0 оценок0% нашли этот документ полезным (0 голосов)
92 просмотров3 страницы
Este documento discute la optimización frente a la simulación para modelar un proceso de manufactura. Explica que inicialmente se realizará una simulación debido a que el problema podría ser complejo y no lineal. Luego, se optimizará el modelo de simulación usando un optimizador metaheurístico para minimizar el tiempo promedio de procesamiento, sujeto a restricciones en inventario y tiempo de producción diario. Finalmente, proporciona detalles sobre los supuestos, parámetros y métricas que se usarán en la simulación.
Este documento discute la optimización frente a la simulación para modelar un proceso de manufactura. Explica que inicialmente se realizará una simulación debido a que el problema podría ser complejo y no lineal. Luego, se optimizará el modelo de simulación usando un optimizador metaheurístico para minimizar el tiempo promedio de procesamiento, sujeto a restricciones en inventario y tiempo de producción diario. Finalmente, proporciona detalles sobre los supuestos, parámetros y métricas que se usarán en la simulación.
Este documento discute la optimización frente a la simulación para modelar un proceso de manufactura. Explica que inicialmente se realizará una simulación debido a que el problema podría ser complejo y no lineal. Luego, se optimizará el modelo de simulación usando un optimizador metaheurístico para minimizar el tiempo promedio de procesamiento, sujeto a restricciones en inventario y tiempo de producción diario. Finalmente, proporciona detalles sobre los supuestos, parámetros y métricas que se usarán en la simulación.
Facultad de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Taller de Simulación de Procesos de Manufactura y de Servicios Marcelo Tuta Hernández, mtutah@unal.edu.co; Daniel Eduardo Ortiz deortizm@unal.edu.co; Sergio Andrés Ovalle, saovallep@unal.edu.co
OPTIMIZACIÓN VS SIMULACIÓN
Se decide por hacer una simulación inicialmente ya que:
- Dependiendo de los requerimientos que se vayan a tener para el modelo, el problema propuesto puede tornarse complejo y una solución analítica sería insuficiente para abordarlo de manera adecuada. Una simulación permitiría reflejar con más claridad el modelo e incluso estructurarlo por módulos de ser necesario.
- Si se necesita escalar (redimensionar) el problema en algún momento se puede hacer con relativa facilidad.
- La estructura de una simulación refleja la estructura del sistema real. Además, como dicha estructura se crea mediante lenguajes visuales, es más fácil comunicarla a personas externas al equipo de creación del modelo (Borshchev, 2013).
- La capacidad de animar la simulación, permitiendo reflejar de manera más realista el comportamiento de un sistema, y a la vez haciendo más fácil la validación y verificación del mismo (Borshchev, 2013).
Por otro lado, teniendo en cuenta que se pueden ver involucradas funciones no lineales de cierta complejidad y de naturaleza estocástica, la optimización puede presentar algunos problemas:
- Es difícil definir una expresión analítica de la función objetivo o de las restricciones, lo que reduce la posibilidad de encontrar cálculos exactos o gradientes locales.
- En algunos casos en los que el objetivo no sea encontrar el número óptimo de máquinas, sino la manera de organizar las máquinas, o el problema de interés sea políticas de ruteo de partes finalizadas de cada estación, las técnicas de programación matemática no son usualmente aplicadas.
No obstante, después de crear la simulación es conveniente optimizar, ya que una simulación no garantiza una solución óptima (Anderson et al., 2011). Por esto, se optimizaría mediante metaheurísticos, dada la gran flexibilidad de estos frente a métodos más tradicionales (Vélez & Montoya, 2007), por ejemplo, cuando el experimentador de un modelo de simulación desea medir algún índice de desempeño del sistema representado, debe realizar un número importante de compilaciones de simulación a fin de obtener una muestra representativa para el punto de diseño, solo así estimará las cantidades estadísticas asociadas a ese punto de diseño (Brea, E. 2014).
Tanto la optimización como la simulación, representan campos complementarios, que pueden coadyuvar a la mejora de sistemas complejos.
● Para iniciar el diseño de la simulación, se tomarán los siguientes supuestos en cuenta:
- Los tiempos de procesamiento por estación son estocásticos - El material en una estación solo será llevado a la estación con el número siguiente. Ej: El material que sale de la estación 3 va directamente a la estación 4, no puede volver a la estación 2 o pasar a la 5. Este supuesto solo se omite cuando material sale de la estación 1, ya que puede ir o bien a la estación 2 o a la 3. - El tiempo de transporte entre dos estaciones determinadas es determinístico. No existen obstáculos para el montacargas.
● Luego, se establecen los siguientes parámetros para la simulación:
- Tasa de llegada de material - Distribución de tiempos de procesamiento por máquina en cada estación - Máximo material en espera por estación. - Tiempo de transporte de material entre cada una de las estaciones mediante el montacargas.
● Hasta este punto la simulación puede proporcionar los siguientes datos:
- Tiempo medio del material en las instalaciones de manufactura y su desviación estándar - Tiempo mínimo y máximo del material en el proceso.
Finalmente, se opta por optimizar mediante un Optimizador Metaheurístico, OptQuestTM.
Función objetivo: Disminuir el tiempo promedio desde que una unidad entra al proceso hasta que sale.
Restricciones: - La cantidad de órdenes diarias de producto debe ser menor o igual a la suma total de inventario más la cantidad de producto producido al día. - El tiempo total de operación debe ser menor al tiempo total dada la cantidad de órdenes asignadas para el día o mes de trabajo.
Bibliografía
1. Anderson, D., Sweeney, D., Williams, T., Camm, J. & Martin, K. (2011) Métodos cuantitativos para los negocios. 11a. Edición. Cengage Learning 2. Brea Elbert (2014) ¿Optimización por simulación u optimización para la simulación? Memorias del II Seminario de Modelos y Modelado. Universidad Central de Venezuela 3. Borshchev, Andrei (2013) The Big Book of Simulation Modeling. Anylogic North America 4. Vélez, M. & Montoya, J. (2007) METAHEURÍSTICOS: UNA ALTERNATIVA PARA LA SOLUCIÓN DE PROBLEMAS COMBINATORIOS EN ADMINISTRACIÓN DE OPERACIONES. ISSN 1794-1237 5. Azadivar, F. (n.d.). Simulation optimization methodologies. WSC’99. 1999 Winter Simulation Conference Proceedings. “Simulation - A Bridge to the Future”