La generación automática de modelos, la consiguiente reducción de los ciclos de resolución de problemas y la necesidad de un mayor grado de integración de datos se han caracterizado desde hace tiempo como retos significativos en el campo de la simulación de sistemas de fabricación. Especialmente los modelos de simulación de fabricación utilizados operacionalmente requieren un alto grado de detalle de modelado y, por lo tanto, dependen de una cantidad significativa de datos de entrada. En muchos casos, el tiempo y el esfuerzo necesarios para construir manualmente un modelo tan detallado y mantenerlo actualizado son prohibitivos. En este artículo se describe un caso práctico en el que se crearon automáticamente modelos de simulación completos de un taller de producción de automóviles complejo y a gran escala a partir de los sistemas SAP y MES de una empresa automovilística con el fin de respaldar la planificación operativa y reducir los riesgos logísticos operativos, como las interrupciones de la producción causadas por situaciones de falta de existencias en la línea de fabricación.
Fowler y Rose (2004) afirman que la reducción en un orden de magnitud del tiempo de resolución de problemas y la falta de una capacidad de resolución de problemas en tiempo real se encuentran entre los mayores retos en el modelado y la simulación de sistemas de fabricación. Según ellos, el tiempo necesario para diseñar un modelo de simulación, recopilar datos, construir y ejecutar el modelo e interpretar los resultados es demasiado largo, especialmente para el uso operativo de la simulación. Además, afirman que la generación automática y bajo demanda de modelos de simulación completos a partir de fuentes de datos de la empresa aumentaría significativamente la aplicabilidad de la simulación con fines de planificación operativa.
En consonancia con estas conclusiones, en este artículo se describe un caso práctico en el que se crearon automáticamente modelos de simulación completos de líneas de producción complejas y a gran escala de talleres de flujo continuo de automoción a partir de los sistemas SAP y MES de la empresa, con el fin de proporcionar apoyo a la planificación operativa. Para ello, no sólo se cargaron los datos maestros necesarios (por ejemplo, listas de materiales, hojas de ruta, etc.) y los datos transaccionales más recientes (por ejemplo, datos de pedidos) en una plantilla de modelo de simulación predefinida, sino que además se recuperó automáticamente información estructural (por ejemplo, estaciones de trabajo, enlaces, etc.) de los sistemas informáticos de la empresa y se utilizó para generar automáticamente el modelo de simulación.
En la industria de la automoción, los principios de producción ajustada están muy extendidos, lo que obliga a las empresas a equilibrar las actividades de reducción de inventarios que ahorran costes y los riesgos operativos, como las situaciones de falta de existencias en la línea de fabricación. El objetivo del modelo de simulación descrito es actuar como un sistema de alerta temprana y detectar posibles situaciones de falta de existencias antes de que se produzcan, de modo que se puedan evaluar e iniciar contramedidas. Por lo tanto, el alcance del modelo abarca todos los procesos logísticos internos de la empresa, desde la recuperación de piezas en el almacén hasta el consumo en la línea de fabricación.
El requisito de apoyo a la planificación operativa mediante simulación se deriva de la complejidad del proceso de planificación y del elevado número de parámetros del sistema que deben ser controlados diariamente por un número limitado de personal de planificación. Debido a los frecuentes cambios tanto en los datos maestros como en los transaccionales, e incluso a los cambios estructurales de la disposición de la línea, existían dos requisitos técnicos. En primer lugar, el modelo debía estar listo para su uso en un plazo muy breve, sin dejar de contener los datos más recientes. En segundo lugar, el proceso de incorporación de los datos de la empresa y creación del modelo no debía implicar tareas manuales que causaran posibles errores, retrasos e ineficacia.
Para cumplir los requisitos mencionados, se desarrolló con SIMIO una plantilla genérica de modelo de simulación de taller de flujo que capturaba las especificidades de la empresa. Siguiendo el enfoque de modelado orientado a objetos de SIMIO, se crearon objetos de modelo de simulación que representaban elementos específicos del sistema real. A continuación, las instancias específicas de los elementos de modelado se colocaron en un modelo en blanco bajo demanda utilizando una extensión personalizada de SIMIO. Esta extensión permite generar modelos completos de taller de flujo colocando, conectando y parametrizando automáticamente estos objetos de modelo predefinidos en un modelo de simulación. Los datos necesarios para generar el modelo se extrajeron de los sistemas SAP y MES de la empresa mediante un software extractor de datos creado a medida que recupera directamente los datos pertinentes de las bases de datos de los respectivos sistemas. El sistema SAP proporciona la información necesaria para modelar la línea de fabricación, como datos sobre estaciones de trabajo, rutas, listas de materiales, planes de turnos, órdenes de fabricación, niveles de existencias, datos maestros de materiales, etc. El sistema MES proporciona información detallada sobre las secuencias de producción y el progreso actual y previsto de la producción por estación de trabajo y orden de fabricación.
La figura 1 describe cuatro etapas de integración de datos de aplicaciones de simulación. El enfoque elegido representa la cuarta etapa de la integración de datos.
Siguiendo el enfoque descrito se consiguió una solución de simulación totalmente integrada en el proceso de planificación operativa y en la arquitectura informática de la empresa. Ayudó al personal de planificación de la empresa a prevenir problemas logísticos e interrupciones de la producción. Los resultados de la simulación se mostraban de tal forma que se ponían de relieve los riesgos operativos y el personal de planificación podía identificar fácilmente los problemas. En el transcurso de un único proyecto de cambio estructural se identificaron y corrigieron preventivamente más de cien problemas críticos, lo que contribuyó a reducir considerablemente las interrupciones de la producción. Gracias a la automatización de la generación de modelos, el ciclo de resolución de problemas se reduce considerablemente en comparación con la creación manual de modelos de simulación. Además, el enfoque es adecuado para modelos a gran escala con un alto grado de detalle de modelado que son necesarios para el apoyo a la planificación operativa.