Simulación de producción para interrupciones y cambios en la mezcla de productos

Disclosure: M365.FM host Mirko Peters works at iFAKT GmbH. This page describes the company factually; paid partnerships and links are labelled as advertising.

Por Mirko Peters · 2026-11-12

Simulación de producción ante interrupciones: prueba averías, ausencias, retrasos de material y cambios en la mezcla de productos en un modelo antes de que afecten a tu línea. Una guía práctica.

Traducido automáticamente con IA a partir de la publicación original. Lee el original en inglés

Una simulación de producción te permite reproducir una interrupción en un modelo: una avería en tu cuello de botella, la falta de un operario, una entrega tardía o un cambio en la mezcla de productos. Así puedes ver qué ocurre con la producción y el tiempo de entrega sin tocar la línea real. Este artículo está dirigido a planificadores de producción que quieren saber qué interrupciones simular, qué datos necesitan y cómo interpretar los resultados.

Puntos clave

• Una simulación de producción te permite reproducir una interrupción, como una avería o un cambio en la mezcla de productos, en un modelo y ver su efecto en la producción y el tiempo de entrega antes de que ocurra.
• Elige las interrupciones según su probabilidad y su impacto, a partir de tus propios registros. Modelar todos los eventos posibles solo hace que el modelo sea más lento y menos fiable.
• Un cambio en la mezcla de productos puede desplazar el cuello de botella aunque el volumen total se mantenga, porque las variantes usan máquinas compartidas durante tiempos distintos.
• Como las averías son aleatorias, ejecuta cada escenario varias veces y compara rangos, no un único resultado.
• Valida primero el modelo con un periodo pasado y mantén una lista corta de escenarios de interrupción que vuelvas a ejecutar cada vez que cambie el proceso.

¿Qué puede mostrarte una simulación sobre una interrupción?

Una interrupción es cualquier cosa que haga que el plan deje de ser válido: menos capacidad de la prevista, material que no llega o una demanda distinta a la previsión. Un plan responde a «qué debería pasar». Una simulación de fábrica responde a «qué pasa si esto sale mal».

El NIST describe la simulación de eventos discretos como una forma de analizar un sistema de producción bajo distintos escenarios y condiciones, y de medir el rendimiento, la capacidad y los cuellos de botella. La misma página del NIST señala el principal obstáculo: es difícil obtener datos oportunos y precisos sobre equipos y procesos. Tenlo en cuenta, porque determina hasta qué punto puedes fiarte de cualquier resultado.

Lo más útil que muestra una simulación es dónde se concentra el problema. Una parada en una máquina rara vez afecta solo a esa máquina. El trabajo se acumula delante de ella, deja sin carga a las estaciones posteriores y retrasa pedidos que nunca pasaron por ella. Un modelo hace visible esa cadena en minutos, en lugar de semanas apagando incendios.

También te ayuda a ver que el cuello de botella puede desplazarse. La introducción del Lean Enterprise Institute a la teoría de las restricciones indica que, después de actuar sobre la restricción, debes reevaluar si se ha desplazado a otra parte del sistema. Una interrupción hace lo mismo sin pedirte permiso. Ejecútala primero en el modelo.

¿Qué interrupciones merece la pena simular?

No todas. Empieza con una lista corta y elige según dos preguntas: ¿con qué frecuencia ocurre y cuánto cuesta cuando ocurre?

Candidatos habituales:

• Paradas de máquina. Modela con qué frecuencia se para y cuánto duran las reparaciones. Los promedios ocultan las reparaciones largas, y son esas las que más daño hacen. Si tu registro de mantenimiento tiene duraciones reales de parada, usa su dispersión, no solo la media.
• Personal: ausencias, una habilidad que falta en un turno, límites de horas extra.
• Material: una entrega tardía, una entrega incompleta, una retención de calidad en un lote recibido.
• Pérdida de calidad: desecho o retrabajo que devuelve piezas a una estación.
• Pedidos urgentes: un pedido urgente que se salta la cola y obliga a hacer preparaciones adicionales.
• Cambios en la demanda: una proporción distinta de variantes o un aumento repentino de volumen.

Usa tus propios registros para priorizarlas. Revisa el registro de paradas del año pasado, los informes de turno y la lista de pedidos retrasados. Si una interrupción aparece todos los meses, simúlala. Si ocurrió una sola vez en cinco años, anótala y déjala fuera por ahora.

¿Cómo se simula un cambio en la combinación de productos?

La combinación de productos es la proporción de cada variante en tu flujo de pedidos. Es importante porque las variantes rara vez usan las máquinas compartidas durante el mismo tiempo. Cuando cambia la combinación, cambia la carga de cada recurso, aunque el número total de unidades sea el mismo.

Un artículo de la Winter Simulation Conference sobre simulación interactiva de fabricación muestra este efecto en un área de hornos por lotes. Los productos solo pueden compartir un lote con determinadas reglas de combinación, así que el orden de los productos afecta al uso de los hornos, y el cuello de botella se desplaza a medida que cambia la combinación. Es un artículo antiguo y un caso especial, pero la lección se aplica a la mayoría de los recursos compartidos.

Así puedes abordarlo paso a paso:

1. Fija una línea base. Usa la combinación actual y asegúrate de que el modelo reproduce la producción y los plazos de entrega recientes.
2. Define la nueva combinación. Expresala como proporciones del volumen, por ejemplo, "la variante B pasa de ser minoritaria a representar la mitad de los pedidos". Decide si el volumen total se mantiene o crece.
3. Revisa los datos por variante. Cada variante necesita su propia ruta de fabricación, tiempos de proceso y tiempos de preparación. Los cambios entre variantes suelen importar más que los tiempos de ejecución.
4. Ejecuta la nueva combinación. Compara la utilización por recurso, la longitud de las colas y el plazo de entrega por variante.
5. Cambia la combinación por etapas. No pruebes solo el estado final. Desplázala en unos cuantos pasos para encontrar el punto en el que el cuello de botella pasa a otro recurso o en el que el plazo de entrega empieza a subir con rapidez.
6. Anota qué cambiarías. Un segundo turno, un colchón de inventario, otra regla de secuenciación, una herramienta en una segunda máquina. Después prueba esos cambios en el mismo modelo.

Ejemplo: una comprobación rápida (cifras hipotéticas)

Este ejemplo está inventado para mostrar la lógica. No es un resultado medido.

Una celda tiene una fresadora. La variante A tarda 6 minutos allí y la variante B tarda 10 minutos. Hoy, el 70% de los pedidos son de A y el 30% de B. El tiempo medio por unidad es 0.7 × 6 + 0.3 × 10 = 7.2 minutos. En un turno de 450 minutos, la fresadora puede fabricar unas 62 unidades.

Ahora la combinación pasa a 50% A y 50% B. La media sube a 8 minutos, y el mismo turno produce unas 56 unidades. Es aproximadamente un 10% menos de producción solo por el cambio de combinación, sin ninguna avería.

Añade una parada de 45 minutos. La fresadora dispone ahora de 405 minutos, y el turno produce unas 50 unidades. Dos cambios aparentemente inofensivos han restado cerca de una quinta parte de la producción.

Este cálculo es una buena primera comprobación y conviene hacerlo antes de construir cualquier modelo. Lo que no puede mostrar son las colas, las preparaciones, las reglas de lotes, las paradas aleatorias y el efecto en cadena sobre la estación siguiente. Eso es lo que aporta la simulación.

¿Qué datos necesitan los escenarios?

Los escenarios de interrupción necesitan algunos elementos que el modelo normal quizá no tenga. Revisa esta lista antes de prometer resultados.

• Historial de paradas por máquina: con qué frecuencia se detiene y cuánto dura cada parada, tomado del registro de mantenimiento o de paradas.
• Calendarios de trabajo y habilidades: quién puede operar cada estación y qué ocurre en un turno corto.
• Tiempos de preparación y de cambio entre variantes, no solo los tiempos de ejecución.
• Datos de pedidos y fechas de entrega, para ver qué pedidos se retrasan y no solo que algo se retrasó.
• Las reglas que la línea realmente sigue hoy: reglas de secuenciación, límites de horas extra, cuándo pasa un trabajo a otra máquina.

Si falta una fila, indícalo en la descripción del escenario. Un resultado basado en una duración de parada supuesta es una suposición con un gráfico bonito alrededor. Pide al equipo de línea que revise los números. Muchas veces te dirán en dos minutos cuál es el incorrecto.

¿Cómo se realiza un estudio de interrupciones?

Los pasos son los mismos que en cualquier proyecto de simulación, con algunos puntos que cobran más importancia en las interrupciones.

1. Escribe la pregunta. Por ejemplo: "Si la fábrica se detiene durante un turno completo, ¿qué pedidos no cumplen su fecha y cuál es la respuesta más barata?"
2. Valida la línea base. Compara la salida del modelo con un periodo pasado. Si la diferencia es grande, corrige los datos antes de añadir una sola interrupción.
3. Define un conjunto reducido de escenarios. Con tres a cinco basta. Asigna un nombre a cada uno y anota qué cambia y durante cuánto tiempo.
4. Ejecuta cada escenario varias veces. Las averías son aleatorias, así que una ejecución puede parecer mejor o peor de lo habitual. Compara el rango de resultados, no un único número.
5. Prueba las respuestas. Horas extra, traslado de trabajo a otra máquina, cambio de secuencia, uso de stock. Un estudio de interrupciones sin opciones de respuesta solo te dice que las cosas salen mal.
6. Acuerda la regla de decisión. Antes de la ejecución, decide qué resultado te llevaría a actuar. Si no, los números simplemente se debaten.

Mantén los escenarios en una lista breve que puedas volver a ejecutar cuando cambie el proceso. Una biblioteca de escenarios vale más que cualquier estudio concreto.

¿Dónde encajan las herramientas de Microsoft?

Tu sistema ERP suele ser el lugar donde residen las rutas de fabricación, las listas de materiales y los calendarios de trabajo. Por eso es la fuente natural de los datos base del modelo. El modelo en sí suele ser un software aparte.

Para mostrar resultados, Power BI funciona bien para comparar escenarios lado a lado. Microsoft Learn también documenta los parámetros what-if: una variable ajustable que los lectores del informe cambian con un segmentador, de modo que el informe se recalcula. Es útil para aritmética sencilla como el ejemplo anterior, por ejemplo cambiar la proporción de la mezcla y ver cómo se mueve una cifra de capacidad. Microsoft indica que estos parámetros están diseñados para medidas en los elementos visuales. No simulan colas, así que no confundas un control deslizante what-if con una simulación.

Errores comunes

• Simularlo todo. Demasiados escenarios hacen que el modelo sea lento y que los resultados sean difíciles de explicar.
• Usar solo tiempos medios de reparación. Las paradas largas son las que causan la mayor parte del daño.
• Probar solo el estado final de un cambio de mezcla. El cuello de botella a menudo se desplaza por el camino.
• Saltarse la comprobación de la línea base. Si el modelo no puede reproducir el mes pasado, sus resultados de interrupciones son suposiciones.
• Confiar en una sola ejecución. Con eventos aleatorios, una única ejecución puede inducir a error.
• Olvidar a las personas. Las ausencias, las habilidades y los límites de horas extra deben incluirse en el modelo cuando la interrupción afecta a la plantilla.
• Construir un modelo puntual. Un modelo que nadie actualiza tras el siguiente cambio de proceso queda obsoleto en unos pocos meses.

Dónde encaja Polaris

Si tus preguntas giran en torno a capacidad, personal, colchones o mezcla de productos, iFAKT Polaris es una opción que conviene valorar. iFAKT describe Polaris como IA más un gemelo digital para la producción, que combina datos del ERP con un gemelo digital de fabricación. El módulo Polaris Simulator prueba el sistema productivo de forma virtual, incluidos los escenarios de capacidad, personal y colchones, y las mezclas de productos dinámicas en recursos compartidos. El módulo Polaris Optimizer detecta cuellos de botella y, cuando se producen interrupciones, analiza su impacto y reoptimiza el plan. Que encaje o no depende de tus datos y de tu pregunta, así que pruébalo primero en un caso concreto y acotado.

Temas relacionados para explorar

• Alimentar el modelo con datos en tiempo real. Un gemelo digital mantiene el modelo conectado a la planta. Decide primero si tu decisión necesita un flujo de datos en vivo o basta con un buen modelo.
• Modelar la respuesta humana. Las reacciones retardadas y los cambios de turno alteran lo que dura una interrupción, así que inclúyelos cuando la plantilla forme parte de la pregunta.
• Recuperación y reinicio. Cuando termina la interrupción, el trabajo acumulado llega a la línea. Simula el reinicio, incluidos los límites de horas extra.
• Cerrar el ciclo con la planificación. Una vez que la interrupción es real, la programación tiene que cambiar. Piensa en cómo el resultado de una simulación alimenta la replanificación.

Siguiente paso

Las interrupciones de producción simuladas son más fáciles de manejar si partes de tu propio registro de tiempos de inactividad. Elige la interrupción que más te costó el año pasado, descríbela en una sola frase con su duración y el recurso afectado, y pruébala en un modelo, aunque sea aproximado, antes de la próxima reunión de planificación.