Problema de asignación del buffer en una línea de manufactura de zapatos: Enfoque de metamodelado
DOI:
https://doi.org/10.17533/udea.redin.20210735Palabras clave:
Asignación de recursos, administración de operaciones, optimización, métodos experimentales, análisis de regresiónResumen
La producción de calzado está sujeta a la variabilidad inherente en cualquier proceso y los fabricantes necesitan aplicar herramientas que les permitan tomar decisiones certeras. En este trabajo se documenta el proceso para optimizar la asignación del buffer en una línea de producción de zapatos, minimizando el tiempo de ciclo en el Sistema, aplicando un enfoque de metamodelado. Se encontró que el cosido del frente y la interacción entre la operación del cosido del forro y la operación de ensamble tienen el mayor efecto sobre el tiempo de ciclo del producto dentro del proceso, la asignación óptima de espacios consiste en un acomodo desigual en la línea saturando las estaciones más lentas y el tiempo de ciclo sigue un comportamiento no lineal vs. la cantidad total de espacios disponibles (N) en la línea. Para un valor de N, el tiempo de ciclo alcanza un valor mínimo.
Descargas
Citas
S. H. González, R. R. Tapia, and J. A. J. García, “Analysis of the productivity of a shoe production line–application of queueing theory and lean manufacturing,” in Best Practices in Manufacturing Processes. New York: Springer, Cham, 2019, pp. 367–388.
V. Cerda-Mejía and et al., “Simulation strategy to reduce quality uncertainty in the sugar cane honey process design,” Ingeniería e Investigación, vol. 41, no. 1, 2021. [Online]. Available: https://dialnet.unirioja.es/servlet/articulo?codigo=7736574
C. Bocanegra-Herrera and C. J. Vidal, “Development of a simulation model as a decision support system for sugarcane supply,” DYNA revusta facultad nacional de minas, vol. 83, no. 198, 2016. [Online]. Available: https://doi.org/10.15446/dyna.v83n198.52719.
S. Y. K. . O. Kilincci, “Hybrid approach for buffer allocation in open serial production lines,” Computers and Operations Research, vol. 60, Ago. 2015. [Online]. Available: https://doi.org/10.1016/j.cor.2015.01.009
S. Weiss, J. A. Schwarz, and R. Stolletz, “The buffer allocation problem in production lines: Formulations, solution methods, and instances,” IISE Transactions, vol. 51, no. 5, May. 30, 2019. [Online]. Available: https://doi.org/10.1080/24725854.2018.1442031
G. A. Vouros and H. T. Papadopoulos, “Buffer allocation in unreliable production lines using a knowledge based system,” Computers & Operations Research, vol. 25, no. 12, Dic. 1998. [Online]. Available: https://doi.org/10.1016/S0305-0548(98)00034-3
G. A. Vouros, M. I. Vidalis, and H. D. Papadopoulos, “A heuristic algorithm for buffer allocation in unreliable production lines,” International Journal of Operations and Quantitative Management, vol. 6, no. 1, 2000. [Online]. Available: https://bit.ly/3d6ZjBT
J. M. Smith and F. B. Cruz, “The buffer allocation problema for general finite buffer queueing networks,” IIE Transactions, vol. 37, no. 4, 2005. [Online]. Available: https://doi.org/10.1080/07408170590916986
S. Durieux and H. Pierreval, “Regression metamodeling for the design of automated manufacturing system composed of parallel machines sharing a material handling resource,” International Journal of Production Economics, vol. 89, no. 1, May. 2004. [Online]. Available: https://doi.org/10.1016/S0925-5273(03)00199-3
R. O. Kuehl, Design of experiments : statistical principles of research design and analysis, 2nd ed. Pacific Grove, CA : Duxbury/Thomson Learning, 2000.
G. Wang, S. Song, Shin, Y.W. and D. H. Moon, “A Simulation Based Study on Increasing Production Capacity in a Crankshaft Line Considering Limited Budget and Space” Journal of Korean Institute of Industrial Engineers, vol. 40, no. 5, May. 29, 2014. [Online]. Available: https://doi.org/10.7232/jkiie.2014.40.5.481
A. Patchong and L. Kerbache, “Transiting toward the factory of the future: Optimal buffer sizes and robot cell design in car body production,” in IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), Singapur, 2017.
J. T. Lin and C. C. Chiu, “A hybrid particle swarm optimization with local search for stochastic resource allocation problem,” Journal of Intelligent Manufacturing, vol. 29, Jul. 14, 2015. [Online]. Available: https://doi.org/10.1007/s10845-015-1124-7
J. Li, “Continuous improvement at toyota manufacturing plant: applications of production systems engineering methods,” International Journal of Production Research, vol. 51, no. 23-24, Feb. 6, 2013. [Online]. Available: https://doi.org/10.1080/00207543.2012.753166
N. Nahas, “Buffer allocation and preventive maintenance optimization in unreliable production lines,” Journal of Intelligent Manufacturing volume, vol. 28, Ene. 2017. [Online]. Available: https://doi.org/10.1007/s10845-014-0963-y
M. Ouzineb, F. Z. Mhada, R. Pellerin, and I. E. Hallaoui, “Optimal planning of buffer sizes and inspection station positions,” Production & Manufacturing Research, vol. 6, no. 1, Feb. 1, 2018. [Online]. Available: https://doi.org/10.1080/21693277.2017.1422812
S. Shaaban and R. Romero-Silva, “Performance of merging lines with uneven buffer capacity allocation: the effects of unreliability under different inventory-related costs,” Central European Journal of Operations Research, Ene. 19, 2020. [Online]. Available: https://doi.org/10.1007/s10100-019-00670-9
F. Altiparmak, B. Dengiz, and A. Bulgak, “Buffer allocation and performance modeling in asynchronous assembly system operations: An artificial neural network metamodeling approach,” Applied Soft Computing, vol. 7, no. 3, Jun. 2007. [Online]. Available: https://doi.org/10.1016/j.asoc.2006.06.002
M. A. . A. Mohtashami, “Buffer allocation in unreliable production lines based on design of experiments, simulation, and genetic algorithm,” The International Journal of Advanced Manufacturing Technology, vol. 62, Sep. 2012. [Online]. Available: https://doi.org/10.1007/s00170-011-3802-8
W. Ameen, M. AlKahtani, M. K. Mohammed, O. Abdulhameed, and A. M. El-Tamimi, “Investigation of the effect of buffer storage capacity and repair rate on production line efficiency,” Journal of King Saud University – Engineering Sciences, vol. 30, no. 3, Jul. 2018. [Online]. Available: https://doi.org/10.1016/j.jksues.2018.03.001
M. M. Motlagh, P. Azimi, M. Amiri, and G. Madraki, “An efficient simulation optimization methodology to solve a multi-objective problem in unreliable unbalanced production lines,” Expert Systems with Applications, vol. 138, Dic. 30, 2019. [Online]. Available: https://doi.org/10.1016/j.eswa.2019.112836
F. Nuñez-Piña, J. Medina-Marin, J. C. Seck-Tuoh-Mora, N. Hernandez-Romero, and E. S. Hernandez-Gress, “Modeling of throughput in production lines using response surface methodology and artificial neural networks,” Complexity, vol. 2018, Ene. 31, 2018. [Online]. Available: https://doi.org/10.1155/2018/1254794
H. T. Papadopoulos and M. I. Vidalis, “Minimizing wip inventory in reliable production lines,” International Journal of Production Economics, vol. 70, no. 2, Mar. 21, 2001. [Online]. Available: https://doi.org/10.1016/S0925-5273(00)00056-6
J. O. Hernández-Vázquez, S. Hernández-González, J. A. Jiménez-García, M. D. Hernández-Ripalda, and J. I. Hernández-Váquez, “Enfoque híbrido metaheurístico AG-RS para el problema de asignación del buffer que minimiza el inventario en proceso en líneas de producción abiertas en serie,” Revista iberoamericana de automática e informática industrial (RIAI), vol. 16, no. 4, 2019. [Online]. Available: https://doi.org/10.4995/riai.2019.10883
S. Shaaban, T. McNamara, and V. Dmitriev, “Asymmetrical buffer allocation in unpaced merging assembly lines,” Computers & Industrial Engineering, vol. 109, Jul. 2017. [Online]. Available: https://doi.org/10.1016/j.cie.2017.05.008
W. J. Hopp and M. L. Spearman, Factory Physics, 3rd ed. Long Grove: Waveland Pr Inc, 2011.
S. Balsamo, V. Nitto-Persone, and R. Onvural, Analysis of Queueing Networks with Blocking. New York: Springer Science+Business Media, 2001.
J. P. Kleijnen and R. G. Sargent, “A methodology for fitting and validating metamodels in simulation,” European Journal of Operational Research, vol. 120, no. 1, Ene. 1, 2000. [Online]. Available: https://doi.org/10.1016/S0377-2217(98)00392-0
Descargas
Publicado
Versiones
- 2021-07-09 (4)
- 2021-11-19 (2)
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Revista Facultad de Ingeniería Universidad de Antioquia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter