Detección matemática precisa de cuellos de botella 2: el método del período activo

Detección matemática precisa de cuellos de botella 2: el método del período activo

Cuatro botellas de vino verde vacíasEsta publicación describe un segundo forma precisa de detectar el cuello de botella en los sistemas de fabricación, en función de los tiempos precisos que un proceso está esperando o activo. El método es altamente preciso, no solo da la probabilidad de que diferentes procesos sean el cuello de botella (temporal), sino que también estima la mejora de la capacidad de todo el sistema si se mejoran los cuellos de botella. También es posible observar el cambio de estos cuellos de botella con el tiempo. El método fue desarrollado por mí durante mi tiempo en los Laboratorios de Investigación y Desarrollo de Toyota Central en Japón. Vea a continuación una lista completa de publicaciones en esta serie sobre cuellos de botella.

Los basicos

Como se discutió en la publicación anterior, cuanto más tiempo esté activo un proceso sin interrupción por un tiempo de espera, más probable será el cuello de botella. Es poco probable que un proceso interrumpido por la espera de material o transporte (muerto de hambre o bloqueado) sea el cuello de botella. En la publicación anterior, medimos el tiempo promedio (período activo) que un proceso no se ve interrumpido por los tiempos de espera. Activo en este sentido significa sin esperar (es decir, cualquier secuencia ininterrumpida de trabajo , reparación, avería, cambio, etc.).

En esta publicación, ahora observamos el período activo más largo en cualquier momento dado. El proceso con el período activo más largo en ese momento es el cuello de botella.

El analisis

Suponga que tiene un sistema con cuatro procesos . Para estos cuatro procesos, mide los tiempos en que el proceso está activo (en funcionamiento, avería, en reparación, mantenimiento regular, cambio, etc.) e inactivo (esperando material, esperando transporte). Si ahora traza estas medidas a lo largo del tiempo, puede verse como la figura a continuación. Las líneas horizontales negras representan períodos activos, con períodos inactivos entre las líneas verticales cortas.

Detección de cuello de botella de período activo: datos iniciales

Verá que con toda probabilidad la longitud de las líneas no se distribuye de manera uniforme. Los dos fundamentos básicos del método del período activo son:

  • En cualquier momento dado, el proceso con el período activo ininterrumpido más largo es el cuello de botella.
  • Durante la superposición al final de los períodos activos ininterrumpidos más largos, el cuello de botella cambia de un proceso a otro.
  • La aplicación de estos requisitos dará un comportamiento de cuello de botella como se muestra a continuación:

    Período activo de detección de cuellos de botella - Solución

    Aquí, los períodos activos ininterrumpidos más largos están marcados en rojo. Durante estos tiempos, el proceso correspondiente es el único cuello de botella en el sistema. Sin embargo, incluso el único cuello de botella se ve finalmente interrumpido por otro proceso y, por lo tanto, ya no es el cuello de botella. Otro proceso tendrá el período activo más largo y será el cuello de botella. Durante la superposición entre los períodos, el cuello de botella cambiará de un proceso a otro. En el gráfico anterior, esto está marcado en azul.

    Por lo tanto, este enfoque le permite observar el cambio de los cuellos de botella con el tiempo. En el ejemplo anterior, inicialmente el Proceso P2 fue el cuello de botella. El cuello de botella luego cambió a P4, antes de regresar a P2. Después, P1 fue el cuello de botella, antes de que P2 se convirtiera nuevamente en el cuello de botella. El proceso P3 nunca fue el cuello de botella.

    Resumen de datos

    Según este análisis, es posible ver cómo cambia el cuello de botella con el tiempo. Además, es posible calcular la probabilidad de que cada proceso sea el cuello de botella único o cambiante. El análisis resumido a continuación muestra que el proceso P2 fue con frecuencia el cuello de botella, siendo el único cuello de botella el 55% del tiempo y el cuello de botella cambiante otro 20% del tiempo. Si desea mejorar su sistema, debe mejorar el proceso P2.

    Detección de cuello de botella de período activo - Resumen

    Sin embargo, P1 también fue el único cuello de botella casi el 20% del tiempo, con otro 10% como el cuello de botella cambiante. Si bien es mucho menor que P2, no es del todo insignificante. Si hay formas fáciles de mejorar P1, también puede ser bueno para el sistema. P4 casi nunca fue el cuello de botella, y P3 definitivamente nunca fue el cuello de botella, ya que no influye en la capacidad general del sistema. Por lo tanto, el método le brinda una probabilidad precisa de que cada proceso sea el cuello de botella.

    Predicciones

    Conociendo estas probabilidades de cuello de botella, incluso es posible estimar la mejora del sistema general en función de las mejoras del cuello de botella. Los porcentajes del cuello de botella único y único son el límite inferior y superior de la relación de cualquier mejora del cuello de botella que mejora todo el sistema. Por ejemplo, si un proceso es el cuello de botella el 80% del tiempo, una mejora de un segundo en el tiempo del ciclo del cuello de botella conducirá a una mejora de 0,8 segundos del tiempo medio entre partes para todo el sistema.

    En el gráfico a continuación, se analizó un sistema para determinar su cuello de botella. Se predijo que la mejora del sistema estaría dentro de las líneas punteadas para una mejora del cuello de botella primario. La verdadera mejora del sistema cayó justo entre estas líneas hasta que finalmente el proceso investigado dejó de ser el principal cuello de botella.

    Período activo de detección de cuellos de botella: cambios en el sistema

    Si bien esta predicción probablemente no sea necesaria para aplicaciones prácticas, sí demuestra la precisión del método de detección de cuellos de botella.

    [post_relacionado id=»401″]

    Requisitos de este método

    El método funciona bien para todo tipo de sistemas, incluidos talleres de trabajo, sistemas paralelos, etc. Se ha probado con éxito para sistemas complejos del mundo real con docenas de procesos. Mientras el sistema esté conectado (es decir, no dos sistemas independientes separados), el método funciona.

    En el lado negativo, tiene un requisito de datos muy alto. Necesita saber exactamente cuándo cada proceso está activo o no. En muchos casos, estos datos son difíciles de obtener. Funciona muy bien para simulaciones donde tiene todos los datos que necesita disponibles, y funciona para sistemas altamente automatizados donde los datos se recopilan a través de computadoras.

    Si los datos no están disponibles o el sistema está menos automatizado, entonces recomiendo The Bottleneck Walk – Detección práctica de cuellos de botella Parte 1, presentada en mi próxima publicación. Esto es ¡Con mucho, mi método preferido en la práctica!

    Otras publicaciones de esta serie sobre cuellos de botella

  • Cuellos de botella cambiantes
  • ¡Métodos comunes de detección de cuellos de botella que NO funcionan!
  • Detección matemática precisa de cuellos de botella 1: el método del período activo promedio
  • Detección matemática precisa de cuellos de botella 2: el método del período activo: mi método preferido si tiene muchos datos (por ejemplo, de una simulación)
  • The Bottleneck Walk – Detección práctica de cuellos de botella Parte 1 – Mi método preferido en el taller

  • The Bottleneck Walk – Detección práctica de cuellos de botella Parte 2
  • Fuentes

  • Roser, Christoph, Masaru Nakano y Minoru Tanaka. «Detectando cuellos de botella cambiantes». En Simposio internacional sobre programación59-62. Hamamatsu, Japón, 2002.
  • Roser, Christoph, Masaru Nakano y Minoru Tanaka. Detección y monitoreo de cuellos de botella cambiantes2001.
  • Roser, Christoph, Masaru Nakano y Minoru Tanaka. «Monitoreo de cuellos de botella en sistemas dinámicos de eventos discretos». En Simulación Europea Multiconferencia. Magdeburgo, Alemania, 2004.
  • Roser, Christoph, Masaru Nakano y Minoru Tanaka. «Detección cambiante de cuellos de botella». En Conferencia de simulación de invierno, editado por Enver Yucesan, C. -H Chen, J. L Snowdon y John M Charnes, 1079-1086. San Diego, CA, EE. UU., 2002.
  • Roser, Christoph, Masaru Nakano y Minoru Tanaka. «Análisis de sensibilidad de rendimiento utilizando una sola simulación». En Conferencia de simulación de invierno, editado por Enver Yucesan, C. -H Chen, J. L Snowdon y John M Charnes, 1087-1094. San Diego, CA, EE. UU., 2002.
  • Roser, Christoph, Masaru Nakano y Minoru Tanaka. «Cuellos de botella que cambian el tiempo en la fabricación». En Conferencia internacional sobre mecatrónica avanzada. Asahikawa, Hokkaido, Japón, 2004.
  • Roser, Christoph, Masaru Nakano y Minoru Tanaka. «Seguimiento de cuellos de botella cambiantes». En Simposio Japón-Estados Unidos sobre Automatización Flexible, 745–750. Hiroshima, Japón, 2002.
  • Roser, Christoph, Masaru Nakano y Minoru Tanaka. «Utilización vs. Rendimiento: detección de cuellos de botella en sistemas AGV «. EnActas del simposio del sistema logístico, 67-70. Nagoya, 2002.
  • Facebook
    LinkedIn
    Procesos Industriales
    Procesos Industriales

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *