Introducción
En el mundo actual, las empresas compiten no sólo en precio y calidad, sino también en su capacidad para entregar el producto a tiempo y de forma fiable. Por tanto, un buen programa de producción influye en el rendimiento, las ventas y la satisfacción del cliente de una empresa. Aunque las empresas han invertido millones en tecnología de la información para la planificación de recursos empresariales (ERP) y sistemas de ejecución de la fabricación (MES), la inversión se ha quedado corta en la programación detallada de la producción, haciendo que la mayoría de las empresas vuelvan a recurrir a métodos manuales con Excel y tableros de planificación. Mientras tanto, las tendencias del sector hacia la reducción del inventario, la reducción de los plazos de entrega, el aumento de la personalización de los productos, la proliferación de SKU y la fabricación flexible están complicando la tarea. Crear un plan viable exige tener en cuenta simultáneamente los materiales, la mano de obra, los equipos y la demanda. Este listón está demasiado alto para cualquier método de planificación manual. El reto de crear un plan fiable requiere una transformación digital que permita una programación automatizada y fiable.
Un elemento central de la idea de una programación eficaz de la fábrica es el concepto de un programa procesable, que tiene en cuenta las restricciones y las normas de funcionamiento detalladas del sistema y que, por lo tanto, puede ser ejecutado en la fábrica por el personal de producción. El problema de muchas soluciones de programación es que ignoran una o más restricciones detalladas y, por tanto, no pueden ejecutarse en la fábrica tal y como se especifican. Una programación no ejecutable requiere que los operarios intervengan y anulen la programación planificada para adaptarse a las limitaciones reales del sistema. En este punto, la programación ya no se está siguiendo y se están tomando decisiones locales que afectan a los KPI del sistema de formas que no son visibles para los operarios.
Una segunda idea central de la programación eficaz es tener en cuenta adecuadamente la variabilidad y los imprevistos en la fábrica, con el correspondiente impacto negativo en el rendimiento y la puntualidad. La mayoría de los enfoques de programación ignoran por completo este elemento crítico del sistema y, por tanto, producen programaciones optimistas que no pueden cumplirse en la práctica. Lo que al principio parece un programa viable se degrada a medida que las máquinas se estropean, los trabajadores se ponen enfermos, los materiales llegan tarde, hay que repetir el trabajo, etc. Las promesas optimistas que se hicieron no pueden cumplirse.
Una tercera consideración es el efecto de un programa inviable en el plan de la cadena de suministro. La programación de fábrica es sólo el último paso en el proceso de planificación de la producción, que comienza con la planificación de la cadena de suministro basada en la demanda real y/o prevista. El proceso de planificación de la cadena de suministro genera órdenes de fabricación y suele establecer las necesidades de material para cada periodo de planificación en toda la red de producción. Las órdenes de producción que se generan para cada fábrica de la red durante este proceso se basan en un modelo aproximado de la capacidad de producción. El proceso de planificación de la cadena de suministro tiene una visibilidad muy limitada de las verdaderas limitaciones de la fábrica, y los requisitos de producción resultantes suelen sobrestimar la capacidad de la fábrica. Posteriormente, los planificadores de la fábrica deben desarrollar un plan detallado para cumplir estos requisitos de producción dadas las limitaciones reales del equipo, la mano de obra, etc. Los ajustes de la fábrica para que el plan sea viable no serán transparentes para los planificadores de la cadena de suministro. Esto crea una desconexión en una función de planificación empresarial básica en la que se producen enormes gastos.
En este artículo analizaremos la solución a estos retos, el Gemelo Digital de Procesos, y el camino para conseguirlo. La solución Simio Digital Twin se basa en el software patentado Simio Risk-based Planning and Scheduling (RPS). Comenzaremos describiendo y comparando los tres enfoques habituales de la programación de fábricas. A continuación, analizaremos en detalle las ventajas de un proceso Gemelo Digital para la programación de fábricas basado en Simio RPS.
Enfoques de programación de fábrica
Empecemos por analizar los tres enfoques más comunes para resolver el problema de la programación que se utilizan en la actualidad: 1) métodos manuales mediante tablas de planificación u hojas de cálculo, 2) modelos de recursos y 3) Digital Twin de procesos.
Métodos manuales
El método más común en uso hoy en día para la programación de fábricas es el método manual, normalmente aumentado con hojas de cálculo o tablas de planificación. El uso de la programación manual no es normalmente la primera opción de las empresas, sino el resultado del fracaso de los sistemas automatizados.
Generar manualmente un programa para una fábrica compleja es una tarea muy difícil, que requiere un conocimiento detallado de todos los equipos, la mano de obra y las limitaciones operativas. Cinco de los inconvenientes más frustrantes son:
- Es difícil para un programador tener en cuenta todas las restricciones críticas. Aunque los programadores pueden centrarse normalmente en las restricciones primarias, a menudo no son conscientes -o deben ignorar- las restricciones secundarias, y estas omisiones conducen a un programa no viable.
- La programación manual suele tardar horas en completarse y, en el momento en que se produce cualquier cambio, el programa deja de ser viable.
- La calidad de la programación depende totalmente de los conocimientos y la habilidad del programador. Si el programador se jubila, está de vacaciones o enfermo, el programador de reserva puede estar menos cualificado y los KPI pueden degradarse.
- Es prácticamente imposible que el programador tenga en cuenta el efecto degradante de la variación en el programa y, por lo tanto, proporcione tiempos de finalización seguros para los pedidos.
- A medida que los trabajos críticos se retrasan, los planificadores manuales recurren a desplazar otros trabajos para acomodar estos trabajos "calientes", interrumpiendo el flujo y creando más trabajos "calientes". El sistema se vuelve espasmódico y el sistema se disuelve en la lucha contra incendios.
Modelo de recursos
Las empresas que utilizan un método automatizado para la programación de la fábrica suelen utilizar un enfoque basado en un modelo de recursos de la fábrica. Un modelo de recursos se compone de una lista de recursos críticos con franjas horarias asignadas a tareas que deben ser procesadas por el recurso en función de los tiempos estimados de la tarea. La lista de recursos incluye máquinas, instalaciones, trabajadores, etc., que son necesarios para la producción. A continuación se muestra un diagrama de Gantt que representa un modelo de recursos simple con cuatro recursos (A, B, C, D) y dos trabajos (azul, rojo). El trabajo azul tiene la secuencia de tareas A, D y B, y el trabajo rojo tiene la secuencia de tareas A y B.
Los recursos de un modelo de recursos se definen por un estado que puede ser ocupado, inactivo o fuera de turno. Cuando un recurso está ocupado con una tarea o fuera de turno, otras tareas deben esperar para ser asignadas al recurso (por ejemplo, el rojo espera al azul en el recurso A). Las herramientas de programación que se basan en un modelo de recursos comparten todas esta misma representación de la capacidad de la fábrica y sólo difieren en cómo se asignan las tareas a los recursos.
El problema que comparten todas estas herramientas es un modelo de restricciones demasiado simplista. Aunque este modelo puede funcionar en algunas aplicaciones sencillas, hay muchas restricciones en las fábricas que no pueden representarse mediante un simple estado de ocupado, ocioso, fuera de turno para un recurso. Consideremos los siguientes ejemplos:
- Un sistema tiene dos grúas (A y B) en una pista que se utilizan para mover componentes de aviones a las estaciones de trabajo. Aunque la grúa A está actualmente inactiva, está bloqueada por la grúa B y, por lo tanto, no se le puede asignar la tarea.
- Una estación de trabajo de la línea de producción 1 está actualmente inactiva y lista para comenzar una nueva tarea. Sin embargo, esta estación de trabajo sólo tiene una disponibilidad limitada cuando se está realizando una operación compleja en la línea adyacente 2.
- Se necesita un operario de montaje para completar el montaje. Hay operarios de montaje actualmente inactivos, pero el mismo operario que se asignó a la tarea anterior debe utilizarse también en esta tarea, y ese operario está actualmente ocupado.
- Se necesita un operario de montaje para esta tarea. El operario está inactivo pero se encuentra en el edificio adyacente y debe desplazarse a esta ubicación antes de que pueda comenzar el montaje.
- Las tareas implican el flujo de fluido a través de tuberías, válvulas y tanques de almacenamiento/mezcla, y el flujo está limitado por reglas complejas.
- Un trabajo requiere tratamiento en un horno, el horno está parado pero no se encuentra actualmente a la temperatura requerida.
Estos son sólo algunos ejemplos de restricciones típicas para las que un simple modelo de recursos ocupados, ociosos y fuera de turno es inadecuado. Cada fábrica tiene su propio conjunto de restricciones que limitan la capacidad de la instalación.
Las herramientas de programación que utilizan un modelo de recursos simple asignan tareas a los recursos utilizando uno de los tres enfoques básicos: heurística, optimización y simulación.
Una heurística común es la secuenciación de trabajos, que comienza con el trabajo de mayor prioridad y asigna todas las tareas para ese trabajo, y repite este proceso para cada trabajo hasta que todos los trabajos están programados (en el ejemplo anterior, se secuencia el azul y luego el rojo). Tenga en cuenta que la secuenciación hacia atrás (aunque útil en la planificación general) suele ser problemática en la programación detallada, ya que la programación resultante es frágil y cualquier interrupción en el flujo de trabajo creará un trabajo retrasado. Esta simple heurística de secuenciación de un trabajo a la vez no puede dar cabida a reglas operativas complejas, como la minimización de los cambios o la realización de campañas de producción basadas en atributos como el tamaño o el color. Sin embargo, a lo largo del tiempo se han desarrollado muchas heurísticas diferentes para adaptarse a requisitos de aplicación especiales. Algunos ejemplos de herramientas de programación que utilizan heurísticas son Preactor de Siemens y PP/DS de SAP.
El segundo enfoque para asignar tareas a los recursos en el modelo de recursos es la optimización, en la que el problema de asignación de tareas se formula como un conjunto de restricciones de secuenciación que deben satisfacerse al tiempo que se cumple un objetivo, como minimizar la tardanza o el coste. A continuación, la formulación matemática se "resuelve" mediante un solucionador de programación de restricciones (CP), que utiliza reglas heurísticas para buscar posibles asignaciones de tareas que cumplan las restricciones de secuenciación y mejoren el objetivo. Tenga en cuenta que no existe ningún algoritmo que pueda optimizar la formulación matemática de la asignación de tareas para el modelo de recursos en un tiempo razonable (este problema está clasificado técnicamente como NP Hard) y, por lo tanto, los solucionadores de CP disponibles se basan en la heurística para encontrar una solución "práctica" pero no óptima.Aunque PP/DS incorpora el solucionador de CP de ILOG para asignar tareas a los recursos, la mayoría de las instalaciones de PP/DS se basan en la heurística disponible para la asignación de tareas.
El tercer enfoque para asignar tareas en el modelo simple de recursos es un enfoque de simulación. En este caso se simula el flujo de trabajos a través del modelo de recursos de la fábrica y se asignan las tareas a los recursos disponibles utilizando reglas de envío como el cambio más pequeño o la finalización más temprana. Este planteamiento tiene varias ventajas sobre el de optimización. En primer lugar, se ejecuta mucho más rápido, produciendo una programación en minutos en lugar de horas. Otra ventaja clave es que puede soportar una lógica de decisión personalizada para asignar tareas a recursos. Un ejemplo de herramienta que utiliza este enfoque es Preactor 400 de Siemens.
Independientemente del enfoque que se utilice para asignar tareas a los recursos, la programación resultante elimina todos los eventos aleatorios y las variaciones del sistema. Estas herramientas no proporcionan ningún mecanismo para evaluar el riesgo relacionado con la programación.
Gemelo digital
El tercer y más reciente enfoque de la programación de fábricas es un gemelo digital de la fábrica. Un gemelo digital es una réplica digital de los procesos, equipos, personas y dispositivos que componen la fábrica y puede utilizarse tanto para el diseño como para el funcionamiento del sistema. Los recursos del sistema no sólo tienen un estado de ocupado, inactivo y fuera de turno, sino que son objetos que tienen comportamientos y pueden moverse por el sistema e interactuar con los demás objetos del modelo para reproducir el comportamiento y las restricciones detalladas de la fábrica real. El Gemelo Digital aporta un nuevo nivel de fidelidad a la programación que no está disponible en las herramientas de modelización basadas en recursos existentes.
Simio Gemelo Digital
El Gemelo Digital de Simio es un modelo animado en 3D de la fábrica, basado en objetos y orientado a los datos, que está conectado a datos en tiempo real procedentes del ERP, el MES y otras fuentes de datos relacionadas. A continuación resumiremos las principales ventajas de Simio Gemelo Digital como solución de programación de fábricas.
Doble uso: diseño y funcionamiento del sistema
Aunque en este caso se trata de mejorar el rendimiento y la puntualidad de las entregas mediante una mejor programación utilizando el diseño existente de la fábrica, a diferencia de las herramientas de programación tradicionales, Simio Digital Twin también puede utilizarse para optimizar el diseño de la fábrica. El mismo modelo de Simio que se utiliza para la programación de la fábrica puede emplearse para probar los cambios que introducimos en las instalaciones, como añadir nuevos equipos, modificar los niveles de personal, consolidar las fases de producción, añadir un inventario intermedio, etc.
Programas procesables
Un requisito básico de cualquier solución de programación es que proporcione programas procesables que puedan implementarse en la fábrica real. Si se envía un programa de producción no procesable a la planta de producción, el personal de producción no tiene otra opción que ignorar el programa y tomar sus propias decisiones basándose en la información local.
Para que un programa sea aplicable, debe reflejar todas las restricciones detalladas del sistema. Dado que Simio Digital Twin se basa en una herramienta de modelización por objetos, el modelo de la fábrica puede reflejar todas estas restricciones con tanto detalle como sea necesario.Esto incluye restricciones complejas como dispositivos de manipulación de materiales, equipos complejos, trabajadores con diferentes habilidades y requisitos de secuenciación complejos,
En muchos sistemas existen reglas de funcionamiento que se han desarrollado a lo largo del tiempo para controlar los procesos de producción. Es tan importante capturar estas reglas de funcionamiento como las restricciones clave del sistema; cualquier programación que ignore estas reglas de funcionamiento no es procesable. El marco de modelado de Simio dispone de una lógica de decisión flexible basada en reglas para implementar estas reglas de funcionamiento. El resultado es una programación procesable que respeta tanto las restricciones físicas del sistema como las reglas de funcionamiento estándar.
Ejecución rápida
En la mayoría de las organizaciones, la vida útil de un programa es corta porque se producen imprevistos y variaciones que invalidan el programa actual. Cuando esto ocurre, hay que regenerar y distribuir un nuevo programa lo antes posible, para que la producción siga funcionando sin problemas. Un enfoque manual o basado en la optimización para la regeneración de la programación que tarde horas en completarse no es práctico; en este caso, los operarios del taller tomarán el relevo y aplicarán sus propias decisiones de programación locales que pueden no estar alineadas con los KPI de todo el sistema. Cuando se producen eventos aleatorios, Simio Digital Twin puede responder rápidamente y generar y distribuir una nueva programación procesable. La regeneración de la programación puede ser activada manualmente por el programador o automáticamente por eventos en el sistema.
Modelo animado en 3D y planificación
En otros sistemas de programación, la única vista gráfica del modelo y de la planificación es el diagrama de Gantt de recursos. En cambio, Simio Gemelo Digital ofrece una potente comunicación y visualización tanto de la estructura del modelo como del calendario resultante. Una buena solución no sólo mejora la capacidad de generar un calendario procesable, sino también la de visualizarlo y explicarlo a todos los niveles de la organización.
El diagrama de Gantt de Simio tiene un enlace directo a la instalación animada en 3D; haga clic con el botón derecho del ratón en un recurso de la escala de tiempo de la vista de Gantt y pasará instantáneamente a una vista animada de esa parte de la instalación, que muestra las máquinas, los trabajadores y el trabajo en curso en ese momento del programa. Desde ese punto puede simular hacia delante en el tiempo y ver cómo se desarrolla el programa en el sistema real. Las ventajas de Simio Gemelo Digital comienzan con la generación precisa y rápida de un programa procesable. Pero las ventajas culminan en la capacidad de los Gemelos Digitales para comunicar su estructura, la lógica de su modelo y los calendarios resultantes a todo aquel que lo necesite.
Análisis de riesgos
Una de las principales deficiencias de las herramientas de programación es su incapacidad para hacer frente a los imprevistos y las variaciones. Por el contrario, Simio Digital Twin puede modelizar con precisión estos eventos imprevistos y las variaciones, no sólo para proporcionar un cronograma detallado, sino también para analizar el riesgo asociado al cronograma.
Al generar un programa, los eventos aleatorios/variaciones se desactivan automáticamente para generar un programa determinista. Al igual que otros calendarios deterministas, es optimista en términos de cumplimiento de plazos. Sin embargo, una vez generada esta planificación, el mismo modelo se ejecuta varias veces con los eventos/variaciones activados, para generar un muestreo aleatorio de múltiples planificaciones basado en la incertidumbre del sistema. El conjunto de planificaciones generadas aleatoriamente se utiliza entonces para derivar medidas de riesgo, como la probabilidad de que cada pedido se envíe a tiempo. Estas medidas de riesgo se muestran directamente en el diagrama de Gantt Gannt y en los informes relacionados, lo que permite al programador saber de antemano qué pedidos presentan riesgos y tomar medidas para asegurarse de que los pedidos importantes tienen una alta probabilidad de enviarse a tiempo.
Análisis de restricciones
No es infrecuente que el proceso de planificación de la cadena de suministro, que se basa en un modelo de capacidad aproximada de la fábrica, envíe más trabajo a una instalación de producción del que se puede producir fácilmente teniendo en cuenta la capacidad real y las limitaciones operativas de la instalación. Cuando esto ocurre, el programa detallado resultante tendrá uno o más trabajos retrasados y/o trabajos con alto riesgo de retrasarse. Se plantea entonces la cuestión de qué medidas puede tomar el programador para garantizar que todos los trabajos importantes se entregan a tiempo.
Aunque otros métodos de programación generan un programa, Simio Digital Twin va un paso más allá al proporcionar también un análisis de restricciones que detalla todo el tiempo sin valor añadido (NVA) que emplea cada trabajo en el sistema. Esto incluye el tiempo de espera de una máquina, un operario, material, un dispositivo de manipulación de material o cualquier otra restricción que impida la producción del artículo. Por lo tanto, si el programa muestra que un artículo va a llegar tarde, el análisis de restricciones muestra qué acciones se podrían tomar para reducir el tiempo NVA y enviar el producto a tiempo. Por ejemplo, si el artículo pasa mucho tiempo esperando una operación de preparación, puede estar justificado programar horas extra para ese operario.
Varios sectores
Aunque la programación dentro de las cuatro paredes de una instalación de producción discreta es un área de aplicación importante, existen muchas aplicaciones de programación más allá de la fabricación discreta. Muchas aplicaciones de fabricación implican flujos de fluidos con tanques de almacenamiento/mezcla, procesamiento por lotes, así como producción de piezas discretas. A diferencia de otras herramientas de programación cuyo ámbito de aplicación se limita a la fabricación discreta, Simio Digital Twin se ha aplicado en muchas áreas de aplicación diferentes, incluida la fabricación de modo mixto, y en áreas ajenas a la fabricación, como la logística y la atención sanitaria. Estas aplicaciones son posibles gracias al marco de modelado flexible de Simio RPS.
Integración flexible
Un Gemelo Digital de procesos es un modelo de simulación detallado que está directamente conectado a los datos del sistema en tiempo real. Las herramientas de modelado de simulación tradicionales tienen una capacidad limitada para conectarse a datos en tiempo real procedentes de ERP, MES y otras fuentes de datos. Por el contrario, Simio RPS se ha diseñado desde cero con la integración de datos como requisito principal.
Simio RPS es compatible con la implementación de un Gemelo Digital al proporcionar un conjunto de datos relacionales en memoria flexible que puede asignarse directamente tanto a componentes del modelo como a fuentes de datos externas. Este enfoque permite la integración directa con una amplia gama de fuentes de datos, al tiempo que permite la ejecución rápida del modelo Simio RPS.
Modelos generados por datos
En las aplicaciones globales suele haber varias plantas de producción repartidas por todo el mundo que fabrican los mismos productos. Aunque cada planta tiene su propio diseño, suele haber un solapamiento significativo en términos de recursos (equipos, trabajadores, etc.) y procesos. En este caso, Simio RPS ofrece funciones especiales que permiten generar automáticamente el Gemelo Digital de cada planta a partir de tablas de datos que se asignan a componentes de modelado que describen los recursos y los procesos. Esto simplifica enormemente el desarrollo de múltiples Gemelos Digitales en toda la empresa y también permite la reconfiguración de cada Gemelo Digital mediante la edición de tablas de datos para adaptarse a los cambios en curso en los recursos y/o procesos.