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