tesis - repositorio ciateq: página de inicio · antecedentes 4 1.2.definición del ... de engranes...
TRANSCRIPT
TESIS
MAESTRO EN MANUFACTURA AVANZADA
PRESENTA
JOSÉ FELIPE MARTÍNEZ VALLE
QUERÉTARO, QRO, JUNIO 2015.
PROPUESTA DE AUTOMATIZACIÓN DE UN
PROCESO FINAL PARA ENGRANES
AUTOMOTRICES
PARA OBTENER EL GRADO:
1
2
3
4
5
6
7
Dedicatoria-Agradecimiento.
Dedico este trabajo a mi esposa Treicy Evelyn Lopez Anaya, mi hijo Carlos Esteban
Martinez López, a mi madre Maria Valle Oropeza, mi tío Luis David Martinez,
familiares y amigos, que gracias a su apoyo me han motivado a seguir progresando
de manera personal y profesional.
De igual forma a la empresa TREMEC al Ing. Eloy Xaman Ek Castro Cárdenas y al
Ing. Eduardo Nicolas Soto Gonzalez y al centro de estudios CIATEQ, por dejar que
las personas continúen con su progreso, de manera especial al Dr. Guillermo Frades,
al Ing. Rafael Ávila que fue quien reviso mi tesis junto el Dr. Raúl Ramirez Lopez, al
Ing. Fernando Talavera, a Geovani Gonzalez y Cesar Reséndiz.
De igual forma agradezco a Dios por permitirme dar un paso más en esta vida.
8
Índice de Contenido
Pagina
1. Introducción 4
1.1. Antecedentes 4
1.2. Definición del problema 5
1.3. Hipótesis 8
2. Marco Teórico 9
2.1. Concepto de manufactura 9
2.2. Sistemas de visión 10
2.2.1. Percepción natural y percepción artificial 11
2.2.2. El sistema visual humano y los sistemas de visión
artificial.
14
2.2.3. Esquema físico de un Sistema de visión artificial.
15
2.2.4. Esquema lógico de un Sistema de Visión Artificial.
21
2.3. Lavadoras de refacciones automotrices Industriales. 24
2.4. Conceptos básicos de estadística.
27
3. Formulación del problema. 32
3.1. Etapas del proceso de empacado de los engranes. 32
3.2. Descripción de la operación. 35
4. Análisis de los procesos. 45
9
4.1. Introducción. 45
4.2. Ventajas y desventajas del modelo de simulación. 47
4.3. Procedimiento 48
4.4. Análisis numérico de pulido. 52
5. Análisis de tiempos y movimientos de datos medidos. 58
6. Simulación 67
7. Simulación del modelo 86
7.1. Actual 86
7.2. Propuestas del modelo optimizado 91
8. Propuesta de mejora 91
8.1. Propuesta 1 92
8.2. Propuesta 2 93
8.3. Propuesta 3 94
8.4. Propuesta 4 95
8.5. Propuesta 5 96
8.6. Propuesta 6 96
8.7. Propuesta complementaria 97
9. Análisis económico 100
10. Retorno de inversión 108
11. Modelo optimizado 113
12. Resultados 118
13. Conclusiones 121
14. Bibliografía 123
15. Anexos 125
10
1. INTRODUCCIÓN
1.1. Antecedentes
En la actualidad diferentes competidores tanto nacionales como extranjeros han
estado llegando a nuestro país, por lo que el auge por las empresas automotrices
y aeronáuticas ha crecido como nunca antes se había pensado, todo esto
demanda más recursos, talentos y tecnologías que tienen que ser desarrollados en
nuestro país.
La automatización de los procesos industriales se ha convertido en una de las
mejores herramientas que han ayudado a la reducción sistemática de costos y
tiempos de producción, logrando mayor productividad, con mejor calidad y
disminución de recursos.
Con los modelos de manufactura integrada por computadora (CIM, Computer
Integrated Manufacturing) en los que se basa esta tesis, pueden llegarse a simular
diferentes procesos cotidianos como: una planta industrial, la organización de los
carros en un estacionamiento, el flujo de personas en un centro comercial, el flujo
de carros en una ciudad, el tráfico aéreo, la entrega de correspondencia en una
gran ciudad donde se desee minimizar distancias, etc. Todo esto se puede lograr
diseñar por medio de herramientas electrónicas que nos proveen de manera
rápida, confiable y económica un resultado para posteriormente tomar una
decisión y continuar con la integración de dicho análisis.
En este trabajo se realizó la simulación de un proceso automotriz ayudado por el
software “FlexSim 6”, y un análisis de tiempos y movimientos que puede ser utilizado
como base para un cambio en piso.
El proceso a analizar es dentro de la empresa “Tremec” que pertenece al grupo
“KUO” siendo una de varias empresas, uno de ellos es de giro automotriz,
Transmisiones y Equipos Mecánicos SA de CV por sus siglas en español “TREMEC”
ubicada en la ciudad de Querétaro, dedicada al ensamble y diseño de los
componentes de transmisiones para equipos pesados; tiene instalaciones en
11
Loppem Bélgica y una representación comercial en Estados Unidos con alrededor
de un total de 1,430 colaboradores, Exporta piezas a Estados Unidos, Canadá,
Australia, Venezuela, China, Japón, India, Corea del Sur y varios países de Europa.
Se especializa en el diseño y producción de soluciones para la transferencia de
torques para la industria automotriz, agrícola e industrial. Los productos incluyen
transmisiones manuales y automáticas, transmisión de clutch, engranes, flechas,
clutches, sincronizadores y sistemas mecatrónicos con clutch integrado y software
de control.
“TREMEC” fue fundado en 1964, la compañía se enfocaba en la manufactura
robusta de las transmisiones manuales para automóviles de pasajeros
convencionales, luces de camiones y vehículos comerciales. Al día de hoy TREMEC
está posicionado en el mercado como el único proveedor en la gran demanda de
productos innovadores con una excelente calidad y precio.
La empresa provee soluciones a los grandes cambios de la industria de manera
eficiente reduciendo emisiones al medio ambiente, con productos de bajo peso y
tamaño compacto.
Cuenta con múltiples certificaciones y reconocimientos tanto a nivel nacional
como internacional, su principal mercado son los vehículos ligeros, medianos a
pesados. Algunos de sus puntos clave son: El incremento de la eficiencia en la
gasolina, reducir emisiones de gases tóxicos al ambiente, reducir el peso de las
piezas, un desempeño adecuado, costos competitivos, la disminución del ruido,
vibración y amarre de las piezas dentro del carro.
1.2. Definición del problema
En la figura 1 se puede observar la transmisión completa y se ha señalado con una
flecha color negro el engrane (Figura 2) cuyo proceso final se analiza en este
trabajo. El objetivo es automatizar y optimizar su proceso final.
12
Figura 1. Caja de transmisión de un camión de carga [1].
Figura 2, Diseño de engrane producido.
13
El proceso completo de fabricación del engrane se ilustra en la figura 3:
El proceso a analizar es manual, el enfoque inicial es estudiar los movimientos
involucrados como son los tiempos actuales, el proceso como tal y las habilidades
de los operadores para lograr una propuesta a un proceso automatizado, con el
fin de mejorar el sistema productivo y poder aumentar la productividad del área,
ahorrar espacio y tener un área más limpia.
Debido a que los procesos manuales ocasionan “cuellos de botella” por la alta
demanda que se ha tenido en los últimos años, surge la necesidad de la
automatización.
El proceso completo mostrado en la figura 3 es el siguiente: el material llega en forja
por parte del proveedor, es maquinado en CNC (Control Numérico por
Computadora) para darle una primera forma, posteriormente se lava donde se
quita el soluble de los CNC, se realiza un pre-tratamiento de fosfatizado para evitar
la corrosión; después se realiza un tratamiento termoquímico para brindarle mayor
dureza al material y se realiza otra limpieza de éste a mayor detalle, en seguida se
maquinan las caras de manera más fina mediante los CNC para dar el acabado
correcto, posteriormente se da forma final a los dientes de los engranes y por último
es empacado para ser exportado al cliente.
Forja Maquinado LavadoProceso
de fosfatizado
Tratamiento termoquímico
Limpiado de
perdigonado
Maquinado en diámetro
de caras
Rectificado de dientes
Empaque
Figura 3. Proceso general de manufactura del engrane
14
La etapa de estudio a ser analizado y mejorado será el empaque, siendo el último
proceso de la etapa en la figura 3, teniendo ya el producto terminado.
1.3. Hipótesis.
H1. Mejora del 20% en la producción y reducción de piezas mal manufacturadas
de engranes sobre el proceso de empaque, mediante el uso de software de
simulación.
H2. Mejorar los tiempos y movimientos del proceso de empaque, pasando del
sistema manual a uno automático en un 20%.
H3. Lugar más limpio y ordenado con la implementación del nuevo layout.
H4. Retorno de inversión menor a 2 años para poder llevar a cabo un proyecto
formal dentro del área de empaque, cotizando con diferentes proveedores
para las diferentes etapas del proceso de empaque.
15
2. MARCO TEORICO
2.1. Concepto de Manufactura.
La manufactura se deriva de las palabras latinas manus (manos) y factus (hacer);
esta combinación de términos significa hacer con las manos. La palabra inglesa
“manufacturing” tiene ya varios siglos de antigüedad, y la expresión “hecha a
mano” describe precisamente el método manual que se usaba cuando se acuñó
la palabra [11]. Gran parte de la manufactura actual se realiza con máquinas
computarizadas y automáticas que son supervisadas mediante personal.
La manufactura como campo de estudio en la actualidad, puede definirse
mediante dos maneras: tecnológica y económica. Tecnológicamente es la
aplicación de procesos químicos y físicos que alteran la geometría, las
propiedades, o el aspecto de un determinado material para elaborar partes o
productos terminados; incluye también el ensamble de múltiples partes. Los
procesos para realizar la manufactura involucran una combinación de máquinas,
herramientas, energía y operaciones manuales, ésta se realiza con operaciones
sucesivas y ordenadas.
Económicamente, es la transformación de materiales en artículos de mayor valor,
a través de una o más operaciones o procesos de ensamble; el punto clave es que
la manufactura agrega valor al material original, cambiando su forma o propiedad,
o al combinarlo con otros materiales que han sido alterados en forma similar. El
material se vuelve más valioso conforme se agreguen más operaciones a él.
La palabra producción y manufactura se usan frecuentemente en forma indistinta.
Producción tiene un significado más amplio que manufactura, producción
conlleva estudiar una parte de las operaciones, mientras que manufactura es una
visión con menor detalle.
Aunque la manufactura es una actividad importante, no se lleva a cabo por sí
misma. Se realiza como una actividad comercial por parte de las compañías que
venden sus productos a los consumidores. El tipo de manufactura que maneja una
16
compañía depende de la clase de productos que fabrica. Se puede explorar esta
relación si examinamos primero los tipos de industrias de manufactura, e
identificamos después los productos que elaboran.
Industrias manufactureras: son empresas que producen o abastecen bienes y
servicios, pueden clasificarse como primarias, secundarias o terciarias.
En este trabajo, el estudio será para la industria secundaria, el cual recibe bloques
de acero de la industria primaria para ser maquinado y éste puede ser utilizado
para el ensamble de un producto terminado siendo ya un producto final después
del maquinado [14].
Se verá enfocado tres puntos los cuales son medulares para los cambios en la
etapa de empaque, siendo estos: sistemas de visión, lavadoras industriales y
operaciones estadísticas. Con esto daremos una idea de lo que se desarrolla
internamente en cada concepto.
2.2. Sistemas de visión.
La forma de visualizar objetos es mediante la luz natural, ésta utiliza fotones que
golpean los objetos y son básicamente reflejados a nuestros ojos, ellos son
encargados de procesar la imagen dejando pasar los fotones hacia la parte
interna de nuestros ojos.
Sin la ayuda de la luz, no podemos observar nada. El ojo humano es un reflejo de
la capacidad de adaptación de la naturaleza a nuestras necesidades diarias.
Gracias a que la luz solar es transparente, pero básicamente es blanca, logra
contener todos los colores, así podemos ver que un color blanco es una saturación
de colores, un color negro es una ausencia de color, un color amarillo es una
saturación de cierta longitud de onda, dando por consiguiente un mundo donde
solo podemos ver colores, los animales como los murciélagos logran ver una
frecuencia muy diferente a nosotros ya que su adaptación ha sido más hacia a las
ondas sonoras y así cada animal, tiene una visión del mundo muy diferente.
17
Para nosotros los humanos, la visión ha sido un arma muy importante, ya que con
ella hemos podido observar al mundo, estudiarlo, replicarlo y analizarlo. Gracias a
esto, es uno de los sentidos más evolucionados que tenemos, con ella tocamos al
mundo que nos rodea.
2.2.1. Percepción natural y percepción artificial.
Percepción natural: el ojo natural está compuesto principalmente por córnea, iris,
pupila, retina, lente, nervios ópticos, fóvea, como se ejemplifica en la figura 4.
Su funcionamiento básicamente es: la luz del sol ilumina a los objetos mediante los
fotones, estos golpean al cuerpo en estudio y es reflejado a nuestro ojo, éste capta
los fotones, entrando primeramente por la córnea (el funcionamiento es de
protección ocular) el iris es de distinto color según la evolución humana, éste afecta
a la intensidad de luz que deje pasar al lente de acuerdo a sus contracciones; el
lente capta la imagen y la invierte, la imagen invertida es reflejada en los nervios
ópticos que están compuestos por bastones y conos; Bastones sirven para saber la
distancia y los conos nos dan el color de los objetos, son transmitidos mediante
pulsos eléctricos que viajan a los nervios ópticos hacia nuestro cerebro, en realidad
el cerebro es quien procesa las imágenes. El cerebro cumple el factor más
importante ya que trabaja mediante la experiencia y puede relacionar cosas del
pasado dándole un procesamiento mucho más complejo, así logra relacionar un
Figura 4. Ojo humano
18
día nublado con agua, sin que aún este lloviendo. Por lo que el cerebro es la
herramienta más sofisticada que tenemos.
Percepción artificial: como ojo humano a la persona es la cámara de visión a la
máquina.
El funcionamiento es el mismo, el sol o luz artificial emite fotones, estos son reflejados
a los cuerpos y son recibidos mediante el sistema de visión que está compuesto
según la imagen, el filtro es una herramienta muy utilizada, ya que éste puede filtrar
ciertas longitudes de ondas que puede que nos interesen, es recibido a un sensor
que, básicamente hoy en día existen solo 2 tecnologías líder, CMOS del inglés
“Complementary Metal Oxide Semiconductor” con significado Semiconductor
complementario de óxido metálico y CCD del inglés “Charge Coupled Device”
con significado dispositivo de carga acoplada. Capta la imagen completa y cada
sensor es excitado de forma distinta mandando impulsos al procesador de imagen.
Ver figura 5.
Por lo tanto una imagen es: blanco, negro y a color, con lo que una imagen en
blanco y negro está relacionada a una escala de grises que van desde el 0
representado por el color negro hasta 255 en una escala decimal representado por
el color blanco, ver figura 6. Dividida en cuadrados, estos cuadrados son
determinados por la resolución del sensor de visión, llamados pixeles. Una imagen
Figura 5. CCD
19
a color está compuesta de 3 sensores que detectan de la misma forma los 3 colores
Rojo, Verde y Azul cada color va desde 0 hasta 255 en la escala decimal.
2.2.2. El sistema visual humano y los sistemas de visión artificial.
La forma en que operan las cámaras de visión tiene ciertas diferencias con el ojo
humano como:
El ojo humano observa imágenes a 60Hz apreciándose como imágenes
continúas, la cámara de visión puede ver imágenes continuas.
Contamos con mayor número de sensores que cualquier otro sistema de
visión, por lo que podemos ver imágenes mucho más nítidas.
Un sistema de visión está limitado por la capacidad de procesamiento.
En la figura 7 se observa la relación en un robot, siendo el sistema de visión
como el ojo humano, el programa como el cerebro y los músculos como los
motores.
Figura 6, pixeles.
20
El sistema de visión puede observar rangos que para el ojo humano son
imposibles.
La calidad de las imágenes en el ojo humano es mayor que la de un sistema
de visión.
El ojo humano tiende a cansarse en una actividad repetitiva, mientras que
el sistema de visión puede trabajar infinitamente.
Un sistema de visión depende ampliamente de la iluminación que se utilice.
80% iluminación, 20% procesamiento de imagen.
El ojo humano puede auto-enfocarse, actualmente existen lentes líquidos
en el mercado, pero nunca serán tan sofisticados como un ojo humano.
Las cámaras son más veloces que el ojo humano, el ojo humano detecta 30
cuadros por segundos mientras que una computadora puede procesar 6
mil cuadros por segundo, con esto podemos ver imágenes lentamente.
El ojo humano tiene una resolución equivalente a 576 Mega pixeles, mientras
que las cámaras actualmente tienen hasta 50Mega pixeles.
Figura 7.
21
2.2.3. Esquema físico de un sistema de visión artificial.
En la figura 8 podemos observar cómo está compuesto básicamente un sistema de
visión:
Los esquemas físicos de los sistemas de visión Artificial “SVA” son [2]:
La iluminación: Los objetos son iluminados a cierta frecuencia, siendo los
LEDS una iluminación continua, ya que la lámparas fluorescentes o bulbos
funcionan a cierta frecuencia que pueden interferir al momento de capturar
las imágenes, la iluminación se divide en:
1. Contraluces, se utiliza para resaltar los bordes de una pieza, las
aberturas de una pieza u ocultar materiales transparentes. Se coloca:
Cámara, objeto, iluminación, ver figura 9.
Esquema físico Esquema lógico
Figura 8.
22
2. Iluminación de barra, las luces de barra ofrecen una iluminación
uniforme y lineal con flexibilidad para ajustar el ángulo de la luz en
función de la aplicación. Esta iluminación es ideal para crear
contraste en la superficie de los materiales mate como papel, cartón
o superficies rugosas. Se coloca la cámara, a cierto ángulo del objeto
paralelo la iluminación y objeto, ver figura 10.
3. Coaxial en el eje, son ideales para resaltar bordes y cambios de altura
en una pieza. También sirven para superficies de metal planas pero
no son ideales para superficies curvas. Las luces coaxiales son únicas
a la hora de iluminar los objetos desde el mismo eje que el sistema de
visión. Se coloca: Cámara, iluminación, objeto, ver figura 11.
Figura 9, Contraluces. [2]
Figura 10, Iluminación de barras.
[2]
Figura 11, coaxial en el eje. [2]
23
4. Anillo de campo oscuro, van los LED montados a 90 grados, resaltan
los bordes de una pieza y destacan los cambios de altura en una
superficie al brindar un mayor contraste, la luz debe estar muy cerca
del objeto. Colocan: cámara, iluminación y objeto, ver figura 12.
5. Difusa: la iluminación difusa brinda una iluminación pareja y sin
sombras. Este tipo de iluminación se utiliza con mucha frecuencia
sobre superficies redondas, especial sobre superficies curvadas de
metal brillante. La iluminación difusa oculta los cambios de altura de
superficie y crea una apariencia plana. Se coloca cámara,
iluminación y objeto, ver figura 13.
6. Anillo de bajo ángulo: ofrecen un gran contraste en los objetos con
borde elevado, lo que brinda mayor flexibilidad a la distancia de
trabajo con luz en comparación con las luces de anillo de campo
obscuro. Las luces de anillo de bajo ángulo son especialmente ideales
Figura 12, anillo. [2]
Figura 13, difusa. [2]
24
para utilizarse en superficies brillantes. Se coloca cámara, iluminación
y objeto, ver figura 14.
7. Anillo: esta iluminación cubre una gama muy amplia de aplicaciones
y su uso es muy versátil. Brindan una iluminación sin sombras, ya que
el anillo cubre una totalidad del área de trabajo y son un tipo de
iluminación muy común en la industria de visión artificial. Se coloca
cámara, iluminación y objeto, ver figura 15.
Cámara, ésta recibe la reflexión del objeto sobre un sensor CMOS y CCD:
[1] el sensor CMOS (Complementary Metal Oxide Semiconductor o, en
español, Semiconductor Complementario de Óxido Metálico) se
encuentra en las cámaras más actuales y la mayoría de las profesionales.
Figura 14, anillo de bajo ángulo. [2]
Figura 15, anillo. [2]
25
Sus características son:
Mejor desempeño en una estructura más simple, sin necesidad de más
equipo. Menos sensible a la luz, pero un consumo mucho más bajo de
energía, por lo que las cámaras son más económicas. Ver figura 16.
[2] el CCD (Charge Coupled Device o, en español, Dispositivo de Carga
Acoplada). Este tipo de sensor lo tienen la mayoría de las cámaras
digitales y significa que:
Es sensible a la luz y trabaja a manera de líneas de pixeles con una
cobertura de los colores primarios (RGB).
Es más sensible a la luz que el CMOS.
Consume más energía, así que la batería puede agotarse más rápido.
Captura un rango más amplio de tonos (luces brillantes, tonos medios y
sombras) en las fotografías. Ver figura 17.
Figura 16. Sensor CMOS
26
Así que resumiendo estos puntos indicaremos las ventajas de uno sobre el otro:
a) Los sensores CCD crean imágenes de alta calidad con poco ruido digital; los
sensores CMOS son más sensibles.
b) Los CMOS consumen menos energía; un sensor CCD puede llegar a consumir
hasta 100 veces más energía que el CMOS; esto hace que la batería dure más en
una cámara con este tipo de sensor.
c) El tiempo necesario para tomar una foto y poder verla es más rápido en cámaras
con.CMOS.
d) En realidad, ninguno es mejor que el otro, simplemente son sensores que aportan
características distintas a cada una de las cámaras digitales. La tecnología actual
ha hecho que el sensor CMOS (en teoría, inferior al CCD) se acerque a una calidad
muy semejante al CCD por lo que, para el ojo humano, las diferencias son casi
imperceptibles.
Figura 17. Sensor CCD
27
2.2.4. Esquema lógico de un Sistema de Visión Artificial.
Objeto: es la etapa de construcción del sistema de formación de las
imágenes. Su objetivo es realzar, mediante técnicas fotográficas
(iluminación, óptica, cámaras, filtros, pantallas...), las características visuales
de los objetos (formas, texturas, colores, sombras...). El éxito de muchas
aplicaciones depende de un buen diseño en esta primera etapa. Ver figura
18.
Adquisición: El objetivo es mejorar la calidad informativa de la imagen
adquirida. Se incluyen operaciones de: mejora de la relación señal-ruido
(denoising), SNR; De atenuar las imperfecciones de la adquisición debido a
la función de transferencia del sistema de captación de imágenes
(deconvolution); De regularizar la imagen; De mejorar el contraste o de
optimizar la distribución de la intensidad (enhancement) o de realzar
algunas características de la imagen, como bordes o áreas. Ver figura 19.
Figura 18. Foto sin filtro
Figura 19. Foto con filtro
28
Procesamiento: es la fase donde se fracciona la imagen.
Actuación: el sistema de visión mediante el software envía señales a algún
PLC o sistema de control para tomar las decisiones pertinentes que se
requieran. Ver figura 20.
BITS
Imagen
Luz Señal de salida
Área a
aplicación
Aplicación Descripción
Control de
calidad
Inspección de
productos
Se puede llegar a inspeccionar todo tipo de
productos, papel, aluminio, acero, etc.
Identificación
de piezas
Piezas faltantes, mal maquinadas, falta de etiquetas
sobre el producto.
Etiquetados Inspección de Reconocimiento óptico de
caracteres o mejor conocido por sus siglas en ingles
“OCR” (Optical Code Read).
Circuitos
impresos
Verificar que los circuitos estén correctos.
Alimentos Verificar sobre las frutas o verduras, golpes, que no
estén descompuestas, color, empacadas
correctamente.
Robótica
Soldadura Que la soldadura sea continua.
Guía de
vehículos
Posicionamiento de algún brazo robótico sobre
cierta posición que pueda variar.
Posicionamiento
de piezas
Posicionar una pieza sobre algún robot.
Objeto
Adquisición
Procesamiento
Reconocimiento
Actuación
Base de
conocimiento
Figura 20.
Tabla 1, aplicación de los sistemas de visión artificial
29
Automotriz
Marcado de
códigos 1D o 2d
Inspección de los códigos correctamente impresos
y que la información coincida con alguna base de
datos.
Inspección de
piezas en línea
Inspección sobre una línea con alta cadencia.
Inspección de
empacado
Inspeccionar que estén las piezas correctamente
colocadas antes de ser empacados.
Otros
Reconocimiento de placas (patentes) de vehículos
Conteo vehicular
Conteo de Monedas
Conteo de Figuras
Medición de distancia de objetos con puntero láser
Conteo de líneas (horizontales, verticales, diagonales)
Reconocimiento de código de barras de productos
Conteo de micro-núcleos en células sanguíneas.
Ventajas de los sistemas de visión artificial:
- Reducción de rechazos e incidencias en la producción.
- Aumento de la productividad.
- Aumento y fidelidad de clientes.
- Mejora de las relaciones con los clientes.
- Mayor compromiso con los requisitos del cliente.
- Organización del trabajo.
30
2.3. Lavadoras Industriales para refacciones automotrices.
Básicamente las lavadoras industriales para piezas automotrices se dividen en
cuatro tecnologías:
a) Lavadora de monorriel
b) Lavadora de banda
c) Lavadora de mesa rotativa
d) Lavadora de canasta
(a) Lavadora de monorriel:
Los transportadores suspendidos o transportadores de monorriel son construidos con
vigas tipo I. estas vigas actúan como un carril cuyas alas inferiores soportan y sirven
de pistas de rodadura para las horquillas de suspensión que están espaciados a
intervalos regulares pudiendo ser cada 50 o 60cm dependiendo del diseño, unidos
a una cadena unos pocos centímetros por debajo de la viga. El transportador tiene
un recorrido con una o más curvas dentro de la planta volviendo a su punto de
partida dependiendo del diseño requerido. La cadena es movida a una velocidad
constante por un mecanismo (o quizás por más de uno) ubicado en algún punto a
lo largo de su recorrido. Los materiales a transportar son colocados en ganchos,
cestas o bandejas sujetas de las horquillas. La viga I puede ser colocada en posición
vertical u horizontal, permitiendo a las horquillas subir hasta el techo o bajar hasta
el nivel de trabajador en cualquier punto deseado. Estas características permiten
que operaciones sucesivas sean situadas en puntos muy distantes. Es decir, una
pieza puede completarse y colocarse en el transportador siendo lavado en varias
estaciones el cual sean retiradas por el operario que ha de realizar las siguientes
operaciones.
El hecho de que esta clase de transportador pueda elevarse hasta el techo del
edificio, bajando ocasionalmente para el subministro a los puestos de trabajo, es
ventajoso desde otro punto de vista: el almacén de la obra en curso se convierte
en “almacén móvil” que eventualmente llegará hasta el operario sin requerir la
31
atención ni el trabajo del personal que aprovisiona los materiales. En muchas
fábricas se diseñan estos transportadores con una longitud muy superior a la
necesaria para llevar los materiales de una operación a otra. Esto simplemente
proporciona una gran capacidad de almacenamiento para los materiales que
utilizaran los distintos operarios.
El transportador elevado no es mucho mejor que cualquier otro tipo de
transportador. Tiene problemas y dificultades en instalación y su funcionamiento.
(b) Lavadora de banda:
Las lavadoras de banda como su nombre lo dice es una banda transportadora
donde se coloca y esta es transportada del punto A al B, utilizando la fricción, por
lo general las bandas son de plástico con alma de acero para incrementar su vida
útil. Son diseñadas de acuerdo a las medidas de la pieza que se requiera lavar.
Uno de los problemas es que movimiento no es siempre uniforme, tendiendo a
producirse saltos cuando envejece la cinta. Incluso cuando es nueva, las paradas
y arranques tienden a hacer caer las piezas. A menudo, los proyectistas aplican un
factor de seguridad para evitar este problema, un dispositivo comúnmente
aceptado, que parece dar un adecuado grado de protección, consiste
simplemente en limitar el ángulo de inclinación de la cinta transportadora de
manera que una línea vertical que pase por el centro de gravedad de la pieza que
esté subiendo, caiga dentro del tercio central de la longitud de la base.
Otro problema que se presenta en la instalación de cintas transportadoras es el
problema de doblar una esquina cuando el transporte de los materiales lo requiere.
Esto puede conseguirse de varias maneras. Se puede utilizar una caída por
gravedad curva que unas dos cintas transportadoras que estén en ángulo.
También se puede emplear un tramo curvo de un trasportador de rodillos, o se
puede instalar una mesa giratoria. Hay muchas otras soluciones posibles, pero estas
son probablemente las más comunes.
32
Otra desventaja que se puede observar para el caso de estudio de esta tesis es
que el engrane existe mayor área de contacto que de la lavadora tipo monorriel
por lo que existe la posibilidad de que éste no pueda ser lavado al 100% o que
requiera mayor presión para el enjuague.
(c) Lavadora de mesa rotativa y giratoria:
Este tipo de mesas están siendo introducidas en la actualidad para el manejo de
re-trabajos o volúmenes de baja producción para la industria automotriz, por su
bajo costo de construcción y facilidad de transportarla por la planta.
Básicamente trabaja introduciendo la pieza en una lavadora en forma de cilindro,
realiza la limpieza con alta presión de agua combinada con químicos con el fin de
remover la suciedad, tiene un ciclo programado el cual puede alargar o acortar el
tiempo de limpieza para una mejor calidad.
Sin embargo, para este tema puede ser una solución para uno de los pasos del
empacado, pero la calidad que el cliente demanda no es factible ya que
demandaría un tiempo de lavado muy grande, sin embargo puede llegar a
remover un gran número de partículas en poco tiempo ayudando a el proceso
como un prelavado.
(d) Lavadora de canasta:
Las lavadoras de canasta tienen una función practica cuando se requiere lavar
diferentes partes a un volumen bajo, ya que estas son introducidas de manera
manual y puestas en una canasta para después ser lavadas, terminando el proceso
se pueden extraer una a una para continuar el proceso, las diferentes lavadoras
varían según la tecnología para ser programadas o con tiempos predeterminados.
33
2.4. Conceptos básicos de estadística.
Estadística: Es una ciencia que analiza series de datos (por ejemplo, edad de una
población, altura de un equipo de baloncesto, temperatura de los meses de
verano, etc.) y trata de extraer conclusiones sobre el comportamiento de estas
variables. Es una de las ciencias que permite conocer, o al menos entender, la
realidad en la que nos desenvolvemos. A través de la estadística podemos obtener
información de gran valor que nos ayudará en la toma de decisiones en cualquier
ámbito de nuestra vida. El análisis de la información pasada para tomar la decisión
más correcta de cara al futuro, es el objeto de la estadística.
Variable aleatoria [16]: Es una función de valor real para la cual el dominio es un
espacio maestral. Así podemos decir que un espacio S se pueden tomar de Y los
valores 0, 1, 2, 3 y 4 de forma independiente, conocida como variable aleatoria.
Ver figura 21 (a).
Las variables pueden ser cualitativas o cuantitativas.
Variables cualitativas (o categóricas): aquellas que no aparecen en forma
numérica, sino como categorías o atributos (sexo, profesión, color de ojos).
Variables cuantitativas: las que pueden expresarse numéricamente (temperatura,
salario, número de goles en un partido); según el tipo de valores que pueda tomar
se clasifican en:
Figura 21 (a), variable aleatoria
34
-Discretas [16]: Si pueden tomar un número finito o contablemente infinito de
valores distintos, son representadas normalmente por fenómenos reales, el número
de televisores defectuosos en un lote de 100. Ver figura 21 (b).
-Frecuencia: Número de veces en que se repite un dato. Distinguimos dos clases
de frecuencias:
a) Frecuencia absoluta: La frecuencia absoluta de una variable estadística es el
número de veces que aparece en la muestra dicho valor de la variable.
b) Frecuencia relativa: La frecuencia relativa, es una medida que está influida por
el tamaño de la muestra, al aumentar el tamaño de la muestra aumentará también
el tamaño de la frecuencia absoluta. Esto hace que no sea una medida útil para
poder comparar. Para esto es necesario introducir el concepto de frecuencia
relativa, que es el cociente entre la frecuencia absoluta y el tamaño de la muestra.
Cuando se estudia el comportamiento de una variable hay que distinguir los
siguientes conceptos:
Población: Es el conjunto de todos los elementos que cumplen ciertas propiedades
y entre los cuales se desea estudiar un determinado fenómeno (pueden ser
hogares, número de tornillos producidos por una fábrica en un año, lanzamientos
de una moneda, etc.). Llamamos población estadística o universo al conjunto de
referencia sobre el cual van a recaer las observaciones.
Figura 21 (b), variables discretas
35
Individuo: Se llama unidad estadística o individuo a cada uno de los elementos que
componen la población estadística. El individuo es un ente observable que no tiene
por qué ser una persona, puede ser un objeto, un ser vivo, o incluso algo abstracto.
Muestra: es el subconjunto de la población que es estudiado y a partir de la cual
se sacan conclusiones sobre las características de la población. La muestra debe
ser representativa, en el sentido de que las conclusiones obtenidas deben servir
para el total de la población.
Las muestras pueden ser probabilísticas o no probabilísticas. Una muestra
probabilística se elige mediante reglas matemáticas, por lo que la probabilidad de
selección de cada unidad es conocida de antemano. Por el contrario, una muestra
no probabilística no se rige por las reglas matemáticas de la probabilidad. De ahí
que, mientras en las muestras probabilísticas es posible calcular el tamaño del error
muestral, no es factible hacerlo en el caso de las muestras no probabilísticas.
La modalidad más elemental de muestra probabilística es la muestra aleatoria
simple, en la que todos los componentes o unidades de la población tienen la
misma oportunidad de ser seleccionados, ver figura 22.
Censo: Decimos que realizamos un censo cuando se observan todos los elementos
de la población estadística.
Parámetro: Característica de una población, resumida para su estudio. Se
considera como un valor verdadero de la característica estudiada.
Figura 22. Muestra aleatoria.
36
Medidas de posición central:
Informan sobre los valores medios de la serie de datos. Una medida de
centralización es un valor, que es representativo de un conjunto de datos y que
tiende a situarse en el centro del conjunto de datos, ordenados según su magnitud.
Media: Es el valor medio ponderado de la serie de datos o valores que toma la
variable estadística. La media (�̅�) no es más que la suma de todos los valores de
una variable (𝑥) dividida entre el número total de datos (n) de los que se dispone.
Y se calcula como (Fórmula 1):
�̅� =𝑥1 + 𝑥2 + ⋯ +𝑥𝑛
𝑛=
∑ 𝑥𝑛𝑛𝑖=1
𝑛
Si el valor 𝑥𝑖 de la variable X se repite 𝑛𝑖 veces, aparece en la expresión de la media
aritmética de la forma:
A la media aritmética se le denomina también ‘centro de gravedad’ de la
distribución.
Mediana: Es uno de los cálculos más representativos de la muestra. La mediana es
el valor del elemento intermedio cuando todos los elementos se ordenan. La
mediana se calcula ordenando los datos de menor a mayor y tomando el valor del
medio que es el que deja un 50% de observaciones a su izquierda y un 50% a su
derecha.
El lugar que ocupa se determina dividiendo el nº de valores entre 2: 𝑛
2
Cuando hay un número impar de valores de la variable, la mediana será justo el
valor de orden central, aquel cuya frecuencia absoluta acumulada coincida con
𝑛
2 . Por tanto la mediana coincide con un valor de la variable. El problema está
cuando haya un número par de valores de la variable. Si al calcular 𝑛
2 resulta que
(1)
37
es un valor menor que una frecuencia absoluta acumulada, el valor de la mediana
será aquel valor de la variable.
Moda: Es el valor más frecuente de la variable estadística; valor que se corresponde
al máximo del histograma, ver ejemplo en figura 23.
Ejemplo: El conjunto 2,2,5,7,9,9,9,10,10,11,12 y 18 tiene moda 9.
Ejemplo: El conjunto 3,5,8,10,12,15 y 16 no tiene moda.
Ejemplo: El conjunto 2,3,4,4,4,5,5,7,7,7 y 9 tiene dos modas, 4 y 7 y se llama bimodal.
Una distribución con moda única se dice unimodal.
Figura 23. Distribución.
38
3. Formulación del problema.
Mejorar la productividad sobre la fase final de la línea en un 20%, siendo éste
un valor requerido por el cliente.
Eliminar errores debido a los procesos manuales.
Tener un proceso más flexible a comparación de actual.
3.1. Etapa del proceso de empacado de los engranes.
El área de estudio es la parte final mostrado en la figura 3, que corresponde al
“Empaque”, y ésta lleva los procesos mostrados en la figura 24.
El proceso de empaque con el que se cuenta (figura 24) fue un requerimiento del
cliente, debido a que VOLVO maneja especificaciones para el manejo de los
materiales que manda a fabricar a diferentes países para estar listos al momento
de ensamble en su planta. Se consideró en un principio una lavadora de monorriel
que pertenece a TREMEC, pero no fue factible el proyecto debido a que el tipo de
Recepción de material por
montacargas Pulido Prelavado
Lavado
Empaquetado en cuarto limpio pieza
por pieza
Inspección visual de la pieza
Empaquetado sobre cajas de
madera en lotes de 150 unidades y etiquetado
Figura 24. Proceso de empaque
39
acero del engrane que se manejaba presentaba una alta oxidación al momento
de la recepción de las piezas finales específicamente para los países de Europa o
Asia, por lo que TREMEC optó por desarrollar una estación de empaque, ver figura
25.
En la figura 25 se puede observar de manera real el proceso y distribución del área
a estudiarse, el cual se enlista en la figura 24 el flujo de la operación.
Figura 25 (a). Proceso actual-real
40
Figura 25 (b). Proceso actual-real
Figura 25 (c). Proceso actual-real
41
3.2. Descripción de la operación.
Actualmente se manejan 3 turnos de lunes a viernes en el proceso de empaque,
de acuerdo a la tabla 2.
Turno Horario
1 6:30 a 15:00 horas
2 15:00 a 23:00 horas
3 23:00 a 6:30 horas
Carga y descarga de canastilla.
Los engranes llegan a la etapa 1 en canastillas (Ver figura 26) de 5 piezas en
un pallet formado por 24 canastillas, teniendo 1 o 2 canastillas de exceso,
con un total de 120 engranes mínimo y 130 engranes máximo.
Figura 26. Canastilla
Tabla 2. Turnos de trabajo
42
Pulido.
Etapa 2 de figura 24 y 25(a), las piezas se van puliendo una por una pasando
por 2 pulidoras, ver figura 27, puliendo ambas caras del engrane. El pulido se
realiza colocando una de las caras hacia arriba por goteo, se deja caer
aceite para que tenga contacto con una lija, la operación dura 33
segundos, posteriormente se saca la pieza se deja en una base para
después ser girada y vuelta pulir, una vez terminando se pasa a la siguiente
etapa.
Prelavado.
Etapa 3 de figura 24, el prelavado consiste en eliminar el aceite que se
agregó en el pulido, éste se retira con agua y una brocha de forma manual,
después el engrane se pasa al secado con aire comprimido y por último se
cuelga en la lavadora. El proceso es engrane por engrane, depende del
operador cuantas piezas ir tomando, ver figura 28.
Figura 27, Pulidora.
43
Lavado.
Etapa 4 de figura 24, la lavadora es un paso fundamental para el empaque ya que
es donde se realiza la limpieza del engrane.
Una vez por semana se maneja el cambio de la sustancia alcalina y acida, para
lograr un PH determinado, debido a que la suciedad de las piezas afecta a las
tienes r se requiere un cambio completo de las sustancias, tomando en cuenta los
siguientes tiempos:
Contenedor de líquidos de 20 a 30 minutos.
Lavado de tina por 30 minutos.
Preparación de la tina 1 hora.
Temperatura en los solubles de 60 grados.
(Los tiempos son aproximados)
Dentro de los mismos se manejan 2 tinas, una tina para desengrasante y una tina
inhibidora, se requiere tener una concentración adecuada de desengrasante e
inhibidor mezclados con agua lo más exacto posible ya que la limpieza es
fundamental; por la mañana se toman muestras de las tinas, se analiza y se requiere
que la concentración sea la adecuada, dependiendo del resultado es como la
Figura 28. Prelavado.
44
persona especialista en química determina las acciones a tomar, ya sea agregar
mayor concentración si la(s) tina(s) presenta bajos niveles o si la concentración
incrementó, esto determinara el realizar el lavado de las tinas, el incremento en la
concentración es debido a que las piezas contienen aceite , solubles o solidos de
los procesos de maquinado anterior que llegan a aumentar la oxidación en las
tinas, reaccionando con los solubles en los mismos.
Después de realizar el lavado, los líquidos son extraídos de la tina para ser llevados
a “Depósito de recolección de líquidos”.
Dentro de los contenedores de líquidos se tienen resistencias eléctricas para lograr
una temperatura de 60 grados, este líquido es almacenado y reciclado durante
una semana, después de esta fecha se requiere que sean cambiados según el pH
medido.
Los engranes son colgados en ganchos que siguen básicamente 3 pasos, ver figura
29 (a).
Lavado de sólidos.
Lavado de aceite.
Secado.
Se enjuaga con un inhibidor, desoxidante y una capa de protección para óxido.
Se colocan en turbina de aire caliente para secado.
45
Paso 1 Paso 2 Paso 3
Figura 29 (a), Lavadora.
46
Figura 29 (b), Estación de Lavado.
47
En la figura 29 (b) se muestra las partes internas de la máquina, donde se puede
observar los secadores por calor, la foto es tomada por la parte derecha
observando el interior.
En la figura 30 se muestra en diseño CAD la lavadora.
Inspección visual de la pieza.
Etapa 5 de la figura 24, dentro de inspección se realiza de forma detallada por un
operador terminando lavado los siguientes puntos, ver figura 31.
Óxido en raíz de dientes.
Chaflanado.
Escalonado.
Rectificado de caras.
Número de lote.
Número de parte.
Figura 30, Estación de lavado.
48
Número
de lote
Número de parte
Rectificado
de caras
Chaflanado
Óxido en la raíz
del diente
Escalón
Rectificado
de caras
Escalón
Chaflanado
Óxido en raíz
del diente
Figura 31. Puntos de inspección.
49
Después de la inspección, se deja la pieza enfriar para poder ser empacada.
Empacado.
Etapa 6 de figura 24, se recibe la pieza de inspección visual y una por una se realiza
la inspección del diámetro interno con un calibrador, después se realiza una
inspección visual sobre tres puntos: Chaflán en engranes exteriores, golpes y
oxidación (figura 31). Por separado en una caja de madera según especificaciones
de exportación de la Secretaria de medio ambiente y recursos naturales
(SEMARNAT), se coloca una bolsa de Volatile Corrosion Inhibitor (VCI) para evitar la
corrosión (Figura 33), en la parte interna de la caja se coloca un cartón y una tela
de VCI, después se van colocando 6 engranes en la cama que anteriormente se
colocó (Figura 34) y por último una tela VCI, así hasta completar 72 piezas en 12
niveles. Una vez terminado se coloca un cartón, se sella la bolsa con cinta, se
coloca un cartón en la parte externa, se coloca esponja VCI para evitar que se
muevan las piezas y se sella con una tapa con fleje (Figura 35), todo esto para
asegurar que al cliente le llegue un engrane en óptimas condiciones, ver figura 32
donde se muestra la estación de empaque.
Figura 32. Estación de empaque.
50
Figura 33. Engrane en bolsa VCI.
Figura 34. Engrane en caja para
exportación.
Figura 35. Caja con engranes.
51
4. ANÁLISIS DE LOS PROCESOS
4.1. Introducción.
La simulación y el modelado actuales en computadora se están convirtiendo en
parte integral del proceso de planeación y toma de decisiones del segmento de
manufactura y servicios de la industria de Estados Unidos [3]. Como resultado de la
dinámica del mercado y la competencia global intensa, las empresas fabricantes
de artículos y las que prestan servicios se ven forzadas a proporcionar una mejor
calidad, sobre la base de eficiencia en el costo, al mismo tiempo que tratan de
reducir en forma significativa el tiempo de producción. La búsqueda de las
fortalezas competitivas requiere mejora continua, cambios en el proceso y la
implantación de tecnologías nuevas. Desafortunadamente, aún los sistemas de
manufactura planeados con más cuidado, muy automatizados y sofisticados, no
siempre son inmunes a la existencia de errores garrafales costosos o a fallas no
previstas. Entre los ejemplos comunes de equivocaciones costosos se encuentran
el espacio insuficiente para tener inventario de artículos en proceso, estimaciones
erróneas de las capacidades de las máquinas, flujo ineficiente del material y cuellos
de botella, errores en el rendimiento sobre la inversión (ROI) esperado para un
elemento de equipo en particular, rutas congestionadas para los vehículos de guía
automática, entre otros de una lista que podría continuar. Varias generaciones de
simulación y modelado en computadora se han aplicado a resolver problemas
matemáticos complicados o a analizar distribuciones estadísticas sofisticadas. El
poder de la nueva generación de software ha incrementado mucho la aplicación
del modelado en computadora como herramienta para resolver problemas, y ha
creado oportunidades nuevas para mejorar la productividad en el campo de la
planeación de instalaciones. Los paquetes de simulación disponibles, ya
no requieren una formación sólida en matemáticas o lenguajes de programación
de computadoras con objeto de realizar simulaciones interactivas del mundo real.
Existe cierto número de paquetes de simulación avanzada amigables para el
usuario que permiten simular el trabajo de una fábrica, el rendimiento de diferentes
52
equipos de manejo de materiales, el ambiente de inventario justo a tiempo,
problemas de bodega y logística, o el comportamiento de un sistema de
tecnología grupal. Estos paquetes de simulación han demostrado ser una ayuda
valiosa en los procesos de toma de decisiones. También requieren una inversión
relativamente pequeña de tiempo por parte de quien comienza, con objeto de
que adquiera el conocimiento funcional del proceso de simulación. El empleo de
la simulación en computadora no se limita al ambiente de manufactura. La
industria de la salud, en cuanto a la administración de su cuidado, el
establecimiento de políticas públicas al respecto y la aceleración de iniciativas
para reformarla, enfrenta presiones para reducir sus costos y brindar un servicio
mejor. Muchas instalaciones de cuidado de la salud recurren a la simulación en
computadora como ruta de salvación. Los modelos para estudiar las actividades
de las salas de emergencias, los procedimientos para dar seguimiento a los
pacientes, los sistemas de cirugía para pacientes ambulatorios y las asignaciones
de médicos y de otros recursos constituyen el principal centro de atención, pero de
ninguna manera está limitado a esto.
La modelación en computadora tiene dos características de importancia que
colocan la simulación aparte de otras formas de análisis. La primera es que es
dinámica, en el sentido en que se observa el comportamiento del modelo durante
el tiempo que dure la simulación. El análisis de qué pasaría si... es de naturaleza
estática. Un modelo estático no cambia en función del tiempo. Si se fuera a simular
el comportamiento de un dado, entonces la salida del modelo no se vería
afectada por el tiempo. Sin embargo, si se simulara la utilización o la falla de
una máquina, o la acumulación del inventario de trabajos en proceso en una
estación de manufactura, entonces se vería que la naturaleza de estos fenómenos
no es estática. Es decir, la utilización o falla del equipo, el comportamiento de los
sistemas de manejo de materiales y de transporte, y la interacción de actividades
diversas en una celda de manufactura tienen naturaleza dinámica y la salida de
tales modelos está determinada por el tiempo. La segunda característica
importante de la simulación en computadora es que se emplea un modelo
estocástico en lugar de uno determinístico. Si, por ejemplo, el tiempo medio de falla
53
de un elemento de equipo fuera de 1,000 horas, eso no significaría que éste fallara
necesariamente una vez cada 1,000 horas. La expectativa de algo así generaría
un modelo determinístico. Sin embargo, en el mundo real las fallas siguen una
distribución estadística particular, que puede ser exponencial, Wei-bull, y otros. Un
modelo aleatorio de simulación genera dichos sucesos de falla, u otros, de la vida
real [4].
4.2. Ventajas y desventajas del modelo y simulación.
Una ventaja que ha hecho que la simulación tenga amplia aceptación es que es
directa y relativamente flexible. Sirve para analizar sistemas grandes y complejos
que no se representan fácilmente con modelos matemáticos. Además, la
simulación permite el estudio de los efectos interactivos de muchos componentes
en un ambiente dinámico y estocástico, con la ventaja distintiva de dar
al investigador un efecto visual claro. Por ejemplo, es posible estudiar en tiempo
real los efectos de agregar un operador en una celda de manufactura, o la ventaja
(o desventaja) de una pieza adicional de equipo en el centro de maquinado y el
efecto conjunto que tiene en la salida de la planta. Además de sus ventajas
técnicas, los conceptos básicos de la simulación se comprenden con facilidad. Así,
es frecuente que un modelo de simulación sea más fácil de justificar ante
la dirección y los consumidores que la mayor parte de modelos analíticos y
matemáticos. La desventaja más grande de la simulación es que el desarrollo de
algunos modelos muy complejos podría resultar demasiado costoso y quizá
requiera mucho tiempo. Entonces, tomaría años construir un modelo de
planeación corporativa, o uno de una planta grande de manufactura con todos
sus componentes, actividades y servicios. Por tanto, un analista recurriría a una
estimación rápida y gruesa, que tal vez no refleje todos los hechos esenciales. Otra
desventaja es que algunas simulaciones no generan soluciones óptimas de los
problemas y originan resultados sólo con base en el modelo construido para el
análisis; la simulación es una idea de lo que llegara a ser real, por lo que el análisis
se alimenta de la información que nosotros le proporcionemos; un dato mal
tomado puede darnos resultado diferentes; otra desventaja es que se requieren de
54
grandes cantidades de corridas para encontrar soluciones optimas, inclusive
existen programas como optimización de modelos; Cada modelo de simulación es
único, esto aunado a la información capturada; los resultado son numéricos,
porque existe el peligro de atribuirle a los números un grado mayor de validez y
precisión. Por lo anterior es responsabilidad del planeador estudiar con simulación
varios escenarios con el fin de encontrar la mejor alternativa. La presencia de
aleatoriedad en el proceso, en coincidencia con el enfoque de ensayo y error,
produce resultados diferentes en cada corrida, lo que lleva a que sea difícil
interpretar la salida. Sin embargo, un planeador perspicaz sacaría ventaja de la
aleatoriedad de la salida para poner énfasis en el papel que desempeña el azar
en la mayoría de eventos de la vida real, y para sugerir soluciones de la
incertidumbre que seguro aparecerá.
4.3. Procedimiento.
La metodología que se utilizó para alimentar el software “FlexSim 6” de simulación
fue la medición de tiempos y movimientos que realizaron los operadores en el
segundo turno, en 20 muestras para pulido 1, pulido 2 e inspección visual, para
lavado y secado 30 muestras, con 3 operadores diferentes, todo esto para poder
tener una muestra lo más representativo. Cada muestra fue monitoreada con
cronómetros y sin previo aviso al operador, el tiempo es desde que toma el engrane
hasta que lo coloca para el siguiente proceso.
Siendo los siguientes tiempos de acuerdo a las tablas:
55
Tabla 3 Tabla 4
Medición de tiempos para ambos proceso de pulido, donde es pulido en la parte
superior e inferior el engrane.
Medición
Numero
Pulido 1
(Segundos)
1 32
2 45
3 41
4 38
5 37
6 39
7 36
8 40
9 38
10 38
11 33
12 34
13 35
14 40
15 45
16 40
17 38
18 39
19 40
20 40
Promedio: 38.4
Medición
Numero
Pulido 2
(Segundos)
1 42
2 40.2
3 42
4 40.6
5 37.7
6 40
7 38
8 38
9 42
10 40
11 40
12 43
13 39
14 39
15 38
16 40.5
17 42
18 40
19 39
20 40
Promedio: 40.05
56
Tabla 6
Tabla 7
Medición de tiempo en la estación de inspección visual (Tabla 5), el operador va
tomando pieza por pieza y revisa los puntos mencionados en el capítulo 3.2, si llega
a encontrar una anomalía realiza el retrabajo. En la tabla 6 y 7 el tiempo es
contante, por lo que solo se menciona como una variable.
En la tabla 8 se tiene el proceso de lavado y sacado, el operador toma de 1 hasta
6 piezas a la vez, teniendo un proceso muy variado en tiempo, por lo que al tomar
varias piezas se realiza el promedio para tener mediciones de solo una pieza.
Lavado y secado
60 piezas por hora
empacado de caja
24 piezas que conforman
una caja completa tardan
32 minutos
Tabla 5
Medición
Numero
Inspección visual
(Segundos)
1 31
2 25
3 20
4 32
5 34
6 35
7 36
8 30
9 30
10 27
11 35
12 30
13 29
14 28
15 30
16 28
17 30
18 31
19 29
20 30
Promedio: 30
57
Tabla 8
Lavado y secado
Medición
numero
Lavado
segundos
Secado
segundos
Números de piezas
que el operador va
tomando
Pieza
segundos
1 85 93 4 piezas 44.5
2 90 124 4 piezas 53.5
3 90 120 4 piezas 52.5
4 17 19 1 pieza 36
5 18 20 1 pieza 38
6 50 50 3 piezas 33.3
7 142 164 6 piezas 51
8 93 160 5 piezas 50.6
9 83 140 5 piezas 44.6
10 12 30 1 pieza 42
11 11 29 1 pieza 40
12 14 27 1 pieza 41
13 12 19 1 pieza 31
14 8 18 1 pieza 26
15 11 26 1 pieza 37
16 22 10 1 pieza 32
17 13 32 1 pieza 45
18 16 32 1 pieza 48
19 14 38 1 pieza 52
20 49 20 1 pieza 69
21 23 26 1 pieza 49
22 20 23 1 pieza 43
23 21 31 1 pieza 52
24 22 23 1 pieza 45
25 10 30 1 pieza 50
26 15 20 1 pieza 45
27 11 25 1 pieza 35
28 20 22 1 pieza 40
29 10 15 1 pieza 45
30 12 26 1 pieza 50
Promedio: 47 Promedio: 44
58
4.4. Análisis numérico de pulido.
La parte de pulido es un paso importante ya que se requiere quitar imperfecciones
de maquinados en pasos anteriores o por el golpeteo de las piezas al momento de
transportarlas, la zona en la figura 36 encerrada en un círculo azul es de contacto
y es de vital importancia para el cliente, el área entre los círculos azules es de 1cm,
donde se pulen actualmente en la parte superior e inferior, siendo de 2 pasos el
pulido, por lo que pulido 1 es en una zona, es girada la pieza y pulido 2 es en la
parte opuesta del engrane.
El objetivo de los siguientes análisis es encontrar valores óptimos entre la velocidad
de giro y el tiempo de pulido para poder minimizar el tiempo con un acabado
optimo sobre el engrane. Se utilizara el análisis numérico con una ecuación de
segundo orden, donde se analizará de forma teórica el desgaste de la lija por
fricción.
1. Planteamiento físico de la dinámica
Funciones dinámicas del componente de fricción descrito en la fórmula 2.
Figura 36 Engrane.
59
μr =Fc
F
Donde la nomenclatura de la fórmula 2 es:
Fc Es la fuerza de rozamiento entre la lija y el engrane.
F Es la fuerza con que el pisto presiona la lija.
μr Es el coeficiente de rozamiento de la lija.
Tenemos una maquina lijadora constituida por 3 acciones fisicas, numerados en la
figura 37(a) y figura 37(b):
1.- La fuerza de presión de la lija, ejercida por un pistón de arriba hacia abajo.
2.- Sentido de la lija, estando ajustado por 2 rodillos que giran en sentido de
izquierda (Lija nueva) a derecha (lija usada).
3.- La velocidad con la que gira la pieza, un motor gira la pieza en sentido horario.
1
2
3
Figura 37 (a). Foto actual de pulido.
(2)
60
Se define los siguientes sentidos tanto para el disco (engrane) como para la lija,
ver figura 37 (b).
Así que se toma como datos constantes:
Superficie de contacto, entre lija y engrane= 1 cm2
Diámetro de la pieza total= 40 cm
Tiempo de contacto = 10seg (Dato variable, se puede ajustar).
Velocidad del disco a 10,000 revoluciones por minuto. (Dato variable, se
puede ajustar el motor)
Una fuerza del pistón de 50 néwtones. (Kg∙m/seg2)
El engrane pesa al inicio 30kg y al final 29kg.
Para una pieza de acero tenemos un límite elástico de σp = 500MPa
(Kg/m∙seg2) y Cg=5.
Con esto obtenemos la fórmula 3:
Pa = F
S
𝑉 = 2 ∗ π ∗ r ∗ w
l = V ∗ t
1
3
2
Figura 37 (b). Descripción grafica de pulido.
(3)
61
Md = Cg ∗Pa ∗ μr ∗ 𝑉
σp∗ l
Nomenclaturas para la fórmula 3:
Pa = Esfuerzo de la lija en el engrane.
F=Fuerza del pisto ejercida de arriba hacia abajo.
𝑆 = Superficie de contacto entre la lija y el engrane.
V= Superficie de contacto total del engrane, determinado la forma como un
cilindro.
r=Radio del engrane.
w= velocidad del disco.
l= longitud del engrane.
t= tiempo de contacto de la lija y el engrane.
Md=Diferencia de masa de engrane, antes y después de ser lijado.
Cg y σp son los limites elásticos del acero antes de ser deformado, se
determinan como constantes de un acero 1018 debido a que se tendrían que
realizar especificas según la composición química de engrane.
μr= Coeficiente de fricción.
Despejando todo en una sola fórmula tenemos que [15]:
μr =Md ∗ σp
Cg ∗ (FS) ∗ (2 ∗ π ∗ r ∗ w) ∗ (v ∗ t)
Sustituyendo tenemos que:
μr =
(30 − 29)kg ∗ 500MPa
5 (50 N
1 ∗ 1x10−4m2) (2 ∗ π ∗ 0.2m ∗1min
60 seg ∗10,000 rev
1min ) (2 ∗ π ∗ 0.2m ∗1min
60 seg ∗10,000 rev
1min ∗ 10seg)
(4)
62
μr = 8.35 E−8
Así obtenemos nuestra ecuación de segundo grado, fórmula 6:
μr =500
5.98 ∗ w2 ∗ t
Utilizando Excel podemos observar en la tabla 9 valores de la fórmula 6,
calculado para una w dado en revoluciones por minuto, t en segundos y
𝛍𝐫 como el coeficiente de fricción de la lija, partiendo del valor actual mostrado
en negritas.
Tabla 9
𝛍𝐫 w t
4.4E-06 1000 19
1.2E-06 2000 18
5.5E-07 3000 17
3.3E-07 4000 16
2.2E-07 5000 15
1.7E-07 6000 14
1.3E-07 7000 13
1.1E-07 8000 12
9.4E-08 9000 11
8.4E-08 10000 10
7.7E-08 11000 9
7.3E-08 12000 8
7.1E-08 13000 7
7.1E-08 14000 6
7.4E-08 15000 5
8.2E-08 16000 4
9.6E-08 17000 3
1.3E-07 18000 2
2.3E-07 19000 1
(5)
(6)
63
Así podemos concluir de la gráfica 1 y tabla 9, que a mayor tiempo se puede
utilizar menor la velocidad de giro y se requiere una lija más gruesa y a menor
tiempo se requiere mayor velocidad y una lija más fina, por lo que estos datos
pueden ayudarnos a seleccionar el motor correcto, el tiempo correcto y así
como la lija correcta.
0.0E+00
5.0E-07
1.0E-06
1.5E-06
2.0E-06
2.5E-06
3.0E-06
3.5E-06
4.0E-06
4.5E-06
5.0E-06
Grafica de w vs 𝛍𝐫
Mu r
Gráfica 1. Análisis de rozamiento VS tiempo
VS giro
64
5. Análisis de tiempos y movimientos de datos medidos.
Utilizando “MATLAB R2013a” con licencia educativa brindada por CIATEQ, se
analizan los datos para pulidora 1 y pulidora 2 descritos en el capítulo anterior, con
la finalidad de poder ver ambos procesos y por medio de herramientas estadísticas
definir el comportamiento que presenta cada operación.
El objetivo es tener mayor información del comportamiento de 2 operaciones, para
ver el comportamiento y por mejorar los procesos si resulta necesario.
A continuación se mostrarán las líneas de comandos utilizados en el programa
Matlab donde “>>” muestra una línea de comando y posteriormente el resultado
obtenido del comando programado hasta volver a encontrar doble signo de
mayor que, los comentarios de cada línea se pueden observar “>>%” este describe
de manera breve lo anteriormente realizado.
Pulidora 1:
>> OP1= [32 45 41 38 37 39 36 40 38 38 33 34 35 40 45 40 38 39 40 40]
OP1 =
Columns 1 through 14
32 45 41 38 37 39 36 40 38 38 33 34 35 40 45 40 38 39
40 40
>> % se introducen los valores medidos en piso de la operación de Pulido 1
>> max(OP1)
ans =
45
>> % arroja el valor máximo de la medición de tiempos
>> min(OP1)
ans =
32
65
>> % arroja el valor mínimo de la medición de tiempos
>> sum(OP1)
ans =
768
>> % arroja la sumatoria de la medición de tiempos
>> op1=sort(op1)
op1 =
Columns 1 through 14
32 33 34 35 36 37 38 38 38 38 39 39 40 40 40 40 40 41
45 45
>> % Ordena los valores de menor a mayor
>> tabulate(op1)
Value Count Percent
30 0 0.00%
31 0 0.00%
32 1 5.00%
33 1 5.00%
34 1 5.00%
35 1 5.00%
36 1 5.00%
37 1 5.00%
38 4 20.00%
39 2 10.00%
40 5 25.00%
66
41 1 5.00%
42 0 0.00%
43 0 0.00%
44 0 0.00%
45 2 10.00%
>> % Da el número de repeticiones de los datos
Tabla Clases VS Repeticiones
Clases Clase 1 Clase 2 Clase 3
Frecuencia 3 9 8
>> % se realiza una tabla (tabla 10) para ver la frecuencia/3 clases
>> y=[3 9 8]
y =
3 9 8
>> % Podremos ver la repetición de la frecuencia
>> pie(y)
Tabla 10
67
>> % Podremos ver la repetición de frecuencias dividido el rango en 3, en la figura
38.
>> hist(op1,10)
>> % La grafica muestra las veces que se repite el valor en el rango dado, figura
39.
>> s1=std(OP1)
s1 =
Figura 38 grafica de frecuencia
Figura 32
Figura 39 grafica de barras
68
3.3779
>> % Desviación estándar guardado en la variable “s1”
>> disttool
Figura 40 (a) distribución de probabilidad
69
Con esta función en la figura 40 (a) y 40 (b) podemos observar con un rango de
90% de confiabilidad que entre el valor 34.03 y 42.81 sólo se tienen 5 datos fuera del
rango de confiabilidad y observando la función en la figura 40 que se tiene un
comportamiento uniforme y sin importar la diferencia de operadores existe una
confiabilidad en los tiempos y en los datos medidos, la recomendación es poder
tener mayor número de mediciones pero para este estudio son suficientes.
Operación 2:
>> OP2 = [42 40.2 42 40.6 37.7 40 38 38 42 40 40 43 39 39 38 40.5 42 40 39 40]
OP2 =
42.0000 40.2000 42.0000 40.6000 37.7000 40.0000 38.0000 38.0000
42.0000 40.0000 40.0000 43.0000 39.0000 39.0000 38.0000 40.5000
42.0000 40.0000 39.0000 40.0000
>> % se introducen los valores medidos en piso de la operación de Pulido 2
Figura 40 (b) distribución de probabilidad
70
>> max(OP2)
ans =
43
>> % maximo valor de Pulido 2
>> min(OP2)
ans =
37.7000
>> % mínimo valor de Pulido 2
>> sum(OP2)
ans =
801
>> % sumatoria de todos los valores de Pulido 2
>> op2=sort(OP2)
op2 =
37.7000 38.0000 38.0000 38.0000 39.0000 39.0000 39.0000 40.0000
40.0000 40.0000 40.0000 40.0000 40.2000 40.5000 40.6000 42.0000
42.0000 42.0000 42.0000 43.0000
>> % ordena los valores de menor a mayor de Pulido 2
>> tabulate(op2)
Value Count Percent
37.7 1 5.00%
38 3 15.00%
39 3 15.00%
40 5 25.00%
40.2 1 5.00%
71
40.5 1 5.00%
40.6 1 5.00%
42 4 20.00%
43 1 5.00%
>> % Da el número de repeticiones de los datos
Tabla Clases VS Repeticiones
Clases Clase 1 Clase 2 Clase 3
Frecuencia 7 7 6
>> % se realiza una tabla (tabla 11) para ver la frecuencia/3 clases
>> y=[7 7 6]
y =
7 7 6
>> % repeticiones de los valores de Pulido 2
>> pie (y)
>> % Podremos ver la repetición de frecuencias dividido el rango en 3, figura 41.
>> hist(op2,10)
Tabla 11
Figura 41 grafica de frecuencia
72
>> % La grafica muestra las veces que se repite cada valor, figura 42.
>> s2=std(OP2)
S2 =
1.554
>> % Desviación estándar almacenada en la variable S2
>> disttool
Figura 42, grafica de barras.
Figura 43 (a) distribución de probabilidad
73
Con esta función en la figura 43 (a) y 43 (b) podemos observar con un rango de
90% de confiabilidad que entre el valor 37.22 y 42.87 sólo se tienen 1 datos fuera del
rango de confiabilidad y observando la función en la figura 43, que se tiene un
comportamiento mucho más uniforme que los medidos en la estación de pulido 1,
por lo que los datos tomados en tiempo y movimiento son confiables según los
resultados estadísticos.
Figura 43 (b) distribución de probabilidad
74
6. Simulación.
En las siguientes figuras se mostrará paso a paso la programación que se utilizó en
“FlexSim_6.0.2” [11], para poder simular el proceso, Las imágenes a continuación
muestran la forma de programación que se realizó junto con los datos
correspondientes al proceso real y la simulación correspondiente.
El objetivo es que se pueda reproducir la simulación, para poder ser corroborados
los datos en un futuro.
Entrada de material:
Figura 44 (a) Figura 44 (b)
En la figura 44 (a) se muestra la creación de los engranes, donde éste tiene un figura
de un cilindro y la cantidad con que sale el material son 125 piezas, hasta que está
vacía la cola de entrada.
75
En la figura 44 (b) se muestra el dimensionamiento del engrane, de 0.2mts3 y de
color gris.
Esto para poder ver en la simulación a la pieza lo más cercana posible a la realidad.
Entrada de pallet:
Figura 45.
En la figura 41 se puede apreciar la creación de los pallets en el tiempo 0, esta
creación es sólo para visualizar la simulación como la real.
76
Combinación:
Figura 46 (a) Figura 46 (b)
En la figura 46 (a) se puede observar la combinación de los engranes con los pallets,
se requiere esto para que las piezas estén encima de los pallets y de esa forma se
conviertan en una sola pieza. En la figura 46 (b) se muestra la combinación de las
2 piezas donde los engranes van encima de los pallets.
77
Figura 46 (c) Figura 46 (d)
En la figura 46(c) se activa el uso del transporte, siendo éste el montacargas. En la
figura 46(d) se muestra el dimensionamiento de la estación de combinación en SX,
SY y SZ, las entradas y salidas anteriormente conectadas.
Transporte:
Figura 47
78
En la figura 47 sólo se muestra la activación del transportador, montacargas para
este caso.
Entrada de los engranes:
Figura 48 (a) Figura 48 (b)
En la figura 48 (a) se puede observar la forma la entrada está diseñado, aceptando
como máximo un pallet lleno de 125 engranes, en la figura 48 (b) el largo de 3.5
metros.
79
Figura 48 (c)
En la figura 48 (c), las entradas y salidas, programado según el flujo que
corresponde.
Separador:
Figura 49 (a) Figura 49 (b)
80
Los separadores, tienen la función de visualización para el simulador, ya que separa
el engrane del pallet, así se puede observar en el software al momento de la
simulación el flujo de engrane por engrane. En la figura 49 (a) se puede observar el
tiempo del proceso y en la figura 49 (b) el uso del transportador, siendo en este
caso el operador.
Figura 50
En la figura 50, sirve como ruta entre las entradas y salidas.
81
Salida pallets:
Figura 51
Una vez que se tomaron todos los engranes, el pallet vacío se desecha, la salida
del pallet se lleva a cabo mediante esta operación, figura 51.
82
Pulido 1:
Figura 52 (a) Figura 52 (b)
La operación 1 simula el proceso de pulido, en éste se simula el proceso actual
donde en la figura 52 (a) con un tiempo de procesamiento de 38seg. Este valor es
determinado por los tiempos y movimientos anteriormente analizados, se toma un
tiempo constante, para usos prácticos de simulación, así como se observa el uso
del operador en la selección del “Use Transport” y en la figura 52 (b) un mínimo de
1 engrane por proceso.
83
Figura 52 (c)
Se puede observar en la figura 52 (c) las entradas y salidas que tiene el pulido 1.
Pulido 2
Figura 53 (a) Figura 53 (b)
84
En la operación 2, es la misma que la operación 1, salvo que en la figura 53 (a) se
tiene mayor tiempo de procesamiento siendo de 40 segundos, esto debido a que
en los tiempos y movimientos se capturó mayor tiempo de procesamiento que en
la operación anterior.
En la figura 54 (b) se muestra el modo de conexión del operador a la máquina.
Figura 53 (c)
Se puede observar en la figura 53 (c) las entradas y salidas que tiene el pulido 2.
85
Prelavado:
Figura 54 (a) Figura 54(b)
En esta operación, se enuncia un proceso donde es removido el aceite agregado
anteriormente de forma rápida, esto para prolongar la vida de la mezcla de líquido
utilizados en la lavadora, el tiempo de procesamiento es de 47 segundos, ver figura
54 (a), en este paso existe una variación muy grande ya que los operadores lavan
de 1 a 6 piezas consecutivamente, dependiendo de la carga previa, lo que implica
que no exista una homogeneidad de limpieza y una variabilidad de tiempo
significativa.
86
Figura 54 (c)
En la figura 54 (c) se puede observar, las entradas y salidas de la operación de
disolventes.
Lavado:
Figura 55 (a) Figura 55 (b)
87
En la figura 55 (a) se muestra un tiempo de procesamiento de 700 segundos, éste
se tomó con base en las mediciones que se hicieron y promediando el total de
mediciones en un máximo de 15 piezas, actualmente es la capacidad de la
lavadora.
En la figura 55 (b) se muestran las entradas y salidas.
Inspección Visual:
Figura 56 (a) Figura 56 (b)
Inspección visual, es el proceso donde el operador inspecciona la pieza para
asegurarse que no hubo defectos por los procesos anteriores, el tiempo varía según
cada pieza, si la pieza no presenta defectos se pasa al área de empaquetamiento,
pero si presenta defectos se retrabaja, aún si el retrabajo no fue suficiente para
corregir el defecto se regresa a algunos de las etapas para ser maquinado.
88
En la figura 56 (a) se observa que sólo se puede inspeccionar 1 pieza a la vez,
tomándose un tiempo de 30 segundos en promedio, este tiempo es el promedio
de lo que le toma al operador para después pasar a ser empacado, en la figura 56
(b) se observa la programación de entradas y salidas de esta operación.
Empacado:
Figura 57 (a) Figura 57 (b)
89
Figura 57 (c)
El empacado es la operación donde cada engrane es envuelto y apilado para ser
empacado en su respectiva caja, el tiempo de operación para llenar cada caja
es dependiente de los procesos anteriores, por lo que el tiempo de procesamiento
-si se coloca- es irreal al proceso, así con base en esto se colocó un tiempo de
procesamiento de 10 segundos, esto nos dará un tiempo de saturación de la
máquina al 100%, según la figura 57 (a), en la figura 57 (b) se muestra el empacado
que es de 24 engranes y en la figura 57 (c) son las entradas y salidas del proceso.
90
Entrada caja:
Figura 58(a) Figura 58 (b)
Entrada caja, es el proceso donde por cuestiones de simulación se obtiene la caja
para ser empacado.
En la figura 58(a) se puede observar la creación donde se ve el dimensionamiento
y el color. En la figura 58 (b) se observa que es de tipo caja y el intervalo de llegada
es cada 10 segundos, esperando hasta que se desocupe para volver a surtir otra
caja.
91
Almacén:
Figura 59 (a) Figura 59 (b)
Almacén está dentro del proceso actual, pero el diseño actual no es de
apilamiento, es sólo una tarima. En la figura 59(a) se observa que se tiene 3 niveles
ascendentes y 4 niveles lineales con su dimensionamiento y en la figura 59(b) se
observa las entradas y salidas del almacén.
92
Salida:
Figura 60
La salida es el último paso de la simulación, donde las cajas ya empacadas serían
enviadas al cliente final, se tiene un número de contenido de 1,000 piezas como un
proceso meramente de simulación, esto para que podamos ver la simulación en
un tiempo infinito sin tener que recurrir a resetear la simulación completa, figura 60.
93
7. SIMULACIÓN DEL MODELO
7.1. Actual.
Los valores obtenidos en la simulación serán valores diferentes a los antes vistos, ya
que los valores anteriores sirvieron para la alimentación de la simulación y
estaremos viendo la ejecución de ellos en “FlexSim”.
Figura 61
En la figura 61 se muestra la ventana del programa “FlexSim_6.0.2” con la imagen
del proceso actual encerrado en rojo, los elementos externos como entrada del
material, entrada pallets, combinación, transporte, salida pallets, entrada caja y
almacen2 son de apoyo para la simulación.
Para poder realizar la simulación se cuenta con medición de tiempo y movimiento,
los cuales son descritos más adelante; se toma un criterio de simulación
promediando los tiempos medidos ya que debido a que los procesos son realizados
por los operadores, se cuenta con grandes variables que son imposibles de simular,
por lo que se buscará que los movimientos sean realizados por máquinas y no
operadores, dejando el trabajo de proceso a las máquinas para optimizar tiempos
y movimientos.
94
En la figura 62 se puede observar encerrado en rojo un tiempo de simulación de
5500 segundos, este tiempo fue fijado debido a que la simulación se estabiliza y así
podremos analizar cada proceso en particular.
Las gráficas que muestran los porcentajes nos sirven para analizar el tiempo de
procesamiento de cada estación, así poder determinar “cuellos de botella”,
procesos con menor carga de trabajo, tiempos de espera; estas mismas tablas nos
sirven para los operadores.
En la Figura 62 podemos observar que los tiempos de procesamiento para las
operaciones son: Pulido 1 es de 82.91%, Pulido 2 86.55%, prelavado 29.57%, lavado
96.89%, Inspección visual 54% y empacado 100%, el lavado es nuestro “cuello de
botella”, y disolventes es el proceso con menor tiempo ejecución. En este caso
empacado no se toma en cuenta ya que no es un tiempo de procesamiento si no
un tiempo de recolección, esto quiere decir que es un proceso dependiente del
lavado esperando que las piezas sean liberadas para poder realizar su trabajo.
Inclusive se puede observar que el operador cumple una tarea importante, ya que
es quien realiza el empacado y cierra las cajas para poder ser enviadas a los
clientes en el extranjero según norma.
Figura 62
95
En la figura 63 se observa ahora el tiempo de los operadores, estos tiempos fueron
determinados con la medición de tiempos y movimientos. Se puede observar
básicamente en las gráficas circulares el tiempo de procesamiento (Trabajo),
transporte de piezas, tiempo de regreso sin pieza, tiempo sin trabajo y espera
(Esperando que termine la operación), básicamente nos enfocaremos en tiempos
procesamiento y descanso.
Para el operador 1 se tiene un tiempo de trabajo de 10.98%, operador 2 de 21.34%,
disolventes 29.5%, inspección visual 54% y empacado de 100%, ver figura 63. Siendo
el Operador de Inspección Visual el de mayor carga de trabajo y empacado; cabe
destacar que el empacado y los operadores son dependientes del “cuello de
botella”.
Figura 63
96
Figura 64
En la figura 64 se pretende mostrar que al cabo de 5500 segundos el sistema coloca
en el almacén (encerrado en rojo) cuatro cajas con un total de 96 engranes.
Por lo que al cabo de 5500 se tiene un sistema que ya no cambia los valores de
saturación de las operaciones y de los engranes en un tiempo infinito, es lo que se
llamó que el sistema esta estable.
97
Figura 65
En la figura 65 se observa que en el pulido 1 se tiene a la entrada 120 piezas y la
salida 119 piezas, por lo que el simulador a 5500 segundos ha producido dichas
piezas, estos valores son medidos a la entrada del pulido 1 arrojados por el
programa siendo nuestros valores de partida.
Se toma el pulido 1 como la operación donde se realizaran las mejoras para
incrementar la producción. Debido a que es la primera operación para el
empaque del engrane.
98
8. PROPUESTAS DEL MODELO OPTIMIZADO
En este capítulo de presentaran 7 propuestas, 6 serán a partir de la figura 66 donde
se irá reduciendo el tiempo ciclo sobre los “cuellos de botella” para poder observar
como resultado el número de engranes producidos sobre la estación de pulido y
una propuesta complementaria descrita en la figura 75, esta nos servirá para poder
observar la simulación desde otra perspectiva.
8.1. Propuesta de mejora:
Figura 66
No se puede cambiar el sentido del flujo dado que el proceso con el que se cuenta
actualmente se tiene que seguir específicamente: pulido, lavado, inspección visual
y empacado; debido a que son los requerimientos del cliente.
En la figura 66 se puede observar la propuesta en donde el lavado se incluye en la
etapa de prelavado y las 2 etapas de pulido se integran a una máquina.
Se unifica las etapas de pulido y prelavado para poder integrar a un proceso
automatizado y reducir actividades a los operadores. Debido a que el lavado es
un “cuello de botella” si se anexa una etapa aumentará el tiempo de procesado,
99
por lo que éste se logrará eliminar reduciendo los tiempos de procesado para
poder producir más con menos.
Por lo que la propuesta, consiste en realizar 3 cambios: de 2 operaciones de pulido
a una sola operación, de 2 operaciones de lavado a una sola, utilizando una nueva
lavadora y de la inspección visual realizada por los operadores a una sola
inspección visual realizada por un sistema de visión.
8.2. Propuesta 1:
Figura 67
En la figura 67, se mide la saturación de cada estación y se presenta para pulido
un 80.34%, para la lavadora un 95.83%, inspección visual 51.99% y empacado 100%.
Con 111 engranes producidos a la entrada de pulido, anteriormente se tenía el
modelo actual, con los cambios de la propuesta se puede observar que el sistema
se vuelve lento, por lo que se realizaran varias propuestas para encontrar valores
óptimos.
De la situación actual: Pulido 1 es de 82.91%, Pulido 2 86.55%, con una media de
84.73% se logró una reducción de 5% con la propuesta en pulido, con disolventes
100
29.57% y lavadora 96.89% la integración logra un 1% de reducción, en Inspección
visual con un porcentaje actual de 54% se logra una reducción del 4% y Empacado
se mantiene igual siendo dependiente del “cuello de botella” para este modelo
está determinado por el lavado en primer lugar y por pulido en segundo lugar.
Determinando que los 2 “cuellos de botella” afectan principalmente el flujo de las
piezas se pretende reducir los tiempos de procesamiento del Lavado y de Pulido,
cabe destacar que se realizará la simulación esperando encontrar los tiempos
requeridos por la empresa y con base en esto buscar que los diferentes
proveedores de los procesos a cotizar puedan darnos una reducción de tiempo de
proceso deseado según la simulación.
Para los operadores sólo se dejarían tareas de transporte y colocación del engrane
entre las operaciones.
Por lo que se planteará una escala en porcentaje de tiempo de acuerdo con el
actual y veremos los resultados arrojados en el simulador.
8.3. Propuesta 2.
Reduciendo el tiempo en los 2 “cuellos de botella” en un 10%:
Figura 68
101
De la Figura 68 podemos tomar que los tiempos de procesamiento para las
operaciones son: Pulido 1 es de 78.56%, lavado 95.62%, Inspección visual 57.5% y
empacado 100%. Con 121 piezas a la entrada de pulido, gracias a la reducción
del tiempo ciclo se pueden empacar más engranes
8.4. Propuesta 3:
Reduciendo el tiempo en un 20% del tiempo original en los 2 “cuellos de botella”:
Figura 69
De la Figura 69 podemos tomar que los tiempos de procesamiento para las
operaciones son: Pulido 1 es de 76.57%, lavadora 95.35%, Inspección visual 63.95%
y empacado 100%. Con 132 piezas a la entrada de pulido.
102
8.5. Propuesta 4:
Reduciendo el tiempo en un 30% del tiempo original en los 2 “cuellos de botella”:
Figura 70
De la Figura 70 podemos tomar que los tiempos de procesamiento para las
operaciones son: Pulido 1 es de 70.17%, lavado 95.31%, Inspección visual 66.55% y
empacado 100%. Con 138 piezas a la entrada de pulido.
103
8.6. Propuesta 5.
Reduciendo el tiempo en un 30% sólo en un “cuello de botella” lavado:
Figura 71
De la Figura 71 podemos tomar que los tiempos de procesamiento para las
operaciones son: Pulido 1 es de 80.34%, lavadora 95.87%, Inspección visual 53.33%
y empacado 100%. Con 111 piezas a la entrada de pulido.
8.7. Propuesta 6
Reduciendo el tiempo en un 30% sólo en un “cuello de botella” pulido:
Figura 72
104
De la Figura 72 podemos tomar que los tiempos de procesamiento para las
operaciones son: Pulido 1 es de 60.53%, lavadora 95.86%, Inspección visual 56.18%
y empacado 100%. Con 119 piezas a la entrada de pulido.
8.8. Propuesta complementaria.
Dentro de la propuesta complementaria se plantea el no cambiar la lavadora,
continuar con la original, pero en la operación de prelavado, realizar el cambio a
una automática, sólo podrá realizar la limpieza parcial de la suciedad en el
engrane, por lo que se requiere continuar con la lavadora actual. Cuenta con 2
procesos el lavado una unidad de acero inoxidable donde se realiza el esmaltado
de aceite y otra unidad de evaporado, filtrado de sólidos y contaminantes.
Para prelavado automático se pretende introducir de 5 o 10 engranes por lote,
colocados en una o dos canastilla (cada canastilla de 5 piezas), después del
proceso de pulido, para poder ser introducidos en una mesa rotatoria que requerirá
ser cerrada una vez colocado los engranes; éste realizará un lavado de alto caudal
conteniendo un desmaltador de aceites con 2 filtros: uno primario de 100 micras de
porosidad y otro secundario de 20 micras de porosidad. Estos vienen con un
nanómetro diferencial el cual, según el fabricante, se limpiarían cada 20 días y
cada 2 meses el cambio total del filtro, después se abrirá la puerta para pasar al
siguiente proceso, se realizaría un lavado de 120 segundos programables por
canastilla.
Dado que el simulador permite realizar simulación de tipo estadístico o lineal, mas
no de variables intermitentes, que en este caso sería la limpieza de las tinas, ésta se
realiza semanalmente dependiendo el pH, por lo que ésta variable fue no
introducida en el simulador. El propósito es obtener una mejor limpieza de las piezas
antes de pasarlas a la lavadora, para evitar el cambio semanal de las soluciones
para lograr realizar el cambio hasta una vez por mes, lo que resultaría en un mayor
incremento en la productividad del lavado y dejando al operador con menor
105
carga de trabajo en la operación de disolvente y pudiendo realizar otras
operaciones.
En la figura 73 se observa la creación y programación del prelavado automático
con un tiempo aproximado para realizarlo. En la figura 74 se puede observar que
en el pallet solo se permitirá el lavado de 10 piezas.
En la figura 75 podemos observar toda los elementos armados y conectados para
realizar la simulación de 5500 segundos, obtener resultados estadísticos, estudiarlos
y analizarlos para tener de forma correcta los resultados obtenidos.
Figura 73 Figura 74
106
De la Figura 76 podemos tomar que los tiempos de procesamiento para las
operaciones siendo: Pulido Automático es de 30.36%, lavadora 69.01%, Inspección
visual 74.58% y empacado 100%. Con 111 piezas a la entrada de pulido.
Figura 75
Figura 76
107
9. Análisis económico.
En este capítulo revisaremos lo anteriormente analizado para poder tomar la mejor
decisión conociendo pros y contras de las ocho propuestas antes planteadas ya
con datos económicos.
Por lo que se analizará básicamente de lo anterior los siguientes puntos resumiendo
las 8 propuestas.
El cambio completo de la estación de lavado.
Sistemas de visión.
Prelavado automático.
Cada una de las propuestas se tiene 3 cotizaciones, una de proveedores de
sistema de visión y 2 proveedores de lavadoras.
Todos los proveedores analizados son marcas líderes en el mercado por lo que se
optó por buscar marcas debido a la confianza que éstas generan, el desarrollo con
que ya se tiene, soporte técnico de cada marca y las garantías que manejan por
fallas tanto en los productos como en la aplicación presentada.
Se utilizan nombres y marcas bajo la autorización de cada distribuidor.
108
Infaimon, cotización número "IM14-1508 Tremec" Artículo Función Descripción Costo USD
DALB-GEVA-1-SHE
Procesador
Central
GEVA + Sherlock Sistema
Vision Inteligente Gige- H-S $ 89,775.9
DAL-SG-14-01K40-
00
Cámaras
para
inspección
de dientes
Cámara Spyder3 14um 40MHz
1024x2-36kHz-Mono-CCD-GigE $ 42,716.5
CEI-MV-1-1-1-5M Cable
Cable Gige 5M
1Conec.RJ45Normal
Con.RJ45Normal-
CableEstandar $ 747.2
INF-CAB-GPIO-SP3 Cable
Cable I/O DB15pin-Hilos 3m
para Spyder3 GigE $ 1,091.5
DAL-AC-UC-00002-
00
Adaptador
lente
Adaptador de M42 a C para
P2/S2/SG/S3/SC/DS $ 1,662.2
Óptica 35mm HR
Adaptador
lente
Óptica 35mm HR 4/3" F2-22 C
Ctor $ 16,473.9
CHR-CP2-0170-X-04 Iluminación
Ilum. Led Lineal CoronaII
170mm-Blanco-Cnv $ 26,640.0
DALM-CR-GM00-
M160
Cámara
para
inspección
de laterales
Cámara Genie M1600 1/1.8"
1600x1200-15i/s-Mono-CCD-
GigE $ 34,068.5
CEIS-MVA-10-2-X-
05M Cable
Cable de conexión de 5m
hirose12 a salida abierta $ 1,204.3
CEI-MV-1-1-1-5M Cable
Cable Gige 5M
1Conec.RJ45Norma
Con.RJ45Normal-
CableEstandar $ 747.2
OPT-AZ-5M-0814M
Adaptador
lente
Óptica AZ 8mm 5M 2/3" F1.4 C
MIris Ctor $ 6,868.1
MID-IBP635-M35.5 Filtro
Filtro IBP 635 para rosca
M35.5x0.5 $ 1,605.2
INF-L-DBL-E-R305/25 Iluminación
Iluminación Led Barra Elit
305x25-Rojo-24V-5mm-2.5L $ 18,924.0
Total PESOS MX = $ 242,524.7
En la tabla 12, se puede apreciar la cotización del proveedor de sistemas de visión
“Infaimon” en el que cotiza un procesador central no. De serie “DALB-GEVA-1-SHE”
Tabla 12 cotización sistema de visión 1.
109
el cual controlará 2 cámaras de visión con número de serie: “DAL-SG-14-01K40-00”
y “DALM-CR-GM00-M160” cada una con sus respectivos accesorios.
La cámara “DAL-SG-14-01K40-00” es lineal, la cual va tomando fotos de 1024 x 2
pixeles, la pieza requiere ser girada debido a su forma para poder ser
inspeccionada en todo su diámetro y poder analizar la imagen por completo una
vez que se ha terminado de analizar en 360 grados. La cámara “DALM-CR-GM00-
M160” tiene una resolución de 1600 x 1200 pixeles e inspeccionará ambas caras del
engrane para poder ser analizado todos los puntos requeridos por el cliente.
Cognex, cotización número "cot_1_9681", "cot_1_9682", "cot_1_9683",
"cot_1_9684" Articulo Función Descripción Costo
DMR-300X-00
Sensor de
visión fijo,
lectura de
Datamatrix
DataMan 300X Fixed Mount ID
Reader $ 39,239.2
CCB-84901-1003-05 Cable STD. ETHERNET CABLE, 5M (15') $ 1,820.0
CKR-BP470
Filtro para
sensor
Checker 4G Blue Bandpass
Filter $ 1,456.0
CCB-M12X12FS-05 Cable
DM300 M12x12 CABLE,
24V,I/O,RS-232, 5.0M STRAIGHT $ 1,092.0
ACC-24I
Fuente de
alimentación
COGNEX 24 VOLT DC POWER
SUPPLY $ 2,184.0
IS7230-01-140-000
Cámara de
visión,
lectura de
OCR.
IN-SIGHT 7230
OCR/Fixture/Filter Tools only,
6mm, Blue Light $ 49,007.4
CCB-PWRIO-05 Cable
POWER AND IO M12-12 5M
CABLE $ 1,674.4
CCB-84901-1003-05 Cable
COGNEX STD. ETHERNET
CABLE, 5M (15') $ 1,820.0
ACC-24I
Fuente de
alimentación
COGNEX 24 VOLT DC POWER
SUPPLY $ 2,184.0
Tabla 13 cotización sistema de visión 2.
110
IS7402-01-140-000
Cámara de
visión,
inspección
de chaflán y
rectif.
IN-SIGHT 7402 without PatMax,
6mm, Blue light $ 113,422.4
CCB-PWRIO-05 Cable
POWER AND IO M12-12 5M
CABLE $ 1,674.4
CCB-84901-1003-05 Cable
COGNEX STD. ETHERNET
CABLE, 5M (15') $ 1,820.0
ACC-24I
Fuente de
alimentación
COGNEX 24 VOLT DC POWER
SUPPLY $ 2,184.0
IS5605-11
Cámara de
visión, para
leer los
golpes.
IN-SIGHT 5605 (5MP) WITH
PATMAX $ 185,640.0
CCB-84901-0902-05 Modulo IO
IN-SIGHT STD. IN-SIGHT. I/O
MODULE CABLE 5M (15') $ 1,820.0
CCB-84901-1003-05 Cable
COGNEX STD. ETHERNET
CABLE, 5M (15') $ 1,820.0
LEC-63778
Lente
telecéntrico.
EDMUND 12MM 5MP Fixed
Focus $ 15,433.6
CIO-MICRO Modulo IO In-Sight Micro I/O Module $ 8,008.0
ACC-24I
Fuente de
alimentación
COGNEX 24 VOLT DC POWER
SUPPLY $ 2,184.0
Total PESOS MX (costo 1) = $ 434,483.4
Total PESOS MX (costo 2) = $ 334,006.4
En la tabla 13 se puede observar la cotización del proveedor de sistemas de visión
“Cognex”, el cual cotiza “DMR-300X-00”un sensor de códigos 2D junto con sus
accesorios, “IS7230-01-140-000” una cámara de visión para detectar los códigos
marcados sobre la pieza junto con sus accesorios, “IS7402-01-140-000” una cámara
de visión para inspeccionar 2 posibles errores de rectificado y faltante de chaflán
en el engrane junto con sus accesorios, “IS5605-11” una cámara de visión para
detectar golpes en el engrane junto con sus accesorios.
La cotización contiene 2 precios, el primer costo es la suma de todos los elementos
cotizados por el proveedor y el segundo costo es la eliminación de “DMR-300X-00”
y “IS7230-01-140-000” ya que en procesos anteriores ya se cuenta con un sensor de
111
visión de la misma marca donde se comprueba lectura del código 2D y acorde al
cliente no se requiere de lectura de códigos impresos si no su presencia o ausencia.
ADF, Disolvente Automático, cotización numero ''Q15239 42 IN
M-950 - Tremec'' Articulo Función Descripción Costo
9544-042-018
Lavadora
completo Disolvente $ 486,128.5
Total PESOS MX = $ 486,128.5
En la tabla 14, se puede observar la cotización del proveedor de sistema de lavado,
el cual cotiza el disolvente automático como una estación operada por un
operador en el cual tendrá que meter los engranes en canastillas, ya sean las
actuales o algunas metálicas y éstas realizarán la operación una vez cerrado el
gabinete; se colocarán en una mesa giratoria y, mientras está el ciclo en progreso,
éste girará para asegurar la limpieza de las piezas; una vez terminado el proceso
de limpieza el operador tendrá que ir colocando los engranes 1 por 1 en la
lavadora actual, mismo proceso.
La gran ventaja es que se podrá reducir el proceso de limpieza de las tinas (de 4
veces por mes a 1 vez por mes), además de que es autolimpiable.
ADF, Cambio lavadora
Artículo Función Descripción Costo
-
Lavado
completo Lavadora $ 1,400,000
Total PESOS MX = $ 1,400,000
Tabla 14, Cotización lavado 1
Tabla 15. Cotización lavado 2
112
En la tabla 14, se puede observar la cotización del proveedor del sistema de lavado
para el engrane, esta cotización es del sistema completo de lavado, posee 3
funciones: enjuague, lavado y secado.
El precio es aproximado ya que no se pudo obtener una cotización formal por parte
del proveedor.
LS industries, Cambio lavadora, cotización numero: "TREMEC,
12FTW-Monorail, 10-30-14"
Artículo Función Descripción Costo
LS 12’FTW “Flow
Through Washer”
Lavado
completo Lavadora $ 96,235.0
Transporte e instalación $ 9,623.5
Total PESOS MX = $ 1,429,089.7
En la tabla 16, se puede observar la cotización del proveedor del sistema de lavado
LS Industries, posee 3 funciones: enjuague, lavado y secado.
Aquí se obtuvo una cotización a detalle, con todas las especificaciones requeridas,
la lavadora es de dimensiones 18 x 60 pulgadas, cuenta con una tina con
capacidad de 200 galones para almacenar los solubles de limpieza, contiene 2
resistencias de 15kW para el secado de la pieza, bombas de 5 caballos para
líquidos, un gabinete central para mantenimiento, todos los elementos son a
prueba de agua y paros de emergencia.
Para alimentar los engranes se cuelgan de uno por uno en ganchos, después se
empujan por medio de una banda que recorre toda la lavadora y al terminar se
retiran con la mano.
El equipo será entregado en Estados Unidos y se anexan gastos de transporte e
instalación.
Tabla 16, Cotización lavado 3
113
AFT, Disolvente automático Artículo Función Descripción Costo
RS750
Truck Spray Wash
Cabinet With
Skimmer Disolvente $ 9,412.7
Total PESOS MX = $ 127,072.4
En la tabla 17, se muestra la cotización del proveedor de sistemas de lavado, el
cual cotiza un disolvente automático, éste ya viene ensamblado de línea, por lo
que no se adapta a la aplicación requerida, pero nos da una idea general del
costo de un sistema automático de lavado.
Integrador Artículo Función Descripción Costo
SIE0611
Motor superior e
inferior Motor Siemens
$ 120,689.6
Perfil Bosch para patas y puerta
Platina para mesa
Soportes en patas
Manija para puerta
Tornillería Bosch
Tornillería en General
Gabinete para fuente y PLC
Pistón de giro en nicho
Válvula para pistón de giro en
nicho
Sensores Phoenix Contact
Lijadora
Nido, maquinado y material
Siemens S7 200 $ 7,000.0
PROGRAMACIÓN
$ 164,160.0
DISEÑO
IMPLEMENTACIÓN Y
CONSTRUCCIÓN
Total PESOS MX = $ 291,849.6
Tabla 17. Cotización prelavado 1
Tabla 18, Cotización integración del sistema de visión.
114
En la tabla 18 se puede observar la cotización realizada para la estación de trabajo
que consiste de la instalación del pulido automático, donde se pulirán las piezas
tanto de la parte superior como inferior, donde se eliminan las 2 estaciones actuales
para formar sólo una estación de pulido donde se lija pieza en parte superior e
inferior al mismo tiempo.
Para la estación de visión, el precio sería muy cercano al cotizado en la tabla 18.
115
10. Retorno de inversión Este capítulo es crucial para el cliente final, debido a que es donde podrá tomar
una decisión de que proveedor y cual no se definirá, lo más lógico es siempre tomar
el costo menor, pero cada caso tiene sus pros y contras, para el retorno de inversión
se han analizado 2 propuestas, en las cuales consisten de la misma manera antes
descrita en:
El cambio completo de la lavadora, a ésta se anexará un prelavado y un
sistema automático de visión.
Un prelavado automático, dejando la lavadora con que se cuenta
actualmente y un sistema de visión.
Según datos del cliente y mediciones realizadas se tomará como:
Costo de una pieza: 200 pesos.
Se manejan 3 turnos.
Por cada turno se tienen 5 operadores.
El salario aproximado de cada operador es de $6,000 pesos mensuales ya
con impuestos incluidos.
Se realiza una limpieza profunda de las tinas semanalmente durante 3 horas.
Se maneja un tiempo de 45 piezas por hora.
Propuesta 1
Optimización : Costo aproximado de los
operadores
Se reducirían 45 piezas
por hora, siendo 135
piezas en 3 horas De 3 a 2 turnos: 1
turno
3 operadores, por
turno
$ 6,000 Costo por semana
Reducción de 1 turno $ 27,000
Dato: Por mes
Costo por año en días
laborales
200 pesos costo
de la pieza
$ 30,000 $ 1,296,000
Reducción de 3 operadores Reducción por año
actual acorde a
propuesta
Por mes
$ 18,000
$ 1,872,000
Tabla 19.
116
Reducción en 1 año 1 turno y 3
operadores
Por año
$ 576,000
En la tabla 19, se puede observar el ahorro en pesos mexicanos de la propuesta 1,
que se basa en la reducción de 3 a 2 turnos y de 3 operadores por turno con un
total de 6 operadores por turno, cabe destacar que se pretende mover a otra zona
estos operadores.
Cada operador tiene un costo de $6,000 pesos a la empresa, la reducción de un
turno al mes representa 30,000 pesos MX, 3 operadores al mes de 18,000 pesos MX
y el total al año equivale a 576,000 pesos MX.
Tomando en cuenta que se podrá producir más con menos, se reducen 135 piezas
en 3 horas por semana (tiempo que se tardan en limpiar las tinas de la lavadora)
tiene un costo por semana de 27,000 pesos MX, con un costo anual de 1,296,000
pesos MX, sumado las 2 cifras del ahorro de operador y piezas anualmente nos
arroja la cantidad de 1,827,000 pesos MX.
Cabe destacar que sólo se están tomando 2 variables, tanto para la propuesta 1
como para la propuesta 2, que son reducción de mano laboral y costo por tiempo
muertos traducidos en el costo de la pieza que se deja de empacar; Los faltantes
son los recursos energéticos.
Propuesta 2
Optimización :
Costo aproximado de los
operadores
Se reducirían 45 piezas por
hora, siendo 135 piezas en 3
horas Limpieza de 4
veces mensuales a
1 vez por mes en
tinas
3 operadores, por
día.
$6,000 Costo por semana
Reducción de 1 turno $27,000
Tabla 20.
117
Por mes Costo por año en días
laborales
200 pesos costo de
la pieza
$18,000 $972,000
Reducción por año actual
acorde a propuesta Por año
$216,000
$1,188,000
Para la propuesta dos, véase la tabla 20, se puede observar que sólo se podrá
reducir por turno 1 operador, siendo 3 operadores por día, dando una reducción
al mes de $18,000 pesos MX, siendo $216,000 pesos MX por año; con respecto al
cambio del disolvente manual por el disolvente automático tendremos que se
pasará de lavar 4 veces al mes a lavar sólo una 1 vez, por lo que la reducción de 3
horas a la semana será de 12 horas al mes teniendo un costo por año de $972,000
pesos MX, recordando que si el costo de la pieza es de $200 pesos y en 3 horas se
producen 135 piezas se tiene $27,000 pesos MX a la semana.
La reducción por año sumadas las 2 cantidades de recursos por horas y reducción
de trabajadores nos arroja la cifra de $1,188,000 pesos de ahorro por año con esta
propuesta.
Las cifras, de la misma manera que se comentó en la propuesta uno, no toman en
cuenta los energéticos ahorrados(agua, luz, gas); debido a que se trabajan 3 turnos
de la misma forma se tendrá un gasto de recursos muy parecidos sin embargo se
tendrían que estudiar por separado.
Propuesta 1 Propuesta 2
Sistema de
visión
Cognex 1 $ 434,483 Sistema de
visión
Cognex 1 $ 434,483
Cognex 2 $ 379,798 Cognex 2 $ 379,798
Infaimon $ 242,525 Infaimon $ 242,525
Estación
integración Integrador $ 335,628
Estación
integración $ 335,628
Lavadora ADF $1,400,000 AFT $127,072.4
118
LS
industries $1,429,090
Disolvente
automático ADF $ 486,129
Pulidora Integrador $ 291,850 Pulidora Integrador $ 291,850
En la tabla 20 se puede observar todas las cotizaciones ordenadas en una solo
tabla, están organizadas por:
Propuesta uno que sería cambio completo y total de la lavadora,
añadiéndose el prelavado a ésta.
Propuesta dos, misma estación de lavado con un disolvente automático.
Por las diferentes marcas comerciales.
Retorno de inversión. Propuesta 1 Retorno de inversión. Propuesta 2
ADF
Cognex1 $ 2,461,960.9 1.32
ADF
Cognex 1 $ 1,548,089.4 1.30
Cognex2 $ 2,407,275.1 1.29 Cognex 2 $ 1,493,403.6 1.26
Infaimon $ 2,270,002.2 1.21 Infaimon $ 1,356,130.7 1.14
LS
industries
Cognex1 $ 2,491,050.7 1.33
AFT
Cognex 1 $ 1,189,033.3 1.00
Cognex2 $ 2,436,364.9 1.30 Cognex 2 $ 1,134,347.5 0.95
Infaimon $ 2,299,091.9 1.23 Infaimon $ 997,074.5 0.84
En la tabla 22 se puede observar a grandes rasgos el retorno de inversión siendo
éste divido en propuesta 1 y propuesta 2, con diferentes combinaciones, por
ejemplo de la propuesta 1 la primera cantidad es $2,461,960.9 que viene de la suma
de 4 cantidades, siendo:
Tabla 20.
Tabla 22.
119
Sistema de visión con el precio de cognex1 de $434,483, más estación de
integración de $335,628, más lavadora ADF $1,400,00, más estación de pulido de
$291,850 resulta en un total de $2,461,960.9; siendo ésta última la cantidad que se
requerirá invertir para la propuesta de éste trabajo en caso de seleccionar esa
combinación, y así sucesivamente para las demás cantidades.
La cantidad importante, es la siguiente columna, la cual después de sacar la
inversión total se divide entre el “análisis de retorno de inversión” tabla 22; esto nos
arroja una cantidad en años. Lo que indica que se tendrá un retorno en 1.32 años,
las cantidades más bajas de cada combinación se especifican en color amarillo y
siendo la cantidad más baja es de 0.84.
120
11. Modelo optimizado.
En la simulación del modelo se logró observar que el “cuello de botella” se
encuentra en la etapa de lavado en primera instancia, por lo que la mejor
propuesta en este caso sería la expansión y renovación de la lavadora según los
resultado obtenidos en el capítulo anterior (propuesta 1) quedando un diseño
como se muestra en la figura 77(a) y figura 77(b).
Se parte del diseño original bajo la premisa de hacer cambios mínimos, teniendo
un proceso organizado de acuerdo con el modelo simulado en FlexSim.
Figura 77(a), Estación de empaque.
121
Así se logra observar la propuesta de implementación en piso, teniendo como
cambios:
Etapa de pulido: donde se elimina pulido 1 y pulido 2 para integrarlo en una
sola estación de pulido; en esta se pretende que el operador coloque el
engrane en un “nido”, cierra las barras de seguridad para después éste sea
pulido en la parte superior e inferior vertiéndose el aceite en la lija, y
posteriormente éste pueda ser extraído para ser lavado, véase figura 78
como propuesta de estación de pulido.
Figura 77(b) Estación de empaque.
122
Estación de lavado, ver figura 79, en esta estación se propone añadir el
prelavado y volver más dinámico el proceso, siguiendo con el colgado de
los engranes de manera similar que el actual. Dentro de los análisis simulados
en FlexSim se pudo graficar y aproximar los tiempos necesarios para poder
pasar de un proceso con cuello de botella a un proceso lineal.
Figura 78. Estación de pulido.
Figura 79. Estación de lavado.
123
Estación de inspección: en esta se pretende tener un ciclo automatizado en
donde la meta que el operador realice otras tareas mientras el sistema
trabaja.
La secuencia de trabajo es: el operador coloca el engrane en la posición 1,
esta se puede observar en la figura 80(a), una vez colocado el engrane es
empujado por el operador siendo éste detectado; el engrane es colocado
en el nido para después ser elevado, ver figura 80(b) y tomarse una foto con
la cámara superior, al finalizar es girado para ser observado en la parte
interna de los diente del engrane con la cámara lateral teniendo una
inspección de 360 grados, después será girada la pieza para ser observada
por la cámara superior logrando ser analizado por la otra cara, la pieza es
vuelta a su posición inicial y el operador puede sacar el engrane para poder
pasar a la otra operación, las cámaras después del análisis arrojarán una
calificación de OK y NO OK en una pantalla o panel view, los engranes que
sean rechazados serán inspeccionados por el operador para ser re-
trabajados en su misma área o, en su caso, devueltos al proceso original
donde fue maquinado ese faltante.
Figura 80(a), Estación de inspección.
124
Figura 80(b), Estación de inspección.
125
12. Resultados. Según los datos arrojados por el programa “FlexSim_6.0.2”, ver tabla 23.
% de
reducción
No. piezas a
la entrada
Actual 100% 120
Propuesto 100% 116
Pulido
(segundos)
Lavado
(segundos)
99% 116 38 693
98% 118 37 686
97% 118 37 679
96% 121 36 672
95% 121 36 665
94% 121 36 658
93% 123 35 651
92% 123 35 644
91% 123 35 637
90% 126 34 630
89% 126 34 623
88% 129 33 616
87% 129 33 609
86% 129 33 602
85% 132 32 595
84% 132 32 588
83% 132 32 581
82% 135 31 574
81% 135 31 567
80% 139 30 560
79% 139 30 553
78% 139 30 546
77% 142 29 539
76% 142 29 532
75% 142 29 525
74% 146 28 518
73% 146 28 511
72% 150 27 504
71% 150 27 497
70% 150 27 490
Tabla 23, resultados
126
En la tabla 23 se puede observar del lado izquierdo los enunciados Actual y
propuesto, haciendo énfasis que el actual es el número de piezas que se logran
producir tras 5,550 segundos en los 2 “cuellos de botella”; pulido y lavado siendo
120 piezas, en la parte inferior los datos propuestos, teniendo un porcentaje de
reducción en tiempos de procesamiento de 100% al 70% y como resultado un
incremento en el número de piezas.
Se logra ver una caída de piezas de 120 actual a 116 propuesto, esto debido a que
estamos analizando la propuesta 1 y, con una operación de pulido manual, en la
lavadora estamos teniendo un incremento en el “cuello de botella”, produciendo
menos, sin embargo esto se elimina con el incremento de cadencia en la lavado y
pulido.
Podemos deducir de la gráfica 2 que nuestro “cuello de botella” es la operación
de pulido, ya que es la opción de entrada. Debido a que la operación es lineal,
por más rápido que se logre una operación es dependiente de la operación
anterior, por lo que agregar o quitar operaciones no logra optimizar el proceso, sin
embargo actualizando los equipos para bajar tiempos de procesamiento ayuda
significativamente en el proceso, así la manufactura de la operación total se puede
optimizar de una forma significativa.
0%
20%
40%
60%
80%
100%
120%
11
61
16
11
81
18
12
11
21
12
11
23
12
31
23
12
61
26
12
91
29
12
91
32
13
21
32
13
51
35
13
91
39
13
91
42
14
21
42
14
61
46
15
01
50
15
0
Po
rce
nta
je d
e r
ed
ucc
ion
so
bre
cu
ello
s d
e
bo
tella
Piezas producidas en 5500 segundos de simulación
Grafica 2. Porcentaje de reducción sobre el cuello de botella.
127
13. Conclusiones.
Mediante el uso del programa “FlexSim_6.0.2” podemos observar el
comportamiento de una celda especifica en el marco de la industria automotriz,
podemos analizar mediante diferentes softwares los tiempos y movimientos hasta
encontrar un balance en la parte teórica como en la práctica antes de algún
cambio, cabe destacar que en este trabajo sólo se presentan resultados teóricos
como apoyo para la toma de decisiones.
Lo que se propone en el diseño conceptual del capítulo 12, es que solo las
maquinas realicen el trabajo y no los operadores, esto ayudará a tener una celda
controlada para un futuro análisis donde se pretenda reducir los tiempos,
incrementar la producción teniéndose mejores tecnologías y disminuir errores
humanos.
Para la simulación no se consideraron variables externas como lo son: cambio de
soluciones en las tinas de lavado, la rotación del personal y los insumos energéticos
al momento de realizar el análisis de retorno de inversión. Se supuso un sistema lineal
por lo que la simulación también se puede apreciar lineal y esto da como resultado
que el proceso actual sea difícil de simular pero la meta es quitar esas variables y
las propuestas son totalmente práctica para simulación, siendo el siguiente paso
tomar decisiones finales para poderlo llevar a la práctica, dar seguimiento de
incremento de productividad y volver a mejorar el sistema para tener un resultado
mucho más automatizado y productivo.
Dentro de las hipótesis se plantearon 4 puntos claves en los que se trata la mejora
de tiempos y movimientos, línea de producción con incremento de velocidad y un
retorno de inversión razonable, estos datos fueron comentados por el coordinador
del área y los responsables.
De los cuales para lograr la meta planteada se redujo en un 20% en tiempos y
movimientos, “scrap”, control del proceso y reducción el tiempo ciclo de trabajo
de 693 segundos a 490 segundos de procesamiento por engrane; se requirió realizar
128
la simulación y análisis de la gráfica 2, en resultados se requiere que el “cuello de
botella”, en este caso la lavadora, se optimizo el proceso por lo que se asegura el
incremento en los puntos mencionados con el cambio de lavadora, del mismo
modo que se realizan las cotizaciones de la nueva lavadora con estos tiempos, así
lograremos de un “cuello de botella” a un proceso recto, se asegurara la calidad
con los sistemas automatizados y los retornos de inversión menores a 2 años, de esta
manera se logra la meta planteada esperando que se pueda cumplir el proyecto
en la empresa automotriz.
129
14. Bibliografía. [1] TREMEC INC. Estados Unidos. Fecha de consulta: 1 enero de 2015. Disponible
en: http://www.tremec.com/menu.php?m=101
[2] Cognex, Estados unidos. Fecha de consulta: 1 enero de 2015. Disponible
en:
http://www.cognex.com/explorelearn/usefultools/lightingadvisor/?id=9283
&langtype=1034
[3] Pawel Pawlewski, Karolina Rejmicz, Kamil Stasiak, Michał Pieprz; JUST IN
SEQUENCE DELIVERY IMPROVEMENT BASED ON FLEXSIM SIMULATION
EXPERIMENT; Proceedings of the 2012 Winter Simulation Conference; Poznan
University of Technology Ul.Strelecka 11, Poznań POLAND.
[4] Sean M. Gahagan; SIMULATION AND OPTIMIZATION OF PRODUCTION
CONTROL FOR LEAN MANUFACTURING TRANSITION; Sean M. Gahagan, Ph.D.,
2008.
[5] Annamalai Pandian; Robotic Manufacturing System Throughput Prediction
Methodology Development Based on Failure Data of an Automotive
Assembly; 2010
[6] Flex Sim 3D Simulation Software. V6.0; “http://www.flexsim.com/support/”
[7] IEEE, New York, NY. “http://www.ieee.org/”
[8] LIU Wenping, JIANG Zhaoliang, WANG Guicong, LI Zhaoqian; OPTIMIZATION
OF AUTOMOBILE ASSEMBLY LINES USING LOGISTICS SIMULATION International
Technology and Innovation Conference 2006; School of Mechanical
Engineering, Shandong University 73, Jingshi Road, Jinan, Shandong 250061,
China.
[9] Ahad Ali, Xiaohui Chen, Ziming Yang, Jay Lee, Jun Ni; OPTIMIZED
MAINTENANCE DESIGN FOR MANUFACTURING PERFORMANCE
IMPROVEMENT USING SIMULATION; Proceedings of the 2008 Winter Simulation
Conference.
[10] Alan P. Bowling, John E. Renaud, Jeremy T. Newkirk, Neal M. Patel,
Harish Agarwal; Reliability-Based Design Optimization of Robotic System
Dynamic Performance; Proceedings of the 2006 IEEE/RSJ International
130
Conference on Intelligent Robots and Systems; October 9 - 15, 2006, Beijing,
China.
[11] Jianming Bai, Jinhang Pan; The Optimization and Simulation of
Automobile production line based on Flexsim; Administration school
CTBU,Chongqing,China 2011 IEEE.
[12] Tongjuan Liu, Xiaoli Feng; “The Simulation and Optimization of
Automated Storage and Retrieve System based on Flexsim”; Beijing Wuzi
University 2012 IEEE.
[13] Jonathan H. Owen, Robert R. Inman, and Dennis E. Blumenfeld;
Practical Modeling in Automotive Production; International Series in
Operations Research & Management Science; Springer 2011.
“http://link.springer.com/chapter/10.1007%2F978-1-4419-8191-2_11”
[14] Qian Wang, Martin Sowden, Antony R. Mileham; Modelling human
performance within an automotive engine assembly line; 11 January
2013 Springer.
[15] Richard L. Burden and J. Douglas Faires; Numerical Analysis; ninth
edition.
[16] William Mendenhall, Richard L. Sheaffer and Dennis D. Wackerly;
Estadística matemática con aplicaciones; septima edicion; 2009.
131
15. ANEXOS Presentación del resumen de la tesis en la revista científica “XX congreso
internacional somim” en la Universidad Autónoma de México (UNAM) campus
Juriquilla en Querétaro el día 26 de septiembre del 2014 a las 11:00hrs, con clave
de registro A4_276.
132
Presentación final de los resultados obtenidos y el análisis completo al cliente.