Optimización del proceso de toma de decisiones en el manejo de sustancias químicas en planta de distribución mediante modelación en programa Flexsim

Eduardo Avila-Salazar, Luis Escobar-Carvajal

Resumen


Se ha realizado el estudio con el objetivo de optimizar la toma de decisiones en una planta de producción y distribución de compuestos químicos, apoyándose con la herramienta de modelación llamado Flexsim. Se realizó la siguiente metodología: por medio de la metodología denominada DMAIC se propuso un procedimiento en el que se establece para cada fase las herramientas de modelación y toma de decisiones afín al proceso de producción de la empresa, se diseñó el proceso de producción estableciendo los puntos críticos y cuellos de botella que se originaron en el estudio. Posteriormente, se aplicaron cambios a los parámetros del procedimiento de producción y se reorganizó la maquetación de las instalaciones de producción de un compuesto definido, consiguiendo así la mejora del proceso de producción. A través del software de modelación de eventos discretos, Flexsim y de los procesos actuales, se obtuvieron los siguientes resultados: el tiempo total de los procesos que se emplean para la producción tuvo una mejora del 13,04%. El ciclo total de producción para una corrida inicial fue de 18,75 horas, con la modelación se redujo 3,28% del tiempo total, dando un valor de 18,14 horas. El uso de los equipos que aportan para la producción, como es el caso de montacargas se redujo en 16,28%. Como resultado, no sólo se mejora el manejo de  los recursos y equipos, sino también los planes de producción que pueden ser optimizados por medio de la modelación.


Palabras clave


Flexsim; Seis-Sigma; manufactura; modelación.

Texto completo:

PDF HTML XML

Referencias


Beaverstock , M., & Greenwood, A. (2011). Applied Simulation. Modeling and Analysis using Flexsim. Orem, USA.

de Mast, J., & Lokkerbol, J. (2012). An analysis of the Six Sigma DMAIC method from the perspective of. International journal of Production Economics, 604-614.

El-Haik, B., & Al-Omar, R. (2006). Simulaton based lean six-sigma and design for six-sigma. New Jersey: Wiley-Interscience.

Sanchez, A. A., & Sanchez Delgado, A. A. (2017). Aplicación de la estandarización de procesos para mejorar la productividad en el área de hilandería de la planta textil industrial Cromotex SA. Retrieved from https://repositorio.ucv.edu.pe/handle/20.500.12692/12564

Sandoval Vasquez , H. (2020). Estandarización de procesos en una empresa de lácteos para mejorar la producción de queso fresco.

Agalianos, K., Ponis, S. T., Aretoulaki, E., Plakas, G., & Efthymiou, O. (2020). Discrete Event Simulation and Digital Twins: Review and Challenges for Logistics. Procedia Manufacturing, 51, 1636-1641. https://doi.org/10.1016/j.promfg.2020.10.228

Azadivar, F., & Wang, J. (2000). Facility layout optimization using simulation and genetic algorithms. International Journal of Production Research, 38(17), 4369-4383. https://doi.org/10.1080/00207540050205154

Bacalla, J., Leyva, M., & Fiestas, A. (2014). Modelo del proceso jerárquico análitico para optimizar la localización de una planta industrial. Industrial Data, 17, 112. https://doi.org/10.15381/idata.v17i2.12056

Dalmarco, G., Ramalho, F. R., Barros, A. C., & Soares, A. L. (2019). Providing industry 4.0 technologies: The case of a production technology cluster. The Journal of High Technology Management Research, 30(2), 100355. https://doi.org/10.1016/j.hitech.2019.100355

El Zaatari, S., Marei, M., Li, W., & Usman, Z. (2019). Cobot programming for collaborative industrial tasks: An overview. Robotics and Autonomous Systems, 116, 162-180. https://doi.org/10.1016/j.robot.2019.03.003

Gunal, M. M. (2019). Simulation and the Fourth Industrial Revolution. En M. M. Gunal (Ed.), Simulation for Industry 4.0: Past, Present, and Future (pp. 1-17). Springer International Publishing. https://doi.org/10.1007/978-3-030-04137-3_1

Peng, J. L. (2011). Optimization on the Improvement Schemes of Production Logistics System Based on Flexsim Simulation. Advanced Materials Research, 225-226, 852-856. https://doi.org/10.4028/www.scientific.net/AMR.225-226.852

Wang, Y. R., & Chen, A. N. (2016). Production Logistics Simulation and Optimization of Industrial Enterprise Based on Flexsim. International Journal of Simulation Modelling, 15(4), 732-741. https://doi.org/10.2507/IJSIMM15(4)CO18

Zhang, F., & Tian, C. (2017). Study on Modeling and Simulation of Logistics Sorting System Based on Flexsim. 2017 International Conference on Computer Network, Electronic and Automation (ICCNEA), 504-506. https://doi.org/10.1109/ICCNEA.2017.44

Zhang, X. (2018). Application of discrete event simulation in health care: A systematic review. BMC Health Services Research, 18(1), 687. https://doi.org/10.1186/s12913-018-3456-4




DOI: https://doi.org/10.23857/pc.v6i11.3326

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/