El desafío
por Wibke Kusturica, Christoph Laroque (Universidad de Ciencias Aplicadas de Zwickau), Deike Gliem, Jana Stolipin y Sigrid Wenzel (Universidad de Kassel)
Presentado en la Conferencia de Simulación de Invierno de 2018
La ingeniería personalizada y la construcción de productos únicos son tareas complejas, en las que la gestión de proyectos contiene muchas incertidumbres. Las técnicas de simulación podrían ayudar a evaluar y lograr planes mejorados y más sólidos durante la gestión de proyectos, pero normalmente no se aplican en la industria, especialmente en las PYME (pequeñas y medianas empresas). Este artículo recoge algunas ideas del proyecto de investigación conjunto SimCast de las Universidades de Kassel y Zwickau. Su objetivo es el desarrollo de un método para la estimación de la duración de una tarea de proyecto durante la planificación del mismo. Basándose en el estado actual de la investigación, se describen los requisitos y el proceso de planificación, así como un borrador de la infraestructura técnica actual del prototipo modular previsto. Se han implementado los primeros plug-ins, que ya muestran posibles beneficios para el proceso de gestión de proyectos. El artículo describe posibles escenarios para el uso de técnicas de simulación en este entorno, basándose en la experiencia adquirida.
Motivación
Hoy en día, la finalización a tiempo y la entrega de un producto son factores competitivos importantes para las empresas de fabricación (Emmanouilidis et al. 2012). Esto se aplica en particular a las empresas que fabrican productos únicos o pequeñas series, que suelen ser PYME. Un objetivo importante de las empresas manufactureras modernas es aumentar el valor añadido en la fabricación y en torno a ella eliminando sistemáticamente todas las cargas de trabajo no productivas y los tiempos muertos. El éxito de la empresa viene determinado por el diseño eficiente de sus procesos de valor añadido, la programación fiable y precisa y, por tanto, también por un proceso de planificación válido. Como ya se ha argumentado en Gutfeld et al. (2014) y Gutfeld et al. (2015), la ingeniería y construcción personalizada de plantas, maquinaria o productos únicos en general difiere significativamente de la producción en serie estacionaria. Además de los límites técnicos y estructurales, los aspectos relevantes son las especificaciones organizativas del proyecto (por ejemplo, los pasos de producción, las fases de construcción o la disposición de recursos) y las limitaciones logísticas. La viabilidad temporal del diseño, la construcción y la producción, la solidez de los planes del proyecto y las limitaciones personalizadas tienen una importancia crucial para la competitividad de cada empresa participante. Concretamente, en una producción única, debido a los pedidos de clientes y componentes específicos del proyecto, sólo se puede derivar una cantidad limitada de supuestos para determinar los tiempos de proceso de proyectos anteriores y transferirlos 1:1 a los nuevos proyectos. Por este motivo, durante el proceso de planificación se suelen añadir colchones de tiempo adicionales para poder reaccionar ante incertidumbres y posibles interrupciones. Suelen ser costosos y pueden representar una desventaja competitiva, sobre todo para las PYME; un proceso de planificación deficiente conlleva una posición más débil en el mercado.
Las herramientas actuales de gestión de proyectos aún no ofrecen una metodología de apoyo al planificador para una previsión fiable de los procesos en estos entornos. Hoy en día, la planificación y la ejecución -especialmente en las PYME- siguen realizándose principalmente con métodos sencillos de gestión de proyectos. Existen enfoques que contemplan el uso de la simulación, y se han debatido en el pasado, pero principalmente desde una perspectiva académica. Mediante la simulación, las incertidumbres temporales de la logística y los calendarios de los proyectos podrían considerarse más adecuadas. Sin embargo, especialmente en una producción única, la generación de modelos de simulación específicos para los procesos logísticos podría no ser aplicable en todos los casos, ya que gran parte de las restricciones impuestas al proyecto son específicas de este caso de uso único. No obstante, la simulación puede desempeñar un papel útil. En esta contribución se analizan algunos enfoques posibles, después de que en las primeras secciones se ofrezca una visión general del estado actual de la técnica y del enfoque del proyecto de investigación subyacente, SimCast. Tras las ideas de aplicación de la simulación, se analiza un marco técnico en el que estos enfoques pueden integrarse y utilizarse de forma pragmática. El artículo concluye con una perspectiva de los futuros trabajos sobre el tema de investigación y, especialmente, sobre el proyecto de investigación.
Trabajos relacionados
Planificación y control de proyectos en la producción única
La finalización y entrega a tiempo de un producto, así como la individualización de los productos requerida en el contexto de la cuarta revolución industrial, son hoy en día importantes factores competitivos para las empresas manufactureras. Esto es especialmente cierto en el caso de las construcciones específicas del cliente, que suelen realizarse mediante una producción única. La tramitación de los pedidos está aquejada de una gran especificidad y complejidad por parte del cliente, lo que no permite trasladar la estandarización al negocio de los productos. El producto personalizado suele fabricarse en una producción en sitio fijo; los lotes pequeños en función de los tipos de componentes también se preconfiguran en la producción en sitio fijo. La planificación y ejecución de estas órdenes de fabricación puede entenderse como una tarea de gestión de proyectos. Pmbok (2013) define la gestión de proyectos como una aplicación de conocimientos, habilidades, herramientas y técnicas a las actividades del proyecto para cumplir los requisitos del mismo. En la producción en serie, los procesos logísticos en particular se entienden como una parte de la planificación de la fábrica; en la fabricación específica de pedidos (producción única y de pequeños lotes), estos procesos sólo se establecen durante la fase de planificación del proyecto después de que se haya realizado el pedido. En función del tipo de submódulos específicos (cantidad, tamaño, distancia al cliente), por ejemplo, hay que planificar los transportes pesados para la fabricación de un equipo grande. Del mismo modo, los transportes internos de grúas y carretillas elevadoras con equipamiento especial deben planificarse y programarse individualmente.
Las herramientas de gestión de proyectos se utilizan ampliamente para apoyar la planificación de proyectos y desempeñan un papel crucial en el éxito de su ejecución. A diferencia de la producción en serie, los conocimientos adquiridos en proyectos anteriores no pueden transferirse a un nuevo proyecto de forma individualizada debido a los componentes específicos del cliente. Los datos históricos de los planes de proyectos realizados con éxito sólo pueden utilizarse de forma limitada. Por lo tanto, los expertos estiman manualmente los tiempos de los procesos de forma aproximada y añaden los tiempos de los procesos logísticos en particular al tiempo total del proyecto. Aunque pueden representarse las interacciones entre productos únicos y sus procesos logísticos (véase, por ejemplo, Heidmann 2015; Voigtmann 2014; Szczesny y König 2015), estos procesos están asociados a fuertes incertidumbres debidas a la especificidad de los pedidos de los clientes o de los componentes debido a factores perturbadores. Dado que la gestión segura del tiempo es importante en la competencia global, el planificador del proyecto añade topes adicionales para determinar un marco coherente de condiciones de personal, técnicas y financieras. Especialmente la planificación de un periodo de tiempo específico para cada (sub)proceso de un proyecto debe estimarse. Akhavian y Behzadan (2013), así como Xie et al. (2011), proponen diferentes enfoques para mejorar la estimación de la duración de los proyectos mediante la extracción de conocimientos o la recopilación de datos en tiempo real para casos individuales concretos, pero no hacen referencia a los tiempos de los procesos logísticos en la producción única o en pequeños lotes.
Simulación en la planificación de proyectos
Existen herramientas informáticas específicas en diversos campos de aplicación, que simulan escenarios de proyectos sencillos y visualizan los resultados para apoyar la planificación y el control de grandes obras de construcción mediante la visualización de diferentes eventos en planos de situación en función de secuencias temporales. Estas herramientas de simulación consideran la precedencia de una combinación de planos de localización y de planificación para la visualización de procesos portátiles medidos en el tiempo sin manipular ni visualizar procesos logísticos. Otras herramientas de simulación ofrecen capacidades de planificación distancia-tiempo y muestran los procesos de construcción en respectivos diagramas distancia-tiempo (TILOS 2018). Este tipo de software de simulación se utilizará a menudo en la construcción de carreteras, ferrocarriles y tuberías o túneles. Un enfoque orientado al proceso lo ofrece la herramienta OTD-PM (Fraunhofer 2018). Se trata de un modelo de cadena de procesos, que permite la simulación y visualización de los pasos del proyecto y es posible tener en cuenta el proceso logístico del proveedor.
En el sector alemán de la construcción naval se utiliza la herramienta de simulación STS (Simulation Toolkit Shipbuilding), que desde la década de 1990 se ha adaptado constantemente a la construcción naval personalizada (Steinhauer 2008). El kit de herramientas está integrado en Siemens Plant Simulation y contiene bloques parametrizados y reutilizables para modelar diferentes aspectos de la fabricación y la logística. Además, se mapeó y desarrolló la influencia de los datos meteorológicos para la simulación de eventos discretos. Desde 2006, la fundación de investigación entre construcción naval e ingeniería civil denominada "Simulation of Outfitting in Shipbuilding and Civil Engineering" (SIMoFIT 2018; Steinhauer 2011) ha desarrollado un enfoque de simulación basado en restricciones (Steinhauer et al. 2007). El objetivo del proyecto es una herramienta de planificación basada en la simulación, que considera los participantes individuales del proyecto, los proveedores, las diferentes variantes de ejecución, las dependencias de los pedidos y el entorno de producción dinámico. En el enfoque descrito, se integra un "ConstraintManager" en STS, de modo que las condiciones dinámicas que respetan las relaciones de predecesor y sucesor podrán visualizar el proceso de construcción y los pasos de trabajo. Además, debería ser posible visualizar dependencias de tiempo y disponibilidad de recursos, por ejemplo, materiales o recursos humanos (véase, por ejemplo, Beißert et al. 2010). Según Steinhauer y König (2010), el análisis basado en la simulación, que normalmente se utiliza en la producción en serie, podría utilizarse para evaluar la seguridad de la planificación de plantas únicas y personalizadas y aumentar la eficiencia de la producción en planta. De este modo, también son posibles mejoras potenciales en la ingeniería de plantas para empresas más pequeñas.
El proyecto de investigación Simject (2013-2015)
Entre 2013 y 2015, la Universidad de Paderborn y la Universidad de Kassel trabajaron en el proyecto de investigación conjunto simject (Gutfeld et al. 2014; Gutfeld et al. 2015;). El objetivo era minimizar los problemas y déficits descritos de la gestión de proyectos y desarrollar un demostrador para la gestión de proyectos basada en la simulación e integrada en la logística en la ingeniería de plantas. Al comienzo del proyecto de investigación, la Universidad de Kassel y la Universidad de Paderborn llevaron a cabo un análisis de requisitos para una herramienta de gestión de proyectos integrada en la logística y basada en la simulación, junto con fabricantes de plantas de PYME dentro del ámbito de las tecnologías medioambientales. Se realizaron entrevistas para analizar las restricciones de la gestión de proyectos en este ámbito. Los resultados reflejan, en particular, que las herramientas de gestión de proyectos logísticos integrados basados en simulación deberían tener una interfaz con herramientas de planificación de proyectos como Microsoft Project o, al menos, con el sistema de planificación de recursos empresariales (ERP) correspondiente. Además, la información meteorológica y la influencia del tiempo en los procesos logísticos deberían incluirse en el modelo de simulación para derivar las consecuencias en un plan de proyecto específico. Los datos del sistema de información geográfica (datos SIG) deben representarse en el modelo de simulación de una herramienta de este tipo. En cuanto a las herramientas de simulación utilizadas, no se ha realizado ningún análisis de simulación de los procesos del proyecto en el marco de la planificación del proyecto ni ningún análisis de los planes del proyecto basado en la simulación. Se desarrolló una gestión de proyectos basada en la simulación con logística integrada, que soporta el proceso de utilización que se muestra en la Figura 1 (véase más abajo). Partiendo de una programación determinista, este proceso describe los diferentes pasos de la planificación probabilística, la posterior simulación de la programación del proyecto actualizada durante la realización del mismo, así como, por último, el análisis del plan (Gutfeld et al. 2014).
Durante los siguientes pasos del proyecto, se desarrolló un demostrador que integraba y comparaba tres enfoques para la gestión de proyectos de ingeniería de plantas: planificación determinista, Monte-CarloSimulation y Simulación de Eventos Discretos (DES), cf. Jessen et al. (2015). La comparación mostró que para cada enfoque puede encontrarse un escenario de usuario correspondiente. En la práctica, la planificación determinista se utilizará sobre todo porque hay muchas herramientas disponibles, en las que los usuarios solo necesitan una breve formación. Un plan determinista es la base de la planificación posterior. La simulación tiene sus ventajas, si se necesita información más precisa sobre los plazos del proyecto e información sobre la incertidumbre incluida. La simulación Monte-Carlo puede añadir probabilidades para cada tarea del proyecto y para el proyecto en su conjunto. La mayoría de los socios de aplicación del proyecto simject no han tenido experiencia previa con este método. Por lo tanto, la herramienta adecuada debe diseñarse de forma muy fácil de usar, para que el usuario confíe en este método. El DES es bien conocido como método de planificación logística y de planificación del calendario. El gran esfuerzo de modelización puede reducirse mediante componentes específicos del modelo, que representan unidades del campo de aplicación. En el marco del proyecto simject, se pudo demostrar que la simulación puede mejorar la planificación de proyectos (Gutfeld et al. 2015). Sin embargo, a partir del proyecto han surgido algunas cuestiones, que en parte van a ser abordadas por un nuevo proyecto de investigación llamado SimCast, que se describe brevemente en la siguiente sección.
El proyecto de investigación simcast (2017-2018)
En la actualidad, la mayoría de las PYME manufactureras siguen careciendo de una metodología practicable para programar tiempos de proceso realistas para los procesos de fabricación bajo pedido y su logística con vistas a lograr una alta calidad de planificación. Debido al hecho de que las experiencias de proyectos anteriores no se pueden incluir en las estimaciones, algunos de los enfoques desarrollados del proyecto simject no se pueden aplicar de manera adecuada, especialmente, ya que los métodos serán aplicados por las PYME manufactureras. Como parte del proyecto de investigación SimCast, se ha desarrollado un enfoque que puede predecir de forma fiable la duración de los procesos logísticos en la producción de lotes únicos o pequeños utilizando los datos históricos de proyectos existentes. De este modo, se minimizará la planificación de proyectos. El objetivo científico es conceptualizar una metodología para la correcta derivación y cuantificación válida de los valores de los parámetros del proceso a partir de proyectos pasados. La idea básica es clasificar los procesos logísticos en la producción de lotes únicos o pequeños y describirlos universalmente a través de parámetros que deben especificarse dentro de un proyecto y ponerlos en un contexto distinto y cuantificable de la duración del proceso. La duración del proceso puede predecirse mediante el valor de los parámetros. Posteriormente, puede determinarse la calidad de la estimación basada en estos datos del proyecto para un nivel de significación determinado. Con el tiempo, los parámetros estimados pueden mejorarse continuamente.
El objetivo principal de la metodología es proporcionar una funcionalidad para predecir la duración del proceso como apoyo a la toma de decisiones para los planificadores implicados. La metodología se aplicará posteriormente como complemento de las herramientas de gestión de proyectos existentes utilizadas por las PYME. La utilización práctica de los métodos existentes, combinada con la externalización de conocimientos especializados, permite mejorar el apoyo a la toma de decisiones de las PYME. En general, el proceso de planificación adquiere mayor calidad.
Figura 2: Esbozo del modelo de procedimiento en SimCast.
La figura 2 muestra la interacción entre los procesos logísticos de referencia (1), la caja de herramientas de metodología general (2), la metodología de procedimiento (3) y la caja de herramientas de metodología adaptada (4). Los procesos logísticos de referencia para la producción de lotes únicos o pequeños ya se han desarrollado siguiendo el modelo SCOR (Supply-ChainOperations-Reference) y determinan los parámetros que influyen (por ejemplo, la longitud, el peso o el material de los componentes o la capacidad de los recursos técnicos o humanos), incluidos los conocimientos especializados necesarios. A partir de los resultados de un estudio Delphi, los parámetros que influyen especialmente en la duración de los procesos logísticos se establecen en funciones con relaciones causa-efecto para cuantificar la duración de los procesos logísticos. La caja de herramientas general de la metodología incluye métodos de gestión para la externalización y sistematización del conocimiento experto, así como métodos de análisis de datos e inteligencia empresarial para poder estimar la duración de los procesos logísticos de referencia a partir de datos históricos. De este modo, la metodología proporciona una estimación evaluable de los tiempos de los procesos logísticos para la planificación de proyectos. La metodología del procedimiento se puede utilizar para una adaptación específica de la empresa utilizando la caja de herramientas de la metodología general, de modo que la caja de herramientas de la metodología general se convierte en una caja de herramientas de la metodología adaptada específica de la empresa. A diferencia de los métodos genéricos, la metodología de procedimientos ayuda a la PYME a externalizar y sistematizar los conocimientos específicos de la empresa. Además, se deriva la adopción de los procesos de referencia, así como los parámetros de proceso específicos de la empresa y las relaciones causales en términos de duración del proceso. Una previsión de alta calidad funciona para el contexto específico de la aplicación mediante el uso de análisis de datos seleccionados, combinados y configurados. La duración del proceso dentro de un plan de proyecto puede entonces pronosticarse utilizando esas reglas de la caja de herramientas de metodología adaptada. La validación de las reglas de previsión puede realizarse mediante simulación.
Un demostrador incorpora los resultados de (1) y (2) como ejemplo en un proceso de planificación de proyectos. En el proyecto de investigación, el demostrador evaluará la caja de herramientas metodológica general y la metodología de procedimiento. En cuanto a la integración de la metodología, se considerarán prioritariamente las herramientas de gestión de proyectos utilizadas por las PYME. La posibilidad de ampliar otras herramientas de gestión de proyectos se dará básicamente una vez finalizado el proyecto a finales de 2018.
Los conocimientos externos, así como los datos históricos de proyectos anteriores, proporcionan la base para la cuantificación de los tiempos del proceso logístico. Utilizando la configuración específica de la empresa de la caja de herramientas de metodología general, se predice el tiempo realista necesario para un proceso logístico concreto. En la figura 3 se presenta un proceso de estimación ejemplar.
El usuario de la herramienta obtendrá una medida comprensible de la seguridad de esa estimación o de la incertidumbre contenida en la estimación. El resultado de la estimación se incluye como parámetro del proceso en el plan del proyecto real y toda la planificación del proyecto puede asegurarse con fechas fijas de entrega o de inicio de la producción.
Aspectos de simulación en simcast
En el proyecto SimCast intervienen distintos métodos de simulación para, por un lado, validar las reglas de previsión y, por otro, mejorar la gestión de riesgos en general. En esta sección se analizan posibles escenarios en los que se integrarán métodos de simulación en el futuro desarrollo del proyecto de investigación.
Validación de las reglas de previsión mediante técnicas de simulación
Las reglas de previsión de la caja de herramientas metodológica adaptada deben ser de alta calidad. Por lo tanto, es necesario probar la caja de herramientas de la metodología adaptada (basada en el demostrador desarrollado), así como la validez de las reglas, utilizando escenarios de aplicación específicos de la empresa. Para estos escenarios, se crean modelos de simulación que permiten comprobar los valores de los parámetros estimados y determinar analíticamente los límites de las reglas. Los modelos deben tener en cuenta las especificidades de los pedidos de productos únicos y lotes pequeños. Los posibles conocimientos procedentes de la simulación se incorporan a su vez a la estimación de los parámetros. La simulación comprueba los tiempos del proceso logístico y valida las reglas desarrolladas del demostrador. Como resultado, la estimación del demostrador se comprueba en una página, pero también se mejoran las reglas para los parámetros de estimación. Los modelos de simulación también podrían aplicarse posteriormente como una ampliación de las herramientas de gestión de proyectos existentes para cambiar o mejorar las reglas del demostrador.
La simulación como estimador de las tareas del proyecto
Como ya se discutió durante el proyecto simject, la duración específica de un único proceso del proyecto podría estimarse mediante el uso de la simulación. Como se ha demostrado, esto puede resolverse mediante la simulación Monte-Carlo, cuando se da una cierta distribución para un proceso específico. Pueden obtenerse estimaciones aún más complejas resolviendo un modelo de proceso más complejo mediante DES (subfases logísticas o de fabricación) o Dinámica de Sistemas (en el caso de procesos de cadena de suministro más complejos). Sin embargo, debido al modelo procedimental del proyecto SimCast, estas aplicaciones podrían enriquecerse aún más con tres escenarios adicionales:
- El uso de valores históricos como función de distribución empírica: Debido a las mejoras introducidas en el pasado gracias a los esfuerzos de ingeniería, hoy en día incluso los productos únicos se fabrican normalmente con una cantidad significativa de módulos de producto "estándar", que se enriquecen con elementos personalizados y piezas específicas del cliente. El trabajo de los ingenieros afectados consiste en maximizar la cantidad de módulos estandarizados frente al proceso de construcción individual. Si se dispone de datos sobre los tiempos de fabricación y proceso en la logística a nivel de módulo, los datos históricos de proyectos anteriores podrían utilizarse para estimar la duración específica de la fabricación o el montaje de estos módulos en entornos específicos. Basándose en el análisis de datos y el ajuste de la distribución, la regla de estimación correspondiente para dicho proceso podría basarse en una estimación de Monte-Carlo sobre estos valores históricos.
- La parametrización específica del producto de un modelo de simulación de subpasos: El análisis de diagnóstico de estos conjuntos de datos podría incluir un análisis específico de causa y efecto, de modo que, basándose en la especificación del producto, puedan derivarse factores de influencia que expliquen una parte significativa del tiempo medido para la construcción, fabricación, transporte y/o montaje. En este caso, podrían aplicarse reglas automáticas que concluyan una función matemática para esta estimación, por supuesto basada en una incertidumbre dada. Esto podría utilizarse de nuevo como función de entrada en la estimación Monte-Carlo de la duración del proceso dentro de una regla de estimación. Los factores relevantes específicos del producto también podrían utilizarse como parametrización de entrada para modelos de simulación más complejos de modelos de simulación de fabricación o transporte, por ejemplo, utilizando el enfoque de simulación discreta basada en eventos. Si la especificación del producto, por ejemplo, la altura o el peso, puede tener una influencia significativa en el transporte (carretilla elevadora frente a grúa), los datos de especificación proporcionados por el modelo de procedimiento SimCast pueden utilizarse para una configuración específica de un experimento de simulación. A continuación, los resultados de la simulación pueden aplicarse como estimador de un proceso determinado.
- La optimización basada en la simulación de subprocesos o subproyectos: Como perspectiva de futuro, estos enfoques basados en la simulación para la estimación de un proceso de proyecto determinado podrían enriquecerse mediante el acoplamiento de enfoques heurísticos o de optimización a estos sub-pasos o sub-modelos de un plan de proyecto. De este modo, no sólo se puede tener en cuenta una evaluación del riesgo debido a la integración de la incertidumbre dada, sino que también se pueden optimizar los subprocesos y, con ello, mejorar aún más la calidad del plan de proyecto dado.
Simulación para el análisis de sensibilidad de reglas basadas en datos
Tal y como demuestran los resultados de la investigación actual en el proyecto SimCast, la disponibilidad y la calidad de los datos siguen siendo un problema importante para las PYME, que se tienen en cuenta en este proyecto de investigación. Las ideas mencionadas anteriormente pueden conducir a una mejor estimación de los procesos, pero sólo si se garantiza un cierto nivel de calidad de los datos. Dado que éste no es el caso en la mayoría de los casos de uso del mundo real, que se integran en el proyecto de investigación, la simulación también podría utilizarse para un análisis de sensibilidad de los conjuntos de datos dados. Aquí, las consecuencias de las reglas de estimación malas o buenas, que se calculan con datos "malos", podrían derivarse exactamente dentro del plan de proyecto dado. Si se observa que una regla de estimación basada en datos específicos tiene una influencia importante en el proceso global del proyecto, puede instalarse un proceso de salvaguarda adicional. La figura 4 (véase a continuación) muestra un ejemplo de estimación de la duración de un proyecto basado en estimadores estocásticos (en este caso, la regla de estimación es una simulación de Monte Carlo). Se obtienen los correspondientes costes totales del proyecto. Si se da un presupuesto de proyecto determinado (véase el botón rojo), las incertidumbres y la mala calidad de los datos pueden dar lugar a desviaciones significativas, que deben aclararse durante la planificación del proyecto.
El enfoque del análisis de sensibilidad también puede aplicarse a todo el plan del proyecto. Mediante una desviación sistemática de las duraciones de los procesos, un análisis de sensibilidad podría derivar nuevos conocimientos, qué procesos pueden conducir fácilmente a un cambio significativo de la duración total del proyecto. Estos procesos, especialmente cuando se estiman con una alta variación, deberían estar en conocimiento del director de proyecto responsable, aunque no necesariamente formen parte del camino crítico del proyecto (incluso el método del camino crítico (CPM) no se utiliza con frecuencia en las PYME, como han demostrado los resultados del proyecto simject).
La solución
Simulación para la validación del plan del proyecto
Al final, el plan de proyecto correspondiente se enriquece con información adicional sobre las incertidumbres incluidas en los pasos individuales del proceso. Por lo tanto, como se ha demostrado en el proyecto simject, el plan del proyecto para el producto único en suma también puede simularse o mejorarse durante la fase de planificación mediante enfoques de optimización basados en la simulación. Mediante esta evaluación, la gestión global de riesgos del proyecto podría mejorarse significativamente y se podría acceder a los cambios durante el control del proyecto en función de sus probables consecuencias sobre el proyecto en su conjunto. En un futuro próximo, habrá que seguir trabajando para incluir estos métodos expertos en las herramientas de gestión de proyectos utilizadas, con el fin de ofrecer al gestor de proyectos responsable un mejor apoyo a la toma de decisiones durante la planificación y salvaguarda de un proyecto. La Figura 5 (véase a continuación) muestra un ejemplo de una posible visualización de la certeza acumulada para finalizar el proyecto en un plazo específico (acumulada a lo largo del calendario).
Borrador del enfoque técnico
Las ideas expuestas en la sección anterior deben integrarse en una aplicación técnica coherente. Durante el proyecto SimCast, se fijaron los primeros resultados del demostrador resultante, que se tratarán brevemente en esta sección (para una visión general, véase la Figura 6). Dentro de la caja de herramientas de metodología general, se han desarrollado algunos instrumentos básicos que ayudarán a las PYME manufactureras en la aplicación del proceso SimCast. Uno de estos instrumentos es una ontología, que vincula y organiza los términos y definiciones relevantes dentro del dominio dado y sus relaciones. Además, a estos términos y relaciones pueden adjuntarse reglas de estimación concretas, que se han derivado en general del proyecto y pueden adaptarse a las necesidades específicas de las empresas. La ontología puede almacenarse como una estructura de datos independiente y constituye la base del complemento de estimación, que está previsto integrar en herramientas estándar de gestión de proyectos (en una primera fase, se ha implementado una aplicación para MS Project Professional). Durante el procedimiento SimCast, esta estructura de datos básica se adapta a una empresa específica.
Es posible que no todos los tipos de reglas sean relevantes y que las reglas de estimación deban parametrizarse según los parámetros de las funciones y las fuentes de datos para los valores históricos. Además, los procesos empresariales relevantes de la empresa se clasifican de acuerdo con la estructura de la ontología, de modo que sea posible un mapeo y las reglas de estimación generales y específicas puedan almacenarse en una estructura de datos actualizada y específica de la empresa, siempre basada en la ontología.
El complemento de estimación, que se implementará en la herramienta de gestión de proyectos, utilizará esta estructura de datos para crear dinámicamente las interfaces de usuario pertinentes para la parametrización. Están diseñados como asistentes paso a paso, que permiten la estimación personalizada de una tarea de proceso del plan de proyecto dado mediante el uso de las reglas de estimación definidas y los datos correspondientes. Como se explica en las secciones 3 y 4, estas reglas pueden ser muy simples y deterministas, así como más complejas y utilizar funciones de simulación. Por último, el usuario obtendrá una estimación de la duración del proceso para la tarea seleccionada. Puede aceptar o sobrescribir esta estimación y aplicar la duración resultante a la tarea dentro de la herramienta de gestión de proyectos directamente. Con este enfoque, todas las tareas relevantes del proyecto pueden estimarse con la caja de herramientas SimCast. Por último, todo el plan del proyecto puede simularse y garantizarse mediante la caja de herramientas de demostración del proyecto simject.
El impacto empresarial
Conclusión
La ingeniería personalizada y la fabricación de productos únicos son tareas muy complejas, en las que la gestión de proyectos contiene muchas incertidumbres. Las técnicas de simulación existentes podrían ayudar a evaluar y lograr planes mejorados y al menos más sólidos durante la gestión de proyectos, pero no suelen aplicarse en la industria, especialmente en las PYME. Este artículo trata de un proyecto de investigación conjunto, SimCast, de la Universidad de Kassel y la Universidad de Ciencias Aplicadas de Zwickau, cuyo objetivo es desarrollar un método de estimación de la duración de los proyectos para su planificación y programación. Basándose en el conocimiento previo de otros proyectos de investigación como simject, se ha desarrollado un procedimiento para la estimación de las duraciones de los procesos, que permite una mejor gestión del riesgo para las empresas de producción única. Uno de los objetivos del proyecto de investigación subyacente, SimCast, es mejorar estas reglas de estimación mediante la aplicación de técnicas de simulación en diversas fases del proceso global de planificación. El documento describe las ideas en las que la aplicación de la simulación en este ámbito podría ser significativa. Para poner en práctica estos planteamientos se explica un primer borrador de aplicación técnica.
Como siguiente paso, el equipo del proyecto seguirá aplicando los enfoques y validándolos en un entorno industrial real. Además, se llevará a cabo una evaluación general de estas ideas dentro del proyecto de investigación. En cuanto a las perspectivas de futuro, los resultados obtenidos ya muestran que la disponibilidad de datos, la accesibilidad y el uso de los datos existentes para una mejor toma de decisiones siguen siendo cuestiones pendientes en las PYME manufactureras. En este sentido, los futuros proyectos podrían contribuir a
Agradecimientos
Los resultados presentados en este documento tienen su origen en el proyecto de investigación conjunto SimCast de la Universidad de Kassel y la Universidad de Ciencias Aplicadas de Zwickau. La operación IGF (19371) de la asociación de investigación BVL fue financiada a través de AiF en el marco del programa de fomento de la investigación colectiva industrial (IGF) por el Ministerio Federal de Economía y Energía en virtud de una decisión del Bundestag alemán. Algunos de los resultados también se refieren al proyecto de investigación simject. Fue financiado como operación IGF (17725N) de la asociación de investigación BVL a través de AiF en el marco del programa para la promoción de la investigación colectiva industrial (IGF) por el Ministerio Federal de Economía y Energía sobre la base de una decisión del Bundestag alemán.
Biografías de los autores
WIBKE KUSTURICA estudió ingeniería industrial y gestión en la Universidad de Ciencias Aplicadas de Zwickau (Alemania). Desde 2017 es asistente de investigación en el Instituto de Gestión e Información y trabaja en el proyecto de investigación SimCast. Su dirección de correo electrónico es wibke.kusturica@fhzwickau.de.
CHRISTOPH LAROQUE estudió informática empresarial en la Universidad de Paderborn, Alemania. Desde 2013 es profesor de informática empresarial en la Universidad de Ciencias Aplicadas de Zwickau, Alemania. Se interesa principalmente por la aplicación de técnicas de apoyo a la toma de decisiones basadas en datos para la producción operativa y la gestión de proyectos. Su dirección de correo electrónico es christoph.laroque@fh-zwickau.de.
DEIKE GLIEM estudió ingeniería mecánica en la Universidad Técnica de Dortmund, Alemania. Desde 2017 es asistente de investigación en el departamento de Organización de la Producción y Planificación de Fábricas de la Universidad de Kassel, Alemania, y trabaja en el proyecto de investigación SimCast. Su dirección de correo electrónico es deike.gliem@uni-kassel.de.
JANA STOLIPIN es ayudante de investigación y estudiante de doctorado en el Departamento de Organización de la Producción y Planificación de Fábricas de la Universidad de Kassel, Alemania. Trabaja en el proyecto de investigación SimCast. Su investigación se centra en el flujo de materiales en producción y logística y en la reutilización de conocimientos en estudios de simulación. Su dirección de correo electrónico es jana.stolipin@uni-kassel.de.
SIGRID WENZEL es catedrática y directora del Departamento de Organización de la Producción y Planificación Industrial de la Universidad de Kassel. Además, es directora de la Arbeitsgemeinschaft Simulation (ASIM), portavoz del grupo de trabajo de la ASIM Simulación en Producción y Logística, miembro del consejo asesor de la Sociedad de Ingenieros Alemanes de Producción y Logística (VDI-GPL) y directora del Comité de Modelización y Simulación de la VDI-GPL. Su dirección de correo electrónico es s.wenzel@uni-kassel.de.
Referencias
Akhavian, R., y A. H. Behzadan. 2013. "Automated Knowledge Discovery and Data-Driven Simulation Model Generation Of Construction Operations". En Proceedings Of The 2013 Winter Simulations Conference, editado por R. Pasupathy et al., 3030-3041, Piscataway, Nueva Jersey:IEEE.
Beißert, U., M. König y H.J. Bargstädt. 2010. "Soft Constraint-Based Simulation Of Execution Strategies In Building Engineering". Revista de simulación 4(4): 222-231.
Emmanouilidis, C., M. Taisch y D. Kiritsis. 2012. "Avances en los sistemas de gestión de la producción: fabricación competitiva para productos y servicios innovadores". IFIP WG 5.7 International Conference, September 24th -26th , Rhodes Greece, Revised Selected Papers, Part I. Heidelberg: Springer.
Fraunhofer. 2018. OTD NET - Simulationsstudie Für Supply-Network-Fragen Des Fraunhofer-Institutes Für Materialfluss Und Logistik. https://www.Iml.Fraunhofer.De/De/Abteilungen/B2/Supply_Chain_Engineering/Produkte/OtdNet.Html, consultado el 2 de mayo de 2018.
Gutfeld, T., U. Jessen, S. Wenzel, A. Akbulut, C. Laroque y J. Weber. 2015. Simject - Simulationsgestütztes Logistikintegriertes Projektmanagement Im Anlagenbau. Publicado por Wenzel, S.; Laroque, C., Kassel, Fachgebiet Produktionsorganisation Und Fabrikplanung.
Gutfeld, T., U. Jessen, S. Wenzel, C. Laroque y J. Weber. 2014. "Un concepto técnico para la ingeniería de plantas mediante la gestión de proyectos basada en la simulación e integrada en la logística". En Proceedings Of The 2014 Winter Simulation Conference, editado por A. Tolk et al., 3423-3434, Piscataway, Nueva Jersey:IEEE.
Heidmann, R. 2015. Windenergie Und Logistik: Losgröße 1: Logistikmanagement Im Maschinen- Und Anlagenbau Mit Geringen Losgrößen. DIN E.V. Berlín: Beuth. 1ª edición
Jessen, U., L. Möller, S. Wenzel, A. Akbulut y C. Laroque. 2015. "Una comparación del uso de diferentes enfoques para la gestión de proyectos de ingeniería de plantas". En Proceedings Of The 2015 Winter Simulation Conference, editado por L. Yilmaz et al., 3402-3413, Piscataway, Nueva Jersey:IEEE.
Pmbok. 2013. Instituto de Gestión de Proyectos. Una guía para el cuerpo de conocimientos de gestión de proyectos (Guía Pmbok®). Pennsylvania: Project Management Institute, Inc. 5ª edición
Simofit. 2018. Simulation Of Outfitting Processes In Shipbuilding And Civil Engineering. http://simofit.Inf.Bi.Ruhr-Uni-Bochum.De/, Consultado el 2 de mayo de 2018.
Steinhauer, D. 2008. "Planung Komplexer Montageabläufe Mit Hilfe Der Constraintbasierten Simulation". En Advances In Simulation For Production And Logistics Applications, editado por M. Rabe: 81-89. Stuttgart: Fraunhofer IRB Verlag.
Steinhauer, D. 2011. "The Simulation Toolkit Shipbuilding (STS) - 10 Years Of Cooperative Development And Interbranch Applications". En Proceedings Of The 10th Euro-Conference On Computer And IT Applications In The Maritime Industries (COMPIT), 453-465. Ort: Editorial
Steinhauer, D., M. König y H.J. Bargstädt. 2007. "Branchenübergreifende Kooperation Zur Simulation Von Montageabläufen Beim Innenausbau Von Schiffen". Hansa International Maritime Journal 9(Número de publicación): 40-42.
Szczesny, K. y M. König. 2015. "Programación Reactiva Basada en Datos Logísticos Reales Aplicando Optimización Basada en Simulación". Visualización en ingeniería, 3 (10):
TILOS. 2018. TILOS - Weg-Zeit-Planung. www.tilos.org, Consultado el 2 de mayo de 2018. Voigtmann, J. 2014. Simulation Baulogistischer Prozesse Im Ausbau. Disertación, Universidad Bauhaus. Weimar
Xie, H., S. Fernando y S. Abourizk. 2011. "Integrating Realtime Project Progress Input Into A Construction Simulation Model". En Proceedings of The 2011 Winter Simulation Conference, Editado por S. Jain et al., 3443-3454, Piscataway, Nueva Jersey:IEEE.