Esta es la segunda parte de nuestra serie de publicaciones sobre planificación y programación de paradas de planta. En la Parte 1, cubrimos todos los aspectos relacionados con el desarrollo del cronograma de la parada. En esta publicación hablaremos sobre la optimización del cronograma, lo que entendemos por esto y por qué deberías prestarle atención.
Como punto de partida, asumiremos que el cronograma de la parada ya ha sido desarrollado con suficiente detalle para la mayoría de los elementos en el alcance, el(los) Camino(s) Crítico(s) está(n) más o menos claro(s), y el equipo de la parada está bastante seguro de este cronograma. Obviamente, habrá mucho trabajo de refinamiento y adiciones de última hora a medida que se acerque la fecha de inicio, pero, en esencia, el equipo tiene un cronograma robusto que cubre todo el alcance conocido con el detalle suficiente para comenzar a hacer análisis.
¿Qué es la optimización?
La optimización es una de esas palabras que se usa en todas partes, y tiene tantas interpretaciones diferentes que básicamente ha perdido su significado. En esta publicación, el significado de optimización es matemático: encontrar el máximo/mínimo de una función. Como cualquier parada, hay diferentes objetivos que deben gestionarse (duración, recursos, costo), por lo que hay una serie de diferentes “funciones” que alguien podría optimizar:
Optimización duración: minimizar la duración total de la parada.
Optimización del uso de recursos: minimizar la variación diaria de recursos = maximizar la nivelación de recursos.
Optimización por cantidad de recursos: minimizar el número total de recursos.
Optimización por costo de ejecución: minimizar los costos de ejecución = maximizar el uso de recursos.
Enfoque tradicional para problemas de optimización
Una vez que el objetivo de optimización está claro, surge la pregunta de “¿cómo lograrlo?”. El enfoque tradicional es introducir manualmente cambios selectivos uno por uno en el cronograma (en Oracle Primavera P6 o Microsoft Project), ver cuál es el impacto, decidir si el impacto es positivo o negativo para el objetivo deseado, y pasar al siguiente cambio. Este proceso no solo es laborioso y consume mucho tiempo, sino que también omite un punto clave: una parada es una enorme red de actividades interrelacionadas. Tal vez un pequeño cambio en la asignación de personal para un intercambiador de calor en particular tenga sentido para ese frente de trabajo, pero combinado con otro cambio en alguna otra parte del cronograma, el resultado puede ser negativo para el evento en general. Cualquier cronograma de parada tiene miles de actividades. Pensar que una persona puede comprender mentalmente una red tan compleja y el impacto de los cambios es absolutamente irreal.
Dada la complejidad de este ejercicio, rara vez va más allá de las siguientes dos actividades:
Filtrar el camino crítico y debatir si algunas actividades se pueden hacer más rápido con más recursos.
Revisar los recursos para 1 o 2 oficios críticos y hacer pequeños ajustes aquí y allá.
Esto es comprensible, dado lo complicado que es para el cerebro humano y lo desactualizado del software utilizado para esta tarea.
Un nuevo horizonte
Dada la complejidad de la tarea, los humanos no somos las criaturas más adecuadas para resolver este problema. Pero los algoritmos avanzados de optimización combinados con la Inteligencia Artificial sí lo son. La IA puede comprender la naturaleza de las tareas y si se pueden hacer cambios o no. Los algoritmos de optimización pueden ejecutar miles de escenarios en segundos, optimizando valores mínimos/máximos y encontrando los mejores resultados.
Con soluciones de software como el Optimizer de Frontline, esto se puede lograr en minutos:
Una vez cargado el cronograma, el planificador de la parada puede establecer los límites y restricciones para la optimización. Estos pueden combinarse de manera que el resultado sea lo más representativo y realista posible.
Uno de nuestros clientes, un importante operador petroquímico, optimizó el cronograma de su parada introduciendo las siguientes restricciones:
Solo se podían modificar 2 actividades en el Camino Crítico, según ciertos criterios, sin cambios en las demás.
Todas las actividades con una duración de 4 horas o menos permanecen sin cambios.
Los recursos de andamios y mecánicos tienen un límite del -40% en comparación con el plan base.
Todos los demás recursos están limitados a sus valores máximos.
La optimización puede modificar la duración de las actividades y el desfase entre actividades si los recursos no son suficientes.
Incluso con restricciones tan limitantes, lograron encontrar alternativas al cronograma base que optimizaron para los objetivos del equipo (duración, costo, recursos):
En el gráfico anterior, cada punto representa un cronograma alternativo y cada color muestra el objetivo de optimización considerado (reducir duración, costo, nivelación de recursos, etc.).
No solo se reduce la duración, sino también los recursos y los costos asociados. Una situación win-win para el equipo de la parada.
¿Todavía no lo crees?
Incluso si llegaste hasta aquí, puede que te sigas preguntando qué hace exactamente esta optimización de IA para lograr esto. Es conceptualmente simple, pero muy difícil de implementar debido al enorme tamaño y complejidad de los cronogramas de parada:
Para actividades cuya duración está determinada por los recursos asignados, ¿cuál es el impacto en la duración total, el costo y los recursos al agregar o eliminar recursos en esas actividades?
Para actividades fuera del camino crítico, ¿cuál es el impacto de reprogramarlas o retrasarlas en el costo y los recursos generales?
Básicamente, si tuvieras que hacerlo tu, seria cambiar miles de parámetros en miles de actividades y apuntar el resultado para 3, 4, 5 o incluso 6 criterios, ¡y hazlo miles de veces!
Para proporcionar un ejemplo tangible, en el cronograma de parada que discutimos previamente, la reducción de recursos necesarios se logró retrasando trabajo no crítico de la siguiente manera:
El gráfico anterior muestra el histograma de recursos para los ajustadores mecánicos durante el evento. En azul está el cronograma base y en verde está el optimizado. El primer pico de recursos ocurre cuando la unidad ha sido aislada, la descontaminación se ha realizado, etc., por lo que la ventana de trabajo “mecánico” puede comenzar. Pero solo porque el trabajo PUEDE comenzar no significa que DEBA comenzar de inmediato. Al posponer parte del trabajo mecánico fuera del camino crítico, ese pico de recursos se reduce en un 20%. Lo mismo hacia el final del evento.
Si, como la mayoría de nosotros, eres un verdadero escéptico, probablemente te estés diciendo dos cosas:
“Esto es obvio, solo mueve el trabajo no crítico y obtienes estos resultados”.
“Esto es como nivelación de recursos en P6”.
A eso respondemos:
Buena suerte “moviendo” cientos, si no miles, de actividades para tratar de reducir la demanda de ciertos recursos sin afectar negativamente otros parámetros.
O revisa esto
Y si llegaste hasta aquí, significa que este tema es de interés para ti. Te animamos a que te pongas en contacto con nosotros y pruebes esta nueva era en la programación de paradas.
Como dijo uno de nuestros clientes:
“Es una herramienta libre de riesgos, en el peor caso terminas con el cronograma con el que empezaste. Cualquier beneficio que Frontline te descubra es un valor añadido”.
Esta publicación ha cubierto la optimización del cronograma para paradas. Nuestra próxima publicación profundizará en las maravillas de la actualización de progreso y los informes durante un evento. Mantente atento para más.
Pon a prueba a Frontline:
Contáctanos:
Comments