Sunteți pe pagina 1din 93

Metodologa para la optimizacin de la distribucin de

planta de TECMO Estructuras Metlicas S.A.

Carlos Enrique Gmez Segura

Profesor trabajo de grado: Juan Carlos Garca Daz


PhD. Operations Research.

Pontificia Universidad Javeriana


Facultad de Ingeniera
Departamento de Ingeniera Industrial
Bogot D.C.
2012

Tabla de contenido
Tabla de figuras...................................................................................................................... 4
1.

Planteamiento del problema................................................................................................ 6


1.1.

Descripcin de Tecmo S.A........................................................................................... 6

1.1.1.

Objeto Social ........................................................................................................ 6

1.1.2.

Portafolio de productos ......................................................................................... 7

1.1.

Procesos productivos y distribucin de planta.............................................................. 7

1.2.

Importancia de medicin y mejora de la distribucin de planta .................................... 8

2.

Justificacin del proyecto ...................................................................................................10

3.

Objetivos ............................................................................................................................11

4.

3.1.

Objetivo General .........................................................................................................11

3.2.

Objetivos Especficos..................................................................................................11

Marco terico .....................................................................................................................12


4.1.

4.1.1.

Definiciones .........................................................................................................12

4.1.2.

Tipos y estrategias de distribucin de planta .......................................................13

4.1.3.

Proyectos de distribucin de planta y de redistribucin ........................................15

4.2.

5.

Distribucin de planta .................................................................................................12

Formulaciones del FLP ...............................................................................................16

4.2.1.

Aproximacin de Muther ......................................................................................16

4.2.2.

Mtodos grficos .................................................................................................17

4.2.3.

Problema de asignacin cuadrtica QAP .............................................................19

4.2.4.

Programacin entera mixta MIP ...........................................................................20

4.2.5.

Modelos de mltiples plantas ...............................................................................23

4.2.6.

Modelo de distribucin de planta dinmico (DFLP) ..............................................23

4.2.7.

Otras formulaciones .............................................................................................24

4.3.

Mtodos de solucin del FLP ......................................................................................24

4.4.

Proceso de jerarqua analtica.....................................................................................25

4.5.

Simulacin ..................................................................................................................27

4.6.

Diseo de experimentos .............................................................................................28

Metodologa propuesta ......................................................................................................29


5.1.

Diagrama del proceso propuesto ................................................................................29

5.2.

Informacin base del proceso y la distribucin de planta ............................................29

6.

5.3.

Diseo de experimentos .............................................................................................30

5.4.

Diseo del modelo matemtico ...................................................................................30

5.5.

Solucin del modelo....................................................................................................31

5.6.

Validacin de resultados por simulacin .....................................................................31

5.7.

Mejoras propuestas y control por indicadores .............................................................32

5.8.

Aplicabilidad de la metodologa en otros medios ........................................................33

Recoleccin de informacin ...............................................................................................34


6.1.

7.

Distribucin actual de planta .......................................................................................34

6.1.1.

Plano de planta general .......................................................................................34

6.1.2.

Distribucin de departamentos ............................................................................35

6.2.

Sistemas de transporte ...............................................................................................35

6.3.

Flujos de proceso .......................................................................................................36

6.4.

Restricciones iniciales .................................................................................................38

Aplicacin del diseo de experimentos ..............................................................................39


7.1.

Factores y niveles .......................................................................................................39

7.2.

Corridas y resultados ..................................................................................................40

7.3.

Diseo estadstico.......................................................................................................42

7.3.1.

8.

Resultados anlisis de varianza ...........................................................................42

7.4.

Anlisis del experimento .............................................................................................44

7.5.

Indicadores sugeridos .................................................................................................47

Desarrollo del modelo ........................................................................................................55


8.1.

Seleccin del modelo ..................................................................................................55

8.1.1.

Definicin de criterios y alternativas .....................................................................55

8.1.2.

Diagrama del proceso AHP..................................................................................57

8.1.3.

Comparacin por pares de criterios .....................................................................57

8.1.4.

Ponderaciones para cada alternativa ...................................................................59

8.1.5.

Jerarquizacin .....................................................................................................61

8.2.

Formulacin ................................................................................................................62

8.2.1.

Obtencin del flujo entre departamentos..............................................................62

8.2.2.

Formas estndar y matricial del problema ...........................................................64

8.3.

Solucin del problema ................................................................................................65

8.3.1.

Seleccin del mtodo de solucin ........................................................................65

8.3.2.

Recocido simulado ..............................................................................................66

8.3.3.

Programacin y definicin de parmetros ............................................................68

8.3.4.

Formulacin del problema en Excel .....................................................................71

8.4.

Anlisis de resultados .................................................................................................74

9.

Modelo de simulacin ........................................................................................................76


9.1.

Simulacin con FlexSim ..............................................................................................76

9.1.1.

Objetos, atributos y entidades ..............................................................................76

9.1.2.

Tablas globales y experimentador .......................................................................81

9.1.3.

Supuestos y parmetros del modelo ....................................................................82

9.2.

Situacin actual ..........................................................................................................84

9.2.1.

Modelo .................................................................................................................84

9.2.2.

Resumen de resultados .......................................................................................85

9.3.

Situacin propuesta ....................................................................................................86

9.3.1.

Modelo .................................................................................................................86

9.3.2.

Resumen de resultados .......................................................................................87

9.4.
10.

Comparacin resultados .............................................................................................88


Conclusiones y recomendaciones ..................................................................................89

10.1.

Conclusiones ...........................................................................................................89

10.2.

Recomendaciones...................................................................................................89

11.

Bibliografa .....................................................................................................................90

12.

Anexos ...........................................................................................................................92

12.1.

Cdigo recocido simulado .......................................................................................92

Tabla de figuras
Figura 1. Distribucin de fila simple...........................................................................................14
Figura 2. Distribucin de fila mltiple. ........................................................................................14
Figura 3. Distribucin en bucle. .................................................................................................14
Figura 4. Distribucin a campo abierto. .....................................................................................15
Figura 5. Ejemplo de matriz de relaciones lgicas en una planta de 7 departamentos. .............17
Figura 6. Ejemplo de planta y departamentos para MIP. ..........................................................22
Figura 7. Representacin rectangular. ......................................................................................22
Figura 8. Distribucin respecto a los ejes. .................................................................................22
Figura 9. Representacin grfica AHP. .....................................................................................26
Figura 10. Diagrama de metodologa propuesta. ......................................................................29
Figura 11. Ejemplo de hoja de vida de indicador. ......................................................................32
Figura 12. Plano de planta general con zonas de seguridad. ....................................................34
Figura 13. Divisin en planta. ....................................................................................................34
Figura 14. Distribucin actual de departamentos. .....................................................................35
Figura 15. Sistemas de transporte. ...........................................................................................36
Figura 16. Distribucin de departamentos por grupos de proceso.............................................37
Figura 17. Flujos posibles entre departamentos. .......................................................................37
Figura 18. Simulacin experimental sin modificar. ....................................................................41
Figura 19. Simulacin experimental con capacidades modificadas. ..........................................42
4

Figura 20. Grfico de efector principales. ..................................................................................44


Figura 21. Diagrama de Pareto de efectos experimentales. ......................................................44
Figura 22. Diagrama de resultados del experimento. ................................................................45
Figura 23. Grfico de rbol para diseo de modelo matemtico. ..............................................57
Figura 24. Representacin de un proceso en lnea. ..................................................................62
Figura 25. Balance de flujo por proceso. ...................................................................................63
Figura 26. Representacin de flujo con procesos iguales. ........................................................63
Figura 27. Esquema del vecino mas cercano. ..........................................................................68
Figura 28. Esquema de vecindario salto en 2............................................................................69
Figura 29. Seleccin de departamentos por pares. ...................................................................69
Figura 30. Departamentos intercambiados. ...............................................................................69
Figura 31. Distribucin de planta por agrupacin de proceso. ...................................................75
Figura 32. Procesador...............................................................................................................77
Figura 33. Ventana de configuracin de proceso. .....................................................................77
Figura 34. Ventana de configuracin de flujo. ...........................................................................78
Figura 35. Mquinas de transporte............................................................................................79
Figura 36. Ventana de configuracin de gra. ...........................................................................79
Figura 37. Parmetros de gra y transportador. ........................................................................80
Figura 38. Fuente, cola y salida. ...............................................................................................81
Figura 39. Tabla global .............................................................................................................81
Figura 40. Proceso y flujo de procesos de planta. .....................................................................83
Figura 41. Modelo completo situacin actual. ...........................................................................84
Figura 42. Modelo plano situacin actual. .................................................................................84
Figura 43. Espera por sistemas de transporte. ..........................................................................85
Figura 44. Grfica de esperas situacin actual..........................................................................86
Figura 45. Modelo situacin propuesta. ....................................................................................86
Figura 46. Situacin propuesta vista plana y conecciones. .......................................................87
Figura 47. Grfico espera situacin propuesta. .........................................................................88

1. Planteamiento del problema


1.1.

Descripcin de Tecmo S.A.

1.1.1. Objeto Social


Tecmo S.A. es una empresa metalmecnica dedicada al diseo y fabricacin de estructuras
para cubiertas, fachadas, entrepisos y en general todo tipo de edificios. La organizacin posee
tambin, una divisin de maquinaria, en la cual se disea y fabrican soluciones principalmente
para la industria de la construccin, as como calderera en general.
La empresa es pionera en el campo de la arquitectura metlica, habindose comprometido de
aos atrs con el diseo y la construccin de todo tipo de estructuras. Destacando el trabajo en
estructuras tridimensionales, estructuras con cables, fachadas flotantes y estructuras
arquitectnicas.
En el campo de las estructuras de aluminio, se puede mostrar un sinnmero de ejemplos
construidos durante los ltimos aos. Estas estructuras son especialmente indicadas para
ambientes corrosivos como los presentes en construcciones cercanas al mar, plantas
industriales, donde se generan vapores corrosivos, cubiertas de piscinas y cubiertas en las
cuales el aspecto esttico es determinante.
Adicionalmente Tecmo, posee la certificacin de sus procesos bajo la Norma ISO 9001 versin
2008, garantizando el alcance en las reas de diseo, fabricacin y montaje de estructuras
metlicas y sistemas complementarios.
rea de ingeniera
En su rea de ingeniera, TECMO dispone de los ms modernos sistemas de diseo y dibujo
asistidos por computadora, gracias a los cuales est en condiciones de acometer con gran
eficiencia toda suerte de proyectos relacionados con el tema de las estructuras de acero, las de
aluminio, as como otros proyectos metalmecnicas que incluyan maquinaria para la industria
de la construccin, calderera, puente gras, etc.
En la seccin de diseo estructural se dispone de los paquetes de diseo que permiten
adelantar anlisis elsticos e inelsticos, lineales y no lineales tanto estticos como dinmicos
de todo tipo de estructuras. Por otro lado a travs del proceso de diseo se deben resolver
otros tipos de problemas, incluyendo propiedades de transferencia de calor y mecnica de
fluidos. Dentro de los programas para diseo de elementos en acero, se cuentan con STAAD,
RFD y Visual Edge. Para el diseo de sistemas compuestos de acero-concreto se tiene el
Design Advisor, as como Contexpro para el diseo de conexiones, entre otros programas
especializados para cada necesidad.
En la seccin de dibujo se dispone de varias estaciones de trabajo que operan bajo Autocad y
StruCad, complementadas con varios paquetes especializados con los cuales se realiza el 95%
de las labores de dibujo detallado.
Por otra parte. La empresa cuenta con un rea de Investigacin y Desarrollo encargada del
estudio de proyectos especiales as como de los nuevos desarrollos. Apoyado en este
departamento, TECMO ha adelantado proyectos de gran envergadura.
6

Control de calidad
Tecmo cuenta con un rea de control de calidad, la cual est encargada de garantizar que las
estructuras sean fabricadas y montadas de acuerdo con las especificaciones fijadas para cada
proyecto.

1.1.2. Portafolio de productos


Centros Comerciales
La incursin en este campo se hace con base en el concepto de innovacin en el diseo.
Brindando beneficios a los clientes tales como; mayor ligereza en la obra, mayor cantidad de
posibilidades en el diseo y materiales, esbeltez, transparencia y resistencia. En este segmento
de la arquitectura Tecmo, se ha logrado posicionar gracias a sus logros en el diseo donde se
consigue una armona entre el lograr tanto el aspecto esttico como la resistencia y
confiabilidad de las estructuras, trabajadas en acero o aluminio.
Edificios
En este segmento de la construccin, Tecmo ha incursionado proporcionando estructuras de
acero las cuales ofrecen grandes ventajas tales como; la posibilidad de aplicacin de grandes
luces, mayor aprovechamiento del espacio mediante uso de columnas reducidas, combinacin
de la estructura metlica con materiales ms ligeros que los tradicionales.
Tambin mediante la planeacin y control del proceso, se desarrollan estructuras capaces de
resistir a sismos y con las especificaciones de calidad y seguridad, necesarias en este tipo de
proyectos.
Estructuras de aluminio
Tecmo ha logrado obtener un gran posicionamiento en el mercado gracias a la diversidad de
sus aplicaciones y a la flexibilidad en sus estructuras y procesos. Una de sus principales
diferenciaciones con otras empresas del sector es el uso de aluminio material que permita
desarrollar trabajos con una apariencia esttica superior a otros y mayores posibilidades a la
hora de mezclar diferentes materiales en los proyectos.

1.1.

Procesos productivos y distribucin de planta

Como ms adelante se profundizara la distribucin de planta afecta de muchas formas un


proceso productivo, y su principal objetivo es servir como espacio y apoyo para que ste se
pueda llevar a cabo. Por lo cual es importante establecer y analizar las condiciones de un
proceso para definir su distribucin de planta, de tal manera que se ajuste a los requerimientos
de ste.
En el caso especfico de Tecmo, se tiene ya definida una distribucin de planta por lo cual
como ms adelante se mencionar se dan condiciones para poder proponer o formular una
medicin y proyecto de modificacin de esta distribucin de planta.

Se cuenta actualmente con una planta principal dividida en dos sub plantas, las actividades se
distribuyen en ambas plantas. Las condiciones de procesamiento son las definidas para el
sector industrial en el que se encuentra la empresa. Se cuentan con procesos de mecanizado,
limpieza, ensamble entre otros. Ms adelante se describirn algunas de las condiciones de
proceso, vale la pena aclarar en este punto que por peticin de la empresa y para garantizar
integridad y seguridad de la informacin que pueda considerarse sensible se darn nombres
genricos a los procesos protegiendo especificaciones de tiempos, cantidades y dems datos
que la empresa haya definido como delicados.
A manera resumida las condiciones importantes de la situacin actual de distribucin de planta
son las siguientes:
1) Se tiene una distribucin definida con actividades fijas en cada ubicacin en todos los
procesos anteriormente mencionados.
2) Se manejan materiales con distintos pesos los cuales acorde a su naturaleza requieren
maquinaria o apoyo para ser transportados.
3) Se tienen espacios definidos para actividades, trnsito de transporte y operarios, y
almacenamiento de materiales.
4) Se tienen diferentes tecnologas maquinarias y procedimientos acorde a cada proceso
segn las necesidades, se cuentan con procesos automatizados ya sea de control
numrico u otra tecnologa acorde al proceso, en otros casos se requieren intervencin
de operarios o son procesos con un grado de intervencin manual. Esto afecta
considerablemente la naturaleza en tiempos de cada proceso.
5) Se tienen definidas mltiples secuencias de procesos ya que por la naturaleza de la
empresa se requiere de flexibilidad a la hora de organizar la produccin.
6) En algunos casos no es significativa la toma de datos sobre produccin dadas
condiciones que se mencionarn posteriormente en tales casos se recurre a la opinin
de expertos en el proceso o a datos histricos o aproximados.
Durante los ltimos aos ha habido cambios en los procesos productivos y en la distribucin de
planta de Tecmo, desde adquisicin e instalacin de nuevas tecnologas, como modificaciones
en la ubicacin de algunos departamentos, dados estos cambios y las condiciones
anteriormente mencionadas es importante hacer una medicin que permita evaluar el
desempeo de la distribucin de planta como principal apoyo a estos procesos, as como la
identificacin de oportunidades de mejora.

1.2.

Importancia de medicin y mejora de la distribucin de planta

Como se mencionar ms adelante, la distribucin de planta es un factor que puede afectar los
costos de produccin, en muchas formas, al evaluarse una distribucin de planta se identifican
factores en los que sta es crtica, tales como seguridad, flujo de proceso entre otros.
En el caso de la empresa, la medicin y formulacin de una redistribucin de planta puede ser
una gran oportunidad para mejorar costos de produccin y facilitar el proceso productivo de la
planta principal.
La medicin de procesos y de factores continua permite un mayor control sobre sus
condiciones y en caso de ser necesario puede permitir prontas acciones correctivas y
preventivas. En el caso de la distribucin de planta es necesario medir la efectividad de esta en
el tiempo ya que la naturaleza de los mercados que afecta directamente la produccin suele ser
8

cambiante, o dado el caso de modificar las prcticas o procesos permitir responder a estas
modificaciones obteniendo los mejores resultados posibles.
La distribucin de planta haciendo parte de todos los procesos productivos de cualquier
empresa y como se ha mencionado previamente teniendo una importancia sobre los costos,
puede ser un factor clave en el xito de una operacin por ende su control, medicin y
adaptacin a los cambios en el tiempo, impactarn de forma importante en la operacin a la
que se aplique.
Respecto a los requerimientos de este tipo de proyectos de distribucin de planta, se requiere
que se den metodologas que permitan la medicin, aplicabilidad y resultados en tiempos
relativamente cortos acorde a la actividad en la que se formulen. Es por eso que se deben
tener en cuenta la aplicabilidad y la flexibilidad de este tipo de proyectos en diferentes sectores.

2. Justificacin del proyecto


Ya mencionadas algunas de las razones por las cuales es importante una buena distribucin de
planta y como esto puede impactar las actividades de un proceso productivo, vale la pena
mencionar que una de las oportunidades ms importantes que se pueden presentar es aplicar
un modelo de Investigacin de Operaciones a este tipo de proyectos. Ya que permite una
medicin ms precisa de resultados y de impactos que puedan producirse.
Como se mencionar ms adelante se han formulado una gran cantidad de problemas en torno
a la distribucin de planta, la principal dificultad de este tipo de problemas es su aplicabilidad,
no se ha desarrollado un modelo que sea definitivo o aplicable a cualquier entorno, sin
embargo cada modelo ofrece fortalezas y oportunidades acorde a la naturaleza del medio en
que se pueda aplicar.
Otra dificultad que se presenta es que no existen manuales o metodologas que permitan tomar
una decisin de cual modelo aplicar o como ajustarlo a la realidad y a las necesidades de
cualquier empresa. En general aunque se han aplicado modelos y hay artculos con mediciones
de cada uno no existe un mtodo que permita justificar o posicionar un modelo como ms
adecuado para una situacin especfica.
En el presente proyecto se propone una metodologa que podr tomarse como gua aplicable
en diferentes industrias, permitiendo tomar una buena decisin de seleccin de un modelo, y su
aplicacin, se definirn los pasos necesarios para poder formular un proyecto de evaluacin o
distribucin de planta acorde a diferentes posibles condiciones y escenarios. As como las
condiciones necesarias para aplicarlo a diferentes sectores.
Tambin se busca mostrar como ejemplo de aplicacin el caso de Tecmo en el cual se seguir
la metodologa propuesta de forma esquemtica, mostrando los posibles resultados y
secuencia requerida en este tipo de proyectos.
Otro aspecto importante a la hora de aplicar un modelo de Investigacin de Operaciones son
los impactos que hasta el momento han mostrado, acorde a datos del grupo Vatic Consulting,
se pueden llegar a mejoras de 25%1 en costos logsticos al aplicar este tipo de modelos de
Investigacin de Operaciones. Por lo cual el facilitar una metodologa de este tipo puede
representar impactos sobre la productividad y en general sobre la efectividad de procesos
teniendo en cuenta que se utiliza la Investigacin de Operaciones como herramienta importante.

Grupo Vatic consulting. www.vaticconsulting.com.

10

3. Objetivos
3.1.

Objetivo General

Proponer una metodologa que permita evaluar la situacin actual de los sistemas de
produccin de Tecmo, enfocados en la distribucin de planta, y proponer un modelo de
optimizacin apropiado, que permita lograr mejoras en los parmetros definidos como
crticos.

3.2.

Objetivos Especficos

Identificar los factores crticos presentes en la distribucin de planta de la empresa, a


travs de tcnicas de Diseo de Experimentos, con el fin de definir los indicadores
apropiados que reflejen el estado real de la distribucin actual de planta.

Desarrollar un modelo matemtico de optimizacin de la distribucin de planta, basado


en los factores crticos identificados, que busque mejorar los ndices de desempeo
correspondientes.

Evaluar la solucin generada por el modelo de optimizacin a travs de un modelo de


simulacin de las operaciones en la planta, y calculando los nuevos ndices.

Plantear recomendaciones para el mejoramiento de la distribucin de planta con base


en el anlisis de los ndices calculados bajo los escenarios actual y propuesto (modelo
de optimizacin).

11

4. Marco terico
4.1.

Distribucin de planta

4.1.1. Definiciones
Distribucin de planta
En modelos logsticos y de produccin. El diseo y distribucin de planta es un elemento que
hace parte de las estrategias tales como Lean, o Just in time, en las cuales se resalta la
importancia de una buena distribucin y el impacto que genera.2
La planta es la representacin fsica de los procesos productivos, es el espacio que facilita la
actividad llevada a cabo por una organizacin. Y este es su objetivo el servir de apoyo y
espacio fsico facilitador de los procesos.
Distribucin de planta es la estrategia, o configuracin que se le da a una planta en la cual se
definen los espacios donde se ubicarn los diferentes departamentos y actividades.
Departamentos
Son los espacios en los que se desarrolla cada actividad. Para el efecto del presente proyecto,
de les denominar de esta forma a las actividades o procesos que se distribuyen en una planta,
ya sea en una planta donde hay procesos de produccin, o en prestacin de servicios cada
proceso requiere un espacio para ser desarrollado. Tambin se pueden tomar como
departamentos, las mquinas que realicen un proceso definido.
Ubicaciones
En algunas de las formulaciones se encuentra como parte principal del problema, el nmero de
departamentos distribuidos en un espacio definido, este espacio puede segn el tipo de
formulacin ser dividido en ubicaciones especficas o tomarse como el espacio completo, como
lo veremos en los modelos que se mencionarn ms adelante.
Problema de distribucin de planta
La Investigacin de Operaciones es una de las disciplinas ms importantes de la ingeniera en
general, su tarea es la de identificar y formular problemas que se presentan en sistemas
productivos o en situaciones que puedan aplicarse a este tipo de formulaciones.3
Previamente se mencion que para la disciplina de Investigacin de Operaciones y para
distintas aplicaciones de ingeniera se han generado distintas formulaciones del problema de
distribucin de planta.
Para el presente proyecto se seala la importancia de esta metodologa. Lo que se busca es
identificar y modelar las variables de decisin, a partir de estas generar una funcin objetivo.
Posteriormente se deben analizar y definir las restricciones que tiene el problema. Finalmente
el problema planteado utilizar como funcin objetivo aquel factor o conjunto de factores que
2
3

KJELL B. Zandin. Maynards industrial engineering handbook. Mc Graw Hill. 2004. 2560p.
HILLIER Frederick, LIEBERMAN Gerald. Introduction to operations research. Ed 7. Mc Graw Hill.

12

con mayor relevancia afectan el sistema analizado, y por medio de los cuales se puede medir el
desempeo del sistema. Las variables de decisin sern las que se modifiquen para encontrar
una solucin ptima.
El problema de distribucin de planta es principalmente tambin llamado FLP por sus siglas en
ingls, Facility layout problem consiste en la ubicacin de reas de proceso o trabajo en una
cierta planta o espacio de planta. Normalmente este tipo de problemas pueden llegar a ser
complejos o de tipo NP-Hard4. Como se puede ver acorde al tamao del sistema de inters se
pueden requerir tcnicas especiales de solucionen este tipo de problemas. En algunos artculos
como A simulated annealing algorithm to find approximate pareto optimal solutions for the
multi-objective facility layout problem, se muestran mtodos especiales de solucin como lo
son los procedimientos heursticos entro otros algoritmos eficientes en la solucin de este tipo
de problemas. En el artculo Facility layout problems a survey de Drira, Pierreval y Hajri, se
mencionan estudios que se han dedicado exclusivamente a los mtodos de solucin de
formulaciones del problema de distribucin de planta.

4.1.2. Tipos y estrategias de distribucin de planta


Respondiendo a las necesidades de cada proceso, y a estrategias de logstica y produccin
existen distintos tipos y estrategias de distribucin de planta a continuacin se mencionarn
algunas de las ms comunes e importantes.
Distribucin por producto/ proceso4
Una de las clasificaciones de distribuciones de planta aunque limitada en su alcance sirve de
apoyo para la toma de decisiones respecto a una u otra estrategia, es dada por Niebel, en la
cual solo se dan dos posibles estrategias, distribucin de planta por producto tambin conocida
como distribucin en lnea, y por proceso o funcional.
La distribucin por producto consiste en agrupar en un mismo espacio, buscando disminuir las
distancias de procesos que hagan parte de un producto minimizando los recorridos o manejos
de material por cada grupo de productos.
La distribucin por proceso al contrario de la de producto, ubica departamentos dedicados a
una misma actividad, o que lleven a cabo un mismo proceso en locaciones aledaas.
Distribucin celular5
Aunque tiene similitudes con la distribucin de planta por producto en este caso un grupo de
procesos aplicados a una familia de productos o a un producto se agrupan en celdas por lo cual
se generan dos distribuciones, intracelular, que es la configuracin de cada celda, y la
segunda es la configuracin de la planta global en la cual se definen la distribucin de las
celdas.

NIEBEL, Ben. Ingeniera industrial mtodos y estndares. Alfaomega. 745p.


DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31.
2007. 13p.
5

13

Forma y sistemas de transporte


Otras clasificaciones apoyadas en algunas de las formulaciones que se han realizado del
problema se guan por factores como su forma o tamao, por los sistemas de transporte, y en
general por aspectos fsicos.
Respecto a la forma y distribucin de planta existen las plantas regulares o rectangulares que
son aquellas como su nombre lo indica distribuidas acorde a una forma rectangular. Por otro
lado estn las irregulares que son aquellas que se distribuyen con forma de polgono, esta
clasificacin impacta algunas de las formulaciones especialmente a la hora de tomar datos, as
adelante se profundizar en este aspecto.
Acorde a los sistemas de transporte se clasifica acorde al recorrido y disposicin de las
mquinas o departamentos, se tiene fila simple, fila mltiple, bucle y campo abierto a
continuacin se muestran grficamente.
P1

P2

P3

P4

P5

P1

P2

P3

P4

P5

Figura 1. Distribucin de fila simple.

P1

P2

P3

P4

P5

P1

P2

P3

P4

P5

P1

P2

P3

P4

P5

Figura 2. Distribucin de fila mltiple.

P2

P3

P4

P1

P5

P2

P3

P4

Figura 3. Distribucin en bucle.

14

P4

P1

P2

P2

P3

P4

P5

P3

Figura 4. Distribucin a campo abierto.

En las figuras 1 a 4 se muestran el tipo de distribuciones segn el manejo de materiales o


sistemas de transporte en donde las cajas representan los departamentos y la lnea el recorrido
de las mquinas de transporte.
Finalmente en las clasificaciones por caractersticas fsicas de las plantas se encuentra el
nmero de plantas para este factor hay dos clasificaciones. La distribucin de un solo piso o
una nica planta, y la distribucin de mltiples pisos o plantas. Esta clasificacin tambin se ve
condicionada en el caso de tener mltiples pisos a si existe comunicacin o flujo entre estos, de
lo contrario simplemente se veran como plantas independientes.
Otra de las caractersticas por las que se clasifican las distribuciones es su flexibilidad. Dentro
de esta clasificacin se encuentran dos tipos unas son las plantas robustas, las cuales por sus
condiciones tienden a permanecer fijas y las modificaciones representan altos costos,
independientemente de las condiciones de mercado o produccin. Las segundas son aquellas
que fcilmente modifican su estructura, el principal impacto de estos dos tipos esta en los
costos de reformular y redistribuir la planta esto es un factor que define la frecuencia con la que
se pueden hacer modificaciones.6

4.1.3. Proyectos de distribucin de planta y de redistribucin


Existen dos situaciones en las cuales se puede formular un problema de distribucin de planta,
el primer caso es el diseo de una nueva planta. En este caso muchos proyectos inician desde
la localizacin de la nueva planta hasta el diseo interno, la estimacin de las necesidades en
instalaciones, tecnologas y finalmente la distribucin de departamentos.7

BENJAFAAR, Sunderesh, Shahrukh. Next generation factory layouts: Research, challenges and recent
progress. Interfaces Vol.32 No.6. 2002. 19p.
7
KJELL B. Zandin. Maynards industrial engineering handbook. Mc Graw Hill. 2004. 2560p.

15

La segunda situacin es la planteada en el presente proyecto en la cual se tiene una


distribucin de planta actual, y se quiere evaluar la posibilidad de modificar la configuracin
buscando optimizar o mejorar las condiciones de proceso actuales.
La mayora de formulaciones de distribucin de planta en Investigacin de Operaciones
suponen que existe una distribucin actual, y unas condiciones de operacin por lo cual como
proyectos se consideran redistribuciones o rediseos de planta.

4.2.

Formulaciones del FLP

A continuacin se mencionan algunas de las formulaciones ms utilizadas para el problema de


distribucin de planta, para este efecto tambin existen algunas lneas o corrientes. Las
primeras son las formulaciones aproximadas y los mtodos grficos, dentro de estas categoras
se encuentran tambin el diseo de distribuciones de planta asistidas por computador. Luego
aparecen formulaciones ms robustas entre las cuales se encuentran las formulaciones de
planta fija y los problemas de planta dinmica. Existen pares de formulaciones opuestas como
la anteriormente mencionada, otro ejemplo de estas son las distribuciones multi- objetivo, las
cuales son obtenidas a travs de formulaciones matemticas con combinaciones de mltiples
valores objetivo, contra las de objetivo nico.8

4.2.1. Aproximacin de Muther9


Esta formulacin es un enfoque sistemtico, puede ser una herramienta til en el momento de
disear nuevas plantas, sin embargo no es muy robusta en cuanto a la precisin de los datos.
La metodologa propuesta se denomina planeacin sistemtica de la distribucin, PSD, el
objetivo principal es localizar dos departamentos que tengan una alta relacin lgica cercanos o
adyacentes a lo largo de la planta, para esto se proponen seis pasos principales.
1) Como primer paso se requiere un anlisis de recorridos en el cual se analizan las
relaciones lgicas entre cada departamento, esta primera fase supone la creacin de
una matriz de relaciones entre reas en las cuales se toman las cercanas relativas
deseadas entre cada par de departamentos. Para este paso se deben tener en cuenta
condiciones en las cuales por condiciones de procesamiento dos departamentos no
puedan estar adyacentes. Por ejemplo un departamento en el que se manejen
materiales inflamables no podra estar adyacente a un departamento en el que hayan
mquinas que generen altas temperaturas.

DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31. 2007.
13p.
9
NIEBEL, Ben. Ingeniera industrial mtodos y estndares. Alfaomega. 745p.

16

P1
P1
P2
P3
P4
P5
P6
P7

P2

P3
20

P4
33

P5
14
15
16

P6
1
34
34

120

P7
5
12
13
45

25
24

12

Figura 5. Ejemplo de matriz de relaciones lgicas en una planta de 7 departamentos.

2) El segundo paso es establecer los requerimientos de rea o espacio requeridos porcada


proceso o departamento.
3) El tercer paso consiste en graficar un diagrama de relaciones entre departamentos, a
diferencia del primer grfico, este muestra la importancia o peso de la relacin entre
reas, utilizando letras (A, E, I, U, X) en donde A corresponde a muy importante, E a
medianamente importante, I a importante, u poco importante y x corresponde a no
deseable.
4) En el cuarto paso se realiza una representacin grfica de la distribucin acorde al
espacio, se grafica el espacio principal de la planta y adentro sus respectivos
departamentos, cuando se tiene una distribucin adecuada a los espacios se imprime,
se generan el nmero que se considere necesario de posibles distribuciones y se
grafican.
5) Con un nmero adecuado de posibles distribuciones, se procede a evaluar ponderando
los factores tenidos en cuenta previamente, tanto de cantidad o valor de las relaciones
as como la importancia de cada relacin, y se da un valor final a cada una de las
opciones.
6) El paso final es la seleccin de la mejor opcin, una vez obtenidas las ponderaciones de
cada distribucin considerada se toma la mejor, y se procede a implementar.

4.2.2. Mtodos grficos


Existen aproximaciones grficas, las cuales suelen apoyarse en metodologas similares a la
anteriormente mencionada, tambin de este tipo de metodologas existen paquetes de software
algunos de los cuales se mencionarn a continuacin.
Los mtodos grficos tienen como base el supuesto de que se conoce el nivel de qu tan
adecuado o deseable es la localizacin adyacente entre dos departamentos, tambin como se
menciona en el mtodo Muther se supone una cercana deseada entre reas.10

- Es la representacin grfica, en la cual V es el nmero de vrtices o


departamentos y E representa bordes o ubicaciones separadas de V.
- Es el nivel de cercana deseado entre los departamentos i y j.
- Es el conjunto de departamentos que deben ser adyacentes en cualquier solucin
factible, se suponen como una restriccin del modelo grfico.
Es el conjunto de departamentos que no deben ser adyacentes.

10

KUSIAK, Andrew, HERAGU Sunderesh. The facility layout problem. The European journal of
operational research. 1987. 23p.

17

{{

La formulacin grfica es:

Sujeto a.
{

}
{

Los paquetes de software que contienen este tipo de soluciones requieren una interfaz grfica y
toman los departamentos como formas rectangulares del rea requerida uno de los ms
utilizados es el software CRAFT, (Computarized rellative allocation facility). El algoritmo
utilizado para solucionar o mejorar las distribuciones de planta, permite fijar actividades o
departamentos y relocalizar los dems, se intercambian las ubicaciones entre departamentos
en pares o hasta 3 departamentos, se toman los cambios en los costos de manejo de
materiales y se itera produciendo una solucin mejorada respecto a la inicial.11
Existen tambin programas an ms enfocados en la parte grfica de la distribucin de planta
otro ejemplo de solucionador grfico es CORELAP, el cual se basa en el mtodo de Muther
mediante el cual se organizan los departamentos acorde a sus relaciones y las ponderaciones
de estas, tambin representa de forma rectangular los departamentos y tiene un nmero
definido de iteraciones para generar una distribucin.12
El utilizar este tipo de formulacin para la distribucin de planta tiene ventajas y desventajas
respecto a otros mtodos mencionados ms adelante, dependiendo de las condiciones de
trabajo, el nmero de departamentos que hacen parte de la distribucin. Tambin como vemos
la informacin que requieren de entrada en algunos casos puede no ser de impacto comparada
con informacin que se pueda obtener en otros modelos.

Las ventajas de este tipo de formulacin se enumeran a continuacin.13

Facilidad de obtencin de datos.


Bajo costo en aplicacin.
Poco tiempo de formulacin.
Interfaz grfica.
til en sistemas de servicios u oficinas donde haya un flujo no medible.

Las desventajas a la hora de aplicacin especialmente en ambientes de produccin son.

Poca robustez en los datos tomados as como en los resultados.

11

NIEBEL, Ben. Ingeniera industrial mtodos y estndares. Alfaomega. 745p.


NIEBEL, Ben. Ingeniera industrial mtodos y estndares. Alfaomega. 745p.
13
PALITHA Welgama, GIBSON Peter. Computer aided facility layout a status report. Journal Advanced
manufacturing technologies. 1995. 12p.
12

18

No siempre garantiza buenas soluciones.


Su aplicacin se dificulta en plantas de gran tamao o con nmeros grandes de
departamentos, ya que la solucin puede no ser la ptima.
El nmero de iteraciones el altamente limitado por lo cual la calidad de la solucin no
siempre es buena.
Limita las formas de los departamentos a formas rectangulares.

Este tipo de formulacin se puede aplicar si se tienen las siguientes condiciones,


principalmente si se requiere redistribuir una planta en un tiempo relativamente corto, y si no se
cuentan o no hay posibilidad de tomar datos ms robustos y especficos.

4.2.3. Problema de asignacin cuadrtica QAP


Como se mencion previamente hay varias clasificaciones de las distribuciones de planta y de
las formulaciones hechas desde Investigacin de Operaciones, uno de los grupos ms
utilizados es la distribucin de planta fija contrario a lo planteado por los tipos de planta
dinmica. Dentro de las formulaciones ms conocidas y utilizadas de este grupo se encuentran.
Problema de asignacin cuadrtica, tambin mencionado como QAP o (Quadratic assignment
problem). La cual suele ser la referencia utilizada para las formulaciones discretas del FLP.
Otro caso son las formulaciones continuas las cuales suelen denominarse como formulaciones
de Programacin Entera Mixta o MIP [Singh, 2006] (Mixed Integer Programming).14Tanto las
formulaciones QAP como las formulaciones MIP tienen una gran mencin y aplicacin en
muchos artculos referentes al FLP.15
Existen algunas modificaciones a la formulacin de QAP, tales como el QSP el cual se enfoca
en la utilizacin del espacio, y la programacin entera lineal en la cual se reemplazan algunas
variables del QAP.
El QAP fue introducido como formulacin de la distribucin de planta por Koopsman y
Beckman 16 en 1957, los principales supuestos requeridos es que se tienen un nmero
determinado de locaciones o ubicaciones, y existe este mismo nmero de departamentos a
distribuir igual a este nmero de locaciones. Tambin supone que todos los departamentos se
pueden intercambiar sin tener en cuenta espacios o tamaos de los departamentos.
El problema de asignacin cuadrtica tiene como objetivo minimizar los costos de flujo o de
manejo de materiales en un proceso productivo, busca ubicar aquellas actividades o
departamentos con mayor flujo en ubicaciones ms cercanas. La formulacin ms comn del
QAP se muestra a continuacin tomada del artculo Facility Layout Problems a survey, de
DRIRA, HAJRI y PIERREVAL.

- Es el nmero de departamentos y ubicaciones que se encuentran en la planta a


distribuir. Como se mencion previamente se suponen iguales y se distribuir un
departamento por ubicacin.

14

Das, S. K. (1993). A facility layout method for flexible manufacturing systems. International Journal of
Production Research, 31(2), 279297.
15
DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31.
2007. 13p.
16
RUSELL D. Meller, KAI Yin Gau. The facility layout problem: Recent and emerging trends and
perspectives. Journal of manufacturing systems. Vol 15. No 5. 1996. 16p.

19

- Es el flujo de material entre los departamentos i, k.


- Es la distancia desde el centro de la ubicacin j al centro de la ubicacin l.
- Es la variable de decisin 1 si se ubica el departamento i en la ubicacin j.

Sujeto a.

En forma matricial se puede ver el problema como.

El problema de asignacin cuadrtica puede ser un buen candidato a aplicarse en un proyecto


de distribucin de planta en un medio en el cual no existan restricciones al intercambiar los
departamentos o no sea un factor determinante el espacio que estos ocupan. Tambin se
profundizar en el captulo de mtodos de solucin que el QAP es NP completo por lo cual con
tamaos considerables no es solucionable por mtodos exactos.17

4.2.4. Programacin entera mixta MIP

17

TAILLARD Erick. Metaheuristics for hard combinatorial problems. Wien seminar. 2004. 52p.

20

La versin lineal del problema de programacin entera mixta que fue formulada por Kauffman,
basada en el QAP es una de las formas del MIP [Singh, 2006] ms aplicables y ms
simplificadas que se han propuesto.
El objetivo de MIP es minimizar tambin los flujos por distancias as como se propona en el
QAP, la diferencia es que el MIP no supone tamaos iguales de departamentos, y tampoco
supone ubicaciones predeterminadas. Se tienen el nmero y la representacin rectangular de
los departamentos y se ubican a lo largo de un plano, Dependiendo de lo simplificada o
compleja que sea la formulacin seleccionada se puede tomar la ubicacin en el plano como
una variable discreta y entera, o se pueden tomar valores continuos, algunos de estos factores
se deciden teniendo en cuenta el tamao de la planta, y el nmero de departamentos a
distribuir.
A continuacin se presenta la formulacin simplificada tomada de Computer aided facility
layout- a status report, de Palitha y Gibbson.

- Flujo entre los departamentos i, j en el caso del artculo se propone como nmero de
viajes.
- Costo de flujo, este parmetro tambin se utiliza en algunas propuestas de QAP en
el modelo simplificado suele tomarse como igual entre todos los departamentos por lo
cual no se tiene en cuenta o se supone igual a 1.
- Es la longitud horizontal del departamento i.
- Es la longitud vertical del departamento i.
- Es la distancia horizontal mnima requerida entre los departamentos i, j.
- Es la distancia vertical mnima requerida entre los departamentos i, j.
- Son las distancias horizontal y vertical respectivamente en las que se ubica el
centro del departamento i.

(|

|)

Sujeto a.
|

Las dos principales restricciones evitan que se traslapen departamentos en la estrategia de


configuracin que se genere.
Una visualizacin del modelo puede ser de ayuda para entender su funcionamiento.
Suponga que se tiene la siguiente planta y se quieren distribuir las mquinas o departamentos
que se ven en la figura.

21

1000.00

1000.00

1500.00

5010.10

4510.10

8500.00

6500.00

1000.00

Figura 6. Ejemplo de planta y departamentos para MIP.

El siguiente paso ser representar los departamentos de forma rectangular.

Figura 7. Representacin rectangular.

En algunos casos las distancias requeridas entre mquinas pueden ser cero, por lo cual la
solucin distribuir las reas pegadas y como se menciona distribuye las reas definiendo un
eje horizontal y un eje vertical.

Figura 8. Distribucin respecto a los ejes.

Al igual que los modelos previamente mencionados el MIP presenta ventajas y desventajas al
momento de ser formulado y aplicado. Una de las principales dificultades de aplicarlo es la
dificultad computacional para resolverlo, en algunos casos se ha medido que con plantas que
contengan ms de 6 departamentos no se puede encontrar solucin ptima y en algunos casos

22

con un alto nmero de plantas el tiempo computacional requerido para encontrar soluciones
puede ser inaceptable.18

4.2.5. Modelos de mltiples plantas


Previamente se mencion que en algunos casos una planta puede tener uno o ms pisos, no
se entrar en detalle con este tipo de formulaciones ya que son basadas en modelos como el
QAP, algunos teniendo en cuenta las distancias horizontal, vertical y la diferencia en altitudes.
En otros modelos se toman como base los mtodos de transporte entre plantas o entre pisos,
normalmente se requiere de elevadores o mecanismos cuya capacidad es limitada y se incluye
este factor para modelar este tipo de plantas.19

4.2.6. Modelo de distribucin de planta dinmico (DFLP)20


Contrario a los anteriores modelos donde se supone que las condiciones de la distribucin de
planta son estticas, los flujos entre departamentos, el modelo dinmico o DFLP (Dynamic
facility layout problem) Supone cambios en las condiciones de mercados y produccin, en este
tipo de problemas se dan arreglos temporales para horizontes limitados de produccin,
basndose en los costos de manejo de materiales como el QAP, a este modelo se le aaden
los costos derivados de redistribuir la planta en cada periodo de tiempo, y finalmente de definen
el nmero de periodos de tiempo para los que se planear la distribucin.

- Es el flujo entre los departamentos i, k en el periodo de tiempo t.


- Es la distancia entre las ubicaciones j, l.
- Es el costo variable de reubicar el departamento i en el periodo t.
- Es el costo fijo asociado a realizar cualquier tipo de cambio en la planta en el periodo
t.

El objetivo planteado es minimizar el costo total relacionado a la distribucin de planta por esto
el valor de flujo supone ya incorporados los costos de manejos de materiales.
[

Sujeto a.
Las restricciones son las mismas respecto al QAP, teniendo en cuenta que se repiten en cada
periodo de tiempo, durante el cual un departamento solo puede tener una ubicacin.
{

18

S. P. Singh, P. R. Sharma. A review of different approaches to the facility layout problems. International
journal of manufacturing technology. No 30. 2006. 9p.
19

20

DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31. 2007. 13p.

L. URBAN Timothy. Solution procedures for the dynamic facility layout problem. Annals of operations
research No 76. 1998. 20p.

23

}
{

En algunos casos se supone que el costo variable de la redistribucin de planta es cero y se


simplifica el problema a nicamente manejar costos fijos durante cada periodo en el que haya
cambios.

4.2.7. Otras formulaciones


Formulacin multi- objetivo
En la mayora de formulaciones, se busca optimizar un nico objetivo, en el caso del flujo,
puede tomarse el flujo de material, el nmero de viajes entre dos departamentos, en algunos
artculos se han propuesto modelos en los que existan combinaciones de diferentes posibles
objetivos utilizando ponderaciones y metodologas como el proceso de jerarqua analtica.21
Las combinaciones de este tipo de formulaciones son innumerables ya que para diferentes
sistemas y medios, pueden tenerse en cuenta diferentes indicadores o factores a minimizar.
En algunos casos este tipo de formulacin puede ser ms realista que los mtodos
mencionados previamente, ya que tiene en cuenta mltiples factores, la mayora de problemas
formulados de este tipo tienen la forma del QAP, u otros pero tomando varios factores respecto
al flujo o costo de manejo de materiales. La gran diferencia radica en la modificacin que se
produce al introducir varios posibles objetivos.
Formulacin por simulacin
Existen algunas formulaciones en las que se utilizan modelos de simulacin como mtodo para
encontrar soluciones al FLP, la ms comn es generar escenarios posibles y simular el sistema
bajo las distribuciones seleccionadas en estos escenarios. Esta tcnica permite hacer una
comparacin del desempeo de los escenarios planeados muy profunda sin embargo el tiempo
y costo de este tipo de formulaciones puede llegar a ser muy alto si se quieren evaluar una
gran cantidad de escenarios para seleccionar el mejor. La otra dificultad se encuentra en que
se deben tener criterios muy fuertes para seleccionar configuraciones que no resulten triviales,
o cuyo impacto sea evidente en el modelo de simulacin.
Basndose en simulacin la comparacin de distribuciones de planta en un medio puede ser
muy precisa y arrojar muchas medidas de desempeo en las cuales impacte la configuracin
de los departamentos.22

4.3.

Mtodos de solucin del FLP

21

DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in control No 31.
2007. 13p.
22
POCHAMARN, SUWADEE, CHONTHICHA. Using promodel as a simulation tool to assist plant layout
design and planning. Songklanakarin journal. Vol 30. 2008. 7p.

24

En artculos de revisin y encuestas del FLP, los mtodos ms mencionados son plantas
asistidas por computador por mtodos grficos. QAP, MIP, y el DFLP. Los primeros al ser
solucionados por medio de software especficos el procedimiento utilizado y los algoritmos
dependen de la forma en la que venga programado el paquete utilizado.
Entre los mtodos grficos de solucin hay una gran cantidad de algoritmos y aproximaciones
de solucin. Dentro de ellos se clasifican los basados en criterios de departamentos
adyacentes en los cuales se encuentran mtodos como MATCH o SPIRAL el primero utiliza el
criterio de maximizar la adyacencia entre departamentos el segundo busca minimizar lejanas
entre departamentos con relaciones importantes. Otro grupo importante son los algoritmos
basados en distancias tales como CRAFT, SHAPE, QLAARP, LOGIC o MUTIPLE, todos con
diferentes mtodos CRAFT por ejemplo utiliza un mtodo iterativo de intercambio, MULTIPLE
se diferencia por la posibilidad de analizar plantas con mltiples pisos. 23
Para las formulaciones no grficas en cada caso depende del tamao del problema. Para
procedimientos exactos en el caso del QAP dos algoritmos predominan, ramificacin y
acotamiento y algoritmo de planos cortantes. Por su formulacin el QAP es del tipo NPcompleto cuando se tienen una gran cantidad de departamentos los procedimientos exactos
toman tiempos excesivos para resolver el problema. Se tienen registros de procedimientos
exactos con hasta 15 departamentos.24
Cuando los problemas tienen tamaos considerables y resolverlos por mtodos exactos no es
una opcin viable, se suelen utilizar procedimientos heursticos, dentro de los ms utilizados
estn las meta- heursticas, tales como bsqueda tab [Samarghandi, 2009], recocido simulado
[McKendall, 2006], colonias de hormigas [Komarudin, 2009], algoritmos genticos [El-Baz, 2004]
entre otras. Para algunos problemas tambin se han usado sistemas inteligentes, lgica difusa
[Singh, 2006], entre otros.

4.4.

Proceso de jerarqua analtica25

En la teora de toma de decisiones existe una herramienta muy til llamada el proceso de
jerarqua analtica o AHP Anlytic hierarchy process. Esta metodologa es utilizada para la
evaluacin de alternativas, se puede utilizar apoyado en opiniones de expertos y otras
metodologas como Delphi.
El proceso tiene cuatro etapas principales, los supuestos aplicados son se tienen mltiples
criterios para seleccionar y mltiples alternativas, el objetivo es seleccionar la mejor alternativa
ajustada a la ponderacin de criterios y evaluada acorde a estos. El resultado es una
jerarquizacin de las alternativas, los beneficios de aplicar este proceso en problemas de
decisin es que se tienen argumentos matemticos que sustentan la seleccin as como una
metodologa definida.
La primera etapa del proceso consiste en la representacin del problema, en esta etapa se
utiliza un diagrama de rbol para representar los niveles del problema de decisin.
23

RUSELL D. Meller, KAI Yin Gau. The facility layout problem: Recent and emerging trends and
perspectives. Journal of manufacturing systems. Vol 15. No 5. 1996. 16p.
24
KUSIAK, Andrew, HERAGU Sunderesh. The facility layout problem. The European journal of
operational research. 1987. 23p.
25
WINSTON L. Wine. Investigacin de Operaciones aplicaciones y algoritmos. Thomson. 4ta ed. 2005.
1440p.

25

Objetivo

Criterio 1

Criterio 2

Alternativa
A

Criterio 3

Alternativa
B

Criterio 4

Alternativa
C

Figura 9. Representacin grfica AHP.

La segunda etapa consiste en la evaluacin de los criterios a evaluar. En esta etapa se


comparan entre s por pares asignando a cada comparacin un valor, por medio de estas
comparaciones se construye una matriz denominada matriz de comparacin por pares.
Es el valor que se asigna a cada comparacin acorde a la escala utilizada, en una
comparacin consistente si se han seleccionado criterios y alternativas mutuamente
excluyentes si un valor
entonces en la matriz A el valor correspondiente a
.
La escala ms utilizada para realizar esta matriz es.
Valor
1
3
5
7
9
2,4,6,8
recprocos

Interpretacin
Indica que ambos criterios tienen igual importancia.
El primer criterio tiene una importancia moderadamente mayor que el segundo.
La diferencia de importancias es fuerte.
Diferencia de importancias muy fuerte.
Diferencia extrema.
Los nmeros pares se toman en caso de necesitar un valor intermedio.
Indican el valor invertido de la importancia.

Tabla 1. Valores de escala de comparacin por pares.

Una vez formada la matriz A se normaliza dividiendo cada elemento entre la suma de los
elementos de la columna a la que pertenece obteniendo la matriz A, posteriormente sumando
los elementos de las filas de la matriz obtenida se dar en vector caracterstico o eigenvector.

26

En algunos casos al realizar la matriz A se pueden cometer errores de inconsistencia por lo


cual se debe calcular el valor RI o razn de inconsistencia como se muestra a continuacin.

en donde
se denomina valor caracterstico promedio y es el
promedio de los valores del vector resultante.
Es el tamao de la matriz A.
En donde IC es el ndice de consistencia.

Se calcula CA o consistencia aleatoria con base a la siguiente tabla.

1
2
3
4
5
6
7
8
9
10
0.00
0.00
0.58
0.90
1.12
1.24
1.32
1.42
1.45
1.49
Finalmente se calcula
si el ndice es menor a 10% se aceptan los valores de la
matriz como consistentes.

n
CA

La siguiente etapa es realizar el mismo procedimiento para cada una de las alternativas, se
calcula la matriz de comparacin de las alternativas construyendo la matriz de comparacin por
cada uno de los criterios.
Finalmente se realiza la jerarquizacin primero se multiplica cada componente del vector
caracterstico de la matriz de criterios por los correspondientes vectores de las comparaciones
entre alternativas, se suman y el vector resultante dar las ponderaciones correspondientes a
cada alternativa. De mayor a menor ponderacin se tendrn jerarquizadas las alternativas.
Si el proceso de seleccin al que se est aplicando el proceso pretende seleccionar una sola
alternativa al finalizar el proceso la seleccionada ser la que tenga una ponderacin ms alta
en la jerarquizacin.

4.5.

Simulacin26

La simulacin es una tcnica, que se utiliza para representar un sistema de forma matemtica
imitando el funcionamiento de este sistema a travs de nmeros aleatorios. Normalmente se
simula cuando se quieren representar sistemas de comportamiento estocstico o que sus
26

BANKS, Jerry. Introduction to simulation. Atlanta, U.S.A. Winter simulation conference. 2000.

27

principales eventos ocurren con comportamiento aleatorio. Cuando de forma exacta no se


pueden determinar los valores de desempeo de un sistema y se requieren estos valores se
aplican las tcnicas de simulacin.
En el caso de una planta una simulacin sera una imitacin del sistema de produccin que
sucede en esta planta generando a travs de variables aleatorias valores del sistema, y acorde
al tiempo que se simule tomar su comportamiento y sus medidas de desempeo como lo son
los tiempos de produccin o de actividades en promedio, las congestiones o cuellos de botella
producidos en reas de trabajo, la utilizacin de un sistema o estacin de trabajo entre otros.
En algunos artculos que tratan el problema de distribucin de planta se plantean modelos de
simulacin como mtodo de formulacin del problema. Algunos ejemplos son. A simulationbased approach for risk assessment of facility layout designs under stochastic product
demands, Jithavech Plant layout design with simulation, Uttapol. Ambos muestran la
utilizacin de tcnicas y programas de simulacin aplicados a formular un problema de
distribucin de planta.
Existen paquetes de software especializados en simulacin, cada uno con distintos enfoques,
por ejemplo el programa ProModel 27 , el cual es diseado para representar procesos
productivos incluye herramientas muy tiles para representar este tipo de sistemas. Otro
ejemplo es Rockwell Arena tambin permite representar ciertos procesos enfocado a lo que
sucede con las entidades en el sistema, existen tambin programas con interfaces grficas que
permiten visualizar de forma dinmica el sistema representado como Flexsim 28 y el mismo
ProModel.

4.6.

Diseo de experimentos

Un experimento es un proceso mediante el cual, a un sistema determinado se le cambian los


valores de sus variables de entrada, con el objetivo de observar o medir los efectos que se dan
en las variables de salida o respuesta.29
Acorde al diseo del experimento a realizar se pueden aplicar diferentes tcnicas estadsticas,
con objetivo de validar cuantitativamente el impacto de un factor sobre las variables de
respuesta del sistema o proceso objeto de estudio. En algunos modelos se estudia el efecto de
un nico factor, sin embargo sistemas ms robustos requerirn de un estudio ms profundo, en
algunos casos se medir el efecto de dos o ms factores sobre el proceso a analizar. En el
caso de tener mltiples factores se aplican modelos estadsticos denominados diseos
factoriales.30En este tipo de diseos se tiene el supuesto de que los factores, son variables o
fenmenos independientes, y se evalan los efectos tanto individuales, como combinados de
estos factores.

27

GARCA. GARCA. CRDENAS. Simulacin y anlisis de sistemas con Promodel. Primera edicin.
Pearson. 2006. 280p.
28
Flexsim simulation software. www.flexsim.com.
29
th
DOUGLAS C. Montgomery. Design and analysis of experiment. John Wiley and Sons INC. 5
edition.1997. 699p.
30
th
DOUGLAS C. Montgomery. Design and analysis of experiment. John Wiley and Sons INC. 5
edition.1997. 699p.

28

5. Metodologa propuesta
5.1.

Diagrama del proceso propuesto


Diseo de
Modelo
Matemtico

Informacin
Base

Recoleccin de
Informacin de la
Distribucin de
Planta

Definicin de
Restricciones del
Sistema

6
2

Seleccin del
Modelo Base

Diseo y
Formulacin

Definicin de
Criterios y
Alternativas

Solucin del
Modelo
Propuesto
9

Diseo de
Experimentos

Definicin de
Indicadores

3
Definicin de
Factores y
Niveles

Aplicacin del
Modelo Factorial

Simulacin de
Situacin Actual
Y Propuesta

10

Resultados y
Comparacin

11

Control por
Indicadores

Validacin por
simulacin
Figura 10. Diagrama de metodologa propuesta.

5.2.

Informacin base del proceso y la distribucin de planta

El proceso inicial de la metodologa propuesta es la recoleccin de informacin de los procesos


desarrollados en la distribucin de planta a analizar. A travs de este levantamiento inicial de
informacin se debe definir la situacin actual de la distribucin de planta as como representar
grficamente los procesos y relaciones entre ellos, as como identificar los factores afectados
en el sistema por la distribucin de planta.
Los diagramas de proceso, y diagramas de recorrido son herramientas de apoyo de gran
utilidad para representar grficamente la distribucin, y permitir el desarrollo del anlisis.
29

Los diagramas realizados deben tener en cuenta los siguientes aspectos.

Tamao de la planta o plantas presentes en el proceso.


Espacios de circulacin y restricciones que impidan reubicar un proceso.
Nmero actual de departamentos.
Comunicacin entre departamentos representada en flujo de materiales, procesos o
informacin.
Diagramacin de los sistemas principales de transporte.
Comportamiento aproximado de los procesos.
Nmero de departamentos dedicados a una misma actividad.
Restricciones que afecten una posible redistribucin.

Acorde al contexto en el que se est aplicando esta primera etapa es relativamente flexible y
permite generar materia prima para los procesos siguientes. Es importante definir que otro tipo
de datos se puedan requerir ms adelante en esta etapa.
El paso final es clasificar la distribucin de planta actual acorde a los parmetros previamente
mencionados analizando que categoras cumple, igualmente el proceso ya que esta ser
informacin crtica durante el proceso a seguir.

5.3.

Diseo de experimentos

Una vez recolectada a informacin inicial. El proceso a seguir es identificar los factores crticos,
que afectan el desempeo de la distribucin de planta, stos sern la base para controlar por
medio de indicadores la capacidad y medicin del proceso.
Para la identificacin de factores crticos y formulacin de indicadores la principal herramienta a
utilizar es el diseo de experimentos, a travs de esta herramienta se definirn factores,
variable o variables de respuesta y niveles de cada factor, posteriormente se evaluarn los
efectos de cada uno.
Finalmente con los resultados obtenidos se formularn indicadores que permitan medir la
situacin actual y las condiciones de proceso del sistema. Al formular indicadores se le dar a
cada uno una hoja de vida que permita realizar un seguimiento a cada indicador y desarrollar
un diagnstico sobre la distribucin de planta.

5.4.

Diseo del modelo matemtico

Para el diseo del modelo a desarrollar para el presente proyecto se propone una metodologa
que facilita la aplicacin de ste tipo de proyecto en otros contextos.
Basado en los indicadores y la situacin actual de la distribucin de planta. Y teniendo tambin
como base los modelos ya planteados de distribucin de planta, se realiza un proceso de
diseo en el cual, como primera etapa se selecciona un modelo que sea aplicable a la
distribucin de planta actual, y se ajusta teniendo en cuenta los requerimientos, variables y
restricciones del sistema.
El mtodo propuesto para seleccionar un modelo ajustable tiene como base el proceso de
Jerarqua Analtica, proceso que se utiliza para problemas de toma de decisiones, dando
resultados o aproximaciones cuantitativas a criterios cualitativos.
30

Como primera etapa y mediante la consulta con expertos en los procesos del sistema
estudiados, se deben definir los criterios con los cuales se van a evaluar los modelos aplicables.
Posteriormente se realizan las comparaciones por pares, mediante las cuales como su nombre
lo indica se contrastan las alternativas y los criterios.
Finalmente se ponderan los resultados y al obtener la jerarquizacin se define el modelo que se
utilizar como base para la formulacin.
Una vez seleccionado el modelo base se requerir un segundo levantamiento de informacin,
donde se definan los parmetros, variables, funcin objetivo y restricciones tanto del sistema
como del problema formulado.

5.5.

Solucin del modelo

Una vez formulado el problema, el siguiente paso consiste en determinar un mtodo adecuado
de solucin, acorde al tipo de formulacin y al tamao resultante del problema se pueden
aplicar mtodos exactos de solucin, o meta- heursticas cuando los mtodos exactos no sean
una opcin viable.
Acorde al mtodo identificado como adecuado para la solucin se debe ajustar al problema, y
en el caso de las meta-heursticas, realizar un proceso de calibracin del algoritmo, buscando
que se generen buenas soluciones.
Finalmente se implementa el algoritmo y se registra el mejor escenario obtenido.

5.6.

Validacin de resultados por simulacin

Una vez obtenidos los resultados del modelo de optimizacin se van a tener dos escenarios y
dos valores de la funcin objetivo. El primer escenario es el actual, este escenario supone que
no se ha realizado ningn cambio en la distribucin de planta. El segundo escenario
corresponde a la distribucin propuesta por el modelo de optimizacin.
El objetivo de esta simulacin no es hacer un diagnstico sobre el desempeo del sistema
directamente, si no comparar ambos escenarios en busca del impacto posterior a la aplicacin
del modelo de optimizacin.
El modelo de simulacin deber representar el sistema de forma que se puedan identificar los
factores afectados por la distribucin de planta.
Es importante que se definan correctamente los parmetros que requiere un modelo de
simulacin tales como el nmero de corridas, el tipo de sistema y dems factores a calibrar, sin
embargo al no ser un diagnstico sobre el sistema si no una comparacin de escenarios se
debe enfocar la calibracin del modelo a cumplir con este objetivo.
Una vez obtenidos los resultados de las simulaciones propuestas se tomarn luego del anlisis
indicadores que permitan realizar un monitoreo del sistema y que puedan ser base para futuras
reevaluaciones de la distribucin de planta.

31

5.7.

Mejoras propuestas y control por indicadores

Basado en los indicadores ya definidos y con base en los resultados obtenidos en el modelo
matemtico y en la simulacin, se tendrn conclusiones y recomendaciones en el sistema. Una
de las posibilidades al implementarse un proyecto de distribucin de planta, es que se deba
evaluar y modificar la distribucin inicial de planta, en este caso se deben plantear los cambios
a realizar y el tiempo y costo que suponen.
Para controlar el desempeo y el impacto que tiene la distribucin de planta en los procesos de
la empresa, los indicadores son una herramienta til que permite hacer un seguimiento
continuo de este desempeo. Para cada indicador propuesto, se tiene una hoja de vida que
permita medir los niveles, planes de accin y el mtodo de clculo de cada uno como se
muestra a continuacin.
Objetivo:
Nombre:
Cdigo nemotcnico:
Frmula de clculo

Mtodo de clculo

Fuente de informacin:
Frecuencia de clculo

Tipo de indicador

Responsable

Dueo

Nivel mnimo

Nivel mximo

Acciones a tomar cuando el indicador supere los lmites


Riesgo bajo

Riesgo medio

Riesgo alto

Figura 11. Ejemplo de hoja de vida de indicador.

32

El control de indicadores permitir realizar evaluaciones de desempeo peridicas mediante las


cuales se pueden generar planes de accin para modificar la distribucin de planta cada que
sea requerido.

5.8.

Aplicabilidad de la metodologa en otros medios

Aunque el objetivo del presente proyecto es aplicar la metodologa para realizar el estudio y
mejora de la distribucin de planta en Tecmo, la presente metodologa puede ser ajustada y
aplicada a cualquier otra empresa cuya distribucin de planta sea inters de estudio para
posibles mejoras.
La utilizacin del AHT como tcnica de seleccin de modelo a aplicar facilita el disear un
modelo aplicable y ajustado a la empresa buscando que se impacte en reas de inters de los
expertos en los procesos.
Al aplicar el modelos matemtico y solucionarlo se deben tener dos escenarios tanto la
situacin actual de la distribucin as como una situacin propuesta, la ventaja de un modelo de
simulacin para validar estas mejoras es que se permite hacer nfasis en los indicadores y
factores ya identificados.
Por lo anteriormente mencionado el presente artculo se puede utilizar como base metodolgica
para la aplicacin en otras empresas, con un amplio alcance y flexibilidad.

33

6. Recoleccin de informacin
6.1.

Distribucin actual de planta

6.1.1. Plano de planta general

Figura 12. Plano de planta general con zonas de seguridad.

Planta 1

Planta 2

Figura 13. Divisin en planta.

Como se ve en la figura 13, la planta se divide en dos secciones principales sin embargo estas
se comunican constantemente por lo cual no sera necesario dividir el problema se puede
plantear como nica planta.
34

En resumen se cuenta con una planta principal en la cual se distribuyen los departamentos del
proceso. Se tienen dos divisiones principales conectadas para transporte de materiales.

6.1.2. Distribucin de departamentos

P12

P13

P19
P20

P5

P18
P15

P14

P7

P6

P4

P8

P3
P17

P16
P2
P1

P9

P11

P10

Figura 14. Distribucin actual de departamentos.

Acorde con lo solicitado por la empresa no se mencionarn los nombres especficos de los
procesos o departamentos que se muestran en la distribucin de planta de la empresa ya que
se considera informacin sensible.
Como se ve en la figura 14 se tienen 20 departamentos distribuidos en 20 ubicaciones fijas.

6.2.

Sistemas de transporte

Para el manejo de la mayor parte de piezas se requiere del apoyo de puentes gra la actual
distribucin de transporte del proceso es la siguiente.

35

P12

P13

P19
P20

P5

P18
P15

P14

P7

P6

P4

P8

P3
P17

P16
P2
P1

P9

P11

P10

Figura 15. Sistemas de transporte.

Para la conexin entre plantas se cuenta con un sistema de alta capacidad, basado en
elementos mecnicos y apoyo de operarios.

6.3.

Flujos de proceso

Los flujos de proceso en esta metodologa buscan representar los posibles recorridos de
material que se dan dentro de la planta. Antes de analizar esto se debe aclarar que no todos
los procesos en la distribucin corresponden a actividades diferentes como se muestra en el
siguiente diagrama.

36

P12

P13

P19
P20

P5

P18
P15

P14

P7

P6

P4

P8

P3
P17

P16
P2
P1

P9

P10

P11

Figura 16. Distribucin de departamentos por grupos de proceso.

P12

P13

P19
P20

P5

P18
P15

P14

P7

P6

P4

P8

P3
P17

P16
P2
P1

P9

P11

P10

Figura 17. Flujos posibles entre departamentos.

Por razones de visual se omitieron algunas conexiones, sin embargo los procesos de P6 a P15
llevan a cabo las mismas actividades y se conectan con los procesos P16 a P19. Los flujos
mostrados son en un nico sentido, para visualizar ms fcilmente se puede tomar como
ejemplo P4, el cual es un proceso cuyas conexiones salientes se encuentran en amarillo y las
entrantes en rojo.

37

Una de las caractersticas ms importantes del proceso productivo de Tecmo, es que se


manejan pesos considerables tanto en transporte como en cada una de las reas.

6.4.

Restricciones iniciales

En las condiciones de produccin actuales se puede modificar prcticamente todos los


departamentos.

Restricciones de espacio: exceptuando el departamento P1 los dems departamentos


pueden ser intercambiados ye que se mantienen las distancias requeridas por el
espacio de la planta general.
El proceso P1 se encuentra anclado en su posicin y el reubicarlos supone costos muy
altos y adecuacin de espacios adems por espacio no puede intercambiarse con
ninguno de los dems departamentos por lo cual se considerar como fijo en cualquier
formulacin.
Al ser todos procesos de metalmecnica y no estar aislados en celdas no existen
restricciones acerca de que departamentos pueden estar aledaos a otros.

38

7. Aplicacin del diseo de experimentos


7.1.

Factores y niveles

Previamente se mencion la aplicacin de un diseo de experimentos para identificar los


factores crticos que afectan la distribucin de planta, en previos estudios realizados suelen
implementarse proyectos utilizando tcnicas de simulacin y diseos factoriales [Ekren, 2008].
Para el desarrollo del diseo de experimentos la primera etapa consiste en identificar los
factores a evaluar, algunos ejemplos planteados para trabajos previos de diseos de
experimentos aplicados a distribucin de planta son. Tipo de distribucin, tamao de lotes a
consolidar, mtodos de transporte, tiempos de proceso, reglas de despacho, recursos y
herramientas compartidos [Ramakrishnan, 2008], paradas programadas y capacidad del
transporte [Ekren, 2008].
Con base en estos factores y por medio de consulta de expertos se definieron los siguientes
factores para el diseo a aplicar.
1. Distribucin de planta: En este caso la distribucin como se mencion previamente se
define como el arreglo o secuencia por la que se han distribuido los departamentos en
la planta.
2. Niveles de demanda: El nivel de demanda define en parte el flujo de operacin en el
caso del presente estudio se evala el efecto del nivel de llegada de material al proceso
como factor de demanda controlada.
3. Capacidad de proceso: En la distribucin se encuentran procesos que tienen ms de un
departamento, este factor controla la disponibilidad de departamentos en ste tipo de
procesos.
4. Capacidad de transporte: Se toma como la capacidad en cantidad de mquinas de
transporte dentro del sistema.
5. Paradas: Se evala el efecto de que hayan o no paradas programadas por daos u
otras condiciones del proceso principalmente departamentos de baja capacidad y que
sean relevantes para el flujo de material en la distribucin de planta.
Para la experimentacin se proponen realizar experimentos simples, que permitan enfocar el
estudio en el efecto de los factores seleccionados, por medio de simulaciones del proceso bajo
las condiciones establecidas en cada caso.
Junto con los expertos del proceso se definieron dos niveles para cada factor a continuacin se
muestra la tabla con estos niveles.
Factor
Distribucin
Demanda
Capacidad de proceso

Capacidad de transporte

Niveles
(-) Es la distribucin actual de planta. (+) Se
intercambian algunos departamentos.
(-) Nivel de demanda actual. (+) Nivel de
demanda disminuido a un 65%.
(-) Capacidad actual de proceso. (+) Se
disminuye a 80% la capacidad del proceso
con mayor nmero de departamentos.
(-) Capacidad de transporte actual. (+) Se
aumenta la capacidad de transporte
39

adicionando 2 mquinas.
(-) No se tienen paradas. (+) Se programan
paradas en los procesos cuello de botella
identificados.

Paradas

Tabla 2. Factores y niveles de experimentacin.

7.2.

Corridas y resultados

En el captulo de validacin de resultados del modelo matemtico por medio de simulacin, se


analiza a fondo las condiciones bajo las que se simula el proceso, sin embargo para la fase de
experimentacin se requirieron 32 corridas a continuacin se resumen los experimentos
corridos y los resultados obtenidos.
Experimento Distribucin Demanda Capacidad P Capacidad T Paradas P2 Espera por Transporte
1
2921.24
2
+
3105.79
3
+
766.70
4
+
+
770.53
5
+
2239.43
6
+
+
2242.00
7
+
+
807.24
8
+
+
+
885.81
9
+
589.04
10
+
+
766.48
11
+
+
351.90
12
+
+
+
446.45
13
+
+
729.44
14
+
+
+
929.12
15
+
+
+
407.36
16
+
+
+
+
573.15
17
+
3058.69
18
+
+
3112.43
19
+
+
757.34
20
+
+
+
795.64
21
+
+
2196.27
22
+
+
+
2249.46
23
+
+
+
853.13
24
+
+
+
+
848.41
25
+
+
579.69
26
+
+
+
732.93
27
+
+
+
349.13
28
+
+
+
+
446.82
29
+
+
+
723.98
30
+
+
+
+
927.07
31
+
+
+
+
416.55
32
+
+
+
+
+
575.83
Tabla 3. Diseo factorial completo.

Como se ve en la tabla se realizaron 32 experimentos teniendo en cuenta los factores y niveles


de cada experimento, el resultado a analizar tambin se defini como un aspecto crtico
40

validado con expertos y con operarios de proceso, la medicin del resultado es el tiempo
promedio de espera de los procesos debido a disponibilidad de mquinas de transporte.
A continuacin se muestran grficos ejemplificando dos de los escenarios evaluados.
Convencin

Significado

Planta sin modificar

Planta modificada

Proceso:
son
los
departamentos
que
llevan a cabo procesos.

No se modifican ni
ubicaciones ni cantidad
de departamentos por
proceso.
Se tiene una capacidad
establecida.

Se
eliminan
departamentos
del
proceso principal, se
modifica la distribucin.
Se aumentan el nmero
de transportadores.

Se tiene el nivel de
demanda inicial.

Se modifica el nivel de
demanda.

Transportador: Son los


puentes
gra
y
transportadores de la
planta.
Fuente: Genera las
entidades de entrada al
sistema.
Salida: Representa las
salidas del sistema.

Tabla 4. Convenciones para simulaciones experimentales de ejemplo.

Figura 18. Simulacin experimental sin modificar.

41

Figura 19. Simulacin experimental con capacidades modificadas.

Como se puede ver en la figura 19, se han redistribuido y eliminado algunos de los
departamentos, y se aument la capacidad de las mquinas de transporte al aumentar el
nmero de transportadores disponibles.
Posterior a las corridas de simulacin y el resumen de resultados obtenidos se realiz el
anlisis factorial completo en el software STATGRAPHICS, analizando tanto los efectos
individuales de cada factor as como los efectos de las interacciones de dos y tres factores.

7.3.

Diseo estadstico

7.3.1. Resultados anlisis de varianza


El anlisis de varianza fue realizado con un valor de confianza de 95%, con un = 5%, por lo
cual todos los factores cuyo valor p sea menor a 0,05, se considera un factor influyente sobre la
variable de respuesta analizada.31

Source
Sum of Squares
A:distribucion
86194.5
B:demanda
9.08559E6
C:capacidad_p
118408.
D:capacidad_t
1.01984E7
E:parada
262.721
Total error
7661.11
Total (corr.)
2.55101E7
Tabla 5. Efectos principales.

Df
1
1
1
1
1
6
31

Mean Square
86194.5
9.08559E6
118408.
1.01984E7
262.721
1276.85

F-Ratio
67.51
7115.62
92.73
7987.18
0.21

P-Value
0.0002
0.0000
0.0001
0.0000
0.6661

31

EKREN Banu Y. Arslan M Ornek. A Simulation Based Experimental Design to Analyze Factors
Affecting Production Flowtime. Simulation Modelling Practice and Theory 16 (2008) 278293.

42

Como se puede ver en la tabla 5, los factores de distribucin, demanda, capacidad de proceso
y capacidad de transporte son significativos con valor p menor a 0,05. Por el contrario el factor
de paradas programadas no es significativo.

Source
Sum of Squares
Df
AB
4856.3
1
AC
91.4966
1
AD
22088.3
1
AE
733.158
1
BC
342893.
1
BD
4.67411E6
1
BE
18.4073
1
CD
496673.
1
CE
589.875
1
DE
941.455
1
Total error
7661.11
6
Total (corr.)
2.55101E7
31
Tabla 6. Interacciones 2 factores.

Mean Square
4856.3
91.4966
22088.3
733.158
342893.
4.67411E6
18.4073
496673.
589.875
941.455
1276.85

F-Ratio
3.80
0.07
17.30
0.57
268.55
3660.66
0.01
388.98
0.46
0.74

P-Value
0.0990
0.7979
0.0059
0.4773
0.0000
0.0000
0.9083
0.0000
0.5220
0.4235

Respecto a los efectos de las interacciones de dos factores se encuentran 4 interacciones


significativas, la primera es el efecto causado por la interaccin entre la distribucin y la
capacidad de transporte, luego se ven los efectos de las interacciones entre demanda y
capacidad de proceso, seguido por el efecto entre demanda y capacidad de transporte,
finalmente tambin se identifica como significativa la interaccin entre capacidad de proceso y
capacidad de transporte.
Source
Sum of Squares
Df
ABC
2363.11
1
ABD
45.2914
1
ABE
74.3895
1
ACD
3954.49
1
ACE
208.233
1
ADE
343.548
1
BCD
460380.
1
BCE
716.406
1
BDE
648.27
1
CDE
1750.99
1
Total error
7661.11
6
Total (corr.)
2.55101E7
31
Tabla 7. Interacciones 3 factores.

Mean Square
2363.11
45.2914
74.3895
3954.49
208.233
343.548
460380.
716.406
648.27
1750.99
1276.85

F-Ratio
1.85
0.04
0.06
3.10
0.16
0.27
360.56
0.56
0.51
1.37

P-Value
0.2226
0.8568
0.8173
0.1289
0.7003
0.6225
0.0000
0.4822
0.5029
0.2860

Finalmente se analizan las interacciones entre e factores dentro de las cuales solamente se
encuentra una interaccin significativa la cual involucra a los factores nivel de demanda,
capacidad de proceso y capacidad en transporte.

43

7.4.

Anlisis del experimento

Se identificaron los factores principales e interacciones que afectan significativamente el


desempeo de la distribucin de planta en la variable de tiempos de espera por transporte. En
las grficas y la tabla a continuacin se resumen los efectos obtenidos.

Main Effects Plot for espera


2000

espera

1700
1400
1100
800
500
distribucion

demanda

capacidad_p

parada

capacidad_t

Figura 20. Grfico de efector principales.

Standardized Pareto Chart for espera


D:capacidad_t
+
-

CD
C:capacidad_p
AB
CDE
BCE
ADE
AC
BE
0

20

40
60
Standardized effect

80

100

Figura 21. Diagrama de Pareto de efectos experimentales.

44

Espera por Transporte


3500,00
3000,00

2500,00
2000,00
Espera por Transporte

1500,00
1000,00
500,00

0,00
0

10

20

30

40

Figura 22. Diagrama de resultados del experimento.

Factor/ Interaccin
Distribucin

Demanda

Capacidad de proceso

Capacidad de transporte

Interpretacin
El efecto de la distribucin de planta se puede observar
en la tabla d, a travs de la diferencia de resultados entre
cada par de experimentos. Se evidencia en todos los 32
resultados obtenidos, los ejemplos ms contundentes
son los pares de experimentos 1-2 y 31-32, donde el
nivel de todos los factores es el mismo a excepcin de la
distribucin de planta, y en ambos casos existe una
diferencia significativa en ambos casos de aumento del
tiempo de espera, lo cual indica que la distribucin de
planta puede impactar negativamente el proceso
aumentando la espera por transporte.
El efecto de la demanda se puede observar en la tabla d,
al observar las variaciones que se dan cada 2
experimentos, principalmente visible en los experimentos
1 a 8 y los experimentos 17 a 24. En estos grupos
contrastando por pares los experimentos con demanda
disminuida y nivel original de demanda se puede
identificar una disminucin en el tiempo de espera por
transporte al disminuirse la demanda, lo cual indica que
ste factor al disminuirse afecta positivamente este
aspecto del proceso.
La capacidad de proceso se puede ver principalmente en
los experimentos 1 y 5, donde todos los dems factores
se encuentran en sus niveles normales, entre estos dos
experimentos al disminuir la capacidad de proceso se ve
una disminucin en los tiempos de espera, esto indica
que al tener menor cantidad de puestos de trabajo se
disminuye la espera por transporte. Ya que hay una
menor utilizacin de las mquinas de transporte.
La capacidad de transporte es uno de los factores con
mayor impacto sobre el tiempo de espera por transporte
45

Interaccin distribucin- capacidad


de transporte

Interaccin demanda- capacidad


de proceso

Interaccin demanda- capacidad


de transporte

Interaccin capacidad de procesocapacidad de transporte.

Interaccin demanda- capacidad


de
procesocapacidad
de
transporte.

al mirar las diferencias de los experimentos 1 y 9, se


evidencia la gran diferencia donde se disminuye el
tiempo de espera en un 80%, lo que indica que al
aumentarse la capacidad del transporte se disminuye el
tiempo de espera.
Al observar la tabla d, en los experimentos 1 a 8 se ve
una tendencia, en donde cada dos experimentos se ven
disminuidos los valores de espera, sin embargo a partir
del experimento 9 y hasta el experimento 16 los valores
disminuyen de forma generalizada, tambin observando
los experimentos 1 y 9, o los experimentos 2 y 10 se
hace evidente la interaccin se disminuyen los valores de
9 y 10 respecto a 1 y 2 debido al efecto de la capacidad
de transporte y se dan diferencias entre parejas
consecutivas por el efecto de la distribucin. En este
caso la interaccin disminuye el valor global de las
parejas analizadas pero aumenta el valor al darse el
cambio en la distribucin.
Al analizar los experimentos impares, el resultado
disminuye a lo largo de toda la experimentacin de 1 a 3,
de 5 a 7, y as consecutivamente y de forma consistente
lo cual indica que la interaccin al disminuir la demanda y
disminuir la capacidad de proceso el efecto es una
disminucin en el tiempo de espera.
En experimentos como 1 y 11 o 17 y 27, se ve la
disminucin que se logra en el tiempo al mantener todos
los dems factores iguales y en el caso de los
experimentos 17 y 27 el factor que se detect como no
significativo permanece en el mismo nivel, la disminucin
de tiempo de espera es alta lo que indica que al disminuir
la demanda y aumentar la capacidad de transporte se
logra una gran disminucin en el tiempo de espera.
Se evidencia principalmente al observar como ejemplo
los experimentos 1 y 13, 2 y 14, 3 y 15 y finalmente 4 y
16 donde se ve la disminucin entre cada pareja, indica
que al disminuir la capacidad de proceso y aumentar la
capacidad de transporte, se da una disminucin
significativa en el tiempo de espera.
El impacto de esta interaccin de 3 factores es evidente
al comparar dentro de los experimentos al 1 y 15, 2 y 16,
17 y 31 y finalmente 18 y 32. En estas cuatro
comparaciones se puede determinar un patrn
consistente de disminucin, lo cual indica que al
disminuir la demanda, disminuir la capacidad del proceso
y aumentar la capacidad de transporte se tiene una gran
disminucin en el tiempo de espera.

Tabla 8. Anlisis del diseo factorial.

Dentro de los factores identificados como significativos se determin que la distribucin de


planta, definida como ubicacin de departamentos dentro del rea de produccin, por lo cual se

46

determina y se demuestra la importancia de este aspecto el cual es uno de los principales


objetivos del proyecto presente.

7.5.

Indicadores sugeridos

Por cada factor identificado como influyente dentro del experimento realizado y teniendo
tambin en cuenta los efectos por interacciones se propone el desarrollo de indicadores que
permitan medir el desempeo y diagnosticar la situacin de la distribucin de planta analizada.
Exceptuando el caso del factor distribucin el cual principalmente se utiliza para ser aplicado en
el diseo del modelo matemtico a aplicar posteriormente.
Factor demanda: El nivel de demanda es un factor que se tiene en cuenta en muchos de los
estudios y artculos de distribucin de planta, en s mismo constituye un indicador importante
para controlar las condiciones de produccin entre otros aspectos que impactan en la
distribucin de planta.
Capacidad de proceso: Se toma tambin como un indicador en este caso se debe medir para
cada proceso en la planta el nmero de departamentos que estn en capacidad de llevarlo a
cabo.
Capacidad de transporte: Como se identific en el estudio anterior la interaccin entre la
capacidad de proceso y transporte es significativa, e impacta el desempeo de la distribucin
de planta, por lo cual un indicador adecuado es la capacidad de transporte relacionada con la
de distribucin. Lo cual indica el cubrimiento que tienen las mquinas de transporte sobre los
procesos.
A continuacin se presentan las hojas de vida de los indicadores relacionados con los factores
influyentes identificados.

47

Objetivo:

Medir el cambio en la capacidad de produccin mensual

Nombre:

Nivel de demanda

Cdigo nemotcnico:

FCE 01

Frmula de clculo

Mtodo de clculo

Nivel de demanda en piezas


entrantes

Se planea o proyecta la demanda para


el periodo de inters

Fuente de informacin:

Proyectos aprobados, medicin de histricos

Frecuencia de clculo

Tipo de indicador

Semestral; al implementar mejoras

Finnciero

Responsable

Dueo

Jefe de produccin

Direccin de proyectos

Nivel mnimo

Nivel mximo

A determinar

A determinar

Acciones a tomar cuando el indicador supere los lmites


Riesgo bajo

Riesgo medio

Riesgo alto

48

Objetivo:

Medir la capacidad de cada proceso

Nombre:

ndice de capacidad de proceso

Cdigo nemotcnico:

FCE 02

Frmula de clculo

Mtodo de clculo

Nmero de departamentos por


proceso

Por cada proceso en la planta se toma la


cantidad de departamentos que estn en
capacidad de realizarlo.

Fuente de informacin:

Observacin en planta, cambios tecnolgicos

Frecuencia de clculo

Tipo de indicador

Semestral; al implementar mejoras

Productividad

Responsable

Dueo

Jefe de produccin

Direccin de proyectos

Nivel mnimo

Nivel mximo

A determinar

A determinar

Acciones a tomar cuando el indicador supere los lmites


Riesgo bajo
Analizar el rendimiento
actual de la capacidad
de produccin.

Riesgo medio

Riesgo alto

Analizar el balance de
Evaluar si hay necesidad de
las lneas de produccin,
nuevo equipo o si por el
y posibles cambios
contrario hay capacidad sub
tecnolgicos.
utilizada y tomar las acciones
pertinentes.

49

Objetivo:

Medir el cubrimiento y capacidad de las mquinas de transporte

Nombre:

ndice de cubrimiento de tranporte

Cdigo nemotcnico:

FCE 03

Frmula de clculo

Mtodo de clculo

Nmero de mquinas de transporte


Nmero total de departamentos

Se toma el nmero de mquinas de


transporte disponibles en planta y se
x100
divide entre el nmero de
departamentos, calculndolo porcentual.

Fuente de informacin:

Observacin en planta

Frecuencia de clculo

Tipo de indicador

Semestral; al implementar mejoras

Productividad

Responsable

Dueo

Jefe de produccin

Direccin de proyectos

Nivel mnimo

Nivel mximo

A determinar

A determinar

Acciones a tomar cuando el indicador supere los lmites


Riesgo bajo

Riesgo medio

Analizar si el cubrimiento Analizar necesidades de


aumento de capacidad
es suficiente para los
de transporte o
departamentos actuales.
redistribucin de planta.

Riesgo alto
Evaluar si hay necesidad de
adquirir nuevo equipo o si se
requieren cambios en la
tecnologa de transporte de
planta.

Adicionalmente a los indicadores basados en el levantamiento inicial de informacin se


proponen los siguientes.

50

Objetivo:

Medir el cambio en la capacidad de produccin mensual

Nombre:

ndice de aumento o disminucin de la capacidad productiva

Cdigo nemotcnico:

OPP 01

Frmula de clculo

Mtodo de clculo

Capacidad x periodo
x100
Capacidad periodo anterior

Fuente de informacin:

Se toma o se mide el cambio de


capacidad de un periodo a otro, se
divide entre la capacidad productiva del
periodo anterior y se multiplica todo por
100.

Proyectos aprobados, medicin de histricos

Frecuencia de clculo

Tipo de indicador

Semestral; al implementar mejoras

Productividad

Responsable

Dueo

Jefe de produccin

Direccin de proyectos

Nivel mnimo

Nivel mximo

A determinar

A determinar

Acciones a tomar cuando el indicador supere los lmites


Riesgo bajo
Analizar el rendimiento
actual de la capacidad
de produccin.

Riesgo medio

Riesgo alto

Analizar el balance de
Evaluar si hay necesidad de
las lneas de produccin,
nuevo equipo o si por el
y posibles cambios
contrario hay capacidad sub
tecnolgicos.
utilizada y tomar las acciones
pertinentes.

51

Objetivo:

Medir la utilizacin de la maquinaria de transporte

Nombre:

Utilizacin de transporte

Cdigo nemotcnico:

OPP 02

Frmula de clculo

Mtodo de clculo

Tiempo activo de la mquina


x100
Periodo de produccin

Fuente de informacin:

Se toma el tiempo en el que permanece


activa una mquina de transporte
durante un periodo fijo de produccin.
Se calcula para cada mquina de
transporte.

Muestreo o medicin en produccin

Frecuencia de clculo

Tipo de indicador

Acorde a cambios de tecnologa o


demanda

Productividad

Responsable

Dueo

Jefe de produccin

Gerencia de operaciones

Nivel mnimo

Nivel mximo

A determinar

A determinar

Acciones a tomar cuando el indicador supere los lmites


Riesgo bajo

Riesgo medio

Riesgo alto

Analizar que factor


principal est afectando
el proceso y su
efectividad.

Evaluar necesidades de
aumento de capacidad
del proceso o cambios
en tecnologas.

Analizar si se requiere
redistribucin de la planta, o
si el nivel de produccin es
muy bajo.

52

Objetivo:

Medir la eficiencia del transporte para cada proceso

Nombre:

Espera para transporte

Cdigo nemotcnico:

OPP 03

Frmula de clculo

Mtodo de clculo

Tiempo promedio de espera


inactivo esperando atencin de
transporte

Fuente de informacin:

Se toman muestras por cada proceso


del tiempo que espera luego de finalizar
una operacin para ser atendido por una
mquina de transporte.
Muestreo o medicin en produccin

Frecuencia de clculo

Tipo de indicador

Muestreo para cada proyecto nuevo

Productividad

Responsable

Dueo

Jefe de produccin

Gerencia de operaciones

Nivel mnimo

Nivel mximo

A determinar

A determinar

Acciones a tomar cuando el indicador supere los lmites


Riesgo bajo

Riesgo medio

Evaluar si la regla de
Evaluar si los tiempos de
atencin actual o si
proceso tienen
existen fallas afectando
desbalances que
el proceso de transporte.
impiden un flujo
continuo.

Riesgo alto
Analizar si el nmero o la
tecnologa de la maquinaria
de transporte es inadecuado
para la situacin actual de
demanda y produccin.

53

Objetivo:

Determinar la utilizacin de espacio no restringido

Nombre:

Utilizacin de espacio

Cdigo nemotcnico:

OPP 04

Frmula de clculo

Mtodo de clculo

rea utilizada de proceso


rea total de planta- reas con
restricciones

Se determinan las reas de cada


proceso y se suman, luego se divide por
el rea total disponible de la planta
x100
restndole a esta rea aquellas que por
condiciones de procesos o estndares
se encuentran restringidas.

Fuente de informacin:

Muestreo o medicin en produccin

Frecuencia de clculo

Tipo de indicador

Acorde a cambios de demanda o


produccin.

Productividad

Responsable

Dueo

Jefe de produccin

Gerencia de operaciones

Nivel mnimo

Nivel mximo

A determinar

A determinar

Acciones a tomar cuando el indicador supere los lmites


Riesgo bajo

Riesgo medio

Riesgo alto

Evaluar si se requiere un
Evaluar si las el nmero Analizar si la ubicacin
proyecto de redistribucin y
de departamentos para
de procesos es la
ampliacin de la operacin
cada proceso es el
adecuada y evaluar
para los niveles actuales de
adecuado para el nivel reubicacin o ampliacin
demanda, o si se deben
de produccin.
de la operacin.
eliminar o crear nuevas reas.

54

8. Desarrollo del modelo


8.1.

Seleccin del modelo

En la fase de diseo de experimentos, se determin que uno de los factores crticos que afecta
los tiempos de espera que fue el indicador que se tom como relevante mediante criterio de
expertos, es la distribucin de planta. Tambin fueron relevantes los factores de demanda,
capacidad de proceso y capacidad de transporte, sin embargo por restricciones del sistema
este tipo de cambios no son aplicables al modelo a realizar para la distribucin de planta, se
defini con los expertos que el principal propsito de los factores identificados es determinar
posibles mejoras aplicables en otro tipo de proyecto, as como la formulacin de indicadores
que permitan medir el desempeo de la planta.
Para el presente proyecto se propone disear un modelo matemtico que permita mejorar la
actual distribucin de planta. Ya que se han planteado una gran cantidad de modelos, se
propone una metodologa mediante la cual el diseo se aplica seleccionando un modelo que
segn los expertos de la empresa sea el ms aplicable de acuerdo a mltiples criterios.
La metodologa consiste como se mencion previamente en basado en el criterio de expertos
seleccionar un modelo aplicable y adaptarlo a la planta actual de la empresa. Para este
propsito y apoyar el proceso de seleccin se utilizar un proceso de jerarqua analtica como
herramienta que permite guiar el proceso de seleccin y tener un criterio cuantificable de por
qu se selecciona el modelo a aplicar.

8.1.1. Definicin de criterios y alternativas


Para la definicin de alternativas se cuentan con las formulaciones expuestas en el marco
terico a continuacin se enuncian:

Mtodo grfico o asistido por computador.


Problema de asignacin cuadrtica QAP.
Programacin entera mixta MIP.
Problema de distribucin dinmica DFLP.

Debido al tipo de planta una formulacin de mltiples plantas no es aplicable, tambin se han
eliminado las opciones distribucin de Muther, por su enfoque no cumple con las restricciones
que permiten aplicabilidad de esta metodologa y los mtodos grficos reemplazan esta
metodologa ya que su principio es similar.
Los criterios tienen dos fuentes de informacin, la primera son las caractersticas, ventajas y
desventajas ms importantes de cada formulacin y la segunda son las caractersticas,
restricciones y clasificacin de la distribucin de planta.
Modelo
Grfico

Matriz de criterios por modelo de optimizacin


Ventajas y caractersticas
Formulacin corta.
Resolucin rpida.
No garantiza ptimo.
Informacin fcil de obtener.
Indicadores poco robustos.
55

QAP

MIP

DFLP

No trabajable en plantas grandes.


No garantiza buenas soluciones.
Obtencin de datos sencilla.
Indicador significativo.
Trabajable en plantas grandes.
Posibilidad de obtencin de buenas soluciones.
Basado en flujos de proceso.
Resolucin rpida.
Planeacin de una distribucin fija.
Precisin alta en la medicin re resultados.
Alta aplicabilidad.
Obtencin de datos viable.
Indicador significativo.
En plantas grandes la solucin puede tomar mucho tiempo.
Garantiza cumplimiento de criterios de espacio.
Planeacin para una distribucin fija.
Alta aplicabilidad.
Planeacin para horizontes cambiantes.
Supone flexibilidad y facilidad en el cambio de distribucin.
Obtencin de datos relativamente difcil.
Requiere tiempos largos de formulacin y resolucin.
Indicador significativo.
Requiere datos proyectados por lo que puede no estar alineado con la
realidad del medio al que se aplica.
Aplicabilidad acorde al tipo de proceso.

Las caractersticas de la planta del caso presente respecto a la distribucin de planta son las
siguientes.

La flexibilidad de la planta se ve afectada por dificultad de modificar la configuracin


cuando la produccin es alta.
El rea productiva tiene suficiente amplitud para modificarla configuracin.
Se puede medir el flujo entre procesos con indicadores congruentes.
No hay comunicacin o flujos diferentes a materiales entre los departamentos.

Para el proceso e jerarqua analtica se reunieron dos expertos en el proceso y la distribucin


de planta de la empresa, el Gerente de operaciones y el Ingeniero jefe de produccin. Se
decidieron cules seran los factores a tener en cuenta como criterios de seleccin del modelo
a aplicar.
1)
2)
3)
4)
5)
6)

Medicin del flujo de procesos.


Utilizacin del espacio productivo.
Flexibilidad en el tiempo.
Facilidad de obtencin de datos.
Obtencin de soluciones precisas.
Posibilidad de obtener buenas soluciones.

56

8.1.2. Diagrama del proceso AHP

Seleccin de
formulacin

Flujo

Espacio

Flexibilidad

Datos

Precisin

Grfico

QAP

MIP

DFLP

Soluciones

Figura 23. Grfico de rbol para diseo de modelo matemtico.

Ya definidos los criterios y alternativas se procede a realizar la matriz de comparaciones por


pares.

8.1.3. Comparacin por pares de criterios


El proceso de comparacin por pares consiste en realizar una reunin de expertos en los
procesos y que tengan un amplio conocimiento en la distribucin de planta de la empresa,
establecidos los criterios de comparacin y las alternativas.
El primer proceso es contrastar asignando un valor como se mencion en el captulo de
proceso de jerarqua analtica, de 1 a 9 acorde a la consideracin de los expertos a cada par de
criterios cuando se considera uno superior al otro o el inverso multiplicativo de 1/9 a 1 en caso
contrario.
Con los resultados de las comparaciones se llenan las matrices de contraste, el mismo proceso
se aplicar luego para comparar los modelos en cada criterio establecido.
Matriz inicial de comparacin por pares.

57

Flujo Espacio Flexibilidad Datos Precision Soluciones


Flujo
1.0
7.0
0.5
3.0
5.0
0.1
Espacio
0.1
1.0
0.1
0.2
0.3
0.1
Flexibilidad 2.0
8.0
1.0
3.0
6.0
0.5
Datos
0.3
5.0
0.3
1.0
5.0
0.3
Precision
0.2
3.0
0.2
0.2
1.0
0.2
Soluciones
7.0
9.0
2.0
3.0
6.0
1.0
Tabla 9. Comparacin no normalizada.

Luego de realizar la matriz de comparacin esta debe normalizarse y seguir el procedimiento


mencionado en el captulo referente a jerarqua analtica hallando los vectores tpicos y
definiendo la jerarqua y valor de ponderacin de cada criterio y modelo comparado.
Matriz normalizada.

Flujo Espacio Flexibilidad Datos Precision Soluciones


Flujo
0.094 0.212
0.121 0.288
0.214
0.063
Espacio
0.013 0.030
0.030 0.019
0.014
0.049
Flexibilidad 0.187 0.242
0.242 0.288
0.257
0.222
Datos
0.031 0.152
0.081 0.096
0.214
0.148
Precision
0.019 0.091
0.040 0.019
0.043
0.074
Soluciones 0.656 0.273
0.485 0.288
0.257
0.444
Tabla 10. Comparacin normalizada.

W
A*W
0.166
1.125
0.026
0.164
0.240
1.627
0.120
0.758
0.048
0.290
0.400
2.921

= 5.59, CI = 0.118, CA = 1.24, RI = 0.095, Se acepta la ponderacin ya que la inconsistencia


es menor al 10%.

58

8.1.4. Ponderaciones para cada alternativa


Criterio de flujo

Flujo
Grafico
QAP
MIP
DFLP

A
Grafico QAP MIP DFLP Flujo
1.0
0.1 0.2
0.3 Grafico
9.0
1.0 5.0
3.0 QAP
5.0
0.2 1.0
0.3 MIP
3.0
0.3 3.0
1.0 DFLP

Normalizada
Grafico QAP
0.056
0.068
0.500
0.608
0.278
0.122
0.167
0.203

MIP DFLP
0.022
0.071
0.543
0.643
0.109
0.071
0.326
0.214

Tabla 11. Comparacin criterio de flujo.

W
W*A
0.054 0.223
0.574 2.467
0.145 0.606
0.227 1.015
= 4.226, CI = 0.89, CA = 0.9, RI = 0.098, Se acepta la ponderacin ya que la inconsistencia
es menor al 10%.
Criterio de espacio

Espacio
Grafico
QAP
MIP
DFLP

A
Grafico QAP MIP DFLP
Espacio
1.0
0.1 0.1
0.3 Grafico
7.0
1.0 0.3
3.0 QAP
9.0
3.0 1.0
5.0 MIP
3.0
0.3 0.2
1.0 DFLP

Normalizada
Grafico QAP
0.050
0.032
0.350
0.223
0.450
0.670
0.150
0.074

MIP DFLP
0.068
0.036
0.203
0.321
0.608
0.536
0.122
0.107

Tabla 12. Comparacin criterio de espacio.

W
W*A
0.046 0.186
0.274 1.127
0.566 2.372
0.113 0.457
= 4.088, CI = 0.029, CA = 0.9, RI = 0.033, Se acepta la ponderacin ya que la inconsistencia
es menor al 10%.
Criterio de flexibilidad

59

Flexibilidad
Grafico
QAP
MIP
DFLP

A
Grafico QAP MIP DFLP
Flexibilidad
1.0
0.1 0.3
0.1 Grafico
7.0
1.0 4.0
0.3 QAP
4.0
0.3 1.0
0.2 MIP
9.0
3.0 5.0
1.0 DFLP

Normalizada
Grafico QAP
0.048
0.033
0.333
0.228
0.190
0.057
0.429
0.683

MIP DFLP
0.024
0.068
0.390
0.203
0.098
0.122
0.488
0.608

Tabla 13. Comparacin criterio de flexibilidad.

W
W*A
0.043 0.175
0.288 1.240
0.117 0.471
0.552 2.388
= 4.182, CI = 0.061, CA = 0.9, RI = 0.067, Se acepta la ponderacin ya que la inconsistencia
es menor al 10%.
Criterio de datos

Datos
Grafico
QAP
MIP
DFLP

A
Grafico QAP MIP DFLP
Datos
1.0
0.1 0.2
0.3 Grafico
9.0
1.0 3.0
6.0 QAP
5.0
0.3 1.0
3.0 MIP
3.0
0.2 0.3
1.0 DFLP

Normalizada
Grafico QAP
0.056
0.069
0.500
0.621
0.278
0.207
0.167
0.103

MIP DFLP
0.044
0.032
0.662
0.581
0.221
0.290
0.074
0.097

Tabla 14. Comparacin criterio de datos.

W
W*A
0.050 0.202
0.591 2.450
0.249 1.027
0.110 0.442
= 4.080, CI = 0.027, CA = 0.9, RI = 0.030, Se acepta la ponderacin ya que la inconsistencia
es menor al 10%.
Criterio de precisin

Precision
Grafico
QAP
MIP
DFLP

A
Grafico QAP MIP DFLP
Precision
1.0
0.1 0.2
0.3 Grafico
9.0
1.0 3.0
6.0 QAP
5.0
0.3 1.0
3.0 MIP
3.0
0.2 0.3
1.0 DFLP

Normalizada
Grafico QAP
0.056
0.069
0.500
0.621
0.278
0.207
0.167
0.103

MIP DFLP
0.044
0.032
0.662
0.581
0.221
0.290
0.074
0.097

Tabla 15. Comparacin criterio de precisin.

60

W
W*A
0.050 0.202
0.591 2.450
0.249 1.027
0.110 0.442
= 4.080, CI = 0.027, CA = 0.9, RI = 0.030, Se acepta la ponderacin ya que la inconsistencia
es menor al 10%.
Criterio de soluciones

Soluciones
Grafico
QAP
MIP
DFLP

A
Grafico QAP MIP DFLP
Soluciones
1.0
0.1 0.2
0.3 Grafico
9.0
1.0 5.0
3.0 QAP
5.0
0.2 1.0
0.3 MIP
3.0
0.3 3.0
1.0 DFLP

Normalizada
Grafico QAP
0.056
0.068
0.500
0.608
0.278
0.122
0.167
0.203

MIP DFLP
0.022
0.071
0.543
0.643
0.109
0.071
0.326
0.214

Tabla 16. Comparacin criterio de soluciones.

W
W*A
0.054 0.223
0.574 2.467
0.145 0.606
0.227 1.015
= 4.226, CI = 0.89, CA = 0.9, RI = 0.098, Se acepta la ponderacin ya que la inconsistencia
es menor al 10%.

8.1.5. Jerarquizacin
Matriz de ponderaciones de alternativas

Grafico
QAP
0.054
0.046
0.043
0.050
0.050
0.054

MIP
0.574
0.274
0.288
0.591
0.591
0.574

DFLP
0.145
0.566
0.117
0.249
0.249
0.145

0.227
0.113
0.552
0.110
0.110
0.227

Tabla 17. Valor de ponderaciones.

61

Valores finales de mayor a menor

QAP
DFLP
MIP
Grafico

0.500
0.283
0.167
0.051

Finalmente se selecciona el modelo QAP o problema de asignacin cuadrtica dado que es el


que obtuvo la mayor ponderacin acorde al AHP propuesto.

8.2.

Formulacin

Como se mencion previamente, el QAP o problema de asignacin cuadrtica, busca


minimizacin del manejo de material o el flujo por distancia en la distribucin de planta en la
que se plantea. El primer paso para formular un problema de asignacin cuadrtica es
identificar el flujo ms importante para el proceso.
En el presente caso debido a las condiciones de produccin y a la condicin de manejo de
piezas con gran peso, el flujo se tomar como el peso promedio que fluye entre departamentos
por unidad de tiempo.
Por ser considerada informacin sensible no se especifica en que unidades se midieron estos
flujos.

8.2.1. Obtencin del flujo entre departamentos


La recoleccin de informacin requerida para el flujo supone primero un anlisis de los
procesos entre departamentos, ya que en este caso afectan dos factores importantes, el
primero es la capacidad de produccin de cada proceso y la segunda es el flujo real.
Cada proceso tiene capacidades diferentes sin embargo por principios de produccin se sabe
que los procesos de menor velocidad, mayor complejidad o menor capacidad son los que
definen el verdadero flujo de este proceso.
Supngase un grupo de 4 procesos cualquiera, cada proceso tendr una capacidad la cual
llamaremos
, en donde p ser el nombre o nmero de proceso. Sin embargo como
mencionamos antes esta capacidad no necesariamente est siendo utilizada al 100% durante
el proceso completo en cada una de sus actividades. Y que se tiene un flujo entre procesos que
se llamar , para calcular ste flujo se debe tener en cuenta lo siguiente.
1

Figura 24. Representacin de un proceso en lnea.

62

Supngase que se tiene un proceso en lnea como el mostrado en la figura 19 y se tienen


capacidades
para cada proceso, el flujo por proceso suponiendo que todos estn
a mxima capacidad sera de la siguiente forma.

Ci-1

Ci

Pi

Figura 25. Balance de flujo por proceso.

En donde
, es la capacidad del proceso inmediatamente anterior y , es la capacidad del
proceso i, si
, para todos los procesos en una distribucin de planta entonces el flujo
de proceso ser el mismo en todos los departamentos. En el caso contrario existir un
para
cada proceso, esta diferencia hara que se acumulen excesos de material en los procesos de
menor capacidad. Para eliminar este tipo de inventarios de un proceso se balancea la lnea
productiva, al final el flujo total de proceso en lnea estar dado por el proceso con menor
capacidad obteniendo as que
En secuencias de proceso donde varios departamentos tengan una misma funcin el flujo se
debe tomar de la siguiente forma.
2
3

2
Figura 26. Representacin de flujo con procesos iguales.

La capacidad en este caso del proceso 2 ser


, y la capacidad de del proceso 3 ser
, en general se tendr que en los procesos con mltiples departamentos su capacidad
ser
, en donde n es el nmero de departamentos del proceso y C la capacidad individual,
el supuesto es que los departamentos de este proceso tengan la misma capacidad en caso
contrario ser
, El procedimiento para hallar el flujo es el mismo en este caso se agrupan
los procesos iguales y se toma la menor capacidad en todos los procesos. Finalmente pare el
flujo de cada departamento en el caso de los procesos con ms de un departamento se debe
calcular cmo , si se cumple el supuesto de que las capacidades son iguales si no se cumple
el flujo se calcular como

Una vez aplicado el procedimiento a los departamentos de la empresa, se obtendr una matriz
de flujos entre procesos, de la siguiente forma.

63

En donde

es el flujo del departamento o proceso i al departamento j.

El segundo factor a tener en cuenta para formular el QAP es que se requieren ubicaciones fijas,
y departamentos a distribuir. Como se mencion anteriormente la formulacin ms comn es
distribuir un nmero de n departamentos en n ubicaciones, estas n ubicaciones tendrn
diferentes distancias por lo cual tambin se debe plantear una matriz de distancias entre
ubicaciones para el problema. Las distancias tomadas pueden ser euclidianas, o pueden ser
tomadas por recorridos.
Por la condicin de que hay una divisin en la planta, lo ms conveniente es tomar las
distancias acorde a los recorridos.
Los valores para flujos entre procesos requieren de datos plazos considerables, en este caso
se tomaron rendimientos histricos de los departamentos.

8.2.2. Formas estndar y matricial del problema


Teniendo ya nuestro criterio de flujo el QAP se formula de la siguiente forma. Se tienen 20
departamentos y 20 ubicaciones

, es el peso por tiempo que fluye del departamento i al departamento k.


es la distancia de la ubicacin j a la ubicacin l.
es la variable de decisin.

S.A.
Cada ubicacin solo puede tener un departamento

Se mencion previamente que por condiciones del proceso el departamento 1 no puede


reubicarse por lo cual se incluye la siguiente restriccin.

64

En la cual se definir la ubicacin actual del departamento 1 como ubicacin 1.


La forma matricial es la siguiente.

En donde F es la matriz de flujos, D es la matriz de distancias y X es la matriz de decisin


sujeta a las mismas restricciones, Z finalmente ser el vector solucin y la suma de sus
componentes ser el valor objetivo.

8.3.

Solucin del problema

Existen paquetes de software que pueden solucionar problemas de optimizacin sin embargo la
mayora de versiones estn restringidas y para solucin de problemas grandes requiere de
versiones extendidas.
El QAP formulado teniendo
departamentos distribuidos en
ptima con mtodos exactos
considera np- completa, en
metaheursticas.

en cuenta la restriccin del departamento un tiene 19


19 ubicaciones, debido a su tamao solucionarlo de forma
requiere tiempos irracionales, por lo que la formulacin se
este caso requerir de otros mtodos tales como las

8.3.1. Seleccin del mtodo de solucin


Existen diferentes metaheursticas, acorde a los problemas planteados pueden arrojar buenas
soluciones teniendo en cuenta la forma del problema y la programacin del algoritmo.
En el artculo Review of different approaches to the facility layout problems, se hace un
resumen de diferentes planteamientos y se hace una tabla en la cual se analizan cules son los
procedimientos o mtodos utilizados de solucin. A continuacin se toma una tabla de resumen

65

de los procedimientos utilizados para resolver formulaciones QAP utilizando la informacin del
artculo. Tomando aquellos que no se hayan resuelto usando mtodos exactos.32

Autor
Ao
Recocido
Gentico
Kirkpatrick et al.
1983 x
Burkard and Rendl
1984 x
Wilhelm and Ward [47] 19871987
Simulated
x
annealing
Kaku and Thomson
1986 x
Connolly
1990 x
Laursen
1993 x
Kouvelis et al
1992 x
Shang
1993 x
Peng et al.
1996 x
Azadivar and Wang
2000 x
Baykasoglu and Gindy
2001 x
Misevicius
2003 x
Balakrishnan et al.
2003 x
x
Tate and Smith
1995
x
Azadivar and Wang
2000
x
Ahuja
2000
x
Balakrishnan et al.
2003 x
x

Otros

Tabla 18. Meta- heursticas utilizadas para solucin de QAP.

Los ms comunes son utilizacin de recocido simulado y algoritmos genticos, otros artculos
formulan aproximaciones de lgica difusa, sistemas inteligentes, entre otros.
Por su simplicidad en la programacin y por su utilizacin en una gran cantidad de artculos
tanto para problemas de distribucin de planta basados en el QAP cmo para otro tipo de
formulaciones se selecciona el recocido simulado para solucionar el problema formulado.

8.3.2. Recocido simulado33


El recocido simulado es un algoritmo de bsqueda local o metaheurstica, recibe su nombre del
procedimiento utilizado el cual imita o simula el proceso trmico de recocido el cual consiste en
llevar a un material slido a altas temperaturas y luego disminuir esta temperatura lentamente,
hasta volver al estado normal del material o a una temperatura final establecida, el
32

S. P. Singh, P. R. Sharma. A review of different approaches to the facility layout problems. International
journal of manufacturing technology. No 30. 2006. 9p.
33

GENDREAU Michel, YVES Jean. Handbook of metaheuristics. 2


operational research and management science. 2003. 669p.

nd

Ed. International series in

66

procedimiento utilizado por el algoritmo al tiempo que simula el proceso termodinmico


mencionado hace una bsqueda global con objetivo de encontrar un ptimo local generalmente
se aplica a problemas de optimizacin discreta.
Una de las ventajas contra otros procedimientos de bsqueda local es que el recocido simulado
puede escapar o evitar caer en ptimos locales a travs de lo que se denomina movimientos de
escalada de pendientes.
Parmetros
El algoritmo, como muchos algoritmos de bsqueda local, requiere de una solucin inicial, para
este parmetro se puede seleccionar una solucin basada en algn criterio especfico o
construir soluciones de forma aleatoria.
Suponiendo que se tiene un espacio solucin , el primer paso esta en determinar una
solucin
, luego con base en esta solucin inicial se crea un esquema de vecindario, ,
de tal forma que N(), en el cual N es la funcin o criterio determinada para construccin
del vecindario.
En cada iteracin uno de los elementos de ser seleccionado como candidato para ser la
funcin entrante de la iteracin siguiente, ms adelante se mencionan los criterios bajo los que
se acepta o rechaza una candidata.
Para el procedimiento de simulacin de recocido, se debe primero determinar la funcin de
temperatura
este parmetro es la programacin de la disminucin de temperatura o
refrigeracin al finalizarse una repeticin del algoritmo. El siguiente parmetro a definir es la
temperatura inicial del sistema, al definir esta temperatura y junto con el procedimiento de
disminucin de temperatura se definen el valor esperado de iteraciones y el tiempo de corrida
total del algoritmo.
El siguiente factor a decidir es el nmero de iteraciones por cada nivel de temperatura, este
parmetro junto con los parmetros de temperatura definen el tiempo de corrida y el nmero
esperado de iteraciones.
Procedimiento
En resumen el procedimiento del algoritmo es.
1) Seleccionar un esquema de vecindarios.
2) Definir temperatura inicial, y disminucin de temperatura.
3) Definir el criterio de iteraciones por nivel de temperatura.
4) Seleccionar una solucin inicial.
5) Poner el contador de iteraciones por nivel en 0.
6) Generar el vecindario acorde al esquema seleccionado.
7) Comparar candidatos con la solucin inicial.
8) Aceptar o rechazar al candidato entrante.
9) Siguiente nivel de iteracin.
10) Siguiente nivel de temperatura.
11) Finalizar cuando se llegue a la temperatura final.
La funcin de aceptacin o rechazo de un candidato entrante a ser la nueva solucin inicial en
el siguiente procedimiento es:
67

En donde f es la diferencia entre la solucin del vecindario y la solucin inicial de la iteracin.

8.3.3. Programacin y definicin de parmetros


El recocido simulado aplicado se program en Visual Basic utilizando como apoyo la
herramienta Excel versin 2010, uno de los principales parmetros es definir en cada iteracin
y corrida el esquema de solucin a utilizar en este caso al ser un problema combinatorio se
tienen definidas las ubicaciones posibles dadas en la distribucin de planta, y los
departamentos a distribuir. Cada combinacin indica la configuracin de planta a analizar.
Generacin de una solucin inicial
Se estableci previamente que el algoritmo requiere una solucin inicial, uno de los posibles
procedimientos para seleccionarla es generarla aleatoriamente en cada corrida, la desventaja
de este procedimiento es que no se tiene un criterio para decidir la calidad de las soluciones
obtenidas. Para el proyecto presente se propone tomar la situacin actual o la distribucin
actual de planta cmo solucin inicial, los motivos para esta seleccin son que se puede hacer
una bsqueda con objetivo de mejorar un valor objetivo ya establecido, y la segunda es que
permite evaluar la calidad de las soluciones obtenidas al tener un valor de contraste, inclusive
en pocas iteraciones.
Generacin de un esquema de vecindarios
La generacin de soluciones vecinas afecta la forma en que el algoritmo compara soluciones,
para la seleccin de este esquema se debe tener en cuenta que se afecta el nmero de
soluciones analizadas por iteracin, otro factor importante es seleccionar un esquema que se
pueda aplicar a cualquier solucin esto evitar caer en soluciones no factibles.
Para el caso especfico de la distribucin de planta, los algoritmos como CRAFT u otros
computacionales han servido como base para las metaheursticas por lo cual uno de los
mtodos ms aceptados y utilizados para el QAP en este aspecto es generar vecindarios
basados en intercambio de departamentos o posiciones.34
Con este esquema de intercambios entre posiciones se pueden crear varios tipos de
vecindarios, uno de los posibles es el vecino ms cercano, dependiendo del tipo de
movimientos hechos el vecindario tendr distintos nmeros y combinaciones posibles, a
continuacin se muestran algunos de los esquemas posibles.35

1 2 3 4 5

2 1 3 4 5

Figura 27. Esquema del vecino mas cercano.


34

CHWIF Leonardo, PEREIRA Marcos, MOSCATO Lucas. A solution to the Facility Layout problem using
simulated annealing. Computers in industry. No 36. 1998. 8p.
35
TAILLARD Erick. Metaheuristics for hard combinatorial problems. Wien seminar. 2004. 52p.

68

1 2 3 4 5

4 2 3 1 5

Figura 28. Esquema de vecindario salto en 2.

Para el proyecto presente se seleccion un vecindario con salto 1, con este esquema se
generan 17 soluciones vecinas por iteracin, no se generan soluciones no factibles.
El intercambio de posiciones representa en la planta reubicar 2 departamentos como se
muestra en el siguiente grfico.
P12

P13

P19
P20

P5

P18
P15

P14

P7

P6

P4

P8

P3
P17

P16
P2
P1

P9

P10

P11

Figura 29. Seleccin de departamentos por pares.

P12

P13

P2
P20

P5

P18
P15

P14

P7

P6

P4

P8

P3
P17

P16
P19
P1

P9

P11

P10

Figura 30. Departamentos intercambiados.

69

Parmetros de temperatura y enfriamiento36


Una vez definidos los parmetros de generacin de vecindarios y la solucin inicial de cada
corrida del recocido se deben definir los dems parmetros del algoritmo, la programacin del
enfriamiento se refiere a la temperatura inicial del algoritmo y la velocidad o el parmetro de
enfriamiento en cada iteracin, este parmetro define el comportamiento, el criterio de
terminacin del algoritmo y la aceptacin de candidatos para cada iteracin.
Como se mencion previamente el recocido simulado tiene una funcin de aceptacin o
rechazo para las candidatas entrantes en cada iteracin, todas las candidatas que sean en
rendimiento mejores que la solucin inicial de la iteracin sern aceptadas como solucin inicial
de la siguiente iteracin, aquellas que no, se aceptarn con probabilidad.

Donde es la temperatura del sistema en la iteracin k, y a su vez k es el parmetro de conteo


de iteraciones el objetivo de este parmetro es que las soluciones relativamente malas se
acepten con altas probabilidades en las primeras iteraciones y al disminuir la temperatura la
probabilidad de aceptar una mala candidata disminuya. Esto permite tener una gran variedad
de soluciones y vecindarios al inicio del algoritmo y una bsqueda local al haber disminuido la
temperatura.37
Para lograr este objetivo
debe ser cercano a
cuando
, en donde es la
temperatura inicial del sistema y es el valor esperado o proyectado para la probabilidad de
aceptacin en la primera iteracin.38
Por lo tanto

. El parmetro

, debe ser un valor cercano a 1, este valor se puede

tomar como experimental en general en algunos algoritmos de recocido simulado se utiliza


como valor a calibrar utilizando diseo de experimentos con distintos valores.
Para calcular el
se utiliza una muestra de distintas soluciones y candidatas y se
promedia el valor de diferencia de aquellas cuya diferencia sea mayor a 0.
Para el recocido simulado se tomar como muestra inicial n = 30 basado en esta muestra se
calcular el tamao de muestra y se harn este nmero de corridas para calcular el
.
Para el clculo de tamao de muestra se con =0.1, basado en el nmero de posibles
selecciones por iteracin del algoritmo, la varianza de premuestra,
, por lo cual
n = 440 corridas.
Finalmente el valor obtenido de
Para calcular los valores de

-470.0095.
, se utiliza la siguiente frmula.

36

PARK Moon, KIM Yeong. A systematic procedure for setting parameters in simulated annealing
algorithms.
37
nd
GENDREAU Michel, YVES Jean. Handbook of metaheuristics. 2 Ed. International series in
operational research and management science. 2003. 669p.
38
S. Kirkpatrick, C. Gelatt and M. Vecchi. Optimization by simulated annealing. Science Journal. 1983. 9p.

70

Para la experimentacin se utilizaran los valores propuestos de , utilizados en el artculo An


improved dimulated annealing for facility layout problem for celular manufacturing systems. En
el cual se trabajan los valores 0.3, 0.4, 0.5, 0.6 y 0.7.39
Como temperatura final se tomar el valor de 200 como control para los valores, la
programacin del enfriamiento se basa en la temperatura inicial y final utilizando el siguiente
parmetro.
. Donde se denomina radio de enfriamiento normalmente se toma
con valores cercanos a 1 con objetivo de que el enfriamiento sea lento. Tambin se debe antes
definir el nmero de iteraciones por nivel de temperatura inicialmente llamaremos a este valor
M. Teniendo en cuenta esto la frmula para el clculo de es.
.40
M suele tomarse basado en criterios que describan el problema en algunos casos el nmero de
departamentos a intercambiar o el nmero de posibles ubicaciones en otros casos tambin se
toma el tamao del vecindario de soluciones en cada iteracin. En este caso se toman el
nmero de ubicaciones que se pueden intercambiar M=19.

Pi

Ti
a
0.3 390.374266 0.9654129
0.4 512.937634 0.9516382
0.5 678.066669 0.93776173
0.6 920.079139 0.92281797
0.7 1317.72643 0.90553557
Tabla 19. Valores
de Pi.
0.8 2106.26746
0.88345631
0.9 4460.87414 0.84924326
Para seleccionar el mejor valor de Pi que es el valor de experimentacin dado que los dems
parmetros ya se han calibrado. Se correr el algoritmo ya tomados los parmetros
previamente mencionados con los valores asignados a cada nivel de este parmetro,
graficados en la tabla 19.41

8.3.4. Formulacin del problema en Excel


Para el algoritmo programado se utiliz como se mencion previamente la herramienta
Microsoft Excel versin 2010, para la representacin de las combinaciones a utilizar se
representa cada departamento en una casilla y su ubicacin ser la cifra correspondiente
siendo la situacin actual y solucin inicial de cada corrida ubicar el departamento designado
con nmero 1 en la ubicacin 1.
Ubicacion
Proceso

1
1

2
2

3
3

4
4

5
5

6
6

7
7

8
8

9
9

10
10

11
11

12
12

13
13

14
14

15
15

16
16

17
17

18
18

19
19

20
20

Tabla 20. Estructura de celdas de la formulacin.

39

WANG. Tai Yue, LIN Her Chang, WU Kuei Bin. An improved simulated annealing for facility layout
problem for cellular manufacturing systems. Computers industrial engineering. Vol 34. No 2. 1998. 11p.
40
C. N. Potts, WASSENHOVE Van. Single machine tardiness sequencing heuristics. IIE Transactions.
No 23. 1991. 9p.
41
POCHAMARN, SUWADEE, CHONTHICHA. Using promodel as a simulation tool to assist plant layout
design and planning. Songklanakarin journal. Vol 30. 2008. 7p.

71

La tabla 20, permite visualizar la estructura general del programa en donde las celdas
correspondientes a ubicacin son fijas ya que representan las ubicaciones posibles, las celdas
correspondientes a proceso son las que indican que secuencia actual se tiene para la
distribucin de planta a evaluar. En cada iteracin se intercambian los valores correspondientes
a las celdas de proceso y se evala el desempeo de cada una de las soluciones obtenidas en
el vecindario luego se aplican los procedimientos mostrados a continuacin

Generacin de vecindario
Previamente se defini que el vecindario se basa en el intercambio de departamentos para este
caso el procedimiento crea un vecindario a partir de la solucin inicial intercambiando
departamentos con un espacio intermedio, este procedimiento garantiza que las soluciones
generadas son factibles acorde a los criterios ya mencionados en este caso el primer
departamento no se cambia y los dems pueden intercambiarse libremente acorde a la regla
mencionada.
Pseudocdigo del procedimiento de generacin de vecindario
Solucin_inicial
Vecindario_i[ ]
! Replicacin de solucin inicial en celdas de
desde i = 1 hasta 17.
desde j = 1 hasta 17.
Vecindario_i[j] = Solucin_inicial[j]
j=j+1
i = i +1
! Intercambio de celdas en el vecindario
desde i = 1 hasta 17.
Vecindario_i[i] = Solucin_inicial[i+2]
Vecindario_i[i+2] = Solucin_inicial[i]
i = i +1
Grficamente en la pantalla la solucin inicial y el vecindario generado se vern como a
continuacin se expone.

72

Secuencia IN
Secuencia1
Secuencia2
Secuencia3
Secuencia4
Secuencia5
Secuencia6
Secuencia7
Secuencia8
Secuencia9
Secuencia10
Secuencia11
Secuencia12
Secuencia13
Secuencia14
Secuencia15
Secuencia16
Secuencia17

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

2
4
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

3
3
5
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

4
2
4
6
4
4
4
4
4
4
4
4
4
4
4
4
4
4

5
5
3
5
7
5
5
5
5
5
5
5
5
5
5
5
5
5

6
6
6
4
6
8
6
6
6
6
6
6
6
6
6
6
6
6

7
7
7
7
5
7
9
7
7
7
7
7
7
7
7
7
7
7

8
8
8
8
8
6
8
10
8
8
8
8
8
8
8
8
8
8

9
9
9
9
9
9
7
9
11
9
9
9
9
9
9
9
9
9

10
10
10
10
10
10
10
8
10
12
10
10
10
10
10
10
10
10

11
11
11
11
11
11
11
11
9
11
13
11
11
11
11
11
11
11

12
12
12
12
12
12
12
12
12
10
12
14
12
12
12
12
12
12

13
13
13
13
13
13
13
13
13
13
11
13
15
13
13
13
13
13

14
14
14
14
14
14
14
14
14
14
14
12
14
16
14
14
14
14

15
15
15
15
15
15
15
15
15
15
15
15
13
15
17
15
15
15

16
16
16
16
16
16
16
16
16
16
16
16
16
14
16
18
16
16

17
17
17
17
17
17
17
17
17
17
17
17
17
17
15
17
19
17

18
18
18
18
18
18
18
18
18
18
18
18
18
18
18
16
18
20

19
19
19
19
19
19
19
19
19
19
19
19
19
19
19
19
17
19

20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
20
18

Tabla 21. Representacin del esquema de vecindarios.

Procedimiento de iteracin y enfriamiento


El siguiente paso es el seleccionar una candidata para la siguiente iteracin y aceptarse o
rechazarse acorde a la funcin de aceptacin del algoritmo, se repite este procedimiento hasta
encontrarse el criterio
, que es el nmero de repeticiones por nivel de temperatura en este
caso se tomaron 19 repeticiones basadas en el nmero de procesos a intercambiar, finalmente
se disminuye la temperatura acorde a la funcin de enfriamiento hasta llegar al nivel de
temperatura mnima finalizando el algoritmo. Adicionalmente de las soluciones encontradas se
debe almacenar el ptimo de Pareto o mejor solucin encontrada por cada corrida del algoritmo.
Pseudocdigo de iteracin y enfriamiento
Solucin_inicial
Vecindario_i[ ]
ptima_Pareto
Candidata_i
Valor = Funcin objetivo
Funcin = funcin de aceptacin
Aceptacin =! verdadero o falso si se encuentra o no una candidata aceptada
Temperatura
Temperatura_Inicial
Temperatura_ Final
Temperatura =Temperatura_Inicial
Aleatorio_Candidata
Aleatorio_Aceptacin
r = radio de enfriamiento
Mientras Temperatura < Temperatura_Final
Desde i = 1 hasta M
Generar vecindario:
Aceptacin = falso
Mientras Aceptacin = falso
Candidata_i = Vecindario_i[Aleatorio_Candidata]
Si Valor.Candidata_i < Valor.Solucin_Inicial entonces
73

Solucin_Inicial = Candidata_i
Aceptacion = Verdadero
Si No
Si Aleatorio_Aceptacin < Funcin.Candidata_i entonces
Solucin_Inicial = Candidata_i
Aceptacin = Verdadero
Desde j = 1 Hasta 17
Si Valor.Vecindario_ i[i] < Valor.ptimo_Pareto entonces
ptimo_Pareto = Vecindario_i[i]
j = j +1
i=i+1
Temperatura = Temperatura * r

8.4.

Anlisis de resultados

Resultados de experimentacin
El nico criterio de experimentacin utilizado fue el valor de
aceptacin de candidatos peores.

Menor
Mayor
Promedio

0.3
43704
47225.4
45890

0.4
42727
46540
45242

0.5
42337.3
47025.7
45015

0.6
42730.1
46489.1
44784.24

o probabilidad inicial de

0.7
42149.5
47225.4
45890

Tabla 22. Resultados para niveles de Pi.

Mejor solucin obtenida


Finalmente la mejor secuencia obtenida fue, (1,16, 3, 18, 9,12, 15, 6, 5, 4, 17, 8,19, 2,13, 20, 7,
14 , 11, 10). Con un valor de flujo de 42149.5 el cual representa una mejora del 23% respecto
al valor inicial con la distribucin actual de planta, cuyo valor en flujo es de 54829.4.

74

P8

P19

P11
P10

P9

P14
P13

P2

P15

P12

P18

P6

P3
P7

P20
P16
P1

P5

P17

P4

Figura 31. Distribucin de planta por agrupacin de proceso.

75

9. Modelo de simulacin
Como apoyo a la toma de decisiones, al evaluar si se implementa o no un proyecto de
redistribucin de planta la simulacin es una tcnica muy til, debido a que los diferentes
modelos de optimizacin de distribucin de planta no convergen respecto a criterios de
optimizacin y existe una alta probabilidad de que una solucin ptima para un modelo no sea
buena opcin en otro. Un ejemplo de esto lo muestra Benjafaar en el artculo Modeling and
analysis of congestion in the design of facility layouts. En donde se comparaban las soluciones
obtenidas por dos modelos y se concluye que ambos modelos propuestos son divergentes
respecto a la solucin ptima.42
Dependiendo del tamao del proceso a redistribuir o analizar, pueden evaluarse una cantidad
de modelos de optimizacin, para procesos con un nmero limitado de departamentos,
optimizar es relativamente sencillo y no requiere de grandes costos en levantamiento de
informacin, por el contrario cuando el nmero de departamentos a distribuir es grande, tanto el
levantamiento como la modelacin se hacen complejos por lo cual es adecuado limitar el
nmero de escenarios y modelos a aplicar.
En el presente escrito se propuso la utilizacin del proceso de jerarqua analtica, para
seleccionar un nico modelo a aplicar, esto reduce el costo de informacin necesaria y permite
tomar una decisin con un criterio definido, sin embargo las desventaja de un modelos de
distribucin de planta es que su aplicacin es compleja a la hora de implementar, aunque se
tengan en cuenta restricciones existen posibles factores que no lo hagan viable.
Por esto se propone un modelo de simulacin que permita evaluar los dos escenarios
presentados bajo las condiciones de produccin ya definidas y que permita evaluar el
desempeo y validar el modelo de optimizacin aplicado.

9.1.

Simulacin con FlexSim

9.1.1. Objetos, atributos y entidades


Flexsim es un software de simulacin cuya principal caracterstica es que permite visualizar en
3 dimensiones el proceso a simular, esto le permite una gran ventaja frente a otros programas
al poder generar un impacto grfico y facilita la visualizacin de procesos tales como el
transporte, as como el anlisis de distintos escenarios.
Para el modelo a implementar se utilizarn distintas herramientas del programa, la primera es
la librera de objetos, los objetos son los procesos y diferentes apoyos principales de la
modelacin dentro del programa, para nuestro modelo de simulacin se utilizaron fuente,
procesador, cola, salida, transportador y puente gra.
Procesador
El procesador en el programa se encuentra por su nombre en ingls processor, tiene varios
atributos su visualizacin en 3 dimensiones se ve como en la imagen a continuacin.
42

BENJAFAAR. Saifallah. Modeling and analysis of congestion in the design of facility layouts. Division of
industrial engineering, University of Minnesota. 2002. 44p.

76

Figura 32. Procesador.

Cada objeto utilizado tiene asignado o se le puede asignar un nombre que sirva como gua
para identificar este objeto. Cada objeto tiene una ventana de propiedades en donde acorde al
tipo trabajado permite modificar sus atributos, en el caso del procesador se modifican el tiempo
de procesamiento, la capacidad, el flujo de proceso entre otras caractersticas. En el modelo
aplicado se modificarn nicamente las mencionadas.

1
2

Figura 33. Ventana de configuracin de proceso.

77

En la ventana de propiedades de la figura 32, se ven las caractersticas de procesamiento la


primera es la capacidad o nmero de entidades que pueden encontrarse en el procesador, el
segundo es el tiempo de preparacin de la mquina para un trabajo, y el tercero el tiempo de
procesamiento.

1
2

Figura 34. Ventana de configuracin de flujo.

En la figura 33 se encuentra la ventana referente al flujo de proceso acorde a las conexiones


realizadas permite definir el criterio con el que las entidades sern transportadas al siguiente
destino, la primera opcin es la seleccin de este criterio en la segunda opcin se define si se
utiliza o no un apoyo para transportar la pieza segn lo definido en el sistema.
Transportadores y puentes gra
Los transportadores y puentes gra son objetos que apoyan el transporte entre procesos o
locaciones en el modelo de simulacin a continuacin se muestran sus representaciones
grficas.

78

Figura 35. Mquinas de transporte.

Las propiedades y programacin de ambos es muy similar por lo cual solo se mostrar la del
puente gra.

Figura 36. Ventana de configuracin de gra.

La primera ventana permite modificar los parmetros y velocidades de operacin del puente
gra a diferencia con el transportador el puente gra requiere de la definicin de varias
velocidades mientras la velocidad del transportador es nica.

79

Figura 37. Parmetros de gra y transportador.

En la segunda ventana se definen los parmetros con los que se apoya la operacin, tales
como el orden o prioridad con que se atiende un proceso, tambin se definen las velocidades
del puente gra en sus desplazamientos recorriendo la planta.
Fuentes, colas y salidas
Estos objetos funcionan muy similar en Flexsim como en otros programas de simulacin la
fuente permite la creacin de entidades que recorrern el proceso, las colas permiten acumular
entidades que no estn en procesamiento o en algunos casos para apoyar la distribucin del
proceso y las salidas suponen el fin o donde las entidades son depositadas al finalizar la
operacin. En la grfica a continuacin se muestran las visualizaciones de fuente (nmero 1),
cola (nmero 2) y salida (nmero 3).

80

3
2

Figura 38. Fuente, cola y salida.

9.1.2. Tablas globales y experimentador


Las tablas globales son tablas auxiliares en las cuales se pueden almacenar informacin del
proceso relativas a distribuciones empricas o discretas, valores de parmetros entre otras al
crear una tabla global se le debe asignar un nombre y se pueden crear el nmero de columnas
y filas necesarios para almacenar la informacin requerida.
Desde los objetos se pueden referenciar estas tablas para aplicar los valores almacenados.

Figura 39. Tabla global

El experimentador es un mdulo del programa que permite analizar diferentes escenarios y


realizar mltiples corridas de la simulacin, al final arroja resultados en forma de reporte y
permite analizar los datos obtenidos.
Finalmente los objetos utilizados en el modelo permiten tambin medir estadsticas de cada
objeto algunas inclusive pueden verse en el tiempo de corrida de la simulacin o recolectar al
final de las corridas.

81

9.1.3. Supuestos y parmetros del modelo


En al artculo Using Promodel as a simulation tool to assist plant layout design and planning
de Pochamarn, se propone la utilizacin de un software de simulacin como mtodo para
evaluar distintas alternativas para una distribucin de planta. Una de las caractersticas de la
simulacin para analizar procesos es que es un mtodo costoso, y que requiere un
levantamiento de informacin riguroso.43
A pesar de su complejidad y costo estos se pueden ver reducidos al limitar el detalle con que
se simular el proceso, un nivel muy alto de detalle puede incurrir en costos innecesarios sin
resultados que lo justifiquen y por otro lado un detalle poco profundo puede no representar bien
el proceso a simular.
Para el proceso a analizar se requiere que los datos sean consecuentes con los obtenidos para
la optimizacin propuesta previamente. Normalmente se deben tomar muestras de cada
proceso en tiempos o si se cuentan con historiales basarse en ellos para determinar las
distribuciones de probabilidad con las que se comportan sus tiempos, sin embargo en este
caso los tiempos de proceso son prolongados y el tomar muestras estadsticamente
representativas representa un costo irracional en tiempo, adems que el objetivo no es estudiar
el comportamiento especfico de los procesos si no analizar el desempeo de la distribucin de
planta, razn por la cual la mejor alternativa es tomar los rendimientos de los procesos acorde
a un juicio de expertos en el proceso.
Los supuestos que facilitarn la ejecucin del modelo sugeridos por Pochamarn al evaluar una
distribucin de planta, aplicables al presente proyecto son.

Los tiempos de preparacin, procesamiento, carga y descarga de entidades son


promedio y constantes.
Se considera una demanda fija para el periodo de tiempo considerado significativo, (en
el caso del artculo se proponen 10 aos sin embargo esta cifra no es aplicable a la
situacin actual).44

En el presente caso esto implica tiempos de procesamiento, velocidades de transporte, carga y


descarga promedio y constantes. Sin embargo se utilizarn valores aleatorios para la
secuenciacin de un proceso a otro, lo cual afecta el modo en que se comportan las mquinas
de transporte.
Protegiendo la informacin de la empresa a continuacin se especifican los tiempos aceptados
para cada proceso y parmetros en general, sin especificar las unidades en que estn dados,
aclarando que se utiliz la misma unidad para tiempos, distancias y velocidades para todos los
procesos.

43

GARCA. GARCA. CRDENAS. Simulacin y anlisis de sistemas con Promodel. Primera edicin.
Pearson. 2006. 280p.
44
TEARWATTANARATTIKAL.NAMPHACHAROEN. CHAMRASPORN. Using Promodel as a simulation
tool to assist plant layout design and planning: Case study plastic packaging factory.
Songklanakarin Journal of science and technology. No 30. 2008. 7p.

82

Proceso
Proceso A
Proceso B
Proceso C
Proceso D
Proceso E

Tiempo promedio
9.80
17.83
38.67
158.83
27.83

Tabla 23. Tiempos de procesamiento.

Puente Gra
Velocidad
30
Aceleracin Instantnea
Carga
2.3
Descarga
1.8
Vel. Subida
3
Vel. Bajada
3
Tabla 24. Parmetros de gra.

Finalmente se describe el flujo entre procesos con el siguiente diagrama. Recordando que para
cada proceso existe un nmero de departamentos asignados que lo ejecutan.

Proceso C
100%
60%

Proceso A

100%

Proceso B

40%

Proceso D

100%

Proceso E

Figura 40. Proceso y flujo de procesos de planta.

En las salidas de flujo de cada proceso el criterio se toma como aleatorio al siguiente proceso
disponible la atencin de los elementos de transporte se supondr sin un criterio especfico
dndole orden FIFO a la cola de atencin.
El objetivo principal es analizar el efecto sobre el transporte y sobre tiempos de espera en cada
una de las estrategias planteadas. Se proponen dos escenarios la distribucin de planta actual
sin cambios en los departamentos y la distribucin de planta arrojada por el problema de
optimizacin previamente planteado.
El tipo de simulacin debido a las condiciones de proceso es de estado estable o no terminal,
por lo cual se deben definir el largo de corrida y nmero de corridas a realizar para este caso se
83

tom basado en el criterio de expertos el tiempo promedio en ejecucin de un proyecto unitario


por lo cual el largo de cada corrida ser de 24300 unidades de tiempo. El nmero de corridas
se har inicialmente con 30 corridas que representa un nmero representativo de proyectos
basados en el criterio de expertos de produccin.

9.2.

Situacin actual

9.2.1. Modelo
Modelo general situacin actual

Figura 41. Modelo completo situacin actual.

Vista plana situacin actual

Figura 42. Modelo plano situacin actual.

84

Como se aprecia en las figuras se represent el modelo con sus diferentes departamentos,
conexiones y mquinas de transporte se utilizaron colas auxiliares representando el sistema de
transporte entre plantas para ambos escenarios las configuraciones son similares excepto la
configuracin de los departamentos.

9.2.2. Resumen de resultados


El objetivo de medicin es analizar los tiempos de espera de procesadores, transportadores y
en general la actividad de transporte acorde a los reportes obtenidos.

Objeto
P1
P2
P3
P4
P6
P7
P8
P9
P10
P11
P12
P13
P14
P15
P16
P17
P18
P19

Tipo de proceso
A
B
B
C
D
D
D
D
D
D
D
D
D
D
E
E
E
E

Espera por transporte Promedio proceso


2,00%
2,00%
3,92%
2,05%
0,17%
2,21%
2,21%
17,97%
21,97%
22,18%
17,93%
19,78%
12,10%
17,62%
1,23%
0,00%
1,30%
1,00%
42,89%
45,40%
24%
4,30%
4,50%

Figura 43. Espera por sistemas de transporte.

85

Espera por proceso


30,00%
25,00%
20,00%
15,00%

Espera

10,00%

5,00%
0,00%
A

Figura 44. Grfica de esperas situacin actual.

Objeto
Utilizacin
Crane 25
Crane 26
Transporter 20
Transporter 34

Viaje sin carga


99,91%
24,96%
2,77%
15,25%

36,97%
9,25%
0,75%
4,12%

Viaje cargado
38,83%
9,36%
0,83%
4,22%

Tabla 25. Utilizacin transporte situacin actual.

9.3.

Situacin propuesta

9.3.1. Modelo
Modelo general situacin propuesta

Figura 45. Modelo situacin propuesta.

86

Vista plana y conexiones

Figura 46. Situacin propuesta vista plana y conecciones.

9.3.2. Resumen de resultados


Objeto
P1
P2
P3
P4
P6
P7
P8
P9
P10
P11
P12
P13
P14
P15
P16
P17
P18
P19

Tipo de proceso
A
B
B
C
D
D
D
D
D
D
D
D
D
D
E
E
E
E

Espera por transporte Promedio proceso


2,00%
2,00%
2,09%
3,50%
4,90%
3,25%
3,25%
0,00%
8,10%
2,20%
0,00%
1,83%
3,60%
1,91%
8,60%
2,09%
2,32%
8,99%
0,00%
0,00%
3%
0,00%
11,67%

Tabla 26. Esperas situacin propuesta.

87

Espera por proceso


4,00%
3,50%
3,00%
2,50%
2,00%

Espera

1,50%
1,00%
0,50%
0,00%
A

Figura 47. Grfico espera situacin propuesta.

Objeto
Utilizacin
Crane 25
Crane 26
Transporter 20
Transporter 31

Viaje sin carga


53,00%
64,00%
38,00%
21,00%

24,75%
9,25%
14,02%
6,95%

Viaje cargado
25,28%
9,36%
13,58%
7,43%

Tabla 27. Utilizacin transporte situacin propuesta.

9.4.

Comparacin resultados

En la situacin propuesta se ve una mejora en los tiempos de espera para transporte y en


general una mayor utilizacin de los elementos para transporte presentes en la segunda planta,
aunque para los procesos del grupo A, B y C se aumentaron los tiempos de espera para
transporte el aumento fue relativamente bajo. Para los procesos D y E se redujeron
significativamente estos tiempos de espera por lo cual se puede concluir que la situacin
propuesta tiene un gran impacto en la reduccin de tiempos de espera y en la utilizacin del
sistema de transporte.

88

10.

Conclusiones y recomendaciones

10.1. Conclusiones

Se dise e implement una metodologa que permiti la evaluacin de la situacin


actual de la distribucin de planta de la empresa, desarrollar un modelo matemtico que
permiti mejorar la distribucin enfocada a los factores identificados cmo crticos.
A travs de diseo de experimentos se detectaron los factores crticos de la distribucin
actual y con base en estos se propusieron indicadores.
Se desarroll un modelo basado en el QAP, utilizando el proceso de jerarqua analtica
como herramienta de apoyo para seleccin de alternativas.
A travs del recocido simulado se logr una mejora del 23%, en el valor del flujo objetivo
del problema planteado.
Se verific el impacto del modelo matemtico a travs de un modelo de simulacin en
donde se identificaron las mejoras en tiempos y esperas.
Adems de mostrar los posibles impactos que el presente proyecto pueda generar en
Tecmo, la metodologa propuesta tiene un amplio alcance en otros sectores y se puede
utilizar como gua para proyectos de la misma naturaleza.
Se demostr tanto a travs del diseo de experimentos como de la metodologa
completa que la distribucin de planta impacta de forma significativa en los procesos de
la empresa.
Se le dan herramientas a Tecmo para evaluar, mejorar y controlar la distribucin de
planta y adicionalmente se muestran los aspectos crticos a tener en cuenta para
mantener un buen desempeo de la distribucin.

10.2. Recomendaciones

Se puede evaluar el implementar los cambios propuestos en la empresa, a travs de un


anlisis de viabilidad y de una formulacin de proyectos, en este caso enfocndose en
la redistribucin de planta.
Se encontr que factores como el transporte en la planta y la capacidad del proceso
impactan en el desempeo de la distribucin de planta de la empresa, a travs del
diseo de experimentos tambin se identific que su interaccin tambin es relevante
por lo cual se deben medir, controlar y mantener en equilibrio. Cuando se den
modificaciones tecnolgicas se debe evaluar el desempeo de los sistemas de
transporte en la nueva planta o bajo parmetros diferentes.
Se propone hacer seguimiento a los indicadores planteados durante el desarrollo de os
experimentos, ya que los impactos de los factores identificados son importantes, el
seguimiento y control de estos indicadores es una herramienta que puede permitir
grandes mejoras en el paso del tiempo.
Realizar evaluaciones peridicas y aplicar la metodologa completa cuando por
condiciones de produccin, demanda o por cambios tecnolgicos se pueda hallar la
oportunidad de mejorar los procesos a travs de la distribucin de planta.

89

11.

Bibliografa

1. Grupo Vatic consulting. www.vaticconsulting.com.


2. KJELL B. Zandin. Maynards industrial engineering handbook. Mc Graw Hill. 2004.
2560p.
3. HILLIER Frederick, LIEBERMAN Gerald. Introduction to operations research. Ed 7. Mc
Graw Hill.
4. NIEBEL, Ben. Ingeniera industrial mtodos y estndares. Alfaomega. 745p.
5. DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in
control No 31. 2007. 13p.
6. BENJAFAAR, Sunderesh, Shahrukh. Next generation factory layouts: Research,
challenges and recent progress. Interfaces Vol.32 No.6. 2002. 19p.
7. KUSIAK, Andrew, HERAGU Sunderesh. The facility layout problem. The European
journal of operational research. 1987. 23p.
8. PALITHA Welgama, GIBSON Peter. Computer aided facility layout a status report.
Journal Advanced manufacturing technologies. 1995. 12p.
9. DRIRA, HAJRI & PIERREVAL. Facility layout problems: a survey. Annual reviews in
control No 31. 2007. 13p.
10. RUSELL D. Meller, KAI Yin Gau. The facility layout problem: Recent and emerging
trends and perspectives. Journal of manufacturing systems. Vol 15. No 5. 1996. 16p.
11. TAILLARD Erick. Metaheuristics for hard combinatorial problems. Wien seminar. 2004.
52p.
12. L. URBAN Timothy. Solution procedures for the dynamic facility layout problem. Annals
of operations research No 76. 1998. 20p.
13. POCHAMARN, SUWADEE, CHONTHICHA. Using promodel as a simulation tool to
assist plant layout design and planning. Songklanakarin journal. Vol 30. 2008. 7p.
14. WINSTON L. Wine. Investigacin de Operaciones aplicaciones y algoritmos. Thomson.
4ta ed. 2005. 1440p.
15. BANKS, Jerry. Introduction to simulation. Atlanta, U.S.A. Winter simulation conference.
2000.
16. GARCA. GARCA. CRDENAS. Simulacin y anlisis de sistemas con Promodel.
Primera edicin. Pearson. 2006. 280p.
17. S. P. Singh, P. R. Sharma. A review of different approaches to the facility layout
problems. International journal of manufacturing technology. No 30. 2006. 9p.
18. GENDREAU Michel, YVES Jean. Handbook of metaheuristics. 2nd Ed. International
series in operational research and management science. 2003. 669p.
19. CHWIF Leonardo, PEREIRA Marcos, MOSCATO Lucas. A solution to the Facility Layout
problem using simulated annealing. Computers in industry. No 36. 1998. 8p.
20. PARK Moon, KIM Yeong. A systematic procedure for setting parameters in simulated
annealing algorithms.
21. S. Kirkpatrick, C. Gelatt and M. Vecchi. Optimization by simulated annealing. Science
Journal. 1983. 9p.
22. WANG. Tai Yue, LIN Her Chang, WU Kuei Bin. An improved simulated annealing for
facility layout problem for cellular manufacturing systems. Computers industrial
engineering. Vol 34. No 2. 1998. 11p.
23. C. N. Potts, WASSENHOVE Van. Single machine tardiness sequencing heuristics. IIE
Transactions. No 23. 1991. 9p.
24. BENJAFAAR. Saifallah. Modeling and analysis of congestion in the design of facility
layouts. Division of industrial engineering, University of Minnesota. 2002. 44p.

90

25. GARCA. GARCA. CRDENAS. Simulacin y anlisis de sistemas con Promodel.


Primera edicin. Pearson. 2006. 280p.
26. TEARWATTANARATTIKAL. NAMPHACHAROEN. CHAMRASPORN. Using Promodel
as a simulation tool to assist plant layout design and planning: Case study plastic
packaging factory. Songklanakarin Journal of science and technology. No 30. 2008. 7p.
27. BANO Y. Ekren, ARLSLAN M. Ornek. A Simulation Based Experimental Design To
Analuze Factors Affecting Production Flow Time. Simulation Modelling Practice and
Theory 16 (2008) 278293.
28. LOIOLA Eliane Maria. A Survey For The Quadratic Assignment Problem. European
Journal of Operational Research 176 (2007) 657690.

91

12.

Anexos

Con el fin de ahorrar espacio los anexos como tablas en Excel, ejecutables y dems Anexos
que requieran de mucho espacio se presentan en un CD anexo al trabajo escrito.

12.1. Cdigo recocido simulado


While temperatura > 200
Cells(3, 25) = temperature
For repeticion = 1 To 19 Step 1
'Generacion de vecindario
For i = 53 To 85 Step 2
For k = 3 To 21 Step 1
Cells(i, k) = Cells(51, k)
Next k
Next i
For j = 3 To 19 Step 1
Cells(53 + (j - 3) * 2, j) = Cells(51, j + 2)
Cells(53 + (j - 3) * 2, j + 2) = Cells(51, j)
Next j
'Vector auxiliar de ordenamiento
For m = 1 To 17 Step 1
orden(m) = Cells(52 + 2 * m, 22)
Next m
For q = 2 To 17 Step 1
For p = 1 To q - 1 Step 1
If orden(p) > orden(p + 1) Then
aux = orden(p)
orden(p) = orden(p + 1)
orden(p + 1) = aux
End If
Next p
Next q
'aceptacion de SLN candidate
r=2
While r < 3
b = Int(1 + Rnd * 17)
If Cells(52 + 2 * b, 22) < Cells(52, 22) Then
For c = 3 To 21 Step 1
Cells(51, c) = Cells(51 + 2 * b, c)
Next c
r=3
ElseIf Rnd < Exp(-(Abs(Cells(52 + 2 * b, 22) - Cells(52, 22)) / temperatura)) Then
For c = 3 To 21 Step 1
Cells(51, c) = Cells(51 + 2 * b, c)
Next c
r=3
End If
Wend

92

'Pregunta si se encontro una solucion mejor o no


For f = 1 To 17 Step 1
For g = 1 To 17 Step 1
If Cells(52 + 2 * g, 22) = orden(f) Then
If Cells(52 + 2 * g, 22) < Cells(90, 22) Then
For h = 3 To 21 Step 1
Cells(89, h) = Cells(51 + 2 * g, h)
Next h
End If
End If
Next g
Next f
Next repeticion
temperatura = temperatura * 0.923
Wend
End Sub

93