Simulacion

Simulacin de los Procesos de Produccin en
los Ingenios Azucareros
FICA - EISIC
LA SIMULACIN EN LA INDUSTRIA
1.1. INTRODUCCIN
La construccin de simuladores inicia de manera oficial desde la poca del

renacimiento, donde se plantearon y resolvieron los primeros sistemas de
simulacin,
relacionados
bsicamente
con
los
juegos
de
azar y
comprobacin de resultados probabilsticos. Sin embargo, el uso actual de la

palabra simulacin data del ao 1940, cuando los cientficos Von Neuman y
Ulam trabajaban en el proyecto Monte Carlo (basado en la obtencin de
datos de la ruleta rusa en Mnaco).
Durante la segunda guerra mundial, resolvieron problemas relacionados a

las reacciones nucleares en las experimentaciones de la bomba atmica,
cuya solucin experimental sera muy costosa y cuyo anlisis matemtico
sera demasiado complejo.
Con la utilizacin de las supercomputadoras en el desarrollo de los

experimentos de simulacin, fueron surgiendo novedosas aplicaciones y
como consecuencia de ello, una mayor cantidad de problemas tericos y
prcticos.
Los lenguajes utilizados para resolverlos no eran lo suficientemente

aceptables, ya que dependan en gran cantidad a la experiencia cientfica de
quienes lo creaban y su generalizacin era imposible. Se utilizaba lenguajes
de mquina o assembler, con la dificultad de ser exac tos en cuanto a fechas;
posteriormente el avance de diseo de hardware y la aparicin de lenguajes
de propsito general y especiales, permitieron de algn modo generalizar en
una porcentaje aceptable el uso y aplicacin de los conceptos, mtodos y
tcnicas de simulacin.
Miriam E. lvarez Ricardo M. Garca

FICA - EISIC
Hoy por hoy, la difusin del trmino de simulacin y de sus aplicaciones se

ha extendido en un basto nmero de usuarios que siguen generando nuevos
retos y proyectos para esta ciencia. Actualmente la interrelacin de la
simulacin con otras tcnicas, han permitido desarrollar proyectos ms
completos que vislumbran formidables perspectivas de transformacin
tecnolgica.
Se ha relatado una breve sntesis de la simulacin en general, pero ya

enfocndonos en el rea industrial se debe destacar que los primeros
modelos los aplicaron en las fbricas para remplazar la mano de obra en
actividades tales como anotaciones contables, escritura de informes y
resolucin de ecuaciones, obteniendo como ventaja la velocidad y la
exactitud de sus clculos.
El rea de investigacin y desarrollo encuentra este tipo de servicio

provechoso, debido a que generalmente tiene diversos problemas que
necesitan una gran cantidad de clculos y tiempo rpido de respuesta con
exigencias limitadas de entrada y salida.
La simulacin puede lograrse si se tiene en primera instancia conocimiento

del proceso implicado. El proceso puede ser fsico, tal como un transportador
de material, o abstracto, cuando solo comprende informacin.
1.2. DEFINICIN
A continuacin mencionamos varias definiciones de la simulacin, tomadas

de varias fuentes.
[LIB-01] Simulacin es el proceso de disear un modelo de un sistema real

FICA - EISIC
[LIB-02] La simulacin es un eficaz instrumento para el anlisis y diseos de

sistemas; permite la construccin de modelos que son una representacin
exacta del mundo real
Despus de listar las dos definiciones podemos determinar que la simulacin

no es ms que la herramienta que permite analizar, disear y evaluar un
sistema
travs
de
modelos
que
contemplen cualitativamente y
cuantitativamente las entradas y salidas del sistema.
1.3. IMPORTANCIA
La simulacin cada vez se vuelve un instrumento necesario en cualquier

rea de trabajo es por eso hemos enmarcado su importancia en los
siguientes:
v Es menos caro y ms rpido que construir fsicamente el sistema real.
v Descubrir errores de diseo en el modelo en lugar de hacerlo en el
sistema real.
v Instrumento de estimacin y pronstico.
v En base a resultados obtenidos de la simulacin podemos tomar
decisiones a tiempo.
v Estrategia de planeacin
v La simulacin proporciona un control sobre el tiempo, debido a que es un
fenmeno que se puede acelerar o retardar segn se desee.
A nuestro juicio: - desde cualquier punto de vista, el incluir mtodos y

tcnicas de simulac in en un proceso, sistema, procedimiento, etc, asegura
un anlisis mucho ms conveniente tanto en consumo de recursos fsicos
como de logstica; adems de que se consiguen resultados confiables con

FICA - EISIC
un margen de error mnimo y evitando prdidas producto de una

planificacin sin bases de conocimiento.
1.4. APLICACIN
Las reas de aplicacin de la simulacin son muy amplias de las cuales

vamos a citar algunas de ellas a continuacin.
v Anlisis del impacto ambiental causado por diversas fuentes.
v Anlisis y diseo de sistemas de manufactura.
v Anlisis y diseo de sistemas de comunicaciones.
v Evaluacin del diseo de organismos prestadores de servicios
o pblicos (por ejemplo: hospitales, oficinas de correos,
telgrafos,
o casas de cambio, etc.).
v Anlisis de sistemas de transporte terrestre, martimo o por aire.
v Anlisis de grandes equipos de cmputo.
v Anlisis del departamento de produccin de una fbrica.
v Adiestramiento de operadores industriales.
v Planeacin para la produccin en industrias alimenticias.
v Anlisis financiero de sistemas econmicos.
v Evaluacin de sistemas tcticos o de defensa militar.
En la industria, la simulacin se aplica en varias etapas, por ejemplo: en la

etapa de diseo para ayudar con el mejoramiento de un proceso o diseo, o
a su vez a un sistema ya existente para explorar algunas modificaciones. Es
recomendable la aplicacin de la simulacin a sistemas ya existentes
cuando existe algn problema de operacin o bien cuando se requiere llevar
a cabo una mejora en el comportamiento. El efecto que sobre el sistema
ocurre cuando se cambia alguno de sus componentes se puede examinar

FICA - EISIC
antes de que ocurra el cambio fsico en la planta para asegurar que el

problema de operacin se soluciona o bien para determinar el medio ms
econmico para lograr la mejora deseada.
1.5. FASES DE LA SIMULACIN
En la figura # 1.1, se visualiza las fases o etapas de simulacin, donde se

resaltan las interacciones entre los procesos principales: Desarrollo del
Modelo, Ejecucin del Modelo y Anlisis de salida del modelo[WEB-01].
Ejecucin del
modelo
Desarrollo del
Modelo
Anlisis de
salida del
modelo
Figura # 1.1: Fases de la Simulacin
Desarrollo del Modelo
El desarrollo del modelo permite formular el problema, definir el sistema

simulador, formular modelos de simulacin y trasladar al modelo a
computadora.

FICA - EISIC
Ejecucin del modelo

La ejecucin de los modelos contempla la Validacin, Verificacin y
Experimentacin
Anlisis de Salida del Modelo

Este paso permite la Implementacin y Documentacin de la simulacin
Ms adelante se har mencin a este grupo de procedimientos y fases de

simulacin, que se explicarn con mayor fundamento y profundidad basados
en el caso prctico que estamos analizando.
1.6. EVENTOS ALEATORIOS.
Un aspecto fundamental durante todo el proceso de Simulacin, es sin duda

la aplicacin de tcnicas para resolver o ayudar a resolver pequeos
factores de incertidumbre que se generan habitualmente; por esta razn es
necesario el estudio de este tipo de mtodos o tcnicas.
Aleatoriedad
Todos los lenguajes de computadora usados para desarrollar simulaciones
tienen una capacidad incluida de generar una serie de nmeros aleatorios
entre 0 y 1 en la que se cumple lo siguiente:
1. El enfoque se basa en mtodos numricos.
2. La serie especfica depende de un valor inicial proporcionado por
el usuario llamado semilla. Para una semilla particular, la serie est
determinada. Cada vez que se usa esa misma semilla se genera la
misma serie de nmeros aleatorios.

FICA - EISIC
3. Los nmeros generados satisfacen las siguientes propiedades:

a) Estn uniformemente distribuidos entre 0 y 1; y
b) Los
nmeros
sucesivos
son
estadsticamente
independientes entre si.

Para nuestro estudio, si se presentase este tipo de factores de
incertidumbre, nos limitaremos al uso de este conc epto de acuerdo al
planteamiento del lenguaje o herramienta que utilizramos.
Adems, el uso de conceptos estadsticos est ntimamente relacionado al
campo de estudio de la simulacin; a partir de fundamentos estadsticos se
van estableciendo condiciones y conceptos a utilizar en la resolucin de
problemas del tipo probabilidad y pronstico con los que se identifica un
modelo de simulacin tpico.
1.7. TCNICAS ESTADSTICAS
Existen diferentes tipos y mtodos estadsticos que coadyuvan al

establecimiento de resultados durante un proceso de simulacin. [WEB-2]
Para el estudio en mencin solo citaremos los siguientes:
Medidas de centralizacin.- Que representan a toda la distribucin. Los
ms importantes son la media aritmtica, la mediana y la moda.
La media aritmtica .- Se llama as a la suma de todos los valores dividida
por el nmero total de los mismos. Para una tabla de frecuencias en la que a
cada valor de la variable x i, le corresponda una frecuencia absoluta fi, la
media que se representa por X, se calcula as:

FICA - EISIC
Medidas de dispersin.- Que indican si los valores estn agrupados o

dispersos. Los ms importantes son la varianza y la desviacin tpica.
Varianza.- Se define la varianza de una distribucin de frecuencias al

nmero obtenido de la siguiente expresin:
A la raz cuadrada de la varianza se la denomina desviacin tpica, o sea:
Prueba T de Student
La prueba de t Student, es un mtodo de anlisis estadstico, que compara
las medias de dos categoras dentro de una variable dependiente, o las
medias de dos grupos diferentes. Es una prueba paramtrica, o sea que solo
sirve para comparar variables numricas de distribucin normal.
La prueba t Student, arroja el valor del estadstico t. Segn sea el valor de t,
corresponder un valor de significacin estadstica determinado.
En definitiva la prueba de t Student contrasta la HP Nula de que la media de
la variable numrica y, no tiene diferencias para cada grupo de la variable
categrica x.

FICA - EISIC
La prueba t para muestras independientes se utiliza para comparar la media

de dos grupos o dos categoras dentro de una misma variable dependiente.
1.8. RELACIN DE LA SIMULACIN Y LA INFORMTICA
A partir del profundo estudio de los fundamentos de la computacin y de la

necesidad de agrupar procesos manuales en automticos, se generan,
nuevos mbitos de estudio en la rama de las ciencias exactas y de la
informacin.
Es as, que se facilitan por medio del empleo de la informtica, el estudio de

la recreacin de eventos y sucesos reales en espacios abstractos y
reducidos. El avance en el estudio de los lenguajes de programacin, de
sistemas operativos, progresos significativos en la implementacin de
hardware; han permitido catapultar la resolucin de problemas del tipo
pronstico y afianzar el planteamiento de sistemas de simulacin en varios
mbitos de las ciencias.
Hace poco tiempo, para el estudio de fenmenos naturales, era preciso

emplear mucho tiempo de anlisis y clculos que se cargaban en programas
o algoritmos de liberacin de iteraciones desarrollados especficamente
para un evento particular, no llegando a comercializarse este tipo de
software debido al grado de especificad que se manejaba. Adems, se
emplearon verdaderos cuartos de hardware, en los que se mantenan
cientos de procesadores y equipos de computacin.
Hoy por hoy, el avance de la tecnologa informtica permite desarrollar

mayor cantidad de software para el manejo de simulaciones, extendindose
el tema de aplicacin a todas las reas que lo necesitan; las fbricas, las
10

FICA - EISIC
matemticas, entrenamiento, medicina, arquitectura, agronoma siendo

una pequea parte del amplio campo que mencionamos.
Cada proyecto de simulacin mantiene una estrecha relacin con los

fundamentos de algunas ciencias que forman parte de la informtica. Si nos
referimos al grupo de expertos y personal de apoyo que intervienen en el
desarrollo e implementacin de un sistema de simulacin, hacemos relacin
a profesionales que dependiendo del sistema que se desarrolla, interactan
entre s buscando plantear un modelo de resolucin apegado a las
caractersticas reales y manteniendo un margen de error aceptable.
Es aqu, cuando el director de proyecto: una profesional informtico, aplica
conceptos y fundamentos de ciencias informticas en las fas es de
recopilacin y adquisicin de informacin, almacenamiento de informacin,
planteamiento de algoritmos, anlisis y desarrollo de sistemas, etc.
No se puede afirmar de forma ortodoxa que exista una relacin directa entre
la simulacin y la informtic a; pero si que a partir de la segunda, la primera
se afianz y que actualmente utiliza como herramientas de apoyo algunas de
las ciencias que forman parte de la informtica actual.
1.9. LA SIMULACIN Y SU EFECTO EN LA INDUSTRIA
Para una compaa industrial, el invertir en el desarrollo e implementacin de

un sistema de simulacin es sumamente beneficioso, ya que los efectos que
se generan, permiten manejar el espacio global de la fbrica dentro de un
ambiente permisible a modificaciones y cambios, y sin incurrir en gastos
cuantiosos de dinero y de tiempo.
Debido a que el objeto de estudio se centra en el estudio de la Simulacin

con nfasis en la aplicacin de tcnicas de Computer Aided Engeeniering, se
11

FICA - EISIC
mencionan algunos campos de aplicacin en los que este tipo de sistemas

son beneficiosos:
En el entrenamiento
Utilizando el simulador aplicado como un sistema CAE en una planta de
produccin y ejecutndolo en modo offline (fuera de lnea), es posible
utilizarlo como una herramienta de entrenamiento para el personal
involucrado en la supervisin e inspeccin del proceso productivo.
En el diseo
Debido a la funcionalidad de una aplicacin de este tipo, es factible, a partir
de ensayos de informacin de produccin, proyectar el diseo de nuevos
equipos y maquinaria en una unidad operativa de proceso.
En la planificacin de cambios y en la bsqueda de problemas

Mediante el anlisis de informacin de cada unidad de proceso es posible,
identificar probables problemas de diseo e inclusive planificar cambios para
solucionarlos.
En el control y pronosticacin de la produccin

Al mantenerse un modelo que solucione el proceso de produccin, es
posible a partir del manejo de variables, constantes y particularidades del
ciclo de produccin, proyectar los volmenes de produccin y de prdidas en
un periodo establecido.
En la toma de decisiones
Con un banco de informacin generada a travs de la experimentacin y
apoyada en corridas del sistema con datos reales, es posible, proporcionar a
la direccin de una herramienta confiable para la toma de decisiones
empresariales.
12

FICA - EISIC
1.10. MODELOS DE SIMULACIN DE SISTEMAS
Los modelos de simulacin sirven como herramientas, capaces de

reproducir (imitar) el comportamiento del sistema simulado con detalles
esenciales y representativos, estos deben ser construidos con dependencia
a la realidad del sistema u objeto, la correspondencia entre el objeto real y el
modelo debe ser reversible, capaz de traducir la conducta del modelo a la
realidad emprica.
Para construir un modelo es necesario una eficiente seleccin de factores

que intervienen directamente en el comportamiento del objeto y una
descripcin adecuada de las relaciones funcionales, tomando en cuenta que
debe ser subjetivo a la realidad.
La calidad de las respuestas de los factores y relaciones funcionales de un

modelo deben ser sometidas a una verificacin experimental, que; aunque
sea sencilla, servir para identificar el grado de error producido por el
modelo y adems corregir los puntos errneos del modelo construido.
[WEB-03] Dado que el modelo representa la realidad con una cantidad

menor de informacin, se presenta un error inherente al proceso de
modelizacin que puede ser reducido, pero no eliminado, esta reduccin se
puede realizar por dos rutas complementarias.
Mayor precisin en la medida y mejor seleccin de los componentes:
no implica mayor complejidad del modelo.
Mayor cantidad de componentes, partes e interrelaciones funcionales:
implica una mayor complejidad del modelo.
13
FICA - EISIC
Complejidad

Error
Grfico # 1.1. La relacin entre error y complejidad.
En la grfica # 1.1 podemos determinar que si tratamos de reducir

demasiado el grado de error, el modelo se vuelve demasiado complejo y
mientras menos complejo lo hagamos el modelo, el error se vuelve muy
grande, es por eso, que se debe encontrar un punto medio.
Despus de este anlisis en necesario que se defina lo que es modelo, para

ello, se ha tomado tres definiciones tales como[WEB-04]:
Un modelo es simplemente una representacin de la esencia de un

sistema.
Una representacin simplificada de la realidad en la que aparece alguna de

sus propiedades.
Un modelo es un objeto, concepto o conjunto de relaciones que se utilizan

para representar y estudiar de forma simple y comprensible una porcin de
la realidad.
Despus de lis tar estas definiciones, se puede concluir que un modelo es:
Un instrumento de investigacin que simboliza las propiedades esenciales
de un sistema u objeto, para escenificar, describir y analizar de manera ms
comprensible y sencilla a la realidad del problema.
14

FICA - EISIC
Para que un modelo de simulacin logre satisfacer esta definicin se debe

tomar en cuenta como esta construido, cual es su funcionamiento y los
elementos que intervienen.
1.10.1. CONSTRUCCIN DE UN MODELO DE SIMULACIN

Para la construccin del modelo tenemos lo siguiente:
El modelo de simulacin deber hacerse tan sencillo como sea posible,

de esta forma es mayor la comprensin del modelo y sus resultados,
disminuyendo
el coste de desarrollo, depurado y mantenimiento del
cdigo de programacin, as como, el tiempo requerido para su

ejecucin.
Al realizar el modelo de simulacin conviene disponer de la mxima

informacin posible acerca del sistema. Puede ser til conversar con los
expertos que conocen el sistema, examinar las teoras existentes acerca
del mismo, a fin de no reinventar lo que ya sea a comprobado, realizar
observaciones experimentales.
Si el modelo de simulacin se divide en submodelos, deben modelarse

todos con un nivel similar de complejidad.
Durante la construccin del modelo puede invitarse especialistas en el

sistema, para que examinen datos de salida procedentes unos del
modelo y otros del sistema real, y que intenten sin conocer la respuesta,
identificar cuales provienen del modelo y cuales del sistema.
Despus de haber listado los anteriores consideraciones, podemos

enumerar los pasos para su construccin como se puede observar en la
figura # 1.2:
15

FICA - EISIC
Delimitacin
Formacin
Comparacin
Determinacin
Validacin
MODELO
Figura # 1.2. : Pasos para la construccin del modelo
Delimitacin.- Determinacin de los lmites, fronteras y restricciones del

sistema que se usarn ante su medio de estudio.
Formacin:.-
Se debe realizar un diagrama de flujo para encontrar los
parmetros o variables participantes.
Comparacin.- Como no todas las magnitudes y relaciones pueden caber

en la abstraccin o modelo, se debe realizar una seleccin de aquellas
magnitudes y relaciones que el observador considere esenciales.
Determinacin.-
Determinar el modelo de simulacin que se acople a
nuestras necesidades.
Validacin. Comprueba la correspondencia entre el desempeo del modelo

y el desempeo del sistema real
1.10.2. FUNCIN DE LOS MODELOS DE SIMULACIN.

[LIB-03] Los modelos de simulacin poseen las siguientes funciones:
Una ayuda para el entendimiento y pensamiento.
Los modelos pueden ayudarnos a organizar y clasificar conceptos confusos
e inconsistentes, obligan a pensar sobre que pasos son necesarios y su
secuencia, este modelo muestra la interrelacin y logros que se necesitan
16

FICA - EISIC
obtener, los tiempos de duracin y recursos que se requieren, etc. El hecho

de tratar de representar nuestras ideas y pensamiento de otra manera a
menudo indica las inconsistencias y ambigedades.
Una ayuda para la comunicacin.

Los modelos bien elaborados ayudan a que la estructura general sea ms
comprensible y revele relaciones de causa y efecto muy importantes.
Para entrenamiento e instruccin.

A menudo los modelos son ideales para entrenar a una persona para que
afronte varias eventualidades antes de que ocurran.
Una herramienta de prediccin.

Uno de los usos ms importantes de los modelos, es la prediccin de las
caractersticas del comportamiento de las entidades modeladas.
Una ayuda para la experimentacin.

Consiste en la variacin de ciertos parmetros del mismo, mientras otros se
mantienen constantes y se obs ervan los resultados.
1.10.3. ELEMENTOS DE LOS MODELOS DE SIMULACIN

[LIB-04] Los modelos de simulacin se conforman de la combinacin de los
siguientes elementos:
Componentes
Variables
Parmetros
Relaciones Funcionales
Restricciones
17

FICA - EISIC
Componentes.- Son las partes o subsistemas que conforman o constituyen

un sistema.
Variables.- Son valores que estn sujetos a la estructura de la funcin;

existen variables endgenas y exgenas. Las variables endgenas, son
aquellas producidas dentro del sistema que revelan su estado y su
condicin, es decir. a estas variables se les puede considerar como variables
de salida o dependientes, en cambio las variables exgenas se originan
fuera del sistema, ponindose en contacto con agentes externos, es decir,
son variables de entrada o independientes.
Parmetros.- Estn asociados al concepto de constante matemtica, por lo

tanto, no cambian su valor en una corrida de simulacin, pero pueden ser
modificados por el operador de una corrida a otra.
Relaciones Funcionales.- Mediante ecuaciones matemticas podemos

relacionar las variables con los parmetros, para mostrar su comportamiento
dentro de un componente o entre componentes.
Restricciones.- Son las limitaciones que pueden ser:

v Naturales.- Son las que fsicamente no pueden violarse, es decir, se
debe a las leyes inalterables de la naturaleza.
v Auto impuestas.- Limitaciones que se impone el hombre, para acotar
el estudio incluyendo las hiptesis.
18

FICA - EISIC
1.10.4. CLASIFICACIN DE LOS MODELOS DE SIMULACIN

Los modelos de simulacin segn autores tienen un sinnmero de
clasificaciones, pero, para nuestro estudio los hemos divido en los
siguientes:
v Fsicos
v Analgicos
v Matemticos
Modelos Fsicos.
Los modelos fsicos se caracterizan por ser la representacin fsica de un

objeto real a escala o idealizado, estos modelos se construyen en estados
de tiempo estticos, pero con propiedades idnticas al objeto. Otra
caracterstica de estos modelos es el manejo de dimensiones, es decir;
podemos manejar dos dimensiones para la representacin del objeto entre
estas tenemos, fotografas, planos, mapas, etc. Tambin se puede manejar
objetos en tres dimensiones o generalmente llamados modelos a escala,
como por ejemplo las maquetas, automviles, aviones, etc.
Cuando los objetos sobrepas an las tres dimensiones como se presentan en

muchos problemas de investigacin de operaciones y simulacin ya no se
pueden representar fsicamente y por lo tanto pasan a pertenecer a otro tipo
de modelos llamados analgicos o matemticos.
19

FICA - EISIC
Modelos Analgicos.
Los modelos analgicos permiten describir situaciones dinmicas de un

sistema o proceso valindose de sus caractersticas propias, para su
representacin puede valerse de diagramas de flujo, curvas de demanda,
etc. Estos modelos pueden describir varios procesos del mismo tipo, lo que
los modelos fsicos en cambio no podran describir de manera eficiente.
Cuando se trabaja con propiedades analgicas en un sistema podemos

incrementar la capacidad de hacer cambios, para mostrar el comportamiento
del objeto o sistema.
Modelos Matemticos.
Los modelos matemticos son esenciales para modelar procesos utilizan

cifras, smbolos y ecuaciones matemticas para representar a la realidad del
sistema u objeto. Los smbolos o ecuaciones deben ser concisos y fciles de
comprender y lo ms importante deben estar sujetos al proceso del sistema
a representar. Estos modelos pueden manipularse a travs de un lenguaje
de programacin de propsito general o particular con la utilizacin de un
computador como herramienta.
A los modelos matemticos tambin lo podemos ver de dos formas

diferentes, cuantitativos y cualitativos. Cuando representamos un sistema
por medio de un modelo matemtico y aplicamos para su representacin
variables y constantes en cantidad considerable se lo denomina modelos
cuantitativos, en cambio cuando no se puede cuantificar exactamente por
alguno de los siguientes motivos: necesidad de muchas variables, algunas
variables desconocidas, relaciones demasiadas complejas para expresar en
forma cuantitativa, etc;
se recurre a establecer las cualidades de los
componentes por medio del anlisis lgico, investigacin de operaciones,
20

FICA - EISIC
anlisis de decisiones para poder obtener valores que representen al

sistema, a este proceso se lo denomina modelo cualitativo.
Para la formulacin de los modelos matemticos se debe considerar la

especificacin de los componentes, variables, parmetros y las relaciones
funcionales, es decir; debemos saber cuantas variables deben conformar el
modelo, adems que las descripciones o predicciones del modelo
matemtico
produzcan valores exactos referentes a la conducta de un
sistema dado reduciendo el tiempo de computacin y programacin al

mismo tiempo.
1.11. ESTIMACIONES Y PRONSTICOS

1.11.1. ESTIMACIONES
Las estimaciones se realizan con la informacin disponible en cada
momento. No obstante, con posterioridad pueden darse cambios en las
circunstancias que determinaron la estimacin al disponer de mayor
informacin o tener mayor experiencia, en estos casos, deben modificarse
las estimaciones iniciales, para obtener informacin actualizada del objeto.
Hay que tomar en cuenta que, cuando realizamos un cambio en la vida til
es un cambio en una estimacin, adems afecta a los parmetros que se
toma como base para cualquier situacin de la simulacin.
Los cambios en estimaciones se deben a cambios en las circunstancias que

determinaron dicha estimacin, o bien al conocimiento de mayor
informacin, paso del tiempo o aparicin de nuevos hechos, y que hacen
necesario revisar la estimacin que en su momento se hizo. En
consecuencia, el cambio en la estimacin no debe considerarse como un
hecho que d lugar a un resultado extraordinario.
21

FICA - EISIC
Para realizar estimaciones de circunstancias, procesos, etc: se debe tomar

en cuenta las siguientes generalidades [WEB-05].
Tener una idea clara del trabajo que ser estimado

Existe problemas cuando la persona a cargo de la estimacin no ha
considerado la magnitud del trabajo a desarrollarse. Se debe evitar estimar
el trabajo que no se conoce. La es timacin de contingencia (La contingencia
es usada para reflejar la incertidumbre o el riesgo asociado a una
estimacin), es una forma de reflejar en el plan de trabajo esta
incertidumbre.
Determinar quien debe involucrarse en el proceso de estimacin

Para realizar una estimacin se debe involucrar a los miembros del grupo,
clientes, expertos en el tema, etc. Esto tendr como resultado un mayor nivel
de certeza.
Determinar si hay alguna restriccin para las estimaciones

Cuando estn involucradas varias personas en el proceso de la estimacin
se puede definir los parmetros que no se deben tomar en cuenta por
factores de cambios o inestabilidad para las estimaciones.
Usar tcnicas mltiples de estimacin de ser posible

Cuando se est listo para hacer una estimacin, debe tomarse en cuenta
que existen diversas tcnicas que pueden usarse. De ser posible, se debe
tratar de usar al menos dos tcnicas para realizar las estimaciones. Si las
estimaciones resultantes de diversas tcnicas son muy cercanas, en general
habr ms confianza respecto a los nmeros. Si las estimaciones son
lejanas, se deben revisar los supuestos de modo que sean los mismos.
Tambin se puede usar una tercer (y cuarta) tcnica de estimacin para
averiguar si una de las anteriores puede ser validada y la otra rechazada
22

FICA - EISIC
1.11.1.1. PROCESO DE ESTIMACIN
El proceso de estimacin contempla lo siguiente:
Precisin de la estimacin.
Tpicamente, entre mayor precisin se requiera se necesita mayor nivel de
detalle, y probablemente se necesite mayor tiempo. Si se solicita una
estimacin de orden de magnitud grande, se puede concluir rpidamente
este trabajo, en un nivel muy alto y con el mnimo de detalle. Por otra parte,
si se debe proporcionar una estimacin precisa, seguramente se necesitar
mayor cantidad de tiempo para entender el trabajo a un nivel de detalle
mayor.
Crear la estimacin inicial.

La estimacin inicial debe sujetarse a pruebas experimentales realizadas al
sistema u objeto real.
Recursos
Se debe tomar en cuenta los parmetros que participan directamente en el
sistema u objeto, es decir, los que varan el sistema con cualquier tipo de
modificacin.
Tiempo.
El tiempo a
considerar, debe someterse a cada uno de los mdulos o
submodelos del sistema y ajustarse en periodos de tiempo. Adems se

considera los tiempos muertos como nulo.
23

FICA - EISIC
Agregar contingencia
La contingencia es usada para reflejar la incertidumbre o el riesgo asociado
a una estimacin. Si la estimacin fue requerida con poco tiempo de
anticipacin, la contingencia tendr que ser mayor. Aun cuando existe
tiempo para realizar estimaciones razonablemente precisas, la contingencia
puede estar en un rango del 20 al 25%. El no agregar contingencia significa,
que se est 100% seguro de las estimaciones. Este puede ser el caso si se
han desarrollado con anterioridad diversos proyectos similares.
Revisar y ajustar
Se debe regresar y revisar las estimaciones, ajustndolas de modo que
reflejen con mayor fidelidad la realidad. Tambin se debe revisar si el
modelo de estimacin es consistente y razonable.
Documentacin de los supuestos

Es muy importante documentar todos los supuestos que se estn haciendo
al realizar las estimaciones.
1.11.2. PRONSTICOS
Para iniciar con una breve explicacin de pronsticos, vamos a dar paso a
su definicin.
Pronstico es [WEB-06] obtener conocimientos sobre eventos inciertos que

son importantes en la toma de decisiones presentes.
Los pronsticos se pueden iniciar en base a otros pronsticos relevantes,

supuestos sobre el curso futuro de actividades en cualquier rea, su valor no
es exclusivamente su precisin, sino, el hecho de que para hacerlo se
requiere una consideracin equilibrada de factores que influyen en
24

FICA - EISIC
acontecimientos futuros, acertados o errneos , es decir, se lo considera ms

un arte que una ciencia.
La pronosticacin requiere una mezcla experta de la teora econmica,

conocimientos estadsticos importantes y perfecta familiaridad con los datos
estadsticos
relevantes.
El
pronosticador
debe
utilizar
informacin
cuantitativa y cualitativa, adems, poseer la capacidad para distinguir entre

nuevos hechos que son importantes y los que no lo son.
Por ejemplo; se puede utilizar la pronosticacin en mercadotecnia para saber

el tamao del mercado, participacin en el mercado, tendencias de precios y
desarrollo de nuevos productos; en Produccin, conocer el costo de materia
prima, costo de mano de obra, disponibilidades, requerimientos y capacidad;
en Planeacin estratgica, advertir factores econmicos, cambios de
precios, costos y crecimiento de lneas de productos; etc.
1.11.2.1. TCNICAS DE PRONOSTICACIN.
Las tcnicas de pronsticos disminuyen la incertidumbre sobre el futuro,

permitiendo estructurar planes y acciones congruentes con los objetivos de
la organizacin y permiten tambin tomar acciones correctivas apropiadas y
a tiempo cuando ocurren situaciones fuera de los pronosticados.
[LIB-06] El conocimiento de las tcnicas de pronsticos es de poco valor a

menos que puedan aplicarse efectivamente en el proceso de planeacin de
la organizacin, entre estas tcnicas tenemos:
25

FICA - EISIC
Mtodo Ingenuo.
Carece de una rgida base terica, frecuentemente usado como mtodo

sencillo, pero no necesariamente intil, de suponer que las cosas no
cambiarn usando esta tcnica, se hacen planes en supuesto de que, en lo
que se refiere a hechos particulares, el futuro se parecer al presente. Este
tipo de pronstico resulta ms dudoso a medida que se alarga el periodo de
pronosticar.
Mtodo baromtrico.
Implica que patrones histricos pasados tienden a repetirse en el futuro y

acariciar la idea de que este puede ser predicho partiendo de ciertos
acontecimientos del presente, as el comportamiento estadstico pasado que
parece asociarse regularmente con fluctuaciones en series particulares o
condiciones comerciales generales es descubierto y usado como base para
la pronosticacin.
Mtodo Analtico.
Supone un anlisis detallado de fuerzas causales que operan corrientemente

sobre la variable que ha de predecirse. Relaciones de causa y efecto
reveladas por el anlisis de datos corrientes se usan para juzgar el curso
futuro de las fuerzas causales y sus efectos en el comportamiento futuro de
la variable que se predice. En realidad a menudo se usan patrones histricos
para estimar las constantes contenidas en los modelos matemticos.
Aunque el mtodo analtico puede ser usado para pronosticar la actividad de
una empresa o una industria.
26

FICA - EISIC
1.12. CASOS PRCTICOS DE LA SIMULACIN EN LA INDUSTRIA.
La simulacin puede intervenir en cualquiera de las fases del ciclo de vida

del sistema, tanto en la concepcin del mismo, como en su diseo
preliminar, construccin, utilizacin y mantenimiento, para poder evaluar
escenarios alternativos y encontrar respuestas a preguntas del tipo que
pasara si, pudiendo as formar parte del estudio de cualquiera de las fases
de un proyecto industrial
Los modelos necesarios para la realizacin de los experimentos de

simulacin no se utilizan exclusivamente para predecir el comportamiento de
sistemas reales, sino que pueden ser empleados en otro tipo de tareas,
algunas de estas tareas son las siguientes:
Diagnosis.
El modelo se emplea como representacin profunda del sistema, sobre el
que es posible determinar las causas que generan una desviacin respecto
a un comportamiento terico. En este tipo de aplicaciones es donde los
modelos funcionales son especialmente importantes, dado que modelan
directamente las funciones del sistema.
Control basado en modelos.

El modelo se emplea para determinar las posibles acciones a realizar sobre
el sistema que conduciran al mismo a una determinada situacin. Los
modelos causales son especialmente importantes para ello, dado que
representan los mecanismos de propagacin de efectos en el sistema
modelado.
Optimizacin.
El modelo se emplea para determinar situaciones del proceso en las que se
logra una mejora del rendimiento.
27

FICA - EISIC
Enseanza.
El modelo se utiliza para que una persona estudie el comportamiento del
sistema al que modela. Este tipo de sistemas se han empleado en varias
circunstancias.
La simulacin cumple un rol muy importante en la Industria, ya que permite

probar distintas alternativas para llegar a un fin exitoso, gracias a la ayuda
de sistemas industriales se ha podido identificar los cuellos de botella,
ajustar la produccin a los parmetros esenciales y tomar decisiones
correctivas ante la situacin que lo amerite. Por tal motivo se explicar
algunos ejemplos que encierren esta nocin.
SIMULANDO UN ENTORNO DE PROCESOS.
[WEB-7] Uno de los propsitos de los modelos de simulacin de procesos es

la de identificar posibles mejoras en los procesos. El objetivo del anlisis de
proceso es primeramente el mejorar la comprensin (entendimiento) de los
procesos, especialmente su estructura y su comportamiento dinmico. Un
segundo objetivo es el de identificar opciones de mejoras de los procesos.
Para ambos, la simulacin sirve como un mtodo apropiado porque nos
permite experimentar con modelos de procesos en vez de procesos del
mundo real realizando de diferentes formas. Se centran sobre los requisitos
de simulacin y parmetros necesarios para chequear las condiciones de
consistencia de los interfaces de procesos y analizar los aspectos de
comunicacin de un software de un entorno de procesos dado.
Para alcanzar los objetivos mencionados con anterioridad, se define un

lenguaje de paisaje de procesos, consistente en un conjunto de modelos de
procesos distribuidos para el desarrollo de aplicaciones de comercio
electrnico.
28

FICA - EISIC
SISTEMA DE APOYO PARA DECISIONES DE TRANSFERENCIA DE

AGROTECNOLOGA (DSSAT).
Este sistema permite que los usuarios puedan [REV-01]
Acceder, organizar y almacenar datos sobre cultivos, suelos, clima y

precios;
Retraer, analizar y desplegar datos.
Validar y Calibrar modelos de crecimiento de los cultivos.
Evaluar diferentes estrategias de produccin en un lugar dado o dentro

de una regin.
Analizar el riego asociado a la variabilidad del clima.
Actualmente, el DSSAT incluye modelos de cultivos para simular el

crecimiento de 16 cultivo s, entre otros frjol, soja, arroz, trigo, papa, yuca y
caa de azcar.
SIMULACIN DE UNA PLANTA GEOTERMOELECTRICA.
[WEB-08] El uso de simuladores rplica en tiempo real para entrenamiento

de operadores de centrales de potencia sigue siendo la mejor forma de
capacitar al personal de operacin de las centrales de potencia.
La principal caracterstica de un simulador de alcance total es que cualquier
maniobra (con su consiguiente respuesta) que el operador pueda realizar en
la planta real, debe ser reproducible en el simulador, esto incluye la
operacin en estado estacionario (no vara con el tiempo) y los estado
transitorio (vara con el tiempo) de la central. Adems con el fin de completar
las funciones de entrenamiento del simulador, se define un conjunto de fallas
que puedan tener ocurrencia en la planta real, ejemplos de ellas son:
atoramiento de vlvulas de control, disparo de motores elctricos, falla de
controladores, disparo de buses elctricos, rechazos de carga y de
generacin.
29

FICA - EISIC
Para efectos del simulador, la planta se divide en 8 modelos de proceso

(aceite de lubricacin, condensado, agua de enfriamiento, vapor de sellos,
extraccin de gases, generador elctrico, red elctrica y turbinas) y dos de
control lgico y analgico, que corresponden a los procesos citados.
Dependiendo de su complejidad, simplificaciones y suposiciones hechas

durante su desarrollo, cada modelo consta de un conjunto de ecuaciones
algebraicas y/o diferenciales que determinarn la fidelidad de su respuesta
en cualquier estado de operacin.
OTRAS APLICACIONES.
Son muchas las aplicaciones de la simulacin industrial y aunque para la

mayora de personas esto les resulta totalmente transparente lo cierto es
que all donde miremos encontraremos algo relacionado con la simulacin
industrial.
Los ejemplos ms conocidos son los relacionados con el campo de la

aeronutica, pero hay otros mucho ms cercanos. Algo que aparentemente
no tendra nada que ver con esto es la televisin digital. Pues resulta que s
para que las seales lleguen a nuestros hogares se requiere la instalacin
de antenas, que por lo general se hallan expuestas a un gran nmero de
desgastes como el viento y la lluvia. Como es lgico los fabricantes de estas
antenas no se decantan por un modelo y esperan a que los clientes les
llamen para realizar las modificaciones pertinentes. En su lugar recurren a
sistemas de simulacin que sometern los modelos digitales a cientos de
tormentas para comprobar su desgaste.
30

FICA - EISIC
Otro ejemplo comn son los puentes que hay sobre las autopistas para que
los peatones puedan cruzarlas. Por muchas personas que pasen por el
puente este no ceder, pero y si al peso de los pasajeros se le aade la
presin que ejerce la fuerza del viento y las vibraciones y oscilaciones
producidas por los ve hculos que circulan por debajo?. El puente se puede
venir abajo. Una vez ms resulta necesario recurrir a la simulacin industrial
antes de hacer cualquier tipo de puente, porque lo que no se puede hacer es
construirlo "infinitamente" resistente por si ac aso. Sea como sea, el caso es
que en la industria se ha convertido en una norma simular antes de construir
y naturalmente, nuestros ordenadores tienen mucho que decir al respecto.
1.13. CAUSA Y EFECTO
Las explicaciones para los acontecimientos tienen que ser buscados en el

pasado. Este tipo alternativo de explicacin es llamado causal.
Un ejemplo de una explicacin causal es: "El alumno de primero bachillerato

reprob el nivel por causa de las malas amistades y porque en todo el ao
faltaba y no atenda en clase".
A una explicacin causal, para que sea verosmil, se le pide que cumpla
estos cuatro requisitos:
v Fuerte correlacin entre causa y efecto (si hay una causa, entonces
debe tambin haber un efecto; y si no hay causa, entonces tampoco
efecto)
v La causa debe preceder al efecto y nunca a la inversa
v Una proporcin o razonable conexin entre causa y efecto (hay a
veces fuertes correlaciones fortuitas entre diversos fenmenos que no
tienen nada que ver entre s).
31

FICA - EISIC
v No hay causa comn subyacente que pudiera causar tanto la

supuesta causa como el supuesto efecto.
Esta tcnica de solucin de problemas es una forma de analizar problemas

complejos que aparentan tener muchas causas interrelacionadas. Uno de los
aspectos clave de esta tcnica es el uso de diagramas causa efecto.
Debido a que la apariencia del diagrama, la tcnica tambin es conocida
como diagrama de espina de pescado. Los beneficios de esta tcnica
incluyen:
v Explorar varias categoras de causas.
v Creatividad a travs del proceso de lluvia de ideas.
v Imagen visual del problema y las categoras de las causas
potenciales.
1.13.1. DESARROLLO DEL DIAGRAMA DE ESPINA DE PESCADO.

[WEB-09] Describir el problema en el extremo derecho del diagrama. Esto
puede ser el problema en realidad o bien el sntoma, en este punto no se
puede estar completamente seguro.
Dibujar una larga flecha horizontal apuntando hacia la caja. Esta flecha
servir como espina dorsal en la cual causas mayores y menores sern
categorizadas e interrelacionadas como se observa en el diagrama # 1.1.
32

CAUSAS
FICA - EISIC
Describir el
problema
EFECTOS
Diagrama # 1.1: Diagrama de Espina de Pescado
Identificar causas potenciales y agruparlas en categoras mayores, continuar

con la lluvia de ideas de las causas al analizar mas detalladamente las
explicaciones de cada una de las categoras de mayor nivel, se debe escribir
causas mas detalladas en lneas perpendiculares que se unan a las barras
de la causa de mayor nivel, segn sea el caso.
Algunas veces, las causas detalladas podrn contener un mayor nivel de

detalle, si es o sucede, ser necesario conectar lneas adicionales a las
causas correspondientes segn sea el caso, para un uso prctico de este
diagrama, se recomiendan tres niveles de detalle.
Cuando se haya concluido la lluvia de ideas acerca de las categoras

mayores y las causas potenciales mas detalladas y se haya analizado la
informacin que se recopil, ser necesario evaluar cada causa mayor y sus
causas potenciales de mayor nivel de detalle. Recuerde que la informacin
original fue recopilada usando lluvia de ideas, en donde todas las ideas
fueron incorporadas. Ahora, se debern determinar cuales son las causas
verdaderas o las mas promisorias, depurando la informacin; con el fin de
profundizar la investigacin ya sobre la informacin depurada.
Si no existe un consenso obvio en las reas que ameritan mayor

investigacin, use alguna clase de votacin con el fin de reducir las causas,
lo que incrementar las oportunidades de xito.
Una vez depuradas las causas del diagrama, por cada elemento que ste
contenga, se deber discutir de que forma impacta al problema.
33

FICA - EISIC
Finalmente, genere un plan de accin para resolver la causa. Hay que

recordar que puede haber un gran nmero de causas potenciales que
interactan en conjunto para crear el problema. El plan de accin deber
tomar en cuenta estas interdependencias. Si las causas detalladas continan
siendo complejas o, si no se cuenta con la suficiente informacin, stas
debern ser asignadas a una o mas personas para un mayor anlisis fuera
de la sesin de trabajo.
1.14. BENEFICIOS DE LA SIMULACIN
v Permite realizar alteraciones en el modelo de simulacin para

observar y estudiar los cambios y efectos internos y externos del
comportamiento del sistema
v Generalmente es ms barato mejorar el sistema va simulacin, que
hacerlo directamente en el sistema real.
v Debido a su bajo costo nos permite financiar proyectos costosos.
v Permite estudiar el sistema sin modificarlo, a travs de la observacin
detallada de la simulacin consiguiendo estrategias que mejoren la
operacin y eficiencia del sistema.
v Genera una visin macro y micro del sistema de forma general y
detallada.
v Permitir tratar problemas planteados en amplios periodos de tiempo,
comprimiendo su estudio a unos minutos.
v Carcter Descriptivo; permite la realizacin de anlisis de sensibilidad.
v Se puede utilizar en todos los niveles de la organizacin como:
operativos, tcticos y estratgicos.
v La simulacin por computadora permite que la persona que toma
decisiones experimente con muchas polticas y argumentos diferentes
sin cambiar o experimentar realmente con el sistema existente real.
34

FICA - EISIC
v Permite utilizarla a la simulacin como un medio de entrenamiento al

personal para que obtengan experiencia en situaciones complejas.
v Actualmente lo utilizan como un medio pedaggico a la simulacin.
v Por medio de la simulacin podemos identificar los componentes que
afectan directamente e indirectamente al sistema en estudio.
35

FICA - EISIC
CAPITULO II
CONTENIDOS
LA COMPUTADORA EN LOS PROCESOS DE PRODUCCIN

v
v
v
v
v
v
v
v
v
Introduccin
Antecedentes
Tcnicas convencionales asistidas por computadora
Ingeniera concurrente (IC
Sistemas de diseo asistido por computadora - CAD
Sistemas de manufactura asistida por computadora - CAM
Sistemas de ingeniera asistida por computadora - cae
Estudio de sistemas CAD/CAM/CAE integrado
Software CAD/CAM/CAE
36

FICA - EISIC
LA COMPUTADORA EN LOS PROCESOS DE PRODUCCIN
2.1. INTRODUCCIN
En el captulo anterior, se esquematiz el estudio de la Simulacin y de las

bases fundamentales para un proceso de simulacin. Sin embargo, es
necesario, en este captulo conducir ese conjunto general de conceptos que
abarca la simulacin hacia la orientacin del resultado final de esta tesis, que
consiste en el estudio de la simulacin para el desarrollo de un sistema CAE
(Computer Aided Engeeniering) en una planta de produccin de azcar,
especficamente IANCEM.
En este captulo, se estudian las llamadas Tcnicas o Sistemas CA
(Computer Aided Asistidos por Computadora) que se relacionan en un
ambiente de produccin industrial automatizado. El CAE que es parte de
nuestro objeto de estudio, tiene una mayor atencin dentro de este tema.
2.1. ANTECEDENTES
La simple necesidad del ser humano de comunicar ideas y pensamientos a

sus semejantes, es sin duda el inicio del aparecimiento de tcnicas
avanzadas y complejas que en la actualidad significan una base fundamental
para la automatizacin de procesos de simulacin y operacin en la
industria.
Segn varias bibliografas, todo este tipo de complejas herramientas y

tcnicas avanzadas de computacin, se originaron a partir de utilizar la
grafa como medio de expresin y ejemplificacin de ideas. Con el pasar de
los tiempos, varias ciencias se fueron solidificando al incluir este concepto de
grficos y smbolos en la representacin de diseos y bocetos.
37

FICA - EISIC
Luego, el rpido avance de la computacin y sus ciencias, permiti clasificar

definitivamente este grupo de tcnicas objeto de estudio en este captulo
como Tcnicas Asistidas por Computadora y de las cuales se van a explicar
las ms importantes y de mayor utilizacin.
2.2. TCNICAS CONVENCIONALES ASISTIDAS POR COMPUTADORA
Complementando lo que se mencionaba en el apartado anterior, el avance

tecnolgico en el mbito de la computacin a nivel de hardware y software;
permite a la industria integrar en la lnea de produccin equipos y programas
para su control. Como resultado directo de ello se consigue fabricar series
intermedias de un producto a costos comparables a los de las grandes
series y, adems, la posibilidad de utilizacin de nuevos enfoques en la
organizacin de la produccin, como el "Just In Time" (justo a tiempo).
Por otra parte, es necesario incluir programas que en cada fase de la lnea
de produccin gobiernen dichos equipos y permitan establecer la
informacin necesaria para realizar operaciones de produccin ptimas. Es
aqu donde entran en juego los sistemas o tcnicas asistidas por
computadora mencionadas anteriormente. Los sistemas CAD (Diseo
Asistido por computadora), CAM (Manufactura Asistida por computadora) y
CAE (Ingeniera Asistida por Computadora) son los ms conocidos y ms
utilizados actualmente.
La Ingeniera Concurrente IC, tambin est considerada como parte

fundamental en la integracin de las tcnicas antes mencionadas.
Las tecnologas asistidas por computador ltimamente han experimentado

una gran evolucin. El desarrollo de hardware ms potente en cuanto a
potencia de clculo y tratamiento de grficos, la aparicin de una nueva
38

FICA - EISIC
generacin de modeladores, la evolucin de los interfaces de usuario, van a

facilitar que estas tecnologas se utilicen cada da ms de forma integrada, y
se conviertan en herramientas convencionales en el proceso de diseo y
fabricacin en la industria.
En los apartados siguientes, se estudia con mayor profundidad cada uno de

los sistemas asistidos por computadora ya mencionados.
2.3. INGENIERA CONCURRENTE (IC)
Bsicamente, se puede definir la ingeniera Concurrente (IC), tambin

llamada simultnea, como una metodologa de diseo; en la cual los diseos
del producto y del proceso de fabricacin estn mezclados de manera muy
ntima. Tericamente se tratara de realizar todos los procesos implic ados en
el desarrollo de un nuevo producto al mismo tiempo, esto es, de manera
paralela.
El concepto actual de IC es ms amplio que la simple integracin de diseo

y fabricacin al inicio del proceso de diseo. En la actualidad se ven
envueltos, adems, los departamentos de marketing, los de distribucin y
ventas. Es decir, el objetivo es implementar un sistema de planificacin de la
produccin desde el proceso de diseo del producto, incluyendo actividades
de fabricacin, de ensayos y simulacin, de promocin del producto,
distribucin y venta del mismo. Los sistemas CAD /CAM /CAE son una parte
muy importante de una estructura informtica enfocada a la IC.
La
Ingeniera
Concurrente
es
una
filosofa
orientada
integrar
sistemticamente y en forma simultnea el diseo de productos y procesos,

para que sean considerados desde un principio todos los elementos del ciclo
de vida de un producto, desde la concepcin inicial hasta su disposicin
final. Debe otorgar adems una organizacin flexible y bien estructurada,
39

FICA - EISIC
proponer redes de funciones apoyadas por tecnologas apropiadas y

arquitecturas comunes de referencia (ej: computadores en red y en bases de
datos).
Este nuevo enfoque hacia el diseo que entrega la IC, da un gran realce al
papel que juegan las personas en sus respectivos trabajos, las cuales deben
estar bien instruidas.
Respecto de la metodologa de trabajo de la IC, en esencia utiliza las
mismas funciones involucradas en el ciclo de desarrollo de un producto de la
forma tradicional de trabajar que es la ingeniera secuencial, a la cual
reemplaza; sin embargo, la diferencia se halla en la interaccin constante
que se produce entre las mismas.
Para alcanzar los objetivos la IC utiliza una serie de principios, los cuales
son empleados en un enfoque sistematizado y estn relacionados con la
introduccin de cambios culturales, organizacionales, y tecnolgicos en las
compaas, a travs de una serie de metodologas, tcnicas y tecnologas de
informacin.
Los objetivos globales que se persiguen con la implementacin de la IC son:
1. Acortar los tiempos de desarrollo de los productos.
2. Elevar la productividad.
3. Aumentar la flexibilidad.
4. Mejor utilizacin de los recursos.
5. Productos de alta calidad.
6. Reduccin en los costos de desarrollo de los productos.
Al ser la IC una metodologa relativamente nueva, todava no se ha
implementado en muchas empresas, ms an, en las empresas en que se
aplica no se hace en la totalidad de la empresa, sino que involucrando
algunos de sus departamentos para que trabajen de esta forma.
40

FICA - EISIC
Un ejemplo de las empresas que ha aplicado esta metodologa de trabajo es

ILKO SA, que es fabricante de artculos de cocina. Lo ha hecho solamente
en forma conjunta de tres departamentos, los cuales son: Marketing, Diseo
y Desarrollo.
Se avizora a futuro, que el uso de esta tcnica significar un importante
lineamiento para las empresas industriales que utilizan como herramientas
en el ciclo de produccin los sistemas asistidos por computadora.
2.4. SISTEMAS DE DISEO ASISTIDO POR COMPUTADORA - CAD

El diseo asistido por ordenador (CAD), empez aplicndose ya en los aos
60 fundamentalmente como sistema sustitutivo de los tableros de dibujo,
permitiendo
ganancias
de
tiempo
en
la
generacin
de
planos.
Progresivamente ha ido ampliando su campo funcional de aplicacin y sus

prestaciones, hasta convertirse en lo que es hoy en da, una potente
herramienta que permite disear objetos en un ordenador como si de
cuerpos reales se tratase.
El CAD puede aplicarse a prcticamente todas las reas de actividad:
electrnica, arquitectura, qumica, geologa, textil, ingeniera civil, etc.,
aunque en las empresas industriales se centra la atencin en el CAD
mecnico.
Una primera clasificacin de estos sistemas puede realizarse en base a la
capacidad de representac in de un objeto en el espacio:
v CAD
2D:
sustitutivo
bsicamente
del
tablero
de
dibujo,
la
representacin de los objetos es bidimensional.

v CAD 3D: parte de un concepto del objeto en tres dimensiones. Segn
el nivel de representacin pueden distinguirse en:
o Modelado en jaula de alambre ("wire frame").
41

FICA - EISIC
o Modelado en superficies.
o Modelado slido.
En los sistemas de CAD 2D, la informacin geomtrica de que dispone el

ordenador es bidimensional, es decir, est contenida en un plano. Las vistas
son generadas de forma independiente y no existe asociacin entre las
mismas. No obstante, a pesar de las limitaciones de estos sistemas en
cuanto a diseo, su mbito de aplicacin es muy amplio como: realizacin de
distribuciones en planta, diseo de circuitos elctricos, electrnicos,
hidrulicos y neumticos, diseo y proyecto de lneas de montaje, proyecto
de moldes y matrices, generacin rpida de planos para piezas sencillas,
etc.
Los sistemas CAD 3D posibilitan la definicin de los objetos de forma
espacial, es decir, en tres dimensiones (x, y, z). Segn sea el tipo de
representacin, se obtendr ms o menos informacin del sistema y podrn
efectuarse operaciones ms o menos complejas.
As, para un modelo CAD en "wire frame", el ordenador dispone de las
coordenadas -x, y, z- de los vrtices del objeto, as como informacin de los
elementos geomtricos que unen dichos vrtices. Es evidente que con estos
datos no se dispone de informacin sobre las caras o superficies del objeto.
El modelado en jaula de alambre ha dejado de existir como tal para pasar a
formar parte de los modeladores de superficies, sirviendo en muchas
ocasiones como estructura de base para la generacin de las mismas.
Los modelos CAD en superficies incorporan la informacin de los "wire
frame" y, como su nombre indica, de las superficies del objeto diseado.
Este tipo de sistemas CAD son los ms usados actualmente cuando se
requiere modelado tridimensional de piezas complejas. En la figura # 2.1 se
muestra un ejemplo de un modelo 3D de una pieza que formar parte de un
producto final diseada en Autocad.
42

FICA - EISIC
Figura # 2.1 . Modelo 3D de una pieza mecnica generada con AUTOCAD
Los modelos CAD de superficies cuando han sido generados correctamente,

sirven como base de partida de generacin de planos para la aplicacin de
sistemas CAM, CAE y de Reingeniera de Procesos.
Entre las herramientas ms conocidas que encajan en la descripcin de un
sistema CAD, encontramos al Autocad, FoxDraw, etc.
2.5. SISTEMAS DE MANUFACTURA ASISTIDA POR COMPUTADORA

CAM
Los sistemas de fabricacin asistida por ordenador CAM tienen por objetivo,
bsicamente, proporcionar una serie de herramientas que permitan fabricar
el producto diseado.
Actualmente, el CAM se conoce fundamentalmente como sistema de
programacin
"off-line"
de
mquinas
CNC
(Control
Numrico
Computarizado, mquinas programadas y controladas por computador a

travs de software de diseo y manufactura, CAD/CAM).
Sin embargo, debe precisarse que el CAM es un concepto mucho ms
amplio, que incluye la programacin de robots, de mquinas de medir por
43

FICA - EISIC
coordenadas (CMM, Mquinas de medir por coordenadas), planificacin de

procesos, etc.
La primera y ms importante aplicacin del CAM es la programacin "offline" de mquinas CNC, o sea, la generacin de programas fuera de las
mismas. Ello permite realizar los programas sin interrumpir a la mquina,
adems de poder simular la ejecucin de los mismos en el ordenador,
evitando as posibles errores y colisiones, aumentando el rendimiento de la
mquina y la calidad del producto final.
Los sistemas CAM pueden utilizarse para diferentes tecnologas que,
normalmente, estn disponibles por mdulos en las industrias dedicadas a la
generacin
de
piezas,
como:
fresado,
torneado,
electroerosionado,
punzonado, corte por lser, oxicorte, etc.

Durante el proceso de desarrollo de un producto, es muy frecuente que se
fabriquen maquetas o prototipos para la aprobacin de estilo. Si estas
maquetas son fabricadas mediante CAM en base a un modelo CAD, el
producto final ser idntico a la maqueta aprobada.
Existen, adems de los potentes sistemas CAM desarrollados para trabajos
muy complejos, los denominados WOP ("Workshop Oriented Programming")
o programacin orientada a taller. Estos son sistemas de fcil utilizacin, con
una funcionalidad CAD limitada, que funcionan sobre ordenadores
personales y que estn pensados para ser usados en el taller por los propios
operarios de las mquinas.
Los objetivos principales de estos sistemas son descentralizar la
programacin de aquellas piezas de baja dificultad, liberando as los
recursos ms costosos para piezas de mayor complejidad, y aprovechar el
conocimiento de los operadores de las mquinas.
44

FICA - EISIC
2.6 SISTEMAS DE INGENIERA ASISTIDA POR COMPUTADORA - CAE
Esta tcnica naci a principios de los aos 50 como una necesidad de la

industria aeronutica en procesos de obtencin de parmetros de operacin
ptimos en naves; y es anterior a la aparicin del CAD/CAM.
Computer Aided Engineering / Ingeniera asistida por ordenador. [WEB-12]
Son sistemas que permiten simular el comportamiento de los diferentes
modelos sometidos a esfuerzos, alteraciones o cambios, movimientos,
temperaturas, etc.
El objetivo principal del sistema CAE al ser considerada su aplicacin en los

ciclos de produccin de una industria, es simular el comportamiento del
sistema productivo de acuerdo a las alteraciones o modificaciones de
variables
factores
que
intervienen
en
el
mismo,
obtenindose
adicionalmente un anlisis de informacin que permita establecer principales

falencias o prdidas en el producto final.
A lo largo del desarrollo de un producto en un ciclo de produccin, se repite

con frecuencia el ciclo prueba-error que tiene como objetivo el validar un
diseo determinado, dndose tantas ms veces cuanto ms complejo es el
diseo. Es decir, durante la simulacin del ciclo de produccin, se deben ir
obteniendo resultados acorde al proceso, los mismos que se van ajustando
de acuerdo a los cambios que se realicen al encontrar errores o datos
alejados de la realidad.
La fase principal en el proceso de desarrollo que comprende el modelado y
la simulacin, es muy importante por el coste de las operaciones que
intervienen y el tiempo dedicado a ellas, como: la construccin de modelos,
realizacin de ensayos sobre ellos y anlisis funcionales, etc...
45

FICA - EISIC
Es importante entonces, clasificar los sistemas de ingeniera asistida por

ordenador de acuerdo al producto resultado de la fabricacin como:
Fundamental
Diseo
Mecanizado
Anlisis por
elementos finitos
Piezas
mecnicas
tornillos
zapatos
No Fundamental
Diseo
Prod. Granel
Anlisis con
Modelado y
Simulacin
Harinas
Azcar
Qumicos
Sistemas
CAE
de acuerdo a
naturaleza del
producto final
Un conjunto de paquetes que en aplicaciones de produccin al granel,

utilizan las tcnic as de modelado y de simulacin; y, en aplicaciones de
mecanizado: anlisis por elementos finitos (FEM/FEA).
Es decir, cuando el producto terminado en una industria necesita de
precisiones en el diseo, por ejemplo, en una fbrica de zapatos deportivos
se cuenta con un departamento de diseo que se encargar de esbozar
nuevos modelos, entonces, es necesario la aplicacin de anlisis por
elementos finitos como tcnica de Ingeniera Asistida por computador. En
cambio, cuando el diseo en el producto final no es indispensable, como es
el caso de nuestro estudio que el azcar no necesita de un diseo fsico; se
aplica como tcnica de anlisis el Modelado y la simulacin con el objetivo
46

FICA - EISIC
de obtener la informacin del proceso de produccin de azcar y de las

prdidas en el IANCEM .
Como mencionbamos anteriormente, los sistemas CAE posibilitan la
simulacin del comportamiento de un producto, pieza o mecanismo a un
fenmeno determinado sin necesidad de disponer fsicamente de este
producto, pieza o mecanismo. En nuestro caso, el anlisis de la informacin
que se espera obtener, se basa en el volumen de prdidas durante el ciclo
de produccin de azcar en el IANCEM de acuerdo a los factores de
operacin actuales.
El mbito de aplicacin de los Sistemas CAE es muy amplio, siendo algunos
de los principales los siguientes:
v Clculo estructural lineal y no lineal.
v Transferencia de calor, en rgimen estacionario y transitorio.
v Cinemtica y dinmica de mecanismos.
Electromagnetismo.
v Procesos de Produccin.
v Anlisis geolgicos.
Este ltimo modelo ser el utilizado para la realizacin de los distintos

clculos durante la simulacin.
Si bien es cierto que estos sistemas ofrecen divergencias entre los
resultados obtenidos y la realidad, tambin lo es que, el comportamiento del
producto ante un fenmeno fsico determinado puede ser bastante distinto
de acuerdo a las circunstancias en que se lo aplique. El CAE posibilita
adems la evaluacin de un nmero ms amplio de alternativas, tanto en
relacin a la materia prima utilizada como a posibles cambios de la misma
durante el desarrollo del producto.
47

FICA - EISIC
Finalmente, en las empresas donde la innovacin y lanzamiento de nuevos

productos es una necesidad diaria, el uso de la herramienta CAE se
convierte en una rutina. Los procesos de innovacin y diseo de nuevos
productos se descomponen en varias etapas en las cuales intervienen las
herramientas CAE.
2.7. ESTUDIO DE SISTEMAS CAD/CAM/CAE INTEGRADO
El grupo de tcnicas de diseo asistido por computador ha experimentado

un notable progreso en los ltimos aos, hasta el punto de que pueden
considerarse suficientemente slidas y aplicarse de forma conveniente a lo
largo de todo el proceso de diseo y fabricacin de un producto. De hecho,
cuando las tcnicas de diseo asistido por computador se conciben de forma
global e integrada el proceso se vuelve realmente efectivo.
Actualmente, la concepcin de un manejo integrado de este grupo de

tcnicas, se ve limitado a un cierto grupo de industrias y depende
significativamente al giro del negocio; aquellas industrias que asimilan
efectivamente este tipo de integracin son las del tipo de produccin de
piezas o moldes para generacin de partes o repuestos. Por otro lado, las
industrias que generan productos en los que nos es tan fundamental el
diseo final, sino ms bien el empaque, integran el tipo de herramientas
asistidas por computador convenientes.
Es as, que un modelo o diseo realizado mediante CAD es, generalmente,

el punto de inicio para la aplicacin del resto de tcnicas asistidas en un
entorno integrado. La calidad de este modelo CAD condiciona la calidad de
los resultados que puedan obtenerse posteriormente del CAE y CAM. Este
aspecto es de mucha importancia para obtener el xito esperado de la
48

FICA - EISIC
utilizacin de estos sistemas y amerita asignar los recursos y procedimientos

necesarios.
A continuacin, en el grafico # 2.4. se muestra un esquema de desarrollo

integrado completo de un producto, desde la idea inicial hasta la
disponibilidad rpida de un prototipo fsico.
Desarrollo Solucin
Seleccin de
Pre- estudio
Prototipos
Proyecto
Hiptesis
Documentacin
Serie Piloto
Produccin
Necesidad
Serie Cero
Mercado
Grafico # 2.4. Proceso de integracin de CAD/CAM/CAE
En primer lugar aparece la NECESIDAD de desarrollar un nuevo producto.

Esta necesidad puede venir dada por imperativos de mercado, en el caso de
desarrollar producto propio, o por peticin de un cliente determinado si se es
proveedor de piezas o sistemas.
En base a esta necesidad se lleva a cabo una primera fase de
DOCUMENTACIN respecto a experiencias anteriores, anlisis de la
competencia, ideas de cara al futuro, etc., que servir para determinar las
lneas generales que definirn el producto.
49

FICA - EISIC
Seguidamente se determinan unas HIPTESIS DE PARTIDA que permitirn

comprobar la viabilidad del proyecto. Estas hiptesis suelen ser, entre otras,
las siguientes:
v Coste del producto.
v Produccin prevista.
v Calidad.
v Lmites del problema a resolver.
v Normativa a cumplir.
v Seguridad.
v Sistema de montaje.
v Fecha aproximada de inicio de produccin.
Una vez tomada la decisin de desarrollar el producto, se efectan los

PREESTUDIOS de diversas soluciones respetando las determinaciones
anteriores. Estos preestudios consisten bsicamente en la elaboracin de:
v Croquis, diseo formal.
v Clculos previos.
v Primeros prototipos "conceptuales".
v Anlisis de cada solucin.
Del resultado de estos preestudios pueden derivarse conclusiones que

afecten a las hiptesis de partida, pero de ellos saldr la SOLUCIN
DEFINITIVA.
Posteriormente viene el DESARROLLO DE LA SOLUCIN DEFINITIVA, lo

cual dar lugar al inicio del diseo completo del producto.
v Clculos y simulaciones.
v Planos de detalle y de conjunto.
v Prototipos.
v Estudio de los sistemas de fabricacin.
50

FICA - EISIC
Efectuando un anlisis de la solucin definitiva con criticismo constructivo.

Una vez construidos los PROTOTIPOS, hay que llevar acabo un anlisis de
los mismos, tanto desde el punto de vista funcional como esttico. Los
resultados de estos anlisis pueden generar modificaciones sobre el diseo,
sobre el cual, una vez modificado, se construir un nuevo prototipo el cual se
ensayar nuevamente, repitiendo este ciclo hasta obtener el diseo ptimo.
Durante esta fase ya participan los distintos departamentos de la empresa

as como los proveedores de los distintos UTILLAJES Y LINEAS DE
PRODUCCIN. Empezando de este modo a proyectar y construir moldes o
patrones.
Llegado este punto, cabe mencionar que la aplicacin de la ingeniera

concurrente exigir cada da ms la participacin, entre otros, de los
fabricantes de moldes y matrices, ya en las primeras fases del desarrollo de
un producto. Los objetivos principales sern reducir el tiempo de desarrollo y
puesta en produccin, disear un producto "fabricable" y evitar cambios
cuando el producto est en fase de produccin.
Obtenido el diseo definitivo, se pasa a una EDICIN DEL PROYECTO

DEFINITIVO, consistente en la generacin de la coleccin de planos
relativos al proyecto, elaboracin de las listas de materiales, creacin de
estructuras, etc.
De forma casi paralela a la fase anterior, se lleva a cabo una SERIE
PILOTO, con la cual se comprueba el buen funcionamiento de los utillajes y
medios de produccin fabricados por Ingeniera de Produccin, a travs de
un anlisis de dicha serie.
Una vez que se dispone de los utillajes definitivos, se elabora una SERIE
CERO cuyo objeto es simular la fabricacin en serie del producto en las
condiciones que posteriormente ser fabricado. Los productos obtenidos de
51

FICA - EISIC
esta serie, son sometidos a un anlisis y aprobacin por parte de Control de

Calidad, pudindose generar modificaciones que afectarn al modelo
definitivo. Asimismo, esta serie sirve para homologar el proceso de
produccin.
Tan pronto Control de Calidad homologa el producto, ste se encuentra

dispuesto para entrar en PRODUCCIN.
Entonces, la integracin de las herramientas CA (Computer aided) y su
implementacin en una industria, depende directamente del giro del negocio
y de los productos que se fabriquen, tomando en cuenta las unidades de
operacin de la planta y la factibilidad de aplicar procesos de diseo y
simulacin a las mismas.
2.8. SOFTWARE CAD/CAM/CAE
La utilizacin de sistemas CAD (de diseo asistido por computadoras) se

utilizan generalmente en los procesos de diseo y de confeccin de
proyectos de obras de ingeniera.
De la misma manera, tambin se van utilizando sistemas CAE (de ingeniera
asistida por computadora) los cuales, no solamente facilitan el diseo de la
obra, sino tambin los clculos de ingeniera relacionados como:
funcionalidad, estabilidad, la resistencia de sus elementos y los cmputos de
materiales, teniendo en cuenta en cada caso las normas establecidas.
Anlogamente, as como una persona que no sabe utilizar los modernos
procesadores
de
texto
para
leer
escribir
puede
considerarse
desactualizada, lo mismo puede decirse de los ingenieros que no utilizan los

sistemas CAD, CAM o CAE por falta de conocimientos.
52

FICA - EISIC
Hoy en da existen un sinnmero de aplicaciones de Software de CAD o

CAE o CAM o los tres integrados, que proporcionan funcionalidad de
operacin a industrias que los requieren. Se menciona a continuacin
algunos de ellos:
Unigraphics Software; es un sistema CAD/CAM/CAE para el diseo
mecnico de gama alta. Sus asistentes de procesos ayudan a condensar
conocimientos existentes acerca de productos y procesos complejos, a fin de
mejorar significativamente la productividad en diseo y fabricacin. Entre
estos destaca MoldWizard, un asistente que permite el desarrollo completo
de un molde, as como los sistemas de mecanizado de alta velocidad.
CAPE Software; es una herramienta de productividad para la proteccin de
sistemas de potencia, til a ingenieros especializados en rels. Proporciona
un ambiente completo, tanto analtico como de registro para todas las
actividades de un grupo de ingeniera de proteccin. Comprende mdulos
interactivos: Cortocircuito, Grficos de coordinacin, Simulacin de sistemas
(proteccin), Comprobacin de coordinacin y Sensibilidad de rels,
Instalacin de rels , Constantes de lnea, Impresin y Diagramas de una
lnea, todo ello integrado a una Base de datos relacional DBMS y un Editor.
Una caracterstica nica de CAPE es la simulacin de eventos por pasos
desde los mdulos Simulador de sistema y Comprobacin de rels, que
conducen una detallada y completamente automatizada recapitulacin de
cualquier evento, desde un simple fallo hasta un sistema completo.
DADS/Basic Software; es una forma sencilla y econmica de iniciarse en la
tecnologa de simulacin de sistemas mecnicos. DADS/Basic incluye
DADS/Model, los mdulos de anlisis y DADS/Graph.
DADS/Basic permite al usuario investigar rangos de movimiento, evaluar de
forma interactiva conceptos de diseo y realizar anlisis esttico, dinmico,
cinemtico, dinmico inverso y cuasi-esttic o para obtener posicin,
53

FICA - EISIC
velocidad y aceleracin del mecanismo. No incluye elementos de contacto,

hidrulicos, de control, ni la definicin de fuerzas ni subrutinas de usuario.
MoldCool Estimator Software ; se considera un programa fcil de usar
para el clculo de los tiempos de enfriamiento en moldeo por inyeccin. En
un men de entrada se selecciona el tipo de resina a usar y el tipo de acero
con que se fabrica el molde, as como el espesor nominal y mximo de la
pieza, tamao y longitud del canal de enfriamiento. En pocos segundos el
sistema calcula el tiempo requerido de enfriamiento.
El programa est diseado para responder a variaciones en los parmetros
de entrada, con los que se pueden comparar resultados y buscar uno ptimo
en el tiempo del ciclo. Entre las ventajas que ofrece estn:
v Exactitud en las predicciones, del orden de 2 a 3%.
v Evaluacin de diferentes diseos de canales de enfriamiento.
v Reduccin del tiempo de cotizacin de una obra de construccin de
un molde.
v Almacenamiento de los clculos para referencia futura.
Adems existen otros tipos de software aplicados a :
Diseo 3D, ensamblaje de grandes conjuntos de piezas, ensayos estticos y
dinmicos por elementos finitos, anlisis de fatiga, mecanizado de piezas.
Simulacin grfica de procesos y fabricacin.
Software de Ingeniera de produccin para el diseo, simulacin y

programacin off-line del proceso productivo.
Software para el diseo de plantas de procesamiento.
Programas de diseo y clculo de intercambiadores de calor, etc.
54

FICA - EISIC
Se han analizado las tcnicas Asistidas por computadora, y se han llegado a

establecer conceptos importantes para el aplicativo que se desea realizar. A
travs de estos conceptos se adecuarn los procedimientos para que el
sistema de simulacin pueda ser considerado un sistema CAE.
55

FICA - EISIC
CAPITULO III
CONTENIDOS
DESARROLLO DEL SISTEMA DE SIMULACIN
v Anlisis del sistema
v Anlisis de requerimientos
v Definicin del sistema
v Adquisicin y recopilacin de informacin
v Definicin de procedimientos
v Diseo del sistema
v Simulacin a travs de modelos matemticos
v Diseo de la base de datos
v Diseo de pantallas de entrada y salida
v Desarrollo de la aplicacin
v Implementacin de sistema simulador
v Documentacin
56

FICA - EISIC

3.1. ANLISIS DEL SISTEMA
En este apartado se detalla la descripcin de la metodologa utilizada en el

desarrollo del sistema informtico para el rea de Produccin del Ingenio
Azucarero del Norte IANCEM, que es el resultado del estudio de los
conceptos y tcnicas de la Simulacin, de la Ingeniera Asistida por
computadora (CAE) aplicada a la industria y de los procesos de Produccin
de la planta de fabricacin de la azucarera antes mencionada.
Aqu, se indican las herramientas de software empleadas en la
implementacin del aplicativo, tanto lo que tiene que ver con el Sistema
Operativo, Servidor, Lenguaje de Desarrollo, Manejador de bases de datos,
frontal, etc.
3.1.1. ANLISIS DE REQUERIMIENTOS

Como punto de inicio en el desarrollo del aplicativo se define el problema
que necesitamos solucionar, se establece hasta qu punto la aplicacin
ayudar a resolverlo; progresivamente se establecen las necesidades de
informacin que sern cubiertas por el mismo, luego se empieza con el
diseo metodolgico general del aplicativo y de los mdulos o subsistemas
que contiene, para finalizar con el prototipo que se utilizar en ir verificando
que se complet con las necesidades y exigencias del sistema.
El aplicativo en mencin es un Sistema Informtico del tipo Simulador y que

por su naturaleza de anlisis de la informacin que maneja se enmarca en
un Sistema de Ingeniera Asistida por Computadora CAE y se consigui que
se lo realice en la Planta de Produccin del Ingenio Azucarero del Norte
IANCEM, donde el principal objetivo de esta factora es la produccin de
azcar blanco de calidad.
57

FICA - EISIC
Para empezar con el desarrollo del proyecto, nos informamos de la actividad

que cumple el IANCEM en el sector industrial, concibiendo la estructura
organizacional, su infraestructura fabril y tecnolgica, el rol del negocio, etc.
A continuacin, se detallan caractersticas generales del proceso de

produccin azucarera que es necesario que el lector las conozca para
facilitar la comprensin del aplicativo en mencin.
En el IANCEM se elabora azcar blanco, producto derivado de la caa de

azcar y que se lo obtiene a travs de una serie de procesos que permiten
dicha transformacin. Constitutivamente el proceso de obtencin de azcar
es de tipo qumico, ya que el azcar se obtiene a travs de molculas
qumicas presentes en la caa, denominadas sacarosa y que en las
diferentes fases del proceso se van transformando hasta cristalizarse y
formar los granos de azcar. Se utiliza un caldero para la generacin de
vapor que es la fuente de energa de los mecanismos y equipos que
intervienen en el proceso.
En todo proceso de produccin existen materiales que no forman parte del

producto final, pero que arrastran parte del producto y que tambin son
derivados de la materia prima; en el caso de IANCEM, tambin se obtiene:
melaza, bagazo, cachaza y ceniza.
Durante el ciclo de produccin del IANCEM intervienen diversos factores

qumicos que pueden provocar prdidas al proceso si no son controlados
efectivamente.
Con estos lineamientos generales del proceso, posteriormente nos

enfocamos especficamente al rea de desarrollo del aplicativo: la planta de
produccin. Del anlisis de infraestructura tecnolgica disponible en
produccin, se encontraron herramientas de software interesantes para el
control del proceso de azcar como es el caso del Sistema de tipo comercial
58

FICA - EISIC
FOXBORO, que a travs de PLCs, monitorea algunos factores de

produccin importantes y los mantiene en un rango ptimo de operacin.
Este es un sistema de tipo on line, es decir, que funciona a la par con el
proceso de produccin; situacin diferente a un sistema de simulacin que
es de tipo off line fuera de lnea de produccin y que funciona sin
necesidad de que la planta est operando, incluso sin que sta exista.
Este sistema FOXBORO en nuestra aplicacin es considerado como una

fortaleza, ya que es una de las fuentes de obtencin de informacin real para
las corridas del simulador. En la figura # 3.1, se muestra la funcionalidad
del Aplicativo y la intervencin de los recursos en l.
FOXBORO
PLCs
Planta de Produccin
Informacin
Laboratorio
Ingreso de
informacin
rea de Servidores
Tcnicos
BDD
Almacenamiento
de Datos
Modelo y Anlisis
Simulacin
Tcnicos
Simulador
Consulta
Distribucin
Grfico # 3.1 -Grfico de funcionalidad del Aplicativo a implementarse
59

FICA - EISIC
Despus de un anlisis de la informacin en el Proceso de Produccin de

IANCEM, se establecieron como requerimientos del sistema, realizar un
sistema que permita simular el comportamiento del proceso de produccin;
que a travs de un Balance de Materiales o Masa se consideren en cada
Unidad Operativa de Proceso o Mdulo los factores importantes que
intervienen en el proceso y a partir de variaciones de los mismos se pueda
medir el comportamiento de los Mdulos continuos en la lnea de
produccin. Esto permitir al final de cada corrida del sistema, obtener datos
de volmenes de produccin de azcar. Las Unidades Operativas o mdulos
considerados para el efecto son: molienda, purificacin, clarificacin,
evaporacin, cristalizacin, centrifugacin, secado y envasado.
NOTA: Los proceso de Produccin se detalla en el CD de anexos en la

direccin, CD_TESIS:\Tesis\Anexos \Procesos.pdf
En el grfico # 3.2, se pueden visualizar las Unidades Operativas de Proces o
o mdulos que intervienen en el proceso de produccin del IANCEM, con los
flujos de material ms importantes.
Caa
Molienda
Jugo Mixto
Purificacin
J. Encalado
Clarificacin
J. Claro
Cristalizacin Centrifugacin
Discontinuo
Meladura
Evaporacin
Mieles
Secado Envasado
AZUCAR
Grfico # 3.2. UOPs del Proceso de Produccin en el IANCEM
60

FICA - EISIC
3.1.2 DEFINICIN DEL SISTEMA

Para el desarrollo de esta aplicacin y por su naturaleza, se recomendaba el
uso de lenguajes de programacin especficos para simulacin, pero como
desarrolladores no cremos conveniente que la compaa incurra en gastos
innecesarios adquiriendo licencias de software que no tiene frecuencia de
uso.
Es por esto que se desarroll la aplicacin utilizando el software que la

empresa IANCEM dispone y que a juicio nuestro y basados en la bibliografa
est acorde a lo que necesitamos.
SISTEMA OPERATIVO
El sistema operativo de Red que se utiliz es Windows 2000 Server de la

casa Microsoft, que es uno de los sistemas operativos ms populares y con
buenas prestaciones en procesos de tipo Cliente-Servidor.
SERVIDOR DE BASE DE DATOS
El Sistema Gestor de Base de Datos que se utiliz para el almacenamiento

de la informacin que opera el Sistema Simulador que se desarroll es SQL
Server de Microsoft versin 7.0. Este SGBDD, se acopla perfectamente tanto
con la plataforma como con el frontal que se menciona ms adelante. SQL
Server es uno de los gestores ms livianos y con un sinnmero de
prestaciones como almacn de informacin; permite inclusive la construccin
de cubos de informacin muy tiles en el momento de reportar gran cantidad
de informacin.
61

FICA - EISIC
LENGUAJE DE PROGRAMACIN FRONT END
No se utiliz un lenguaje especfico de desarrollo de aplicaciones de

simulacin; ms bien se opt por escoger dentro de los lenguajes de
propsito general, el que ms se acople a las exigencias del proyecto y del
cual se disponga del mayor conocimiento posible, adems de aprovechar de
la tecnologa disponible en el IANCEM. Es por esto, que se utiliz a Visual
Basic versin 6.0 como el lenguaje de desarrollo de la aplicacin ya que
permite un manejo de programas flexibles y con algunas prestaciones en el
momento del anlisis y clculos de la informacin.
CLIENTE - SERVIDOR
El cliente es el responsable de la parte lgica y de presentar la informacin

al usuario. Generalmente el cliente corre en una o ms computadoras
clientes, aunque tambin puede correr en una computadora Servidor con
SQL Server.
SQL Server administra Base de Datos y distribuye los recursos disponibles

del servidor (tales como memoria, operaciones de disco,
etc) entre las
mltiples peticiones.
Los Componentes Cliente y Servidor de SQL Server corren en los Sistemas

Operativos mostrados en la siguiente tabla.
62

PLATAFORMA
FICA - EISIC
COMPONENTE COMPONENTE
SERVER
Microsoft Win 95/98
CLIENTE
Si
Si
Microsoft Windows NT WorKstation 4.0 y Si
Si
posteriores
Microsoft Windows NT Server 4.0 y Si
Si
posteriores
Microsoft Windows NT Server Enterprise Si
Si
Edition 4.0 y posteriores

Windows 3.X
No
Si
MS-DOS
No
Si
Third party
No
Si (Unix, apple
Macintosh)
Internet Browsers
No
Si
En el esquema # 3.1. se puede observar las plataformas para SQL Server

7.0.
Grfico # 3.1. Plataformas de los Componentes Cliente / servidor.
63

FICA - EISIC
REQUERIMIENTOS DE HARDWARE SERVIDOR
El sistema de simulacin por el volumen de clculos y operaciones que

realiza, necesita de un equipo con un procesador robusto y confiable; es por
esto que no se recomienda la instalacin en equipos que no cumplan con
estas caractersticas:
v Procesador Pentium IV 2.0 Ghz
v Memoria 256 MB
v Espacio de disco 500MB libres
v Tarjeta de Red 10/100Mbps
Sin embargo, el sistema de simulacin est corriendo en IANCEM en un

Servidor de mayores prestaciones:
v Procesador Xeon 3.2 Ghz

v Memoria 2 Ghz
v Espacio en disco libre 60GB
v Tarjeta de Red 1Gbps
REQUERIMIENTOS DE HARDWARE EN CLIENTE

v Mnimo estacin win 98 SE,
v 30 MB espacio libre en disco
v procesador Pentium 266 Mhz
v Memoria de 128MB
v Tarjeta de red 10/100
64

FICA - EISIC
3.1.3. ADQUISICIN Y RECOPILACIN DE INFORMACIN

En esta fase de anlisis y recopilacin de informacin, cabe mencionar que
se tom ms tiempo (aproximadamente 18 meses) de lo planificado en
nuestro estudio, ya que fue indispensable el que tengamos un nivel de
conocimiento elevado del proceso de produccin para poderlo esquematizar
en un sistema de simulacin informtico. Adems, nos soportamos en el
conocimiento y la experticia de los ingenieros de Produccin, del Jefe de
Control de Calidad y del Jefe de Instrumentacin.
En esta fase, aplicamos conceptos de recopilacin de informacin de

sistemas expertos: entrevistas, narracin de procesos, casos reales,
fotografas, videos, visitas explicativas, etc.
Adems, para la recoleccin de la informacin se utiliz gran parte los

informes del laboratorio de fechas anteriores y se realizaron anlisis de
laboratorio aproximadamente seis meses para tener un grado de confianza
de los datos, la informacin obtenida del proceso sirvi para definir cuales
son los factores que se pueden medir, cuales son parmetros, y que factores
dependen de otros valores, adems se pudo determinar un rango sobre el
cual se controlar el ingreso de datos para cada mdulo. Ms adelante
podremos revisar la informacin mencionada para cada mdulo expuesta en
tablas.
3.1.4. DEFINICIN DE PROCEDIMIENTOS

Una vez que se especific los factores de ingreso del sistema simulador o
proceso
de
produccin
del
IANCEM,
tambin
se
definieron
los
procedimientos que operan en el sistema simulador por computadora, entre

ellos tenemos: autentificacin, simulacin a travs de modelos matemticos,
65

FICA - EISIC
grficos, reportes, consultas y almacenamiento en la base de datos. Este

ltimo, porque es indispensable conserva r un histrico de las corridas
realizadas exitosamente, ya que pueden servir como un recurso para evaluar
la produccin y tener datos acercados de las perdidas de azcar que se
presentan en el proceso productivo.
PROCEDIMIENTO AUTENTIFICACIN
En el aplic ativo se nos solicit mantener dos usuarios para el manejo de

interaccin con el software; se concibieron los siguientes usuarios:
v Administrador
v Operador
El administrador tiene los siguientes privilegios en el sistema simulado por

computadora.
v Manejo de todos los formularios
v Simular a travs del modelo matemtico desarrollado
v Sacar grficos estadsticos
v Sacar reportes y consultas
v Almacenar, modificar, eliminar en la base de datos
Mientras que, el Operador puede: Simular a travs del modelo matemtico y

sacar grficos estadsticos comparativos del proceso. Ver en la figura # 3.3
un esquema del sistema de simulacin a implementarse.
66

FICA - EISIC
BDD
Administrador
Actualizacin
SI
Acceso al
Sistema
Administrador?
Actualizacin
Genera
r
Parmetros de
Operacin
NO
Simulacin
Proceso de
Produccin
Anlisis
Modelos
Clculos
Operador
Reportes
Genera
r
Figura # 3.3 Grfico de secuencia del Sistema de Simulacin de Produccin
3.2. DISEO DEL SISTEMA
3.2.1. SIMULACIN A TRAVS DE MODELOS MATEMTICOS

De acuerdo a las necesidades del sistema, es necesario realizar un sistema
simulador, basado en la ley de la conservacin de la masa, que dice, nada
se destruye solo se transforma; y realizar un balance de materiales para
establecer los factores idneos para cada Unidad Operativa de Proceso. Es
por esto que como definimos anteriormente, se va a ir tratando cada una de
las UOP o mdulos para el desarrollo del sistema de simulacin de acuerdo
al grfico # 3.2. Y en cada uno de los mdulos se irn esbozando grficos de
67

FICA - EISIC
casos de uso similares debido a que este particular es semejante en todos

los mdulos.
3.2.1.1. PLANTEAMIENTO DEL MODELO MATEMTICO - MDULO DE
Parmetros
<include>
Modelo
Molienda
<solicita>
Reporte
Modelo
matemtico
<input>
Next Model
<include>
Reporte
<interacta>
Procesos de
clculo
<extend>
<almacena>
R
Figura # 3.4 Diagrama de Casos de Usos Mdulo de Molienda
MOLIENDA
El modelo se plantea a travs de diversos factores que se han llegado a

definir y de los cuales se han tomado los ms importantes para su anlisis.
En la tabla # 3.1, se detallan los factores que intervienen con sus respectivos
rangos de ingreso.
68

FACTORES DE INGRESO
FICA - EISIC
RANGOS
Toneladas de caa a moler en ton / da

0 a 1200
Flujo de Imbibicin m / h
6a3
Pol de caa
12 a 14.5
Tiempo perdido en el da
0 24 h
Kg fibra / kg bagazo (entra molino 1)
0.1 a 0.6
Kg fibra seca/kg bagazo (sale molino 1)
0.1 a 0.6
Kg fibra seca/kg bagazo (jugo molino 1)
0.1 a 0.6
0.1 a 0.6
0.1 a 0.6
Kg fibra seca/kg bagazo (jugo molino 2)
0.1 a 0.6
0.1 a 0.6
0.1 a 0.6
Fraccin bagazo en la mezcla bagazo/jugo(sale molino 1) 0.1 a 0.6
Fraccin bagazo en la mezcla bagazo/jugo(sale molino 2) 0.1 a 0.6
Pol (Kg azucar/kg muestra)
6 a 17
Tabla #3.1 : factores del mdulo de molienda
Adems de los factores de ingreso tenemos los factores que dependen de

otros ingresos y sirven para llevar un control del proceso evitando con ellos
posibles errores que se presenten en el proceso real, en la tabla # 3.2
podemos listar los factores dependientes.
FACTORES DEPENDIENTES
Bagazo saliente molino # 1
Jugo saliente molino 1, con bagazo
Jugo saliente molino 2, con bagazo
Bagazo saliente molino 2
Ton. Jugo de imbibicin, es jugo saliente molino 4
Bagazo saliente molino 3
Toneladas jugo mixto
Ton bagazo/hora, bagazo saliente molino 4
Ton. Jugo imbibicin hacia salida molino 1, es jugo saliente molino 3
Tabla # 3.2: Factores dependientes del mdulo molienda
La molienda esta conformada por cuatro molinos conectados en serie que

permiten la extraccin
en su mxima capacidad del jugo de la caa o
sacarosa, (en el anexo CD_TESIS:\Tesis\Anexos \Procesos.pdf se explica

como es su funcionamiento) las mismas que logran calcular los datos de las
variables que intervienen en la extraccin y conocer porcentajes de perdidas
de sacarosa que se presentan en este mdulo.
69

FICA - EISIC
Con el siguiente grupo de ecuaciones que se analizaron y programaron en

el sistema se resuelve el modelo matemtico de este mdulo:
Relaciones Funcionales
L = A*
bA
bL
Ec. # 1
I = A*
bA
bI
Ec. # 2
F = A*
bA
bF
Ec. # 3
Z = A*
bA
bZ
Ec. # 4
b
J = A *1 A + W
bZ
Ec. # 5
1 1
O = AbA
bI bL
Ec. # 6
1 1
H = AbA
bL bZ
Ec. # 7
bI =
1
1
1
1
W
+
b L bF bZ Ab A
C = A*
(b
(b
B= A
G=
(b
bA )
bC* X C )
bC * X C )
bB bC* X C
A
C( X c 1) + J
(1 X )
Ec. # 8
Ec. # 9
Ec. # 10
Ec. # 11
E = C * XC + G * XG
bE =
CX C bC * + GX G bG*
E
Ec. # 12
Ec. # 13
70

FICA - EISIC
Anlisis de Prdidas de sacarosa

PERDIDAS TOTALES
A* PA = J*PJ +Z* PZ + PerdT
Ec. # 14
PerdT = Perdidas totales de los molinos

MOLINO # 1
A PA = BPB + C(1-XC )PC + CX C PC* +Perd1
Ec. # 15
Perd1 = Prdidas en el molino #1

C(1-BC )PC + G(1-XG)PG = JPJ + Perd1
Ec. # 16
Perd1 = Prdidas en bombas y tamiz del Jugo

CX C PC* + GXGPG* = EPE + Perd1
Ec. # 17
Perd1 = Prdidas en bombas y tamiz del Bagazo.

MOLINO # 2
B PB + EPE + OPO = FPF + G(1-XG) PG + GXG PG* + Perd2
Ec. # 18
Perd2 = Prdidas molino #2

MOLINO # 3
FPF + HPH = LPL +OPO + Perd3
Ec. # 19
Perd3 = Prdidas molino # 3

MOLINO # 4
LPL = ZPZ + HPH + Perd4
Ec. # 20
Perd4 = Prdidas molino # 4
A travs de la resolucin de este grupo de ecuaciones se cumple con las

necesidades planteadas por los usuarios finales.
71

FICA - EISIC

PURIFICACIN Y CLARIFICACIN.
Parmetros
<include>
<solicita>
Before Model
Modelo
Purificacin
Clculo
Modelo
matemtico
<input>
Next Model
<include>
Reporte
<interacta>
Procesos de
clculo
<extend>
<almacena>
R
Figura # 3.5 Diagrama de Casos de Usos Mdulo de

Purificacin
En el mdulo de purificacin y clarific acin se encontr los factores que se

listan en la tabla # 3.3 con sus respectivos valores de ingreso en el sistema.
Cada uno de los valores deben encontrarse en ese valor o por lo menos no
desviarse en un porcentaje alto, ya que si existiesen diferencias
considerables se producira un exceso o defecto en el consumo de qumicos,
perjudicando a la produccin ya que su dosificacin debe ser exacta y/o los
costos por consumo incrementaran; por lo tanto se convierte en una
herramienta de utilidad al Jefe de Produccin y a Bodega de materiales. .
72

FACTORES
Kg antiincrustante / ton caa
Kg S/tcm
Conversin S -> So2
Baum
Kg Cal / Kg agua
Kg cal / tcm
Kg NA 2CO3 / tcm
Floculante diluido/tcm
Fosfatos/tcm
Acido forsfrico/tcm
Corriente de bagazo
FICA - EISIC
VALOR
0.002
0.17
1
9
0.08
1.107
0.092
0.003
0.008
0.013
0.101
Tabla # 3.3: Factores del mdulo de Purificacin y Clarificacin
La purificacin y clarificacin permiten obtener un jugo claro, en el anexo

CD_TESIS:\Tesis\Anexos \Procesos.pdf se puede encontrar
informacin
ms completa del funcionamiento de estos mdulos.
Con el siguiente grupo de ecuaciones que se analizaron y programaron en

el sistema se resuelve el modelo matemtico de este mdulo:
Relaciones Funcionales:
R=
(H
HC )( J E + F ) q + B( H B HC ) A(1 HC )
(1 B
qH P H C (1 q) )
Ec. # 21
C = JE + Fq + R(q-1) + B + A
Ec. # 22
P = q(JE + F + R)
Ec. # 23
JC = JE + R + F P
Ec. # 24
Pol JC = JE*pJE C*pC
Ec. # 25
Brix JC = (JE*bJE)+ (Acido Fos. + Fosf. De Sodio + Floc) + (R*BR ) (P*(1-HP))

Ec. # 26
A travs de la resolucin de este grupo de ecuaciones se cumple con las

necesidades planteadas por los usuarios finales para este mdulo.
73

FICA - EISIC

EVAPORACIN.
Parmetros
<include>
<solicita>
Before Model
Modelo
Evaporacin
Clculo
Modelo
matemtico
<input>
Next Model
<include>
Reporte
<interacta>
Procesos de
clculo
<extend>
<almacena>
R
Figura # 3.6 Diagrama de Casos de Usos Mdulo de

Evaporacin
En el anlisis del mdulo de evaporacin se encontr los factores que se

observan en la tabla # 3.4; los factores determinados son los que intervienen
directamente en este proceso, ya que son valores de ingreso que la persona
o el operador de evaporadores puede medir e ingresar en el sistema, y
comprobar que resultados puede obtener si cambia significativamente algn
factor involucrado en este proceso.
FACTORES
RANGOS
Brix a la entrada de PRE

13 a 18
Brix a la salida del PRE
28 a 33
Brix a la salida del 1 cuerpo 40 a 47
Tabla # 3.4: Factores del mdulo de evaporacin
74

FICA - EISIC
Adems de los factores con sus respectivos rangos de la tabla # 3.4,

tambin encontramos factores con valores exactos, que dependen de la
cantidad para su dosificacin, en la tabla # 3.5, podemos observar cuales
son estos y sus valores.
FACTORES
VALOR
Flujo aire [m^3/h]
423
Densidad [kg/m^3]
1.071
Flujo vapor [Ton/h]
0.032
Flujo de propeg [kg/tcm]
0.005
kg Agua dilucin floc/tcm 0.0012
Brix espumas
0.68
Pol espumas
0.01
Kg S/tcm
0.092
conversin S -->SO2
1
Tabla # 3.5: Factores con valores exactos
En el proceso tambin existen factores que no se pueden ingresar , ya que

dependen de otros factores anteriores, por tal motivo, se realiz un modelo
que simule este comportamiento y nos extraiga esos resultados, en el
siguiente apartado se explica de forma amplia este comportamiento, pero en
la tabla # 3.6 se pueden listar estos factores dependientes.
FACTORES DEPENDIENTES
Concentrado del Preevaporador
Evaporado del preevaporador
Jarabe a Tachos
Brix del Jarabe
Pol del Jarabe
Tabla # 3.6: Factores dependientes modulo de evaporacin
Con todos estos factores se logra concentrar el jugo clarificado y evaporar el

porcentaje de agua presente.
Las siguientes ecuaciones, permiten calcular los valores tiles para que el
Jefe de produccin tome decisiones a tiempo.
75

FICA - EISIC
Relaciones Funcionales:
Cuerpo
Preevaporador
Concentrado
(P
(P
(P
C= C *
(P
(P
C=C *
CP = J C *
Primer
Segundo
JC
PEP )
CP
PE 1)
C1
PE 1)
C1
PE 2 )
(P
C2
Tercero
C3= C2 *
Cuarto
C4 = C3 *
PEP )
CP
Evaporado
(P
PE 2
C2
PE 3)
C3
PE 3
(P
(P
C3
PE 4 )
C4
PE 4
(P
Ec. # 27
(P
(P
(P
E=C *
(P
(P
E =C *
(P
E P = JC *
CP
CP
Ec. # 29
Ec. # 31
C1
C2
PC 1)
E3= C3 *
PE 2 )
(P
(P
PC 2 )
(P
(P
PC 3 )
C3
C3
Ec. # 35
PCP )
PE 1)
E 3= C2 *
PEP )
C!
C2
Ec. # 33
PJC )
C4
C4
PE 3 )
PE 4 )
Ec. # 28
Ec. # 30
Ec. # 32
Ec. # 34
Ec. # 36
A este componente tambin se involucra la etapa de Clarificador de

meladura, esta etapa o proceso permite preparar el Jarabe antes de que
ingrese al componente discontinuo cristalizacin. Las ecuaciones que
resuelven este modelo matemtico son:
J = M + (Azufre * f)+ vapor + (Floculante + Tensoactivo + Agua) i.
Ec. # 37
BJ = M*BM + (Azufre * f) + (Floculante + Tensoactivo) i* Bi .
Ec. # 38
PJ = M*PM - i*Pi
Ec. # 39

CRISTALIZACIN
Siguiendo con el proceso nos encontramos con la parte discontinua que lo

conforman el mdulo de Cristalizacin y Centrifugacin, el mdulo de
cristalizacin permite almacenar las masas cocidas y pasar con la
76

FICA - EISIC
consistencia debida al mdulo de centrifugacin, la cual se encarga de

separar la sacarosa cristalizada de la miel y enviar al siguiente mdulo.
En la tabla # 3.7 encontramos los factores de entrada de las masas cocidas,

estos factores permitirn ingresar al usuario valores para poder controlar el
comportamiento de la preparacin de las masas cocidas.
FACTORES
CRISTALIZACIN 1
Densidad del magma
MCA = Masa Cocida A.
Refundidos
brix de la masa cocida A
brix de la miel A rica
brix del Magma
brix de refundidos
pol de la masa cocida A
pol de la miel A rica
Pol del Magma
Pol de refundidos
FACTORES
CRISTALIZACIN 2
Masa cocida B
Pie de Templa
brix de la Masa Cocida B
brix de la miel A pobre
Brix de la miel A rica
Brix del pie de templa
Pol de la masa cocida B
Pol de la miel A pobre
Pol de la miel A rica
Pol del pie de templa
FACTORES
CRISTALIZACIN 3
Masa Cocida C
Pie de Templa
Brix de la masa cocida C
Brix de la miel B
Brix de la miel C
Pol de la masa cocida C
Pol de la miel B
Pol de la miel C
Pol del pie de Templa
FACTORES
PIE DE TEMPLA
Pie de Templa
Miel A rica
Brix de la miel A rica
Brix de la miel A pobre
Brix de la miel B
Pol del pie de Templa
Pol de la miel A rica
Pol de la miel A pobre
Pol de la miel B
Tabla # 3.7: Factores del mdulo de cristalizacin
Las siguientes ecuaciones, permiten calcular el modelo matemtico de

cristalizacin:
Relaciones funcionales:
M J'
3
+
= 6 [m ]
M J
M*BM + J*BJ = (M+J)*BMJ
Ec. # 40
Ec. # 41
Estas frmulas permiten establecer el nivel de slidos en los Tachos y se

repiten las mismas de acuerdo al tipo de Masa que se est haciendo:
77

FICA - EISIC
Slidos en el Tacho:
MCA*BMCA = J*BJ + mAr*BmAr + (J*BJ + M*BM) + R*BR
Ec. # 42
Azcar en el Tacho:
MCA*PMCA = J*PJ + mAr*PmAr + (J*PJ + M*PM) + R*PR
Ec. # 43
EA = ((J+M) +( mAr +J +R)) - MCA
Ec. # 44
Agua aadida =
MCA * MCAT 1
B MCAC
Ec. # 45
Estas ecuaciones resuelven el problema de establecer el # de masas A; B; C

en el da:
XA =
Ton J disponible / dia

Ton J requerido / MCA
mAp
XA
m Ap
XP
PIE
XB = MCA
mAp requerido / MCB
mB
m
XB B XP
PIE
XC = MCB
m B requerido / MCC
XP=
Ec. # 56
XB + XC
3
Ec. # 57
Ec. # 58
Ec. # 59
78

3.2.1.5.
PLANTEAMIENTO
FICA - EISIC
DEL
MODELO
MATEMTICO
CENTRIFUGACIN.
Parmetros
<solicita>
Before Model
Modelo
Cristalizacin
Centrifugacin
Clculo
<include>
Modelo
matemtico
<input>
Next Model
<include>
Reporte
<interacta>
Procesos de
clculo
<extend>
<almacena>
R
Figura # 3.6 Diagrama de Casos de Usos Mdulo de Cristalizacin - Centrifugacin
El mdulo de centrifugacin ayuda a calcular cuanto de azcar se va

extrayendo de las masas cocidas, en la tabla # 3.8 se listan los factores que
son posibles de medir en el laboratorio y sirven de entradas al proceso.
FACTORES
CENTRFUGA 1
MCA que sale
cristalizador
FACTORES
CENTRFUGA 2
MCB que sale del cristalizador
Pol de la MC de B que sale del
cristalizador
Pol de la miel B
Pol del magma de B
FACTORES
CENTRFUGA 3
MCC que sale del cristalizador
Pol de la MCC que se
descarga del cristalizador
Pol de la miel C
Pol del magma C
Tabla # 3.8: Factores del mdulo de Centrifugacin
De cada una de las centrifugaciones realizadas, solamente en el de la masa

cocida A se obtiene el azcar o sacarosa que pasa al mdulo del secado, las
79

FICA - EISIC
otras dos centrifugaciones sirven para dar ms consistencia a las mieles o

magmas.
Estas son las ecuaciones que resuelven el mdulo de Centrifugacin:

Relaciones Funcionales Centrfuga 1
Aplicando la regla del brazo de Palanca se tiene:
mA =
M CAC * ( PZA PMCAC )

PZA PmA
ZA =
M CAC * ( PMCAC PmA )

PZA PmA
m Ap =
m Ar =
m A * ( PMAr PMA )
PMAr PMAp
m A * PMA PMAp
PMAr PMAp
Ec. # 60
Ec. # 61
Ec. # 62
Ec. # 63
mB =
M CBC * ( PZB PMCBC )

PZB PmB
ZB =
M CBC * ( PMCBC PmB )

PZB PmB
Ec. # 64
Ec. # 65
mC =
M CCC * ( PZC PMCCC )

PZC PmC
ZC =
M CCC * ( PMCCC PmC )

PZC PmC
Ec. # 66
Ec. # 67
80

FICA - EISIC

SECADO
Parmetros
<include>
<solicita>
Before Model
Modelo
Secado
Clculo
Modelo
matemtico
<input>
Next Model
<include>
Reporte
<interacta>
Procesos de
clculo
<extend>
<almacena>
R
Figura # 3.7 Diagrama de Casos de Usos Mdulo de Secado
En el secado el modelo matemtico debe mostrar cuanto de azcar se

obtiene y cuanto de azcar se recircula al mdulo de cristalizacin.
En la tabla # 3.9 se puede observar cuales son los factores que participan e
intervienen en el clculo
FACTORES CALENTAMIENTO
Humedad msica del air e
para calentamiento
Entalpa del aire para
calentamiento
Azcar que se alimenta al
secador
Humedad del azcar que se
alimenta al secador
Temperatura del azcar que
se alimenta al secador
FACTORES ENFRIAMIENTO
Humedad msica del aire
para enfriamiento
Entalpa del aire para
enfriamiento
Humedad del azcar que
sale del secador
Temperatura del azcar
que sale del secador
FACTORES SALIDA
Evacuacin de aire o
aire de salida
Humedad msica del
aire de salida (mezcla)
Entalpa del aire de
salida (mezcla)
Finos que van al
cicln
Tabla # 3.9: Factores del mdulo de secado
81

FICA - EISIC
Estas son las ecuaciones que resuelven el proceso de Secado:
ZE = ZC *
1 H Zc
Z EC
1 H Ze
Ec. # 68
E * YE + C * YC + WEv = ( E + C) * YM
Ec. # 69
1 H Zc
WEV = Z C * 1
1 H Ze
Ec. # 70
E * H E + C * HC + Z C * ( T * Cp ) ZC = ( E + C) * H M + Z E * ( T * Cp) ZE
Ec. # 71
El sistema simulado considera al tiempo perdido como nulo, es decir que los
anlisis de desarrollo se realizaron cuando no existi ninguna parada del
proceso, adems se debe resaltar que cada mdulo se encuentra ligado del
mdulo siguiente, es decir los datos de salida de un mdulo sirven de
entrada al siguiente, esto sucede hasta el mdulo de evaporacin, mientras
que en la parte de cristalizacin y centrifugacin se utilizan entradas
discontinuas, es decir que las salidas de los evaporadores sirven para
posteriores utilizaciones en este proceso.
Con esta informacin se plantearon las funciones necesarias con cdigo
fuente en Visual Basic para resolver el Modelo Matemtico compuesto por
71 ecuaciones producto del modelado de cada uno de las Unidades
Operativas de Proceso o Mdulos de Produccin.
3.2.2. DISEO DE LA BASE DE DATOS

La base de datos se utiliza para almacenar o registrar los datos de entrada y
los de salida del sistema simulador, estos datos sirven de soporte y
referencia para optimizar el rendimiento de produccin del IANCEM.
82

FICA - EISIC
La base de datos almacena la siguiente informacin:
a) La entidad parametros permite almacenar los datos generales de

produccin tales como:
v Fecha de Prueba
v Hora de Prueba
v El da de Prueba
v Flujo de Imbibicin del da
v Humedad de la Caa a moler
v Pol de la caa a moler
v Tiempo perdido en el proceso
v Toneladas de caa a moler por da
v Fraccin de bagazo en la mezcla bagazo/jugo
b) La entidad Kgfibra permite almacenar los valores de los kg de fibra

humeda/ kg de bagazo de las corrientes del sistema molienda
c) La entidad kgfibrakgbagazo, almacena los Kg de fibra seca /kg de bagazo

de la caa en la extraccin del jugo
d) La entidad corrientesm almacena la Pol de los flujos del la caa
del
sistema molienda
e) La entidad flujosmolinos almacena los Flujos en Toneladas / hora del

sistema molienda
f) La entidad molinos almacena las perdidas de sacarosa o azcar en el

sistema molinos
g) La entidad sulfitacion almacena las datos siguientes:

v Kg de azufre aplicados por cada Ton de caa molida
v Conversin de azufre en SO2.
83

FICA - EISIC
h) La entidad encalado almacena:

v Baume
v Densidad de lechada
v Kg de cal aplicado por Kg agua
v Kg de cal por tonelada de caa molida
v Kf Na 2SO3 por tonelada de caa molida
i) La entidad clarificacin almacena lo siguiente:
v Kg de cido fosfrico por tonelada de caa molida
v Kg de fosfato de sodio por tonelada de caa molida
v Kg floculante por tonelada de caa molida
j) La entidad filtrocachaza almacena:

v Tonelada de bagacillo por hora
v Tonelada de agua lavada por hora
k) La entidad bsalidapre almacena la informacin del brix de salida del

preevaporador y de los cuatro cuerpos del proceso de evaporacin.
l) La entidad clarificadormeladura almacena la informacin siguiente:

v Kg de propeg por tonelada de caa molida
v Kg de floculante por tonelada de caa molida
v Brix de la espuma de la meladura
v Pol de la espuma de la meladura
v Kg de azufre por tonelada de caa molida
v Conversin Azufre en SO2
m) La entidad cantazucarrefundida contiene la siguiente informacin:
v Kg de azcar gruesa por masa
v Kg de azcar fina por masa
v Brix del azucar fundido
84

FICA - EISIC
v Tonelada de Miel A sobrante

v Brix de la miel A rica sobrante
v Toneladas de magma de C sobrante
v Brix de los refundidos
n) La entidad aumentospureza almacena:

v Jarabe de la masa cocida A
v Miel A pobre de la masa cocida B
v Miel B de la masa cocida C
) La entidad caidaspureza almacena:

v Miel A rica de la masa cocida A
v Miel A pobre de la masa cocida A
v Miel B de la masa cocida B
v Miel C de la masa cocida C
o) La entidad cristalizacin almacena el brix de las masas cocidas A, B y C,

pie de templa, azcar, mieles de cada masa, magmas de cada masa
p) La entidad cristalizacinprz almacena la pureza del azcar, pie de templa

y magmas de la masa B y C
q) La entidad cristalizacindensidad almacena las densidades de las masas

cocidas A, B y C, pie de templa, azcar, mieles de cada masa, magmas de
cada masa
r) La entidad masacocidaA almacena:

v Volumen del tacho en hectolitros
v Datos del comportamiento de la miel en la centrfuga
v Pol de la mezcla
s) La entidad masacocidaB almacena:
85

FICA - EISIC
v Volumen del Tacho en hectolitros

v Dilucin de mieles
v Entradas de pie de templa y miel B
v Datos de comportamiento de la miel B en la centrfuga
t) La entidad masacocidaC almacena:

v Pie de templa
v Brix miel C en la centrfuga
v Dilucin de mieles
u) La entidad pietempla almacena:

v Semilla
v Miel A rica
v Agua aadida para romper el grano
v) La entidad secadora almacena:

v Toneladas de agua aadida
v Kilogramos de gruesos y finos de azcar
v Brix del azc ar
v Humedad msica del aire para calentamiento
v Entalpa del aire para calentamiento
v Azcar que se alimenta al secador
v Humedad del azcar que se alimenta al secador
v Temperatura del azcar que se alimenta al secador
v Humedad msica del aire para enfriamiento
v Entalpa del aire para enfriamiento
v Humedad del azcar que sale del secador
v Temperatura del azcar que sale del secador
v Humedad del aire de salida
v Entalpa del aire de salida (mezcla)
86

FICA - EISIC
Cada una de estas entidades contiene otros campos adicionales en donde

se registran los datos calculados por el modelo de simulacin de cada uno
de los procesos.
A continuacin se puede observar los diagramas de la base de datos del

aplicativo
3.2.3. DISEO DE PANTALLAS DE ENTRADA Y SALIDA

Para realizar el diseo lgico del
sistema simulador, se realiz
procedimientos precisos para la captura de datos o entradas efectivas para

el sistema, estas presentaciones se estructur considerando el orden de los
mdulos que intervienen en este diseo
El programa esta conformado por una pantalla de presentacin, seguido de

una ventana de autentificacin, esta ventan permite asignar las propiedades
correspondientes a cada uno de los dos usuarios, una vez dentro del
sistema simulador se debe seguir el siguiente orden para que no exista
informacin fuera de la realidad del proceso:
1. Molienda
2. Purificacin
3. Clarificacin
4. Evaporacin
5. Cristalizacin-Centrifugacin
Masa Cocida A
Masa Cocida B
Masa Cocida C
Pie de Templa
6. Secador
7. Reportes
87

FICA - EISIC
La pantalla de informes se la puede utilizar en cualquier orden, debido a que

los datos que se obtiene son extrados de la base de datos.
En la figura # 3.8. se puede observar las pantallas de entrada y salida de

informacin del sistema simulador
Pantalla
Men principal
Pantalla
Pantalla E-S
Mdulo Molienda
Pantalla E-S
Clarificacin
Pantalla E-S
Evaporacin
Pantalla E-S
Purificacin
Pantalla E-S
Cristalizacin
Centrrifugacin
Pantalla E-S
MCA-Centrifugacin
Informes
Pantalla E
Parmetros
Pantalla E-S
MCB-Centrifugacin
Pantalla
Informes
Pantalla E-S
MCC-Centrifugacin
Pantalla de salida
Reportes
Pantalla E-S
Secado
Pantalla E-S
Pie de Templa
Figura # 3.8. Pantallas de Entrada y salida del Sistema Simulador
3.3. DESARROLLO DE LA APLICACIN
El desarrollo del sistema se encuentra detallado en el CD de anexos

CD_TESIS:\Tesis\Manuales \Tcnico.pdf.
88

FICA - EISIC
3.4. IMPLEMENTACIN DE SISTEMA SIMULADOR
La implementacin se lo realiz en el departamento de produccin del

IANCEM, se realiz las pruebas y validaciones correspondientes con la
ayuda de los profesionales de esa rea, del laboratorio y el departamento de
instrumentacin.
3.5. DOCUMENTACIN
La documentacin del sistema simulador se encuentra almacenada en el CD

de anexos en la direccin, CD_TESIS:\Tesis\Manuales\Usuario.pdf
89

FICA - EISIC
CAPITULO III
CONTENIDOS
v Anlisis del sistema
v Anlisis de requerimientos
v Definicin del sistema
v Adquisicin y recopilacin de informacin
v Definicin de procedimientos
v Diseo del sistema
v Simulacin a travs de modelos matemticos
v Diseo de la base de datos
v Diseo de pantallas de entrada y salida
v Desarrollo de la aplicacin
v Implementacin de sistema simulador
v Documentacin
90

FICA - EISIC
PRUEBA DE RESULTADOS DEL SISTEMA SIMULADOR
4.1. INTRODUCCIN
En este captulo nos hemos centrado en la prueba de resultados del Sistema

Simulador que utiliza un modelo para resolver el proceso de produccin en el
IANCEM. Para el anlisis se realizaron varias corridas del sistema y se
compararon con los resultados obtenidos del proceso real, bajo parmetros y
variables de entrada iguales para ambos casos. Con los datos obtenidos del
proceso de simulacin por computadora comparando con los valores del
proceso real se calcula el porcentaje de error existente. A partir de esta
informacin, es posible determinar si se acepta o rechaza el modelo
matemtico aplicado en el sistema de simulacin por computadora.
La validacin se ajust a los requerimientos del personal de produccin o

cliente asegurndose que el simulador cumpla las necesidades del usuario,
las pruebas se realizaron en los mdulos que las personas expertas
sugirieron para poder determinar la veracidad de los datos que arroja el
sistema, datos fundamentales para la obtencin de resultados de produccin
eficientes.
4.2. PRUEBAS DEL SISTEMA SIMULADOR
Para realizar la prueba de los resultados del sistema simulador se utiliz los
datos de los reportes diarios del laboratorio durante aproximadamente un
perodo de seis meses, con la informacin recolectada se realiz la seleccin
de las variables que seran sometidas a comprobacin de cada uno de los
mdulos del sistema, variables de salida del sistema simulador al aplicarse
el modelo matemtico correspondiente a cada uno de sus mdulos.
91

FICA - EISIC
El sistema se valid para los seis das de molienda que realiza en ingenio
azucarero, esto se debi a que la maquinaria sufre varios cambios por el
proceso, es decir; existen cambios de temperatura, fugas de vapor,
derrames de jugos, etc.
El sistema debe manipularlo una persona que conoce del funcionamiento del
proceso azucarero, para que los valores que se ingrese al sistema no se
salgan del rango que en el proceso real podran presentarse y asumirse.
4.2.1. VERIFICACIN Y VALIDACIN

La verificacin nos permite asegurarnos que el modelo revele la informacin
que desea el experimentador o persona experta, mientras que la validacin
lograr comprobar la correspondencia entre el desempeo del modelo y el
desempeo del sistema real, el sistema simulador desarrollado cumple a
satisfaccin con las especificaciones de las personas expertas o
experimentadores, ya que se lo realizo conjuntamente con el personal
involucrado directamente con el proceso de produccin de azcar, adems
las variables tanto de entrada como salida se plasm con la ayuda del
mismo grupo de trabajo, es por ello que el sistema cumple con las
necesidades reales del rea de produccin. La validacin se realiz tomando
en cuenta las recomendaciones del personal calificado del rea de
produccin, en la tabla # 4.1 se puede observar las variables que se llevarn
a esta validacin, adems se debe aclarar que para este procedimiento se
considerar un margen de error de un 5 % para cada anlisis en cada uno
de los seis das de produccin, ya que un modelo de simulacin existe un
margen de error debido a que no se puede considerar todas las
caractersticas que participan en el proceso, de hacerlo sera muy difcil su
resolucin.
92

FICA - EISIC
VARIABLES DEL PROCESO DE

PRODUCCION
Jugo Mixto
Pol Bagazo
Pol Melaza
Melaza Producida
# MCA Elaboradas / da
# MCB Elaboradas / da
# MCC Elaboradas / da
# PT Elaborados / da
Azcar a silos
Rendimiento
Tabla # 4.1. Variables del proceso de produccin para la prueba de
resultados
Para la validacin de los flujos de las variables del cuadro # 4.1 se utiliz la
frmula siguiente:
Porcentaje de error = |V alor experimental Valor aplicando el modelo | *100%
F.4.1.
Valor experimental
Esta frmula permite calcular el porcentaje de error que existe entre el valor
experimental y el valor del modelo, a continuacin se calcular los
porcentajes de desviaciones para las variables que se muestran en la tabla #
4.1 para los seis das de produccin semanal del IANCEM.
4.2.1.1. JUGO MIXTO
Validacin del resultado de la variable Jugo Mixto para el da primero
Para la validacin del jugo mixto se utiliza la informacin de la tabla 4.1 que
se muestra a continuacin:
Datos
Valor Experimental
Valor Modelo
Flujo Msico [Ton/h]

35,13
35,69
Tabla # 4.1. Cuadro Comparativo Jugo Mixto
93

FICA - EISIC
Los resultados obtenidos del valor del modelo que se muestra en la tabla #
4.1 se determin utilizando el mdulo de molienda del sistema simulador
como se puede observar en el grfico # 4.1, mientras que el flujo del valor
experimental se lo extrajo de una media aritmtica aplicada a los flujos de
muestra recopilados del Sistema Foxboro del IANCEM.
En la tabla # 4.2 se puede observar los datos de entrada para calcular el

jugo mixto del primer da de molienda, cabe resaltar que estos datos son
producto de una media aritmtica aplicada a la recopilacin de informacin
de aproximadamente seis meses.
Datos de entrada
da
Flujo de imbibicin
Toneladas Caa x
da
Tiempo perdido
Pol de la Caa
Valores
1
6 m3/h
1000 Ton/da
0
14,06
Tabla # 4.2. Datos de entrada al mdulo de molienda para el da primero
La frmula que se aplic para calcular el porcentaje de error es la siguiente:
Porcentaje de error = |Valor experimental Valor aplicando el modelo | *100%
F.4.1.
Valor experimental
Porcentaje de error = |35,13 35,69| *100%

35.13
Porcentaje de error = 1,59 %
Si se considera que el margen de error del modelo en esta etapa es de un 5

%, el porcentaje obtenido de 1,59 % se encuentra dentro del rango de datos
confiables.
94

FICA - EISIC
Validacin del resultado de la variable Jugo Mixto para el da segundo
En la tabla # 4.3 se puede observar los datos obtenidos correspondientes al

da segundo.
Datos
Valor Experimental
Valor Modelo
Flujo Msico [Ton/h]

34,79
35,14
Tabla # 4.3. Valores del Jugo Mixto
El valor experimental se tomo de la computadora que posee el programa

Foxboro del departamento de produccin, mientras que para encontrar el
valor del modelo se utiliz los flujos de entrada que se muestran en la tabla #
4.4, flujos que corresponden a un anlisis experimental del comportamiento
en el proces o de molienda del da segundo de la semana.
Datos de entrada
da
Flujo de imbibicin
Toneladas Caa x da
Tiempo perdido
Pol de la Caa
Valores
2
5.5 m3/h
1000 Ton/da
0
14,05
Tabla # 4.4. Datos de entrada al mdulo de molienda para el da segundo
La frmula que se aplic para calcular el porcentaje de error es la F.4.1

34,79
Porcentaje de error =1,01 %

confiables.
95

FICA - EISIC
Validacin del resultado de la variable Jugo Mixto para el da tercero

da tercero.
Datos
Valor Experimental
Valor Modelo
Flujo Msico [Ton/h]

34,01
34,74
En la tabla # 4.6 se encuentran los datos de entrada para obtener el valor del
modelo.
Datos de entrada
da
Flujo de imbibicin
Toneladas Caa x da
Tiempo perdido
Pol de la Caa
Valores
3
4,9 m3/h
1000 Ton/da
0
14,07
Tabla # 4.6. Datos de entrada al mdulo de molienda para el da cuarto
Aplicando la frmula F.4.1 tenemos el siguiente porcentaje:

34,01

confiables.
96

FICA - EISIC
Validacin del resultado de la variable Jugo Mixto para el da cuarto

da cuarto.
Datos
Valor Experimental
Valor Modelo
Flujo Msico [Ton/h]

33,69
33,51
En la tabla # 4.8 se encuentran los datos de entrada para obtener el valor del
modelo.
Datos de entrada
da
Flujo de imbibicin
Toneladas Caa x da
Tiempo perdido
Pol de la Caa
Valores
4
4,5 m3/h
1000 Ton/da
0
14,03
Tabla # 4.8. Datos de entrada al mdulo de molienda para el da cuarto

33,69

confiables.
97

FICA - EISIC
Validacin del resultado de la variable Jugo Mixto para el da quinto

da quinto.
Datos
Valor Experimental
Valor Modelo
Flujo Msico [Ton/h]

33,20
33,02
En la tabla # 4.10 se encuentran los datos de entrada para obtener el valor

del modelo.
Datos de entrada
Da
Flujo de imbibicin
Toneladas Caa x da
Tiempo perdido
Pol de la Caa
Valores
5
3,8 m3/h
1000 Ton/da
0
14,04
Tabla # 4.10. Datos de entrada al mdulo de molienda para el da quinto

33,20

confiables.
Validacin del resultado de la variable Jugo Mixto para el da sexto

da sexto.
98

FICA - EISIC
Datos
Valor Experimental
Valor Modelo
Flujo Msico [Ton/h]

33,08
32,92
En la tabla # 4.10 se encuentran los datos de entrada para obtener el valor

del modelo.
Datos de entrada
Da
Flujo de imbibicin
Toneladas Caa x da
Tiempo perdido
Pol de la Caa
Valores
5
3,28 m3/h
1000 Ton/da
0
14,17
Tabla # 4.10. Datos de entrada al mdulo de molienda para el da sexto

33,08

confiables.
Anlisis de Resultados de la va riable Jugo Mixto
Una vez calculado el porcentaje de error para cada uno de los seis das de
produccin se puede concluir que la variable se encuentra dentro del margen
de error del 5 %, por lo tanto este valor esta contemplando la realidad del
proceso y es confiable su respuesta, en el grafico # 4.1 se puede observar la
correlacin que existe entre el valor experimental y el valor del modelo,
adems en el grafico # 4.2. se muestran los porcentajes de error para cada
99

FICA - EISIC
uno de los casos de los seis das de la semana de produccin que no

sobrepasan el 5 % de error.
CORRELACIN ENTRE VE vs VM
37,00
36,00
Valor
Experimental
35,00
Valor del Modelo

34,00
33,00
0
Grafico # 4.1. Correlacin entre los valores experimentales y el valor del modelo del
jugo mixto
% DE DESVIACION ENTRE VE vs VM
5,00%
4,00%
3,00%
2,00%
2,14%
1,59%
1,01%
1,00%
0,53%
0,54%
0,48%
0,00%
1
das
Porcentaje de desviacin
Grafico # 4.2. % de error presente entre los valores experimentales y el valor del
modelo del jugo mixto
4.2.1.2. POL DE BAGAZO
Para obtener el valor de la Pol del bagazo desde el da primero hasta el

sexto da en el sistema simulador, se utiliz los valores que se muestran en
el CD de anexos en la direccin, CD_TESIS:\Tesis\Anexos \Datos.xls.
A continuacin se detalla para cada uno de los das.
100

FICA - EISIC
Validacin del resultado de la variable Pol Bagazo para el da primero
Para la validacin de la Pol del bagazo se utiliza la informacin de la tabla

4.11 que se muestra a continuacin:
Datos
Valor Experimental
Valor Modelo
Pol Bagazo %
6,05
6,35
Tabla # 4.11. Cuadro Comparativo Pol Bagazo
Aplicando los valores en la frmula F.4.1, se tiene:

6,21

confiables.
Validacin del resultado de la variable Pol Bagazo para el segundo da
En la tabla # 4.12 se puede observar los datos obtenidos correspondientes

al segundo da.
Datos
Valor Experimental
Valor Modelo
Pol Bagazo %
6,12
6,28
Tabla # 4.12. Valores de la Pol Bagazo
Aplicando los valores en la frmula F.4.1. se tiene:
101

FICA - EISIC

6,12

confiables.
Validacin del resultado de la variable Pol Bagazo para el tercer da

al tercer da.
Datos
Valor Experimental
Valor Modelo
Pol Bagazo
6,13
6,39

6,18

confiables.
102

FICA - EISIC
Validacin del resultado de la variable Pol Bagazo para el cuarto da

al da cuarto.
Datos
Valor Experimental
Valor Modelo
Pol Bagazo %
6,11
6,17

6,11
confiables.
Validacin del resultado de la variable Pol Bagazo para el quinto da

al da quinto.
Datos
Valor Experimental
Valor Modelo
Pol Bagazo %
6,12
6,15

6,12
103

FICA - EISIC

confiables.
Validacin del resultado de la variable Pol Bagazo para el sexto da

al da sexto.
Datos
Valor Experimental
Valor Modelo
Pol Bagazo %
6,10
7,01

6,20

confiables.
Anlisis de Resultados de la variable Pol Bagazo
produccin se puede concluir que el resultado de la variable se encuentra
dentro del margen de error del 5 %, por lo tanto este valor esta
104

FICA - EISIC
contemplando la realidad del proceso y es confiable su respuesta, en el

grafico # 4.3 se puede observar la correlacin que existe entre el valor
experimental y el valor del modelo, adems en el grafico # 4.4. se muestran
los porcentajes de error para cada uno de los casos de los seis das de la
semana de produccin que no sobrepasan el 5 % de error.
7,00
Valor
Experimental
Valor del
Modelo
6,00
5,00
0
Grafico # 4.1. Correlacin entre los valores experimentales y el valor del modelo de la
Pol Bagazo
5,00%
4,00%
3,00%
2,00%
3,04%
2,25%
2,04%
0,98%
0,49%
0,49%
1,00%
0,00%
1
das
Grafico #4.1.% de error presente entre los valores experimentales y el valor del
modelo de la Pol Bagazo
105

FICA - EISIC
4.2.1.3. POL CACHAZA
Para obtener el valor de la Pol de la cachaza por da (seis das

considerados) en el sistema simulador, se utiliz los valores que se
muestran en el anexo 4.1. a continuacin se detalla para cada uno de los
das.
Validacin del resultado de la variable Pol Cachaza para el da primero
Para la validacin de la Pol de la cachaza se utiliza la informacin de la tabla

Datos
Valor Experimental
Valor Modelo
Pol Cachaza %
8,35
8,55
Tabla # 4.16. Cuadro Comparativo Pol Cachaza

8,35

confiables.
Validacin del resultado de la variable Pol Cachaza para el segundo da

al segundo da.
106

FICA - EISIC
Datos
Valor Experimental
Valor Modelo
Pol Cachaza %
8,69
8,97
Tabla # 4.17. Valores de la Pol Cachaza

8,73

confiables.
Validacin del resultado de la variable Pol Cachaza para el tercer da

al tercer da.
Datos
Valor Experimental
Valor Modelo
Pol Cachaza
9,44
9,71

9,44
107

FICA - EISIC

confiables.
Validacin del resultado de la variable Pol Cachaza para el cuarto da

al da cuarto.
Datos
Valor Experimental
Valor Modelo
Pol Cachaza %
10,01
10,36

10,21

confiables.
Validacin del resultado de la variable Pol Cachaza para el quinto da

al da quinto.
Datos
Valor Experimental
Valor Modelo
Pol Cachaza %
11,77
11,89
108

FICA - EISIC

11,77

confiables.
Validacin del resultado de la variable Pol Cachaza para el sexto da

al da sexto.
Datos
Valor Experimental
Valor Modelo
Pol Cachaza %
13,33
13,47
Tabla # 4.21. Valores de la cachaza

13,33

confiables.
109

FICA - EISIC
Anlisis de Resultados de la variable Pol Bagazo
produccin se puede concluir que, el resultado de la variable se encuentra
dentro del margen de error del 5 %; por lo tanto, este valor esta
14,00
13,00
12,00
Valor
Experimental
11,00
Valor del
Modelo
10,00
9,00
8,00
0
das
Pol Cachaza
110

FICA - EISIC
5,00%
4,00%
3,00%
2,00%
2,39%
2,75%
2,86%
1,47%
1,01%
1,05%
1,00%
0,00%
1
das
Grafico # 4.5.% de error presente entre los valores experimentales y el valor del
modelo de la Pol Cachaza
4.2.1.4. MELAZA (Ton azcar/da)
Para obtener el valor de la Melaza por da (seis das considerados) en el

sistema simulador, se utiliz los valores que se muestran en el anexo 4.1. a
continuacin se detalla para cada uno de los das.
Validacin del resultado de la variable Melaza para el da primero
Para la validacin de la Melaza se utiliza la informacin de la tabla 4.21 que

se muestra a continuacin:
Datos
Valor Experimental
Valor Modelo
Melaza (Ton azcar/da)

8,01
8,12
Tabla # 4.21. Cuadro Comparativo Melaza

8,01
111

FICA - EISIC

confiables.
Validacin del resultado de la variable Melaza para el segundo da

al segundo da.
Datos
Valor Experimental
Valor Modelo

9,19
9,27
Tabla # 4.17. Valores de la Melaza

9,19

confiables.
Validacin del resultado de la variable Melaza para el tercer da

al tercer da.
112

FICA - EISIC
Datos
Valor Experimental
Valor Modelo
Melaza
10,41
10,55

10,41

confiables.
Validacin del resultado de la variable Melaza para el cuarto da

al da cuarto.
Datos
Valor Experimental
Valor Modelo

7,41
7,54

7,41
113

FICA - EISIC

confiables .
Validacin del resultado de la variable Melaza para el quinto da

al da quinto.
Datos
Valor Experimental
Valor Modelo

6,81
6,92

6,81

confiables.
Validacin del resultado de la variable Melaza para el sexto da

al da sexto.
Datos
Valor Experimental
Valor Modelo

8,09
8,18
114

FICA - EISIC

8,09

confiables.
Anlisis de Resultados de la variable Melaza
11,00
10,00
Valor
Experimental
9,00
Valor del
Modelo
8,00
7,00
6,00
0
das
Melaza
115

FICA - EISIC
5,00%
4,00%
3,00%
2,00%
1,75%
1,37%
0,87%
1,62%
1,34%
1,11%
1,00%
0,00%
1
das
modelo de la Melaza
4.2.1.5. MASAS COCIDAS A,B,C, PIE DE TEMPLA
Para obtener el porcentaje de las masa cocidas primera (A), segunda (B),
tercera (C) y el pie de templa por da (seis das considerados) en el sistema
simulador, se utiliz los valores que se muestran en el anexo 4.1. a
continuacin se detalla para cada uno de los das.
Validacin de los resultados de las variable de las Masa Cocidas y el

Pie de Templa para el da primero
Para la validacin de estos resultados se utiliza la informacin de la tabla

Datos
Valor
Experimental
Valor Modelo
MCA %
6,65
MCB %
2,79
MCC % PIE T.
1,00
1,27
6,71
2,86
1,03
1,30
Tabla # 4.27. Cuadro Comparativo Masas Cocidas y Pie Templa
116

FICA - EISIC
Aplicando los valores en la frmula F.4.1, para MCA se tiene:

6,65
Aplicando los valores en la frmula F.4.1, para MCB se tiene:

2,79
Aplicando los valores en la frmula F.4.1, para MCC se tiene:

1,00
Aplicando los valores en la frmula F.4.1, para PIE T. se tiene:

1,27

%, el porcentaje obtenido de MCA = 0.96 %, MCB = 2,51 %, MCC = 3,00 %
y Pie T = 2.36 %; se encuentra dentro del rango de datos confiables.
117

FICA - EISIC
Validacin de los resultados de las varia ble de las Masa Cocidas y el

Pie de Templa para el segundo da

Datos
Valor
Experimental
Valor Modelo
MCA %
7,48
MCB %
3,19
MCC % PIE T.
1,14
1,41
7,56
3,22
1,17
1,46

7,48

3,19

1,14
118

FICA - EISIC

1,41

%, el porcentaje obtenido de MCA = 1,07 %, MCB = 0,94 %, MCC = 2,63 %
y Pie T = 3,55 %; se encuentra dentro del rango de datos confiables.

Pie de Templa para el tercer da

Datos
Valor
Experimental
Valor Modelo
MCA %
8,42
MCB %
3,51
MCC % PIE T.
1,29
1,59
8,48
3,53
1,35
1,63

8,42
119

FICA - EISIC

3,51

1,31

1,59


Pie de Templa para el cuarto da

120

Datos
Valor
Experimental
Valor Modelo
FICA - EISIC
MCA %
6,44
MCB %
2,91
MCC % PIE T.
0,89
1,27
6,49
2,96
0,91
1,29
Tabla # 4.30. Cuadro Comparativo Masas Cocid as y Pie Templa

6,49

2,91

0,89

1,27
121

FICA - EISIC


Pie de Templa para el quinto da

Datos
Valor
Experimental
Valor Modelo
MCA %
3,96
MCB %
2,71
MCC % PIE T.
0,79
1,17
3,97
2,74
0,83
1,19

5,96

2,71
122

FICA - EISIC

0,81

1,17


Pie de Templa para el sexto da

Datos
Valor
Experimental
Valor Modelo
MCA %
6,61
MCB %
2,88
MCC % PIE T.
1,01
1,26
6,65
2,91
1,04
1,28
Tabla # 4.30. Cuadro Comparativo M1,04asas Cocidas y Pie Templa
123

FICA - EISIC

6,61

2,88

1,01

1,26

124

FICA - EISIC
Anlisis de Resultados de las Variables de las Masas Cocidas y el Pie

de Templa
contemplando la realidad del proceso y es confiable su respuesta, en los
grficos #4.9, #4.11, #4.13, #4.15 y #4.17, se puede observar la correlacin
que existe entre el valor experimental y el valor del modelo, adems en el
grafico #4.10, #4.12, #4.14, #4.16 y #4.18, se muestran los porcentajes de
error para cada uno de los casos de los seis das de la semana de
produccin que no sobrepasan el 5 % de error.
Primer da
CORRELACIN ENTRE VE vs VM - DIA 1

8,00
7,00
6,00
5,00
4,00
3,00
2,00
1,00
0,00
Valor Experimental
Valor Modelo
MCA
MCB
MCC
PT
Masas
Grafico # 4.9. Correlacin entre los valores experimentales y el valor del modelo da 1
125

FICA - EISIC
% DE DESVIACION ENTRTE VE vs VM -DIA 1
5,00%
3,00%
2,51%
3,00%
2,36%
0,90%
1,00%
-1,00%
MCA
MCB
MCC
PT
modelo de la Melaza
Segundo da

8,00
7,00
6,00
5,00
4,00
3,00
2,00
1,00
0,00
Valor
Experimental
Valor Modelo
MCA
MCB
MCC
PT
Masas
Grafico # 4.11. Correlacin entre los valores experimentales y el valor del modelo
da 2
5,00%
4,00%
2,51%
3,00%
2,00%
3,00%
2,36%
0,90%
1,00%
0,00%
MCA
MCB
MCC
PT
modelo
126

FICA - EISIC
Tercer da

Valor
Experimental
9,00
8,00
7,00
6,00
5,00
4,00
3,00
2,00
1,00
0,00
Valor Modelo
MCA
MCB
MCC
PT
Masas
5,00%
4,00%
3,05%
3,00%
2,00%
1,00%
0,71%
2,52%
0,57%
0,00%
MCA
MCB
MCC
PT
modelo
Cuarto da

7,00
6,00
5,00
4,00
Valor Experimental
Valor Modelo
3,00
2,00
1,00
0,00
MCA
MCB
MCC
PT
Masas
127

FICA - EISIC
5,00%
4,00%
3,00%
2,25%
1,72%
2,00%
1,57%
0,77%
1,00%
0,00%
MCA
MCB
MCC
PT
modelo
Quinto da

7,00
6,00
5,00
4,00
Valor Experimental
Valor Modelo
3,00
2,00
1,00
0,00
MCA
MCB
MCC
PT
Masas
128

FICA - EISIC
5,00%
4,00%
2,47%
3,00%
1,68%
2,00%
1,11%
1,00%
0,18%
0,00%
MCA
MCB
MCC
PT
modelo
Sexto da

7,00
Valor Experimental
6,00
Valor Modelo
5,00
4,00
3,00
2,00
1,00
0,00
MCA
MCB
MCC
PT
Masas
129

FICA - EISIC
5,00%
4,00%
2,97%
3,00%
1,59%
2,00%
1,00%
1,04%
0,61%
0,00%
MCA
MCB
MCC
PT
modelo
4.2.1.6. AZCAR A SILOS (Ton azcar / da)
Para obtener el valor de las Toneladas de azcar a silos por da (seis das
das.
Validacin del resultado de la variable azcar a silos para el da primero
Para la validacin del resultado de la variable azcar a silos se utiliza la

informacin de la tabla 4.31 que se muestra a continuacin:
Datos
Valor Experimental
Valor Modelo
Azcar a Silos(Ton azcar / da)

94,59
94,63
Tabla # 4.31. Cuadro Comparativo Azcar a silos
130

FICA - EISIC

94,59

confiables.
Validacin del resultado de la variable azcar a silos para el da

segundo
Para la validacin del resultado de la variable azucara silos se utiliza la

Datos
Valor Experimental
Valor Modelo

104,1
106,3

104,1

confiables
131

FICA - EISIC
Validacin del resultado de la variable azcar a silos para el da tercero

Datos
Valor Experimental
Valor Modelo

114,85
117,90

115,85

confiables
Validacin del resultado de la variable azcar a silos para el da cuarto

Datos
Valor Experimental
Valor Modelo

93,55
94,95

93,55
132

FICA - EISIC

confiables
Validacin del resultado de la variable azcar a silos para el da quinto

Datos
Valor Experimental
Valor Modelo

86,95
87,60

86,95

confiables
133

FICA - EISIC
Validacin del resultado de la variable azcar a silos para el da sexto

Datos
Valor Experimental
Valor Modelo

92,21
93,32

92,21

confiables
Anlisis de Resultados de la variable azcar a silos
134

FICA - EISIC
118,00
115,00
112,00
109,00
106,00
103,00
Valor Experimental
Valor del Modelo
100,00
97,00
94,00
91,00
88,00
85,00
0
das
Grafico # 4.19: Correlacin entre los valores experimentales y el valor del modelo
5,00%
4,00%
3,00%
2,00%
1,00%
0,00%
2,11%
1,77%
1,49%
0,75%
0,60%
1,20%
das
Grafico # 4.20: % de error presente entre los valores experimentales y el valor del
modelo
135

FICA - EISIC
4.2.1.7. % RENDIMIENTO DE PRODUCCIN
Para obtener el % de rendimiento de la produccin por da (seis das

das.
Validacin del resultado de la variable del rendimiento para el da

primero
Para la validacin del resultado de la variable rendimiento se utiliza la

Datos
Valor Experimental
Valor Modelo
Rendimiento %
9,3
9,5
Tabla # 4.36: Cuadro Comparativo del rendimiento

9,3

confiables.
136

FICA - EISIC
Validacin del resultado de la variable del rendimiento para el segundo

da

Datos
Valor Experimental
Valor Modelo
Rendimiento %
10,4
10,6

10,4

confiables.
Validacin del resultado de la variable del rendimiento para el tercer da

Datos
Valor Experimental
Valor Modelo
Rendimiento %
11,6
11,8
137

FICA - EISIC

11,6

confiables.
Validacin del resultado de la variable del rendimiento para el cuarto

da

Datos
Valor Experimental
Valor Modelo
Rendimiento %
9,4
9,5

9,4

confiables.
138

FICA - EISIC
Validacin del resultado de la variable del rendimiento para el quinto

da

Datos
Valor Experimental
Valor Modelo
Rendimiento %
8,6
8,.8

8,6

confiables.
Validacin del resultado de la variable del rendimiento para el sexto da

Datos
Valor Experimental
Valor Modelo
Rendimiento %
9,28
9,30

9,28
139

FICA - EISIC
Porcentaje de error =0, 22 %

confiables.
Anlisis de Resultados de la variable rendimiento
Una vez calc ulado el porcentaje de error para cada uno de los seis das de
12,00
11,00
Valor
Experimental
10,00
Valor del Modelo

9,00
8,00
7,00
0
das
Grafico # 4.21: Correlacin entre los valores experimentales y el valor del modelo
140

FICA - EISIC
5,00%
4,00%
3,00%
2,00%
2,30%
1,90%
1,73%
1,06%
1,04%
1,00%
0,22%
0,00%
1
das
Grafico # 4.22: % de error presente entre los valores experimentales y el valor del
modelo
141

FICA - EISIC
CAPITULO IV
CONTENIDOS
PRUEBA DE RESULTADOS DEL SISTEMA SIMULADOR

v Introduccin
v Pruebas del sistema simulador
Verificacin y validacin
Jugo Mixto
Pol de Bagazo
Pol de Cachaza
Melaza
Masas Cocidas A,B,C y Pie de Templa
Azcar a Silos
Rendimiento de Produccin
142

FICA - EISIC
5.1. VERIFICACIN DE HIPTESIS

Los procesos de produccin azucarera pueden ser modelados mediante un
sistema informtico que tome en cuenta las principales variables y factores
del proceso, generando una herramienta til para optimizar los niveles de
productividad calidad en la lnea de produccin.
Con los captulos III y IV se pueden confirmar esta hiptesis ya que como
resultados del estudio que se realiz en el IANCEM, se des arroll e
implement un sistema informtico con caractersticas de simulacin de
procesos utilizando modelos matemticos. Este sistema permite simular los
procesos de produccin y obtener parmetros para que el personal de
Produccin y Control, puedan controlar las variaciones de los procesos
productivos, conocer los factores y resultados del proceso, determinar
prdidas en el proceso y mantener un banco de informacin de los ensayos
realizados para planificar el proceso a fututo.
143

FICA - EISIC
5.2. CONCLUSIONES
A travs de la simulacin es posible emular el comportamiento de un sistema

y sus componentes esenciales; y, al aplicar conceptos de anlisis de la
informacin (propios de un sistema CAE) producto de la simulacin llegar a
establecer posibles problemas en su funcionamiento.
Un modelo de simulacin siempre se encuentra propenso a un porcentaje de

error en su modelacin, debido a que el modelo representa a la realidad con
una cantidad menor de informacin, por tal motivo podemos determinar que
si tratamos de reducir demasiado el grado de error, el modelo se vuelve
demasiado complejo y mientras menos complejo lo hagamos, el error se
vuelve muy grande, es por eso, que se debe encontrar un punto intermedio
que se ajuste a la realidad.
Para la construccin del modelo de simulacin se debe disponer de la mayor

cantidad de informacin posible acerca del sistema e invitar a especialistas o
expertos en el sistema para que participen en el anlisis y planteamiento
inicial del modelo.
Un sistema de simulacin puede ayudarnos a organizar y clasificar

conceptos confusos e inconsistentes, revelan relaciones de causa y efecto, a
entrenar a una persona para que afronte varias eventualidades antes de que
144

FICA - EISIC
ocurran, es decir; una herramienta de prediccin y ayuda a la toma de

decisiones.
El modelo matemtico es el que se ajust a las condiciones de simulacin

de una industria azucarera, debido a que la mayor parte de los proceso de
produccin
utilizan fundamentos de qumica
y por ende ecuaciones
matemticas.
Las estimaciones y pronsticos son las bases para el desarrollo de un buen

modelo de simulacin, ya que alrededor de estos conceptos se puede definir
alternativas para cambiar los lineamientos de cualquier sistema.
Para modelar al proceso de produccin azucarera se consider los

siguientes mdulos: (a) Molienda, (b) Purificacin, (c) Clarificacin, (c)
Evaporacin, (d) Cristalizacin - Centrifugacin y Secado Envasado.
El modelo de simulacin implementado en el IANCEM permite obtener

informacin no disponible actualmente, mejorar las operaciones de la planta
de produccin, efectuar clculos o estimaciones que actualmente no son
posibles, optimizacin de recursos y contar con la informacin necesaria
para la toma de decisiones.
La implementacin del modelo matemtico planteado se lo realiz con ayuda

de un lenguaje de propsito general, debido a que en la formulacin del
145

FICA - EISIC
sistema se logr establecer un balance de ecuaciones fciles de trasladar a

cualquier programa de propsito general.
La mayor parte del tiempo en el desarrollo del sistema de simulacin en el

IANCEM, estuvo dedicada a adquirir informacin del sistema y al
planteamiento del modelo debido a la amplitud y complejidad de los
procesos.
146

FICA - EISIC
5.3. RECOMENDACIONES
A las autoridades de la EISIC, incluir en el pnsum de estudio de la materia

de Simulacin, un laboratorio de prctica que sera muy provechoso en la
formacin profesional de los estudiantes.
A quin se plantee desarrollar un proyecto de esta envergadura se le

recomienda, que se analice el alcance del sistema ya que al manejar un
grupo voluminoso de informacin, la resolucin del mismo se puede tornar
compleja e inalcanzable en un espacio de tiempo limitado.
Es recomendable, para el desarrollo de un proyecto de simulacin conformar

un grupo de expertos o especialistas en el rea de desarrollo del sistema, ya
que son vitales en la fase de anlisis y formulacin o planteamiento del
modelo de simulacin.
A quienes quieran extender este proyecto, coordinar con el IANCEM, el

desarrollo e implementacin de un sistema con alcances de CAM
(Manufactura Asistida por Computadora) basado en este sistema. Este
sistema permitir adaptar el mdulo ya desarrollado CAE con la lnea de
produccin.
Al Ingenio Azucarero del Norte CEM, continuar contribuyendo con el

desarrollo de la Ciencia y Tecnologa; permitiendo el desarrollo de tesis y
147

FICA - EISIC
dando la apertura a las prcticas pre-profesionales de los estudiantes de la

Escuela de Ingeniera en Sistemas Computacionales.
148

FICA - EISIC
5.4. ANEXOS
CD_TESIS:\Tesis\Anexos \Procesos.pdf
CD_TESIS:\Tesis\Anexos \Tcnico.pdf
CD_TESIS:\Tesis\Usuario.pdf
CD_TESIS:\Simulador
149

FICA - EISIC
5.5. GLOSARIO Y NOMENCLATURA

5.5.1. GLOSARIO
SIMULACIN: La simulacin es la representacin de un proceso o

fenmeno
mediante
otros ms simples, que permite analizar sus
caractersticas.
MODELO FSICO: Imagen simplificada del objeto investigado, abstraccin

de la realidad.
MODELO
MATEMTICO:
Imagen
del
modelo
fsico
en
notacin
matemtica. Desarrollo de un algoritmo generalmente implementado como

programa de cmputo.
RELACIN MATEMTICA: descripcin abstracta y formalizada de las

relaciones entre dos o ms direcciones.
CLCULO: Sustitucin de variables en una frmula a travs de valores

concretos y una evaluacin.
PROCEDIMIENTO: Un sinnimo para modelo matemtico.
VARIABLE: Dimensin que cambia o vara en el modelo.
VARIABLES ENDGENAS: Son aquellas producidas dentro del sistema

que revelan su estado y su condicin.
VARIABLES EXGENAS: Son variables de entrada o independientes.
PARMETROS: Dimensin variable pero fija en el modelo.
150

FICA - EISIC
CONSTANTE: Dimensin no variable en el mdulo.
VALIDACIN: Interpretacin de resultados.
CNC: Control Numrico Computarizado, son mquinas programadas y

controladas por computador a travs de software de diseo y manufactura,
CAD/CAM.
IC: Ingeniera Concurrente, es una tcnica que permite a travs de un grupo

de criterios, integrar las tcnicas de CAD, CAM, CAE en un entorno
industrial.
JIT: Just in Time, nuevo enfoque en la organizacin de la produccin, donde

se concibe disponer de los recurs os en espacios de tiempo planificados.
Modo Off-line: Relaciona la operacin de un ente en un estado fuera de

lnea dentro de un proceso.
Sistema CAD: Sistema de Diseo Asistido por Computadora, permite
obtener diseos grficos en base a ejes de referencia, para analizar nuevos
prototipos de modelos o productos dentro de una industria.
Sistema
CAE:
Sistema
de
Ingeniera
Asistida
por
Computadora
generalmente utiliza tcnicas de simulacin para obtener un sistema integral

de prediccin y proyeccin. Es utilizado generalmente en la industria.
Sistema CAM: Sistema de manufactura Asistida por Computadora, a travs

de lenguajes y tcnicas especializadas es posible controlar equipos y
maquinaria de forma exacta en el proceso de produccin.
UOP: Unidad Operativa de Proceso, es un mdulo principal integrante de un

proceso productivo dentro de una planta de produccin.
151

FICA - EISIC
MOLIENDA: Proceso de produccin azucarera que extrae el jugo de la

caa.
SULFITACIN: Proceso de produccin que permite eliminar materiales

colorantes y transformar a las sales frricas que se forman en tanques y
tuberas en compuestos ferrosos incoloros.
ENCALADO: En este proceso se elimina los cidos orgnicos del jugo y
permite elevar el pH con el objetivo de minimizar las posibles prdidas de
sacarosa.
CLARIFICACIN: El objetivo de este proceso es obtener un jugo claro de
color amarillo brillante, transparente y sedimentar todos los precipitados
(cachaza) formados en el encalado para producir un jugo cristalino.
EVAPORACIN: El objetivo de este proceso es concentrar el jugo claro

proveniente del clarificador por medio de cuerpos sometidos al vaco.
CRISTALIZACIN: Este proceso permite almacenar las masas cocidas y
pasar con la consistencia debida a centrifugacin y controlar agotamiento de
masas, la cristalizacin se realiza en los tachos, que son recipientes al vaco
de un solo efecto.
CENTRIFUGACIN: Este proceso permite separar la sacarosa cristalizada
de la miel.
SLIDOS: Cantidad de azcar e impurezas en la muestra (jugo, caa,

jarabe, mieles, masas)
152

FICA - EISIC
POL: Cantidad de azcar presentes en la muestra
BRIX: Cantidad de slidos presentes en la muestra
PUREZA: Cantidad de azcar en los slidos.

BAGAZO: Es el residuo que deja la caa cuando es molida por el tndem.
Tambin se considera el que sale de cada molino como bagazo individual
IMBIBICIN: Se denomina as al agua fra o caliente que se pone en el

colchn de bagazo de cualquier molino o guarapo agregado en el mismo
colchn de bagazo con el mismo propsito, del cual cierta cantidad pasa al
guarapo diluyndolo.
MASA COCIDA: Mezcla de miel y cristales.
153

FICA - EISIC
5.5.2. NOMENCLATURA
tcm = toneladas de caa molidas
JC = Jugo Clarificado
PA = Pol de A, pudiendo ser A bagazo, jugo, masa cocida o miel.
Cdo = Jugo concentrado que sale de un evaporador.
J = Jarabe
n = nmero de muestras a analizar.
= Densidad
M = Magma
m = miel
MC = Masa Cocida
BSubndice = brix de la corriente subndice
PSubndice = pol de la corriente subndice
Pza Subndice = pureza de la corriente subndice
P = Pie de templa
ppm = Partes por milln
rpm = Revoluciones por minuto
154

FICA - EISIC
5.6. CITAS BIBLIOGRFICAS
LIBROS
[LIB-01]: Maynard, Manual de Ingeniera y Organizacin Industrial, Pag.

1191
[LIB-02]: Shanon, Simulacin DE Sistemas, Diseo e Implementacin, pag.

24.

16.

26.
[LIB-06]: TORANZAS, Estadsticas, pag. 470
SITIOS WEB
[WEB-01]:
http://www.nexteleng.es/catalogosPDF/AMEDIDA.pdf#search=fases%20sim
[WEB-02]:
http://endrino.cnice.mecd.es/jhem002/estadisticas/estadistica02.htm#centra
[WEB-03]:
155

FICA - EISIC
http://www.etsimo.uniovi.es/feli/pdf/libro.pdf
[WEB-04]:
http://www.infoab.uclm.es/asignaturas/42539/transparencias/html/simulacion/03.htm
[WEB-05]:
http://www.tenstep1.com.mx/paso2.htm
[WEB-06]:
http://www.monografias.com/trabajos4/pronosticar/pronosticar.shtml
[WEB-07]:
http://www.modeladoeningenieria.edu.ar/unj/tms/plan_catedra_2001_teoria_
de_modelos_y_simulacion.pdf
[WEB-08]:
http://www.modeladoeningenieria.edu.ar/unj/tms/plan_catedra_2001_teoria_
de_modelos_y_simulacion.pdf
[WEB-09]:
http://www.tentep.com.mx/paso4.htm
REVISTAS
[REV-01]: PCWORD, Vol. 5, 2001
156

FICA - EISIC
5.7. BIBLIOGRAFA
LIBROS
v MAYNARD, Manual de Ingeniera y Organizacin Industrial, Tercera
edicin, Editorial Revert, Espaa, 1998
v RIOS-RIOS, Simulacin Mtodos y Aplicaciones Editorial Aflaomega

ra-ma, Mxico, 1999.
v SHELDON, Ross, Simulacin, Segunda Edicin, Editorial Prentice

may, Mxico, 1999.
v SHANON, Robert, Simulacin de Sistemas Diseo, Desarrolle e

Implementacin,
v TORANZOS, Fausto: Estadstica, Editorial Kapelusz, Argentina, 1968
MANUALES
v TAMAYO-ESPARZA-CAICEDO,
Instructivo
para
operaciones
procesos, IANCEM, 1999
SITIOS WEB
v http://www.monografias.com/sipro/sipro.shtml
157

FICA - EISIC
v http://www.idom.es/Innova/download/valor.simulacion.pdf
v http://www.pladema.com.ar/documentos/aatn2000-ludwig.pdf
v http://www.tlm.unavarra.es/asignaturas/arss/arss03_04/practicas/intro
duccion.pdf
v http://www.isdefe.es/webisdefe.nsf/0/77D067350D140923C1256E540
055E5F8?OpenDocument
v http://www.modeladoeningenieria.edu.ar/unj/osp/apuntes/simulacion_i
ntroduccion.pdf
v http://www.catunesco.upc.es/ads/ads2.htm
v http://www.uoc.edu
v http://www.inf.udec.cl/~ingsoft/cap2.html
v http://www.institut.math.jussieu.fr/~sombra/papers/tesis/tesis1.pdf
v http://www.mofinet.com
v http://www.cedex.es
158

FICA - EISIC
v http://www.usc.es/fundm/docs/programas/430111899.pdf
v http://www.fciencias.unam.mx/Docencia/Licenciatura/Materias/mat68.
html
v http://www.isdefe.es/webisdefe.nsf/Menu/CE2C10EB8FDA992AC125
6BB5003D3077?OpenDocument
v http://cediac.uncu.edu.ar/Grupo%20SIN.htm
v http://random.cimat.mx/~pye/programas_docentes/maestria/Estadistic
a/TecnicasdeOptimizacionySimulacion.htm
v http://www.aviacionulm.com/simulacion.html
v http://www.scisoftware.com/products/solid_waste_demo/solid_waste_
demo.html
v http://www.modeladoeningenieria.edu.ar/unj/tms/plan_catedra_2001_t
eoria_de_modelos_y_simulacion.pdf
v http://www.tradeoffs.montana.edu/presentations/march99/22
v http://www.infoab.uclm.es/asignaturas/42539/transparencias/html/simulacion03.htm
v http://www.dmso.mil/briefs/msdocs/policy/glossary.pdf
159

FICA - EISIC
v http://wwwazc.uam.mx/cyad/procesos/website/grupos/tde/NewFiles/faustov.III.ht
ml
v http://www.coppe.ufrj.br/~notimat/Resumen/Venezuela/Resumen85.ht
m
v http://www.tecnomak.com.ar/ingenier%C3%ADa-transito.htm#m1
v http://www.ii.uned.es/cdrom/tercero/simulac/Apuntes%20de%20Simul
aci%F3n/capitulo_9.pdf
v http://w3.mor.itesm.mx/~jfrausto/Simulacion/intro_simulacion.html
v http://www.unne.edu.ar/cyt/tecnologicas/t-050.pdf
v http://www.cedex.es/aplicadas/electronica.html
v http://www.sagarpa.gob.mx/Forma/documentos/ingenio03.htm#PROC
ESOS
v http://www.cta.uva.es/CTANEW/espanol/feder/introduccion.html
v http://www.cubagov.cu/des_eco/azucar.htm
160

FICA - EISIC
v http://www.ictsd.org/dlogue/1998-sept/Echavarria.pdf
v http://www.coltejer.com.co/Internet/OAL/incauca.htm
v http://www.sica.gov.ec/cadenas/azucar/docs/remolacha_ca%F1a_mo
dificados_geneticamente.htm
v http://www.consumer.es/web/es/nutricion/aprender_a_comer_bien/gui
a_alimentos/miscelanea/34877.jsp
v http://www.perafan.com/ea02cali.html#refinado
REVISTAS
v PC MAGAZINE EN ESPAOL, Per, Vol 5
v PCWORD, Vol. 5, 2001
161

FICA - EISIC
LA SIMULACIN EN LA INDUSTRIA ...................................................................2

1.1. INTRODUCCIN.............................................................................................2
1.2. DEFINICIN ....................................................................................................3
1.3. IMPORTANCIA ...............................................................................................4
1.4. APLICACIN...................................................................................................5
1.5. FASES DE LA SIMULACIN ........................................................................6
1.6. EVENTOS ALEATORIOS...............................................................................7
1.7. TCNICAS ESTADSTICAS ...........................................................................8
1.8. RELACIN DE LA SIMULACIN Y LA INFORMTICA .......................10
1.9. LA SIMULACIN Y SU EFECTO EN LA INDUSTRIA ............................11
1.10. MODELOS DE SIMULACIN DE SISTEMAS .........................................13
1.10.1. CONSTRUCCIN DE UN MODELO DE SIMULACIN .................15
1.10.2. FUNCIN DE LOS MODELOS DE SIMULACIN...........................16
1.10.3. ELEMENTOS DE LOS MODELOS DE SIMULACIN.....................17
1.10.4. CLASIFICACIN DE LOS MODELOS DE SIMULACIN..............19
1.11. ESTIMACIONES Y PRONSTICOS..........................................................21
1.11.1. ESTIMACIONES ...................................................................................21
1.11.1.1. PROCESO DE ESTIMACIN .......................................................23
1.11.2. PRONSTICOS.....................................................................................24
1.11.2.1. TCNICAS DE PRONOSTICACIN. ..........................................25
1.12. CASOS PRCTICOS DE LA SIMULACIN EN LA INDUSTRIA. ........27
1.13. CAUSA Y EFECTO......................................................................................31
1.13.1. DESARROLLO DEL DIAGRAMA DE ESPINA DE PESCADO. ......32
1.14. BENEFICIOS DE LA SIMULACIN .........................................................34
LA COMPUTADORA EN LOS PROCESOS DE PRODUCCIN .........................37
2.1. INTRODUCCIN...........................................................................................37
2.1. ANTECEDENTES ..........................................................................................37
2.2. TCNICAS CONVENCIONALES ASISTIDAS POR COMPUTADORA..38
2.3. INGENIERA CONCURRENTE (IC)............................................................39
2.4. SISTEMAS DE DISEO ASISTIDO POR COMPUTADORA - CAD ........41
2.5. SISTEMAS DE MANUFACTURA ASISTIDA POR COMPUTADORA
CAM .......................................................................................................................43
2.6 SISTEMAS DE INGENIERA ASISTIDA POR COMPUTADORA - CAE .45
2.7. ESTUDIO DE SISTEMAS CAD/CAM/CAE INTEGRADO ........................48
2.8. SOFTWARE CAD/CAM/CAE .......................................................................52
DESARROLLO DEL SISTEMA DE SIMULACIN ..............................................57
3.1. ANLISIS DEL SISTEMA............................................................................57
3.1.1. ANLISIS DE REQUERIMIENTOS .....................................................57
3.1.2 DEFINICIN DEL SISTEMA ...............................................................61
3.1.3. ADQUISICIN Y RECOPILACIN DE INFORMACIN ..................65
3.1.4. DEFINICIN DE PROCEDIMIENTOS .................................................65
3.2. DISEO DEL SISTEMA................................................................................67
3.2.1. SIMULACIN A TRAVS DE MODELOS MATEMTICOS............67
3.2.1.2. PLANTEAMIENTO DEL MODELO MATEMTICO - MDULO
DE PURIFICACIN Y CLARIFICACIN. .................................................72
162

FICA - EISIC

DE EVAPORACIN. ....................................................................................74
DE CRISTALIZACIN.................................................................................76
3.2.1.5. PLANTEAMIENTO DEL MODELO MATEMTICO CENTRIFUGACIN. ....................................................................................79
DE SECADO ..................................................................................................81
3.2.2. DISEO DE LA BASE DE DATOS.......................................................82
3.2.3. DISEO DE PANTALLAS DE ENTRADA Y SALIDA.......................87
3.3. DESARROLLO DE LA APLICACIN.........................................................88
3.4. IMPLEMENTACIN DE SISTEMA SIMULADOR....................................89
PRUEBA DE RESULTADOS DEL SISTEMA SIMULADOR ...............................91
4.1. INTRODUCCIN...........................................................................................91
4.2. PRUEBAS DEL SISTEMA SIMULADOR ...................................................91
4.2.1. VERIFICACIN Y VALIDACIN........................................................92
4.2.1.1. JUGO MIXTO ...................................................................................93
4.2.1.2. POL DE BAGAZO..........................................................................100
4.2.1.3. POL CACHAZA .............................................................................106
4.2.1.4. MELAZA (Ton azcar/da) .............................................................111
4.2.1.5. MASAS COCIDAS A,B,C, PIE DE TEMPLA ..............................116
4.2.1.6. AZCAR A SILOS (Ton azcar / da) ...........................................130
4.2.1.7. % RENDIMIENTO DE PRODUCCIN........................................136
5.1. VERIFICACIN DE HIPTESIS................................................................143
5.2. CONCLUSIONES .........................................................................................144
5.3. RECOMENDACIONES ...............................................................................147
5.4. ANEXOS .......................................................................................................149
5.5. GLOSARIO Y NOMENCLATURA ............................................................150
5.5.1. GLOSARIO ............................................................................................150
5.5.2. NOMENCLATURA...............................................................................154
5.6. CITAS BIBLIOGRFICAS .........................................................................155
5.7. BIBLIOGRAFA...........................................................................................157
163

Simulacion

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Simulacion

Uploaded by

Copyright:

Available Formats

Simulacin de los Procesos de Produccin en

los Ingenios Azucareros

La construccin de simuladores inicia de manera oficial desde la poca del

comprobacin de resultados probabilsticos. Sin embargo, el uso actual de la

Durante la segunda guerra mundial, resolvieron problemas relacionados a

Con la utilizacin de las supercomputadoras en el desarrollo de los

Los lenguajes utilizados para resolverlos no eran lo suficientemente

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

Hoy por hoy, la difusin del trmino de simulacin y de sus aplicaciones se

Se ha relatado una breve sntesis de la simulacin en general, pero ya

El rea de investigacin y desarrollo encuentra este tipo de servicio

La simulacin puede lograrse si se tiene en primera instancia conocimiento

A continuacin mencionamos varias definiciones de la simulacin, tomadas

[LIB-01] Simulacin es el proceso de disear un modelo de un sistema real

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

[LIB-02] La simulacin es un eficaz instrumento para el anlisis y diseos de

Despus de listar las dos definiciones podemos determinar que la simulacin

cuantitativamente las entradas y salidas del sistema.

La simulacin cada vez se vuelve un instrumento necesario en cualquier

A nuestro juicio: - desde cualquier punto de vista, el incluir mtodos y

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

un margen de error mnimo y evitando prdidas producto de una

Las reas de aplicacin de la simulacin son muy amplias de las cuales

En la industria, la simulacin se aplica en varias etapas, por ejemplo: en la

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

antes de que ocurra el cambio fsico en la planta para asegurar que el

1.5. FASES DE LA SIMULACIN

En la figura # 1.1, se visualiza las fases o etapas de simulacin, donde se

Figura # 1.1: Fases de la Simulacin

Desarrollo del Modelo

El desarrollo del modelo permite formular el problema, definir el sistema

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

Ejecucin del modelo

Anlisis de Salida del Modelo

Ms adelante se har mencin a este grupo de procedimientos y fases de

1.6. EVENTOS ALEATORIOS.

Un aspecto fundamental durante todo el proceso de Simulacin, es sin duda

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

3. Los nmeros generados satisfacen las siguientes propiedades:

independientes entre si.

1.7. TCNICAS ESTADSTICAS

Existen diferentes tipos y mtodos estadsticos que coadyuvan al

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

Medidas de dispersin.- Que indican si los valores estn agrupados o

Varianza.- Se define la varianza de una distribucin de frecuencias al

A la raz cuadrada de la varianza se la denomina desviacin tpica, o sea:

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

La prueba t para muestras independientes se utiliza para comparar la media

1.8. RELACIN DE LA SIMULACIN Y LA INFORMTICA

A partir del profundo estudio de los fundamentos de la computacin y de la

Es as, que se facilitan por medio del empleo de la informtica, el estudio de

Hace poco tiempo, para el estudio de fenmenos naturales, era preciso

Hoy por hoy, el avance de la tecnologa informtica permite desarrollar

Miriam E. lvarez Ricardo M. Garca

Simulacin de los Procesos de Produccin en

matemticas, entrenamiento, medicina, arquitectura, agronoma siendo