Modelos de series temporales para simulación de procesos industriales : aplicación al dimensionamiento y control de sistemas altamente variables

Abstract

[Resumen]

La simulación es una reconocida metodología para la modelización de sistemas productivos. Dentro de un proyecto de simulación, el análisis de los datos de entrada al modelo es una fase crítica que condiciona la validez de los resultados. Aunque diversos autores han indicado anteriormente la importancia de modelar adecuadamente las propiedades estadísticas de las series de temporales de un proceso, pocos trabajos del área han analizado los modelos adecuados para su empleo práctico más allá de la asunción de la hipótesis de independencia e igualdad de distribución (i.i.d.).

Con el fin de proporcionar una metodología flexible para la modelización de series con autocorrelación, se considera la adopción de los modelos ARTA (proceso autorregresivo a distribución general). Estos modelos son empleados para estudiar el comportamiento de líneas con autocorrelación en los tiempos de ciclo. El estudio llevado a cabo permite determinar el impacto que la presencia de autocorrelación tiene sobre el rendimiento de la línea, sobre las soluciones al problema de dimensionamiento óptimo y asignación de buffers y sobre los sistemas de control de la producción. Por otro lado, se proporciona un marco conceptual para caracterizar la presencia de variabilidad en múltiples escalas temporales y se analiza la influencia que la consideración de modelos con distintas escalas ejerce sobre los resultados.

La tesis se completa con el estudio de un caso paradigmático de una línea de fabricación altamente variable. Se muestra cómo la adopción de un modelo con dos escalas temporales, junto con la consideración de los efectos de autocorrelación, fueron medios necesarios para obtener un modelo válido. Este modelo fue empleado para la valoración de mejoras bajo un enfoque de fabricación Lean.