PEP. Modelación y simulación

[pic 1][pic 2]

Contenido

Introducción        3

Activo y/o proceso a modelar.        3

Desarrollo algoritmo.        4

Desarrollo del modelo (CPNtools)        4

Análisis de resultados        7

Conclusiones y proposiciones.        9

Bibliografía        9

Introducción

En el mundo ingenieril e industrial la gestión del mantenimiento es importante a la hora de lograr procesos con un estándar de calidad alto con el fin de minimizar los costos de producción, mano de obra, reduciendo la cantidad de fallas y el tiempo de solución de estos.

Uno de aquellos procesos donde se hace imperante esta gestión es en la línea de esmaltado de la empresa Garibaldi S.A, especializada en laminación de acero para la creación de piezas esmaltadas. En un análisis hecho anteriormente (PEP1) se descubrió que en aquella línea de producción existían 2 maquinas criticas en cuanto a fallas y tiempos de reparación, haciendo imperante enfocar los esfuerzos de mantenibilidad en aquellas.

Este esfuerzo se hace con el fin de generar una mayor confiabilidad en el funcionamiento de las líneas.

Para este trabajo se utilizan simulaciones de fallas y de mantenimiento correctivo, con el fin de obtener KPI´s correspondientes a las maquinas estudiadas

Activo y/o proceso a modelar.

La empresa en que fue enfocada este trabajo tiene relación con el rubro metalmecánico. Garibaldi S.A es una sociedad dedicada a la creación de zunchos de acero, de plástico, estampados, esquineros de cartón y mangos de escoba.

Dentro de esta empresa existe la línea de esmaltado y la de patentado, ambas las más grande dentro de la compañía, y por ende las que obtienen mayores utilidades.

Bajo lo anterior se decide modelar para la línea de esmaltado el proceso para la falla y el mantenimiento correctivo de las máquinas más críticas de ella, las cuales fueron deducidas desde la PEP 1, las que corresponden a la cortadora klopher y el horno elotherm.

Desarrollo algoritmo.

En este caso se optó por mejorar el diagrama del algoritmo presentado en la PEP 1 debido que en esta ocasión se enfocó en el mantenimiento correctivo de las dos máquinas más criticas del sistema de producción, a diferencia del anterior diagrama que tenia relación tanto con el mantenimiento preventivo como correctivo de la línea de esmaltado. Esta decisión ocurre debido a falta de información en la fuente principal de datos (tesis) y nulo hallazgo de información extra de las máquinas en la literatura.

[pic 5]

El proceso detecta una falla, se identifica esta y se procede a registrar cuanto es el tiempo que pasó hasta aquella avería, se realiza el mantenimiento correctivo y se vuelve al funcionamiento de la línea de esmaltado.

Desarrollo del modelo (CPNtools)

Luego de realizar el bizagi se modela en CPNtools la detección de la falla, su respectivo reconocimiento, el registro de las horas que pasaron hasta ella y el posterior mantenimiento correctivo con su respectivo tiempo de reparación. Todo lo anterior ocurre bajo distribuciones estadísticas aplicadas en el software. A continuación se presenta el modelo jerarquizado.

[pic 6]

A continuación, se muestra el conjunto de colset, variables, funciones que permitieron generar una red de Petri acorde a lo pensado.

[pic 7]

Los elementos más importantes en la imagen anteriormente mostrada son la variable n, que corresponde a un entero el cual lleva las iteraciones a la que esta sometida la simulación. Se definen variables reales para almacenar en ellas los resultados obtenidos de las funciones, las cuales son para los tiempos de falla, TFH (tiempo de falla del horno), TFC (Tiempo de falla cortadora) las que tienen relación con una distribución Weibull, con parámetros de forma y escala, entregados en la tesis trabajada, cabe destacar que no fue considerado el valor del parámetro de localización debido a un impedimento del software que no permite usar los tres parámetros, en tanto para los tiempos de reparación TRH y TRC, se utilizó una distribución exponencial con un promedio de las horas en que estuvo detenida la máquina, en comparación con el tiempo que se planificó para la operación, esto debido a que no se logró encontrar más datos asociados a historiales de falla en la tesis ni en la literatura.