produccion tambien han side resueltas desde la teoria de
control supervisorio 0 desde tecnicas de eventos discretos. Bongaerts (Bongaerts
1998), presenta un modele de PN para programacion con currente de la produccion y

114
para ejecucion de la programacion de acuerdo con el concepto de reprogramacion
periodica basada en eventos . EI modelo considera secuencias, paralelismos y
temporizaciones de las interacciones y las tareas . Mediante analisis de los aspectos
temporales de los modelos en PN , es posible calcular los tiempos de respuesta de
cada recurso de produccion frente a perturbaciones. Los mecanismos de interaccion
incluyen comunicacion, negociacion y cooperacion.

Segun Wyns, (Wyns 1999), las investigaciones academicas en control de DES ayudan
a generar controladores maximo permisivos, que aseguren la utilizacion completa de
los recursos. Estos controladores no imponen restricciones innecesarias con respecto
a estados prohibidos y la controlabilidad de transiciones de estado.

Sobre programacion de la produccion en sistemas de produccion inteligentes mediante

PN tambien se puede referenciar el trabajo de Ciufudean (Ciufudean y Filote 2009), en
el que se presenta una propuesta basad a en este formalismo para obtener un
programa de produccion optimo en sistemas de manufactura inteligente (IMS) con
dinamicas discretas, en el que se maximiza la salida de producto y se minimiza el
inventario de trabajo en proceso.

Las caracteristicas propias de los modelos en PN han lIevado a muchos autores a

plantear la programacion y reprogramacion de la produccion como problemas de
control supervisorio (Ramadge y Won ham 1989) (Akesson 2002) (Petin , Gouyon y
Morel 2007) (Tittus y Akesson 1999) (Bourdeaud'huy y Toguyeni 2006). Desde esta
teoria, debe encontrarse una combinacion factible de los recursos en el tiempo que
satisfaga un objetivo . Para ello se sintetiza un supervisor minima restrictivo que hace
que el sistema sincronice la optima utilizacion de recursos por parte de los productos,
garantizando las especificaciones de comportamiento y la alcanzabilidad del objetivo,
evitando que el sistema caiga en estados de bloqueo 0 que lIegue a estados
prohibidos.

En (Kiritsis y Porchet 1996) se presenta una propuesta para el planeamiento dinamico

y secuenciamiento en sistemas de manufactura, mediante la cual el proceso de
planeamiento se representa dinamicamente. A partir de la simulacion se obtienen
todos los planes posibles y se encuentran las soluciones optimas aplicando heuristicas
propias de la manufactura. EI metodo propuesto se basa en la construccion de un
modelo PN dinamico y la creacion automatica del arbol de alcanzabilidad. Luego se
emplean algoritmos de busqueda profunda para determinar todas las posibles rutas .
La aplicacion de heuristicas de manufactura reduce sustancialmente la magnitud del
arbol de alcanzabilidad.

Otra area en la que se presenta un potencial de aplicacion es en la de sistemas con

altos requerimientos de reconfigurabilidad . En (Bourdeaud'huy y Toguyeni 2006) se
define un sistema de manufactura reconfigurable (RMS) como aquel que debe estar
habilitado para adaptar su configuracion en tiempo real, dependiendo de los objetivos
de produccion y los recursos disponibles. En el proceso de reconfiguracion se definen
los pasos para determinar las acciones necesarias para poner el sistema en un estado
compatible con la continuidad de la produccion . La reconfiguracion se expresa y
resuelve como un problema de alcanzabilidad en redes de Petri. Dentro de las
acciones de reconfiguracion se consideran rutas alternativas , arranque y parada de
recursos, secuencias de operacion factibles. Es importante anotar que este trabajo se
enfoca en el uso de modelos de control que generan procedimientos de
reconfiguracion habilitados para reorganizar tanto la estructura de la planta como los
objetivos de produccion en sistemas continuos .

115

 Trabajos en la misma direccion se presentan en (80urdeaud'huy y Toguyeni 2006) y

en (8i, y otros 2008) . Chokshi y McFarlane, en un trabajo muy extenso y completo ,
proponen una arquitectura distribuida para el control reconfigurable de operaciones en
procesos continuos . La propuesta distribuye las funcionalidades de programacion ,
reprogramacion, coordinacion y control (Chokshi y McFarlane 2008) (Lobo 2003).

Procesos especificos con requerimientos de reconfigurabilidad son por ejemplo los de

transferencia de material a traves de redes de conexiones (tuberias) . Estas
operaciones son tfpicas en las plantas quimicas por lotes (procesos tipo batch).
Tradicionalmente esta t~ rea se hace manualmente , 10 que toma tiempo y puede estar
sujeta a errores . Se propone una estrategia sistematica para generar las rutas optimas
y los procedimientos operativ~ s basada en programacion entera con PN .
Especificamente, las rutas mas cortas son seleccionadas sobre la base de la
representacion de la estructura del camino en la red de tuberias. Los modelos de
equipos son incorporados en el modelo de la ruta para crear un modelo com pleto del
sistema (Lai , Chou y Cha ng 2006) . Trabajos afines se presentan en (Gyapay, y otros
2002 ) (Chou y Chang 2004) (Wang, Chou y Chang 2005) (Feldmann y Colombo 1998)
(Music 1998).

En (Falkman , Lennartson y Tittus 2009) se presenta una solucion para los sistemas de
rutas y asignacion de recursos en plantas batch basada en lenguajes de PN. Estos
lenguajes utilizan PN ordinarias para que el arbol de alcanzabilidad sea finito.

Otra area en la que se ha despertado un notable interes es en la reconfiguracion de

sistemas de potencia para restablecimiento del servicio de energia. Especificamente,
en sistemas de distribucion (Chen , Ke y Wu 2001) (Yu-Lung , y otros 2004 ) y en
sistemas de potencia interconectados (Li , y otros 2005) (Canuto , y otros 2012)
(Fountas , Hatziargyriou y Valavanis 1997).
);
En (Zhenzhi , y otros 2006) se hace una revision sobre aplicaciones en
restablecimiento de sistemas de potencia mediante PN.

6.3 . REDES DE PETRI

En muchos procesos industriales las dinamicas predominantes en los niveles

superiores de decision se pueden caracterizar como de Sistemas Dinamicos de
Eventos Discretos (DES), los cuales presentan un espacio de estados finito ­
numerable y en los que la evolucion del estado se determina por la ocurrencia de
eventos espontaneos , asincronos yaleatorios .

La teoria de control supervisorio (SCT) propuesta por Ramadge y Wonham (Ramadge

y Wonham 1989) constituye el cuerpo teorico mas completo para controlar DES (Giua
1992).

Dos bases formales han side las mas utilizadas para abordar el control de los sistemas
de eventos discretos : los Automatas de Estados Finitos (FSA) y las redes de Petri
(PN). Estas ultimas, (Akesson 2002) (Iordache y Antsaklls 2006) han demostrado ser
mas utiles para el manejo de la complejidad , debido a su poder de representacion .
Estas tienen una mayor complejidad de lenguaje, ya que los lenguajes generados por
la red son superconjuntos propios de lenguajes regulares . Y Se adaptan facilmente a
la representacion de sistemas complejos porque han side disenadas especificamente
para modelar sistemas con com ponentes interactuantes y como tal estan habilitadas
para capturar muchas caracteri sticas de los sistemas ma nejados por even tos, como

116
concurrencia, sincronizaci6n , operaciones asfncronas, bloqueos, conflictos, entre
otros.

EI espacio de estados de las redes de Petri pertenece al conjunto de los enteros

positiv~s . La estructura de la red se puede mantener pequena, incluso si el numero de
marcas crece. Este poder de representaci6n las habilita para enfrentar el problema de
la explosi6n de estados de una manera mas apropiada que mediante aut6matas
finitos. Adicionalmente cuentan con tecnicas de analisis basadas en la estructura de la
red , mas que en su comportamiento, como el analisis basado en la matriz de
incidencia, y la sfntesis modular.

LENGUAJESFORMALES

Sea X = {a, p , ... }, un conjunto finito de diferentes simbolos denominado alfabeto. Una
cadena 0 palabra es una secuencia finita de simbolos sobre X. Se denota como X+ a
todas las cadenas finitas que sean posibles sobre el alfabeto X, de la forma 0"1 0"2· ·· O"k
donde k 2 1 Y O"i E X (Wyns 1999).

Ala uni6n de X+ con una cadena vacia {E} se Ie denota como X' , donde :
X' = X+ U {E}.

Por ejemplo si se tiene un alfabeto Xl = {a, b, e}, entonces

X ' = {E, a, b, e, ab, abe , aab e, aaab e, ... }.

EI conjunto de palabras formadas a partir de un alfabeto L recibe el nombre de

Lenguaje. Por ejemplo , para un alfabeto LI = {a, b, e} se puede decir que:

Ll = {E, ab, abe , ae} es un lenguaje formado a partir de LI.

AUTOMATAS DE ESTADO FINITO

Se define un aut6mata deterministico como una maquina de estados finitos capaz de

representar un Lenguaje siguiendo reg las que estan bien definidas. EI aut6mata de un
sistema a eventos discretos se define completamente de la siguiente forma :
G = (Q,£,8,r,q_o,Q_m) .
Donde,
0 , es el conjunto de estados .
2:, es un alfabeto y es un conjunto fin ito formado por los eventos del sistema . Ademas ,
el conjunto de eventos puede ser particionado en dos conjuntos .
I = I e U Inc, donde I e es el conjunto de todos los eventos controlables y Inc son los
eventos no controlables.
8: Q x I ~ Q, es la funci6n de transiciones del sistema . Esta definida solo para un

subconjunto de I en cualquier estado q E Q. Por conveniencia 8(q,0")! expresa que 8

esta definido para 0" desde q.

f: X ~ 2~ , es la funci6n de eventos activos.

f(q) , es el conjunto de todos los eventos para los cuales 8(q,0") esta definida y se

llama conjunto de eventos activos de G en q.

qo, es el estado inicia!.

Qm , es el subconjunto de Q que denota los estados marcados y representa las tareas

completas del sistema .

117
EI automata se denomina de estados finitos si el numero de estados es finito . Si la
funcion de transicion es unica , esto es 8(qa' 0- ) = qb, el automata se denomina
deterministico (Wyns 1999).

REDES DE PETRI

Una red Petri ordinaria es una estructura N = (P, T, F) donde :

P, es un conjunto finito no vado de lugares, IPI = m.

T, es un conjunto finito r 8 vacio de transiciones , IT I = n.

F, es un conjunto de arcos, tales que F ~ (P x T) U (T x P) .

Un marcaje M de una estructura N es una proyeccion M : P ~ N U {OJ , que asigna a

cada lugar un numero de marcas N. Una estructura N con un marcaje inicial Mo se

denomina una red de Petri marcada y se denota (N, Mo) ·

Es util expresar el marcaje como un vector. Se define el vector de marcaje como

rM (Pl), M (p z), .. . ,M(Pm)V , donde Pl 'PZ' .. ·, Pm son los lugares de la red .

Se definen los siguientes conjuntos :

Lugares de entrada a la transicion t :

-t(p E P : (p,t) E F}.

Lugares de salida de la transicion t :

t- = (p E P: (t,p) E F).

Una transicion t E Testa sensibilizada en un marcaje M si

V P E - t : M (p) ;::: 1.

Una transici6n sensibilizada en un marcaje M puede disparar y hace evolucionar el

marcaje hacia un marcaje M ' siguiendo la siguiente regia (Iordache y Antsaklis 2006) :

M(P) + 1 sip E t-\ -t}

M' (p) = M(p) - 1 sipE-t\t­
{
M(p) en otro caso.

EI disparo de la transici6n t que "eva al marcaje M ' desde el marcaje M, se puede

escribir como :
M[t}M '.

Una secuencia de disparo desde Mo es una secuencia de transiciones 0- = tl ... t k , tal

que MO[tl )Ml [t2)M2'" [tk )M k . Para expresar que una secuencia de disparo 0- lIeva a
Mk desde Mo, se escribe :
Mo[O'}Mk'

Un marcaje M es alcanzable en (N , Mo) si existe una secuencia de disparo 0- tal que

Mo[o-)M EI conjunto de todos los marcajes alcanzables se denota 'R(N , Mo)·

REDES DE PETRI ETiQUETADAS

Seg un las presenta Peterson (Peterson 1981) . En estas redes, a cada transicion t E T
se Ie asigna una etiqueta. Cada etiqueta es un evento que pertenece al conjunto de

118
eventos ~ del sistema, estableciendo asi un vinculo directo entre las PN, los sistemas
de eventos discretos y la teorfa de lenguajes formales.

Una PN etiquetada es una estructura (AI, I, No), donde:

(AI, No) es una red marcada .

{: T ~ 2"' U{E} es una etiqueta que asigna a cada transicion un even to

E es el evento silencioso.

( puede ser extendida a los cerramientos de Kleene de T, T* Y de L, L* .

EI espacio alcanzable R tv, No) de una PN (AI, I, No) puede ser expresado mediante un
arbol 0 grafo de alcanzabilidad . EI arbol de alcanzabilidad es un grafo dirigido cuyos
nodos son los marcajes alcanzables R tv, No) y los arcos estan etiquetados con las
etiquetas ((t) . EI grafo dirigido es tal que:

Para todo M, M* € R tv, No) Existe un arco dirigido desde M hasta M*, que esta
etiquetado por no
si M[t>M '.

6.4. TEORiA DE CONTROL SUPERVISORIO

EI punto de partida de la Teorfa de Control Supervisorio (SCT) considera que el

sistema , denominado planta y modelado como un sistema de eventos discretos,
exhibe un comportamiento no controlado y que ademas es un generador de lenguajes
sobre un alfabeto de eventos .
Este comportamiento debe ser modificado mediante un sistema de control
realimentado para alcanzar un conjunto dado de especificaciones .
Si el sistema es de eventos discretos y esta modelado mediante el automata G, que
representa el comportamiento no controlado, la premisa es que este comportamiento
no es satisfactorio y debe ser modificado, es decir, se requiere restringir el
comportamiento a un subconjunto de L(G). Para alterar el comportamiento de G se
introduce un supervisor, que se denota S.
En esta estructura de control propuesta por Ramadge y Wonham (Ramadge y
Wonham 1984) (Ramadge y Wonham 1989) (Quintero Henao 2010) , S observa
algunos 0 posiblemente todos los eventos que G genera y establece cuales de esos
eventos , disponibles en el conjunto de eventos activos de G, se permiten para ser
ejecutados. Mas precisamente, S tiene la capacidad de deshabilitar algunos, pero no
necesariamente todos los eventos factibles de G, como se muestra en la Figura 1.

SlI jl('rvisor

P) '\llt.ll

Figura 1. Estructura del control supervisorio .

119

SiNTES/S DEL SUPERVISOR

EI efecto de S sobre G puede ser capturado mediante la composlclon paralela de

automatas (Zapata Madrigal 2011) . Esta es la base para la sintesis del supervisor. En
la sintesis se construye una lista fuera de linea de las acciones de control de S, para
todos los posibles comportamientos del sistema controlado L(Sj G) . Esta realizacion
pued e ser almacenada y ejecutada en linea , "Ieyendo" la accion de control deseada,
esto es, la accion de control (evento controlado) para la cadena de eventos observada.
Los pasos para realizar la sintesis son los siguientes :
• Se realiza la corrposicion paralela entre la planta y la especificacion.
• Se verifica si existen estados prohibidos , de haberlos se suprimen .
• Se verifica la condicion de no bloqueo . De haber estados que lIeven a bloqueo
se suprimen .
• Se verifica la controlabilidad, si existen eventos que Ileven a la no
control abilidad , se evita n.
• Se re piten las verificaciones de no bloqueo y controlabilidad hasta obtener el
supervisor.

EI siguiente algoritmo fue propuesto por (Boling s.f.), donde:

Com pare, es una funcion que realiza la composicion paralela entre dos automatas , en

la q ue se pueden obtener algunos estados que son prohibidos .

Purge, es una funcion que toma los estados prohibidos y los quita del automata.

QCOI es el conjunto de estados co accesibles .

MG I es el conjunto de estados marcados de G.

XG I es el conjunto de estados prohibidos de G.

QX I es el conjunto de los estados bloqueantes mas los es tados prohibidos previos .

EI algoritmo es el siguiente:

purge (So);
i = 1;
repeat
Qeo = Mc : Qc = X ; Q = 0;
r epeat
V Q E [Q c \ (Q co U r.ix )]

IF [Q c\ (Q eo U Qx )] = 0 THEN

END

ELSE

:J (J E Lc/{[6(q, (J) E Qx ] v [V 6(q, (J) no esta definidoJ)

Qx = Qx U {q };

Qco = Qeo U Q;

ENDIF
UNTIL Q = 0;

Qoi = Qeo \ Qx :

REPEAT
Xc = Qc \Qeo;

Qx = Xc; Q = 0:

V q E Qc\Qx IF :J(J E Lne j6(q, (J) E Qx THEN

Q=Qu{q};

Qx = Qx U Q;

UNT IL Q = 0;

Xc = Qx ;

Qoi+ l = Qeo \ X c ;

i = i + 1;

120
UNTIL Qo i = Q oi + 1;

Qs = Qsd /esos son los estados del Supervisor.

6.5. APLIC ACION EN PLANIFICACION Y PROGRAMACION DE LA

PRODUCCION

Planteando apropiadamente las operaciones del Planificador como un problema de

control supervisorio, se pueden aplicar las redes de Petri y el anal isis mediante el arbol
de alcanzabilidad para sintetizar un supervisor que encuentre la combinacion de los
recursos que pueda realizar un objeti vo de produccion. Ademas, debe sincronizar su
utilizacion, evitar conflictos entre ellos, verificar las restricciones operacionales, evitar
que el sistema lIegue a estados prohibidos y permitir que alcance estados que
cumplan con el objetivo de produccion . Soluciones desde este enfoque, que elaboran
un modele compuesto de productos y recursos mediante PN y que realizan la sintesis
desde la teoria de control supervisorio mediante analisis del arbol de alcanzabilidad se
encuentran en (Lennartson, Tittus y Fabian 1998) (Music 1998) (Reveliotis 1999)
(Reveliotis 1999) (Tittus y Akesson 1999) (Akesson 2002) (Falkman, Lennartson y
Fabian 2005) (Petin, Gouyon y Morel 2007) (Falkman, Lennartson y Tittus 2009)
(Zapata Madrigal 2011 )

CONSTRUCCION DE MODELOS

Para construir la PN global se parte del modelo del producto . Se tendra un modele por
cada producto que se elabore en el proceso y cada uno se especifica
independientemente. En el modele se establecen las secuencias de operaciones
requeridas para su obtencion . Para efectos de determinar una configuracion que
permita cumplir con el objetivo de produccion, se considera la dinamica discreta del
producto, no la dinamica continua. Es decir, para obtener un producto se requiere que
haya disponibilidad de materia prima y que el node de proceso este disponible para
realizar la operacion de transformacion. EI modelo no considera los flujos de masa y
energia, solo las condiciones necesarias para que se produzcan. Los nodos de
proceso representan operaciones de transformacion, como por ejemplo "calentar",
"enfriar", "mezclar", "separar", "presurizar". Estas operaciones indican las
competencias exigidas a los recursos que las deben realizar. Un ejemplo se muestra
en las figuras 2 y 3 donde un proceso continuo se modela mediante PN.

op- Insumo C Insumo C

InsLlmOA

Produdo 8 Produclo 0

In su illo 6

Prod udo C
Figura 2. Proceso continuo.

MODELO DEL RECURSO

Para determinar la configuracion , se requiere conocer del recu rso su disponibilidad y

sus competencias . De la PN del recurso se determina la disponibilidad del recurso (si

121
esta realizando una operacion, presenta una falla 0 esta en mantenimiento). La Figura
4 muestra el modele y el Tabla 1 se presentan los estados y eventos.
InsumoA Insumo 8 Competencia _op ·

o
Pro ducto D
Figura 3. Dinamica discreta del proceso continuo .

Competencias

Figura 4. Modelo PN del recurso

Tabla 1. Estad
- - -- - - del - d
- - -

Estados Descripcion
Tja Recurso j disponible
rjua Recurso j no disponible
op Competencias
Tjb Recurso j reservado
Eventos Descripcion
a uar a no disponible
aar a disponible
abr a reservado
aubr a no reservado

122

MODELO DE LAS CONEXIONES

Las conexi ones garantizan el flujo del producto entre recursos y su disponibilidad 0 no
disponibilidad incide en la definicion de la configuracion . Los modelos de las
conexiones se obtienen desde las restricciones operacionales y fisicas impuestas por
el proceso. Para permitir el flujo de producto entre recursos conectados, cada uno de
ellos tiene puertos de entrada y salida. Las disponibilidades de los puertos y de las
conexiones tambiem se incluyen en el modelo. En la Figura 5 se muestra la PN para
las conexiones con sus respectivas leyendas en el Tabla 2.

°cu nv

Figura 5. Modelo de las conexiones

Tabla 2. Estados y eventos de las conexiones .

Estados Descripcion
cav Conexion disponible
cunv Conexi on no disponible
CCUS Conexion usada
Eventos Descripcion
(Jcav a disponible
(Jeus a usada
(Jcun a no reservada

A continuaci6n se representan algunas de las posibles configuraciones de las

conexiones.

123
 G Pewt o"t( r,) r, ' r;

Figura 6. Recursos conecta dos en serie

~:~G

Figura 7. Recursos conectados en Bifurcacion

Port out (r,)

c (r.,r2 ) c (r, r2+ ra)

o
c (r. ,n)
Figura 8. PN recursos conectados en bifurcacion asincrona

124
 c (r, .r2 ) c (r'J3)

Figura 9. PN recursos conectados en bifurcacion sfncrona .

Figura 10. Recursos conectados en union

Port ;n(rs)

c (r, .r:!) c (r, .rz.rl) c (r=.rJ )

Figura 11 . PN Recursos conectados en union asfncrona.

125
 r,/r3 Port in (r.) r-iD

c(r"rJ J c(r>,r3 )

Figura 12. PN recursos conectados en union sincrona

Para el modelo completo de una planta, se realiza la composicion entre los recursos y
los productos y se representan las conexiones de los recursos en el mismo.

Para la composicion del producto con el recurso se hace la siguiente construccion : a la

sa lida de la transicion "enviar_peticion" se crean los lugares "competencia" y se
fusionan los lugares "competencia" del producto con los lugares "competencia" de los
modelos de los recursos correspondientes.

Una vez definido el modelo global se pueden determinar todas las posibles
configuraciones para obtener el producto a partir del arbol de alcanzabilidad, el cual
entrega tambien todas las posibles secuencias de operaciones .

Etiquetando apropiadamente los eventos con el recurso utilizado en cada transicion de

estado , se lIega a que el lenguaje marcado Lm(G) del arbol de alcance es el conjunto
de configuraciones posibles de la planta .

EI marcaje inicial del modelo completo en PN se establece a partir de los estados de

cad a recurso, estableciendo un uno cuando se encuentra disponible y un cero en caso
contrario . AI ejecutar la PN con el marcaje definido, se obtiene el arbol de
alcanzabilidad para una condicion operativa especifica.

ALGORITMO DE SiNTESIS DEL SUPERVISOR

Definido el automata G a partir del arbol de alcanzabilidad , es posible aplicar el

algoritmo de sintesis del supervisor para retirar los estados que hacen que el sistema
no sea controlable, los estados que lIevan a bloqueos y los estados que no cumplan el
objetivo de produccion .

6.6. OPTIMIZACION BASADA EN REDES DE PETRI

Teniendo el arbol de alcanzabilidad que entrega las rutas posibles de solucion que
pueden lIevar al cumplimiento de manera satisfactoria del objetivo fijado, se debe
establecer un sistema de metricas 0 capacidades en el arbol de tal manera que
permita la determinacion de los costos en los que se incurre al recorrer cad a ruta .
EI arbol de alcanzabilidad con capacidades se establece otorgando un peso en los
arcos que conectan a cada nodo, determinado por una funcion de costa especifica del
proceso dependiendo de la metrica a partir de la cual se va a establecer el criterio de

126
optimizaci6n. Esta metrica puede ser tiempo, costa de materias primas, distancia,
cantidad de procesos, etc.

Formalmente el arbol de alcanzabilidad con capacidades se define segun la teoria de

lenguajes y aut6matas (Zapata Madrigal 2011) como sigue:

Sea Gcont el arbol de alcanzabilidad generado a partir de la red de Petri del modelo
global en el cual la totalidad de las rutas lIeva a cumplimiento del objetivo fijado, se
define el arbol con capacidades a partir de G conl como:
G cap = < G con l , cap_config >

Om, es el conjunto de estados marcados de G conl que lIevan a terminaciones

satisfactorias del producto .

A cada qmi 8 Om se Ie asocia un numero real positiv~ que indica la capacidad 0 costo.

Una vez definido G cap los costos asociados a cada node se suman para cada una de
las rutas y se aplica un criterio de optimizaci6n que puede ser por minimo costa 0 por
minimo tiempo; algunos criterios mas avanzados permiten analizar la posibilidad de
escoger una ruta que minimice ambos aspectos del proceso productiv~.

6.7. CASO DE ESTUDIO

EI proceso consiste en una central termica de cicio combinado como el resumido en la

Figura 13. Este es un proceso termodinamico que tiene como fin la producci6n de
energia electrica a traves de dos ciclos diferentes. EI primero es un cicio abierto de
gas que tiene como entradas aire y combustible . EI segundo es un cicio cerrado de
vapor de agua que toma los gases producto del primer cicio y med iante una caldera de
recuperaci6n de calor (HRSG) pasa agua de liquido saturado a vapor sobrecalentado.

Com bu stib le Gasf"Scahenres

Ai re

Comp resor Tu rbina a sas electrico

ch imenea
Rec up eraCl 6 n de
calor
Figura 13. Central de cicio combinado , tornado de (Ruiz Jaramillo 2009)

En la Figura 14 se muestra la representaci6n grafica de los recursos y en la Figura 15

se hace una representaci6n simplificada de las conexiones y del proceso completo.

127
 Recu(so
Gene ra dor

I ( LA/J- ­ .~

I
1 ____________ 1

Figura 14. Definicion de recursos en una central termica

Figura 15. Representacion simplificada del proceso Central termica de cicio combinado.

Para la construccion del modelo PN global del proceso, se sigue el metodo propuesto.
En el modelo del producto se tienen las operaciones generar con gas y generar con
vapor. Los productos son energia electrica y vapor. La Figura 16 expresa el modele
del producto de una central termica de cicio combinado , y su red de Petri.

Una vez se tiene la composicion entre producto y recurso , se hace la conexion entre
los recursos . Para el caso de estudio , se hace la conexion entre las turbinas de gas y
las calderas y entre las calderas y las turbinas de vapor.
Los recursos estan conectados en bifurcacion asincrona/union asincrona. Las
conexiones entre los recursos se establecen en el Tabla 3_

Por ejemplo, la linea t,t (ver figura 2) conecta la caldera 1 (HRSG1) con la turbina de
vapor 1 (TV1), como se indica en los primeros elementos del Tabla 1.
Las restricciones operacionales se establecen por los equilibrios de presion de vapor
en las tuberias. Por ejemplo , no es posible establecer una conexion entre TG1 y TV2 ,

128
si TG4 esta conectado con TV1, debido a que no es posible realizar ese cruce de
presiones. En ese caso, para conservar un equilibrio de presiones, estarian
conectados TG1 y TG2 con TV1 y TV2.

EI modelo en PN debe expresar el conjunto de todas las restricciones fisicas y permitir

solo las que sean posibles.

La herramienta seleccionada para modelar y simular es el CPNTools (Jensen 2003),

(www.cpntools.org). EI modele global para la central 4x2 se presenta en la Figura 17, y
en las figuras siguientes se presentan los arboles de alcanzabilidad .
Gas Aire Competencia OPl

Com petencia OP3

Energia
Figura 16. PN Modelo del producto

Tabla 3 Conexiones entre los recursos

LInea Recursos conectados LInea Recursos conectados
/,1, c(HRSG1, TV1) /, 1, /,t, t /~ c(HRSG1, TV1 + TV2 )
/,0 c(TG1, HRSG1) /, t,t, t,t c(HRSG1,TV2)
/,1, I,t, c(HRSG1 +HRSG2,TV1) /,1, I,t, t/~ c(HRSG1 +HRSG2,TV1 +
TV2)
/,1, I,t, tt c(HRSG1 +HRSG2+HRSG3 /,1, I,t, ttl~ c(HRSG1 +HRSG2+HRS
,TV1) G3,TV1 +TV2)
/,1, I,t, tIL. c(HRSG1 +HRSG2+HRSG3 /,1, I,t, ttl,/;t c(HRSG1 +HRSG2+HRS
+HRSG4,TV11 G3+HRSG4,TV1 +TV2)
/" c(TG2,HRSG2) /,; c(TG3,HRSG3)
I" c(TG4,HRSG4)

Para obtener el arbol de alcanzabilidad completo de la central termica , se establece un

marcaje inicial con todos recursos y conexiones disponibles. Del analisis de
propiedades se puede concluir que el modelo PN de la central termica de cicio
combinado es:
• Acotado .
• Seguro.
• Vivo.

129
Todos los estados de terminacion satisfactoria del producto son alcanzables.

Figura 17 . Modelo global

130

 0
0 Q G

,
Gb @ @ .:.

.. @ .,
" "
.." .
@ .. .
u
.
" C!J
.
,.

.
u .... u"
. .
" "

r.-'
.. 10 U
8 ~
T

u .
"
u
... " ... ""
.
"
.
"
. .
" " "" " "" "" "
. ".
" I, ~ .
~
~

r.-, p
'"

..
Figura 18 , Arbol de alcanzabilidad con todos los recursos disponibles .

EI conjunto de estado fi nales , definido como el conjunto de estados que Ilevan a

terminaciones satisfactorias del producto , esta dado por:

Om = {15, 16, 17, 78, 81,82, 86, 91 , 92 , 93, 94}

Del analisis del arbol se concluye 10 siguiente:

Los estadosfinales son los nodos 13, 14,15, 17, 3 1,32.

Los estados 13, 14, 15 Y 32 conducen a terminaciones satisfactorias del producto .
Om = {1 3, 14, 15, 32}

Los estados 17 y 31 no cond ucen a terminaciones satisfactorias del producto, debido a

que consideran el uso del recurso r2 sin tener disponible un recurso aguas abajo que
reciba el Producto C y entregue el Producto A. De acuerdo con esto, ninguna
secuencia que Ileve a r2 es permitida . Por ejemplo , la secuencia s = hr1r1hr3hr2r2, no es
permitida.

AI aplicar el algoritmo de sintesis del supervisor, verificando que el aut6mata es

controlable, suprimiendo estados que lIeven a bloqueos, evita ndo los estados 17 y 31 ,
se obtiene el arbol de la Figura 19. Asignando las capacidades a cada node final , se
obtien e el arbol de alcanzabilidad controlable y con capacidad es de la Figu ra 20.

131

Una vez se tiene este arbol, se suprimen los estados para los cuales la finalizaci6n del
objetivo no es factible; es decir, se retiran los estados 5, 7 Y 13; obteniendo el arbol de
la Figura 21, con el estado 18 como (mico estado para el cual el objetivo final es
factible.

Si se recorren las trayectorias que \levan al estado final, es aqui donde un algoritmo de
optimizacion que minimice costa 0 tiempo puede ser aplicado para obtener la ruta
optima que \leva al cumplimiento del objetivo.

1:1->

: 2->4 ..,."..ltl I !

HlUl :

Figura 19. Arbol de alcanzabilidad controlable

132
 PN"HR I I : 3: 2 ·>4 PN"HR2 1:

I" 10

Figura 20. Arbol de alcanzabilidad controlable y con capacidades

6.B. CONCLUSIONES

Se ha presentado e ilustrado la estrategia para resolver problemas de optimizaci6n de

recursos de producci6n en ambientes dinamicos y con respuestas apropiadas en
tiem po real, 10 que la habilita para su aplicaci6n en automatizaci6n ind ustrial.
La estrategia combina el poder de representaci6n de las redes de Petri y su capacidad
para modelar el comportamiento dinamico de un sistema de eventos discretos, con la
teoria de lenguajes y la teoria de control supervisorio. Se elabora un modelo global y
dinamico de los recursos de producci6n y segun su estado y sus capacidades, se
genera el arbol de alcanzabilidad de todas las posibles combinaciones de los recursos
que estan habilitados para ejecutar el plan de producci6n . Sobre el arbol de
alcanzabilidad, el cual es una maquina de estados finitos, se aplica la teo ria de control
supervi sorio para determinar soluciones factibles y que evitan estados prohibidos.
Finalmente, sobre el arbol de soluciones factibles se aplican tecnicas de optimizaci6n y
se definen criterios para seleccionar la combinaci6n de los recursos que mejor
satisface esos criterios.
La estrategia ha side validada experimentalmente con resultados de desempefio
temporal apropiados para las aplicaciones en tiempo real.

133
 1: 1-> 2

1 I.: 3:2->4 PH ~IU 1:

:1- >6".'HA2 1 :

1:

Figura 21 . Arbol de alcanzabilidad de finalizaci6n satisfactoria- rutas factibles

RE FERENCIAS

Akesson , K. «Methods and Tools in Supervisory Control Theory.» Thesis For The
Degree of Doctor of Philosophy, 2002 .
Bi , Z. M. , S. Y. T. Lang, W Shen , y L Wang. «Reconfigurable manufacturing systems :
the state of the art.» International Journal of Production Research, vol. 46, 2008:
967-992.
Boling , J. s.f. https://www.abo .fi/-jboling/cdes/algorithms.pdf.
Bongaerts, L. «Integration of scheduling and control in holonic manufacturing
systems .» 1998.
Bourdeaud'huy, T, y A Toguyeni. «Analysis of Reconfiguration Strategies Based On
Petri Nets Models and Optimization Techniques.» Discrete Event Systems, 20068th
International Workshop, 2006 : 319-324 .
Canuto , K. M, G. C Barroso, M. P Sales Neto, R. F Sampaio, R. P. S Leao, y E. B
Medeiros. «Fluent Restoration Modelling Applied to a Real Power System Using
Colored Petri Nets.» in (lCREPQ'12) , International Conference on Renewable
Energies and Power Quality Santiago de Compostela, 2012: 6.
Chen , C. S, Y. L Ke , y J . S Wu. «Coloured Petri nets approach for solving distribution
system contingency by considering customer load patterns .» Generation,
Transmission and Distribution, lEE Proceedings-, vol. 148, 2001 : 463-470.
Chokshi , N. N, Y D. C. McFarlane . «A Distributed Coordination Approach to
Reconfigurable Process Control.» Hardcover: Springer, 2008 .

134
Chou, H.H, Y C.T Chang . «Petri-Net-Based Strategy To Synthesize the Operating
Procedures for Cleaning Pipeline Networks. }) Industrial & Engineering Chemistry
Research, vol. 44,2004: 114-123.
Ciufudean, C, y C Filote . «Safety Discrete Event Models for Holonic Cyclic
Manufacturing Systems. }) Holonic and Multi-Agent Systems for Manufacturing. vol.
5696, 2009: 225-233 .
Falkman , F, B Lennartson , y M Fabian. «Control architecture fo r flexi ble production
systems.» Automation Science and Engineering, 2005 : 307-312.
Falkman , P, B Lennartson , y M Tittus. «Specification of a batch plant using process
algebra and petri nets.» Control Engineering Practice, vol. 17, 2009 : 1004-1015.
Feldmann, K, y A. W Colombo . «Material flow and control sequence specification of
flexible production systems using coloured Petri nets .}) The Interna tional Journal of
Advanced Manufacturing Technology, vol. 14, 1998: 760-774 .
Fountas , N. A, N. 0 Hatziargyriou, y K. P Valavanis . «Hierarchical time-extended Petri
nets as a generic tool for power system restoration .» Power Systems, IEEE
Transactions on, vol. 12,1997: 837-843.
Fu-Shiung, H. «Collaborative timed Petri net for holonic process planning .» American
Control Conference, 2003 : 344-349 .
Giua , A. «Petri nets as discrete event models for supervisory control.» Rensselaer
Polytechnic Institute , 1992.
Gyapay, S, A Pataricza, J Sziray, y F Friedler. «Petri Net-based optimization of
production systems .}) 6th IEEE International Conference on Intelligent Engineering
Systems, 2002 : 465-469.
lordache, M. V, Y P. J Antsaklis. «Antsaklis , Supervisory Control of Concurrent
Systems : A Petri Net Structural Approach (Systems \& Control: Foundations \&
Applications): Birkhauser.» 2006.
Jensen , K. «Coloured Petri Nets : Basic Concepts , Analysis Methods and Practical
Use. Volume 1.}) (Monographs in Theoretical Computer Science. An EATCS
Series) : Springer, 2003.
Kiritsis , 0 , y M Porchet. «A generic Petri net model for dynamic process planning and
sequence optimization .}) Advances in Engineerin g Software, vol. 25, 1996: 61-71 .
Lai, J . W., H. H Chou, Y C. T Chang. «Petri- net based integer programs for
synthesizing optimal material transfer procedu res in pipeline networks. }) Journal of
the Chinese Institute of Engineers, vol. 29,2006: 337-346 .
Lennartson, B, M Tittus , y M Fabian . «Modeling , speCification and controll er synthesis
for discrete event systems.» Systems, Man, and Cybernetics , 1998: 698-703.
Li , L, Z Liao , S Huang , y G Wang . «A Distrib uted Model for Power System Restorati on
Based on Ant Colony Optimization Algorith m.» in Transmission and Distribution
Conference and Exhibition: Asia and Pacific, 2005: 1-5.
Lobo, C. «Sistema Multiagente para Coordinar Unidades de Producci6n. )} Merida,
Venezuela, 2003 .
Music, G. a. M. D. «Petri Net Based Supervisory Control of Flexible Batch Plants .» 8
th IFA C Symp. on Large Scale Systems: Theory & Applica tion,Rio Pa tras, 1998.
Peterson , J. L. «Petri Net Theory and the Modeling of Systems .» Prentice Hall PTR,
1981 .
Petin , J. F, 0 Gouyon, y G Morel. «Supervisory synthesis for product-driven automation
and its application to a fleXible assembly cell. » Control Engineering Practice, vol. 15,
2007 : 595-614 .
Quintero Henao, L. F. «Un Modelo de control inteligente para sistemas de manufactura
basado en los paradigmas Hol6nico y Multi-Agente.» Maestria en Ingenieria de
Sistemas, Facultad de Minas - Escuela de Sistemas, Universidad Nacional de
Colombia, Medellin, 2010 .
Ramadge, P, y W Wonham . «Supervisory control of a class of discrete eve nt
processes .» 1984: 475-498 .

135
Ramadge , P. J. G., Y W. M. Wonham . «The control of discrete event systems .»
Proceedings of the IEEE, vol. 77, 1989: 81-98 .
Reveliotis, S. «Real-Time Control of Flexibly Automated production systems.» 1999.
Ruiz Jaramillo, N. A . «Diseno de un sistema de control 16gico programable pa ra la
supervisi6n convensional de una central termica cicio combinado.» Ingeniera de
Control, Escuela de Mecatronica, Universidad Nacional de Colombia, Medel/in,
2009.
Tittus, M, y K Akesson . «Petri Net Models in Batch Control.» 1999.
Tuncel , G, y G Bayhan. «Applications of Petri nets in production scheduling: a review.»
The International Jot /mal of Advanced Manufacturing Technology vol. 34, 2007:
762-773.
Wang, Y.F, H. H Chou , Y C.T Chang . «Generation of batch operating procedures for
multiple material-transfer tasks with Petri nets.» Computers &amp; Chemical
Engineering, vol. 29, 2005: 1822-1836.
Wyns , J. «Reference architecture for holonic manufacturing systems.» 1999.
Yu-Lung, K, C Chao-Shun, K Meei-Song , W aw-Shyang, y L Tsung-En . «Power
distribution system switching operation scheduling for load balancing by using
colored Petri nets.» Power Systems, IEEE Transactions on, vol. 19,2004: 629-635.
Zapata Madrigal, G. «Propuesta Para la Planificaci6n , Programaci6n, Supervisi6n y
Control de la Producci6n en Procesos Continuos Desde la Teoria del Control
Supervisorio y el Enfoque HoI6nico.» Doctor en Giencias Aplicadas, Universidad de
Los Andes, Merida, Venezuela , 2011.
Zhang , B, Y Qu , T Ma , y P Li . «Optimization of consuming resource problem based on
rea cha bility graph of petri nets ,. » Control Conference (CGC) . China, 2011.1745­
1748.
Zhenzhi , L, W Fushuan, C. Y Ch ung , y K. P Wong. «A survey on the applications of
Petri net theory in power systems.» Power Engineering Society General Meeting ,
2006.

136