El papel que desempeña la variación en la creación de atascos y retrasos en la fabricación está bien documentado en la bibliografía, pero suele ignorarse en la planificación y programación diarias de la producción. Las herramientas de planificación y programación avanzadas (APS) generan programas ignorando por completo la variación del sistema. En algunos casos, se emplean horas de cálculo para generar un programa; sin embargo, la suposición básica de tiempos deterministas hace que este programa sea poco realista y optimista desde el principio. Al ignorar la variación, las herramientas APS generan programas que prometen más de lo que pueden cumplir.
Para ilustrar este punto, tomaremos un problema de programación muy simple compuesto por una sola máquina. Por término medio, los trabajos llegan a nuestra máquina cada hora y tardan 55 minutos en procesarse. Se recogen dos horas después de su llegada. Veamos una programación determinista sencilla para procesar los tres primeros trabajos de nuestro sencillo sistema. El diagrama de Gantt para nuestro programa basado en nuestros tiempos determinísticos se muestra a continuación:
Observe que nuestro programa se ve bien; tenemos 92% de utilización de nuestra máquina, un descanso de 5 minutos entre cada trabajo de 55 minutos, y todos los trabajos tienen un tiempo de holgura de 65 minutos (indicado por la línea discontinua) incorporado en el programa entre el tiempo de finalización previsto y su fecha de vencimiento. Dado que tenemos una holgura superior a nuestra previsión de tiempo para hacer frente a cualquier problema imprevisto, a primera vista este parece ser un programa sólido para nuestros tres trabajos previstos.
Aunque hemos creado este calendario asumiendo que no hay ninguna variación, los sistemas de la vida real tienen muchas fuentes de variación. Por ejemplo, los tiempos de procesamiento suelen variar de un trabajo a otro, los componentes comprados o fabricados pueden llegar tarde y retrasar el inicio de una operación, las máquinas pueden fallar y el personal puede no presentarse. Son cosas que a menudo escapan a nuestro control y degradan el calendario y hacen que nuestro rendimiento no esté a la altura de nuestro plan.
Examinemos ahora qué ocurre con el comportamiento a largo plazo de nuestro sencillo sistema de una máquina cuando añadimos variabilidad en los tiempos de llegada y procesamiento. Supondremos que nuestros datos representan valores esperados y que los tiempos reales varían en torno a estos valores. Para simplificar el análisis matemático, supondremos que tanto el tiempo entre llegadas de trabajos como el tiempo de procesamiento en la máquina se distribuyen exponencialmente. Dada esta suposición, podemos utilizar la teoría básica de colas para calcular el comportamiento a largo plazo de la programación en esta única máquina.
Con la variación incorporada a nuestro sistema, un simple análisis de colas muestra que nuestro sistema funciona muy mal. Aunque la utilización de la máquina a largo plazo sigue siendo del 92%, el uso de la máquina es muy variable. El operario de la máquina trabaja con frecuencia durante largos periodos sin descanso y, en otras ocasiones, está hambriento de trabajo con largos periodos de inactividad. Cada trabajo que llega espera una media de 10 horas antes de empezar a procesarse, y sólo el 16% de nuestros pedidos están listos a tiempo. Tenemos exactamente la misma capacidad física que antes, salvo que nuestros niveles de inventario y de puntualidad son terribles. Lo que parece un plan factible (bueno) basado en valores deterministas, se vuelve inviable (terrible) cuando se tiene en cuenta la variación.
Este fenómeno explica el desfase entre las herramientas APS existentes y la realidad de la programación del trabajo en un sistema de fabricación complejo lleno de variación e incertidumbre. Las planificaciones generadas por herramientas deterministas no pueden hacer frente adecuadamente a las realidades de la fábrica.
Simio Risk-based Planning and Scheduling (RPS) es la nueva generación de APS diseñada específicamente para tener en cuenta el riesgo y la incertidumbre. RPS utiliza un modelo de simulación de eventos discretos específico del sistema para capturar plenamente tanto las restricciones detalladas como las variaciones del sistema. A continuación, RPS utiliza este modelo de dos maneras. La primera es generar un calendario/plan detallado. En este caso, el modelo se ejecuta en un modo puramente determinista: las máquinas no se rompen, los tiempos de proceso son siempre constantes, los materiales llegan a tiempo, etc. Esta es la visión optimista que asumen todos los sistemas APS y produce un plan/programa determinista. Una vez generado el calendario, RPS replica este mismo modelo de simulación con la variación activada y realiza un análisis probabilístico para estimar los riesgos subyacentes asociados al calendario. Las medidas de riesgo generadas por RPS incluyen la probabilidad de alcanzar los objetivos definidos por el usuario, así como el rendimiento esperado, pesimista y optimista del calendario. Con RPS generamos un diagrama de Gantt similar al anterior, salvo que ahora añadimos medidas de riesgo codificadas por colores que muestran nuestro riesgo sustancial de incumplir las fechas de entrega previstas.
Aunque una holgura en el cronograma superior a la previsión puede parecer "segura", en este sencillo ejemplo vemos que nuestros trabajos corren un alto riesgo de retrasarse (sólo un 16% de posibilidades de estar listos a tiempo).
Al ofrecer una visibilidad anticipada del riesgo inherente asociado a un plan/programa específico, Simio RPS proporciona la información necesaria para tomar medidas tempranas en el plan operativo con el fin de mitigar los riesgos y reducir los costes. Simio RPS proporciona una visión realista del rendimiento previsto del cronograma. Las alternativas específicas, como las horas extraordinarias o el envío de material/componentes externos desde los proveedores, pueden compararse en términos de su impacto tanto en los riesgos de cumplir los objetivos del calendario como en los costes de mitigación de esos riesgos, proporcionando así una estrategia operativa satisfactoria para el cliente a un coste mínimo.
Descargar versión PDF
C. Dennis Pegden, PhD. - Director de Producto de Simio
Fundador y CPO de Simio. Dennis dirigió el desarrollo de las herramientas de simulación SLAM, SIMAN, Arena y Simio. Es coautor de tres libros de texto sobre simulación y ha publicado artículos en diversos campos, como la programación y la simulación.