El propósito de este artículo es mostrar la aplicabilidad y ventajas de las técnicas estadísticas de diseño de experimentos como una alternativa útil para la optimización de modelos de simulación discreta. Los sistemas simulados son representaciones computacionales de sistemas reales, se definen como dinámicos debido a que evolucionan en el tiempo por medio de la ocurrencia de eventos discretos, su ventaja es que permiten analizar y experimentar evitando los costos y riesgos que tendría una intervención en un sistema real. En este artículo, mediante un caso de estudio, se desarrolla una metodología que muestra las ventajas de la aplicación de la técnica de superficie de respuesta para la optimización de sistemas simulados. El caso de estudio corresponde a un sistema de producción diseñado con la filosofía empresarial Justo a Tiempo (traducción del inglés Just in Time, JIT), específicamente un sistema KANBAN/CONWIP, donde se analizó el impacto que tienen ciertos factores operacionales acerca de la eficiencia, haciendo uso de técnicas de diseño de experimentos para la optimización estocástica. Los resultados obtenidos demuestran la efectividad que tiene la integración de las técnicas de diseño de experimentos y simulación discreta en la definición de parámetros operacionales de los procesos productivos, además de mejorar la confiabilidad de las metodologías encontradas en la literatura con una nueva consideración estadística.
INTRODUCCIÓN
Con la aplicación de técnicas de simulación discreta y diseño de experimentos en el estudio de sistemas productivos, se ha logrado evaluar independientemente la interacción de las variables del proceso con el objeto de mejorar su eficiencia operativa. Recientemente se ha discutido acerca de la utilidad que brindan las técnicas de diseño de experimentos para el análisis de modelos de simulación, principalmente cuando se cuenta con muchos factores o se quiere analizar si existen iteraciones importantes entre ellos o alguna relación no lineal influyente [1].
Entre las ventajas metodológicas que ofrece la integración del diseño de experimentos y los modelos de simulación discreta está la oportunidad de realizar un análisis de sensibilidad con los parámetros del proceso a diferentes niveles [2-3]. Esto proporciona mayor confianza a la hora de tomar decisiones e incrementa la fiabilidad de las medidas de desempeño de los modelos [4]. No obstante, los recientes avances en el uso de diseño de experimentos con fines de optimización no son frecuentemente utilizados en la literatura especializada, en contraste a los modelos matemáticos y algoritmos exactos/heurísticos con sus limitaciones para determinar los parámetros del proceso [5].
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Desempeño de algoritmos de enrutamiento y asignación de espectro (RSA) para una red óptica centralizada (SDON) de última generación
Video:
Programación con LabVIEW
Artículo:
Distribución del tamaño de las burbujas en celdas de flotación mecánica a escala de laboratorio e industrial y modelización de los efectos de las variables operativas
Capítulo de libro:
Método no convencional de modelado de polímeros
Artículo:
Estudio del comportamiento del flujo y de la caída de temperatura de la artesa de fundición de seis chorros con fundición de flujo reducido
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.