INSTITUTO POLITÉCNICO NACIONAL UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN PROPUESTA DE MEJORA CONTINUA PARA UNA PLANTA DE FUNDICIÓN DE ALUMINIO BAJO LA APLICACIÓN DE TÉCNICAS DE LEAN SIGMA. T E S I S QUÉ PARA OBTENER EL TÍTULO DE: MAESTRO EN INGENIERÍA INDUSTRIAL PRESENTA: HIRAM FLORES RUIZ DIRECTOR: DR. JUVENAL MENDOZA VALENCIA México D.F. 2015 Sip14 2 Carta de Cesión de derechos 3 “No somos de la universidad, somos de la vida” Este trabajo está dedicado a la memoria de mi hermano que no logrará leer este texto, tendré que platicárselo cuando lo alcance en el infinito. Alejandro E. Cárdenas (1986-2014) 4 Agradecimientos Es muy grato para mi terminar mi segundo gran trabajo, primero me llene de gusto al terminar la tesis de licenciatura, ahora toca la de la maestría. Es una sensación indescriptible, enorme y de extrema felicidad, lo que aún me cuesta trabajo creer es que he concluido una gran etapa de mi vida profesional al entregar este pequeño gran trabajo. Lo que me sorprende enormemente es la cantidad de personas que estuvieron involucradas en este trabajo, personas que aunque no lo quieran creer me acompañaron y escribieron junto a mi cada letra, palabra y párrafo. En verdad les quiero agradecer con todo mi corazón, con todo mí ser, el apoyo que me proporcionaron para cumplir esta gran meta y claro, aquí es donde comienzo. A mi madre Catalina y a mi Padre Apolonio; por fomentar ese compromiso con la profesión y con el crecimiento en todos los aspectos de mi vida. A mi hermana Lizzzy y mis hermanos Daniel y Angel; que todo el tiempo me echaron las porras para seguir adelante y motivarme para ser tan grande como ellos. A mis amigos, Marcos y Jose Luis; siempre buscaron alivianar esa enorme carga que es trabajar y estudiar. A mi Adriana, mi Wuera hermosa; que todo el tiempo estuvo de mi mano para darme todo su amor, apoyo incondicional y una bella sonrisa que en esos momentos difíciles me motivara a salir adelante. A mi asesor de tesis, Dr. Juvenal Mendoza; por la enorme paciencia que tuvo en lo que terminaba este trabajo. A mi primera casa, la Universidad Nacional Autónoma de México; por formarme como Ingeniero Químico Metalurgico y fomentar esa sed de conocimiento. A mi segunda casa, el instituto Politécnico Nacional; por darme el orgullo de ser Maestro en Ingeniería en una de las instituciones de mayor renombre en México y Latinoamérica A la UPIICSA; por darme todo el conocimiento sobre Ingeniería Industrial y lograr crear un líder de alto desempeño. A Crouse Hinds by Eaton, empresa que me permitió conocer lo que es ser un líder de proyectos de mejora continua y explotar mi conocimiento metalúrgico y de manufactura. Sé que me hace falta mucha, pero mucha gente; pero créanme, nunca acabaría de agradecer todo lo que he recibido por parte de toda la gente maravillosa que me acompaño en esta tesis. Tan solo quiero cerrar como dice el Maestro Cerati. ¡Gracias Totales! 5 Índice Sip14 ............................................................................................................................................................. 2 Carta de Cesión de derechos ........................................................................................................................ 3 Agradecimientos ........................................................................................................................................... 5 Índice ............................................................................................................................................................ 6 Listado de Figuras. ..................................................................................................................................... 10 Listado de Gráficos. .................................................................................................................................... 13 Listado de Tablas. ....................................................................................................................................... 14 Resumen. ..................................................................................................................................................... 16 Abstract. ...................................................................................................................................................... 17 Introducción. ............................................................................................................................................... 18 Capítulo 1. Generalidades de la investigación. .......................................................................................... 20 1.1 Empresa de estudio. .................................................................................................................... 20 1.2 Justificación ................................................................................................................................ 22 1.3 Planteamiento del problema ........................................................................................................ 24 1.3.1 Procesos de fundición. ........................................................................................................ 27 1.4 Objetivo general .......................................................................................................................... 43 1.5 Objetivos específicos .................................................................................................................. 43 1.6 Preguntas ..................................................................................................................................... 43 Capítulo 2. Fundamento Teórico. ............................................................................................................... 44 2.1 Lean Sigma. ................................................................................................................................ 44 2.1.1 Lean Manufacturing ............................................................................................................ 46 2.1.2 Metodología para proyectos Six Sigma (DMAIC). ............................................................. 51 6 2.2 El VSM (Value Stream Map) como herramienta del despliegue estratégico de Lean Sigma. .... 57 2.2.1 Comenzando el VSM .......................................................................................................... 57 2.2.2 El estado Actual .................................................................................................................. 66 2.2.3 El estado Futuro .................................................................................................................. 69 2.3 Metalurgia del Aluminio. ............................................................................................................ 72 2.3.1 Fundición de piezas de aluminio ......................................................................................... 75 2.3.2 La mejora continua en procesos de fundición. .................................................................... 76 Capítulo 3. Metodología de la investigación. ............................................................................................. 80 3.1 Diseño de la investigación cuantitativa ....................................................................................... 80 3.2 Establecimiento de la hipótesis ................................................................................................... 81 3.3 Instrumentación de recolección de datos..................................................................................... 81 3.3.1 Hojas de registro de desempeño .......................................................................................... 81 3.3.2 Tablero hr x hr ..................................................................................................................... 81 3.3.3 Tablero QRB ....................................................................................................................... 82 3.3.4 Registro diario de scrap ....................................................................................................... 82 3.4 Procesamiento de datos ............................................................................................................... 82 3.4.1 Prueba de normalidad (Anderson-Darling).......................................................................... 83 3.4.2 Carta de control estadístico (Gráfico I-MR para individuos). .............................................. 84 3.4.3 Metodología para Estudio R&R por atributos e interpretación de datos arrojados por Software Minitab®. ............................................................................................................................. 86 3.4.4 Metodología para el cálculo del Takt Time. ........................................................................ 96 Capítulo 4. Desarrollo de la estrategia de mejora continua bajo la aplicación de técnicas de Lean Six Sigma. ......................................................................................................................................................... 98 4.1 Situación actual de la empresa (Define)...................................................................................... 99 4.1.1 Crear Carta de Proyecto (Criterio de selección) ............................................................... 100 4.1.2 Identificación de StakeHolders (Miembros interesados) ................................................. 100 7 4.1.3 Seleccionar equipo ............................................................................................................ 101 4.1.4 Plan de trabajo. ................................................................................................................. 102 4.2 Medición de los métricos claves y obtención de información (Measure) ................................. 103 4.2.1 Definir el proceso ............................................................................................................. 103 4.2.3 Establecer métricos principales y secundarios ................................................................. 110 4.2.4 Validar el sistema de medición. ........................................................................................ 113 4.2.5 Documentar el estado actual. ............................................................................................ 126 4.3 Análisis de la causa raíz (Analyze) ........................................................................................... 131 4.3.1 Takt Time y gráfica de carga. ........................................................................................... 131 4.3.1 Generación de estado actual de la compañía (VSM Actual State). ................................... 134 4.3.2 Identificación de las áreas de oportunidad ........................................................................ 139 4.3.3 Generación del estado futuro (VSM Future State) ............................................................ 147 4.4 Generación de estrategia de implementación de plan integral de mejora (Improvement) ........ 151 4.4.1 Creación de Kanban y FIFO ............................................................................................. 151 4.4.2 TPM .................................................................................................................................. 153 4.4.3 Six Sigma .......................................................................................................................... 154 4.4.4 SMED ............................................................................................................................... 155 4.4.5 Automatización de proceso manual y ubicación de horno basculante o cuchara de vaciado. 156 4.4.5 Reducir Enfriamiento ........................................................................................................ 157 4.4.6 Trabajo estándar y 5S’s ..................................................................................................... 158 4.4.7 Nuevo Takt Time y grafico de carga................................................................................. 158 4.5 Planificación de estrategia de control y manutención de mejoras (Control) ............................. 160 Conclusiones. ............................................................................................................................................ 161 Referencias................................................................................................................................................ 163 Anexos ....................................................................................................................................................... 168 8 Anexo 1. Glosario ................................................................................................................................. 168 Anexo 2. Datos generales. .................................................................................................................... 171 Anexo 3. Análisis estadístico de información para capítulo 4. ............................................................. 182 9 Listado de Figuras. Capítulo 1. Generalidades de la investigación. Figura 1. 1 Sectores donde Cooper Industries es líder (Eléctrico, Petrolero, Industrial y Energético).________ 20 Figura 1. 2 Fotografía aérea de Cooper Crouse – Hinds México. _____________________________________ 21 Figura 1. 3 Distintos tipos de productos manufacturados en Cooper Crouse – Hinds México. ______________ 21 Figura 1. 4 Diagrama general del moldeo en verde: Rojo moldeo; azul fusión; naranja vaciado y lila desmoldeo. ____________________________________________________________________________________________ 28 Figura 1. 5 Plantas de fundición en Cooper Crouse – Hinds México. Planta A (Azul) y Planta B (Roja). _____ 28 Figura 1. 6 Molde con 8 piezas. _________________________________________________________________ 29 Figura 1. 7 Molde con 4 piezas. _________________________________________________________________ 30 Figura 1. 8 Estructura de equipo de moldeo para fundición en Planta A de Cooper Crouse – Hinds México. _ 31 Figura 1. 9 Estructura de equipo de moldeo para fundición en Planta B de Cooper Crouse – Hinds México. _ 31 Capítulo 2. Fundamento Teórico. Figura 2. 1 Descripción grafica de la reproducibilidad ...........................................................................................54 Figura 2. 2 Descripción grafica de la repetibilidad ..................................................................................................55 Figura 2. 3 Flujo de información y materiales. ........................................................................................................58 Figura 2. 4 Matriz Producto vs Pasos de Manufactura. ..........................................................................................59 Figura 2. 5 Responsabilidad del gerente VSM. ........................................................................................................60 Figura 2. 6 Pasos iniciales del VSM. ........................................................................................................................61 Figura 2. 7 Ejemplo de tiempo ciclo en motor de combustión interna. ...................................................................62 Figura 2. 8 Grafica de carga, donde se realiza la comparación entre Takt time alto, bajo y acorde al del cliente. .....................................................................................................................................................................................64 Figura 2. 9 Figura representativa del Lead Time. ....................................................................................................64 Figura 2. 10 Simbología establecida para el VSM. ..................................................................................................68 Figura 2. 11 Ejemplo de estado actual. .....................................................................................................................69 Figura 2. 12 Ejemplo de estado Futuro. ...................................................................................................................71 Figura 2. 13 Aluminio elemental. .............................................................................................................................73 Figura 2. 14 Elementos aleantes del aluminio que conforman la mayoría de aleaciones coladas base aluminio. 74 Figura 2. 15 Etapas del moldeo en verde. .................................................................................................................75 Capítulo 3. Metodología de la investigación. Figura 3. Figura 3. Figura 3. Figura 3. Figura 3. Figura 3. Figura 3. 1 Ejemplo de pregunta aplicada en examen para validación de tiempos muertos. .................................86 2 Ejemplo de defecto originado por el incorrecto vaciado del metal .......................................................88 3 Ejemplo de defecto originado por moldeo .............................................................................................88 4 Ejemplo de defecto originado por desmoldeo ........................................................................................89 5 Forma de Presentar los datos en pantalla de inicio de Mintab® 16.....................................................89 6 Secuencia para evaluación de estudio de atributos ...............................................................................90 7 Gráficos de evaluaciones entre observadores para un estudio R&R por atributos ..............................91 10 Figura 3. Figura 3. Figura 3. Figura 3. Figura 3. Figura 3. Figura 3. 8 Información generada por Minitab® para evaluación individual por evaluador ...............................91 9 Coeficiente de Kappa para evaluación individual por evaluador .........................................................93 10 Información generada por Minitab® para evaluador individual contra el estándar ........................94 11 Coeficiente de Kappa para evaluación individual para evaluador individual contra el estándar .....94 12 Información generada por Minitab® para acuerdo de evaluación entre evaluadores ......................95 13 Información generada por Minitab® para acuerdo de evaluación entre evaluadores y el estándar 96 14 Hoja de cálculo empleada para el cálculo del Takt Time en los procesos de fundición. ...................97 Capítulo 4. Desarrollo de la estrategia de mejora continua bajo la aplicación de técnicas de Lean Six Sigma. Figura 4. 1 Definición de alcance de VSM. ______________________________________________________ 103 Figura 4. 2 Descripción de los pasos que serán analizados en el mapeo de procesos de alto nivel. __________ 105 Figura 4. 3 Mapa de Procesos de moldeo y fusión. ________________________________________________ 106 Figura 4. 4 Representación del proceso de fundición y sus variables a medir ___________________________ 110 Figura 4. 5 Gráficos de evaluaciones entre observadores para el estudio R&R por atributos en moldeo semiautomático para toma de tiempos muertos. ___________________________________________________ 114 Figura 4. 6 Información generada por Minitab® para evaluación individual por evaluador en moldeo semiautomático para toma de tiempos muertos. ___________________________________________________ 114 Figura 4. 7 Coeficiente de Kappa para evaluación individual por evaluador en moldeo semiautomático para toma de tiempos muertos.______________________________________________________________________ 115 Figura 4. 8 Información generada por Minitab® para evaluador individual contra el estándar en moldeo semiautomático para toma de tiempos muertos. ___________________________________________________ 116 Figura 4. 9 Coeficiente de Kappa para evaluación individual para evaluador individual contra el estándar en moldeo semiautomático para toma de tiempos muertos. _____________________________________________ 116 Figura 4. 10 Gráficos de evaluaciones entre observadores para el estudio R&R por atributos en moldeo Manual para toma de tiempos muertos __________________________________________________________________ 117 Figura 4. 11 Información generada por Minitab® para evaluación individual por evaluador en moldeo manual para toma de tiempos muertos. _________________________________________________________________ 118 Figura 4. 12 Coeficiente de Kappa para evaluación individual por evaluador en moldeo manual para toma de tiempos muertos. _____________________________________________________________________________ 119 Figura 4. 13 Información generada por Minitab® para evaluador individual contra el estándar en moldeo manual para toma de tiempos muertos. __________________________________________________________ 120 Figura 4. 14 Coeficiente de Kappa para evaluación individual para evaluador individual contra el estándar en moldeo manual para toma de tiempos muertos. ____________________________________________________ 120 Figura 4. 15 Gráficos de evaluaciones entre observadores para el estudio R&R por atributos para la identificación y clasificación de Scrap.___________________________________________________________ 122 Figura 4. 16 Información generada por Minitab® para evaluación individual por evaluador en el proceso de corte para la identificación y clasificación de Scrap. _______________________________________________ 122 Figura 4. 17 Coeficiente de Kappa para evaluación individual por evaluador en el proceso de corte para la identificación y clasificación de Scrap.___________________________________________________________ 123 Figura 4. 18 Información generada por Minitab® para evaluador individual contra el estándar en el proceso de corte para la identificación y clasificación de Scrap. _______________________________________________ 124 Figura 4. 19 Coeficiente de Kappa para evaluación individual para evaluador individual contra el estándar en el proceso de corte para la identificación y clasificación de Scrap. ______________________________________ 124 11 Figura 4. 20 Discrepancia en las evaluaciones evaluador individual contra el estándar en el proceso de corte para la identificación y clasificación de Scrap. ____________________________________________________ 125 Figura 4. 21 Información generada por Minitab® para todos los evaluadores contra el estándar en el proceso de corte para la identificación y clasificación de Scrap. _______________________________________________ 126 Figura 4. 22 Gráfico de carga para los procesos manuales y semiautomáticos de fundición, donde es evidente que existen etapas superiores al Takt time. _______________________________________________________ 133 Figura 4. 23 Mapa del estado actual para el proceso Semiautomático. ________________________________ 135 Figura 4. 24 Mapa del estado actual para el proceso Manual. _______________________________________ 136 Figura 4. 25 Mapa del estado actual (identificación de desperdicios) para el proceso Semiautomático. ______ 141 Figura 4. 26 Mapa del estado actual (identificación de desperdicios) para el proceso Manual._____________ 142 Figura 4. 27 Mapa del estado actual (áreas de oportunidad y herramienta lean a aplicar) para el proceso semiautomático. _____________________________________________________________________________ 145 Figura 4. 28 Mapa del estado actual (áreas de oportunidad y herramienta lean a aplicar) para el proceso manual. ____________________________________________________________________________________ 146 Figura 4. 29 Mapa del estado futuro para el proceso Semiautomático. ________________________________ 149 Figura 4. 30 Mapa del estado futuro para el proceso Manual. _______________________________________ 150 Figura 4. 31 Ciclo Kanban de corazones. ________________________________________________________ 152 Figura 4. 32 Ciclo Kanban de fundición. ________________________________________________________ 152 Figura 4. 33 Ciclo flujo de corte. _______________________________________________________________ 153 Figura 4. 34 Grafico de Pareto para tiempos muertos por mantenimiento. _____________________________ 154 Figura 4. 35 Moldeo vertical Disamatic®. _______________________________________________________ 156 Figura 4. 36 Cuchara de vaciado de 100 Kg. _____________________________________________________ 157 Figura 4. 37 grafica de carga para nuevas operaciones en los procesos de fundición. ____________________ 159 Anexos. Figura A. 1 Resumen estadístico para Lead Time moldeo semiautomático. .........................................................182 Figura A. 2 Resumen estadístico para Lead Time moldeo manual. ......................................................................182 Figura A. 3 Resumen estadístico para nivel de servicio Unidad 1. ........................................................................183 Figura A. 4 Gráfico I-MR para Nivel de servicio Unidad 1. ..................................................................................183 Figura A. 5 Resumen estadístico para nivel de servicio Unidad 2. ........................................................................184 Figura A. 6 Gráfico I-MR para Nivel de servicio Unidad 2. ..................................................................................184 Figura A. 7 Resumen estadístico y gráfico I-MR para Montajes en Moldeo Semiautomático por semana. .......185 Figura A. 8 Resumen estadístico y gráfico I-MR para Mantenimiento en Moldeo Semiautomático por semana. ...................................................................................................................................................................................185 Figura A. 9 Resumen estadístico y gráfico I-MR para Actividades humanas en Moldeo Semiautomático por semana. .....................................................................................................................................................................185 Figura A. 10 Resumen estadístico y gráfico I-MR para Ajustes de Proceso en Moldeo Semiautomático por semana. .....................................................................................................................................................................186 Figura A. 11 Resumen estadístico y gráfico I-MR para Pruebas de Ingeniería en Moldeo Semiautomático por semana. .....................................................................................................................................................................186 Figura A. 12 Resumen estadístico y gráfico I-MR para Scrap de moldeo en moldeo Semiautomático por semana. ...................................................................................................................................................................................186 Figura A. 13 Resumen estadístico y gráfico I-MR para Scrap de Vaciado en moldeo Semiautomático por semana. .....................................................................................................................................................................187 12 Figura A. 14 Resumen estadístico y gráfico I-MR para Scrap de desmoldeo en moldeo Semiautomático por semana. .....................................................................................................................................................................187 Figura A. 15 Resumen estadístico y gráfico I-MR para Montajes en moldeo Manual por semana. ....................188 Figura A. 16 Resumen estadístico y gráfico I-MR para Mantenimiento en moldeo Manual por semana. ..........188 Figura A. 17 Resumen estadístico y gráfico o I-MR para Actividades Humanas en moldeo Manual por semana. ...................................................................................................................................................................................188 Figura A. 18 Resumen estadístico y gráfico I-MR para Ajustes de Proceso en moldeo Manual por semana. ....189 Figura A. 19 Resumen estadístico y gráfico I-MR para Pruebas de Ingeniería en moldeo Manual por semana. ...................................................................................................................................................................................189 Figura A. 20 Resumen estadístico y gráfico I-MR para Scrap de Moldeo en moldeo Manual por semana. .......189 Figura A. 21 Resumen estadístico y gráfico I-MR para Scrap de Vaciado en moldeo Manual por semana. ......190 Figura A. 22 Resumen estadístico y gráfico I-MR para Scrap de Desmoldeo en moldeo Manual por semana...190 Listado de Gráficos. Capítulo 1. Generalidades de la investigación. Gráfico 1. 1 Nivel de Servicio Unidad 1___________________________________________________________ 25 Gráfico 1. 2 Nivel de Servicio Unidad 2___________________________________________________________ 25 Gráfico 1. 3 Crecimiento de Backlog 2013 ________________________________________________________ 26 Gráfico 1. 4 Producción de moldes por planta de fundición. __________________________________________ 29 Gráfico 1. 5 Carga de trabajo semanal programado en Planta A.______________________________________ 32 Gráfico 1. 6 Carga de trabajo semanal programado en Planta B.______________________________________ 33 Gráfico 1. 7 Resumen estadístico para producción semanal de moldes en Planta A. ______________________ 34 Gráfico 1. 8 Gráfico de control I-MR para producción semanal de moldes en Planta A. ___________________ 35 Gráfico 1. 9 Resumen estadístico para producción semanal de moldes en Planta B. ______________________ 35 Gráfico 1. 10 Gráfico de control I-MR para producción semanal de moldes en Planta B. __________________ 36 Gráfico 1. 11 Resumen estadístico para tiempo muerto semanal en Planta A. ___________________________ 37 Gráfico 1. 12 Gráfico de control I-MR para tiempo muerto semanal en Planta A. ________________________ 37 Gráfico 1. 13 Resumen estadístico para tiempo muerto semanal en Planta B. ___________________________ 38 Gráfico 1. 14 Gráfico de control I-MR para tiempo muerto semanal en Planta B. ________________________ 38 Gráfico 1. 15 Disponibilidad consumida por tiempo muerto en Planta A. _______________________________ 39 Gráfico 1. 16 Disponibilidad consumida por tiempo muerto en Planta B. _______________________________ 39 Gráfico 1. 17 Resumen estadístico para relación de piezas defectuosas contra piezas aceptadas en planta A de forma semanal. _______________________________________________________________________________ 41 Gráfico 1. 18 Gráfico de control I-MR para relación de piezas defectuosas contra piezas aceptadas en planta A de forma semanal. ____________________________________________________________________________ 41 Gráfico 1. 19 Resumen estadístico para para relación de piezas defectuosas contra piezas aceptadas en planta B de forma semanal. ____________________________________________________________________________ 42 Gráfico 1. 20 Gráfico de control I-MR para para relación de piezas defectuosas contra piezas aceptadas en planta B de forma semanal. _____________________________________________________________________ 42 13 Capítulo 3. Metodología de la investigación. Gráfico 3. 1 Resumen estadístico para números aleatorios. ....................................................................................84 Gráfico 3. 2 Gráfico I-MR para números aleatorios. ..............................................................................................85 Capítulo 4. Desarrollo de la estrategia de mejora continua bajo la aplicación de técnicas de Lean Six Sigma. Gráfico 4. 1 Diagrama de Pareto para las distintas familias manufacturadas por la Unidad de Negocio 1. ___ 108 Gráfico 4. 2 Diagrama de Pareto para las distintas familias manufacturadas por la Unidad de Negocio 2. ___ 109 Listado de Tablas. Capítulo 3. Metodología de la investigación. Tabla 3. 1 Personal del proceso de fundición al que le fue aplicado el estudio R&R por atributo para validación de datos de tiempo muerto ..........................................................................................................................................87 Tabla 3. 2 Niveles de concordancia de coeficiente de Kappa ...................................................................................93 Capítulo 4. Desarrollo de la estrategia de mejora continua bajo la aplicación de técnicas de Lean Six Sigma. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. Tabla 4. 1 Roadmap Six Sigma _________________________________________________________________ 98 2 Carta del proyecto __________________________________________________________________ 100 3 Tabla de identificación de Stakeholders. ________________________________________________ 101 4 Responsabilidades del equipo Six Sigma. _______________________________________________ 101 5 Plan de trabajo. ____________________________________________________________________ 102 6 Matriz Producto Proceso para dos familias. _____________________________________________ 107 7 Métricos claves. ____________________________________________________________________ 111 8 Clasificación de métricos claves y definición. ____________________________________________ 112 9 Métricos Secundarios. _______________________________________________________________ 112 10 Datos para métricos clave. Nivel de Servicio [OC/OP]. ___________________________________ 127 11 Datos para métricos clave. Lead Time [s]. ______________________________________________ 127 12 Métricos Secundarios (Tiempo Muerto) para moldeo semiautomático. ______________________ 129 13 Métricos Secundarios (Tiempo Muerto) para moldeo manual. _____________________________ 129 14 Métricos Secundarios (Material rechazado) para moldeo semiautomático. ___________________ 130 15 Métricos Secundarios (Material rechazado) para moldeo manual. __________________________ 130 16 Métricos Secundarios (Material rechazado) para moldeo manual. __________________________ 131 17 Métricos Secundarios (Material rechazado) para moldeo manual. __________________________ 132 18 Takt time para proceso manual y semiautomático. _______________________________________ 132 19 Resumen de Lead Time. ____________________________________________________________ 139 14 Tabla 4. 20 Herramientas Lean a emplearse para reducir desperdicios de manufactura en moldeo semiautomático. _____________________________________________________________________________ 143 Tabla 4. 21 Herramientas Lean a emplearse para reducir desperdicios de manufactura en moldeo manual. _ 144 Tabla 4. 22 Objetivos de reducción de scrap para moldeo semiautomático. _____________________________ 155 Tabla 4. 23 Objetivos de reducción de scrap para moldeo manual. ___________________________________ 155 Tabla 4. 24 Takt time para proceso manual y semiautomático. _______________________________________ 158 Tabla 4. 25 Tabla de proyectos por ser ejecutados y herramienta de control. ___________________________ 160 Conclusiones. Tabla 5. 1 Resumen de Lead Time. _____________________________________________________________ 162 Anexos. Tabla A. Tabla A. Tabla A. Tabla A. Tabla A. Tabla A. Tabla A. Tabla A. Tabla A. Tabla A. Tabla A. 1 Producción semanal de moldeo _______________________________________________________ 171 2 Piezas scrap generadas por semana ___________________________________________________ 172 3 Rendimiento de piezas por planta _____________________________________________________ 173 4 tiempo muerto reportado por planta de fundición ________________________________________ 174 5 Nivel de servicio mensual para unidades de negocio ______________________________________ 175 6 Toma de tiempos para Lead Time en moldeo semiautomático. ______________________________ 176 7 Toma de tiempos para Lead Time en moldeo manual. ____________________________________ 177 8 Clasificación de tiempo muerto para moldeo semiautomático ______________________________ 178 9 Clasificación de tiempo muerto para moldeo manual _____________________________________ 179 10 Clasificación de scrap para moldeo semiautomático _____________________________________ 180 11 Clasificación de scrap para moldeo manual ____________________________________________ 181 15 Resumen. El presente trabajo establece una propuesta de mejora continua para los procesos de fundición de una planta líder en la manufactura de productos eléctricos. El desarrollo está basado en dos grandes metodologías que han permitido la mejora substancial de los procesos de manufactura y de negocios; estas dos metodologías se conocen como Lean Manufacturing (Manufactura esbelta) y Six Sigma. El despliegue de la propuesta tiene como objetivo incrementar el nivel de servicio y disminuir el tiempo de entrega (Lead Time) en dos grandes familias de productos que son elaborados por fusión y moldeo de aluminio. Como herramienta principal de análisis fue desarrollado el mapeo de la cadena de valor (VSM, Value Stream Mapping) de los dos tipos básicos de procesos de moldeo que cuenta la compañía que son necesarios para las dos familias principales de productos. Este mapeo fue la herramienta crucial que permitió analizar el estado actual de los procesos, determinar los diversos desperdicios de manufactura que cuenta la compañía y generar la estrategia global de mejora continua. Toda la estrategia fue establecida por el análisis puntual de los datos recolectados en el proceso, de las áreas de oportunidad inmediatas al VSM y de la herramienta adecuada de Lean Sigma. La metodología Six Sigma al combinarse con el Mapeo de la Cadena de Valor, permitió generar un análisis totalmente enfocado a la mejora integral del proceso, que además direccionó la técnica correcta de Lean Manufacturing en los procesos de fundición. Cabe mencionar que las técnicas Lean Sigma no surtirán efecto si no se realiza el análisis y el enfoque correcto. Por esta razón se detectaron como principales desperdicios la generación de piezas defectuosas, las fallas por mantenimiento, los re-trabajos y tiempos de proceso que generan grandes cuellos de botella. Con la aplicación de las técnicas y de las mejoras marcadas en el despliegue estratégico será posible reducir de manera considerable el Lead Time en más del 50% e incrementar el nivel de servicio. Palabras clave. Mejora Continua, procesos de fundición, lean Manufacturing, Six Sigma, nivel de servicio, Lead Time, VSM, despliegue estratégico. 16 Abstract. This paper sets out a proposal for continuous improvement to the casting processes in a leading manufacturer of electrical products. The development is based on two main methodologies that have allowed substantial improvement in manufacturing and business processes; these two methods are Lean Manufacturing and Six Sigma. The deployment of the proposal is to increase the service level and reduce the lead-time in two large product families; these two families are produced by aluminum casting. The VSM (Value Stream Map) was developed as the main analysis tool of the two basic types of molding processes available in the company that are needed for the two main product families. This mapping was the crucial tool that allowed us to analyze the current state of the processes, identify the various waste that the company has manufacturing and generate the overall strategy of continuous improvement. The whole strategy was established by detailed analysis of data collected in the process, opportunity areas in the VSM and the Lean Sigma suitable tool. The Six Sigma methodology when combined with the Value Stream Map, allowed generating a totally focused analysis on the overall improvement of the process, further routed by the correct technique of Lean Manufacturing in the casting process. It is noteworthy that Lean Sigma techniques have no effect if the right approach and analysis was performed. For this reason the generation of defective parts, maintenance failures, rework jobs and generate large process bottlenecks were detected as primary waste. With the application of the techniques and the marked improvements in the strategic deployment will be possible to significantly reduce the lead-time by over 50% and increase the level of service. Keywords. Continuous Improvement, casting processes, lean Manufacturing, Six Sigma, service level, Lead Time, VSM, strategic deployment. 17 Introducción. La vanguardia en la manufactura no está dictada por la empresa que tenga el mejor capital, los mejores recursos, la mayor tecnología o las mejores dinámicas.1 La vanguardia se encuentra en el mejor aprovechamiento de todos los recursos con los que cuente la organización. Hoy en día existen pequeñas empresas familiares que logran excelentes utilidades con el correcto empleo de sus materiales, del talento, de su maquinaria y de la mano de obra. De igual manera, existen grandes empresas internacionales que cuentan con una disciplina extensiva en todos los aspectos de su administración de la manufactura, estas logran ser las organizaciones que controlan muchas esferas de la economía internacional. Las empresas metalúrgicas pueden ser pequeñas o grandes empresas que exigen un correcto control, orden y aprovechamiento de los recursos. Para fines de este estudio, se abordará una empresa metal mecánica de presencia internacional que cuenta con grandes procesos de fundición. Este proceso al ser una transformación fisicoquímica de los metales, requiere de diferentes controles de proceso y manufactura; además, de una correcta visión del negocio y del proceso metalúrgico. Los clientes día a día requieren no solo que el producto que compran sea el adecuado, exigen que sea entregado en tiempo, forma y con la calidad necesaria. Esta exigencia de los mercados globalizados, ha propiciado que Cooper Crouse – Hinds SA de CV cuente con diferentes procesos metal mecánico. Sin embargo, las fundiciones de esta empresa son el proceso primario de manufactura de un sinfín de productos eléctricos que cubren las necesidades de estos estrictos clientes. La empresa metal mecánica en cuestión cuenta con dos métricos fundamentales que miden directamente la capacidad de entrega de los productos que se manufacturan; estos son el nivel de servicio y el Lead Time (“tiempo que transcurre desde que se inicia un proceso de producción hasta que se completa, incluyendo normalmente el tiempo requerido para entregar ese producto al cliente”2). Dichos métricos serán los fundamentales para establecer las mejoras necesarias de los procesos de fundición. Dicho lo anterior, únicamente serán sujeto de estudio las diferentes 1 Barón, D., & Cadavid, L. (2014). Como una microempresa logro un desarrollo de productos ágil y generador de valor empleando lean. Elsevier Doyma, Estudios gerenciales, 30, 40 - 47. Recuperado de: www.elsevier.es/estudiosgerenciales 2 Lead time (s.f.). recuperado en agosto del 2014, de http://mtmingenieros.com/knowledge/que-es-lead-time/ fundiciones de la compañía, enfocando todos los esfuerzos por mejorar la manufactura desde el inicio de la cadena de valor. Es aquí donde nace la necesidad de establecer una propuesta integral de mejora continua que logre cubrir las necesidades del mercado moderno. El enfoque debe ser dese la base del proceso metal mecánico, por lo que las fundiciones son con las que se establecerá la propuesta de mejora continua que debe ser basada en una metodología estricta y ordenada que encamine hacia la excelencia. Para lograr el despliegue estratégico se empleara una metodología sumamente sistemática y cuantitativa orientada a la mejora de los procesos. Sin embargo, como método de análisis de la información generada por la metodología Six Sigma se empleara el mapeo de la cadena de valor, conocida por sus siglas en inglés como VSM (Value Stream Map). Este mapeo es la base del despliegue estratégico de la filosofía Lean Manufacturing (Manufactura Esbelta). La cual busca por la aplicación de diferentes técnicas la disminución de diferentes defectos de manufactura. La combinación de la metodología Six Sigma y la filosofía Lean Manufacturing permite crear la metodología Lean Sigma, la cual será aplicada para establecer la estrategia completa de la propuesta de mejora para los procesos de fundición de la compañía Cooper Crouse – Hinds SA de CV. El alcance de este proyecto solo abordara a las dos familias principales de productos manufacturados en fundición de arena en verde en procesos de moldeo semiautomático y manual. En el capítulo uno se describe la caracterización de la empresa, la justificación del estudio, el planteamiento del problema, los objetivos generales y específicos y las preguntas de investigación. En el capítulo dos se encuentra el fundamento teórico, el cual soporta la metodología Lean Sigma, haciendo principal énfasis en el VSM y los procesos de fundición, para aquel lector que no esté familiarizado con el tema y los diferentes estudios que se han realizado a los procesos de fundición bajo la metodología de estudio. El capítulo tres abarca la metodología de la investigación, el cual establece todo lo referente al diseño de la investigación cuantitativa y las herramientas que permitieron caracterizar a los procesos en estudio. La propuesta definitiva se encuentra en el capítulo cuatro, donde se podrá observar el desarrollo de la metodología Six Sigma y el análisis gobernado por el Mapeo de la cadena de valor (VSM). En dicha propuesta se documentan los proyectos que deberán ser ejecutados para mejorar los métricos claves. Y por último, las conclusiones son presentadas en la siguiente sección de la presente tesis. 19 Capítulo 1. Generalidades de la investigación. 1.1 Empresa de estudio. Cooper Industries es un fabricante mundial de productos eléctricos con ingresos de 5,4 mil millones de dólares en 2011. Fundada en 1833, la compañía cuenta con siete divisiones operativas, incluyendo fusibles eléctricos y electrónicos Bussmann; equipo eléctrico a prueba de explosión y para áreas clasificadas Crouse – Hinds y CEAG; accesorios de iluminación de Halo Metalux y productos de sistemas de potencia Kyle y McGraw-Edison.3 Con esta amplia gama de productos, Cooper Industries se coloca con una gran tendencia de crecimiento a largo plazo, que incluye la construcción de la infraestructura global, la necesidad de mejorar la fiabilidad y la productividad de la red eléctrica, la demanda de mayores productos energéticamente eficientes y la necesidad de mejorar la seguridad eléctrica. En 2011, 59% del total de ventas se hicieron a clientes en los sectores industrial y de utilidad a mercados finales y el 40% del total de ventas se hicieron a clientes fuera de Estados Unidos. Cooper tiene instalaciones de fabricación en 23 países a partir de 2011. Figura 1. 1 Sectores donde Cooper Industries es líder (Eléctrico, Petrolero, Industrial y Energético). Fuente: Introducing Crouse Hinds by Eaton (s.f.). Recuperado en Marzo del 2013, de http://www.cooperindustries.com/content/public/en/crouse-hinds/about_us/company.html 3 Introducing Crouse Hinds by Eaton (s.f.). Recuperado en Marzo http://www.cooperindustries.com/content/public/en/crouse-hinds/about_us/company.html del 2013, de Crouse – Hinds fue adquirido en 1981 por Cooper Industries, esto elevó el mercado de forma considerable y amplió la oferta de productos eléctricos. Cooper Crouse – Hinds (CCH) es la división más rentable de Cooper Industries, representa el 60% de su facturación total y es responsable de la manufactura de distintos equipos eléctricos. El portafolio de CCH ofrece una robusta serie de productos electicos y de instrumentación para la industria, desde sencillas cajas Condulet ® hasta complejos variadores de frecuencia a prueba de explosión. Figura 1. 2 Fotografía aérea de Cooper Crouse – Hinds México. Fuente: Introducing Crouse Hinds by Eaton (s.f.). Recuperado en Marzo del 2013, de http://www.cooperindustries.com/content/public/en/crouse-hinds/about_us/company.html Aproximadamente el 70% de los componentes que comercializa Cooper Crouse – Hinds contienen componentes y partes de aleaciones de aluminio manufacturado en distintos procesos de fundición – moldeo (arena en verde, molde permanente, moldeo por inyección, etc.). La manufactura de productos de aleaciones de aluminio fundido involucra una serie de ventajas sobre otros materiales, las distintas aleaciones de aluminio cuentan con una densidad baja (de 2.1 a 2.9 g/cm3) comparada contra otros materiales como el acero (7.89 g/cm3), esta propiedad ofrece un material que es liviano y puede ser empleado en distintas aplicaciones, incluso colgar voluminosos equipos en distintas estructuras. Figura 1. 3 Distintos tipos de productos manufacturados en Cooper Crouse – Hinds México. Fuente: Introducing Crouse Hinds by Eaton (s.f.). Recuperado en Marzo del 2013, de http://www.cooperindustries.com/content/public/en/crouse-hinds/about_us/company.html 21 El 30 de noviembre de 2012, Eaton anunció la finalización de la adquisición de Cooper Industries, la adquisición por $ 13 mil millones fue la más grande de 101años de la historia de Eaton. La fusión de estas compañías líderes tiene la intención de transformar y ampliar el alcance de segmentos de mercado, incrementa la cartera de productos, servicios y soluciones, además fortalece la presencia geográfica global.4 1.2 Justificación Las actuales organizaciones se encuentran con retos cada vez mayores en el mercado nacional y extranjero, la competencia es mayor y solo permite que sobrevivan los mejor preparados. Esto no solo hace referencia a las empresas que cuenten con la mejor tecnología, el personal más competente o la que cuente con los mayores recursos; la competitividad es marcada por la capacidad de flexibilidad y adaptación al cambio, esto conlleva que la administración, el despliegue y ejecución de objetivos estratégicos sea cada vez más precisa y exacta. Una herramienta poderosa capaz de llevar a las organizaciones a la excelencia es Lean Sigma. La palabra Lean, en su traducción literal significa magro. Esto directamente indica la agilidad de diferentes sistemas, que ser aplicado a la producción puede crear distintos beneficios a la organización que lo aplica. Por ello se forma el concepto de Lean Manufacturing, esto más allá que un concepto, es una filosofía de mejora integral que permite la eliminación continua de los desperdicios que afectan a los objetivos estratégicos de la empresa.5 Esta filosofía ha permitido en diversas organizaciones alcanzar objetivos claros y puntuales que conllevan a una mejor posición en el mercado, esto a pesar de que no es un tema nuevo en la industria mexicana. Muchas organizaciones han incrementado su eficacia con la eliminación de las actividades que no agregan valor al producto o servicio que ofrecen. Todo esto se basa en el principio básico de obtener las cosas correctas en el lugar correcto, en la cantidad correcta, minimizando los despilfarros y con una mente abierta al cambio. 4 Ídem. ELSS. (2001). Eaton Lean System: An Interactive Introduction to Lean Manufacturing Principles. Londres, Inglaterra: CRC Press. 5 22 Es durante los años 90’s que Womack, J. (2007)6, documentan en su libro “The Machine that change the World” el sistema Lean Manufacturing, en el que afirman que la flexibilidad y la creación de flujo continuo se pueden obtener resultados espectaculares como: Incrementar la productividad al 100% Reducir inventarios y tiempos de producción en un 90% Decremento en los errores que el cliente recibirá y lo inútil de un proceso en 50% A pesar de que Lean Manufacturing puede llevar a la compañía hacia una dirección completa, no puede ir sola y necesita complementarse con la metodología Six Sigma. Esta metodología es un enfoque de administración, el nombre hace referencia a un parámetro estadístico básico para el control de procesos, la desviación estándar.7 Este parámetro nos permite conocer que tan probable es que el proceso varíe con respecto a la media aritmética, donde esta variación puede generar problemas significativos y delicados en la organización. El objetivo primordial de esta metodología es tener un promedio de %99.9996 de casos exitosos en los bienes producidos o los servicios prestados y dejando solo 33 unidades defectuosas por cada 10 millones de unidades producidas. Al unificar la filosofía Lean Manufacturing y la metodología Six Sigma, podemos generar una poderosa herramienta que lleva a la preparación del cambio y la correcta administración conocida como Lean Sigma. Esta inventiva conlleva a eliminar las prácticas de trabajo que no proporcionan valor y la consecuente generación de mejores prácticas que permitan mejores resultados. Las principales ventajas que ofrece esta metodología son el correcto despliegue de objetivos estratégicos y sobre todo la mejor ejecución para lograrlos, esto a través de la reducción de costos y crecimiento de la eficiencia de los diferentes procesos, lo cual se combina para incrementar las ganancias.8 Como objetivos secundarios se refiere al cambio cultural de todos los participantes de la organización, basado en la toma de decisiones estructurada en datos y no en “la experiencia” o solo 6 Womack, J. (2007). The Machine That Changed the World: The Story of Lean Production-- Toyota's Secret Weapon in the Global Car Wars That Is Now Revolutionizing World Industry. Londres, Inglaterra: Free Press. 7 Antony, J. (2011). Lean Six Sigma: research and Practice. [Versión DX Reader]. Recuperado de: http://www.hailienene.com/resources/lean-six-sigma-research-and-practice.pdf 8 Womack, J. (1996). Lean Thinking. Londres, Inglaterra: Simon & Schuster. 23 corazonadas. Comparado con otras filosofías de negocios, Lean Sigma ofrece la ventaja en todos los niveles de la empresa y permite que todos formen parte de la estrategia global. Hoy en día, la compañía Cooper Crouse – Hinds cuenta con un sistema de Lean Sigma enfocado directamente en la generación de ahorros de manufactura, esto ha llevado a la reducción constante de costos en la organización, sin embargo la compañía se encuentra en uno de sus mejores momentos respecto a su nivel de ventas. Durante los últimos tres años la compañía ha incrementado en un 60% las ventas, lo cual indica que se encuentra en plena expansión y debe prepararse para los cambios futuros con una estrategia que involucre la administración a largo plazo de sus recursos e incluso a pensar en una expansión de sus operaciones. Esta es la razón por la cual surge la propuesta integral de mejora continua basada en Lean Sigma que se desarrollara en este trabajo, donde se incluirá la estructura estratégica, productiva y de ingeniería de procesos metalúrgicos. 1.3 Planteamiento del problema La demanda del sector eléctrico a nivel internacional ha incrementado con respecto a los años, esto debido al alza de obras públicas y la expansión de la mancha urbana, además, la industria petrolera se encuentra en auge total por la demanda internacional de hidrocarburos de alta calidad. El crecimiento de estas dos industrias ha propiciado que la compañía Cooper Crouse – Hinds sea la empresa líder de manufactura de productos eléctricos en el mundo, lo cual ha propiciado que las ventas de productos de alto volumen y especiales haya crecido en un 60%. Sin embargo, el nivel de servicio (Gráfico 1.1 y 1.2) de las dos unidades de negocio responsables de la producción no ha sido el mejor. 24 Gráfico 1. 1 Nivel de Servicio Unidad 1 Fuente: Datos de órdenes cumplidas vs ordenes comprometidas 2013. Gráfico 1. 2 Nivel de Servicio Unidad 2 Fuente: Datos de órdenes cumplidas vs ordenes comprometidas 2013. 25 Actualmente en la compañía operan dos divisiones principales de productos el MTO (Make To order) y MTS (Make to Stock), que en español significan MTO (hecho para ordenar) y MTS (hecho para inventario). Estas dos grandes divisiones permiten que se realice un análisis general y global de los procesos, donde el MTO corresponde al material que se realiza bajo un pedido específico, con características personalizadas y especificadas por los diferentes clientes; también se les conoce como “especiales”. Por otra parte, el MTS es el material de alto volumen, el cual debe existir en suficiente proporción para cubrir una demanda continua y con características estándar que se adecuan a las necesidades del cliente. Respectivamente la Unidad 1, carga la responsabilidad de los productos Make to Stock (MTS) y la unidad 2 los catálogos Make to Order. El crecimiento de ventas es excelente para todos los miembros de la organización, sin embargo, surgen diferentes preguntas, ¿están preparados para estos niveles de ventas?, ¿la planta es capaz de soportar tal demanda?, ¿podrán continuar con el buen servicio al cliente que ha caracterizado esta organización? La respuesta se encuentra en la siguiente gráfica. Gráfico 1. 3 Crecimiento de Backlog 2013 V alor individual 1 1 LC S =151517 100000 _ X=33292 0 LC I=-84933 -100000 2013-17 2013-23 2013-26 2013-29 2013-32 2013-36 A ño-Sem 160000 2013-38 2013-40 2013-45 1 LC S =145240 Rango móvil 120000 80000 __ M R=44453 40000 0 LC I=0 2013-17 2013-23 2013-26 2013-29 2013-32 2013-36 A ño-Sem 2013-38 2013-40 2013-45 Fuente: Backlog vencido 2013. 26 El nivel de servicio de las dos diferentes familias de la compañía se encuentra en un nivel bajo y en un declive, lo cual genera que se deba producto a nuestros clientes y crezca el baklog de la compañía (Gráfico 1.3) al no cumplir los pedidos de los clientes y fomente la reprogramación de fechas y con ello fomente la insatisfacción. Este factor es señal de que la organización debe preparar el futuro y afrontar el presente para mejorar los procesos que permitirán apuntalar el métrico principal y ofrecer mejor servicio a los clientes. Existen bastantes áreas de oportunidad en la organización, es necesario plantear una estrategia que represente la mejora integral de los procesos de producción para lograr la satisfacción de los clientes. 1.3.1 Procesos de fundición. Existen diferentes procesos de manufactura para las aleaciones de aluminio, uno de los más importantes es la fusión y moldeo, mejor conocido como fundición. Este proceso cuenta con una serie de operaciones básicas que participan de manera crucial para cumplir y alcanzar las propiedades que se desean en la pieza final. CCHM cuenta con distintos procesos de moldeo: arena en verde, molde permanente e inyección. Para fines de este trabajo se abarcará solo el moldeo en verde. El proceso de moldeo de arena en verde consta generalmente de las siguientes operaciones básicas: moldeo, fusión, vaciado y desmoldeo. El moldeo corresponde a la fabricación de un molde para verter metal o algún solido licuado y proporcionar alguna forma mediante la solidificación controlada, este proceso puede proporcionar formas huecas mediante el uso de corazones de distintos materiales; la fusión es la acción y efecto de licuar metales, aleaciones u otros cuerpos sólidos; el vaciado es la operación de verter material liquido en alguna cavidad de cierto molde donde solidificará y adoptará la forma planificada; el desmoldeo consta de retirar el molde de arena de la pieza solidificada. Las técnica y maquinas empleadas para estas operaciones varían con las necesidades de cada aleación y propiedades que el fundidor necesite 27 Figura 1. 4 Diagrama general del moldeo en verde: Rojo moldeo; azul fusión; naranja vaciado y lila desmoldeo. Manufactura de corazón Manufactura del modelo Arena Preparación de arena Manufactura del Molde Materia Prima Fusión Vaciado Solidificación y enfriamiento Desmoldeo Pieza Fundida Fuente: Creación propia. Cooper Crouse – Hinds México cuenta con una serie de procesos de fundición y moldeo en verde, los cuales deben satisfacer la demanda de los productos manufacturados para la familia Make to Stock y Make to Order. Para cubrir esta demanda se operan tres plantas de fundición, estas tres plantas se identifican como la Planta A, Planta B y FAP. Sin embargo, para el desarrollo de esta tesis se abordara únicamente la Planta A y B (Figura 1.5), esto por el hecho de que son las plantas que ocupan los procesos de moldeo en verde. Figura 1. 5 Plantas de fundición en Cooper Crouse – Hinds México. Planta A (Azul) y Planta B (Roja). Fuente: Creación propia, Lay – Out general Cooper Crouse – Hinds. Estas dos plantas cubren más del 80% (Gráfico 1.4) de la producción de Cooper Crouse – Hinds México, cada planta se dedica a diferentes tipos de catálogos y están enfocadas en su mayoría a cada familia. La Planta A, cubre los catálogos de alta demanda, en este caso los productos Make to Stock; mientras que la planta B abarca los productos Make to Order. 28 Gráfico 1. 4 Producción de moldes por planta de fundición. Categoría Pta A Pta B FAP FAP 82034, 10.0% Pta B 284218, 34.6% Pta A 454086, 55.4% Fuente: Creación propia, datos de producción Enero a Julio de 2013. Estas plantas cubren diferentes demandas y diferentes arreglos de piezas, por lo que como entidad de medición se tomara los moldes producidos por máquina, ya que cada molde tiene arreglas distintos de piezas. Esto es evidente en las siguientes figuras, la figura 1.6 es un molde con 8 piezas, mientras que la figura 1.7 cuenta con 4 piezas. Figura 1. 6 Molde con 8 piezas. Fuente: Creación propia, fotografía tomada en proceso de corte en Cooper Crouse – Hinds 2013. 29 Figura 1. 7 Molde con 4 piezas. Fuente: Creación propia, fotografía tomada en proceso de corte en Cooper Crouse – Hinds 2013. Los moldes serán las entidades de medición de los procesos de fundición, esto permitirá que se puedan establecer las siguientes dificultades que rodean al nivel de nivel de servicio y a la capacidad de respuesta que se cuenta hoy en día. 1.3.1.1 Nivel de producción. La Planta A y B cubren la demanda de ambos grupos de producción (MTO y MTS). El métrico representativo para esta medición corresponderá a la cantidad de moldeos producidos. La planta A cuenta con cuatro máquinas moldeadoras semiautomáticas pequeñas (Figura. 1.8) y la Planta B cuenta con dos máquinas semiautomáticas grandes, dos máquinas semiautomáticas pequeñas, dos estaciones manuales pequeñas, una estación manual grande a dos operadores, Roll Over y moldeo On-Floor (Figura. 1.9). Estas dos plantas deben absorber la enorme demanda que se genera mes a mes y que necesita cubrir la venta hacia los mercados eléctrico, minero, petrolero y de iluminación general. Cabe mencionar que se fabrican diferentes componentes de forma individual que serán ensamblados en productos más grandes. 30 Figura 1. 8 Estructura de equipo de moldeo para fundición en Planta A de Cooper Crouse – Hinds México. Fuente: Creación propia, Lay – Out general Cooper Crouse – Hinds. Figura 1. 9 Estructura de equipo de moldeo para fundición en Planta B de Cooper Crouse – Hinds México. Fuente: Creación propia, Lay – Out general Cooper Crouse – Hinds. 31 Estas máquinas laboran las 24 horas del día en tres diferentes turnos, sin embargo la capacidad de este centro productivo se ve rebasada, ya que la gran demanda que deben cubrir es superior a la capacidad de producción. Las maquinas tienen un total de siete horas disponibles por turno, esto separando el tiempo de comida del personal y las actividades de 5S’s y TPM. Por día cuentan con un total de 21 horas disponibles para la producción, estas horas no son suficientes para cumplir la producción programada, esto ocasionado por distintos motivos que merman la capacidad productiva (tiempos muertos, piezas que no cumplen con el estándar de calidad, productos mal programados, generación descontrolada de inventario etc.). En las siguientes imágenes se presenta el gráfico de carga de producción para la planta A (Gráfico 1.5) y para la planta B (Gráfico 1.6). Gráfico 1. 5 Carga de trabajo semanal programado en Planta A. Fuente: Creación propia, reporte de carga de trabajo. 32 Gráfico 1. 6 Carga de trabajo semanal programado en Planta B. Fuente: Creación propia, reporte de carga de trabajo. En el gráfico 1.5 y 1.6 es evidente que solo la primera semana este sobre cargado, esto ocasionado por detalles de planeación, la planeación se realiza semana a semana, lo que origina una falsa disponibilidad del centro. Esto ocasiona que los pedidos sean reprogramados con frecuencia y las fechas compromiso no sean cumplidas. La programación se basa en el cumplimiento de las ordenes más antiguas e incluso ya vencidas, por lo que el trabajo prácticamente se ejecuta al día y no existe la posibilidad de generar inventario. Por otra parte, la cantidad de moldes programados y manufacturados por cada centro se ve afectado por diferentes causas raíz y sobre todo por una falta de administración de la producción. Existen una serie de tiempos muertos que afectan y merman la capacidad de cada planta de fundición, si estos tiempos fueran productivos, la cantidad de moldeos seria considerablemente mayor. Los datos actuales y su caracterización estadística se presentan en los siguientes Gráfico 1.7 y 1.8 para la Planta A; 1.9 y 1.10 para la Planta B. 33 Al caracterizar el comportamiento estadísticos de la producción de la planta A (gráfico 1. 7), se observa que se cuenta con una media de 17812 moldes semanales por cuatro máquinas semiautomáticas, este comportamiento es considerado que se representa como una distribución normal, ya que el P-Value es de 0.627 para una prueba de Anderson Darling (Consultar capítulo 3 para mayor información). Por otra parte, se cuenta con una desviación estándar de 2825 y una mediana de 17882 moldes. Por otra parte, el gráfico I-MR (gráfico 1.8) muestra un comportamiento estable a través del tiempo, esto por no marcar puntos especiales que denoten alguna condición anormal. Esto sucede de manera análoga para la planta B; se cuenta con una distribución normal con un P-Value de 0.571, que considera una media de 11125 moldes semanales para distintas estaciones de moldeo (gráfico 1.9); además, el gráfico I-MR (figura 1.10) tal como el anterior, no demuestra algún detalle de consideración respecto al tiempo. Gráfico 1. 7 Resumen estadístico para producción semanal de moldes en Planta A. A nderson-Darling N ormality Test A -S quared P -V alue 0.28 0.627 M ean S tDev V ariance S kew ness Kurtosis N 17812 2825 7982301 -0.582710 0.319971 25 M inimum 1st Q uartile M edian 3rd Q uartile M aximum 12000 15000 18000 21000 10642 16073 17882 20202 21861 95% C onfidence Interv al for M ean 16646 18978 95% C onfidence Interv al for M edian 16420 19719 95% C onfidence Interv al for S tDev 2206 3930 95% Confidence Intervals Mean Median 16000 17000 18000 19000 20000 Fuente: Creación propia, reporte de carga de trabajo. 34 Gráfico 1. 8 Gráfico de control I-MR para producción semanal de moldes en Planta A. U C L=25842 Individual V alue 25000 20000 _ X=17812 15000 10000 LC L=9781 1 3 5 7 9 11 14 Week 16 18 20 22 24 26 M oving Range 10000 U C L=9865 7500 5000 __ M R=3019 2500 0 LC L=0 1 3 5 7 9 11 14 Week 16 18 20 22 24 26 Fuente: Creación propia, reporte de carga de trabajo. Gráfico 1. 9 Resumen estadístico para producción semanal de moldes en Planta B. A nderson-Darling N ormality Test A -S quared P -V alue 0.29 0.571 M ean S tDev V ariance S kew ness Kurtosis N 11125 2336 5455304 -0.365324 -0.295876 25 M inimum 1st Q uartile M edian 3rd Q uartile M aximum 6000 8000 10000 12000 14000 6006 9747 10602 12720 14753 95% C onfidence Interv al for M ean 10161 12089 95% C onfidence Interv al for M edian 10228 12504 95% C onfidence Interv al for S tDev 1824 3249 95% Confidence Intervals Mean Median 10000 10500 11000 11500 12000 12500 Fuente: Creación propia, reporte de carga de trabajo. 35 Gráfico 1. 10 Gráfico de control I-MR para producción semanal de moldes en Planta B. Individual V alue 18000 U C L=17096 15000 _ X=11125 12000 9000 6000 LC L=5154 1 3 5 7 9 11 14 Week 16 18 20 22 24 26 1 M oving Range 8000 U C L=7335 6000 4000 __ M R=2245 2000 0 LC L=0 1 3 5 7 9 11 14 Week 16 18 20 22 24 26 Fuente: Creación propia, reporte de carga de trabajo. 1.3.1.2 Tiempo Muerto. Ambas plantes de fundición presentan diferentes cantidades de tiempo muerto, estos tiempos tienen diferentes causas raíz, por lo que para su posterior análisis (Capitulo 3) fueron catalogados en diferentes categorías. Sin embargo, en esta sección se expondrá el tiempo semanal total que estos paros afectan la capacidad de producción y que origina que la capacidad de las maquinas sea limitada y obligue que la planeación considere pocas horas disponibles. Para caracterizar el comportamiento de los tiempos muertos de cada planta se presentan los resúmenes estadísticos para la planta A (Gráfico 1.11) y para la planta B (Gráfico 1.13), por otra parte para plantear el análisis contra el tiempo se presentan los gráficos I-MR para la planta A y B (Gráfico 1.12 y 1.14). 36 Gráfico 1. 11 Resumen estadístico para tiempo muerto semanal en Planta A. A nderson-Darling N ormality Test A -S quared P -V alue 0.35 0.456 M ean S tDev V ariance S kew ness Kurtosis N 179.53 26.71 713.33 0.343256 -0.123763 37 M inimum 1st Q uartile M edian 3rd Q uartile M aximum 150 180 210 240 129.87 161.62 175.87 198.33 239.55 95% C onfidence Interv al for M ean 170.62 188.43 95% C onfidence Interv al for M edian 169.25 186.08 95% C onfidence Interv al for S tDev 21.72 34.69 95% Confidence Intervals Mean Median 170 175 180 185 190 Fuente: Creación propia, reporte de tiempo muerto. Gráfico 1. 12 Gráfico de control I-MR para tiempo muerto semanal en Planta A. U C L=255.6 Individual V alue 250 200 _ X=179.5 150 LC L=103.4 100 1 5 9 13 18 22 26 30 34 38 Semana U C L=93.5 M oving Range 80 60 40 __ M R=28.6 20 0 LC L=0 1 5 9 13 18 22 26 30 34 38 Semana Fuente: Creación propia, reporte de carga de trabajo. 37 Gráfico 1. 13 Resumen estadístico para tiempo muerto semanal en Planta B. A nderson-Darling N ormality Test A -S quared P -V alue 0.35 0.460 M ean S tDev V ariance S kew ness Kurtosis N 267.32 48.19 2322.21 -0.498671 -0.258264 39 M inimum 1st Q uartile M edian 3rd Q uartile M aximum 150 200 250 300 350 151.48 233.80 277.08 305.55 340.25 95% C onfidence Interv al for M ean 251.70 282.94 95% C onfidence Interv al for M edian 245.43 289.86 95% C onfidence Interv al for S tDev 39.38 62.11 95% Confidence Intervals Mean Median 240 250 260 270 280 290 Fuente: Creación propia, reporte de tiempo muerto. Gráfico 1. 14 Gráfico de control I-MR para tiempo muerto semanal en Planta B. U C L=362.4 Individual V alue 350 300 _ X=267.3 250 200 LC L=172.2 150 1 1 1 9 13 17 21 Semana 25 29 33 37 1 160 M oving Range 5 1 1 120 U C L=116.8 80 __ M R=35.8 40 0 LC L=0 1 5 9 13 17 21 Semana 25 29 33 37 Fuente: Creación propia, reporte de tiempo muerto. 38 El resumen estadístico para la planta A arroja valores significativos de 178 horas perdidas a la semana para un centro de cuatro máquinas y para la planta B un total de 268 horas no productivas para siete equipos de moldeo. Estos tiempos representan una perdida sustancial de moldes, para el caso de la planta A el tiempo muerto consume el 30% del tiempo disponible total; para la planta B simboliza el 27% del tiempo total, esto es evidente en los siguientes gráficos (Gráfico 1.15 y 1.16). Gráfico 1. 15 Disponibilidad consumida por tiempo muerto en Planta A. Category Tiempo Disp [h] Tiempo Muerto [h] Tiempo Muerto [h] 178, 30.9% Tiempo Disp [h] 398, 69.1% Fuente: Creación propia, reporte de tiempo muerto. Gráfico 1. 16 Disponibilidad consumida por tiempo muerto en Planta B. Category Tiempo Disp [h] Tiempo Muerto [h] Tiempo Muerto [h] 268, 26.6% Tiempo Disp [h] 740, 73.4% Fuente: Creación propia, reporte de tiempo muerto. 39 Los gráficos 1.15 y 1.16 ponen en evidencia la capacidad productiva perdida en los diferentes procesos de fundición, esta es una gran área de oportunidad que permitirá una mayor fabricación de moldes y con ello una recuperación sustancial de productividad. Sin embargo, se debe considerar otro factor importante que genera la pérdida de productividad, este es uno de los más importantes en la manufactura metalúrgica y es el desperdicio por falta de calidad (Scrap). 1.3.1.3 Defectos (Scrap). Actualmente las plantas de fundición de Crouse – Hinds generan cierta cantidad de defectos que afectan las piezas y generan desperdicios, estas piezas al no cubrir los requerimientos del cliente deben ser fundidas para generar productos nuevos, esto asegura que el aluminio sea reciclado. Sin embargo, no es posible recuperar los demás recursos en estas piezas. Al reciclar el aluminio de las piezas defectuosas se pierde la mano de obra, los recursos de la máquina y sobre todo la disponibilidad de fabricar piezas nuevas. Las piezas defectuosas juegan un papel sumamente importante, ya que es necesario considerar recursos para reponer las piezas faltantes en el proceso siguiente, este déficit provoca que no se cumplan las órdenes de producción y por lo tanto el nivel de servicio sea bajo. Este problema se mide como el cociente de las piezas rechazadas sobre las producidas y es multiplicado por cien, este métrico permite saber el rendimiento de cada planta en porcentaje. Esta relación es posible llevarla hasta catalogo y familia, pero para fines prácticos se muestra el generado para cada planta de fundición. A continuación se presenta el resumen estadístico para la cantidad de piezas defectuosas generadas en cada centro de fundición. En los resúmenes estadísticos (gráficos 1.17 y 1.19) se representa el porcentaje medio de cada planta, el cual se encuentra en 5.67% y 17.89% respectivamente para cada planta. Este porcentaje es elevado para una fundición de aluminio que no es considerada como un empresa que manufacture piezas de gran precisión como la automotriz o aeroespacial. Además, cuenta con una variación considerable y evidente en los gráficos de control (figura 1.18 y 1.20) ya que se han presentado valores elevados y cercanos al 10% y el 30% para cada planta. Este métrico es totalmente crítico para el estado futuro de la compañía. 40 Gráfico 1. 17 Resumen estadístico para relación de piezas defectuosas contra piezas aceptadas en planta A de forma semanal. P rueba de normalidad de A nderson-Darling A -cuadrado V alor P 2.00% 4.00% 6.00% 8.00% 10.00% 0.37 0.399 M edia Desv .E st. V arianza A simetría Kurtosis N 0.056783 0.021122 0.000446 0.412692 -0.378729 28 M ínimo 1er cuartil M ediana 3er cuartil M áximo 0.021137 0.039278 0.055835 0.067690 0.101718 Interv alo de confianza de 95% para la media 0.048592 0.064973 Interv alo de confianza de 95% para la mediana 0.043592 0.061143 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 0.016700 0.028750 Media Mediana 4.50% 5.00% 5.50% 6.00% 6.50% Fuente: Creación propia, reporte de scrap. Gráfico 1. 18 Gráfico de control I-MR para relación de piezas defectuosas contra piezas aceptadas en planta A de forma semanal. 15.00% V alor individual LC S =13.20% 10.00% _ X=5.68% 5.00% 0.00% LC I=-1.84% 1 4 7 10 13 16 O bser vación 19 22 25 28 LC S =9.24% Rango móvil 8.00% 6.00% 4.00% __ M R=2.83% 2.00% 0.00% LC I=0.00% 1 4 7 10 13 16 O bser vación 19 22 25 28 Fuente: Creación propia, reporte de scrap. 41 Gráfico 1. 19 Resumen estadístico para para relación de piezas defectuosas contra piezas aceptadas en planta B de forma semanal. P rueba de normalidad de A nderson-Darling A -cuadrado V alor P 8.00% 16.00% 24.00% 32.00% 0.63 0.088 M edia Desv .E st. V arianza A simetría Kurtosis N 0.17899 0.05404 0.00292 0.01714 1.41997 28 M ínimo 1er cuartil M ediana 3er cuartil M áximo 0.05069 0.15661 0.17360 0.21453 0.31400 Interv alo de confianza de 95% para la media 0.15804 0.19995 Interv alo de confianza de 95% para la mediana 0.16609 0.18977 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 0.04272 0.07355 Media Mediana 16.00% 17.00% 18.00% 19.00% 20.00% Fuente: Creación propia, reporte de scrap. Gráfico 1. 20 Gráfico de control I-MR para para relación de piezas defectuosas contra piezas aceptadas en planta B de forma semanal. Gráfica I-MR de Planta B %Scrap [Pz def/Pz OK] LC S =32.56% V alor individual 30.00% _ X=17.90% 20.00% 10.00% LC I=3.24% 0.00% 1 4 7 10 13 16 O bser vación 19 22 25 28 20.00% Rango móvil LC S =18.00% 15.00% 10.00% __ M R=5.51% 5.00% 0.00% LC I=0.00% 1 4 7 10 13 16 O bser vación 19 22 25 28 Fuente: Creación propia, reporte de scrap. 42 1.4 Objetivo general Determinar y analizar las áreas de oportunidad en las distintas plantas de fundición de la empresa en estudio que permitan generar una propuesta integral de mejora continua, la que encamine a optimizar el nivel de servicio, empleo de recursos, reducción de costos e incremento de productividad, todo esto por la aplicación de técnicas Lean Sigma. 1.5 Objetivos específicos Definir los procesos metalúrgicos involucrados y sus diferentes puntos de mejora (aspecto metalúrgico e industrial). Mapear la cadena de valor del producto y crear el VSM (Value Stream Map) del estado actual de los productos que encaminaran a incrementar el nivel de servicio en la compañía. Plantear las áreas de oportunidad que deben ser perfeccionadas por medio de herramientas de mejora continua que serán aplicadas bajo metodología Lean Sigma. Generar el despliegue de proyectos que estén sostenidos en la metodología Lean Sigma para lograr la mejora integral de los procesos de fundición y establecer la estrategia para alcanzar un Mapa Futuro del negocio. 1.6 Preguntas Las preguntas inmediatas a la investigación serán las siguientes. ¿Cuál es el principal factor que afecta el nivel de servicio (tiempo muerto o generación de piezas defectuosas) en los procesos de fundición? ¿Cuáles son los factores adicionales que generan el bajo nivel de servicio y productividad de los diferentes centros de fundición de la empresa en estudio? ¿Qué técnicas de Lean Sigma deberán ser aplicadas para mejorar de forma integral los procesos de fundición? ¿Qué barreras culturales, de proceso o sistema deberán ser superadas para lograr una implementación total de la mejora? ¿La empresa en cuestión, está preparada para una propuesta de alto nivel que conlleve a una mejora integral de sus procesos de fundición? 43 Capítulo 2. Fundamento Teórico. En este capítulo se abordaran y se explicaran las diferentes metodologías que se aplicaran en el desarrollo de este trabajo, se comenzará con la estructura básica del Lean Sigma, metodología que combina la filosofía de Lean Manufacturing aplicado con las técnicas de Six Sigma, esto con el objetivo de incrementar las características productivas de cualquier proceso y por lo tanto eliminar los desperdicios de manufactura. 9 Por otra parte, se abordara la metalurgia básica de las aleaciones coladas base aluminio y la perspectiva de la mejora continua en los procesos de fundición. 2.1 Lean Sigma. Lean Sigma es la combinación idónea de las mejoras de Six Sigma con la velocidad que proporciona los principios y técnicas provenientes de los principios de Lean Manufacturing (Manufactura Esbelta). Six Sigma es un acercamiento disciplinado, guiado por datos y metodologías para eliminar los defectos en cualquier proceso, desde la manufactura hasta las transacciones y desde el producto al servicio.10 Lean Manufacturing se centra en mejorar la velocidad del proceso y la eliminación de pérdidas fundamentalmente mediante el descarte de pasos añadidos y sin valor. El Lean Flow y Six Sigma son fuertemente compatibles. Combinar estos dos poderosos procesos de mejora es como combinar dos cajas de herramientas que pueden ayudar a su organización a mejorar su calidad y eficiencia. Tanto Lean y Six Sigma tienen puntos en común en sus estrategias y métodos. Ambos están formados alrededor de la idea de que los negocios están compuestos por procesos para servir las necesidades de los clientes.11 Tienen el objetivo común de identificar y eliminar el foco productor de pérdidas y de actividades que no ofrecen ningún valor, para así crear un flujo de productividad, capacidad y rendimiento máximo. Ambos ponen un gran énfasis en el entrenamiento para llevar a los miembros de una organización a niveles de entendimiento y habilidad elevada en los procesos y las herramientas de la metodología. A su vez, tanto Six Sigma como Lean requieren y animan el 9 Basu, R. (2009). Implementing Six Sigma and Lean. [Versión DX Reader]. Recuperado de: www.tandf.co.uk Ibídem. 11 Ibídem. 10 44 compromiso en la gestión y en los tutores clave dentro de la organización para asegurar que los proyectos prioritarios son ejecutados como parte de la forma de realizar negocios. Los métodos y los datos Lean son utilizados para reducir costos, ciclos temporales, expandir la capacidad y mejorar la productividad. Los conceptos y el sistema Lean Flow identifican rápidamente las oportunidades para la mejora a través del uso de un mapeo del flujo de valores. Lean resalta todos los principios abarcables junto con las recomendaciones a las que se aspira para conseguir mejoras. Sin embargo, los principios Lean son a menudo inadecuados para resolver algunos de los problemas más complicados y que requieren de un análisis avanzado. Puesto que Six Sigma requiere una métrica estadística profunda para analizar la calidad en todos los niveles de la cadena de suministro, eliminar los defectos puede mejorar todos los métodos Lean. Six Sigma – cuando está combinado con Lean - permite una identificación más fácil y una más pronta resolución de los problemas o cuestiones de calidad, y cosecha resultados rápidos mientras abre los ojos a la gente hacia mejores posibilidades en las bases de la planta.12 Lean Sigma crea un mejor entendimiento en el valor de su trabajo, definiéndolo como algo por lo que su cliente va a querer pagar. Lean Sigma ayuda a crear clientes leales llevando mejoras a las áreas más importantes para éstos. Su métrica genera objetivos claros en las necesidades de los clientes y genera creaciones reales y de valores tangibles. Esto es un acercamiento altamente sostenible que se entreteje en la organización e involucra al personal en todos los niveles –desde el comité ejecutivo hasta la primera línea. El despliegue total de Lean Sigma fomentará un entorno de mejoras continuas donde la norma cultural de su organización será el esfuerzo para la eliminación total de las pérdidas a través de una sucesión de pequeños eventos, orientados en la acción dentro de los procesos de producción.13 Lean Sigma cumple con su estrategia total y su éxito futuro mejorando significativamente la calidad y reduciendo pérdidas.14 Proporciona poder a cada empleado con nuevas formas de pensar sus procesos y ayuda a hacer mejoras drásticas en el rendimiento de la organización. Lean Sigma crea 12 George, M. (2003). What is Lean Six Sigma? Ohio, Estados Unidos: McGraw Hill. Antony, J. (2011). Lean Six Sigma: research and Practice. [Versión DX Reader]. Recuperado de: http://www.hailienene.com/resources/lean-six-sigma-research-and-practice.pdf 14 George, M. (2002). Lean Six Sigma. Combining Six Sigma Quality with Lean Speed. Ohio, Estados Unidos: McGraw Hill. 13 45 un poderoso vínculo entre sus prioridades estratégicas y sus mejoras operativas y facilita la transformación de su negocio. 2.1.1 Lean Manufacturing Literalmente, Lean quiere decir “Magro”, sin grasa. La acepción de negocios acerca del término lean entiende la grasa como aquello que entorpece la agilidad de una organización: el despilfarro, o las actividades sin valor añadido sean del tipo que sean. La base conceptual del Lean Manufacturing es el conjunto de técnicas de gestión asociadas al Sistema de Producción de Toyota (TPS) y data de principios de los años 50. El término Lean fue acuñado por los profesores del Massachusetts Institute of Technology (MIT) J. Womack y D. Jones (2007) a principios de la década de los 90 en sus libros “La máquina que cambió el mundo” 15 y “Lean Thinking” 16. Conceptualmente, no se considera el TPS como un modelo que pueda implantarse (aunque si es posible), sino como una forma radicalmente distinta de entender las operaciones de una compañía, como una forma de vida y de pensamiento. El TPS es mucho más que un conjunto de técnicas, herramientas y metodologías orientadas a mejorar la productividad, optimizar los costes o reducir los tiempos de ciclo en proporciones nunca antes conocidas; es una actitud, una manera de ser y una manera distinta de enfocar y resolver los problemas.17 La prioridad del sistema de producción de Toyota es la velocidad, pero la velocidad entendida como la capacidad de satisfacer la demanda del mercado con un sistema de producción que “bata” en sintonía con la necesidad, y velocidad entendida como perfección: sólo lo perfecto se puede ser rápido, sólo si no hay despilfarro se puede adquirir la velocidad necesaria. El fundamento del TPS es la eliminación sistemática del Muda (despilfarro, en japonés). Para ello, el Consejo de Administración de Toyota tomó a principios de los años 60 dos decisiones simples pero fundamentales: el método de identificación y resolución de problemas debería seguir el método científico reflejado en el ciclo PDCA (Planear, actuar, checar y actuar, conocido por sus siglas en inglés como, Plan-Do-Check- Act) de Deming y las personas más cerca de la generación de valor (Money makers) debían tener la capacidad para tomar decisiones con autonomía.18 15 Womack, J. (2007). The Machine That Changed the World: The Story of Lean Production-- Toyota's Secret Weapon in the Global Car Wars That Is Now Revolutionizing World Industry. Londres, Inglaterra: Free Press. 16 Womack, J. (1996). Lean Thinking. Londres, Inglaterra: Simon & Schuster. 17 Ibídem. 18 Monden, Y. (1997). Toyota Production System: an integrated approach to Just In Time. Georgia, USA: Industrial Engineering & Management Press. 46 Lean cuenta con una estructura bastante sólida, ya que busca desarrollar una cultura hacia una organización más eficiente mediante los cambios en los procesos del negocio con el fin de incrementar la velocidad de respuesta por medio de reducción de desperdicios, costos y tiempos. En la actualidad, las empresas más competitivas de todos los sectores de la industria emplean este sistema de gestión y sus herramientas asociadas para conseguir ser los mejores. Por ello, parten de cinco principios fundamentales que plantean este camino hacia la excelencia, los cuales se observan en la tabla 2.1. Tabla 2. 1 Principios básicos de Lean Manufacturing Principio Lean Concepto El valor es todo aquello que el cliente está dispuesto a pagar, por lo que todos los esfuerzos Especificar el de la organización deben estar enfocados hacia esas actividades. Este valor solo lo especifica valor el cliente y él es el único que debe plantear lo que necesita. Identificar el flujo de valor Agregar valor al flujo continuo Proceso de Jalar Buscar la perfección El flujo de valor es la cadena de operaciones o actividades que elevan la satisfacción del cliente (Valor Agregado), sin embargo esta cadena puede contar con una serie de procesos que atrasan o merman el valor final o elevan su costo interno, todas estas actividades son conocidas como “sin valor” (desperdicio) y deben ser eliminadas a la brevedad. Por otra parte, existen actividades o procesos que son totalmente necesarias para la generación del producto o servicio, pero no es posible eliminarlas, estas son conocidas como “actividades que no agregan valor, pero son necesarias”. Estas actividades deben ser optimizadas y no eliminadas. Todas las actividades que no agregan valor al sistema consumen tiempo y recursos que al ser retiradas permiten que las actividades importantes o clave tengan un mayor flujo y posibilidad de llevarse a cabo en menor tiempo o consumen recursos de una manera racional y controlada. El flujo total se verá beneficiado y se recortara el tiempo total de proceso. El proceso de jalar (pull) implica que el movimiento de materiales y productos se ajuste a la demanda en todo momento. Se trata de que sea la propia demanda la que programe qué hay que entregar (tanto si esta procede de un cliente externo como interno). Si cada proceso debe operar de acuerdo con las necesidades del que le sigue (su cliente) y así hasta llegar al cliente final externo, la actividad de la empresa se habrá de programar para el último proceso, de acuerdo con lo que deba entregar al cliente final. A medida que las organizaciones empiezan a especificar el valor de modo preciso, identificar la totalidad del flujo de valor, a hacer que las etapas creadores de valor para que los productos específicos fluyan constantemente, y dejan que sean los consumidores quienes atraigan hacia si (pull) valor desde la empresa, comienza a desencadenarse la mejora integral de los productos y servicios. Esto genera que se busque el quinto principio, la perfección. Fuente: Womack, J. (1996). Lean Thinking. Londres, Inglaterra: Simon & Schuster. El objetivo principal de la filosofía Lean Sigma es la eliminación de los desperdicios, aquello que no agrega valor al producto y por lo tanto, son los elementos u operaciones que generan un costo al negocio e inmediatamente es visible un área de oportunidad. 19 19 Mann, D. (2014). Creating a Lean Culture: Tools to Sustain Lean Conversions. Londres, Inglaterra: CRC Press. 47 Estos elementos conocidos como desperdicios son aquellos componentes dentro de un proceso de producción (Procesos administrativos y de manufactura) que añade costo sin añadir valor al producto, siendo específicos “actividades que consumen recursos, pero que el producto no es enriquecido”. 20 Es por ello que son definidos con siete tipos de clasificación, esta identificación permite puntualizar en la naturaleza de cada desperdicio para reducir su incidencia e incluso eliminarlo de la cadena de valor. Estos tipos de desperdicios se exponen a continuación en la tabla 2.2. Tabla 2. 2 Descripción de desperdicios en la filosofía Lean Manufacturing. Desperdicio Lean Sobreproducción Esperas Reproceso o “Scrap” Movimiento SobreProcesamiento Inventario Concepto Es fabricar más de lo necesario. Procesar artículos más temprano o en mayor cantidad que la requerida por el cliente. Se considera como el principal y la causa de la mayoría de los otros desperdicios. La sobreproducción se define como la acumulación de productos en espera de procesamiento posterior (venta, consumo, eliminación, reciclado, etc.). Se refiere a la pérdida de tiempo productivo por paros o pausas en la línea de producción. Estos paros son relativos a la demora de materia prima, averías en las máquinas, operarios ociosos, mal balanceo de línea. Es la reproducción de la operación en obtener una pieza acorde a los estándares de los clientes, este desperdicio involucra desde repetir trabajo manual, de máquina, desperdicio de materiales y energía para transformarlos. Este desperdicio involucra directamente a los costos de calidad, lo que encarece directamente el producto o el costo de la operación. Todo aquel desplazamiento que involucre una pérdida de tiempo o recursos que no agreguen valor al producto final es considerado como un desperdicio de movimiento. Este desperdicio se relaciona directamente al movimiento de máquinas para producir diferentes piezas, al desplazamiento del operador en búsqueda de herramientas o materiales necesarios para concluir la manufactura del producto o servicio. El producto durante su manufactura es transformado de acuerdo a las condiciones establecidas en un contrato celebrado con el cliente en el cual se especifica bajo qué condiciones de operación se debe elaborar el producto y que características debe cumplir (Requerimientos de calidad); al momento de aplicarle recursos demás en el proceso de manufactura, así como desarrollar operaciones innecesarias que no agregar valor al producto, tendremos como resultado que toda actividad que no pague el cliente se convierte en este tipo de desperdicio Es la acumulación excesiva de productos o materiales en cualquier parte del proceso. Esta acumulación lejos de ayudar a la organización la afecta directamente ocultando los problemas y generando más desperdicios. La forma en la que se ocultan los problemas por el inventario es relativamente sencillo, al contar con material adicional al necesario crea una confianza ciega al pensar que se está cumpliendo con los requerimientos del cliente, ya que siempre hay producto para disponer cuándo sea necesario. Sin embargo, esta situación genera una idea errónea del estado real de las operaciones. 20 William, M. (2000). Lean Manufacturing: Tools, Techniques, and How to Use Them. Londres, Inglaterra: CRC Press. 48 Transporte Este desperdicio se detecta en los procesos que tienen las operaciones distribuidas (Lay – out) de manera dispersa en el piso de producción y/o entre departamentos, e incluso plantas, con un orden de secuencia de operación difícil de interpretar u observar a simple vista, en un escenario de este tipo el material es llevado y traído de una estación de trabajo a otra trasladándolo por cientos de metros e incluso por miles de metros en algunos casos, teniendo como resultado, una baja eficiencia en el tiempo de manufactura y en el servicio al cliente, así como una pobre rastreabilidad de las ordenes de producción originando en algunos casos problemas de calidad de los materiales que conformen una orden de trabajo. Fuente: Womack, J. (1996). Lean Thinking. Londres, Inglaterra: Simon & Schuster. La manufactura Lean, cuenta con una caja de herramientas; 5S, Diseño de Flujo, Heijunka o el balanceo de la carga de trabajo en la línea, Jidoka como se conoce a las técnicas de detección automatizada de defectos, SMED o cambio rápido, Seis Sigma, etc. La misión de estas herramientas es identificar y combatir el desperdicio o Muda,21 estas herramientas se encuentran en la tabla 2.3. Tabla 2. 3 Descripción de herramientas de Lean Manufacturing. Herramienta Lean Mapeo de procesos 5S’s 21 Concepto Es una metodología que permite orientar y redefinir los principales elementos del proceso para la reivindicación del mismo de acuerdo de acuerdo a lo que el cliente considera de valor. Conocer el mapa del proceso permite planear e identificar los elementos de entrada y salida para mejorar su diseño y operación entre los aspectos más importantes, con el objetivo de establecer las estrategias necesarias para resolver las necesidades de nuestros clientes (Interno/Externo); además permite resaltar los principales obstáculos y oportunidades que se pueden presentar, por lo anterior, es la mejor forma de medir los avances en forma sistemática y de comunicar los requerimientos a toda la empresa. Es una práctica ideada en Japón referida al “Mantenimiento Integral” de la empresa. No sólo de maquinaria, equipo e infraestructura sino del mantenimiento del entorno de trabajo por parte de todos. Este concepto nace de las iniciales en japonés de distintos pasos para lograr la excelencia, estas se detallan a continuación: Seiri (Eliminar). Se refiere a eliminar de la sección de trabajo todo aquello que no sea necesario. Seiton (Orden). Se enfoca a sistemas de almacenamiento eficiente y efectivo. "Un lugar para cada cosa y cada cosa en su lugar." Seiso (Limpiar). Es posterior a las dos S’s anteriores con lo que se cuenta con condiciones de realizar una limpieza exhaustiva de la sección laboral. Cuando se logre por primera vez, habrá que mantener una diaria limpieza a fin de conservar el buen aspecto y de la comodidad alcanzada con esta mejora. Seiketso (Estandarizar). La estandarización corresponde en adoptar las buenas practicas implementadas en las tres S’s y crear documentos o procedimientos que garanticen la repetición de dichas prácticas. Sitsuke (Disciplina). La disciplina consiste en establecer una serie de normas o estándares en la organización de la sección de trabajo que garanticen la permanencia de las S’s anteriores. Ibídem 49 Justo a tiempo Estandarización del trabajo TPM Cambio rápido de herramentales (SMED) El justo a tiempo se conoce internacionalmente por sus siglas en inglés como JIT (Just in Time) y precisamente la denominación de este novedoso método productivo nos indica su filosofía de trabajo: " las materias primas y los productos llegan justo a tiempo, bien para la fabricación o para el servicio al cliente”. El método JIT explica gran parte de los actuales éxitos de las empresas japonesas, sus grandes precursoras. Propiciar los medios por los cuales, las operaciones de manufactura se realicen siempre de una misma forma. Crear procesos estándar, consistentes y predecibles es un factor que propiciará el control y posterior mejora de los procesos. Los primeros intentos por estandarizar las operaciones de manufactura, provienen de la utilización de instrucciones de trabajo. Con el paso del tiempo se han incorporado nuevos elementos que hacen posible lograr una estandarización provechosa. Estos elementos son el el Takt Time, Secuencia de operaciones estándar y el inventario en proceso (WIP). Surgió en Japón gracias a los esfuerzos del Japan Institute of Plant Maintenance (JIPM) como un sistema destinado a lograr la eliminación de las seis grandes pérdidas de los equipos, a los efectos de poder hacer factible la producción “Just in Time”, la cual tiene como objetivos primordiales la eliminación sistemática de desperdicios. Estas seis grandes pérdidas se hallan directa o indirectamente relacionadas con los equipos dando lugar a reducciones en la eficiencia del sistema productivo en tres aspectos fundamentales: Tiempos muertos o paro del sistema productivo. Funcionamiento a velocidad inferior a la capacidad de los equipos. Productos defectuosos o malfuncionamiento de las operaciones en un equipo. El TPM incorpora una serie de nuevos conceptos entre los cuales cabe destacar el Mantenimiento Autónomo, el cual es ejecutado por los propios operarios de producción, la participación activa de todos los empleados, desde los altos cargos hasta los operarios de planta. También agrega a conceptos antes desarrollados como el Mantenimiento Preventivo, nuevas herramientas tales como las Mejoras de Mantenimiento, el Mantenimiento Predictivo y el Mantenimiento Correctivo. El SMED es un acrónimo en lengua inglesa Single Minute Exchange of Die, que la adaptación al español se interpreta como el cambio rápido de herramentales en menos de diez minutos. El SMED se desarrolló originalmente para mejorar los cambios de troquel de las prensas, pero sus principios y metodología se aplican a las preparaciones de toda clase de máquinas. Este tiene como idea en general que cualquier cambio de máquina o inicialización de proceso debería durar no más de 10 minutos. El principal objetivo de este cambio rápido es la reducción de tiempos de respuesta, menores plazos desde la investigación y diseño hasta el inicio de la producción y puesta del producto en el mercado, y la reducción en los plazos de elaboración. Ya que en estos tiempos el tiempo es muy importante y cada día ello toma mayor importancia tanto desde el punto de vista de la satisfacción del cliente, como desde los costos y de la capacidad competitiva de la empresa. Fuente: William, M. (2000). Lean Manufacturing: Tools, Techniques, and How to Use Them. Londres, Inglaterra: CRC Press. 50 2.1.2 Metodología para proyectos Six Sigma (DMAIC). Six sigma es una metodología de mejora integral de procesos, centrada en la reducción de variabilidad y altos índices de factores que puedan afectar el desempeño del mismo, el principal objetivo es eliminar los defectos o fallas en la entrega de productos o servicios al cliente. La meta de six sigma es obtener un máximo de 3.4 defectos por millón de eventos u oportunidades, donde el defecto es cualquier producto o servicio que no cumpla los requisitos del cliente.22 El desarrollo de la metodología six sigma requiere de mucha disciplina y entrega, ya que lograr el índice máximo de piezas defectuosas es una meta muy exigente y agresiva, por ello para cumplir con esa meta se cristaliza la metodología de DMAIC de Six Sigma. Esta es un sistema que brinda mejoras medibles y significativas a procesos existentes que caen por debajo de las especificaciones. La metodología DMAIC puede ser usada cuando un producto o proceso existe en su compañía pero no está alcanzando las especificaciones de los clientes o de lo contrario no rinde de forma adecuada.23 Six Sigma ha ido evolucionando desde su aplicación meramente como herramienta de calidad a incluirse dentro de los valores clave de algunas empresas, como parte de su filosofía de actuación, aunque nació en las empresas del sector industrial, muchas de sus herramientas se aplican con éxito en el sector servicios. 24 La metodología Six Sigma (DMAIC) involucra una serie de principios fundamentales para su ejecución que se han visto influidos por el éxito de otras herramientas, como Lean Manufacturing, con las que comparte algunos objetivos y que pueden ser complementarias, lo que ha generado una nueva metodología conocida como Lean Six Sigma (LSS). DMAIC es un acrónimo para cinco fases interconectadas: Definir los objetivos del proyecto y las entregas tanto para los clientes como externos; Medir el proceso para determinar el rendimiento actual; Analizar y determinar la causa(s) principal(es) de los defectos; Mejorar los procesos eliminando los defectos y Controlar el rendimiento de los procesos futuros.25 Todas estas fases se exponen a continuación en la tabla 2.4. 22 Ting, L. (2013). Six Sigma Advanced Tools for Black Belts and Master Black Belts. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 23 Ibídem. 24 Hoerl, R. (2001). Six Sigma Black Belts: What do they need to know?. Journal of Quality Technology Session, 33, 391 - 406. Recuperado de: http://www.unisa.edu.au/Global/business/school/strategic/docs/educationprograms/six-sigma/qtec-391.pdf 25 Park, S. (2003). Six Sigma for Quality and Productivity Promotion. Tokio, Japon: Asian Productivity Organization. 51 Tabla 2. 4 Descripción de fases en la metodología Six Sigma. Fase Six Sigma Concepto Define El equipo de proyecto Six Sigma identifica un proyecto para su mejora basado en objetivos (Definir) empresariales y las necesidades y requerimientos del cliente. Six Sigma se basa en “solucionar un problema con una solución desconocida”. Para desentrañar la solución, primero debe ser definido el problema en términos mesurables y concretos. El equipo identifica las características críticas para la calidad (CTQ) que tienen mayor impacto sobre ésta, separando las “pocas y vitales” de las “muchas y triviales”. Con el CTQ identificado, el equipo puede crear un mapa de procesos para ser mejorado con objetivos mesurables y tangibles. Measure En la fase “Medir”, el equipo empieza con la métrica adecuada. Las medidas críticas (Medición) necesarias para evaluar el éxito del proyecto son identificadas y determinadas. La capacidad inicial y la estabilidad del proyecto se determinan para establecer una base para la medición. Una métrica válida y de confianza es establecida para vigilar el progreso del proyecto durante la fase de Medir: La inversión, el proceso y los indicadores de rendimiento son identificados. Una vez el proyecto tiene una definición clara con un juego de indicadores mesurables, el proceso será estudiado para determinar los Pasos Clave del Proceso y un plan operativo definido para medir los indicadores. Los impactos potenciales de cada inversión serán considerados con respeto a los defectos actuales generados en el proceso. Los datos de entrada clave serán priorizados para establecer una corta lista para estudiar en más detalle y para determinar las formas potenciales en las que el proyecto puede fallar. Una vez las razones de cada fallo en la inversión sean determinados, se pondrán en marcha planes de acción preventiva. Analyze A través de la fase “Analizar”, el equipo puede determinar las causas del problema que (Analizar) necesitan mejorar y cómo eliminar la zanja existente entre el rendimiento actual y el nivel Improvement (Mejora) deseado de éste. Ello implica descubrir por qué se generan los defectos identificando variables clave que sean la causa más probable de la variación en el proceso. A medida que el equipo Six Sigma avanza por la fase Analizar y subsecuentemente la fase Mejorar del proceso, descubrirá varios procesos y escenarios de mejora y determinará cual tiene el mejor impacto en el beneficio neto de la empresa. Un error común que la gente hace cuando se discute acerca de Six Sigma es pensar que el proceso DMAIC conlleva mucho tiempo para observar mejoras. Esto está muy alejado de la verdad. A menudo se obtienen mejoras rápidas muy tempranamente en el proceso y son frecuentemente implementadas una vez el equipo ya ha llegado a la fase Analizar. Si el equipo no ha identificado aún ninguna gran mejora, ésta se consigue mediante un proceso de escrupuloso análisis acompañado de datos. Las técnicas de análisis Six Sigma son herramientas valiosas para descubrir soluciones difíciles. La fase “Mejorar” es la transición del proceso a la solución. Las inversiones críticas han sido verificadas y optimizadas asegurando las causas de los problemas. Una vez las causas de los problemas han sido determinadas en la fase “Analizar”, el equipo identifica y cuantifica que pasará si las mejoras necesarias no se realizan y que pasará si se tarda mucho tiempo en llevarlas a cabo. Esto desarrolla un análisis de coste/beneficios. Muy a menudo, el proceso de experimentación simple y la simulación ofrecen al equipo grandes ganancias en este paso. A su vez, en la fase “Mejorar”, el equipo desarrolla e implementa un plan con un cambio en el acercamiento en la gestión que ayudará a la organización en la puesta en marcha y adaptación de las soluciones y en los cambios que resultarán de ello. 52 Control El éxito en la fase “Controlar” depende de cómo de bien el equipo lo haya hecho en las fases (Controlar) anteriores. Las claves son un sólido plan de vigilancia con un cambio adecuado en los métodos de gestión que identifiquen los interesados. Las lecciones aprendidas son ahora implementadas y las herramientas están puestas en su lugar para asegurar que las variables clave permanecen en un alcance adecuado a través del tiempo, así que las ganancias en el proceso de mejora se mantengan. El equipo desarrolla un proceso de no intervención, planes de reacción y materiales de entrenamiento para garantizar el rendimiento y los ahorros a largo término para el proyecto. Documentar el proyecto es muy importante para que los nuevos procedimientos y las lecciones aprendidas se mantengan y proporcionen ejemplos concretos para la organización. En el cierre de la fase “Controlar”, la propiedad y el conocimiento se transfieren al propietario del proceso y se le encomiendan responsabilidades al equipo del proceso. Finalmente, el equipo identifica cuales son los siguientes pasos para futuras oportunidades de procesos Six Sigma identificando las réplicas y estandarizaciones de oportunidades y planes. Fuente: William, M. (2000). Park, S. (2003). Six Sigma for Quality and Productivity Promotion. Tokio, Japon: Asian Productivity Organization. 2.1.2.1 Validación del sistema de medición (Estudios R&R) Una de las partes fundamentales de la metodología Lean Sigma es la medición de las variables de entrada, salida y proceso que permitirán llegar al objetivo.26 En muchas ocasiones las organizaciones no consideran el impacto de no tener sistemas de medición de calidad, el hecho de que las mediciones no sean exactas puede llevar a cometer errores en el cálculo, y en los análisis y conclusiones de los estudios de capacidad de los procesos. Por ello, es de suma importancia determinar si la medición que realizará algún individuo de la organización es confiable y representara la situación correcta. Uno de los principales objetivos de validar el sistema de medición es evitar que productos que son considerados como rechazados en realidad sean aceptables y se tienda a desperdiciar materiales y fuera de trabajo por una decisión incorrecta.27 De forma contraria, si los instrumentos de medición o el mismo criterio del operador no es adecuado, puede aprobar componentes que no cumplen con la calidad necesaria que cumpla las exigencias del cliente y generar un reclamo futuro. En el supuesto que alguno de estos dos casos se presente en la línea de producción, se comprometen diferentes costos que impactan directamente a la manufactura del producto. Por estas razones es necesario validar que las personas que realizan las operaciones relativas a la medición de la calidad del producto sean correctamente entrenadas, además, de contar con el equipo adecuado de medición. 26 27 Wright, J. (2003). Quality beyond Six Sigma. [Versión DX Reader]. Recuperado de: http://www.tandf.co.uk/ Adams, C. (2003). Six Sigma Deployment. [Versión DX Reader]. Recuperado de: http://www.tandf.co.uk/ 53 Para evitar la variación en las mediciones, es necesario conocer cuáles son las fuentes de variación de las mismas, no solo se originan en los operadores o en los instrumentos de medición, pueden existir ciertas interacciones que propicien datos que no sean consistentes. Es aquí donde nacen dos conceptos fundamentales; la reproducibilidad y la repetibilidad. Reproducibilidad. Es la variación, entre promedios de las mediciones hechas por diferentes operadores que utilizan un mismo instrumento de medición cuando miden las mismas características en una misma parte (Figura 2.1).28 Repetibilidad: es la variación de las mediciones obtenidas con un instrumento de medición, cuando es utilizado varias veces por un operador, al mismo tiempo que mide las mismas características en una misma parte (Figura 2.2).29 Figura 2. 1 Descripción grafica de la reproducibilidad Fuente: Creación propia. 28 29 Cintas, P. (2004). Estadística Práctica con Minitab. Madrid, España: Pearson Prentice Hall. Ibídem. 54 Figura 2. 2 Descripción grafica de la repetibilidad Fuente: Creación propia. Estos dos conceptos tan importantes son la base de los estudios R&R (Reproducibilidad y Repetibilidad), el conocer el porcentaje de error entre los operadores y el sistema de medición es la clave para conocer si el método de medición es confiable y no se comprometerá algún dato que pueda ser crucial para la toma de decisiones. Existen diferentes tipos de análisis del sistema de medición. Sin embargo, para el caso de este trabajo, solo se hará referencia al Estudio de R&R por atributos. Estudio R&R por atributos Para fines prácticos de este estudio, es necesario valorar las apreciaciones que lo operadores dan a ciertos métricos que serán expuestos en el capítulo 3 y 4 de este trabajo. Los estudios R&R por atributo hacen referencia al acuerdo de valoraciones de los evaluadores (Operadores).30 Estas mediciones son calificaciones subjetivas en vez de mediciones físicas, algunos ejemplos son los siguientes: Calificaciones de desempeño de los automóviles, Clasificación de la calidad de las fibras como “buena” o “mala”, Calificaciones de color, aroma y gusto del vino en una escala de 1 a 10. En estos casos la característica de calidad es difícil de definir y evaluar. Para obtener clasificaciones significativas, más de un evaluador debe calificar la medición de respuesta. Si los evaluadores están 30 Ting, L. (2013). Six Sigma Advanced Tools for Black Belts and Master Black Belts. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 55 de acuerdo, existe la posibilidad de que las apreciaciones sean exactas. Si hay discrepancias, la utilidad de la evaluación es limitada. 31 Los datos pueden ser texto o numéricos. Las calificaciones asignadas pueden ser Nominales u ordinales. Los datos nominales son variables categóricas que tienen dos o más niveles sin orden natural. Por ejemplo, los niveles en un estudio de gustación de comida que puede incluir dulce, salado o picoso. Los datos ordinales son variables categóricas que tienen tres o más niveles con ordenamiento natural, tales como: en desacuerdo total, en desacuerdo, neutral, de acuerdo, y completamente de acuerdo.32 Estos estudios deben ser sometidos en varias ocasiones para generar la evaluación de repetibilidad y debe someterse a un grupo de evaluadores para valorar la reproducibilidad. Por otra parte, los estudios R&R por atributo permiten conocer la concordancia entre los observadores y un estándar de calidad, estas comparativas son la clave para valida el sistema de medición. Este tipo de estudio debe ejecutarse con un estándar de referencia, donde las esferas encargadas de las decisiones en la organización se encuentren totalmente de acuerdo sobre los decretos de los evaluadores, ya que dicho juicio impactara directamente al cliente.33 La ejecución debe realizarse lo más apegado a la realidad, incluso en un entorno que simule el ambiente donde se realizan las aseveraciones. Además, de ser efectuadas únicamente con un aviso mínimo que no provoque algún cambio en la decisión de los operadores, ya que una previa capacitación o alguna revisión puede influenciar en la documentación del estado actual. 31 Ibídem. Scheaffer, R. (1987). Elementos de Muestreo. California, Estados Unidos: Grupo Editorial Iberoamérica. 33 Ting, L. (2013). Six Sigma Advanced Tools for Black Belts and Master Black Belts. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 32 56 2.2 El VSM (Value Stream Map) como herramienta del despliegue estratégico de Lean Sigma. La mejora continua es un camino tortuoso que puede ser amenizado con la planeación de las estrategias.34 Bajo la premisa anterior, es necesario conocer la vía por el que el ingeniero dedicado a la mejora continua caminara para hacer mejores los procesos y las operaciones, por ello nace la necesidad de generar mapas que guíen a los miembros de la organización hacia el “norte verdadero”, aquel destino que llevara a la organización a cumplir los objetivos desplegados por el alta dirección. La mejora continua encuentra como la herramienta básica y de uso básico al VSM, que por sus siglas en ingles se conoce como “Value Stream Map”,35 esto quiere decir al español “Mapa de la Cadena de Valor. El VSM permite generar un bosquejo simplificado de las áreas de oportunidad de la compañía, generar el entendimiento de los problemas y estructurar mejoras. Todo lo anterior es empleado para generar la expectativa de la compañía al plazo que se plantee en el mapa, estas acciones direccionaran al equipo hacia el “estado futuro”. En esta sección se detallara la metodología del VSM, partiendo de los conceptos de las técnicas Lean Sigma y se estructurara a detalle del porque el VSM juega un papel tan importante en el planteamiento de la mejora continua. 2.2.1 Comenzando el VSM La cadena de valor corresponde a todas las acciones requeridas para brindar un producto a través de los flujos esenciales, independientemente si estas acciones agregan o no valor. Estas acciones se pueden identificar como el flujo de materiales desde la materia prima hasta las manos del cliente o el flujo de diseño desde el concepto hasta el lanzamiento de un nuevo producto. Continuando con el concepto de Rother (1996), El mapeo VSM se empleará para flujos “Door to Door” (Puerta a puerta”) dentro de una planta de manufactura, esto incluye la entrega de materiales de los proveedores hasta el embarque de componentes terminados hacia los clientes; donde se podrá diseñar el estado futuro de las operaciones para mejorar los tiempos de entrega del material hacia 34 Bhim, S. (2009). Value stream mapping: literature review and implications for Indian industry. Int J Adv Manuf Technol, 2, 251 - 262doi: 10.1007/s00170-010-2860-7 35 Rother, M. (1999). Learning To See. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 57 nuestros clientes (internos y externos).36 El mapeo de la cadena de valor ayudara a ver y a entender el flujo de material y de información dentro de los procesos de la organización. Todo este mapeo deberá realizarse de la forma más sencilla y clara posible. Rother (1996) especifica las ventajas que ofrece el VSM. Ayuda a visualizar más de un simple nivel de proceso en la producción; es posible verlo todo; ayuda a visualizar más desperdicios; provee lenguaje común para hablar de procesos de manufactura; permite tomar decisiones sobre el flujo de materiales y permite discutirlo; muestra la cohesión entre el flujo de información y el de los materiales, ninguna otra herramienta lo permite; es una herramienta altamente cuantitativa; permite identificar etapas que no agregan valor y conocer sus valores y lo más importante es que es la base de la implementación estratégica de planes de mejora continua.37 Al observar cualquier planta, es evidente el flujo de materiales. Sin embargo, no debe omitirse el flujo de información, esta fluye de igual manera que los materiales y debe ser considerada para modelar el estado de la situación actual de la compañía. En los sistemas Lean – Sigma, la información es incluso más importante que los materiales, Toyota perfecciono el flujo de la información entre sus proveedores, sus proceso de manufactura y sus clientes; esto permitió que se generará una comunicación sin igual dentro de su cadena de suministro. 38 Figura 2. 3 Flujo de información y materiales. Fuente: Rother, M. (1999). Learning To See. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 36 Ibidem. Ibídem. 38 Ibídem. 37 58 Un punto para entender claramente antes de empezar es la necesidad lograr el foco solo en específicas familias de productos. Los clientes les interesan solo sus productos en específico, no los productos de la compañía, por lo que no vale la pena mapear todo lo que circula en la planta, solo si se cuenta con una pequeña variedad de productos. Por ello, el mapa de la cadena de valor se refiere a caminar y dibujar los pasos de los procesos (materiales e información) para una familia de productos de puerta a puerta en la planta.39 Identificar las familias de productos en el final de la cadena de valor para el cliente se basa en un grupo de productos que pasan por procesos similares y equipos comunes en la cadena de manufactura. En general, son productos que difieren muy poco y pueden ser agrupados e identificados en un matriz de “Productos vs Pasos de Manufactura”, 40 este es un arreglo cuadrado que coloca los productos de manera vertical y los procesos de forma horizontal, esto con el objetivo de identificar la similitud entre ambos parámetros. Un ejemplo fue propuesto por (Rother, 1999) en su libro Learning to See y se presenta en la figura 2.4. Figura 2. 4 Matriz Producto vs Pasos de Manufactura. Fuente: Rother, M (1999). Learning to see. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 39 Lee, Q., & Snyder, B. (2007). The Strategos Guide to Value Stream & Process Mapping. Carolina, Estados Unidos: Enna Products Corp 40 Rother, M. (1999). Learning To See. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 59 Debe existir una persona que conozca y lideré el mapeo de los procesos, además, debe ser responsable de los procesos de manufactura que se involucren en la transformación de las familias de productos. Por ello, es necesario identificar a esta persona como aquella que cumpla con un grado significativo de responsabilidad en la organización, este individual se le conoce como el gerente VSM. El gerente VSM es aquel que deberá quitar las barreras de cualquier índole para permitir el cumplimiento de los objetivos y sobre todo fortalecer al equipo que busque mejorar las operaciones, los flujos de información y materiales. 41 Este individuo debe identificar las áreas donde se implantaran las mejoras inmediatas bajo la técnica de Lean – Sigma conocida como Kaizen. Este proceso de identificación es evidente en la figura 2.5, donde el gerente VSM es capaz de identificar las áreas de oportunidad en el flujo de valor de3 la organización que lidere. Figura 2. 5 Responsabilidad del gerente VSM. Fuente: Rother, M (1999). Learning to see. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 41 Ibídem. 60 El mapeo de la cadena de valor puede ser usado como una herramienta de comunicación visual, una herramienta de la planeación de negocios y una herramienta para controlar los cambios en los procesos. Para iniciar un mapeo se debe de iniciar con la detección de la familia de productos, plantear el estado actual, establece el estado futuro y se finaliza con el plan de trabajo e implementación. Recalcando que el estado futuro puede convertirse en el estado actual y comenzar con el ciclo nuevamente. 42 Tal como se cita en el libro Learning to see (Rother, 1999), es posible entender este ciclo en la figura 2.6. Figura 2. 6 Pasos iniciales del VSM. Fuente: Rother, M (1999). Learning to see. Brookline, Massachusetts, USA: The Lean Enterprise Institute. Para comenzar con el VSM, es necesario conocer datos mínimos y fundamentales que permitan conocer el estado actual de las operaciones, estos datos son con los que se inicia el estudio general del flujo de la información y de los materiales en los procesos productivos que se forman parte de toda la cadena de valor. Estos datos van totalmente ligado con el tiempo que es involucrado en la manufactura y son tomados directamente en la fábrica o son calculados con base a la demanda, a la disponibilidad de los equipos y del personal. Comúnmente son conocidos en las organizaciones como el tiempo ciclo, el takt time y el lean time. 42 Patel, D., Ranpuria, H., Shah, J. & Fournier, J. (2013). The Book of Value Stream Maps I. Nueva York, Estados Unidos: eVSM Group 61 El tiempo ciclo corresponde al tiempo total requerido para completar un proceso. Es decir, es el tiempo mínimo en el que se espera que el proceso trabaje en condiciones óptimas. Estas dos definiciones, tienen como fin explicar que el tiempo ciclo es uno de los componentes más importantes de los sistemas de manufactura, ya que es la medida de tiempo que se tomará en cuenta para la proyección de mejoras y aplicaciones futuras. El tiempo ciclo se estima directamente en el proceso, delimitando un inicio y un fin donde se documentara el tiempo que se consumió para el proceso o la operación de manufactura. Este tiempo en particular es sumamente importante, ya que marca la secuencia de producción de todas las compañías y sobre todo la capacidad de producción. Un claro ejemplo de tiempo ciclo es la ignición de un motor de combustión interna, cada ciclo de apertura y cierre de las válvulas y el movimiento del pistón corresponde a un ciclo (figura 2.7). Este ejemplo se puede extender a la manufactura de cualquier producto, en donde se relaciona la apertura de la operación y la entrega del elemento fabricado. Figura 2. 7 Ejemplo de tiempo ciclo en motor de combustión interna. Fuente: http://www.aficionadosalamecanica.net/images-inyecc/DI-basica.jpg El Takt Time, “Takt” corresponde a una palabra alemana que hace referencia a la cadencia que lleva una orquesta comandada por un director, el director comanda a la orquesta y marca el tiempo con el que los músicos deben ejecutar las notas. Partiendo de esta analogía, se puede referir al Takt time como la “tasa de tiempo” o como el tiempo en que debe ejecutarse la señal. 62 Esta analogía aplica totalmente en los sistemas Lean Sigma, ya que en Lean Manufacturing, el Takt Time es el tiempo con el que un producto o servicio debe ser generado para satisfacer la demanda del cliente. Es decir, si la fábrica puede manufacturar un producto cada cinco minutos, esta cuenta con un Takt time de cinco minutos. Este dato se relaciona con las necesidades del cliente, ya que estos cinco minutos de tiempo necesario para producir un elemento, deberá ser el mismo o menor para satisfacer la demanda de un cliente que necesite ese mismo elemento en la misma cantidad de tiempo. El Takt time es un dato muy importante en la manufactura, ya que permitirá conocer el horizonte de capacidad de producción. Al contar con un puesto o una línea o un taller que produce a un ritmo inferior al del cliente, es decir que el tiempo de ciclo es superior al Takt time, será necesario horas extras, turnos adicionales para conseguir la producción que el cliente solicita. Por el contrario, si se produce a un ritmo superior al del cliente, es decir que el tiempo ciclo es inferior al Takt time se obtendrán tiempos de espera o será necesario desplazar a los operarios a otros puestos y se generara producción de más. Por las razones anteriores, es necesario diseñar un proceso que cubra el Takt time del cliente y coincida en la medida de lo posible. Por esta razón, es necesario crear procesos flexibles que permitan cubrir los altibajos de producción. La ejemplificación del Takt Time se presenta en la figura 2. 8, en esta figura se observará en un gráfico conocido como “grafica de carga” las tres situaciones existentes (Tiempo ciclo menor al Takt Time, Tiempo ciclo mayor al Takt Time y tiempo ciclo similar al Takt Time). El cálculo del Takt time involucra varios datos fundamentales que deben analizarse con datos históricos y con pronósticos, toda esta información será fundamental para establecer el estado futuro y presente de la compañía. Básicamente el cálculo se desarrolla en los datos de la disponibilidad de las áreas de manufactura y la demanda de los productos que serán manufacturados. Este cálculo es un cociente sencillo entre el tiempo disponible de producción sobre las unidades de producción requeridas. A estos dos componentes se considerará para cada caso algunos detalles que serán puntualizados en los capítulos consecuentes, ya que son basados en datos recolectados sobre la realidad. 63 Figura 2. 8 Grafica de carga, donde se realiza la comparación entre Takt time alto, bajo y acorde al del cliente. Fuente: http://mtmingenieros.com/knowledge/que-es-takt-time/ El Lead Time es el tiempo que tarda una unidad en atravesar todo el proceso de producción: desde la recepción del pedido hasta la entrega al cliente del producto. Este tiempo es fundamental para los sistemas lean, ya que dictaran el tiempo total necesario para entregar el producto al cliente (figura 2. 9), este concepto está totalmente ligado a la flexibilidad y capacidad de respuesta. Estos principios son totalmente necesarios para lograr un mejor nivel de servicio. Figura 2. 9 Figura representativa del Lead Time. Fuente:https://altacuncta.wordpress.com/2011/11/05/la-importancia-del-lead-time/ 64 El nivel de servicio está ligado al grado de satisfacción del cliente y sobre todo a la capacidad de respuesta y flexibilidad, suponga una situación no-Lean en la que un cliente realiza un pedido. Ahora mismo se cuenta con la línea de producción ocupada y no se liberará hasta dentro de 4 días. Justo una vez que se libere, entrará su pedido que tardará 6 días en producirse. En total 10 días, cualquier responsable que valore su reputación con los clientes, añadirá algún tiempo de holgura, porque ya sabe que “nunca salen las cosas como se planifican”. Así que se le informará al cliente que el pedido estará disponible en 12 o 13 días. Por otro lado, “en una planta Lean, se informará al cliente que el pedido estará disponible en 3 días y se informará con la seguridad necesaria que el pedido se cumplirá en tiempo y forma. Con base al paradigma anterior, surge la pregunta, ¿Acaso en los sistemas Lean no surgen problemas?, claro que surgen, pero al contar con un Lead Time corto y con un sistema Lean que permita detectar las anomalías, el problema saldrá a la superficie inmediatamente; mientras que en el caso anterior, puede tardar toda una semana en dar la cara. Esto permite solucionarlo rápidamente, con lo que apenas afecta al tiempo de entrega. Esta capacidad de responder a los problemas rápidamente es una característica de los Lead Times más cortos, y por tanto de Lean”43. Tener un Lead Time corto, hace que el cliente pueda tener su pedido mucho más rápidamente, lo cual se convierte en una ventaja competitiva muy importante. Un Lead Time corto también hace que los inventarios se reduzcan dramáticamente. Al tener gran capacidad de respuesta, no es necesario mantener grandes cantidades de inventarios, en los casos de Make-to-stock particularmente. Tras las primeras mejoras (primer VSM) la reducción de inventarios suele alcanzar el 80-90%. Un Lead Time corto inculca un fuerte sentimiento de necesidad de mejora continua y de resolución de problemas. Al reducir el Lead Time, los problemas, salen a la superficie más rápido, y además son evidentes todos los que estaban ocultos en la sobreproducción y en los inventarios. Solucionarlos pone en marcha la máquina del aprendizaje. 43 Lead time (s.f.). recuperado en agosto del 2014, de http://mtmingenieros.com/knowledge/que-es-lead-time/ 65 2.2.2 El estado Actual El estado actual representa como se encuentra la compañía hoy en día, donde se identificaran los desperdicios que tanto persigue Lean Sigma y se puntualizara en conceptos claves que permitirán focalizar las mejoras a futuro y sobre todo a generar el estado futuro. Este estado actual es el parteaguas de la mejora continua, es donde el Gerente VSM partirá para tomar las decisiones y analizar de forma estratégica el futuro de los procesos bajo su responsabilidad. La mejor forma de representar un sistema es por medio del dibujo burdo a mano alzada, tal como lo menciona Shingo (1981). La manera óptima de entender el estado del proceso es ser efectivo y no adornar con detalles o grande programas computacionales, es más sencillo y fácil de entender si se traza de forma inmediata al recorrido por el proceso. Por ello es necesario identificar y establecer el nivel de mapeo para la familia de productos que se mapeará, existen diferentes niveles, que van desde un proceso, a una planta, múltiples plantas o a través de compañías. Para comenzar a dibujar el mapa del estado actual es necesario identificar una serie de símbolos que son internacionalmente conocidos y son establecidos por Rother (1999). Esta designación se encuentra en la figura 2.10. La metodología del dibujado del estado actual se resume en los siguientes pasos. 44 1. Identificar la frontera del sistema que se desee mapear. Definir si será un proceso, fábrica, sistema “puerta a puerta”, sistema de fábricas, etc. 2. Definir al cliente. Establecer sus requerimientos, dibujar una pequeña fábrica y escribir una caja de datos. 3. Dibujar los procesos básicos de manufactura. Se usara una caja de proceso y se colocaran de manera discontinua. Adicional se colocara información básica recomendada (Tiempo ciclo, Tiempo de montaje, tiempo de demanda, tamaño de lotes, número de operadores, numero de variaciones en el producto, descansos, cantidad de defectos, etc.). 4. Identificar las áreas donde se genera inventario. Se dibujara un pequeño triangulo con una “I” y se colocara la cantidad de productos que cuenta ese inventario excesivo y el tiempo necesario para consumirlo. 5. Identifica a los proveedores. Dibujar una pequeña fábrica o proceso anterior y colocar el 44 Ibídem. 66 medio por que se entrega la materia prima. Además, escribir cantidades e incluso frecuencia de distribución. 6. Conectar los procesos de distribución. Colocar flechas que conecten a los proveedores con los procesos de manufactura y los transportes. 7. Identificar los flujos de información y de materiales. Conectar los canales de comunicación entre el proveedor, cliente y procesos dependiendo del tipo de información ya sea electrónica o sistémica. Conectar los procesos de manufactura con flechas que indiquen la situación (Push) 8. Desplegar la línea de tiempo. Debajo del mapa se colocara la línea del tiempo que distinga entre el tiempo de valor agregado y el tiempo que no agrega valor a la operación. Para este punto debe reconocerse el Lead Time (tiempo total que un producto es entregado a nuestro cliente desde el momento que se dio la señal de manufacturarlo). Como ejemplo se coloca el siguiente mapa de la cadena de valor para un proceso metalúrgico de soldadura y conformado de lámina de acero galvanizado, donde se aborda de “Puerta a Puerta” y se presentan los tiempos fundamentales, tiempo ciclo (CT) y el Lead Time (LT), todo en la Figura 2.11. 67 Figura 2. 10 Simbología establecida para el VSM. Fuente: Rother, M (1999). Learning to see. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 68 Figura 2. 11 Ejemplo de estado actual. Fuente: Rother, M (1999). Learning to see. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 2.2.3 El estado Futuro Para el diseño del estado futuro es necesario conocer ciertos detalles de la filosofía Lean Sigma, haciendo más énfasis en la parte de Lean Manufacturing, ya que la producción y las operaciones deben seguir un empuje y un tiempo determinado para cumplir con las necesidades de los clientes. Sin embargo, estos conceptos se abordaran de manera simple para llegar al planteamiento del estado futuro. “Estos conceptos se dividen en siete y dictan la metodología para identificar las áreas de oportunidad en el estado actual. 1. Produce acorde al Takt Time. El cliente marca un tiempo donde debe ser satisfecha la demanda de materiales, este tiempo se le conoce como Takt Time. Si el tiempo que nuestros procesos ocupan para fabricar una pieza es mayor que el Takt Time, jamás santificaremos la demanda del cliente, por ello es necesario producir en un tiempo menor al Takt time. 2. Diseña el flujo continuo tanto como sea posible. Debe existir un flujo continuo, exactamente el llamado flujo a una sola pieza, esto permite que los recursos se enfoquen en la manufactura de cada pieza y no se pierda tiempo en producciones por lote. 69 3. Usa supermercados para controlar la producción donde el flujo continuo no se pueda extender procesos arriba. Los supermercados son inventarios controlados de productos que no son manufacturados de una forma continua, pero consumen tiempo al realizar montajes y adecuaciones en el proceso para fabricarlos. Para la manufactura de estos productos se empleara al Kanban. El kanban es una señal sistémica que permite dar una orden de cuando fabricar cierta pieza en cierta cantidad. 4. Trata de enviar a los clientes solo un plan de producción. Las señales que se den a los procesos subsecuentes (clientes) deberán reducirse en la menor cantidad, esto para generar solo una señal que active a todos los procesos desde la parte más baja de la cadena de valor, esta señal se le conoce como Peacemaker. 5. Balancear la línea. El balanceo de línea y de operaciones es fundamental para lograr el Takt time del cliente. 6. Crear un sistema Pull y nivelar los volúmenes de producción. Los sistemas Pull se conocen como sistemas de jalar, contrarios a la manufactura tradicional que tratan de empujar la producción hacia los procesos consecuentes. Los sistemas Pull buscan generar el flujo a una sola pieza y fomentan la fabricación de componentes necesarios. 7. Desarrollar la habilidad de producir una mezcla de productos que cumplan la demanda”.45 Para estructurar el plan a futuro es necesario realizar una serie de preguntas que guíen al gerente VSM en la generación de dicho plan. Estas preguntas parten de los conceptos descritos con anterioridad. Sin embargo, si un área de oportunidad ajena a estas preguntas es detectada, no deberá omitirse y deberá formar parte del plan futuro. 1. “¿Cuál es el Takt Time? 2. ¿Es posible construir un supermercado de productos terminados del que el cliente jalara directamente? 3. ¿Dónde es posible implementar flujo continuo? 4. ¿Dónde es posible implementar un sistema de jalar para controlar la producción? 5. ¿En qué simple punto de la cadena productiva el proceso “Peacemaker” programará la producción? 45 Ibídem PP. 53-63 70 6. ¿Cómo se realizara el balanceo de la producción? 7. ¿Cuál será el incremento de producción? 8. ¿Qué procesos será necesario mejorar? Esta pregunta es muy importante, ya que se identificaran las áreas de oportunidad con un globo y se colocara la herramienta Lean Sigma a emplear”.46 Al culminar las preguntas, es necesario rediseñar los procesos y señalar la herramienta que se empleará y el objetivo de mejora, con ello es posible dibujar el mapa futuro con la misma metodología que la reflejada en el estado actual. El ejemplo que se coloca a continuación es el mapa futuro (figura 2.11) del mostrado en la figura 2.8. Figura 2. 12 Ejemplo de estado Futuro. Fuente: Rother, M (1999). Learning to see. Brookline, Massachusetts, USA: The Lean Enterprise Institute. Posteriormente al diseño del mapa futuro es necesario establecer la vía por la que se lograra dicho estado. El VSM solo es una herramienta que permite visualizar las áreas de oportunidad, pero por sí mismo no llevara a ningún cambio, por ello es necesario generar una secuencia de acciones que permitan alcanzar el objetivo en un corto plazo, en caso que no se generen estas acciones el VSM es totalmente inútil. 46 Ibídem P. 66 71 Antes de generar cualquier acción que sea evidente del VSM, es necesario dividir el mapa en etapas, dichas secciones permitirán atacar determinadas zonas y no el todo, lo que generara que se cuenten con diferentes objetivos. Esta separación se conoce como la segregación de proyectos de valor. “El mapa de la cadena de valor muestra hacia donde se desea ir. Ahora se necesita crear una hoja totalmente nueva: el plan de la cadena de valor. Este plan muestra lo siguiente: Exactamente donde el plan debe ser ejecutado, paso a paso, Objetivos medibles, Chekpoints claros y objetivos con fechas y responsables”.47 Este plan debe soportar todos los pasos necesarios para alcanzar el estado futuro, además cada proyecto que sea identificado deberá contar con la metodología necesaria según la naturaleza de cada uno. Si es necesario reducir tiempos muertos por falla de máquinas, será necesario implementar la herramienta TPM que permita reducir ese tiempo muerto; si existe una cantidad de rechazo de materiales dentro del proceso, deberá abrirse un proyecto Six Sigma que direccione a la eliminación de material rechazado. El cumplimiento y conclusión del VSM en estado futuro es responsabilidad total del Gerente VSM que deberá garantizar la transformación física y transaccional de sus procesos productivos. Por ello, una vez que concluya dicha implementación deberá llevarse a cabo el re mapeo del proceso para generar un nuevo VSM y de esa forma no dejar de mejorar los procesos en las organizaciones. 2.3 Metalurgia del Aluminio. El aluminio es un elemento químico con el símbolo Al, es un elemento químico metálico que pertenece al grupo IIIA de la tabla periódica. El aluminio puro (Figura 2. 12) es blando y tiene poca resistencia mecánica, pero puede formar aleaciones con otros elementos para aumentar su resistencia y adquirir varias propiedades útiles. Las aleaciones de aluminio son ligeras, fuertes, y de fácil formación para muchos procesos de metalistería; son fáciles de ensamblar, fundir o 47 Ibídem P. 98. 72 maquinar y aceptan gran variedad de acabados. Por sus propiedades físicas, químicas y metalúrgicas, el aluminio se ha convertido en el metal no ferroso de mayor uso.48 El aluminio es el elemento metálico más abundante en la Tierra y en la Luna, pero nunca se encuentra en forma libre en la naturaleza. Se halla ampliamente distribuido en las plantas y en casi todas las rocas, sobre todo en las ígneas, que contienen aluminio en forma de minerales de alúmino – silicato. Cuando estos minerales se disuelven, según las condiciones químicas, es posible precipitar el aluminio en forma de arcillas minerales, hidróxidos de aluminio o ambos. En esas condiciones se forman las bauxitas que sirven de materia prima fundamental en la producción de aluminio. Figura 2. 13 Aluminio elemental. Fuente: http://tablap4512.webcindario.com/links/13.html El aluminio es estable al aire y resistente a la corrosión por el agua de mar, a muchas soluciones acuosas y otros agentes químicos. Esto se debe a la protección del metal por una capa impenetrable de óxido. A una pureza superior al 99.95%, resiste el ataque de la mayor parte de los ácidos, pero se disuelve en agua regia. Su capa de óxido se disuelve en soluciones alcalinas y la corrosión es rápida.49 48 ASM International. (2002). ASM Metals Handbook: Volume 2 Properties and Selection: Nonferrous Alloys and Special – Purpose Materials. Ohio, Estados Unidos: ASM International. 49 ASM International. (2002). ASM Metals Handbook: Volume 16 Machining. Ohio, Estados Unidos: ASM International. 73 El aluminio y sus aleaciones (Figura 2. 13) se caracterizan por la relativamente baja densidad (2.7 g/cc comparada con 7.9 g/cc del acero), elevadas conductividades eléctrica y térmica y resistencia a la corrosión en algunos medios, incluyendo el atmosférico. A muchas de estas aleaciones se les puede dar formas diferentes con facilidad debida su elevada ductilidad; esto es evidente en el aluminio puro, que se puede convertir en papel y enrollar. El aluminio tiene una estructura cúbica centrada en las caras y es dúctil incluso a temperatura ambiente. La principal limitación del aluminio es la baja temperatura de fusión (660ºC), que restringe su campo de aplicación.50 Figura 2. 14 Elementos aleantes del aluminio que conforman la mayoría de aleaciones coladas base aluminio. Fuente: http://ingenieriademateriales.wordpress.com/2009/04/17/manual-del-aluminio-y-sus-aleaciones/ La resistencia mecánica del aluminio se logra por tratamiento térmico y por aleación. Sin embargo, ambos procesos disminuyen la resistencia a la corrosión Los principales elementos de aleación son cobre, magnesio, silicio, manganeso y zinc. Algunas de las aplicaciones más comunes de las aleaciones de aluminio son: partes estructurales de los aviones, latas para bebidas refrescantes, partes de las carrocerías de autobuses y de los automóviles (culatas, pistones y colectores de escape). 50 ASM International. (2002). ASM Metals Handbook: Volume 2 Properties and Selection: Nonferrous Alloys and Special – Purpose Materials. Ohio, Estados Unidos: ASM International. 74 Actualmente se presta mucha atención a las aleaciones de aluminio y de otros metales de baja densidad (Mg, Ti) como materiales utilizados en los transportes, debido al efecto de ahorro de combustible. Una importante característica de estos materiales es la resistencia específica, cuantificada como la relación entre resistencia a la tracción y densidad. Aunque una aleación de estos metales tenga una resistencia a la tracción inferior a la de un material más denso (acero), para un peso determinado puede aguantar una carga mucho mayor.51 2.3.1 Fundición de piezas de aluminio Las aleaciones de aluminio tienen diversos procesos de transformación, uno de los principlaes empleados para la fabricación de piezas que serán utilizadas en diversos componentes de la vida cotidiana es el moldeo en arena en verde. Dicho proceso involucra una serie de pasos fundamentales que permite la transformación de metal solido en metal líquido y de nueva cuenta en metal solido con la forma, características químicas y mecánicas necesarias para diferentes usos52. Los pasos básicos de la obtención de piezas fundidas de aluminio por moldeo en verde es el siguiente (Figura 2.14). Figura 2. 15 Etapas del moldeo en verde. Fuente: Creación propia. Esta secuencia es fundamental para la obtención de piezas. El primero, la fusión es la transformación y preparación del metal líquido, este paso es de los más importantes, ya que se involucran el uso de materias primas como lingote, chatarra y aleaciones maestras que permitirán ajustar la composición química del material fundido. Posterior a este, el siguiente es el moldeo, este proceso corresponde a 51 Ibídem. ASM International. (2002). ASM Metals Handbook: Volume 15 Casting. Ohio, Estados Unidos: ASM International. 52 75 la fabricación del molde de arena y a la ubicación de un corazón de arena, con el que se obtendrá una pieza metálica hueca, se le llama moldeo en verde por el hecho de que se emplea agua y la arena está fresca; para este caso, la arena es totalmente reciclable, solo necesita enfriarse y volver a mezclarse con agua y aditivos conocidos como aglomerantes. Por último, la colada corresponde al vaciado del material liquido en el molde de arena y a la posterior solidificación del material líquido, esto da origen totalmente a una pieza nueva con características fiscas y químicas diferentes que estará preparada para posteriores procesos de manufactura, que van desde el acabado superficial hasta finos maquinados de precisión. Este proceso es el más sencillo y versátil de los procesos de fundición del aluminio, es el elegido por las grandes empresas por su bajo costo y por la factibilidad de producir a gran escala53. Sin embargo ofrece estas otras ventajas: Fabricación de piezas idénticas a gran escala, Rapidez en la producción, Piezas robustas y semi – acabadas, Versatilidad en el manejo de varios modelos de piezas, Inversión baja para la fabricación de herramentales, Capacitación sencilla de operadores. 2.3.2 La mejora continua en procesos de fundición. Actualmente en la literatura existen un sinfín de documentos sobre mejora continua en muchos procesos productivos, los que sobresalen son las industrias de procesado de alimentos, fármacos, textiles, hospitales y procesos generales de ensamble. Varios autores reconocen las bondades del VSM, se realza puntualmente lo siguiente54: Ayuda a visualizar más que lo que el simple proceso muestra. Ayuda a ver más que los desperdicios. Proporciona un lenguaje común para hablar sobre los procesos de manufactura 53 ASM International. (2009). Casting Design and Performance. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 54 Kengar, V., Kadam, S., & Pandit, S. (2008). Manufacturing system performance improvement by value stream mapping a literature overview. International Journal of Innovative Research in Science, Engineering and Technology, 2, 12709 - 12717. Recuperado de: http://www.ijirset.com/upload/2014/may/86_Manufacturing_System.pdf 76 Provee facilidad en la toma de decisiones. Proporciona una serie de herramientas lean que pueden ser aplicadas de forma puntual Ayuda a la generación de planes de mejora y es la base de la planeación estratégica. Es la conexión entre el flujo de información y el de materiales. Es mucho más eficiente que otro tipo de diagrama. El VSM es una herramienta totalmente cuantitativa El VSM es una excelente herramienta para conocer los números del proceso Estas bondades son ampliamente reconocidas para muchas industrias. Sin embargo, no hay grandes estudios sobre la mejora integral de procesos de fundición, las grandes técnicas que pueden desembocarse del VSM en los procesos de fundición solo han sido enfocadas en industrias de media escala, esto por la naturaleza del proceso. Senra de Oliveira, C. (2008) menciona que la fundición es un proceso sumamente difícil de mejorar por las complicaciones que puedan suscitarse por su naturaleza, ya que es un proceso que obedece completamente a la termodinámica de las aleaciones y sobre todo a la temperatura de trabajo.55 Este argumento es abordado por Kengar, S. (2013), donde su trabajo se centra en el mapeo una cierta familia y la caracterización de los defectos que afectan la productividad de los distintos centros de operaciones, 56 este autor únicamente aborda las áreas de oportunidad en los defectos generados en el proceso de fundición y el tiempo que puede obtener si mejora la calidad metalúrgica de las piezas. El enfoque anterior y el de Senra de Oliveira, C. (2008) tienen un buen fundamento, pero es posible encontrar otras oportunidades que al cambiar ligeramente la metalurgia de las aleaciones pueden obtenerse resultados increíbles en los tiempos de manufactura. De igual manera, Pude, G. (1993) menciona que la estricta secuencia de las etapas de la fundición complican en exceso la mejora de los procesos, además de la casi imposibilidad del movimiento de equipos (hornos y maquinas moldeadoras), ya que son sumamente grandes y complejos.57 Sin embargo, en el trabajo que presenta 55 Senra de Oliveira, C. (2008). Lean Manufacturing paradigm in the foundry industry. Estudos Tecnológicos, 4, 218 - 230. doi: 10.4013/ete.20083.07 56 Kengar, V., Kadam, S., & Pandit, S. (2008). Manufacturing system performance improvement by value stream mapping a literature overview. International Journal of Innovative Research in Science, Engineering and Technology, 2, 12709 - 12717. Recuperado de: http://www.ijirset.com/upload/2014/may/86_Manufacturing_System.pdf 57 Pude, G. (1993). Application of value stream mapping tools for process improvement a case study in foundry. IOSR Journal of mechanical and civil engineering, 7, 07 - 12. Recuperado de: http://iosrjournals.org/iosrjmce/papers/sicete%28mech%29-volume3/24.pdf 77 busca demostrar que es totalmente posible aplicar las mejoras que propone el VSM y recalca la falta de investigación de la mejora continua en los procesos de fundición. Pude, G. (2012), en un trabajo actual retoma lo que desarrollo en el año de 1993 y confirma la mejora de una planta de fundición atacando dos tipos de defectos, los defectos de proceso y los de servicio, esto a través de la aplicación de las mejoras propuestas en el mapeo previo58. Es importante señalar que minimiza los problemas metalúrgicos como simples detalles del vaciado, procesamiento de metal líquido y otras causas genéricas. Reporta una reducción del 23% en las áreas de inventario innecesario, transportación y espera. Wykorzystania, S. (2013), reporta un letargo en la aplicación de Lean Manufacturing en Polonia, este autor presenta los resultados de una encuesta sobre la aplicación de las técnicas de la filosofía en cuestión y los resultados son impactantes.59 Se reporta que las fundiciones conocen las técnicas de Lean Manufacturing, pero no están interesadas en aplicarlas y no conocen los beneficios a largo plazo; falta una educación fuerte por parte de los miembros de la organización y sobre todo de los ingenieros metalúrgicos que no conocen la metodología y filosofía y solo se enfocan en la mejora del proceso fisicoquímico; la parte del costo de implementación es lo más relevante, ya que las empresas no muestran interés por la posible inversión que signifique y solo se enfocan a aplicar 5S’s (la herramienta de Lean menos costosa) y reporta la barrera más fuerte de todas, la cultura, esta resistencia al cambio es totalmente evidente en las fundiciones pequeñas, ya que las grandes están buscando generar ahorros por la aplicación de las técnicas de Lean Manufacturing. Al - Tahat, M. (2010), realiza un VSM al proceso de manufactura de herramentales para la fundición de una manera integral y genera varias propuestas de mejora, incluso con vías a una simulación computacional, donde buscara automatizar los procesos repetitivos.60 Con esta propuesta, se busca incrementar en un 30% la productividad del taller de herramentales, en este mismo texto, mencionan que el VSM es una herramienta sumamente poderosa para la toma de decisiones. 58 Pude, G. (2012). Application of process activity mapping for waste reduction a case study in foundry industry. International journal of modern engineering research, 2, 3482 - 3496.Recuperado de: http://www.ijmer.com/papers/Vol2_Issue5/CF2534823496.pdf 59 Wykorzystania, S. (2013). The lean manufacturing tools in Polish foundries. Archives of metallurgy and materials. 58, 937 - 940. doi: 10.2478/amm-2013-0105 60 Al - Tahat, M. (2010). Effective design and analysis of pattern making process using value steam mapping. Journal of applied sciences, 11, 879 - 886. Recuperado de: http://scialert.net/fulltext/?doi=jas.2010.878.886&org=11 78 Dentro de los textos que fueron revisados, el más moderno es el de Muruganantham, V., Govindaraj, K., & Sakthimurugan, D. (2014), estos autores recolectan una serie de datos fundamentales para establecer el VSM, mencionando que sus principales objetivos son la reducción del Lead Time, eliminar operaciones innecesarias y movimientos.61 Este es el primer documento que abarca más que la simple eliminación de piezas defectuosas. La revisión bibliográfica arroja un dato bastante particular, todos los estudios fueron realizados por profesionales de la ingeniería mecánica, de procesos y metalúrgica. Siempre se abordó el punto de vista de Lean Manufacturing o metalúrgico, nunca una combinación de los dos. Este enfoque se abordó en los capítulos consecuentes, ya que forma parte de unos de los objetivos específicos de este trabajo. Todos los proyectos del despliegue estratégico cuentan con el análisis metalúrgico y de procesos industriales, esta es la parte que busca innovar. 61 Muruganantham, V., Govindaraj, K., & Sakthimurugan, D.(2014). Process Planning Through Value Stream Mapping in Foundry. International Journal of Innovative Research in Science, Engineering and Technology, 2, 1140 - 1143. Recuperado de: http://www.ijirset.com/upload/2014/iciet/mech/18-922.pdf 79 Capítulo 3. Metodología de la investigación. En este capítulo se aborda el método de investigación que se llevó a cabo para el desarrollo de este trabajo. Se exponen los métodos de recolección de datos y la metodología de análisis estadístico involucrado para generar la línea base de la información que permitió plantear el estado actual de la organización y proyectar un estado futuro. 3.1 Diseño de la investigación cuantitativa El enfoque de ésta investigación es cuantitativo, ya que se realizó en un proceso secuencial y probatorio, se analizaron múltiples mediciones utilizando métodos estadísticos estructurados. El diseño de la investigación que se usó en este estudio es un diseño no experimental transaccional descriptivo y correlacional, porque no se manipuló deliberadamente alguna de las variables y se consideró el fenómeno estudiado y sus componentes, se midieron conceptos y se definieron variables. Además, se ofrecieron predicciones, se explicó la relación entre variables y su cuantificación. Para fines estructurales de esta investigación, se empleó la metodología DMAIC de Six Sigma para aislar y detectar los problemas puntuales que aquejan el nivel de servicio en los procesos de fundición, por ello el VSM (Value Stream Map) fue la herramienta de diagnóstico de la situación actual, este mapa se sustentó con datos recolectados en el proceso de fundición de la primera mitad del año 2013. Para reducir las áreas de oportunidad detectadas en el VSM estado actual (VSM Actual State), se propusieron una serie de acciones que fueron sustentadas en herramientas de Lean Manufacturing, con las que se propusieron las soluciones y acciones, además de detectar relaciones puntuales entre los desperdicios de la compañía que fungen como variables dentro de la investigación. Se generó el VSM del estado futuro (VSM Future State) que agrupó las propuestas y la reducción de los desperdicios para predecir y estructurar el objetivo y sobre todo el despliegue estratégico que deberá emprender la compañía para resolver el bajo nivel de servicio. 80 3.2 Establecimiento de la hipótesis A través de la reducción de los desperdicios (tiempos muertos y piezas rechazadas) en la línea de fusión - moldeo es posible mejorar el nivel de servicio y por lo tanto incrementar los niveles de productividad. 3.3 Instrumentación de recolección de datos Para la recolección de datos existen distintas herramientas que fueron desarrolladas para cubrir el proyecto, estos documentos se emplean para medir el desempeño del área y sobre todo para localizar áreas de mejora y para medir las mejoras ya aplicadas. Cada instrumento se describe a continuación. 3.3.1 Hojas de registro de desempeño Las hojas de registro de desempeño cumplen la función de medir la productividad del área, esto a través del registro de la maquina donde se produce, el centro de costos, la fecha, el turno, el catalogo o producto, el tiempo estándar, el tiempo real y la cantidad de moldes producidos. Este formato va de la mano del registro de tiempo muerto, en el que se almacena todos los tiempos del área donde no se genera moldes y las maquinas no producen, esto sea por paros de mantenimiento, falta de material, ausencia de personal, etc. En este formato se captura la siguiente información: número de máquina, área, centro de costos, fecha, turno clave de tiempo muerto, descripción de tiempo muerto, producto que se laboraba durante el tiempo muerto y la duración del tiempo muerto. 3.3.2 Tablero hr x hr El tablero hr x hr (Hora por hora), permite el registro en tiempo real de las máquinas de moldeo y el estándar por hora que deben alcanzar los operadores para cumplir con su meta por hora, en este pizarrón es posible detectar fallas en la producción y atenderlos de inmediato para evitar posibles repeticiones y ocurrencias que podrían afectar directamente a los niveles de producción, además permite que los operadores sean testigos del rendimiento y productividad de sus compañeros y esto motive al operador sobre el estándar que debe alcanzar. Estos pizarrones son sumamente visuales y permite capturar la siguiente información: catalogo, estándar por hora, nombre del operario, piezas producidas por hora, cumplimiento vs estándar y motivo por el que no se logra el estándar. 81 3.3.3 Tablero QRB El tablero QRB (Quick Response Board), corresponde a la segunda parte del tablero Hr x Hr, donde al no lograrse la producción necesaria vs estándar se debe de colocar la razón inmediata y a qué nivel debe ser resuelto, esto indica que tipo de autoridad debe atender, ya sea nivel de producción, ingeniería, supervisión o gerencia. Este método de escalamiento permite realizar las mejoras de forma inmediata y registrar la velocidad de respuesta, además de analizar nuevas áreas de oportunidad. Este registro permite visualizar si los diferentes niveles están enterados de la problemática y de su posible solución, sin embargo es una fuerte fuente de información para detectar distintos desperdicios de la manufactura, este formato registra el tiempo muerto, duración de tiempo muerto, nivel de acción y acciones a realizar con fechas compromiso. 3.3.4 Registro diario de scrap En el área posterior a fundición se captura diariamente y por turno la cantidad de desperdicio de material que no cumple las características del cliente (Scrap), todo este desperdicio es catalogado y contado para detectar áreas de oportunidad en desperdicios de esta índole. Por lo que este formato juega un papel sumamente importante en el desarrollo de este trabajo, en él se encuentra localizada la siguiente información: catalogo, fecha de captura, tipo de defecto, cantidad de piezas, costo de manufactura, familia de productos y planta de fundición de origen. 3.4 Procesamiento de datos Para el procesamiento de datos es necesario el uso de software estadístico que permita realizar múltiples tipos de análisis que acceda a la interpretación sencilla de las características básicas de la línea base, recordemos que todo proyecto SIX Sigma se basa en el análisis estadístico previo para conocer la base de la que se busca mejorar (Línea Base), esta caracterización del sistema es sumamente sencillo con MINITAB 16®, este poderoso software permite realizar diversos análisis estadísticos. Esta herramienta es capaz de permitir el rápido y sencillo análisis de todos los datos que se generen en los diferentes instrumentos de recolección. 82 3.4.1 Prueba de normalidad (Anderson-Darling). Tal como lo describe Basu (2009), el análisis de datos debe ser lo más simple que se pueda. La metodología idónea es caracterizar puntualmente las distribuciones de probabilidad para cada grupo de datos. Pero, para finalidad de Six Sigma y practicidad, se busca emplear parámetros básicos estadísticos tales como la media, mediana y la desviación estándar. 62 Por ello, es necesario caracterizar los datos de la investigación a través de la prueba de Anderson – Darling. La prueba de Anderson – Darling es utilizada para probar si un conjunto de datos muestrales provienen de una población con una distribución continua especifica (por lo general la distribución normal). La prueba de Anderson – Darling se basa en la comparación de la distribución de probabilidades acumulada empírica (resultado de datos) con la distribución de probabilidades acumulada teórica.63 Hipótesis H0: Las variables aleatorias en un estudio siguen una distribución normal (). Ha: las variables aleatorias en un estudio no siguen una distribución normal (). Estadístico de prueba El estadístico de A2 está dado por la siguiente formula: 𝐴2 = −𝑛 − 𝑆 𝑆𝑖 = (2𝑖 − 1) [𝑙𝑛𝐹(𝑌𝑘 ) + 𝑙𝑛(1 − 𝐹(𝑌𝑛+1−𝑘 ))] 𝑛 Donde: 𝐹(𝑥) = 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑑𝑎 𝑖 = 𝑀𝑢𝑒𝑠𝑡𝑟𝑎 𝑖𝑒𝑠𝑖𝑚𝑎 𝑐𝑢𝑎𝑛𝑑𝑜 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑠𝑒 𝑐𝑙𝑎𝑠𝑖𝑓𝑖𝑐𝑎𝑛 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑎𝑠𝑐𝑒𝑛𝑑𝑒𝑛𝑡𝑒 𝑛 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 62 63 Basu, R. (2009). Implementing Six Sigma and Lean. [Versión DX Reader]. Recuperado de: www.tandf.co.uk Pulido, H. (2012). Análisis y Diseño de Experimentos. Distrito Federal, México: Mc Graw Hill. 83 Este desarrollo matemático lo ejecuta Minitab® 16, además de generar los intervalos de confianza para cada parámetro estadístico básico. En el Gráfico 3.1, se visualizará un ejemplo del resumen estadístico que contiene la prueba de Anderson – Darling para el grupo a analizar.64 Gráfico 3. 1 Resumen estadístico para números aleatorios. Resumen para Aleatorios P rueba de normalidad de A nderson-Darling A -cuadrado V alor P 20 40 60 80 100 0.53 0.157 M edia Desv .E st. V arianza A simetría Kurtosis N 58.750 26.833 719.987 -0.24974 -1.35708 20 M ínimo 1er cuartil M ediana 3er cuartil M áximo 16.000 30.000 61.500 84.250 97.000 Interv alo de confianza de 95% para la media 46.192 71.308 Interv alo de confianza de 95% para la mediana 33.529 78.530 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 20.406 39.191 Media Mediana 40 50 60 70 80 Fuente: Creación propia. 3.4.2 Carta de control estadístico (Gráfico I-MR para individuos). Las tendencias de los datos en cualquier análisis es fundamental para conocer posibles comportamientos que respondan a ciertas razones o eventos en los procesos que fomenten mejoras o evidencien problemas, Ting (2013) marca que es necesario monitorear el proceso con el empleo de cartas de control estadístico65, la carta seleccionada para la caracterización de las variables de este estudio corresponderá a los gráficos I-MR (Individual Movile Range). 64 Minitab Inc. (2004). Meet Minitab Release 14 for Windows®. Pennsylvania, Estados Unidos: Mintab Quality Companion. 65 Ting, L. (2013). Six Sigma Advanced Tools for Black Belts and Master Black Belts. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 84 El gráfico I-MR, sirve para analizar un determinado proceso dependiente del tiempo este gráfico usualmente toma la forma de dos cartas juntas, a veces superpuestos. La primera parte de la tabla, la correspondiente a la “I” expone el valor y acomodo de cada valor en un gráfico de tiempo, donde se podrá apreciar el valor de la media y los límites de control, tanto superior como inferior. La segunda parte, la correspondiente a la “MR”, se relaciona con la variación relativa entre el dato y la diferencia contra la media.66 Este gráfico es bastante útil para distinguir las diferencias significativas entre la media y el valor, con esta gráfica es posible determinar tendencias fuera de la media y diferencia consideradas con la desviación estándar el proceso. Un ejemplo se observa en el gráfico 3.2. Gráfico 3. 2 Gráfico I-MR para números aleatorios. Gráfica I-MR de Números aleatorios 160 V alor individual LC S =138.7 120 80 _ X=58.8 40 0 LC I=-21.2 1 3 5 7 9 11 Semana 13 15 17 19 Rango móvil 100 LC S =98.2 75 50 __ M R=30.1 25 0 LC I=0 1 3 5 7 9 11 Semana 13 15 17 19 Fuente: Creación propia. 66 Minitab Inc. (2004). Meet Minitab Release 14 for Windows®. Pennsylvania, Estados Unidos: Mintab Quality Companion. 85 3.4.3 Metodología para Estudio R&R por atributos e interpretación de datos arrojados por Software Minitab®. Para efectos de esta investigación es necesario validar los dos distintos sistemas de medición que proporcionaran la información para el análisis de los valores que son fundamentales. Los dos grupos principales que serán validados son los siguientes: Toma de tiempos muertos Medición de Scrap de piezas Estos dos grandes grupos de datos son tomados directamente por personal de la planta, para el primer caso son reportados por los operadores de las maquinas semiautomáticas y manuales. Mientras que los datos que son recabados para las piezas defectuosas son responsabilidad de los operadores de Corte. Estos dos grandes grupos fueron validados a través del estudio por atributos. El análisis final de estudio R&R se encuentra en el capítulo 4 de esta tesis. 3.4.3.1 Toma de tiempos muertos Se ejecutó el estudio R&R por atributos con un examen que explicaba situaciones reales y que solicitó el código de razón del tiempo muerto, así como el tiempo en el que se registró, un ejemplo claro se puede visualizar en la figura 3. 1. En dicha figura se observa la situación que paso en alguna ocasión la máquina, el tiempo que tardó en ser puesta en marcha y las opciones que el operador podía escoger. Previamente se generó un estándar con los Gerentes de operaciones y Mantenimiento. Sin embargo, el examen no puede ser expuesto por motivos de confidencialidad. Figura 3. 1 Ejemplo de pregunta aplicada en examen para validación de tiempos muertos. Son las 14:15, en ese momento se atora el empujador principal de la maquina moldeadora semiautomática. El mecánico ajusta el empujador y coloca en marcha la maquina a las 15:20 y reporta que fue un fallo en el sistema hidráulico. A) (65 Min) Falla en empujador B) (35 Min) Falla en platina C) (45 Min) Falla en sistema eléctrico Fuente: Creación propia. 86 Este estudio se sometió a un grupo determinado de personal de los procesos de fundición, en este caso fue necesario acotar al personal que realizó la medición de los tiempos muertos en las dos diferentes líneas de fundición. Para el grupo que se encuentra en la tabla 3.1, fue aplicada la evaluación que consta de 60 preguntas con tres reactivos cada una y fue realizada tres veces por cada operador, esto con el fin de garantizar la repetibilidad de los datos y la reproducibilidad de las respuestas. Todo el ejercicio fue ejecutado en un solo día, en una sola ocasión y sin previo aviso, esto para garantizar la respuesta sin anterior estudio del personal para representar el conocimiento en el momento de una situación real de la máquina. Tabla 3. 1 Personal del proceso de fundición al que le fue aplicado el estudio R&R por atributo para validación de datos de tiempo muerto Proceso Moldeo Manual Moldeo Semiautomático Maquinas 2 4 Turnos 3 3 Personal 6 12 Fuente: Creación propia. El tipo de información correspondiente a este ensayo es de carácter Ordinal, ya que es información categórica de tres variables con cierto nivel natural. Este ensayo permitirá conocer directamente si el operador tiene la capacidad de determinar correctamente por qué la máquina que opera ha presentado tiempo muerto y si es capaz de asignar el mismo tiempo y código de razón en paros futuros de la misma índole. 3.4.3.2 Identificación y clasificación de Scrap La evaluación de este métrico fue sometido a un grupo distinto de operadores, los operarios del área de fundición no evalúan la calidad de las piezas y ellos no determinan si las piezas son aceptadas o rechazadas. Para la evaluación de piezas, participan los operadores del área de corte, ellos directamente al procesar el material notan los defectos y los retiran del proceso en caso de no cumplir las especificaciones. Para esta evaluación, fue necesaria la creación de un estándar visual de 100 piezas que representan diferentes defectos generados en el área de fundición, este estándar incluía 30 piezas aceptables y 70 rechazadas. Lamentablemente por cuestiones de confidencialidad no es posible mostrar alguna pieza del estándar o los defectos que fueron incluidos en él. Sin embargo, se ilustrara con ejemplos extraídos de las distintas fuentes de información sobre defectos de fundición. 87 Este estudio se caracteriza del tipo nominal, donde se ocupó el criterio de Pasa o Falla, esto se refiere a dos variables categóricas con solo dos niveles y un orden natural. Las características marcadas con anterioridad serán de influencia directa para conocer si el operador desecha las piezas correctas, por el defecto correcto y si es capaz de reproducir sus resultados. Dentro de las piezas rechazadas, se encontraban distribuidas con 25 piezas atribuidas a defectos por vaciado (figura 3.2), 25 a los defectos de moldeo (figura 3.3) y 20 a desmoldeo (Figura 3.4). Todo este estándar fue aprobado previamente por los Gerentes de las unidades de negocio, Aseguramiento de la Calidad, Ingeniería de Planta e Ingeniería de Producto. La mecánica del estudio fue citar a los operadores (Ocho en total) en una sala en dos grupos de cuatro y fue colocado el estándar frente a ellos y reportaban si la pieza era aceptada o rechazada. El estudio se ejecutó en un solo evento por duplicado para representar la repetibilidad, sin previo aviso y fueron citados en horario laboral para no entorpecer sus actividades personales. Figura 3. 2 Ejemplo de defecto originado por el incorrecto vaciado del metal Fuente: http://www.abymc.com/tmoranwms/Casting_Defects.html Figura 3. 3 Ejemplo de defecto originado por moldeo Fuente: http://www.abymc.com/tmoranwms/Casting_Defects.html 88 Figura 3. 4 Ejemplo de defecto originado por desmoldeo Fuente: http://www.abymc.com/tmoranwms/Casting_Defects.html 3.4.3.3 Análisis e interpretación de datos en Minitab. La ejecución del análisis de datos en el Software Minitab® arroja diferente información que permitirá interpretar de una manera sencilla el resultado del ejercicio de validación del sistema de medición, básicamente es necesario colocar la información en el software de la manera adecuada y ejecutar el análisis. Esta mecánica se encuentra ilustrada en la figura 3.5, donde en la columna C1 se colocó la información del número de prueba, en la columna C2, el valor del estándar y en las columnas subsecuentes (C3, C4, y C5) se colocó la información respectiva a los ensayos ejecutados por los operadores. Para describir este ejemplo, se colocara la información de tres operadores que fueron sometidos a un ensayo de tres repeticiones con una muestra de 29 piezas. Figura 3. 5 Forma de Presentar los datos en pantalla de inicio de Mintab® 16. Fuente: Creación propia. 89 Como paso siguiente es necesario ejecutar ciertos comandos del programa que realicen el análisis de atributos R&R, es muy importante ser muy puntuales en la mecánica de análisis, ya que el software ejecuta el análisis que se le solicite, no siempre y cuando sea el análisis requerido y pueda generar información incierta y no necesaria. Los comandos que se deben seguir son los que se encuentran en la figura 3.6. Figura 3. 6 Secuencia para evaluación de estudio de atributos Fuente: Creación propia. El software genera dos tipos de reporte; el primero corresponde a una gráfica que ilustra directamente las apreciaciones de los operadores entre ellos respecto a sus respuestas y el segundo es un informe escrito que aborda un análisis completo del ensayo. Como primer punto, se describirá el gráfico generado en la figura 3.7. Al observar la figura, justamente el gráfico colocado en el costado izquierdo muestra los acuerdos entre los observadores y la variación entres sus respuestas. Mientras que, en el gráfico ubicado en el costado derecho muestra los datos de los operadores contra el estándar. Estos gráficos son una herramienta totalmente visual, no analítica de los resultados generados en la evaluación. 90 Figura 3. 7 Gráficos de evaluaciones entre observadores para un estudio R&R por atributos Fuente: Creación propia. Los resultados analíticos que arroja el software es la referencia precisa para evaluar el desempeño de los observadores durante el ensayo, el informe comienza con el título “Individual por evaluador” (Figura 3.8), es aquí donde puede evidenciarse el porcentaje de coincidencias del evaluador consigo mismo a través de las pruebas, es evidente que el evaluador número tres cuenta con ciertos detalles respecto a los demás evaluadores. Figura 3. 8 Información generada por Minitab® para evaluación individual por evaluador Individual por evaluador Acuerdo de evaluación Evaluador 1 2 3 No. de inspeccionados 29 29 29 No. de coincidencias 29 29 24 PorcentajeEvaluador 100.00 100.00 82.76 IC de 95% (90.19, 100.00) (90.19, 100.00) (62.23, 94.15) No. de coincidencias: El evaluador coincide consigo a través de las pruebas. Fuente: Creación propia. Es necesario resaltar que no solo basta con el porcentaje de coincidencias, es necesario un valor que proporcione un impacto numérico mayor, es aquí donde nace el Coeficiente Kappa. El coeficiente Kappa refleja la concordancia inter – observador y puede ser calculado en tablas de cualquier 91 dimensión, siempre y cuando se contrasten dos o más observadores. El coeficiente de Kappa puede tomar valores entre -1 y +1. Mientras más cercano a +1, mayor es el grado de concordancia inter – observador, por el contrario, mientras más cercano a -1, mayor es el grado de discordancia inter – observador. Un valor de k=0 refleja que la concordancia observada es precisamente la que se espera exclusivamente del azar. El coeficiente Kappa se construye con base a un coeficiente, el cual incluye en su numerador la diferencia entre la sumatoria de las concordancias observadas y la sumatoria de las concordancias atribuibles al azar, mientras que su denominador incluye la diferencia ente el total de observaciones y la sumatoria de las concordancias atribuibles al azar. En términos conceptuales, la ecuación para el cálculo del coeficiente se expresa de la siguiente forma: 𝑘= [(∑ 𝐶𝑂) − (∑ 𝐶𝐴)] [(∑ 𝑇𝑂) − (∑ 𝐶𝐴)] Donde: 𝑘 = 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝐾𝑎𝑝𝑝𝑎 𝐶𝑂 = 𝐶𝑜𝑛𝑐𝑜𝑟𝑑𝑎𝑛𝑐𝑖𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎𝑠 𝐶𝐴 = 𝐶𝑜𝑛𝑐𝑜𝑟𝑑𝑎𝑛𝑐𝑖𝑎𝑠 𝑎𝑡𝑟𝑖𝑏𝑢𝑖𝑏𝑙𝑒𝑠 𝑎𝑙 𝑎𝑧𝑎𝑟 𝑇𝑂 = 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 El coeficiente de Kappa lo expresa el Software Minitab en los mismos datos y valida la información presentada para las concordancias entre las observaciones del evaluador, este ejemplo se presenta en la figura número 3.9, donde se presenta el coeficiente Kappa para las evaluaciones pasa y falla del ensayo bajo análisis, es evidente que el evaluador 1 y 2 tienen un desempeño interesante y apegado a sus decisiones. Sin embargo, el evaluador número tres continúa con los detalles en sus evaluaciones. La interpretación de este resultado exige una referencia inmediata de forma numérica, por lo que para interpretar el coeficiente de Kappa, se presenta la tabla 3.2, donde el mínimo para aceptar que el observador es confiable será 0.7. 92 Figura 3. 9 Coeficiente de Kappa para evaluación individual por evaluador Estadísticas Kappa de Fleiss Evaluador 1 2 3 Respuesta Falla Pasa Falla Pasa Falla Pasa Kappa 1.00000 1.00000 1.00000 1.00000 0.66331 0.66331 Error estándar de Kappa 0.107211 0.107211 0.107211 0.107211 0.107211 0.107211 Z 9.32738 9.32738 9.32738 9.32738 6.18697 6.18697 P(vs > 0) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fuente: Creación propia. Tabla 3. 2 Niveles de concordancia de coeficiente de Kappa Coeficiente Kappa 0.00 0.01 0.20 0.21 – 0.40 0.41 – 0.60 0.61 – 0.70 K > 0.70 0.71 – 0.80 0.81 – 0.90 0.91 – 100 100 Concordancia Inaceptable Pobre Leve Moderada Tolerable Aceptable Considerable Ideal Casi perfecta Perfecta Fuente: Creación propia. El análisis de Minitab®, presenta los resultados para la comparación de los resultados del observador contra el estándar, es aquí donde se presenta una enorme oportunidad y es posible conocer si el material que está rechazando o aprobando el observador es el adecuado. Tal como se visualiza en la figura 3.10, es posible distinguir las coincidencias de las observaciones contra el estándar, donde el evaluador 1 y 2 no presentan un mal desempeño. Sin embargo el operador tres tiene ciertos detalles que pudieran comprometer la calidad entregada o generar algún desperdicio por rechazar piezas incorrectas. Para ello, existe la información generada en la sección de discrepancias, es en esta sección donde es posible visualizar la información del material que debe ser rechazado pero es aceptado y viceversa. Para el ejemplo en cuestión, los evaluadores 1 y 2 aceptaron una sola pieza rechazada, el operador 1 rechazo una pieza aceptada; pero, el operador 3 rechazo 5 piezas aceptables. Es aquí donde son evidentes las fallas a detalle de cada evaluador 93 Figura 3. 10 Información generada por Minitab® para evaluador individual contra el estándar Cada evaluador vs. el estándar Acuerdo de evaluación Evaluador 1 2 3 No. de inspeccionados 29 29 29 No. de coincidencias 27 28 23 Porcentaje 93.10 96.55 79.31 IC de (77.23, (82.24, (60.28, 95% 99.15) 99.91) 92.01) No. de coincidencias: La estimación del evaluador a través las pruebas coincide con el estándar conocido. Discrepancia en la evaluación Evaluador 1 2 3 # Pasa / Falla 1 1 1 Porcentaje 14.29 14.29 14.29 # Falla / Pasa 1 0 0 Porcentaje 4.55 0.00 4.55 No. de combinados 0 0 5 Porcentaje 0.00 0.00 17.24 # Pasa / Falla: Evaluaciones a través de ensayos = 1 / estándar = 0. # Falla / Pasa: Evaluaciones a través de ensayos = 0 / estándar = 1. No. de combinados: Las evaluaciones de los ensayos no son idénticas. Fuente: Creación propia. De igual manera, se presentan los coeficientes de Kappa para interpretar el nivel de concordancia entre las evaluaciones, al observar los coeficientes para los evaluadores, el valor del coeficiente de Kappa es aceptable en los tres casos. Sin embargo, el evaluador tres presenta un área de oportunidad inmediata que puede atenderse con una capacitación sobre los estándares de la compañía (figura 3.11). Figura 3. 11 Coeficiente de Kappa para evaluación individual para evaluador individual contra el estándar Estadísticas Kappa de Fleiss Evaluador 1 2 3 Respuesta Falla Pasa Falla Pasa Falla Pasa Kappa Error estándar de Kappa 0.811688 0.107211 0.811688 0.107211 0.900855 0.107211 0.900855 0.107211 0.745591 0.107211 0.745591 0.107211 Z 7.57092 7.57092 8.40261 8.40261 6.95441 6.95441 P(vs > 0) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fuente: Creación propia. Los resultados mostrados con anterioridad califican directamente a la repetibilidad del ensayo, ya que se evaluó el desempeño de manera individual de cada observador, hasta este punto se ha desarrollado la metodología del análisis de la información del estudio R&R. por ello, es necesario evaluar la reproducibilidad, esta esta expresada en la capacidad de que los operadores puedan repetir la evaluación de sus compañeros. En la figura 3.12 se presenta la información referente a la 94 concordancia entre evaluadores, únicamente se cubrieron 23 coincidencias de 29 posibles, lo que arroja un porcentaje de 79.31. El coeficiente de Kappa, arroja una concordancia de aproximadamente 0.84 para los elementos de “Falla”, mientras que para los elementos de “Pasa” está en 0.67, es necesario atender los detalles en las piezas que están aprobando los evaluadores, ya que no se cuenta con una concordancia aceptable para las piezas que aprobaron. Figura 3. 12 Información generada por Minitab® para acuerdo de evaluación entre evaluadores Entre evaluadores Acuerdo de evaluación No. de inspeccionados 29 No. de coincidencias 23 Porcentaje 79.31 IC de 95% (60.28, 92.01) No. de coincidencias: Todas las estimaciones de los evaluadores coinciden entre sí. Estadísticas Kappa de Fleiss Respuesta Falla Pasa Kappa 0.839286 0.668472 Error estándar de Kappa 0.0309492 0.0309492 Z 27.1182 27.1182 P(vs > 0) 0.0000 0.0000 Fuente: Creación propia. Para evaluar la exactitud del personal, es necesario comparar los resultados de los evaluadores contra el estándar, esta vez no es evaluador por evaluador, es el grupo de evaluadores contra el estándar. Esta evaluación permite observar el desempeño del grupo de trabajo (figura 3.13), el cual obtuvo un porcentaje del 75.86 con 22 coincidencias de 29, con un coeficiente de Kappa de 0.82 para ambos casos (Falla y Pasa). Esto quiere decir que la exactitud es “ideal” y puede mejorarse con ciertos cursos de capacitación al personal dedicado a la evaluación de los parámetros de calidad en las piezas. 95 Figura 3. 13 Información generada por Minitab® para acuerdo de evaluación entre evaluadores y el estándar Todos los evaluadores vs. el estándar Acuerdo de evaluación No. de inspeccionados 29 No. de coincidencias 22 Porcentaje 75.86 IC de 95% (56.46, 89.70) No. de coincidencias: Todas las estimaciones de los evaluadores coinciden con el estándar conocido. Estadísticas Kappa de Fleiss Respuesta Falla Pasa Kappa 0.819378 0.819378 Error estándar de Kappa 0.0618984 0.0618984 Z 13.2375 13.2375 P(vs > 0) 0.0000 0.0000 Z 13.2752 13.2752 P(vs > 0) 0.0000 0.0000 Estadísticas Kappa de Cohen Fuente: Creación propia. Respuesta Kappa Falla 0.819472 3.4.4 Metodología para Pasa 0.819472 Error estándar de Kappa el cálculo del 0.0617298 Takt Time. 0.0617298 Tal como se menciona en el capítulo dos, el Takt time se compone de diversos componentes para estimar el tiempo en el que deben entregarse los productos a los clientes. Para el caso de esta tesis, el cliente serán los procesos de corte y pintura, por ello se debe considerar la demanda de los productos que se abordaran en el capítulo, además de todos los demás componentes del Takt time. Para determinar el Takt time de los clientes (Procesos de Corte y Pintura), es necesario establecer los dos componentes básicos del cociente que se mencionó en el capítulo dos. El tiempo disponible se establece como el tiempo total que se cuenta para producir, este corresponde al tiempo por turno menos el tiempo muerto (tiempo dedicado a montaje, mantenimiento, alimentación del personal, etc.). Las unidades de producción requeridas corresponderá a la necesidad de piezas que requiere el proceso siguiente a las fundiciones, más las piezas defectuosas que sean desechadas y sea necesario remplazar. Para el cálculo correcto se empleó la siguiente hoja de cálculo (figura 3.14), esta hoja contiene todos los datos que fueron empleados en la recolección de datos, siendo estos el tiempo muerto y todos sus conceptos y los porcentajes de piezas rechazadas. Este dato es el compendio general de toda la información de la compañía, por esta razón será crucial para las conclusiones y el alcance del estudio, además de permitir tener una noción completa del estado actual y del futuro. 96 Figura 3. 14 Hoja de cálculo empleada para el cálculo del Takt Time en los procesos de fundición. Tiempos Muertos Tiempo total por centro Maquinas Disponibles 4 # Maquinas Tiempo por turno 8 [h/turno] Tiempo total por centro [s/Turno] Montaje [s/T] Mantenimiento [s/T] Humanas [s/T] Proceso [s/T] Ingenieria [s/T] - Tiempos Muertos [s/T] 115200 / 81580 + (Demanda diaria 14051 = 33620 Tiempo disponible [s/T] Requerimento Diario 7460 12740 6440 3600 3380 [P/día] Unidades de produccion requeridas = [P/T] 4929 / Piezas defectuosas) Piezas scrap diarias 737 [P/día] Tiempo disponible [s/T] 81580 TAKT TIME [s/P] 17 Numero de turnos Turnos disponibles 3 [T/día] = Unidades de produccion requeridas Unidades requeridas por turno 4929 [P/T] Fuente: Creación propia. Esta hoja de cálculo facilita la estimación del Takt time, permite hacer evidente la influencia de los tiempos muertos y las piezas defectuosas. Estos dos entes inherentes de la manufactura siempre van a existir y se conoce como influyen en distintos costos en las organizaciones, pero, no se toman en cuenta en muchas ocasiones para estimar la capacidad de producción de las empresas. Por esta razón, este dato es de suma importancia para considerar la eficacia de las mejoras a implementar. 97 Capítulo 4. Desarrollo de la estrategia de mejora continua bajo la aplicación de técnicas de Lean Six Sigma. Acorde a la metodología Six Sigma se desarrolló el planteamiento de la mejora integral de los procesos de fundición y las familias de productos que impactan al métrico de interés, en este caso el nivel de servicio de ambas unidades de negocio, por ello se realizó la estructura DMAIC para la resolución de este dolor en la compañía. Como herramienta principal se empleó el VSM para determinar la estrategia general del negocio y alcanzar el norte verdadero (término de navegación que se refiere a la dirección del Polo Norte en relación con la posición del navegante. Este término se emplea para denotar el alcance verdadero de los objetivos en las organizaciones)67 acompañado de la extensión de las técnicas fundamentales de Lean Manufacturing. La combinación de las metodologías, técnicas y herramientas anteriores permitió que se alcance el despliegue estratégico total de la filosofía Lean Sigma en los procesos de fundición de la compañía en cuestión. Los resultados se presentaron conforme a la estructura Six Sigma que propone Furterer (2009), esta conlleva un procedimiento constituido en la metodología DMAIC y se basa en una serie de tablas perfectamente estructuradas que hacen más fácil la documentación del procedimiento. Esta estructura se conoce como Roadmap (“Mapa del camino” por su significado en inglés) Tabla 4. 1 Roadmap Six Sigma Definir 1. Crear Carta de proyecto. 2. Identificar Medir 5. Definir el proceso. 6. Establecer Analizar Mejorar Controlar 9. 12. Identificar 17. Desarrollar la causa y efecto. 10. Determinar StakeHolders. métricos causas y validar 3. Seleccionar principales y causas raíz. equipo. secundarios. 11. Desarrollar 4. Crear plan del proyecto 7. Validar el sistema de medición. 8. Documentar el soluciones. 13. Diseñar estado futuro. Medir y controlar cambios. 18. Reportar datos. 14. Establecer objetivos. 19. 15. Obtener oportunidades de capacidad del aprobaciones e réplica. proceso. implementar. 20. 16. Entrenar y ejecutar. Identificar Desarrollar planes a futuro. estado actual. Fuente: Furterer, S. (2009). Lean Six Sigma in Service: Applications and Case Studies. Boca Raton, Florida: CRC Press. 67 Norte Verdadero. El norte verdadero es un. 98 4.1 Situación actual de la empresa (Define) La compañía en estudio cuenta con ciertos métricos básicos para medir el desempeño, estos métricos incluyen los siguientes: Nivel de accidentes Costo de mala calidad Nivel de servicio Productividad Inventarios Todos esos métricos pueden ser plasmados como costos y sobre todo como áreas de oportunidad a lo largo del tiempo. Para efectos prácticos de este trabajo, se escogió atacar los métricos relativos al Nivel de Servicio y la productividad. Actualmente la compañía ha experimentado un crecimiento abrupto en las cuestiones de ventas, esto originado por el incremento de las operaciones petroleras y de construcción. Sin embargo, la empresa ha cursado serias dificultades en atender ese crecimiento. Ese impacto negativo se ha visto reflejado en el crecimiento del Back Log (Capitulo 1), este se refiere a los requerimientos de ventas a planta que no han sido cumplidos en tiempo y forma, esto impacta en la molestia de los clientes y la continua reprogramación de fechas de entrega. Así mismo, el nivel de servicio de la planta hacia los clientes ha decaído en los últimos meses y esto exige que se realicen acciones inmediatas. Desafortunadamente estas acciones se han realizado de una forma intuitiva y con un pobre procesamiento de datos. Pero, no ha sido suficiente para atacar este tema tan importante. Es necesario generar un plan puntual que busque resolver estos problemas de raíz desde la parte medular de la producción, en este caso la fundición. A continuación se preparará la información de la definición y se establecerá el alcance del proyecto, así como los miembros interesados de la organización y los objetivos básicos. 99 4.1.1 Crear Carta de Proyecto (Criterio de selección) El primer paso en la etapa de definición es la identificación y delineación del problema. La carta del proyecto puede ayudar a identificar los elementos que ayudaran a enfocar el proyecto e identificar los objetivos. A continuación en la tabla 4.2 se coloca la carta del proyecto. Tabla 4. 2 Carta del proyecto Nombre del proyecto Visión del proyecto Planteamiento del problema Clientes CTS Objetivo del proyecto Alcance del proyecto Beneficios financieros Riesgos financieros Riesgos potenciales Incremento del Nivel de Servicio en las líneas de fundición Se asume que el decaimiento del nivel de servicio se origina por el incremento gradual de desperdicios en la línea de fundición, lo que en conjunto con el incremento de ventas ha propiciado esta caída Se ha experimentado un decaimiento en el nivel de servicio en las unidades de negocio, esto tiene como origen la falta de entregas de materiales a tiempo y genere la cancelación de pedidos. Procesos de Corte y Pintura Scrap Lead Time Tiempo muerto (Mantenimiento, Montaje, Actividades humanas, etc.) Decremento al Lead Time e incrementar el nivel de servicio Únicamente se englobaran los procesos de fundición y la familia más importantes por unidad de negocio. No se han cuantificado. No existen No existen Fuente: Furterer, S. (2009). Lean Six Sigma in Service: Applications and Case Studies. Boca Raton, Florida: CRC Press. Esta tabla cumple una función muy importante, ya que permitirá centralizar otras acciones y definiciones en las tablas que se visualizaran a continuación. Este solo es para definir variables básicas del proyecto. 4.1.2 Identificación de StakeHolders (Miembros interesados) Los miembros que se interesan en la organización o que es necesaria su participación, se conocen como los Stakeholders, estos individuos son los necesarios para poder alcanzar el objetivo y además son a los que les interesara la implementación de las mejoras, ya que son aquellos que rodean el proceso mejorar, en este caso los clientes y proveedores internos. 100 Tabla 4. 3 Tabla de identificación de Stakeholders. Datos e información - Proceso de Corazones - Producción - Mejora Continua Materia Prima - Moldeo en Verde Datos e información - Producción - Mejora Continua Materia Prima - Proceso de Corte Datos e información - Producción - Mejora Continua - Proceso de Pintura - Producción - Mejora Continua Materia Prima Proveedores Proceso Cliente Corriente inmediata Materia Prima Datos e información - Supervisor de Producción - Operadores - Capturista - Supervisor de Producción - Operadores - Capturista - Supervisor de Producción - Operadores - Capturista - Supervisor de Producción - Operadores - Capturista Métricos Clave N/A Métricos Clave Lead Time Métricos Clave Nivel de Servicio Métricos Clave N/A Fuente: Furterer, S. (2009). Lean Six Sigma in Service: Applications and Case Studies. Boca Raton, Florida: CRC Press. 4.1.3 Seleccionar equipo El equipo de proyecto Six Sigma debe ser formado con aquellos miembros que tengan conocimiento del proceso, y tengan el compromiso de trabajar en el proyecto. El rol y la responsabilidad del equipo deben ser claramente definidos. A continuación se presenta la tabla representativa de las responsabilidades de cada miembro equipo involucrado. Responsabilidad Facilitar juntas Manejar proyecto Ser mentor de los miembros del equipo Enseñar conocimiento de six sigma Retirar obstáculos Monitorear avance del proyecto Aprobar proyecto Implementar mejoras Ser el experto del proceso Aplicar herramientas Six Sigma Análisis estadístico Recolección de información X X X Miembros del equipo Dueño del proceso Campeón Black Belt Líder de Equipo Tabla 4. 4 Responsabilidades del equipo Six Sigma. X X X X X X X X X X Fuente: Furterer, S. (2009). Lean Six Sigma in Service: Applications and Case Studies. Boca Raton, Florida: CRC Press. 101 4.1.4 Plan de trabajo. Debido a que esta es una metodología ampliamente estructurada, es necesario plantear un plan ampliamente estructurado, con fechas claras y precisas, este plan se encuentra en la tabla 4.5. Tabla 4. 5 Plan de trabajo. Nombre de actividad Definir 1. Crear Carta de proyecto. 2. Identificar StakeHolders. 3. Seleccionar equipo. 4. Crear plan del proyecto Medir 5. Definir el proceso 6. Establecer métricos principales y secundarios. 7. Validar el sistema de medición 8. Documentar el estado actual Analizar 9. Desarrollar la causa y efecto 10. Determinar causas y validar causas raíz 11. Desarrollar capacidad del proceso Mejorar 12. Identificar soluciones 13. Diseñar estado futuro 14. Establecer objetivos 15. Obtener aprobaciones e implementar 16. Entrenar y ejecutar Controlar 17. Medir y controlar cambios 18. Reportar datos 19. Identificar oportunidad de replica 20. Desarrollar planes a futuro Fecha de inicio 03/02/2014 03/02/2014 06/02/2014 09/02/2014 11/02/2014 12/02/2014 12/02/2014 Fecha Final Duración Predecesoras 12/02/2014 06/02/2014 09/02/2014 11/02/2014 12/02/2014 26/02/2014 14/02/2014 9 3 3 2 1 14 2 1 2 3 4 5 14/02/2014 16/02/2014 2 6 16/02/2014 20/02/2014 26/02/2014 26/02/2014 04/03/2014 10/03/2014 16/03/2014 16/03/2014 24/03/2014 30/03/2014 03/04/2014 07/04/2014 15/04/2014 15/04/2014 19/04/2014 04/05/2014 12/05/2014 4 6 18 6 6 6 30 8 6 4 4 8 35 4 15 8 8 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 20/02/2014 26/02/2014 16/03/2014 04/03/2014 10/03/2014 16/03/2014 15/04/2014 24/03/2014 30/03/2014 03/04/2014 07/04/2014 15/04/2014 20/05/2014 19/04/2014 04/05/2014 12/05/2014 20/05/2014 Fuente: Furterer, S. (2009). Lean Six Sigma in Service: Applications and Case Studies. Boca Raton, Florida: CRC Press. 102 4.2 Medición de los métricos claves y obtención de información (Measure) Para el diseño del VSM se consideró el mapeo de alto nivel para determinar los puntos que se sometieron al mapeo de la cadena de valor. Además de determinar las familias que fueron mapeadas dentro de los procesos de fundición, por lo que se determinaron los tiempos involucrados y los puntos que no agregan valor al proceso de fundición. Estos datos permitieron conocer el desempeño de cada familia, además de poder enfocar los esfuerzos a futuro. 4.2.1 Definir el proceso Se estableció y delimitó el área a mapear y por consiguiente se obtuvo la visión del alcance del proyecto. Para esta etapa es fundamental emplear la idea de Rother (1999), donde la premisa de “Puerta a Puerta” es fundamental. En este caso se atendieron proveedores y clientes internos, los cuales están totalmente definidos en el inicio del proceso de fundición y la entrega de las piezas fundidas al proceso de corte. Además, fue necesario definir las familias más importantes a las cuales se planteó la estrategia completa. Figura 4. 1 Definición de alcance de VSM. Puerta a Puerta – Cadena de Valor Procesos de Manufactura de Corazones Procesos de Moldeo y Fusión Procesos de Corte y Acabado Fuente: Creación propia. En los dos siguientes puntos, es posible visualizar el mapeo general de los procesos de fundición y el análisis de las familias más importantes para ambas unidades de negocio, estas definiciones son fundamentales para direccionar de manera efectiva los esfuerzos del equipo Six Sigma. 103 4.2.1.1 Mapa de procesos de alto nivel (Mapeo general de procesos de fundición). El mapeo de procesos es fundamental para establecer la estrategia para el plan de mejora. Sin embargo existen distintos niveles de mapa de procesos, para este caso se realizó el estudio a un “alto nivel”, esto quiere decir que se establecieron los pasos básicos sin entrar a un detalle preciso de las operaciones, principalmente para ubicar las necesidades del mapeo VSM, ya que este detallará los desperdicios y las oportunidades generales y particulares de mejora. Existen diferentes pasos del proceso de fundición, estos pasos son fundamentales en esta y cualquier otra fundición. Los pasos básicos que fueron definidos para esta fundición parten de los establecidos en el capítulo 2. Sin embargo, para entender mejor las áreas de mejora, se dividio en cinco, se describen a continuación y son ilustradas en la figura 4.2. Montaje de máquina. Hace referencia a la colocación del modelo que será fabricado. Todo producto que sea moldeado necesita de un modelo maestro, el cual de la forma básica que será impresa en la arena para posteriormente vaciar el material fundido. Preparación de metal. El metal debe fundirse bajo ciertas condiciones que permitan una alta calidad en composición química y en estructura metalúrgica, por lo que los componentes deben ser pesados y balanceados. Preparación de arena. La arena de moldeo es sin duda uno de los componentes más importantes en los procesos de fundición, esta es la encargada de dar la calidad superficial e interna a las piezas metálicas, por lo que debe cumplir con condiciones básicas de proceso. Moldeo. Se refiere a la fabricación del molde de arena, a la impresión del modelo en la arena, al vaciado del metal fundido en la cavidad del molde y a la solidificación del metal dentro del molde. Desmoldeo. En esta operación se obtiene la pieza metálica solidificada a través de la destrucción del molde de arena. Sin embargo la pieza se encuentra a una temperatura que resulta difícil de maniobrar, por lo que debe ser enfriada durante un largo tiempo a temperatura ambiente. 104 Figura 4. 2 Descripción de los pasos que serán analizados en el mapeo de procesos de alto nivel. Extraído de http://www.industrialshapeandform.com/aboutfoundrypatterns/ A continuación se presenta el mapa general (Figura 4. 3) de un proceso de fundición y moldeo en arena, cabe resaltar que no se mostrara la información particular de la fundición de la planta en cuestión por ser secreto de marca. Sin embargo, se abordara un enfoque que permitirá entender claramente un proceso de esta índole. 105 Figura 4. 3 Mapa de Procesos de moldeo y fusión. Asignación de orden a máquina manual o semiautomática Pesaje de materia prima (lingotes y material de reciclaje) Preparación de arena Montaje de máquina Inicio Generación de orden de producción Revisión de Back Log y ordenes pendientes Preparación de metal Planeación de la producción Proceso de Moldeo Manual y Semiautomático. Búsqueda de modelo Colocación de aditamentos de montaje Planeación de reposiciones Entrega de orden de producción a supervisión Ajuste de modelo y máquina Montaje de modelo en maquina moldeadora Inspección de Proceso A Ajustar alineación hasta aprobación Pieza no alineada Alineación Correcta Carga de materia prima a horno de fusión Fusión de materia prima Adición de aleaciones maestras Inspección de Calidad Mezcla de materiales Ajustar composición química hasta aprobacion Composición química no cumple Composición química adecuada Flujo de arena de moldeo Transporte de arena a molino de mezcla Adición de arcillas de moldeo Adición de agua Mezclado de componentes Inspección de Calidad Arena no cumple propiedades Ajustar variables hasta obtener aprobación Moldeo Llenado de parte inferior de molde Vaciado de metal liquido Revisión de variables de fusión Desmoldeo Arena cumple propiedades Desplazamiento de molde hacia cama vibratoria Compresión de arena y formado de parte inferior Ajuste de variables de fusión Llenado de parte superior de molde Inspección de proceso Compresión de arena y formado de parte superior Retiro de modelo Ajustar variables de fusión hasta obtener aprobación No cumplen variables Colocación de corazones Vaciado de molde con metal fundido Unión de ambas partes de molde Solidificación de pieza Cumplen variables Desarenado de molde Retiro de pieza fundida Colocación de pieza en contenedor Enfriamiento de pieza Inspección de calidad Pieza Aprobada A Transporte a proceso de corte Fin Pieza Scrap Fuente: Creación propia. 106 Este mapa es representativo para los procesos de moldeo semiautomático y manual, solo es necesario entender que la parte semiautomática es realizada por una máquina que depende directamente del operador para ser manipulada, ya que es necesario colocar el insumo primario, el corazón. Esta pieza es con la que se dará una forma hueca a la pieza que busca ser moldeada en metal. Mientras que el moldeo manual únicamente puede ser fabricado por el operador, este solo cuenta con una pisoneta hidráulica y una mesa de pisoneado. 4.2.1.2 Determinación de familias clave La determinación de que familias serán mapeadas para mejorar el nivel de servicio es un paso fundamental. En este trabajo se estableció el uso de la matriz “Producto Proceso”. Sin embargo, actualmente en la compañía se cuenta con esa agrupación para las familias de productos, incluso existen celdas de manufactura que atienden familias completas, ya que la similitud de procesos es totalmente evidente, únicamente cambia el tamaño de la pieza. Lamentablemente no es posible exponer el nombre de las familias, por lo que únicamente se hace referencia con una letra del alfabeto para distinguirlas. Un ejemplo de la asignación de la matriz se coloca a continuación (El número de material y la descripción fue generada con números aleatorios, es solo una representación de la realidad). Tabla 4. 6 Matriz Producto Proceso para dos familias. Vertical Horizontal XXX XXX XXX Revisión y empaque XXX 176-A XXX XXX XXX XXX 182 182-A XXX XXX XXX XXX 186 186-A XXX XXX XXX XXX 167 167-A XXX XXX XXX XXX 138 138-A XXX XXX XXX XXX 102 102-A XXX XXX XXX XXX 112 112-B XXX XXX XXX XXX XXX 198 198-B XXX XXX XXX XXX XXX 142 142-B XXX XXX XXX XXX XXX 187 187-B XXX XXX XXX XXX XXX 168 168-B XXX XXX XXX XXX XXX 139 139-B XXX XXX XXX XXX XXX Material Descripción Pintura 183 183-A 176 Taladro Aplicación de cobertura Fuente: Creación propia. 107 Para determinar las familias que se someterán a estudio se realizó un análisis de Pareto y se consideró la primera familia generada por los datos del reporte de Incoming (Forecast de la compañía). Esto para efectos prácticos, solo se atendió la primera familia por cuestiones de futuras demandas y por qué es la que ocupa mayor capacidad del proceso. Esto es evidente en los siguientes títulos. Familias Unidad de Negocios 1 Los productos de Make to Stock se generan en la Unidad 1, por lo que al tomar únicamente la familia A, se podrá mejorar aproximadamente el 17.5% del universo total de familias en la organización. Esta familia “A”, es manufacturada en modelo semiautomático de la planta A, por lo que el mapeo de la cadena de valor se realizó en dicho proceso. Solo como referencia, la familia “A” corresponde a un producto líder en el mercado y característico de la organización en productos preparados para soportar duras condiciones de intemperie. Gráfico 4. 1 Diagrama de Pareto para las distintas familias manufacturadas por la Unidad de Negocio 1. Diagrama de Pareto de Familia U1 100 60 C 11.7 44.6 F 10.4 54.9 D 9.7 64.7 E 9.4 74.1 J 8.3 82.4 923958 434175 B 15.3 32.8 492304 A 17.5 17.5 510329 0 Familia U1 Porcentaje % acumulado 544154 1000000 614907 2000000 802737 3000000 Otro 17.6 100.0 40 Porcentaje 80 4000000 917111 U1 Demanda [Pcs/Año] 5000000 20 0 Fuente: Creación propia, reporte de incoming 2013. 108 Familias Unidad de Negocio 2 Los productos de Make to Order se producen en la Unidad 2, en esta Unidad dichos productos cubren los sectores de iluminación para lugares agresivos y corrosivos, además de equipos para la industria petrolera, minera y dedicada a la soldadura. Por lo que al seleccionar la familia “AA”, se consideró un producto líder en el mercado petrolero y eléctrico, por lo que esta selección cubre el 24% del universo de familias manufacturadas en la Unidad 2. Afortunadamente en términos del estudio, esta familia es moldeada en un proceso manual de fundición. Gráfico 4. 2 Diagrama de Pareto para las distintas familias manufacturadas por la Unidad de Negocio 2. Diagrama de Pareto de Familia U2 1400000 100 80 800000 198813 55302 CC 11.9 52.0 58648 BB 15.3 40.2 85656 AA 24.8 24.8 87638 0 Familia U2 Porcentaje % acumulado 111980 200000 147807 400000 191322 600000 60 EE 9.0 61.0 DD 7.0 68.0 HH 6.9 74.9 JJ 4.7 79.6 FF Otro 4.4 15.9 84.1 100.0 40 Porcentaje 1000000 309316 U2 Demanda [Pcs/Año] 1200000 20 0 Fuente: Creación propia, reporte de incoming 2013. 109 4.2.3 Establecer métricos principales y secundarios El medir es una de las partes fundamentales del estudio, ya que si no es posible medir, no es posible controlar, lo que no se puede controlar, no se puede dirigir y si no se puede dirigir es imposible mejorarlo. Esta premisa indica que la parte medular es exclusivamente la medición, no se trata de medir por medir, es necesario observar la figura 4.4, donde se muestra cuáles son las variables de interés y por lo tanto el establecimiento de los métricos. Figura 4. 4 Representación del proceso de fundición y sus variables a medir Fuente: Creación propia, reporte de incoming 2013. En la figura anterior se presenta un rectángulo que corresponde al proceso principal, este es el proceso de fundición que incluye una serie de diferentes eventos que lo componen; dos flechas que están ubicadas en la parte superior e inferior del diagrama, estas flechas indican el tiempo de entrega del material (Lead Time) y el cumplimiento en tiempo de las ordenes de producción; por último, existen dos flechas que rodean al proceso de fundición, estas flechas corresponden a la entrada del proceso (Orden de producción), la cual se encuentra como línea punteada por ser solo flujo de información y la segunda flecha que corresponde a la pieza aceptable que será entregada al siguiente proceso como una flecha de contorno sólido. Al observar con detenimiento este diagrama es posible establecer que los métricos de interés para el estudio corresponden al tiempo de entrega y al nivel de servicio. Estos dos dependen radicalmente de las variables escritas en el proceso de fundición (tiempos muertos, tiempos de operación y las piezas rechazadas), estas variables se consideraran como métricos secundarios que impactaran totalmente en los métricos de interés. 110 Estos métricos de interés o métricos clave son los que permitieron determinar si el proyecto es efectivo y si fue posible mejorar los dos procesos de fundición con sus familias características. Para cada métrico existe un objetivo bien definido y el tipo de dato que fue recabado, además del tipo de gráfico de control para su correcto seguimiento. Para los métricos claves se presenta la tabla 4.7. Tabla 4. 7 Métricos claves. Métrico Enunciado Nivel de Ordenes cumplidas / Servicio Ordenes de producción Lead Time Tiempo de entrega Objetivo Cambiar la media y reducir variación Cambiar la media y reducir variación Tipo de datos Continuo Gráfico de control I-MR Continuo I-MR Fuente: Creación propia. En el caso de los métricos secundarios es necesario establecer ciertas secciones que permitan una medición más segregada y sobre todo la correcta clasificación de los tiempos y scrap. Para el caso de los tiempos muertos se realizó la clasificación de la tabla 4.8, donde se involucran diferentes actividades que provocaron que la línea de producción se detuviera, esta clasificación permitió detectar fácilmente las áreas de oportunidad. Para las piezas defectuosas se realizó la clasificación establecida en el estudio R&R por atributos, la cual se encuentra en la tabla ya mencionada. Lamentablemente no es posible presentar la clasificación a detalle por cuestiones de confidencialidad, pero lo general es descrito en la tabla 4.9. 111 Tabla 4. 8 Clasificación de métricos claves y definición. Métrico Concepto Montaje de maquina Mantenimiento Actividades Humanas Tiempo Muerto Actividades de Proceso Pruebas de Ingeniería Piezas Defectuosas Scrap en Moldeo Scrap en vaciado Scrap en desmoldeo Definición Actividades referentes al cambio de modelo en producción. Actividades referentes al paro de una maquina por averías de la índole mecánica, eléctrica, neumática o por combustión. Estas pueden ser preventivas o correctivas. Actividades relativas a las actividades necesarias humanas (aseo personal, limpieza de máquinas, comida del personal, pláticas y capacitación). Actividades referentes a que los herramentales que fueron colocados en las maquinas cumplan los estándares mínimos de producción, además de ajustes del índole de composición química en aleaciones y de variables básicas de proceso en arenas de moldeo. Actividades referentes al paro de las maquinas o procesos para validar instrucciones especiales de calidad e ingeniería; inspecciones de proceso, ya sean programadas o no programadas y ejecución de experimentos por diferentes áreas de ingeniería. Piezas rechazadas que tienen su origen en el subproceso de moldeo (molde roto, desplazamiento de molde, “cola de rata”, etc) Piezas rechazadas que tienen su origen en el subproceso de vaciado (Falta de llenado, unión fría, rechupes, etc.). Piezas rechazadas que son detectados en desmoldeo (Golpes por operación, fracturas de material, arrastre de arena, etc.) Fuente: Creación propia. Tabla 4. 9 Métricos Secundarios. Métrico Definición Montaje de maquina Tiempo / Semana Mantenimiento Tiempo / Semana Actividades Humanas Tiempo / Semana Actividades de proceso Tiempo / Semana Pruebas de Ingeniería Tiempo / Semana Cantidad de Scrap en moldeo Cantidad de Scrap en vaciado Cantidad de scrap en desmoldeo Piezas Defectuosas / Total Manufacturadas Piezas Defectuosas / Total Manufacturadas Piezas Defectuosas / Total Manufacturadas Objetivo Tipo de datos Gráfico de control Cambiar la media y reducir variación Cambiar la media y reducir variación Cambiar la media y reducir variación Cambiar la media y reducir variación Cambiar la media y reducir variación Cambiar la media y reducir variación Cambiar la media y reducir variación Cambiar la media y reducir variación Continuo I-MR Continuo I-MR Continuo I-MR Continuo I-MR Continuo I-MR Continuo I-MR Continuo I-MR Continuo I-MR Fuente: Creación propia. 112 4.2.4 Validar el sistema de medición. Para ejecutar el análisis completo que exige la metodología Six Sigma, es necesario validar el sistema de medición. Por ello, tal como se detalló en el capítulo tres, se desarrolló un estudio R&R por atributos para los métricos que directamente son obtenidos en piso por parte de los operadores e inspectores. Este análisis requirió distintos recursos y sobre todo el tiempo necesario para realizar la aplicación de las evaluaciones. Para esta tesis, se muestran a continuación los estudios realizados a los trabajadores de las áreas de moldeo Semiautomático y manual, además, de los operadores del área de corte. 4.2.4.1 Validación de toma de datos para la representación de tiempos muertos. Se aplicó la evaluación escrita a los operadores del área de moldeo semiautomático y moldeo manual, las evaluaciones fueron resguardadas y es información confidencial de la compañía. Sin embargo, el análisis final que permitió evaluar a los operadores se presenta completo en este capítulo. Por esta razón, los resultados obtenidos para los operadores del moldeo semiautomático se presentan a continuación. El moldeo semiautomático no arrojó muchas diferencias, esto es mostrado en el gráfico 4. 5, en el gráfico que se encuentra en la parte izquierda, es notorio que los operadores conocen las causas raíz de los tiempos muertos, incluso pueden repetir sus propios resultados de manera homogénea, así como la capacidad de aseverar los mismos resultados entre ellos. No obstante, las mediciones difieren del estándar hasta en un 25%; este análisis es meramente cualitativo, ya que el gráfico solo es una breve representación de la realidad. Por ello, al analizar la imagen 4. 6, donde se encuentran los datos analíticos, podemos asegurar que los operadores tuvieron muchas coincidencias consigo mismos, el dato más pequeño fue de 91 % de coincidencias, mientras que en la figura 4. 7 se observa el coeficiente de Kappa para las evaluaciones individuales que son aceptables, ya que se cuenta con un coeficiente mayor a 0.7, este dato quiere decir que las respuestas de los evaluadores son ciertas y pueden ser repetitivas por ellos mismos. La mayoría de los operadores cuentan con un coeficiente mayor a 0.9, por lo que sus aseveraciones son casi perfectas, por lo tanto esta sección del estudio es aprobada. 113 Figura 4. 5 Gráficos de evaluaciones entre observadores para el estudio R&R por atributos en moldeo semiautomático para toma de tiempos muertos. Fecha del estudio: Notificado por: Nombre del producto: Misc: Acuerdo de evaluación Individual por evaluador 95 95 90 90 85 80 95.0% de IC P orcentaje 100 Porcentaje Porcentaje Evaluador vs. el estándar 95.0% de IC P orcentaje 100 Septiembre 2013 Gerencia de Manufactura Tiempo Muerto Moldeo Semiautomático 85 80 75 75 70 70 A B C D E F G H I J L M A B C D E F G H I J L M Evaluador Evaluador Fuente: Creación propia. Figura 4. 6 Información generada por Minitab® para evaluación individual por evaluador en moldeo semiautomático para toma de tiempos muertos. Análisis de concordancia de atributos para Moldeo Semiatumatico Fecha del estudio: Notificado por: Nombre del producto: Misc: Septiembre 2013 Gerencia de Manufactura Tiempo Muerto Moldeo Semiatumatico Individual por evaluador Acuerdo de evaluación Evaluador A B C D E F G H I J L M No. de inspeccionados 60 60 60 60 60 60 60 60 60 60 60 60 No. de coincidencias 56 55 55 59 55 57 55 56 57 59 57 57 Porcentaje 93.33 91.67 91.67 98.33 91.67 95.00 91.67 93.33 95.00 98.33 95.00 95.00 IC de 95% (83.80, 98.15) (81.61, 97.24) (81.61, 97.24) (91.06, 99.96) (81.61, 97.24) (86.08, 98.96) (81.61, 97.24) (83.80, 98.15) (86.08, 98.96) (91.06, 99.96) (86.08, 98.96) (86.08, 98.96) No. de coincidencias: El evaluador coincide consigo a través de las pruebas. Fuente: Creación propia. 114 Figura 4. 7 Coeficiente de Kappa para evaluación individual por evaluador en moldeo semiautomático para toma de tiempos muertos. Estadísticas Kappa de Fleiss Evaluador A B C D E F G H I J Respuesta 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 Kappa 0.97231 0.92868 0.90232 0.93284 0.94591 0.87281 0.92987 0.91601 0.89730 0.94912 0.90368 0.91652 1.00000 0.97408 0.97623 0.98328 0.91111 0.90649 0.92776 0.91529 0.94591 0.97662 0.92369 0.94961 0.89303 0.95215 0.90081 0.91633 0.91239 0.92910 0.95215 0.93241 0.97231 0.95300 0.92561 0.94958 0.97296 0.97637 1.00000 Error estándar de Kappa 0.0745356 0.0745356 0.0745356 0.0529272 0.0745356 0.0745356 0.0745356 0.0528943 0.0745356 0.0745356 0.0745356 0.0527475 0.0745356 0.0745356 0.0745356 0.0527855 0.0745356 0.0745356 0.0745356 0.0532447 0.0745356 0.0745356 0.0745356 0.0528943 0.0745356 0.0745356 0.0745356 0.0528159 0.0745356 0.0745356 0.0745356 0.0531632 0.0745356 0.0745356 0.0745356 0.0529430 0.0745356 0.0745356 0.0745356 Z 13.0449 12.4595 12.1059 17.6250 12.6908 11.7100 12.4755 17.3178 12.0386 12.7338 12.1241 17.3756 13.4164 13.0686 13.0974 18.6278 12.2238 12.1619 12.4472 17.1903 12.6908 13.1028 12.3925 17.9529 11.9813 12.7745 12.0857 17.3496 12.2411 12.4651 12.7745 17.5386 13.0449 12.7858 12.4184 17.9358 13.0536 13.0993 13.4164 P(vs > 0) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fuente: Creación propia. Las evaluaciones correspondientes contra el estándar permitirán conocer si los operadores de moldeo semiautomático concuerdan con la información que fue validada como oficial y como requerimiento mínimo para formar parte de esta valoración. Además, la toma de estos datos es una tarea fundamental del puesto que desempeñan día a día. En la figura 4. 8 se encuentra la información analítica de esta evaluación, es evidente que los evaluadores concuerdan con el estándar de una forma homogénea, esto basado en el porcentaje de coincidencias. De nueva cuenta, el operador B y G son los dos que cuentan con el menor número de coincidencias, pero no perjudican al estudio, ya que la información mostrada en la figura 4.9 demuestra que el coeficiente de Kappa para ambos operadores no es motivo de rechazo, ya que se encuentra superior a 0.7, lo que permite considerar el resultado como considerable y por lo tanto es totalmente aceptable. 115 Figura 4. 8 Información generada por Minitab® para evaluador individual contra el estándar en moldeo semiautomático para toma de tiempos muertos. Cada evaluador vs. El estándar Acuerdo de evaluación Evaluador A B C D E F G H I J L M No. de inspeccionados 60 60 60 60 60 60 60 60 60 60 60 60 No. de coincidencias 52 48 52 56 50 54 48 53 51 55 52 53 Porcentaje 86.67 80.00 86.67 93.33 83.33 90.00 80.00 88.33 85.00 91.67 86.67 88.33 IC de 95% (75.41, 94.06) (67.67, 89.22) (75.41, 94.06) (83.80, 98.15) (71.48, 91.71) (79.49, 96.24) (67.67, 89.22) (77.43, 95.18) (73.43, 92.90) (81.61, 97.24) (75.41, 94.06) (77.43, 95.18) Fuente: Creación propia. Figura 4. 9 Coeficiente de Kappa para evaluación individual para evaluador individual contra el estándar en moldeo semiautomático para toma de tiempos muertos. Estadísticas Kappa de Fleiss Evaluador A B C D E F G H I J Respuesta 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 Kappa 0.859587 0.821343 0.915433 0.865461 0.805334 0.680587 0.858384 0.781480 0.825210 0.852320 0.940283 0.874430 0.878992 0.875903 0.988148 0.916272 0.783954 0.810299 0.891748 0.831345 0.916871 0.881885 0.852643 0.882352 0.735064 0.832536 0.769838 0.781533 0.827785 0.857119 0.976077 0.890434 0.775448 0.869630 0.817753 0.823407 0.861686 0.881042 0.926740 Error estándar de Kappa 0.0745356 0.0745356 0.0745356 0.0529752 0.0745356 0.0745356 0.0745356 0.0529399 0.0745356 0.0745356 0.0745356 0.0528296 0.0745356 0.0745356 0.0745356 0.0528344 0.0745356 0.0745356 0.0745356 0.0531436 0.0745356 0.0745356 0.0745356 0.0529399 0.0745356 0.0745356 0.0745356 0.0529289 0.0745356 0.0745356 0.0745356 0.0530943 0.0745356 0.0745356 0.0745356 0.0529790 0.0745356 0.0745356 0.0745356 Z 11.5326 11.0195 12.2818 16.3371 10.8047 9.1310 11.5164 14.7616 11.0714 11.4351 12.6152 16.5519 11.7929 11.7515 13.2574 17.3424 10.5179 10.8713 11.9641 15.6434 12.3011 11.8317 11.4394 16.6671 9.8619 11.1696 10.3285 14.7657 11.1059 11.4995 13.0954 16.7708 10.4037 11.6673 10.9713 15.5421 11.5607 11.8204 12.4335 P(vs > 0) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fuente: Creación propia. 116 El moldeo manual involucró menos operadores que los implicados en la evaluación del moldeo semiautomático, esto por que únicamente se cuenta con dos estaciones en tres turnos. Este comportamiento se debe a que las estaciones manuales cuentan con los operadores de mayor experiencia en la compañía, es un área difícil y demasiado física, donde la destreza de cada operador es crucial para que se manufacture cada molde con la calidad adecuada. El reflejo de la experiencia de los operadores se encuentra en la figura 4. 10, el lado gráfico izquierdo de la figura muestra bastante concordancia entre las aseveraciones de cada operador, además la correspondencia entre ellos es bastante aceptable. Mientras que contra el estándar, dos individuos parecen contar con ciertos detalles en la evaluación. Figura 4. 10 Gráficos de evaluaciones entre observadores para el estudio R&R por atributos en moldeo Manual para toma de tiempos muertos Fecha del estudio: Notificado por: Nombre del producto: Misc: Acuerdo de evaluación Individual por evaluador Evaluador vs. el estándar 100 95.0% de IC P orcentaje 95 95 90 90 Porcentaje Porcentaje 100 85 80 75 75 II III IV V Evaluador VI 95.0% de IC P orcentaje 85 80 I Octubre 2013 Gerencia de Manufactura Tiempo muerto Moldeo Manual I II III IV V Evaluador VI Fuente: Creación propia. Para descarta cualquier duda sobre los gráficos de concordancias de atributos, la información analítica permite conocer a detalle la evaluación del ensayo. En la figura 4.11, queda demostrado que la experiencia de los operadores de moldeo manual permitirá generar información clara y totalmente útil para generar el despliegue estratégico de esta fundición. Los operadores que podrían generar algún dato que no concuerden con la realidad son acaso los numero II y V, estos 117 operadores cuentan con el 90% de coincidencias, visto desde este punto, parece ser un porcentaje aceptable. Al observar los coeficientes Kappa donde el menor obtenido es de 0.89 (figura 4.12), esto permite aceptar el estudio y considerarlo como un caso ideal. Figura 4. 11 Información generada por Minitab® para evaluación individual por evaluador en moldeo manual para toma de tiempos muertos. Análisis de concordancia de atributos para Moldeo Manual Fecha del estudio: Notificado por: Nombre del producto: Misc: Octubre 2013 Gerencia de Manufactura Tiempo muerto Moldeo Manual Individual por evaluador Acuerdo de evaluación Evaluador I II III IV V VI No. de inspeccionados 60 60 60 60 60 60 No. de coincidencias 56 54 58 57 54 56 Porcentaje 93.33 90.00 96.67 95.00 90.00 93.33 IC de 95% (83.80, 98.15) (79.49, 96.24) (88.47, 99.59) (86.08, 98.96) (79.49, 96.24) (83.80, 98.15) No. de coincidencias: El evaluador coincide consigo a través de las pruebas. Fuente: Creación propia. La figura 4.12 presenta los coeficientes de Kappa para cada operador y los ensayos que realizo, para este ejercicio los valores del coeficiente son aceptables, esto porque se encuentran por encima del 0.7. No obstante, los operadores II y V presentan ciertos detalles en sus respuestas, para garantizar los resultados de sus mediciones será necesario una capacitación enfocada hacia los puntos donde tuvieron cierta discrepancia. Todos los demás operadores no presentaron detalles en las mediciones, por lo que sus respuestas y aseveraciones son totalmente aceptables. 118 Figura 4. 12 Coeficiente de Kappa para evaluación individual por evaluador en moldeo manual para toma de tiempos muertos. Estadísticas Kappa de Fleiss Evaluador I II III IV V VI Respuesta 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General Kappa 0.972308 0.902320 0.928675 0.932842 0.896313 0.904900 0.897304 0.899656 0.969920 0.952731 0.976366 0.966063 0.972957 0.951509 0.927263 0.949777 0.890561 0.904306 0.902320 0.899413 0.944615 0.903017 0.952153 0.932861 Error estándar de Kappa 0.0745356 0.0745356 0.0745356 0.0529272 0.0745356 0.0745356 0.0745356 0.0527855 0.0745356 0.0745356 0.0745356 0.0533247 0.0745356 0.0745356 0.0745356 0.0528389 0.0745356 0.0745356 0.0745356 0.0528808 0.0745356 0.0745356 0.0745356 0.0529233 Z 13.0449 12.1059 12.4595 17.6250 12.0253 12.1405 12.0386 17.0436 13.0128 12.7822 13.0993 18.1166 13.0536 12.7658 12.4405 17.9750 11.9481 12.1325 12.1059 17.0083 12.6733 12.1152 12.7745 17.6267 P(vs > 0) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fuente: Creación propia. Al evaluar a los operadores de moldeo manual contra el estándar se obtuvieron resultados interesantes, todos pasaron la evaluación (figura 4.13). Sin embargo, los operadores II, V y VI tuvieron un bajo desempeño con respecto a los operadores I, II y IV. Esto concuerda con los años de experiencia, estos últimos tres operadores cuentan con más de 15 años en el proceso de moldeo manual y refieren una gran práctica en su estación de trabajo. Por otra parte, el operador II tiene dos años laborando en varias áreas de la compañía y escasos seis meses en moldeo manual. Mientras que, los operadores V y VI cuentan con aproximadamente cinco años en su estación de trabajo. Para garantizar la veracidad de los resultados de cada operador, es necesario analizar los coeficientes de Kappa. Estos datos se presentan en la figura 4.14, los coeficientes evidencian que las aseveraciones anteriores son acertadas, los operadores que presentan ciertos detalles son los II, V y VI. No obstante, los coeficientes son superiores al valor de 0.7, este resultado permite aprobar el ensayo para todos. 119 Figura 4. 13 Información generada por Minitab® para evaluador individual contra el estándar en moldeo manual para toma de tiempos muertos. Cada evaluador vs. el estándar Acuerdo de evaluación Evaluador I II III IV V VI No. de inspeccionados 60 60 60 60 60 60 No. de coincidencias 54 50 56 56 51 53 Porcentaje 90.00 83.33 93.33 93.33 85.00 88.33 IC de 95% (79.49, 96.24) (71.48, 91.71) (83.80, 98.15) (83.80, 98.15) (73.43, 92.90) (77.43, 95.18) No. de coincidencias: La estimación del evaluador a través las pruebas coincide con el estándar conocido. Fuente: Creación propia. Figura 4. 14 Coeficiente de Kappa para evaluación individual para evaluador individual contra el estándar en moldeo manual para toma de tiempos muertos. Estadísticas Kappa de Fleiss Evaluador I II III IV V VI Respuesta 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General 1 2 3 General Kappa 0.887996 0.867110 0.964444 0.907515 0.865915 0.844322 0.839457 0.849340 0.941374 0.905150 0.952373 0.932368 0.944775 0.975580 0.927991 0.949675 0.902473 0.880383 0.842948 0.874029 0.888462 0.878893 0.904306 0.890819 Error estándar de Kappa 0.0745356 0.0745356 0.0745356 0.0529752 0.0745356 0.0745356 0.0745356 0.0528541 0.0745356 0.0745356 0.0745356 0.0531651 0.0745356 0.0745356 0.0745356 0.0529250 0.0745356 0.0745356 0.0745356 0.0529471 0.0745356 0.0745356 0.0745356 0.0529796 Z P(vs 11.9137 11.6335 12.9394 17.1309 11.6175 11.3278 11.2625 16.0695 12.6299 12.1439 12.7774 17.5372 12.6755 13.0888 12.4503 17.9438 12.1079 11.8116 11.3093 16.5076 11.9200 11.7916 12.1325 16.8144 > 0) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fuente: Creación propia. 120 4.2.4.2 Identificación y clasificación de Scrap. La ejecución de este estudio requirió la intervención de distintos miembros de la organización, tal es el caso de inspectores de calidad, supervisores de producción e incluso gerentes de calidad y manufactura. Esta evaluación es de mucha importancia para los procesos de fundición, ya que se han presentado diversos comentarios sobre la correcta selección de las piezas que son rechazadas por los operadores. Para esta tesis solo fue validado el sistema de medición, aunque, la compañía tomo este estudio como línea base para otro tipo de proyectos. La evaluación se realizó de manera presencial de los operadores del departamento de corte, a cada uno le fue entregado las piezas que previamente habían sido seleccionadas y aprobadas por las distintas gerencias. En dicho departamento, los operadores fungen como auto inspectores, esto quiere decir que ellos mismos seleccionan y aprueban las piezas que llegan a su proceso y deben impedir que llegue material defectuoso al siguiente proceso. La certificación de un operador auto inspector no es una tarea sencilla, involucra diferentes capacitaciones sobre el conocimiento técnico de defectos, especificaciones de la pieza y aplicaciones del producto en la vida cotidiana. Los resultados se encuentran a continuación. El estudio por atributos para la selección y clasificación de defectos arrojo datos interesantes y de bastante utilidad para la compañía, los ocho operadores cuentan con una consistencia aceptable en las aseveraciones que realizaron, al menos concordaron en la mayoría de observaciones, de igual manera contra el estándar tuvieron bastante consistencia. Sin embargo, estos comentarios nacen de la figura 4.15, donde se representa de manera gráfica los resultados del ensayo. Como ya se mencionó, la información mostrada en los gráficos figura para ser aceptada. Al analizar los datos analíticos del ensayo (Figura 4.16), es posible distinguir ciertos detalles que no fueron visibles en la figura 4.15, los evaluadores que tuvieron un menor desempeño son los que son identificados con la letra Ay la C, ellos tuvieron un total de 89% y 91% de coincidencias en sus aseveraciones. Esto quiere decir que a través del tiempo tienen un porcentaje confiable de aciertos. 121 Figura 4. 15 Gráficos de evaluaciones entre observadores para el estudio R&R por atributos para la identificación y clasificación de Scrap. Fecha del estudio: Notificado por: Nombre del producto: Misc: Acuerdo de evaluación Individual por evaluador Evaluador vs. el estándar 100 95.0% de IC P orcentaje 95 95 90 90 Porcentaje Porcentaje 100 85 Octubre 2013 Gerencia de Control de Calidad Scrap por fundición Departamento de Corte 95.0% de IC P orcentaje 85 80 80 75 75 A B C D E F G H Evaluador A B C D E F G H Evaluador Fuente: Creación propia. Figura 4. 16 Información generada por Minitab® para evaluación individual por evaluador en el proceso de corte para la identificación y clasificación de Scrap. Análisis de concordancia de atributos para Corrida Fecha del estudio: Notificado por: Nombre del producto: Misc: Octubre 2013 Gerencia de Control de Calidad Scrap por fundición Departamento de Corte Individual por evaluador Acuerdo de evaluación Evaluador A B C D E F G H No. de inspeccionados 100 100 100 100 100 100 100 100 No. de coincidencias 89 93 91 92 93 93 92 97 Porcentaje 89.00 93.00 91.00 92.00 93.00 93.00 92.00 97.00 IC de 95% (81.17, 94.38) (86.11, 97.14) (86.11, 97.14) (83.60, 95.80) (84.84, 96.48) (86.11, 97.14) (84.84, 96.48) (91.48, 99.38) No. de coincidencias: El evaluador coincide consigo a través de las pruebas. Fuente: Creación propia. 122 Por otra parte, el coeficiente de Kappa permitirá visualizar si el operador es capaz de tomar la decisión correcta para cada una de las piezas que clasifica, esta evaluación únicamente presenta dos tipos de decisiones, pieza aceptada o rechazada. Donde, a las piezas que son aceptadas el operador evaluó con un numero uno (1) y para las piezas rechazadas se designó un cero (0). Esta separación necesita validarse con las evaluaciones entre el operador, sus compañeros y el estándar. El coeficiente para las evaluaciones aprobatorias y reprobatorias de la coincidencia del operador consigo se presenta en la figura 4.17. La información solo arroja un operador que podría comprometer la evaluación, en este caso es el que se identifica con la letra “A”, él cuenta con un coeficiente del 0.76 que se encuentra por encima del aceptado para el ejercicio. Sin embargo, para no comprometer las mediciones de este operador fue capacitado de nueva cuenta como un refuerzo a sus mediciones. Figura 4. 17 Coeficiente de Kappa para evaluación individual por evaluador en el proceso de corte para la identificación y clasificación de Scrap. Estadísticas Kappa de Fleiss Evaluador A B C D E F G H Respuesta 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 Kappa 0.769850 0.769850 0.824451 0.824451 0.803472 0.803472 0.812997 0.812997 0.828242 0.828242 0.840456 0.840456 0.821747 0.821747 0.929237 0.929237 Error estándar de Kappa 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 Z 7.69850 7.69850 8.24451 8.24451 8.03472 8.03472 8.12997 8.12997 8.28242 8.28242 8.40456 8.40456 8.21747 8.21747 9.29237 9.29237 P(vs > 0) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fuente: Creación propia. La capacidad para coincidir consigo de los operadores fue validada, esta conclusión no garantiza que lo que los operadores clasifican como desperdicio sea lo correcto. Por ello, es necesario realizar la comparativa contra el estándar; este estándar fue validado con los gerentes de la compañía y diferentes niveles de ingeniería. Por lo que, la respuesta de los operadores debe coincidir con la generada por el staff para que no se creen riesgos que puedan afectar la calidad de los productos, tal es el caso de aprobar piezas que no cumplan con los estándares o desechar piezas que sean cumplan con los requerimientos de los clientes. Este análisis se muestra en la figura 4.18. 123 Figura 4. 18 Información generada por Minitab® para evaluador individual contra el estándar en el proceso de corte para la identificación y clasificación de Scrap. Cada evaluador vs. el estándar Acuerdo de evaluación Evaluador A B C D E F G H No. de inspeccionados 100 100 100 100 100 100 100 100 No. de coincidencias 81 85 86 83 85 87 87 93 Porcentaje 81.00 85.00 86.00 83.00 85.00 87.00 87.00 93.00 IC de 95% (71.93, 88.16) (76.47, 91.35) (77.63, 92.13) (74.18, 89.77) (76.47, 91.35) (78.80, 92.89) (78.80, 92.89) (86.11, 97.14) No. de coincidencias: La estimación del evaluador a través las pruebas coincide con el estándar conocido. Fuente: Creación propia. La mayoría de operadores cuentan con un porcentaje aceptable contra el estándar, esto es evidente porque todos cuentan con un porcentaje superior al 80%. Sin embargo, este número es evidencia del área de oportunidad que cuentan los operadores A, B, D y E; ya que en un proyecto futuro pueden ser capacitados para lograr el conocimiento del operador H que logro un porcentaje superior al grupo. Estas aseveraciones necesitan ser validadas por el coeficiente de Kappa y deben ser analizadas las discrepancias, esto quiere decir las evaluaciones en las que aprobaron piezas que cumplen el estándar y viceversa. Esta información se presenta en la figura 4.19 y 4.20 respectivamente. Figura 4. 19 Coeficiente de Kappa para evaluación individual para evaluador individual contra el estándar en el proceso de corte para la identificación y clasificación de Scrap. Estadísticas Kappa de Fleiss Evaluador A B C D E F G H Respuesta 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 Kappa 0.702481 0.702481 0.718963 0.718963 0.784645 0.784645 0.693081 0.693081 0.720244 0.720244 0.779051 0.779051 0.793199 0.793199 0.869104 0.869104 Error estándar de Kappa 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 0.0707107 Z 9.9346 9.9346 10.1677 10.1677 11.0966 11.0966 9.8016 9.8016 10.1858 10.1858 11.0174 11.0174 11.2175 11.2175 12.2910 12.2910 P(vs > 0) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Fuente: Creación propia. 124 Figura 4. 20 Discrepancia en las evaluaciones evaluador individual contra el estándar en el proceso de corte para la identificación y clasificación de Scrap. Discrepancia en la evaluación Evaluador A B C D E F G H # 1 / 0 8 3 5 5 5 4 4 3 Porcentaje 11.43 4.29 7.14 7.14 7.14 5.71 5.71 4.29 # 0 / 1 0 5 0 4 3 2 1 1 Porcentaje 0.00 16.67 0.00 13.33 10.00 6.67 3.33 3.33 No. de combinados 11 7 9 8 7 7 8 3 Porcentaje 11.00 7.00 9.00 8.00 7.00 7.00 8.00 3.00 # 1 / 0: Evaluaciones a través de ensayos = 1 / estándar = 0. # 0 / 1: Evaluaciones a través de ensayos = 0 / estándar = 1. No. de combinados: Las evaluaciones de los ensayos no son idénticas. Fuente: Creación propia. Los coeficientes de Kappa para la evaluación contra el estándar (Figura 4.19) arrojan que las aseveraciones de los evaluadores son totalmente aceptables. Sin embargo, el operador D y A pueden comprometer sus mediciones por estar muy cerca del valor permitido de 0.7, esta información confirma la necesidad de capacitación en cuestión de identificación de defectos. En cuestión de las discrepancias (figura 4.20), existe un porcentaje considerable en el sección de las piezas que son aprobadas y deberían ser clasificadas como desperdicio (#1/0), esta condición es totalmente indeseable ya que alguna pieza defectuosa puede llegar a manos del siguiente cliente interno o en el peor de los casos llegue a manos del cliente final; este posible escenario debe ser totalmente eliminado, por lo que la capacitación del operador A es una total prioridad. La condición que indica el rechazo de piezas que cumplen con el estándar de calidad (#0/1) es menos nociva que la condición del párrafo anterior, ya que esta solo ocasionará que piezas aceptables sean reprocesadas o compongan una nueva carga fundida. Esta condición impacta directamente a la productividad y al cumplimiento de las piezas, por lo que para abrir un proyecto de clasificación en el futuro es totalmente necesario capacitar a los operadores B, D y E. Como último punto de evaluación del sistema de medición, es necesario comparar a todos los evaluadores contra el estándar, esto permitirá validar al 100% el sistema de clasificación de defectos. Este ejercicio se encuentra en la figura 4.21. 125 Figura 4. 21 Información generada por Minitab® para todos los evaluadores contra el estándar en el proceso de corte para la identificación y clasificación de Scrap. Todos los evaluadores vs. el estándar Acuerdo de evaluación No. de inspeccionados 100 No. de coincidencias 56 Porcentaje 56.00 IC de 95% (45.72, 65.92) No. de coincidencias: Todas las estimaciones de los evaluadores coinciden con el estándar conocido. Estadísticas Kappa de Fleiss Respuesta 0 1 Kappa 0.757596 0.757596 Error estándar de Kappa 0.025 0.025 Z 30.3038 30.3038 P(vs > 0) 0.0000 0.0000 Fuente: Creación propia. La información mostrada en la figura 4.21 ilustra totalmente que el estudio debe ser aprobado, pero es necesario reforzar los conocimientos de los operadores respecto al rechazo de piezas de fundición. Este detalle no será un impedimento para aprobar el estudio y comenzar con la documentación del estado actual del proceso de los procesos de función de la compañía. Al contar con un valor ligeramente superior a 0.7 fue aprobado el estudio por atributos para la clasificación e identificación de defectos. 4.2.5 Documentar el estado actual. En esta sección se abordara la caracterización estadística de los resultados obtenidos con la toma de datos de la primera mitad del 2013, estos datos fueron recabados con la metodología marcada en el capítulo 3 y fueron analizados con el software Minitab® 16. Además, se coloca el gráfico de control estadístico con el que se podrá observar las variaciones respecto al tiempo, tendencias positivas y negativas (Anexo 3). La caracterización arroja varios resultados básicos en la estadística descriptiva. Sin embargo, los datos de interés son los siguientes: Media Desviación estándar Mediana 126 4.2.4.1 Métricos Clave. La mejora continua de los procesos necesita ser medida de una manera puntual y uniforme, por ello es crucial determinar los métricos que determinaran si la mejora es efectiva. Para este caso fueron designados dos conceptos sumamente importantes, estos son el nivel de servicio y el Lead Time. Estos valores fueron medidos de manera puntual con la relación directa que arroja el software de administración de la producción SAP®, durante la primera mitad del 2013. Por otra parte, el Lead Time fue determinado por un servidor, basado en la toma de tiempos en proceso y corroborado con el mismo software. A continuación se presentan los datos recabados para el nivel de servicio y el Lead Time para la familia “A” manufacturada en la unidad 1 (Moldeo Semiautomático) y para la unidad 2, la familia “AA” (Moldeo Manual). Tabla 4. 10 Datos para métricos clave. Nivel de Servicio [OC/OP]. Estadística descriptiva Moldeo Moldeo Semiautomático Manual Media 0.55 0.82 Desviación estándar 0.06 0.05 Mediana 0.54 0.79 Fuente: Creación propia. Tabla 4. 11 Datos para métricos clave. Lead Time [s]. Estadística descriptiva Moldeo Moldeo Semiautomático Manual Media 1255 2065 Desviación estándar 74 259 Mediana 1254 2101 Fuente: Creación propia. En las tablas anteriores es posible visualizar las grandes áreas de oportunidad con las que cuenta la compañía, el nivel de servicio es bastante ineficiente en el moldeo semiautomático, mientras que en el moldeo manual es mayor (Tabla 4.10). Sin embargo, el Lead Time en el moldeo manual es mucho mayor que en el semiautomático, esto podría interpretarse como una posible razón del bajo nivel de servicio (Tabla 4.11), pero sería tomar conjeturas sin sentido. Por ello se fundamentan métricos de apoyo o secundarios que permitirán esclarecer el panorama. 127 4.2.4.1 Métricos Secundarios. Tal como se menciona en la sección anterior, los métricos secundarios permitirán definir varias áreas de oportunidad y realizar una documentación fuerte y confiable que fundamente el VSM. Estos datos forman parte de los desperdicios que afectan la secuencia de producción, estos tiempos nunca agregarán valor a las operaciones y deberán ser eliminados. Estos tiempos fueron capturados por los formatos básicos presentados en el capítulo 3 y el anexo1. La presentación de estos datos se realizó con la siguiente segregación, Moldeo Semiautomático y Moldeo Manual, recordemos que cada familia es fabricada en cada tipo de moldeo, lo que involucra diferente cantidad de métricos secundarios. Al observar la información presentada en la tabla 4.12 y 4.13 es evidente que existe una cantidad mayor de tiempo muerto en el proceso semiautomático, lo cual directamente afecta el tiempo de entrega y el nivel de servicio. Esta gran diferencia ocasiona que la maquina no produzca el material necesario en el tiempo disponible, lo que origina que las ordenes de producción no se cumplan en tiempo y forma. Por otra parte, el tiempo consumido por paros de maquina en el proceso manual es de menor impacto. Los datos que son presentados para los tiempos referentes al montaje de maquina son mucho mayores para el moldeo semiautomático. Este proceso necesita del paro total de la máquina y la calibración para producir piezas que cumplan con los estándares de calidad; mientras que, para el moldeo manual sea menor, esto porque no es necesario realizar los ajustes que se efectúan en el proceso anterior. Los demás tiempos, son bastante similares, pero, es necesario mencionar que la cantidad de personas es menor para el moldeo manual, lo que indica que las actividades humanas en dicho proceso consumen una mayor cantidad de tiempo que en el proceso semiautomático. 128 Tabla 4. 12 Métricos Secundarios (Tiempo Muerto) para moldeo semiautomático. Mantenimiento [h/Sem] Humanas [h/Sem] Proceso [h/Sem] Ingenieria [h/Sem] Media Desviación estándar Mediana Montaje [h/Sem] Estadística Descriptiva 37.3 9.4 38.4 63.7 32.3 56.0 32.2 7.3 32.2 18.0 7.4 17.1 16.9 6.1 15.8 Fuente: Creación propia. Tabla 4. 13 Métricos Secundarios (Tiempo Muerto) para moldeo manual. Mantenimiento [h/Sem] Humanas [h/Sem] Proceso [h/Sem] Ingenieria [h/Sem] Media Desviación estándar Mediana Montaje [h/Sem] Estadística Descriptiva 13.2 4.2 13.1 9.3 8.3 7.0 25.9 6.1 25.4 19.7 9.5 16.9 33.81 8.82 34.28 Fuente: Creación propia. El material rechazado, presentado en las tablas 4.14 y 4.15 muestra que el proceso manual cuenta con un nivel mayor de desperdicio de piezas, recordemos que dicho proceso es el especializado en el material que se manufactura bajo pedido. Este material es mucho más caro y delicado que el realizado en el proceso semiautomático, ya que es fabricado totalmente por las manos del operador, razón que puede generar una cantidad mayor de desperdicios. La mayoría de defectos recae directamente en la parte de moldeo y desmoldeo, esto es claro debido a la naturaleza del proceso. 129 Tabla 4. 14 Métricos Secundarios (Material rechazado) para moldeo semiautomático. % Scrap Vaciado [Pz def/Pz OK] x 100 % Scrap Desmoldeo [Pz def/Pz OK] x 100 Scrap Desmoldeo [Pzas/Semana] % Scrap Moldeo [Pz def/Pz OK] x 100 Scrap Moldeo [Pzas/Semana] Media Desviación estándar Mediana Scrap Vaciado [Pzas/Semana] Estadística Descriptiva 456 205 491 1461 545 1399 2363 871 2397 0.54% 1.80% 2.91% 0.24% 0.69% 1.15% 0.51% 1.69% 2.69% Fuente: Creación propia. Tabla 4. 15 Métricos Secundarios (Material rechazado) para moldeo manual. % Scrap Vaciado [Pz def/Pz OK] x 100 % Scrap Desmoldeo [Pz def/Pz OK] x 100 Scrap Desmoldeo [Pzas/Semana] % Scrap Moldeo [Pz def/Pz OK] x 100 Scrap Moldeo [Pzas/Semana] Media Desviación estándar Mediana Scrap Vaciado [Pzas/Semana] Estadística Descriptiva 361 145 365 1183 444 1200 2148 736 2148 1.21% 4.09% 7.35% 0.40% 1.45% 1.85% 1.29% 3.77% 7.27% Fuente: Creación propia. Ambos procesos presentan cantidades diferentes de tiempo muerto y piezas rechazadas, estos datos son la clara evidencia de que existen diferentes áreas de oportunidad en los procesos de fundición que necesitan ser resueltos a la brevedad. Sin embargo, surgen distintas preguntas; ¿Cuáles son prioritarios?; ¿Por cuál comenzar?; ¿Cuál será de mayor impacto?; etc. Todas estas preguntas y más son resueltas en el análisis completo de la cadena de valor y en el mapa que representara todo el proceso de fundición que se encuentra en las siguientes secciones. 130 4.3 Análisis de la causa raíz (Analyze) Posterior a la documentación necesaria de un proyecto Six Sigma, de los datos fundamentales que permitieron establecer los objetivos y el alcance, de la caracterización del proceso y de la validación del sistema de medición; es posible comenzar con los primeros pasos del mapeo de la cadena de valor para las unidades de negocio en las familias y procesos que son clave para la mejora continua de las áreas involucradas. En este capítulo se abordó la determinación de la causa raíz del bajo desempeño por medio de la aplicación del VSM, esta herramienta permitió establecer las áreas de oportunidad donde fue necesario actuar y ejecutar proyectos de mejora totalmente enfocados en el perfeccionamiento de los métricos que controlan el desempeño. El despliegue de este mapa de cadena de valor, involucra el cálculo del takt time como dato fundamental de todo el despliegue estratégico. Tal como se abordó en el capítulo tres, este tiempo se compone de muchos de los elementos que fueron medidos en la recolección de datos, por ello es la primera sección de este capítulo que será el repertorio de los estados actuales y futuros. Además, de ser el número que más rápido se verá afectado por las propuestas de mejora. 4.3.1 Takt Time y gráfica de carga. El Takt time, tal como fue definido en el capítulo dos, es la cadencia a la cual un producto debe ser fabricado para satisfacer la demanda del cliente.68 Esta definición marca la necesidad de conocer el Takt time de las dos familias involucradas, este tiempo es la guía para ubicar operaciones innecesarias o que se encuentren sobre este valor. A continuación se presenta la tabla 4.16, esta tabla contiene los tiempos muertos por turno que serán factor importante para el cálculo del Takt Time y la tabla 4.17 donde se establecen las demandas y porcentajes de piezas defectuosas. Con estos datos, es posible establecer el Takt time para cada proceso (tabla 4.18). Tabla 4. 16 Métricos Secundarios (Material rechazado) para moldeo manual. Concepto Moldeo Semiautomático Moldeo Manual Fuente: Creación propia. 68 Montaje [s/T] 7460 2642.6 Mantenimiento [s/T] 12740 1869.2 Humanas [s/T] 6440 5174.6 Proceso [s/T] 3600 3930.7 Ingeniería [s/T] 3380 6761.3 Takt time (s.f.). recuperado en agosto del 2014, de http://mtmingenieros.com/knowledge/que-es-takt-time/ 131 Tabla 4. 17 Métricos Secundarios (Material rechazado) para moldeo manual. [%] Scrap Vaciado Concepto Moldeo Semiautomático Moldeo Manual Fuente: Creación propia. 0.54% 1.21% [%] Scrap Moldeo [%] Scrap Desmoldeo 1.80% 4.09% 2.91% 7.35% [%] Total 5.25% 12.65% Producción Con Scrap [P/Turno] 4929 747 Tabla 4. 18 Takt time para proceso manual y semiautomático. Proceso Moldeo Semiautomático Moldeo Manual Fuente: Creación propia. Takt Time [s/P] 16.55 49.80 Al observar ambos Takt times, es evidente que el que presenta moldeo semiautomático es considerablemente menor al requerido en moldeo manual. Esta característica nace de la cantidad requerida de material, esto porque es un proceso que se dedica a los productos de alta demanda, mientras que en el moldeo manual, atiende el mercado de baja demanda, pero que requiere un trabajo más preciso, ya que es un proceso que directamente requiere la mano de obra de los operadores. Los tiempos muertos que son representados en la tabla 4.17 evidencia uno de los problemas de ambas fundiciones, en ambos casos son aproximados al 30% del tiempo disponible total, esto indica que existe mucho tiempo que es ocupado en cuestiones que no agregan valor y que permitiría que la capacidad productiva de los dos centros se viera incrementada. Sin embargo, este dato influye directamente al Takt time, ya que lo reduce de forma contundente y obliga a que se produzca más rápido con todos los problemas actuales. Esto es evidente en el gráfico de carga para los procesos de fundición (figura 4.22) 132 Figura 4. 22 Gráfico de carga para los procesos manuales y semiautomáticos de fundición, donde es evidente que existen etapas superiores al Takt time. Fuente: Creación propia. 133 El grafico de carga mostrado en la figura 4.22 muestra que existen etapas del proceso que son superiores al Takt Time, esto provoca que las órdenes de producción no sean atendidas a tiempo y con ello el nivel de servicio de ambas unidades se vea afectado. Los principales elementos que afectan a este tiempo son elementos metalúrgicos (preparación de aluminio, arena, moldeo, solidificación, etc.), estos se pueden atender directamente con diferentes herramientas que ayuden a la calidad del metal y al rápido manejo de materiales con temperatura elevada. En segundo lugar, los elementos que están por encima del Takt time son los relacionados a operaciones que no agregan valor como movimientos y transferencias, estos se podrán eliminar o recortar con herramientas de Lean Manufacturing. Para estos primeros problemas detectados, se planteara la estrategia en el despliegue total del VSM. 4.3.1 Generación de estado actual de la compañía (VSM Actual State). El planteamiento del gráfico de carga para las etapas de los procesos de fundición permitió revelar algunas áreas de oportunidad de manera puntual y documentada. Sin embargo, es necesario representar todas las etapas del proceso y localizar cuales son las actividades que arrojan valor a los productos y cuáles son las que no. Este primer análisis es conocido como la generación del estado actual (VSM Actual State), esta herramienta básica de Lean Manufacturing es la clave para la determinación de los desperdicios de la planta y con ello establecer una estrategia puntual de mejora. El estado actual se representa con la herramienta VSM, tal como se encuentran los procesos de fundición, estos mapas se realizaron con toda la información recolectada durante seis meses y un año para algunos casos, todos estos datos se encuentran fuertemente documentados y puedes ser consultado en los anexos de este trabajo. Sin embargo, varios no se muestran a detalle por cuestiones de confidencialidad de la compañía bajo análisis. Ambos VSM pueden ser consultados en las figuras 4.23 y 4.24. . 134 Figura 4. 23 Mapa del estado actual para el proceso Semiautomático. Control de Producción Control de producción Orden de producción manual Orden de producción manual Correo electrónico Correo electrónico Manufactura de Manufactura de Corazones Corazones Proceso de Corte y pintura Manufactura de Corazones Programación manual Proceso de Corte y Pintura I Superior a 4800 [Piezas/Turno] Transporte a proceso de moldeo Preparación de aluminio Preparación de arena Moldeo Preparación de 3 Turnos aluminio Preparación de 3 Turnos arena Disponibles 3 Turnos Moldeo Disponibles Disponibles Demanda = Demanda 83824 Pcs/ 84307 Semana [Piezas/Semana] I 30 OP = 1 OP==50 3 s C/T C/O C/T==NA 50s L /S = 500Kg C/O NA S/R = =NA I 1200 Inventario en 60 proceso 10 Superior a 2000 [Piezas/Turno] 30 OP = 1 OP = 12 = 20 C/T C/O = NA C/T = 30s L /S = 400Kg S/R = NA C/O = NA Desmoldeo Inspección 3 Turnos 3 Turnos 3 Turnos Solidificación Disponibles Disponibles Desmoldeo Disponibles 3 Turnos Vaciado de Aluminio Disponibles OP = 1 OP =3 C/T = 40s Solidificación OP = 1 C/T = 600 s C/T = 110 s C/O = NA L /S = 4 Pcs C/O = NA min S/R = NA s C/T C/O = 20s=25 Min L /S = 400Pcs C/OS/R = 18=min 2% OP = 0 C/T = 15 s C/O = 10 Min C/T = 10s L /S = 400Pcs C/O = 10 min S/R = 1% OP = 0 OP = 1 C/T = 25 s C/O = NA C/T = 40 s L /S = 4 Pcs C/O = NA min S/R = 3% OP = 12 OP = 3 C/T = 100 s C/O = NA min L/S = 500 Kg L/S = 400 Kg L/S = 400 Pcs L/S = 400 Pcs L/S = 4 Pcs L/S = 4 Pcs L/S = 4 Pcs S/R = NA S/R = NA S/R = 1.8% S/R = 0.54% S/R = NA S/R = 2.91% S/R = NA1200 30 50 60 10 OP = 1 Vaciado De aluminio 10 30 30 50 5 20 10 30 5 10 5 20 110 5 10 300 40 Superior a 1200 [Piezas/Turno] 300 110 40 40 3 Turnos Disponibles Inspección Preparación de aluminio OP = 1 Demanda C/T = 1800 s =D83824 = 84307 C/O = NA Pcs/ L /S = 400 Pcs[Piezas/Semana] Semana S/R = NA L/S = 400 Pcs Takt Time = 17S 2400 20 30 I 30 Superior300 a 240010 100 Demanda OP = 1 = 83824C/T = 50 s Pcs/ C/O = NA SemanaL /S = 500Kg Takt Time S/R = NA = 17s 30 300 4800 1200 60 15 40 15 O C/ C/ L S/ I [Piezas/Turno] 20 100 Enfriamiento OP = 1 C/T = 300 s OP = 3 C/O = NA C/T = 300 s L /S = 4 Pcs C/O = NA min S/R = NA 40 I Transporte a proceso de Corte Enfriamento Lead Time 1255s [20 min] 40 50 Valor Agregado 685s Valor no agregado 570s Fuente: Creación propia. 135 Lead T 1255s 30 ( VA = Figura 4. 24 Mapa del estado actual para el proceso Manual. Control de Producción Control de producción Orden de producción manual Orden de producción manual Correo electrónico Correo electrónico Manufactura de Manufactura de Corazones Corazones Proceso de Corte y pintura Manufactura de Corazones Programación manual Proceso de Corte y Pintura I Superior a 4800 [Piezas/Turno] Transporte a proceso de moldeo Preparación de aluminio Preparación de arena Moldeo Preparación de 3 Turnos aluminio Preparación de 3 Turnos arena Disponibles 3 Turnos Moldeo Disponibles Disponibles Demanda = Demanda 83824 Pcs/ 11943 Semana [Piezas/Semana] OP = 1 OP==50 3 s C/T C/O C/T==NA 50s L /S = 500Kg C/O NA S/R = =NA I I 1200 30 10 C/O = NA C/T = 30s L /S = 400Kg S/R = NA C/O = NA Inspección OP = 1 C/T = 600 s C/T = 220 s C/O = NA L /S = 4 Pcs C/O = NA min S/R = NA s =25 Min C/T C/O = 300s L /S = 400Pcs C/OS/R = 13=min 2% OP = 3 C/T = 15 s C/O = 10 Min C/T = 30s L /S = 400Pcs C/O = 10 min S/R = 1% OP = 0 OP = 1 C/T = 25 s C/O = NA C/T = 40 s L /S = 4 Pcs C/O = NA min S/R = 3% OP = 3 OP = 3 C/T = 100 s C/O = NA min L/S = 400 Kg L/S = 400 Pcs L/S = 400 Pcs L/S = 2 Pcs L/S = 2 Pcs L/S = 2 Pcs S/R = NA S/R = NA S/R = 4.09% S/R = 1.21% S/R = NA S/R = 7.35% S/R = NA1200 30 50 60 10 OP = 1 OP = 6 = 20 C/T Desmoldeo 3 Turnos 3 Turnos 3 Turnos Solidificación Disponibles Disponibles Desmoldeo Disponibles 3 Turnos Vaciado de Aluminio Disponibles OP = 1 OP =3 C/T = 40s Solidificación L/S = 500 Kg Inventario en 60 proceso Superior a 1200 [Piezas/Turno] 30 OP = 1 Vaciado De aluminio 10 30 30 50 5 20 10 30 5 10 5 300 110 5 30 300 Preparación de aluminio OP = 1 Demanda C/T = 1800 s =D83824 = 11943 C/O = NA Pcs/ L /S = 400 Pcs[Piezas/Semana] Semana S/R = NA L/S = 400 Pcs Takt Time = 50s 2400 20 30 I 30 Superior300 a 240010 [Piezas/Turno] 20 100 Enfriamiento OP = 1 C/T = 300 s OP = 0 C/O = NA C/T = 400 s L /S = 4 Pcs C/O = NA min S/R = NA 100 40 40 3 Turnos Disponibles Inspección 40 Superior40 a 1200 [Piezas/Turno] 600 220 I Transporte a proceso de Corte Enfriamento 30 400 Demanda OP = 1 = 83824C/T = 50 s Pcs/ C/O = NA SemanaL /S = 500Kg Takt Time S/R = NA = 17s I 4800 1200 60 15 40 15 O C/ C/ L S/ Lead Time 2065s [34 min] 40 50 Valor Agregado 1195s Valor no agregado 870s Fuente: Creación propia. 136 Lead T 1255s 30 ( VA = Los mapas mostrados en las figuras 4.23 y 4.24 representan respectivamente al proceso semiautomático y manual, ambos son bastante similares en su estructura, esto porque el proceso de moldeo es estricto para cualquier fundición, no puede cambiar en su forma tradicional de preparación del aluminio, arena, moldeo, vaciado, etc. Esta secuencia es fundamental para ambos procesos y no es posible modificarla por cuestiones fisicoquímicas del proceso metalúrgico. Para describir ambos mapas se considerara como si fuera uno solo, pero se hará hincapié en las diferencias de tiempo que conlleva cada etapa. El planeador de producción genera una serie de órdenes de producción que son entregadas al supervisor del proceso de manufactura de corazones, este realiza los corazones según su carga y capacidad de producción (totalmente empírica), pero en el caso de existir alguna urgencia se le hez notificado por correo electrónico, este proceso simplemente empuja los corazones que fabricó a los procesos de moldeo. Es aquí donde nace el primer inconveniente, ya que los planeadores de producción solicitan que sean moldeadas en fundición otros productos distintos a los que corresponden al corazón, generando un inventario en exceso por 2000 y 1200 piezas respectivamente por cada proceso. La preparación del aluminio se arranca con la asignación y pesaje de chatarra para generar el metal líquido que será vaciado en los futuros moldes, esta preparación incluye la fusión del material, el ajuste químico y metalúrgico de microestructura. Este tiempo es similar para ambas fundiciones ya que se simplifico el diseño del mapeo al considerar solo un tipo de aleación. Este tiempo es difícil de reducir, pero puede agruparse con otras operaciones para optimizar la mano de obra. Para vaciar el aluminio líquido, es necesario preparar la arena. Esta preparación lleva un tiempo característico que debe cumplir para lograr las características físicas mínimas para resistir la alta temperatura del metal, el choque mecánico del vaciado y sobre todo ayudar a una correcta solidificación del material. Este proceso es muy importante ya que dicta la calidad superficial de las piezas y es uno de los más problemáticos en la generación de defectos del área de fundición. El moldeo en ambas estaciones difiere de manera considerable, ya que en el moldeo semiautomático, todo el trabajo de fabricación del molde de arena lo realiza una máquina. 137 Mientras que, en el moldeo manual lo fabrica directamente el operador. Estas dos condiciones difieren totalmente en el tiempo de manufactura, ya que una operación es muy rápida, la otra es lenta. Esta diferencia es una de las principales para atender las necesidades del siguiente cliente. El vaciado del metal fundido es totalmente diferente en ambos procesos, en el moldeo semiautomático es un vaciado automático que no requiere ningún operador y que además la cuchara de vaciado es totalmente estándar. En el moldeo manual se vacían piezas de un tamaño superior al moldeo semiautomático, por lo que no es posible estandarizar el proceso y es necesario ejecutarlo de una forma manual. Esta operación puede requerir hasta tres operadores por pieza que vacíen de manera consecutiva el aluminio en cada molde. La solidificación es una de las etapas que es imposible modificar en cuestiones de tiempo, el hecho de que el material sea moldeado en arena, proporciona una solidificación suave y consistente, la cual permitirá una microestructura homogénea que proveerá distintas propiedades mecánicas. Esto quiere decir que la velocidad de solidificación es un factor clave, este proceso fisicoquímico no puede ser reducido ya que comprometería las propiedades mecánicas de las piezas y podría ser muy difícil maquinarlas en los procesos consecuentes. Sin embargo, es posible manejar estas variables para generar áreas de oportunidad. Una vez que el metal líquido ha sido solidificado, es necesario sacarlo del molde de arena, el problema es que el metal solido está a una temperatura que es difícil manipularlo y podría lesionar a un operador sin la protección adecuada. Por esta razón al posterior desmoldeo, donde el molde de arena es despedazado para sacar las piezas de aluminio solido; es necesario que la pieza se enfríe para poder manejarla. Este proceso es uno de los principales cuellos de botella que son generados en la fundición. Además, los procesos de corte jalan el material que requieren y no mantienen una concordancia con los procesos anteriores, esto genera un inventario en exceso superior a 6000 piezas en ambos procesos. Este análisis es evidencia de que existen etapas que agregan valor a los productos y son totalmente necesarios desde el punto de vista metalúrgico, pero son excesivamente lentos y afectan directamente al Lead Time del proceso. Este tiempo se encuentra al final del mapa y 138 representa al tiempo total de operación manual y semiautomática con todas las etapas que agregan y no agregan valor. El lead time, tal como se plantea en los capítulos anteriores, corresponde a uno de los valores más importantes de todo este análisis de causa raíz, por otra parte, este tiempo se ve afectado totalmente por las etapas que no agregan valor al proceso y el largo tiempo por cuestiones metalúrgicas totalmente necesarias. Estos tiempos se ilustran en la tabla 4.19. Tabla 4. 19 Resumen de Lead Time. Proceso Lead Time [s] Moldeo Semiautomático Moldeo Manual 1255 2065 Valor Agregado [s] 685 1195 % Valor Agregado 55% 58% Fuente: Creación propia. Los lead time de ambos procesos cuentan con un porcentaje de valor agregado del 55% aproximadamente, este porcentaje lamentablemente no es el mejor para asumir que se cuenta con un proceso optimo que pueda ofrecer una clara ventaja competitiva, por esta razón, es imperante que se realice la identificación de las oportunidades en ambos procesos de fundición. Ya que es necesario incrementar de manera puntual el porcentaje de valor agregado y recudir el lead time. 4.3.2 Identificación de las áreas de oportunidad Posterior al mapeo de la cadena de valor, se detectaron las áreas de oportunidad que afectan directamente al Lead Time y por supuesto al Takt time. Estas oportunidades son evidentes en el análisis de la sección anterior, además del grafico de carga mostrado en la figura 4.22. Todas estas áreas de oportunidad se remarcaron como desperdicios de manufactura, estos desperdicios restan capacidad de producción a los procesos de fundición, además de entorpecer la cadena de suministro con materiales que no son necesarios en los procesos siguientes. Al observar los mapas marcados en las figuras 4.23 y 4.24 se evidencian diferentes desperdicios, estos en su mayoría son en su mayoría esperas, inventarios en exceso, reprocesos y generación de scrap, además de transporte de material totalmente innecesario que no será aprovechado en las líneas de producción siguientes. Todos estos desperdicios son identificados 139 en las figuras 4.25 y 4.26 con una estrella de color rojo, la cual denota la necesidad de reducir el desperdicio. En ambos mapas (figura 4.25 y 4.26) es evidente el transporte innecesario de material que no se empleara y que genera inventario en las primeras etapas del proceso de fundición que a su vez debe esperar una cantidad de tiempo considerable antes de ser siquiera considerado para ser procesado. Además es necesario recalcar que si no es de la urgencia de la producción, el material puede esperar días e incluso semanas. Ya en el proceso de moldeo es necesario realizar montajes tardados por la cuestión de medición de piezas y ajustes que surgen del mal estado de la máquina que ha sido sobre explotada para la producción. La condición anterior propicia que la maquina pare de manera constante y genere paros por mantenimiento de manera considerable y propicia la generación de piezas fuera de especificación que deben ser vueltas a vaciar. Esta segunda oportunidad de vaciado, genera que la maquina sea ocupada en una pieza que originalmente fue rechazada, claro, siempre y cuando sea detectada con antelación. Para subsanar las operaciones fallidas, se genera inventario en exceso antes de los procesos de inspección por parte de personal de calidad que en innumerables veces tiende a rechazar el material que será vuelto a fundir y se desperdiciaran recursos como gas para reprocesar el aluminio, tiempo de máquina y sobre todo tiempo de mano de obra. En adición, el enfriamiento de las piezas es un desperdicio de tiempo bastante considerable que afecta al proceso de corte, esta espera propicia una generación muy grande de inventario; contrario a la solidificación que es una etapa ineludible, el enriamiento puede ser reducido de manera considerable. 140 ce so Orden de producción manual ro ro ep ep R R R ep ro ce so Control de Producción Control de producción ce so Orden de producción manual S cr a p Figura 4. 25 Mapa del estado actual (identificación de desperdicios) para el proceso Semiautomático. Correo electrónico Manufactura de Manufactura de Corazones Corazones Proceso de Corte y pintura In en ve E nta xc ri es o o Correo electrónico Manufactura de Corazones Programación manual Proceso de Corte y Pintura 1200 L/S = 500 Kg L/S = 400 Kg S/R = NA S/R = NA or te Tr an E sp e sp ra ra E sp e ra E sp e S cr a ce so 3 Turnos Disponibles Inspección Enfriamiento Preparación de aluminio OP = 1 20 s C/T C/O = 20s=25 Min L /S = 400Pcs C/OS/R = 18=min 2% OP = 1 = 15 s C/O = 10 Min C/T = 10s L /S = 400Pcs C/O = 10 min S/R = 1% OP = 12 = C/T OP = 1 C/T = 600 s C/T = 110 s C/O = NA L /S = 4 Pcs C/O = NA min S/R = NA OP = 0 C/T OP = 0 OP = 1 C/T = 25 s C/O = NA C/T = 40 s L /S = 4 Pcs C/O = NA min S/R = 3% OP = 12 L/S = 400 Pcs L/S = 400 Pcs L/S = 4 Pcs L/S = 4 Pcs S/R = 1.8% S/R = 0.54% S/R = NA S/R = 2.91% OP = 3 C/T = 100 s C/O = NA min OP = 1 C/T = 300 s OP = 3 C/O = NA C/T = 300 s L /S = 4 Pcs C/O = NA min S/R = NA OP = 1 Demanda C/T = 1800 s =D83824 = 84307 C/O = NA Pcs/ L /S = 400 Pcs[Piezas/Semana] Semana S/R = NA L/S = 400 Pcs Takt Time = 17S L/S = 4 Pcs Demanda OP = 1 = 83824C/T = 50 s Pcs/ C/O = NA SemanaL /S = 500Kg Takt Time S/R = NA = 17s S/R = NA1200 2400 30 60 10 30 30 50 20 10 5 20 5 110 5 10 300 40 30 I 30 Superior300 a 240010 4800 60 15 [Piezas/Turno] 40 40 20 100 Superior a 1200 [Piezas/Turno] 300 110 40 I S cr a p ce so 10 30 5 S cr a 50 10 ro 30 ep Inventario en 60 proceso 10 Superior a 2000 [Piezas/Turno] R 30 P 20 100 30 300 40 15 OP C/T C/O L/ S/R I 1200 p I I OP = 1 40s C/O = NA C/T = 30s L /S = 400Kg C/O = NA S/R = NA OP =3 C/T = 3 Turnos 3 Turnos Disponibles Desmoldeo Disponibles Transporte a proceso de Corte Enfriamento In en ve E nta xc ri es o o [Piezas/Semana] OP = 1 OP==50 3 s C/T C/O C/T==NA 50s L /S = 500Kg C/O NA S/R = =NA 3 Turnos Solidificación Disponibles Inspección In en ve E nta xc ri es o o Demanda = Demanda 83824 Pcs/ 84307 Semana 3 Turnos Vaciado de Aluminio Disponibles ro Disponibles Desmoldeo ep 3 Turnos Moldeo Disponibles Solidificación Superior a 4800 [Piezas/Turno] R Preparación de 3 Turnos arena Disponibles ce so Preparación de 3 Turnos aluminio Vaciado De aluminio ro Moldeo ep Preparación de arena R Preparación de aluminio pr Pa o g ro ra s n m o ad os E x In ce ve so nt d ar e io Transporte a proceso de moldeo p ta j M M ov on im E sp e ie ra Espera e nt o Tr an sp or te I Lead Time 1255s [20 min] 40 50 Valor Agregado 685s Valor no agregado 570s Fuente: Creación propia. 141 Lead T 1255s 30 (2 VA = ce so Orden de producción manual ro ro ep ep R R R ep ro ce so Control de Producción Control de producción ce so Orden de producción manual S cr a p Figura 4. 26 Mapa del estado actual (identificación de desperdicios) para el proceso Manual. Correo electrónico Correo electrónico Corazones Proceso de Corte y pintura Manufactura de Corazones Proceso de Corte y Pintura In en ve E nta xc ri es o o Manufactura de Manufactura de Corazones Programación manual 30 30 50 60 10 30 30 50 30 or te sp ra Tr an E sp e Preparación de aluminio L/S = 2 Pcs S/R = 4.09% S/R = 1.21% S/R = NA S/R = 7.35% 5 5 20 10 OP = 3 300 110 5 5 30 C/T = 100 s C/O = NA min OP = 1 Demanda C/T = 1800 s =D83824 = 11943 C/O = NA Pcs/ L /S = 400 Pcs[Piezas/Semana] Semana S/R = NA L/S = 400 Pcs Takt Time = 50s S/R = NA1200 I 40 40 40 OP = 1 C/T = 300 s OP = 0 C/O = NA C/T = 400 s L /S = 4 Pcs C/O = NA min S/R = NA L/S = 2 Pcs Superior40 a 1200 [Piezas/Turno] 600 220 OP = 3 In en ve E nta xc ri es o o OP = 0 In en ve E nta xc ri es o o OP = 1 C/T = 25 s C/O = NA C/T = 40 s L /S = 4 Pcs C/O = NA min S/R = 3% L/S = 2 Pcs 300 E sp e E sp e ra p S cr a ce so OP = 1 C/T = 600 s C/T = 220 s C/O = NA L /S = 4 Pcs C/O = NA min S/R = NA L/S = 400 Pcs 10 Enfriamiento ro OP = 1 = 15 s C/O = 10 Min C/T = 30s L /S = 400Pcs C/O = 10 min S/R = 1% L/S = 400 Pcs 10 3 Turnos Disponibles Inspección 20 p Inventario en 60 proceso Superior a 1200 [Piezas/Turno] Transporte a proceso de Corte Enfriamento S cr a 10 S/R = NA S/R = NA Inspección 3 Turnos 3 Turnos Disponibles Desmoldeo Disponibles OP = 3 C/T S cr a 30 L/S = 400 Kg 3 Turnos Solidificación Disponibles = 20 s =25 Min C/T C/O = 300s L /S = 400Pcs C/OS/R = 13=min 2% ce so I 1200 L/S = 500 Kg OP = 6 C/T ro I OP = 1 40s C/O = NA C/T = 30s L /S = 400Kg C/O = NA S/R = NA OP =3 C/T = ep [Piezas/Semana] OP = 1 OP==50 3 s C/T C/O C/T==NA 50s L /S = 500Kg C/O NA S/R = =NA Mo tico toma u a i OPe=m 1 S 3 Turnos Vaciado de Aluminio Disponibles Desmoldeo R Demanda = Demanda 83824 Pcs/ 11943 Semana E x In ce ve so nt d ar e io Disponibles ra 3 Turnos Moldeo r n i za e d o M Disponibles ldeo Solidificación P ep Preparación de 3 Turnos arena Disponibles Vaciado De aluminio p Preparación de 3 Turnos aluminio Moldeo R Preparación de arena ra e ta j M ov M Preparación de aluminio pr Pa o g ro ra s n m o ad os Transporte a proceso de moldeo Superior a 4800 [Piezas/Turno] on im E sp e ie ra nt o Tr an sp or te I 100 30 Superior300 a 240010 [Piezas/Turno] 20 100 30 I 30 400 2400 Demanda OP = 1 = 83824C/T = 50 s Pcs/ C/O = NA SemanaL /S = 500Kg Takt Time S/R = NA = 17s I 4800 1200 60 15 40 15 OP C/ C/ L/ S/ Lead Time 2065s [34 min] 40 50 Valor Agregado 1195s Valor no agregado 870s Fuente: Creación propia 142 Lead T 1255s 30 ( VA = Al señalizar las áreas de oportunidad con estrellas rojas que remarcan el tipo de desperdicio, es necesario puntualizar la herramienta de lean y los proyectos Six Sigma que deberán ser abiertos para mejorar los procesos de fundición, es necesario mencionar que varias de las herramientas de Lean Manufacturing se explicaran a detalle en la siguiente sección, justo donde se detalla el despliegue estratégico, y los objetivos de cada proyecto. En las siguientes tablas 4.20 y 4.21 se presenta el desperdicio y la herramienta lean a usarse, además, en las figuras 4.27 y 4.28 se señala puntualmente donde se aplicara la herramienta. Tabla 4. 20 Herramientas Lean a emplearse para reducir desperdicios de manufactura en moldeo semiautomático. Etapa Control de producción Manufactura de corazones Transporte a moldeo Preparación de aluminio Preparación de arena Moldeo Vaciado de aluminio Solidificación Desmoldeo Inspección Enfriamiento Transporte a corte Proceso de corte y pintura Desperdicio Reprocesos Transporte Exceso de inventario Espera Movimiento Montajes Reprocesos Paros no programados Scrap Paros no programados Reproceso Scrap Espera Scrap Exceso de inventario Scrap Espera Scrap Espera Exceso de inventario Transporte Exceso de inventario Espera Exceso de inventario Scrap Reproceso Herramienta lean Automatización Sistema de jalar Kanban Sistema de jalar Sistema de jalar SMED Six Sigma (Defectos de moldeo) TPM Six Sigma (Defectos de moldeo) TPM Six Sigma (Defectos de vaciado) Six Sigma (Defectos de vaciado) Automatización Six Sigma (Defectos globales) Kanban Six Sigma (Defectos de desmoldeo) Sistema de jalar Six Sigma (Defectos globales) Automatización Kanban Kanban Kanban Sistema de jalar Sistema de jalar Six Sigma (Defectos globales) Six Sigma (Defectos globales) Fuente: Creación propia 143 Tabla 4. 21 Herramientas Lean a emplearse para reducir desperdicios de manufactura en moldeo manual. Etapa Control de producción Manufactura de corazones Transporte a moldeo Preparación de aluminio Preparación de arena Moldeo Vaciado de aluminio Solidificación Desmoldeo Inspección Enfriamiento Transporte a corte Proceso de corte y pintura Desperdicio Reprocesos Transporte Exceso de inventario Espera Movimiento Montajes Reprocesos Paros no programados Scrap Tiempo extenso Tiempo extenso Espera Scrap Exceso de inventario Scrap Espera Scrap Espera Exceso de inventario Transporte Exceso de inventario Espera Exceso de inventario Scrap Reproceso Herramienta lean Automatización Sistema de jalar Kanban Sistema de jalar Sistema de jalar SMED Six Sigma (Defectos de moldeo) TPM Six Sigma (Defectos de moldeo) Automatizar moldeo Automatizar vaciado Automatización Six Sigma (Defectos globales) Kanban Six Sigma (Defectos de desmoldeo) Sistema de jalar Six Sigma (Defectos globales) Automatización Kanban Kanban Kanban Sistema de jalar Sistema de jalar Six Sigma (Defectos globales) Six Sigma (Defectos globales) Fuente: Creación propia 144 S ig S ix Orden de producción manual A ut om at iz ac ió A ut om A ut om at iz ac ió n Control de Producción Control de producción n Orden de producción manual at iz ac ió n m a Figura 4. 27 Mapa del estado actual (áreas de oportunidad y herramienta lean a aplicar) para el proceso semiautomático. Correo electrónico Correo electrónico Proceso de Corte y pintura Manufactura de Corazones Proceso de Corte y Pintura Corazones ba n Manufactura de Manufactura de Corazones S is te Ja ma la d r e K an Programación manual S/R = NA S/R = NA S is te Ja ma la d r e S is te Ja ma la d r e S is te Ja ma la d r e S is te j a ma la d r e a m S ig S ix a m S ig 3 Turnos 3 Turnos Disponibles Desmoldeo Disponibles 3 Turnos Disponibles Inspección Enfriamiento Preparación de aluminio OP = 1 C/T = 600 s C/T = 110 s C/O = NA L /S = 4 Pcs C/O = NA min S/R = NA OP = 1 C/T = 25 s C/O = NA C/T = 40 s L /S = 4 Pcs C/O = NA min S/R = 3% OP = 0 C/T L/S = 400 Pcs L/S = 400 Pcs L/S = 4 Pcs L/S = 4 Pcs S/R = 1.8% S/R = 0.54% S/R = NA S/R = 2.91% OP = 0 OP = 12 OP = 3 C/T = 100 s C/O = NA min OP = 1 C/T = 300 s OP = 3 C/O = NA C/T = 300 s L /S = 4 Pcs C/O = NA min S/R = NA OP = 1 Demanda C/T = 1800 s =D83824 = 84307 C/O = NA Pcs/ L /S = 400 Pcs[Piezas/Semana] Semana S/R = NA L/S = 400 Pcs Takt Time = 17S L/S = 4 Pcs Demanda OP = 1 = 83824C/T = 50 s Pcs/ C/O = NA SemanaL /S = 500Kg Takt Time S/R = NA = 17s n OP = 1 = 15 s C/O = 10 Min C/T = 10s L /S = 400Pcs C/O = 10 min S/R = 1% s C/T C/O = 20s=25 Min L /S = 400Pcs C/OS/R = 18= min 2% ba OP = 1 OP = 12 = 20 C/T K an L/S = 400 Kg Transporte a proceso de Corte Enfriamento S/R = NA1200 2400 30 60 10 30 50 30 20 10 5 20 110 5 10 300 40 Superior a 1200 [Piezas/Turno] 300 110 40 40 40 S ig 5 I S ix a m a 10 S ig 30 5 S ix 50 10 m 30 S ig Inventario en 60 proceso 10 Superior a 2000 [Piezas/Turno] S ix 30 O C/ C/ L S/ I 4800 1200 a 1200 L/S = 500 Kg 3 Turnos Solidificación Disponibles Inspección m I I OP = 1 40s C/O = NA C/T = 30s L /S = 400Kg C/O = NA S/R = NA OP =3 C/T = 3 Turnos Vaciado de Aluminio Disponibles Desmoldeo S is te Ja ma la d r e [Piezas/Semana] OP = 1 OP==50 3 s C/T C/O C/T==NA 50s L /S = 500Kg C/O NA S/R = =NA Solidificación Superior a 4800 [Piezas/Turno] S ix 3 Turnos Moldeo Disponibles a Preparación de 3 Turnos arena Disponibles m Preparación de 3 Turnos aluminio Vaciado De aluminio S ig Moldeo S ix Preparación de arena Disponibles Demanda = Demanda 83824 Pcs/ 84307 Semana S M Preparación de aluminio TP M ba K an Transporte a proceso de moldeo n Espera E D S is te Ja ma la d r e S is te Ja ma la d r e I 20 100 30 Superior300 a 240010 [Piezas/Turno] 20 100 30 I 30 300 60 15 40 15 Lead Time 1255s [20 min] 40 50 Valor Agregado 685s Valor no agregado 570s Fuente: Creación propia 145 Lead T 1255s 30 ( VA = n n at iz ac ió at iz ac ió A ut om A ut om A ut om Orden de producción manual S ix n Control de Producción Control de producción at iz ac ió Orden de producción manual S ig m a Figura 4. 28 Mapa del estado actual (áreas de oportunidad y herramienta lean a aplicar) para el proceso manual. Correo electrónico Correo electrónico Corazones Proceso de Corte y pintura Manufactura de Corazones K an ba Programación manual 30 60 10 50 S is te Ja ma la d r e S is te Ja ma la d r e S ig S ix a 3 Turnos Disponibles Inspección Enfriamiento Preparación de aluminio S ig m S is te Ja ma la d r e S is te Ja ma la d r e m a E D S M a a 5 20 10 5 300 5 110 5 30 300 40 40 n n ba 40 Superior40 a 1200 [Piezas/Turno] 600 220 S/R = NA1200 I 2400 20 100 100 30 I 30 Superior300 a 240010 [Piezas/Turno] 20 30 400 Demanda OP = 1 = 83824C/T = 50 s Pcs/ C/O = NA SemanaL /S = 500Kg Takt Time S/R = NA = 17s ba S/R = 7.35% Takt Time = 50s K an S/R = NA L/S = 400 Pcs L/S = 2 Pcs a S/R = 1.21% C/O = NA min OP = 1 Demanda C/T = 1800 s =D83824 = 11943 C/O = NA Pcs/ L /S = 400 Pcs[Piezas/Semana] Semana S/R = NA m S/R = 4.09% C/T = 100 s OP = 1 C/T = 300 s OP = 0 C/O = NA C/T = 400 s L /S = 4 Pcs C/O = NA min S/R = NA S ig L/S = 2 Pcs OP = 3 K an L/S = 2 Pcs 10 30 Transporte a proceso de Corte P S ix 30 OP = 1 C/T = 25 s C/O = NA C/T = 40 s L /S = 4 Pcs C/O = NA min S/R = 3% OP = 3 L/S = 400 Pcs 10 30 Superior a 4800 [Piezas/Turno] Enfriamento S ix 50 Inspección 3 Turnos 3 Turnos Disponibles Desmoldeo Disponibles L/S = 400 Pcs m 30 OP = 1 C/T = 600 s C/T = 220 s C/O = NA L /S = 4 Pcs C/O = NA min S/R = NA OP = 0 m S/R = NA S/R = NA OP = 1 = 15 s C/O = 10 Min C/T = 30s L /S = 400Pcs C/O = 10 min S/R = 1% OP = 3 C/T S ig L/S = 400 Kg Desmoldeo 3 Turnos Solidificación Disponibles S ix 10 L/S = 500 Kg Inventario en 60 proceso Superior a 1200 [Piezas/Turno] OP = 1 = 20 s =25 Min C/T C/O = 300s L /S = 400Pcs C/OS/R = 13=min 2% OP = 6 C/T S ig 30 OP = 1 40s C/O = NA C/T = 30s L /S = 400Kg C/O = NA S/R = NA OP =3 C/T = S ix I 1200 de ión c a ina ca3 Turnos 3 Turnos Moldeo Vaciado de tal i Ins máqu mát Disponibles Aluminio Disponibles o t au i m se TP M n ba K an I OP = 1 OP==50 3 s C/T C/O C/T==NA 50s L /S = 500Kg C/O NA S/R = =NA Solidificación a Preparación de 3 Turnos arena Disponibles Vaciado De aluminio m Preparación de 3 Turnos aluminio Moldeo S ig Preparación de arena S ix Preparación de aluminio Disponibles [Piezas/Semana] S is te j a ma la d r e S is te j a ma la d r e S is te j a ma la d r e I Transporte a proceso de moldeo Demanda = Demanda 83824 Pcs/ 11943 Semana Proceso de Corte y Pintura n Manufactura de Manufactura de Corazones I 4800 1200 60 15 40 15 OP C/ C/ L/ S/ Lead Time 2065s [34 min] 40 50 Valor Agregado 1195s Valor no agregado 870s Fuente: Creación propia 146 Lead T 1255s 30 ( VA = 4.3.3 Generación del estado futuro (VSM Future State) La parte crucial de todo el proceso de mejora depende directamente de lo que la organización esté dispuesta a alcanzar y sobre todo a aceptar que esto no es proceso rápido y que prometa una mejora de la noche a la mañana. Necesita la participación de todos los miembros de la organización para que las metas puedan ser alcanzadas, por esta y otras razones se estructura el estado futuro partiendo de diferentes premisas de Lean Manufacturing y de aplicación de proyectos six sigma en diferentes etapas de los procesos de fundición. Para la estructura del estado futuro, se consideró separar a los procesos de fundición como tres ciclos de flujo de información y de materiales, esto quiere decir que se colocaron procesos de punto de re orden y Kanban para facilitar el movimiento. Estos ciclos se conocen como ciclo de corazones, ciclo de fundición y ciclo de flujo a corte. Los flujos marcados con anterioridad buscan que solo exista un canal de información entre los procesos y se aplique todo el tiempo el concepto de jalar y flujo de una sola pieza. El ciclo de corazones busca generar los corazones a través de un kanban que se manejara con primeras entradas y primeras salidas, esto para evitar la generación excesiva de corazones de arena. El ciclo de fundición directamente jalara los corazones que sean producidos para abastecer al siguiente Kanban que fue ubicado en el ciclo de flujo a corte. La metodología anterior busca homogeneizar la producción desde corte, esto con el fin de generar el flujo de una sola pieza con un Kanban de piezas fundidas. Esta acción no puede ser posible si no existiera la posibilidad de enfriar el material para su optimo manejo, en la actualidad, existen bandas de enfriamiento para piezas fundidas que reducen de manera considerable el calor almacenado en el material metálico, recordemos que no está modificando la solidificación de la pieza, solo el calor posterior a este proceso de transformación. El enfriamiento forzado de las piezas, permitirán que sean jaladas de una manera más efectiva y confiable por el proceso de corte y permitirá mantener un nivel de inventario menor y deseable para los procesos consecuentes, además será posible recuperar espacio en las zonas destinadas para el enfriamiento del material. Por otras partes, se integra el proceso de 147 preparación de la arena y del aluminio en uno solo, estos dos procesos se pueden llevar a la par y así con ello evitar demoras por la preparación consecuente de estas dos materias primas. Como ya se mencionó, la solidificación será inamovible, pero para el caso de estas dos familias, es posible establecer un estudio de tiempo de solidificación, con ello puede recortarse un carril de transporte y solo contener la pieza de metal en el molde el tiempo que sea necesario. Posterior a esto, el molde puede ser destruido y obtener el componente metálico que será enfriado en un carril e enfriamiento forzado. Para el proceso de moldeo manual, es necesario realizar la inversión a largo plazo de máquinas semiautomáticas para piezas grandes y voluminosas, estas máquinas existen y son posibles de articular sin ningún problema, además de que sería viable eliminar los defectos ocasionados por el moldeo del operador. Sin embargo, es necesario automatizar la operación de vaciado, para este caso será útil colocar a pie de maquina un horno basculante que permita automatizar la operación de vaciado. Estas y otras mejoras son cristalizadas en las figuras 4.29 y 4.30, donde son evidentes las mejoras y el establecimiento de los diferentes ciclos de abastecimiento. Todas las acciones de mejora se establecerán y se explicaran a detalle en la siguiente sección, donde se abordara el despliegue estratégico. 148 Manufactura de Corazones Proceso de Corte y Pintura Figura 4. 29 Mapa del estado futuro para el proceso Semiautomático. Control de producción Manufactura de Corazones Transporte a proceso de moldeo Proceso de Corte y pintura Notificación electrónica Manufactura de Corazones OXOX OXOX Preparación de aluminio Demanda = Demanda 83824 Pcs/ 84307 Semana I [Piezas/Semana] OP = 1 C/T = 50 s C/O = NA L /S = 500Kg S/R = NA 60 10 Orden electrónicaMoldeo OP = 1 C/T = 40s C/O = NA L /S = 400Kg S/R = NA 30 50 3 Turnos Disponibles Vaciado de Aluminio OP = 1 C/T = 20 s C/O =25 Min L /S = 400Pcs S/R = 2% Preparación Metalúrgica 1200 30 Preparación de arena OP = 1 C/T = 15 s C/O = 10 Min L /S = 400Pcs S/R = 1% Moldeo Y Vaciado 10 30 FIFO 5 3 Turnos 20 Disponibles Solidificación FIFO 10 Desmoldeo OP = 1 C/T = 600 s C/O = NA L /S = 4 Pcs S/R = NA Enfriamiento y Solidificación 5 3 Turnos Disponibles Inspección OP = 1 C/T = 25 s C/O = NA L /S = 4 Pcs S/R = 3% Desmoldeo FIFO 110 300 3 Turnos 40 Disponibles Enfriamiento OP = 1 C/T = 300 s C/O = NA L /S = 4 Pcs S/R = NA 1200 OP = 1 C/T = 1800 s C/O = NA L /S = 400 Pcs S/R = NA 40 3 Turnos 100 Disponibles = 17s 2400 Inspección FIFO Demanda Transporte a = 83824 Pcs/ proceso de Semana Corte Takt Time 20 30 300 4800 Lead Ti 40 OP = 11255s (2 Demanda =D 83824 = 84307 Pcs/ [Piezas/Semana] Semana 15 OP = 12 OP = 0 OP = 12 OP = 3 C/T = 10s C/T = 17s C/T = 17 s C/T = 10 s C/T = 10 s C/O = NA C/O = 5 min C/O = NA min C/O = NA min C/O = NA min L/S =400Kg L/S = 400 Pcs L/S = 4 Pcs L/S = 4 Pcs L/S = 4 Pcs S/R = 0.54% S/R = NA S/R = 0.87% S/R = NA =500 Kg S/R = NA 15 10 10 I 1200 30 60 10 50 S/R = 0.16% 16 10 C/T = 50 s C/O = NA L /S = 500Kg S/R = NA VA = 6 Takt Time = 23S OP = 3 Preparación de aluminio 5 17 5 17 17 10 14 10 17 10 Lead Time 183s [3.05 min] Valor Agregado 84s Valor no agregado 99s Fuente: Creación propia. 149 Manufactura de Corazones Proceso de Corte y Pintura Figura 4. 30 Mapa del estado futuro para el proceso Manual. Control de producción Manufactura de Corazones Transporte a proceso de moldeo Proceso de Corte y pintura Notificación electrónica Manufactura de Corazones OXOX OXOX Preparación de aluminio Demanda = Demanda 83824 Pcs/ 11943 Semana I [Piezas/Semana] OP = 1 C/T = 50 s C/O = NA L /S = 500Kg S/R = NA 60 10 Orden electrónicaMoldeo OP = 1 C/T = 40s C/O = NA L /S = 400Kg S/R = NA 30 50 3 Turnos Disponibles Vaciado de Aluminio OP = 1 C/T = 20 s C/O =25 Min L /S = 400Pcs S/R = 2% Preparación Metalúrgica 1200 30 Preparación de arena OP = 1 C/T = 15 s C/O = 10 Min L /S = 400Pcs S/R = 1% Moldeo Y Vaciado 10 30 FIFO 5 3 Turnos 20 Disponibles Solidificación FIFO 10 Desmoldeo OP = 1 C/T = 600 s C/O = NA L /S = 4 Pcs S/R = NA Enfriamiento y Solidificación 5 3 Turnos Disponibles Inspección OP = 1 C/T = 25 s C/O = NA L /S = 4 Pcs S/R = 3% Desmoldeo FIFO 110 300 3 Turnos 40 Disponibles Enfriamiento OP = 1 C/T = 300 s C/O = NA L /S = 4 Pcs S/R = NA 1200 OP = 1 C/T = 1800 s C/O = NA L /S = 400 Pcs S/R = NA 40 3 Turnos 100 Disponibles = 17s 2400 Inspección FIFO Demanda Transporte a = 83824 Pcs/ proceso de Semana Corte Takt Time 20 30 300 4800 Lead Ti 40 OP = 11255s (2 Demanda =D 83824 = 11943 Pcs/ [Piezas/Semana] Semana 15 OP = 9 OP = 0 OP = 12 OP = 3 C/T = 50s C/T = 60s C/T = 45 s C/T = 30 s C/T = 20 s C/O = NA C/O = 5 min C/O = NA min C/O = NA min C/O = NA min L/S = 500 Kg L/S = 400 Pcs L/S = 4 Pcs L/S = 4 Pcs L/S = 4 Pcs S/R = NA S/R = 1.23% S/R = NA S/R = 2.22% S/R = NA C/T = 50 s C/O = NA L /S = 500Kg S/R = NA VA = 6 I Takt Time = 80S OP = 3 Preparación de aluminio 1200 30 60 10 50 S/R = 0.36 15 10 10 16 50 20 60 20 45 17 30 14 20 17 10 Lead Time 354s [5.9 min] Valor Agregado 225s Valor no agregado 129s Fuente: Creación propia. 150 4.4 Generación de estrategia de implementación de plan integral de mejora (Improvement) Para alcanzar el estado futuro, es necesario establecer una serie de acciones secuenciadas que permitirán lograr la mejora integral de los proceso de fundición, todas estas acciones se abordaran a detalle junto con el objetivo de reducción y optimización en los siguientes apartados. 4.4.1 Creación de Kanban y FIFO Hoy en día, los corazones son empujados desde el proceso anterior, sin saber realmente las necesidades de producción de moldeo, lo que ocasiona que se coloque más material que el necesario, esto provoca que la materia prima se dañe y genere scrap. Por otra parte, no existe la secuencia pieza a pieza, solo el material es empujado desde el proceso de corazones y de fundición hacia corte, por lo que el flujo a una sola pieza es fundamental para la transferencia de corazones hacia el moldeo y vaciado. La siguiente estrategia se estableció para ambos procesos de fundición, ya que es un punto que deberá implementarse en ambos procesos. Por las razones establecidas con anterioridad se instauran tres flujos básicos de Kanban y varios secuenciaciones de flujo a una sola pieza, estos son el ciclo de corazones, el ciclo de fundición y el ciclo de flujo a corte. Estos ciclos son fundamentales para el libre tránsito de materiales y de información. Para comenzar, el ciclo de corazones (figura 4.31) se establece como un Kanban tipo B, este tipo de proceso de abastecimiento lo marca Rother (1999) como una distribución en lote de producto terminado, el cual el cliente toma de un supermercado la cantidad de material que requiere y manda la señal de producción al proceso madre, en esta caso el proceso de corazones. 69 Con este kanban, se busca eliminar el primer inventario y solo trabajar en primeras entradas, primeras salidas. 69 Rother, M (1999). Learning to see. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 151 Control de Producción Manufactura de Corazones Figura 4. 31 Ciclo Kanban de corazones. Manufactura de Corazones Transporte a proceso de moldeo OXOX Preparación de aluminio Demanda = Demanda 83824 Pcs/ 84307 Semana [Piezas/Semana] Preparación de arena OP = 1 C/T = 50 s C/O = NA L /S = 500Kg S/R = NA I Moldeo OP = 1 C/T = 40s C/O = NA L /S = 400Kg S/R = NA Vaciado de Aluminio OP = 1 C/T = 20 s C/O =25 Min L /S = 400Pcs S/R = 2% Solidificación OP = 1 C/T = 15 s C/O = 10 Min L /S = 400Pcs S/R = 1% Desmoldeo OP = 1 C/T = 600 s C/O = NA L /S = 4 Pcs S/R = NA OP = 1 C/T = 25 s C/O = NA L /S = 4 Pcs S/R = 3% 60 10 30 50 10 30 5 5 20 300 10 110 40 40 Fuente: Creación propia. El siguiente ciclo corresponde al de fundición, este alimenta directamente al supermercado de corte, el cual lanza la señal al proceso de moldeo para que jale los corazones que requiere y sean procesadas las cantidades de aluminio y arena necesarias para el moldeo, por otra parte, esta señal marca el flujo a una sola pieza de un lote de piezas que deberán ser procesadas en fundición. Con este ciclo se abarcan cinco secuencias de flujo de una sola pieza que evitaran la generación de inventario innecesario. Este ciclo se muestra en la figura 4.32. Figura 4. 32 Ciclo Kanban de fundición. Preparación Metalúrgica 3 Turnos Disponibles Moldeo Y Vaciado FIFO 3 Turnos Disponibles Enfriamiento y Solidificación FIFO 3 Turnos Disponibles Desmoldeo FIFO 3 Turnos Disponibles Inspección FIFO 3 Turnos Disponibles OP = 3 OP = 12 OP = 0 OP = 12 OP = 3 C/T = 10s C/T = 17s C/T = 17 s C/T = 10 s C/T = 10 s C/O = NA C/O = 5 min C/O = NA min C/O = NA min C/O = NA min L/S =400Kg L/S = 400 Pcs L/S = 4 Pcs L/S = 4 Pcs L/S = 4 Pcs S/R = 0.54% S/R = NA S/R = 0.87% S/R = NA =500 Kg S/R = NA OP = 1 C/T = 300 s C/O = NA L /S = 4 Pcs S/R = NA 1200 1200 30 Inspección S/R = 0.16% 152 100 Fuente: Creación propia. El último ciclo es el activador de los procesos anteriores, este ciclo Kanban activará en una reacción en cadena la producción desde la manufactura de los corazones que seguirá hasta el producto final que se entregara en el proceso de corte y pintura. Esta secuencia busca jalar desde un supermercado de piezas fundidas a la entrada de corte el producto semi – terminado para que sea seleccionado y terminado. Este caso corresponde a un Kanban Tipo A, tal como lo marca Rother (1999), donde directamente de una orden de producción se jalara material y activara la manufactura de los demás procesos anteriores. Con este tipo de Kanban, se busca eliminar el inventario generado a la entrada del proceso de corte, con esto se fundamenta el ciclo de flujo de corte figura 4.33. Figura 4. 33 Ciclo flujo de corte. Control de producción Proceso de Corte y pintura Notificación electrónica Manufactura de Corazones OXOX Transporte a proceso de Corte Preparación de aluminio Demanda =D 83824 = 84307 Pcs/ [Piezas/Semana] Semana Takt Time = 23S I Preparación de arena OP = 1 C/T = 50 s C/O = NA L /S = 500Kg S/R = NA Moldeo OP = 1 C/T = 40s C/O = NA L /S = 400Kg S/R = NA OP = 1 C/T = 20 s C/O =25 Min L /S = 400Pcs S/R = 2% 1200 Fuente: Creación propia. 30 60 10 30 50 10 30 4.4.2 TPM Al observar la tabla que aparece en las hojas de Takt time, es evidente que existen muchos paros por mantenimiento, esto genera que el tiempo disponible de maquina sea menor y dañe el Takt time, por ello se propone implementar TPM para eliminar los paros de las maquinas moldeadoras. Existen varios tiempos muertos producidos por fallas de distintos orígenes, entre ellas sobresalen las fallas indirectas ocasionadas por el sistema de arenas, este sistema es el que alimenta la arena a las maquinas moldeadoras que al fallar genera un paro total en dichas 153 5 20 máquinas. Las fallas referentes a este aparato, pueden ser solucionadas con un programa de TPM que atienda y reduzca las fallas directas. Por otra parte, las fallas mecánicas y eléctricas son las de menor importancia, pero deben ser atendidas con un programa efectivo de TPM y el mantenimiento preventivo debe realizarse fuera de la operación diaria, en el siguiente grafico de Pareto (figura 4.34) es posible visualizar las áreas de oportunidad y la posible disminución del 80% de tiempos muertos ocasionados por mantenimiento. 2500 100 2000 80 1500 60 1000 40 500 20 0 Tipo de falla em st i S Tiempo [h] Porcentaje % acumulado a de as en r A as ic n á ec M 941.1 37.9 37.9 tto M 598.5 24.1 62.0 ev Pr do ci a 252.4 10.2 72.2 194.4 7.8 80.0 a .V ec M ca tri c é El 139.6 5.6 85.6 ro Ot Porcentaje Tiempo [h] Figura 4. 34 Grafico de Pareto para tiempos muertos por mantenimiento. 0 357.5 14.4 100.0 Fuente: Creación propia. 4.4.3 Six Sigma Existen varios defectos que dañan la calidad del producto y necesitan ser remanufacturados, esto resta capacidad a las máquinas para generar nuevas piezas, por esta razón se proponen distintos proyectos Six Sigma para eliminar los defectos relativos al moldeo, desmoldeo y el vaciado. Se conocen distintas causas raíces que pueden llevar a erradicar estos defectos, muchos van acompañados de la problemática con mantenimiento, muchos de estos defectos se originan a los ajustes que se realiza por parte de ingeniería, por lo que además se propone eliminar esos ajustes 154 con el uso de Poka Yokas. Se propone una meta de eliminación del 70% en un lapso de 6 meses para reducir los defectos de la fundición y restar tiempo a la inspección de piezas. Esta meta dista mucho de ser difícil, ya que muchos de los defectos nacen en la falta de trabajo estándar y de la automatización de los procesos de moldeo, por esta razón es sencillo lograr este objetivo, además de la posible parametrización de distintas variables que afectan directamente a las fundiciones. Es necesario recordar que el uso de la metodología Six Sigma para la reducción de defectos se basa en el desconocimiento de la causa raíz, por lo que no se indagara más en la posible solución de estos defectos, solo se planteara el objetivo para recalcular el Takt time. Los objetivos de reducción se establecen en la siguientes tablas (4.22 y 4.23). Tabla 4. 22 Objetivos de reducción de scrap para moldeo semiautomático. Concepto Antes [%Rechazo] Scrap Vaciado 0.54% Scrap Moldeo 1.80% Scrap Desmoldeo 2.91% Total 5.25% Objetivo [%Rechazo] 0.16% 0.54% 0.87% 1.57% Fuente: Creación propia. Tabla 4. 23 Objetivos de reducción de scrap para moldeo manual. Concepto Antes [%Rechazo] Scrap Vaciado 1.21% Scrap Moldeo 4.09% Scrap Desmoldeo 7.35% Total 12.65% Objetivo [%Rechazo] 0.36% 1.23% 2.22% 3.81% Fuente: Creación propia. 4.4.4 SMED Actualmente los montajes tardan aproximadamente 25 minutos, eso no es apropiado para la manufactura de clase mundial, es necesario reducirlo a un solo digito por la implementación del SMED. Esto es posible, ya que existen montajes menores a los 5 minutos, únicamente se requiere que el operador este claramente entrenado y tenga sus herramientas a la mano. Por esta razón, se deberá acompañar de un proyecto 5S’s para colocar la herramienta relativa al montaje cerca del operario. Esto permitirá mantener bajo control el tiempo de montaje y reducirlo a menos de 5 minutos, lo que representa una reducción del 80% en tiempos de montaje. Para este 155 objetivo se precisa la ejecución de un evento Kaizen para concluir el objetivo de una manera rápida y efectiva. El lapso propuesto para este evento será una semana de trabajo en equipo más un seguimiento a un mes. Lo que involucra un tiempo de conclusión de aproximadamente dos meses, esto por alguna tarea que requiriera más tiempo en concretarse 4.4.5 Automatización de proceso manual y ubicación de horno basculante o cuchara de vaciado. La automatización del proceso manual es una clara área de oportunidad para la mejora de este proceso, actualmente el hecho de que sea hecho por la mano de obra de dos operadores, dificulta totalmente la velocidad del proceso. Para este caso es totalmente necesaria la compra de al menos una máquina de gran envergadura que permita la fabricación de estos moldes. Existe un sinfín de máquinas moldeadoras que permiten el moldeo de piezas de gran tamaño, pero es necesario que sean adaptables a las condiciones de la compañía. Para este caso existen dos marcas que podrían ser empleadas, la primera corresponde a Moldmaster®, esta marca ofrece diferentes tamaños de máquinas y la versatilidad de instalar las máquinas que hayan sido adquiridas con ellos, además del uso de tecnología más sencilla y menos costosa Por otra parte, existen procesos verticales que ofrecen una automatización más compleja y son mucho más rápido que el proceso convencional empleado, este tipo de moldeo se ofrece con la compañía DISAMATIC®, el uso de esta tecnología, permitiría disminuir de una manera considerable los defectos de moldeo y sobre todo incrementar la velocidad de enfriamiento. Esta será la primera opción para automatizar el proceso manual. El funcionamiento de este proceso vertical, se presenta en la figura 4.35. Figura 4. 35 Moldeo vertical Disamatic®. Fuente: DISAMATIC (s. f.). Recuperado en Diciembre del 2013, de http://en.wikipedia.org/wiki/DISAMATIC 156 No solo basta con adquirir un nuevo equipo, es necesario ubicar un horno basculante cerca del carril de moldeo, esto con el fin de moldear directamente a la salida de la máquina de moldeo, debido a que los tamaños de piezas que se moldea es muy variado, es necesario colocar un horno de al menos 100 Kg de aluminio o una cuchara viajera para abastecer una manera rápida a los moldes de arena. Esta idea se plantea en la siguiente figura (4.36) Figura 4. 36 Cuchara de vaciado de 100 Kg. Fuente: Green sand molding process Factory molding line (s. f.). Recuperado en Diciembre del 2013, de http://www.kiw.co.jp/wpage/material/method1_e.html 4.4.5 Reducir Enfriamiento El enfriamiento es una etapa que solo consume tiempo, la estructura metalúrgica básica se alcanzó con la solidificación controlada del molde de arena, por lo que solo retirar calor no es un factor que influya en las propiedades mecánicas de las piezas. Actualmente existen carriles que cuentan con una secuencia de “vueltas” que permiten el airamiento de las piezas y el rápido enfriamiento, además permite reducir de manera considerable las condiciones inseguras que se pudieran llegar a generar por el manejo de piezas fundidas con una temperatura mayor a 60°C, temperatura que se considera como manejable por una mano protegida con guantes adecuados. 157 4.4.6 Trabajo estándar y 5S’s La preparación de la arena y las aleaciones que serán fundidos involucran la falta de trabajo estándar y la correcta ubicación del material en el piso de trabajo, esta es la razón por la que estas pueden ser trabajadas de manera conjunta por un solo operador que sea responsable del seguimiento a las variables de ambos procesos. Además, de garantizar la calidad del producto. 4.4.7 Nuevo Takt Time y grafico de carga La reducción de los desperdicios ataca directamente al Takt time de los procesos, lo que conlleva a una mejora en la capacidad de producción, permitiendo que sea posible manufacturar piezas dentro de la cadencia que el cliente requiere de los componentes solicitados. Este nuevo Takt time es la evidencia de que es posible mejorar con la implementación de los proyectos que se presentan en la siguiente sección. A continuación en la siguiente tabla se presenta el nuevo Takt time para ambos procesos. Tabla 4. 24 Takt time para proceso manual y semiautomático. Proceso Moldeo Semiautomático Moldeo Manual Antes Takt Time [s/P] 16.55 49.80 Después Takt Time [s/P] 22.88 79.27 Fuente: Creación propia. La reducción de los desperdicios ataca directamente al Takt time de los procesos, lo que conlleva a una mejora en la capacidad de producción, permitiendo que sea posible contar con una holgura en el tiempo critico de entrega, el Takt time se ve incrementado, lo que representa una disponibilidad para poder entregar las piezas que requiere el cliente en un mayor tiempo posible, esta comparación, junto con el gráfico de carga donde se representan los tiempos generales de manufactura, permiten evidenciar que podremos contar con la agilidad de respuesta para los requerimientos de nuestros clientes (figura 4.37). Al observar la figura 4.37, es evidente que ninguna operación está por encima del Takt time, esto quiere decir que es posible cumplir con la demanda del cliente. Sin embargo, las operaciones se encuentran por debajo del Takt time, esto podría generar algún problema a futuro en inventarios, pero consideremos que esto es una estimación del objetivo general, por lo que las operaciones podrían estar un poco más arriba o el Takt time un poco más abajo. Al final de 158 este análisis podemos concluir que el balanceo y uso correcto de las herramientas ayudan de una manera considerable a satisfacer la demanda del cliente en tiempo y forma. Figura 4. 37 grafica de carga para nuevas operaciones en los procesos de fundición. Fuente: Creación propia. 159 4.5 Planificación de estrategia de control y manutención de mejoras (Control) A continuación se presenta el despliegue estratégico general de proyectos e implementación, además de la herramienta Six Sigma necesaria para conservar las mejoras. Tabla 4. 25 Tabla de proyectos por ser ejecutados y herramienta de control. Proyecto Tipo Kanban Corazones Kanban Kanban Piezas fundidas Kanban FIFO Corazones Administración visual FIFO Partes Fundidas Administración visual TPM Moldeo Semiautomático TPM TPM Moldeo Manual TPM TPM Carriles de moldeo (ambas) TPM Six Sigma (Moldeo) Lean Sigma Six Sigma (Vaciado) Lean Sigma Six Sigma (desmoldeo) Lean Sigma SMED Moldeo Semiautomático SMED Moldeo Manual Retirar Ajustes y Pruebas de ingeniería (ambos Moldeos) Minimizar retirada de personal Automatización SMED SMED Trabajo estándar Trabajo estándar Proyectos de inversión Reducir enfriamiento Inversión Crear carga metalúrgica Trabajo estándar Herramienta de control Gemba Walk Gemba Walk Gemba Walk Gemba Walk Auditoria TPM Auditoria TPM Auditoria TPM Plan de Control y AMEF Plan de Control y AMEF Plan de Control y AMEF Auditoria TPM Auditoria TPM Auditoria en capas Auditoria en capas Auditoria TPM Auditoria en capas Auditoria en capas Fuente: Creación propia. 160 Conclusiones. La aplicación de elementos de Lean Sigma en ambas fundiciones se llevó a cabo con la ejecución del VSM (Value Stream Map), con lo que fue posible detectar áreas de oportunidad en dichos procesos y fueron documentados en la parte final de capítulo 4, esto origina que el despliegue de la estrategia de Lean Sigma no sea mayor a un año. Esto para no perder el seguimiento total del sistema en mejora continua. Los sistemas metalúrgicos que fueron definidos para este trabajo fueron claramente el proceso semiautomático de moldeo y el sistema manual, que ambos son empleados para la transformación del aluminio liquido en sólido, así mismo se empleó el pensamiento metalúrgico al establecer tres tipos de proyectos Six Sigma para eliminar defectos y fueron catalogados en tres categorías (Vaciado, Moldeo y Desmoldeo). Además, se establecieron diferentes tipos de Kanban y ciclos de proceso que deben ser considerados para generar el flujo a una sola pieza, estos ciclos fueron el de corazones, el de fundición y el de corte. Las áreas de oportunidad detectadas fueron de distinta índole, desde el tiempo empleado en el cambio de catálogo, el mantenimiento correctivo, la eliminación de operaciones y proceso innecesarios tales como el enfriamiento de las piezas de forma natural, son por decir algunas de las oportunidades que fueron detectadas para incrementar la productividad de ambas líneas de fundición. Para concluir este proyecto, se presentó un listado sencillo sobre los proyectos que deben implementarse en el área de fundición para elevar su productividad y mejorar los tiempos de entrega que tendrán un impacto inmediato en los métricos principales, tales como el nivel de servicio y el lead time. Este despliegue de proyectos está considerado para ser resuelto en la organización en no más de un año. El tiempo muerto y la generación de scrap son dos factores que dañan directamente la productividad en la planta, aunque ambos lo afectan de manera diferente, tal es el caso de los tiempos muertos que restan horas productivas y el caso del scrap que necesita remanufacturar las piezas defectuosas. Al analizar los datos generados en la hoja de Takt Time es posible deliberar que el principal dolor en la organización son los tiempos muertos, estos representan al menos el 20% del tiempo consumido al turno en no producir piezas. 161 Se detectaron otros desperdicios que afectan directamente al nivel de servicio, tal es el caso de los altos inventarios por la remanufactura de piezas desechadas y la espera totalmente innecesaria del enfriamiento de las piezas fundidas, estos tiempos dañan directamente el Lead Time de nuestros componentes al siguiente proceso. La propuesta sobre el uso de herramientas Lean Sigma es amplia, pero sobresale el empleo del SMED, TPM, 5S’s, trabajo estándar, Pull System y Kanban. Estas herramientas sin duda serán la clave para mejorar los tiempos de entrega de productos fundidos. Durante el estudio no se observó alguna barrera de la índole cultural, ya que los operadores durante la observación de los procesos y la ejecución de los diferentes Gemba Walk para identificar desperdicio se notaron interesados en participar en las mejoras. Únicamente se tendría que trabajar de la mano del departamento de recursos humanos para lograr la implementación total y la adaptación al personal al momento de culminar las mejoras. La empresa está lista para aplicar este desarrollo, solo es necesario revisar las cuestiones de inversión y sobre todo los recursos que serán los responsables de ejecutar las mejoras, esto porque ya se han trabajado proyectos similares con excelentes resultados. Una conclusión adicional y relevante es destacar que es posible reducir el tiempo de entrega de los productos, estos resultados se encuentran en la siguiente tabla donde se comparan los lead time del antes contra los propuestos. Tabla 5. 1 Resumen de Lead Time. Antes Lead Time [s/Pc] Moldeo Semiautomático 1255 Moldeo Manual 2065 Proceso VA [s/Pc] 685 1195 Después Lead Time [s/Pc] 183 353 VA [s/Pc] 84 225 Fuente: Creación propia. Esta mejora representa un impacto del 75% en el métrico de Lead Time, por lo que el nivel de servicio se verá directamente beneficiado. 162 Referencias 1. Adams, C. (2003). Six Sigma Deployment. [Versión DX Reader]. Recuperado de: http://www.tandf.co.uk/ 2. Al - Tahat, M. (2010). Effective design and analysis of pattern making process using value steam mapping. Journal of applied sciences, 11, 879 - 886. Recuperado de: http://scialert.net/fulltext/?doi=jas.2010.878.886&org=11 3. American Foundry Society. (2005). Casting Defects Handbook. Illinois, Estados Unidos: American Foundry Society. 4. American Foundry Society. (2008). Casting Defects Handbook: Iron & Steel. Illinois, Estados Unidos: American Foundry Society. 5. Antony, J. (2011). Lean Six Sigma: research and Practice. [Versión DX Reader]. Recuperado de: http://www.hailienene.com/resources/lean-six-sigma-research-andpractice.pdf 6. ASM International. (2002). ASM Metals Handbook: Volume 2 Properties and Selection: Nonferrous Alloys and Special – Purpose Materials. Ohio, Estados Unidos: ASM International. 7. ASM International. (2002). ASM Metals Handbook: Volume 15 Casting. Ohio, Estados Unidos: ASM International. 8. ASM International. (2002). ASM Metals Handbook: Volume 16 Machining. Ohio, Estados Unidos: ASM International. 9. ASM International. (2009). Casting Design and Performance. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 10. Barón, D., & Cadavid, L. (2014). Como una microempresa logro un desarrollo de productos ágil y generador de valor empleando lean. Elsevier Doyma, Estudios gerenciales, 30, 40 - 47. Recuperado de: www.elsevier.es/estudiosgerenciales 11. Basu, R. (2009). Implementing Six Sigma and Lean. [Versión DX Reader]. Recuperado de: www.tandf.co.uk 12. Bhim, S. (2009). Value stream mapping: literature review and implications for Indian industry. Int J Adv Manuf Technol, 2, 251 - 262doi: 10.1007/s00170-010-2860-7 13. Birmingham, F. (2007). Quick changeover simplified: the manager’s guide to increasing profits with SMED. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 14. Byrne, A. (2012). The Lean Turnaround: How Business Leaders Use Lean Principles to Create Value and Transform Their Company. Ohio, Estados Unidos: McGraw Hill. 15. Cintas, P. (2004). Estadística Práctica con Minitab. Madrid, España: Pearson Prentice Hall. 16. CRC Press LLC. (2003). Guidelines for Failure and Effects Analysis (FMEA). [Versión DX Reader]. Recuperado de: http://www.tandf.co.uk/ 163 17. Cuatrecasas, L. (2010). Gestión integral de la calidad. Implantación, control y certificación. Barcelona, España: Profit Editorial. 18. ELSS. (2001). Eaton Lean System: An Interactive Introduction to Lean Manufacturing Principles. Londres, Inglaterra: CRC Press. 19. Ford Motor Company. (2004). FMEA Handbook Version 4.1. Detroit, Estados Unidos: Ford Design Institute. 20. Furterer, S. (2009). Lean Six Sigma in Service: Applications and Case Studies. Boca Raton, Florida: CRC Press. 21. George, M. (2002). Lean Six Sigma. Combining Six Sigma Quality with Lean Speed. Ohio, Estados Unidos: McGraw Hill. 22. George, M. (2003). Lean Six Sigma for Services. How to Use Lean Speed and Six Sigma Quality to Improve Services and Transactions. Ohio, Estados Unidos: McGraw Hill. 23. George, M. (2003). What is Lean Six Sigma. Ohio, Estados Unidos: McGraw Hill. 24. George, M. (2005). The Lean Six Sigma Pocket Tool book. Nueva York, Estados Unidos: Mc Graq Hill. 25. Gómez, E. (2010). Implementación de la estrategia de mejora seis sigma para la empresa Nugar Stamping & Wheels S. A. de C. V. (Tesis de Mestría). Recuperada de: http://itzamna.bnct.ipn.mx/ 26. Gonzalez, F. (2012). Metodología para definir la estrategia de una empresa para ingresar en el sector de la serigrafía de botellas de vidrio. (Tesis de Mestría). Recuperada de: http://itzamna.bnct.ipn.mx/ 27. Henry, J. R. (2013). Achieving Lean Changeover, putting SMED to Work. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 28. Hirano, H. (1993). Putting 5S to Work: A Practical Step – by – Step Approach. Tokyo, Japon: PHP Institute Inc. 29. Hoerl, R. (2001). Six Sigma Black Belts: What do they need to know?. Journal of Quality Technology Session, 33, 391 406. Recuperado de: http://www.unisa.edu.au/Global/business/school/strategic/docs/educationprograms/six-sigma/qtec-391.pdf 30. Jeffrey, P. (2013). People, Process, and Culture: Lean Manufacturing in the Real World. Londres, Inglaterra: CRC Press. 31. Kengar, V., Kadam, S., & Pandit, S. (2008). Manufacturing system performance improvement by value stream mapping a literature overview. International Journal of Innovative Research in Science, Engineering and Technology, 2, 12709 - 12717. Recuperado de: http://www.ijirset.com/upload/2014/may/86_Manufacturing_System.pdf 32. Knowles, G. (2011). Six Sigma. [Versión DX Reader]. Recuperado de: http://bookboon.com/es/six-sigma-ebook 164 33. Kukla, S. (2011). Maintenance System Improvement in Cast Iron Foundry. Foundry Commission of the Polish Academy of Sciences, 11, 185 - 188. Recuperado de: http://www.afe.polsl.pl/index.php/pl/699/maintenance-system-improvement-in-castiron-foundry.pdf 34. Lee, Q., & Snyder, B. (2007). The Strategos Guide to Value Stream & Process Mapping. Carolina, Estados Unidos: Enna Products Corp 35. Liker, J. (2004). The Toyota Way: 14 Management Principles from the World's Greatest Manufacturer. Ohio, Estados Unidos: McGraw Hill. 36. Mann, D. (2014). Creating a Lean Culture: Tools to Sustain Lean Conversions. Londres, Inglaterra: CRC Press. 37. Martin, K., & Osterling, M. (2014). Value Stream Mapping. Ohio, Estados Unidos: McGraw Hill. 38. McLean, T. (2014). Grow Your Factory, Grow Your Profits: Lean for Small and Medium-Sized Manufacturing Enterprises. Londres, Inglaterra: CRC Press. 39. Mili, A. (2010). Unified Process for Action Plan Management: Case Study in a research and production semiconductor factory. Systems Conference, 2009 3rd Annual IEEE., 4, 372 - 376. doi: 10.1109/SYSTEMS.2009.4815829 40. Minitab Inc. (2004). Meet Minitab Release 14 for Windows®. Pennsylvania, Estados Unidos: Mintab Quality Companion. 41. Monden, Y. (1997). Toyota Production System: an integrated approach to Just In Time. Georgia, USA: Industrial Engineering & Management Press. 42. Muruganantham, V., Govindaraj, K., & Sakthimurugan, D.(2014). Process Planning Through Value Stream Mapping in Foundry. International Journal of Innovative Research in Science, Engineering and Technology, 2, 1140 - 1143. Recuperado de: http://www.ijirset.com/upload/2014/iciet/mech/18-922.pdf 43. Nandikolmath, T. (2012). Implementation of a Lean Model for carrying out value stream mapping in a manufacturing industry. International Journal of Mechanical and Robotics research, 2, 87 95. Recuperado de: http://ijmerr.com/ijmerradmin/upload/ijmerr_4ff30852a4bc8.pdf 44. Ohno, T. (1988). Toyota Production System: Beyond Large-Scale Production. Tokio, Japon: Diamond Inc. 45. Park, S. (2003). Six Sigma for Quality and Productivity Promotion. Tokio, Japon: Asian Productivity Organization. 46. Patel, D., Ranpuria, H., Shah, J. & Fournier, J. (2013). The Book of Value Stream Maps I. Nueva York, Estados Unidos: eVSM Group 47. Patel, D., Ranpuria, H., Shah, J. & Fournier, J. (2013). The Book of Value Stream Maps II. Nueva York, Estados Unidos: eVSM Group 48. Pude, G. (1993). Application of value stream mapping tools for process improvement a case study in foundry. IOSR Journal of mechanical and civil engineering, 7, 07 - 12. 165 Recuperado de: http://iosrjournals.org/iosr-jmce/papers/sicete%28mech%29volume3/24.pdf 49. Pude, G. (2012). Application of process activity mapping for waste reduction a case study in foundry industry. International journal of modern engineering research, 2, 3482 3496.Recuperado de: http://www.ijmer.com/papers/Vol2_Issue5/CF2534823496.pdf 50. Pulido, H. (2012). Análisis y Diseño de Experimentos. Distrito Federal, México: Mc Graw Hill. 51. Rother, M. (1999). Learning To See. Brookline, Massachusetts, USA: The Lean Enterprise Institute. 52. Rother, M. (2009). Toyota Kata: Managing People for Improvement, Adaptiveness and Superior Results. Ohio, Estados Unidos: McGraw Hill. 53. Rueda, L. (2007). Aplicación de la metodología seis sigma y lean Manufacturing para la reducción de costos, en la producción de jeringas hipodérmicas desechables. (Tesis de Mestría). Recuperada de: http://itzamna.bnct.ipn.mx/ 54. Sasikumar, A. (2013). Value Stream Mapping in a Manufacturing Company. IRACST, 2, 136 145. Recuperado de: http://www.iracst.org/ijcbm/papers/vol2no22013/7vol2no2.pdf 55. Scheaffer, R. (1987). Elementos de Muestreo. California, Estados Unidos: Grupo Editorial Iberoamérica. 56. Sekine, K. (1992). Kaizen for Quick Changeover: going beyond SMED. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 57. Senra de Oliveira, C. (2008). Lean Manufacturing paradigm in the foundry industry. Estudos Tecnológicos, 4, 218 - 230. doi: 10.4013/ete.20083.07 58. Shingo, S. (1981). A study of the Toyota production system from an industrial engineering viewpoint. New York, USA: Productivity Press. 59. Shingo, S. (1993). Una revolución en la producción: El sistema SMED. Madrid, España: Productivity Press. 60. Silva, S. (2012). Applicability of Value Stream Mapping (VSM) in the Apparel industry in Sri Lanka. International Journal of Lean Thinking, 3, 36 - 41. Recuperado de: http://thinkinglean.com/img/files/PAPER_3%281%29.pdf 61. Ting, L. (2013). Six Sigma Advanced Tools for Black Belts and Master Black Belts. [Versión Google Books]. Recuperado de: http://books.google.com.mx/ 62. Wang, C. (2012). Implementation of the Lean Model for Carrying out Value Stream Mapping and SMED in the Aerospace Engine Case Production. Advanced Materials Research, 542 - 543, 302 - 310. doi: 10.4028/www.scientific.net/AMR.542-543.302 63. William, M. (2000). Lean Manufacturing: Tools, Techniques, and How to Use Them. Londres, Inglaterra: CRC Press. 64. Womack, J. (1996). Lean Thinking. Londres, Inglaterra: Simon & Schuster. 65. Womack, J. (2005). Lean Solutions. Londres, Inglaterra: Free Press. 166 66. Womack, J. (2007). The Machine That Changed the World: The Story of Lean Production-- Toyota's Secret Weapon in the Global Car Wars That Is Now Revolutionizing World Industry. Londres, Inglaterra: Free Press. 67. Wright, J. (2003). Quality beyond Six Sigma. [Versión DX Reader]. Recuperado de: http://www.tandf.co.uk/ 68. Wykorzystania, S. (2013). The lean manufacturing tools in Polish foundries. Archives of metallurgy and materials. 58, 937 - 940. doi: 10.2478/amm-2013-0105 167 Anexos Anexo 1. Glosario Agregar valor al producto. Beneficio que se obtiene de mejorar las distintas prácticas productivas involucradas en la manufactura de algún bien o servicio. Análisis de Fallas (AMEF’s). Conjunto de directrices, un método y una forma de identificar problemas potenciales (errores) y sus posibles efectos en un SISTEMA para priorizarlos y poder concentrar los recursos en planes de prevención, supervisión y respuesta. Arena en verde. Consiste en la elaboración de moldes partiendo de la mezcla de arena de sílice y bentonita (un derivado de la arcilla) a un 30 - 35 % con una cantidad moderada de agua. Baklog. Se refiere a la acumulación a través del tiempo de trabajo que está en espera de ser desarrollado. Cajas Condulet ®. Caja de registro para cables eléctricos. Cope. Mitad superior del moldeo de arena, puntualmente en la que se vaciara el metal. CTQ. Critical to quality (Critico de calidad), se refiere a los métricos clave que garantizaran la buena calidad del producto. Desmoldeo. Acción de retirar la pieza solidificada de material metálico del molde. Desperdicio. Mal aprovechamiento de los recursos para la generación de algún bien. Drag. Mitad inferior del molde que soportará la carga metálica del vaciado. Equipo eléctrico a para áreas clasificadas. Es el que bajo condiciones normales de operación no provoca, ni genera arcos, chispas o calentamientos excesivos. Y en condiciones específicas anormales, se aplican medidas adicionales para dar la seguridad aumentada contra la posibilidad de temperaturas excesivas y de la presencia de arcos y chispas. Equipo eléctrico a prueba de explosión. Aparato encerrado en una envolvente capaz de soportar una explosión que pueda ocurrir en su interior, y de prevenir la ignición de un gas o vapor específico que rodee la envolvente, por chispas o explosión del gas o vapor del interior de la envolvente y capaz de funcionar a una temperatura exterior tal que la atmósfera inflamable que le rodea no pueda ser incendiada por su causa. 168 Fusión. Proceso físico que consiste en el cambio de estado de la materia, del estado sólido al estado líquido, por la acción del calor. Heijunka. Palabra japonesa que designa el alisamiento del programa de producción por el volumen y el mix de productos fabricados durante un tiempo dado. Inventario en proceso (WIP). Work in Process (WIP), es el trabajo que se ha iniciado la producción en una empresa de fabricación, pero que aún no se ha completado. Jidoka. Término japonés que en la metodología Lean Manufacturing significa 'automatización con un toque humano'. Jidoka permite que el proceso tenga su propio autocontrol de calidad. Kanban. Sistema de información que controla de modo armónico la fabricación de los productos necesarios en la cantidad y tiempo necesarios en cada uno de los procesos que tienen lugar tanto en el interior de la fábrica, como entre distintas empresas. Lean Flow. Flujo de materiales o de información de forma esbelta sin desperdicios desde inicio hasta fin. Mantenimiento Correctivo. Aquel que corrige los defectos observados en los equipamientos o instalaciones, es la forma más básica de mantenimiento y consiste en localizar averías o defectos y corregirlos o repararlos. Mantenimiento Predictivo. Serie de acciones que se toman y las técnicas que se aplican con el objetivo de detectar fallas y defectos de maquinaria en las etapas incipientes para evitar que las fallas se manifiesten catastróficamente durante operación y que ocasionen paros de emergencia y tiempos muertos causando impacto financiero negativo. Mantenimiento Preventivo. Destinado a la conservación de equipos o instalaciones mediante realización de revisión y reparación que garanticen su buen funcionamiento y fiabilidad. Mejora Continua. Filosofía que intenta optimizar y aumentar la calidad de un producto, proceso o servicio. Molde. Pieza, o un conjunto de piezas acopladas, interiormente huecas pero con los detalles e improntas exteriores del futuro sólido que se desea obtener Molde permanente. Molde metálico no desechable que permite la rápida solidificación del material fundido. El cual, es vaciado de forma gravitacional. 169 Moldeo por inyección. Proceso de vaciado de material fundido por el uso de pistones que introducen en moldes metálicos. Muda. Palabra japonesa empleada para el reconocimiento de desperdicios de manufactura. Nivel de servicio. Métrico que mide el cumplimiento del trabajo respecto al tiempo. No agregar valor al producto. Conjunto de desperdicios que se involucran en la manufactura de algún bien o servicio. Pareto. El diagrama de Pareto es una herramienta de análisis que ayuda a tomar decisiones en función de prioridades, el diagrama se basa en el principio enunciado por Vilfredo Pareto que dice: "El 80% de los problemas se pueden solucionar, si se eliminan el 20% de las causas que los originan". En otras palabras: un 20% de los errores vitales, causan el 80% de los problemas, o lo que es lo mismo: en el origen de un problema, siempre se encuentran un 20% de causas vitales y un 80% de triviales. Poka Yoka. Literalmente a prueba de errores) es una técnica de calidad que se aplica con el fin de evitar errores en la operación de un sistema. Productividad. Relación entre la cantidad de productos obtenida por un sistema productivo y los recursos utilizados para obtener dicha producción. QFD. Método de gestión de calidad1 basado en transformar las demandas del usuario en la calidad del diseño, implementar las funciones que aporten más calidad, e implementar métodos para lograr calidad del diseño en subsistemas y componentes, y en última instancia a los elementos específicos del proceso de fabricación. Tiempo muerto. Es el tiempo en el que no se está realizando un trabajo útil. Tiempo Takt. Cadencia a la cual un producto debe ser fabricado para satisfacer la demanda del cliente 170 Anexo 2. Datos generales. Producción de moldes. Tabla A. 1 Producción semanal de moldeo Semana 2013 Planta A Planta B [Moldes/Semana] [Moldes/Semana] 1 10,642.00 6,006.00 2 19,882.00 14,688.00 3 21,861.00 11,935.00 4 16,393.00 9,711.00 5 12,793.00 10,185.00 6 17,882.00 10,401.00 7 20,365.00 12,711.00 8 16,133.00 10,407.00 9 20,154.00 14,753.00 10 21,795.00 13,374.00 11 21,703.00 12,230.00 12 16,573.00 12,438.00 14 14,657.00 11,667.00 15 16,529.00 13,917.00 16 18,329.00 14,297.00 17 16,012.00 9,203.00 18 15,897.00 7,320.00 19 19,061.00 12,728.00 20 17,744.00 12,520.00 21 19,026.00 9,782.00 22 21,008.00 7,131.00 23 15,237.00 10,478.00 24 20,249.00 10,602.00 25 18,065.00 9,086.00 26 17,306.00 10,555.00 Estadística descriptiva Media 17,811.84 11,125.00 Desviación estándar 2,825.30 2,335.66 Mediana 17,882.00 10,602.00 Fuente: Creación propia. 171 Scrap Semanal Tabla A. 2 Piezas scrap generadas por semana Semana 2013 Planta A Planta B [Piezas/Semana] [Piezas/Semana] 4,176.00 3,790.00 3,679.00 5,090.00 2,760.00 5,991.00 4,291.00 5,415.00 6,199.00 6,698.00 3,567.00 5,729.00 5,857.00 6,552.00 5,335.00 7,285.00 4,516.00 10,426.00 6,796.00 6,185.00 4,868.00 8,138.00 8,348.00 7,026.00 1,647.00 971.00 5,175.00 5,604.00 7,636.00 7,742.00 4,694.00 5,467.00 2,710.00 2,855.00 4,842.00 5,284.00 5,122.00 5,793.00 5,867.00 6,356.00 2,429.00 2,357.00 3,902.00 4,234.00 3,758.00 3,782.00 5,159.00 3,885.00 5,829.00 5,581.00 7,024.00 4,492.00 2,247.00 2,880.00 1 2 3 4 5 6 7 8 9 10 11 12 13 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Estadística descriptiva Media 4,756.78 Desviación estándar 1,657.95 Mediana 4,842.00 5,392.89 1,972.63 5,581.00 Fuente: Creación propia. 172 Rendimiento de piezas (porcentaje de scrap generado) Tabla A. 3 Rendimiento de piezas por planta Semana 2013 1 i Planta A [Piezas/Semana] 50,686.00 i Planta B [Piezas/Semana] 16,561.00 ii Planta A [Piezas Scrap/Semana] 4,176.00 iii Planta B [Piezas Scrap/Semana] 3,790.00 Planta A % Scrap [ii/i]*100 8.24% Planta B % Scrap [iii/i]*100 22.89% 2 98,381.00 38,717.00 3,679.00 5,090.00 3.74% 13.15% 3 102,609.00 34,954.00 2,760.00 5,991.00 2.69% 17.14% 4 80,956.00 26,113.00 4,291.00 5,415.00 5.30% 20.74% 5 65,459.00 28,906.00 6,199.00 6,698.00 9.47% 23.17% 6 91,518.00 31,236.00 3,567.00 5,729.00 3.90% 18.34% 7 96,690.00 37,742.00 5,857.00 6,552.00 6.06% 17.36% 8 66,423.00 23,201.00 5,335.00 7,285.00 8.03% 31.40% 9 112,379.00 37,837.00 4,516.00 10,426.00 4.02% 27.56% 10 113,057.00 33,373.00 6,796.00 6,185.00 6.01% 18.53% 11 102,848.00 34,718.00 4,868.00 8,138.00 4.73% 23.44% 12 82,070.00 36,333.00 8,348.00 7,026.00 10.17% 19.34% 13 42,643.00 13,705.00 1,647.00 971.00 3.86% 7.09% 15 75,955.00 33,117.00 5,175.00 5,604.00 6.81% 16.92% 16 82,749.00 44,420.00 7,636.00 7,742.00 9.23% 17.43% 17 86,943.00 24,927.00 4,694.00 5,467.00 5.40% 21.93% 18 75,794.00 17,683.00 2,710.00 2,855.00 3.58% 16.15% 19 78,598.00 34,118.00 4,842.00 5,284.00 6.16% 15.49% 20 77,181.00 35,422.00 5,122.00 5,793.00 6.64% 16.35% 21 98,775.00 29,301.00 5,867.00 6,356.00 5.94% 21.69% 22 93,242.00 18,601.00 2,429.00 2,357.00 2.61% 12.67% 23 75,729.00 27,317.00 3,902.00 4,234.00 5.15% 15.50% 24 92,670.00 31,716.00 3,758.00 3,782.00 4.06% 11.92% 25 92,397.00 22,880.00 5,159.00 3,885.00 5.58% 16.98% 26 71,929.00 32,513.00 5,829.00 5,581.00 8.10% 17.17% Media 84,307.24 29,816.44 4,766.48 5,529.44 5.67% 18.41% 17,248.96 7,756.75 1,581.49 1,974.64 2.11% 5.07% 82,749.00 31,716.00 4,842.00 5,604.00 5.58% 17.36% Estadística descriptiva Desviación estándar Mediana Fuente: Creación propia. 173 Tiempo muerto semanal reportado por áreas de producción Tabla A. 4 tiempo muerto reportado por planta de fundición Semana 2013 1 2 3 4 5 6 7 8 9 10 11 12 13 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 Planta A [Horas/Semana] 163.13 191.9 207.03 200.5 157.35 200.7 180.57 172.25 197.28 202.3 199.12 227.93 153.32 177.5 136.18 229.23 160.1 197.53 168.4 179.78 186.12 228.45 172.07 239.55 178.25 185.73 175.48 165.87 175.27 175.87 168.93 140.95 174.37 129.87 145.03 140.22 158.47 Planta B [Horas/Semana] 160.82 310.63 285.2 334.28 305.08 274.05 305.55 340.25 279.62 289.2 318.82 314.15 151.48 337.57 335.05 317.48 292.1 280.7 278.13 267.33 324.43 289.78 277.08 199.08 207.57 241.95 219.22 245.38 249.6 193.97 218.77 266.28 233.77 233.8 249.47 245.43 241.63 Estadística descriptiva Media Desviación estándar Mediana 179.53 26.71 175.87 267.32 48.19 277.08 Fuente: Creación propia. 174 Métrico clave para VSM Nivel de Servicio Tabla A. 5 Nivel de servicio mensual para unidades de negocio Mes U2 [OC/OP] 01/2013 0.85 02/2013 0.84 03/2013 0.91 04/2013 0.89 05/2013 0.78 06/2013 0.79 07/2013 0.79 08/2013 0.79 09/2013 0.78 Estadística descriptiva U1 [OC/OP] 0.66 0.58 0.57 0.46 0.53 0.47 0.54 0.59 0.54 Media Desviación estándar 0.82 0.05 0.55 0.06 Mediana 0.79 0.54 Fuente: Creación propia. 175 Lead Time 2 8 7 7 4 3 5 9 2 8 5 4 4 9 5 9 3 4 2 2 3 5 4 3 3 5 27 28 29 30 31 26 30 33 33 33 10 8 12 11 11 51 67 50 50 62 59 53 60 60 56 29 32 34 29 29 31 31 30 28 33 8 7 9 8 8 20 24 22 22 15 30.0 3.1 29.6 10.0 1.4 10.0 60.0 6.0 61.0 50.0 6.6 49.8 30.0 2.9 30.3 30.0 2.1 29.6 10.0 2.1 9.5 Promedio Desviación estándar Mediana 96 136 130 109 113 93 123 107 116 133 90 114 114 108 93 129 100 128 101 129 83 134 93 118 92 109 292 365 356 221 317 303 224 332 263 235 399 236 227 358 316 235 398 263 317 236 321 323 256 402 263 269 36 43 38 36 46 48 34 46 35 40 45 42 50 30 37 40 48 40 31 43 34 44 32 31 41 45 32 29 43 49 32 46 44 42 36 47 47 32 48 43 43 27 33 33 45 42 48 42 45 40 45 29 86 118 115 107 113 85 84 101 111 114 101 115 118 82 81 97 106 111 103 110 98 110 102 83 77 76 15 22 14 24 18 27 25 13 23 26 15 18 15 18 16 26 23 17 19 15 16 27 16 20 18 27 285 318 267 264 315 342 291 294 343 263 264 346 277 279 333 282 251 344 298 250 339 292 287 345 336 292 26 32 28 29 34 33 27 33 31 32 33 28 32 25 32 29 33 27 27 28 29 34 25 30 31 25 18 11 19 14 12 12 11 16 14 18 16 15 17 14 12 16 17 18 12 12 15 16 19 11 19 19 36 36 37 35 39 42 42 39 44 44 41 45 39 35 38 44 38 43 45 38 36 43 37 42 39 39 314 364 264 425 204 34 49 30 48 39 40 42 32 47 40 87 117 113 91 88 22 22 19 19 24 289 289 319 331 267 29 32 35 26 34 14 16 12 11 19 36 43 44 42 42 1170 1367 1318 1160 1311 1289 1159 1286 1246 1235 1304 1247 1192 1261 1254 1195 1288 1290 1259 1149 1300 1325 1163 1382 1216 1183 1244 1375 1225 1396 1115 300.0 61.8 303.4 40.0 6.2 40.2 40.0 6.6 41.6 100.0 13.7 102.4 20.0 4.3 19.2 300.0 31.0 292.2 30.0 3.1 30.0 15.0 2.7 14.6 40.0 3.2 39.4 1255 74 1254 8 12 8 117 3 8 8 131 8 8 2 88 6 12 7 88 5 7 2 95 Estadística descriptiva 20.0 5.0 10.0 5.0 110.0 2.9 1.7 1.9 2.3 16.3 21.2 4.2 10.0 4.3 109.3 Total [s] 12 12 12 12 11 8 7 12 7 12 9 12 7 8 12 8 9 10 12 10 9 11 8 9 12 7 Transferencia 5 [s] Transferencia 2 [s] 3 3 3 8 8 4 5 8 4 4 3 4 3 4 5 3 3 4 5 4 8 8 5 5 4 5 Transferencia 4 [s] Vaciado de aluminio [s] 20 22 21 24 24 21 22 17 17 18 22 16 15 22 20 20 15 22 21 18 22 22 20 21 18 16 Espera 5 [s] Transferencia 1 [s] 13 7 13 9 12 13 12 11 11 13 12 7 7 11 8 13 9 13 11 8 7 8 13 11 7 9 Enfriamiento [s] Moldeo [s] 30 28 29 32 27 27 29 33 29 31 30 28 30 31 30 33 30 30 30 28 33 33 29 33 27 29 Espera [s] Espera 3 [s] 34 30 26 25 29 29 33 25 31 32 33 30 25 31 26 29 33 33 30 29 30 27 33 34 27 32 Inspección [s] Preparación de Arena [s] 39 52 55 55 56 43 47 41 43 60 48 49 55 49 48 52 39 49 43 43 58 45 42 51 54 50 Espera 4 [s] Espera 2 [s] 61 60 66 66 58 65 54 66 50 58 50 67 62 60 55 64 61 56 65 67 68 65 64 52 66 58 Desmolde [s] Preparación de aluminio [s] 9 9 8 10 9 9 10 8 8 12 12 9 12 9 12 11 9 11 11 10 11 10 9 12 8 11 Transferencia 3 [s] Espera 1 [s] 25 27 32 26 33 34 29 33 29 33 30 30 34 33 31 28 30 33 32 28 32 26 25 28 28 31 Solidificación [s] Acomodo en Maquina [s] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Dato Movimiento [s] Tabla A. 6 Toma de tiempos para Lead Time en moldeo semiautomático. Fuente: Creación propia. 176 14 10 9 7 9 9 73 86 28 69 31 41 52 56 66 42 40 67 29 29 29 31 31 30 36 37 23 23 25 24 6 12 4 2 12 19 340 275 267 408 219 215 30.0 19.4 10.0 2.0 60.0 24.1 50.0 9.5 30.0 0.9 30.0 4.8 10.0 6.1 300.0 67.0 5.0 2.2 30.0 2.1 5.0 1.7 30.3 10.3 55.8 48.0 29.9 29.1 10.3 294.8 5.0 30.5 5.0 3 6 7 3 3 3 6 3 7 3 4 5 7 7 3 7 3 7 4 5 5 7 3 6 6 227 219 203 232 240 216 205 202 241 212 213 220 228 213 222 227 199 212 202 239 241 226 219 206 232 342 790 413 377 214 226 835 802 823 731 241 700 625 516 563 429 217 840 701 667 435 666 700 824 690 28 26 39 22 47 47 63 21 30 44 46 32 57 20 22 63 44 60 11 50 45 34 16 38 63 6 22 38 26 36 57 41 10 69 23 54 41 57 25 40 19 66 57 32 27 44 55 32 50 16 71 123 144 88 111 112 85 89 106 96 119 101 79 95 76 146 86 106 109 81 75 95 83 143 146 20 24 15 13 22 18 18 13 20 16 21 21 22 24 16 23 25 25 20 26 21 23 15 19 20 374 176 499 511 149 586 218 456 279 324 552 283 573 305 366 445 355 525 531 314 417 244 258 609 300 67 14 5 34 45 14 15 49 28 19 5 19 11 26 35 25 16 53 36 74 9 50 38 7 50 16 14 10 18 14 17 9 15 19 15 10 10 16 14 15 17 14 17 20 11 19 12 17 20 19 42 42 54 33 38 49 41 36 37 37 32 40 48 29 30 32 50 31 53 30 32 31 40 30 54 4 31 6 200 3 30 3 231 4 27 7 201 7 32 7 213 6 31 3 239 5 28 6 240 Estadística descriptiva 702 595 679 822 669 766 22 55 42 67 49 37 50 58 13 62 45 69 81 93 96 81 101 83 21 17 21 21 19 21 430 148 534 521 593 525 9 58 16 25 31 47 16 11 14 15 13 18 33 46 49 54 38 49 220.0 14.0 600.0 202.8 40.0 15.6 40.0 18.1 100.0 21.8 20.0 3.4 400.0 141.0 30.0 19.1 15.00 3.14 40.00 8.41 219.0 669.0 42.0 41.0 95.0 21.0 417.0 26.0 15.00 38.00 Total [s] 45 28 18 41 11 12 Transferencia 5 [s] 27 32 29 31 32 30 28 30 28 31 32 31 32 31 28 29 29 32 31 32 31 30 31 27 28 Transferencia 4 [s] 6 9 3 4 4 8 7 2 6 6 4 2 6 7 2 5 9 5 8 1 4 5 5 1 6 Espera 5 [s] 252 372 388 377 249 313 393 234 225 426 177 391 281 305 342 306 276 284 368 248 184 285 300 304 295 Enfriamiento [s] 19 2 11 16 6 1 10 8 18 4 9 1 11 4 18 5 17 17 19 12 12 4 3 19 8 Espera [s] Vaciado de aluminio [s] 35 31 25 25 30 36 37 30 27 26 30 37 36 36 32 29 34 29 29 25 34 25 24 29 27 Inspección [s] Transferencia 1 [s] 30 29 31 31 31 31 29 29 29 31 31 31 31 31 29 31 30 30 31 30 29 29 30 29 31 Espera 4 [s] Moldeo [s] 41 36 63 63 57 41 54 47 36 44 49 44 46 49 60 59 38 61 47 48 59 38 41 45 61 Desmolde [s] Espera 3 [s] 49 88 45 90 34 97 28 37 48 31 36 42 56 77 68 38 83 58 97 34 49 95 79 90 85 Transferencia 3 [s] Preparación de Arena [s] 10 10 12 9 11 12 11 11 7 11 14 7 12 10 9 11 7 7 10 8 8 7 11 9 10 Solidificación [s] Espera 2 [s] 8 35 45 68 22 12 56 17 35 7 7 46 5 65 33 37 52 12 6 39 39 6 25 30 68 Transferencia 2 [s] Preparación de aluminio [s] Promedio Desviación estándar Mediana Espera 1 [s] 27 28 29 30 31 Acomodo en Maquina [s] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Movimiento [s] Dato Tabla A. 7 Toma de tiempos para Lead Time en moldeo manual. 1673 2101 2080 2070 1395 1927 2189 2141 2117 2138 1686 2104 2240 1890 2009 1984 1650 2469 2366 2001 1792 1967 1970 2535 2215 2200 1881 2147 2550 2216 2312 2065 259 2101 Fuente: Creación propia. 177 Métricos secundarios para VSM Tiempo muerto para moldeo semiautomático Tabla A. 8 Clasificación de tiempo muerto para moldeo semiautomático Semana 2013 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 Montaje [Horas/Semana] 17.30 47.42 53.22 45.62 40.63 44.87 38.18 26.55 40.85 45.93 54.53 31.35 13.23 22.38 52.00 32.85 46.28 34.50 42.77 43.75 43.35 37.45 37.47 41.15 40.02 38.35 44.00 31.53 45.33 33.87 29.20 35.08 28.58 41.22 41.20 29.97 31.67 28.57 23.50 Media Desviación estándar Mediana Mantenimiento Humanas [Horas/Semana] [Horas/Semana] 105.25 19.83 55.45 29.50 71.82 37.75 65.85 30.00 43.82 25.83 69.77 33.15 47.72 37.33 71.60 38.75 84.38 31.50 82.08 34.17 42.00 39.50 116.62 33.17 96.58 11.50 186.50 26.17 59.90 27.58 35.97 27.12 106.87 34.83 45.13 35.12 55.17 53.78 43.28 38.62 50.78 36.08 71.42 33.78 56.03 50.50 41.72 32.67 123.92 34.67 75.32 32.17 56.60 35.25 69.67 26.58 47.43 29.50 65.67 32.08 58.42 31.42 45.25 35.75 32.92 30.58 55.48 34.33 14.30 29.50 39.67 25.50 40.83 28.25 45.40 29.67 6.92 20.50 Estadística Descriptiva Proceso [Horas/Semana] 10.58 40.17 18.70 21.17 23.40 23.88 21.50 19.27 19.83 21.42 39.97 19.42 7.65 16.50 14.43 17.08 9.33 16.93 20.05 12.67 19.25 12.00 9.50 17.92 16.95 11.08 21.48 12.67 12.90 14.50 26.25 14.33 15.32 12.42 9.53 21.33 17.58 32.92 10.12 Ingenieria [Horas/Semana] 9.58 18.03 25.30 26.50 8.83 20.20 25.17 14.25 18.58 16.62 20.25 17.00 6.35 10.58 13.72 12.83 14.08 14.50 15.13 11.75 13.82 25.92 40.83 22.58 13.42 14.00 16.92 13.08 19.83 15.77 14.17 17.50 20.92 17.42 14.75 16.65 15.83 14.50 13.17 37.33 63.68 32.15 18.00 16.93 9.42 32.31 7.32 7.42 6.06 38.35 56.03 32.17 17.08 15.77 Fuente: Creación propia. 178 Tiempo muerto para moldeo manual Tabla A. 9 Clasificación de tiempo muerto para moldeo manual Semana 2013 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 Montaje [Horas/Semana] 9.75 18.63 13.83 11.23 7.50 13.08 14.58 12.38 15.48 13.50 9.75 14.78 5.92 16.80 10.00 14.42 9.83 8.25 12.47 16.92 11.67 11.75 10.83 12.42 6.42 13.25 13.33 14.93 19.08 12.42 8.17 17.25 13.10 9.67 8.92 22.47 22.08 22.77 15.67 Media Desviación estándar Mediana Mantenimiento Humanas [Horas/Semana] [Horas/Semana] 4.08 17.75 3.83 27.08 7.67 24.33 8.25 26.50 21.67 23.00 21.42 30.42 6.58 29.00 8.50 43.50 3.83 26.50 9.83 25.00 12.75 25.07 2.75 30.50 8.50 10.00 13.83 23.00 16.83 28.92 3.67 30.33 36.25 22.33 31.58 19.17 8.17 22.67 9.92 22.25 4.58 25.50 25.67 23.75 4.67 47.58 3.92 25.83 0.58 26.38 7.75 23.50 9.25 23.67 2.42 29.83 5.33 22.83 16.17 24.83 5.92 25.42 1.83 28.17 15.08 25.92 3.83 25.35 5.25 17.17 3.08 24.42 1.17 29.33 1.08 26.25 7.00 26.00 Estadística Descriptiva Proceso [Horas/Semana] 11.20 27.53 17.08 37.92 13.58 12.90 35.52 20.75 21.82 22.33 42.00 38.58 14.92 13.92 26.05 38.77 14.83 25.50 14.87 21.58 21.17 32.30 29.17 13.47 18.42 12.08 16.25 22.58 8.17 10.58 4.28 11.83 12.25 8.92 16.92 18.87 12.67 12.50 12.42 Ingenieria [Horas/Semana] 16.50 43.62 45.00 41.25 34.75 33.58 44.00 32.83 28.73 29.12 41.58 40.92 10.75 35.13 36.92 45.47 35.67 30.17 36.83 36.25 35.42 36.67 27.00 59.00 32.83 31.58 41.17 44.83 23.83 34.28 25.22 25.67 26.42 34.67 21.67 31.38 32.33 29.33 26.08 13.2 9.3 25.9 19.7 33.81 4.2 8.3 6.1 9.5 8.82 13.1 7.0 25.4 16.9 34.28 Fuente: Creación propia. 179 Porcentajes de scrap generados en moldeo semiautomático % Vaciado [ii/i]*100 % Moldeo [iii/i]*100 % Desmoldeo [iv/i]*100 0.32% 0.24% 0.24% 0.32% 0.98% 0.44% 0.51% 0.87% 0.48% 0.73% 0.33% 0.85% 0.26% 0.71% 0.94% 0.52% 0.40% 0.68% 0.44% 0.57% 0.29% 0.66% 0.29% 0.58% 0.86% 2.52% 1.32% 0.96% 2.10% 3.24% 1.18% 2.69% 2.11% 1.08% 1.63% 1.39% 2.88% 1.12% 1.76% 2.58% 1.73% 0.77% 1.61% 2.27% 1.69% 0.82% 1.42% 1.89% 1.33% 2.80% 4.73% 1.81% 1.27% 2.52% 4.57% 1.83% 2.28% 4.17% 1.95% 3.02% 2.65% 5.44% 2.01% 3.43% 4.59% 2.69% 2.05% 3.19% 3.40% 3.03% 1.25% 2.54% 1.39% 3.12% 3.81% 2363.03 0.54% 1.80% 2.91% 545.129 870.51 0.24% 0.69% 1.15% 1,399.00 2,397.00 0.51% 1.69% 2.69% 1 2 3 4 5 6 7 8 9 10 11 12 13 15 16 17 18 19 20 21 22 23 24 25 26 50,686.00 98,381.00 102,609.00 80,956.00 65,459.00 91,518.00 96,690.00 66,423.00 112,379.00 113,057.00 102,848.00 82,070.00 42,643.00 75,955.00 82,749.00 86,943.00 75,794.00 78,598.00 77,181.00 98,775.00 93,242.00 75,729.00 92,670.00 92,397.00 71,929.00 Media 84,307.24 456.48 1460.74 17,248.96 204.84 82,749.00 491.00 Desviación estándar Mediana iv Desmoldeo [Piezas/Semana] iii Moldeo [Piezas/Semana] ii Vaciado [Piezas/Semana] Semana 2013 i Producción [Piezas/Semana] Tabla A. 10 Clasificación de scrap para moldeo semiautomático 160 1279 2397 239 1297 1781 244 987 1305 258 1703 2039 644 2121 2989 404 1078 1678 491 2599 2205 576 1399 2768 541 1209 2193 830 1839 3416 338 1433 2724 700 2362 4468 113 478 857 543 1340 2606 777 2136 3795 452 1507 2339 306 580 1557 532 1266 2507 339 1755 2628 559 1671 2995 272 765 1164 503 1074 1920 269 1747 1290 538 1233 2887 618 2011 2740 Estadística descriptiva Fuente: Creación propia. 180 Porcentajes de scrap generados en moldeo manual 1 2 3 4 5 6 7 8 9 10 11 12 13 15 16 17 18 19 20 21 22 23 24 25 26 16,561.00 38,717.00 34,954.00 26,113.00 28,906.00 31,236.00 37,742.00 23,201.00 37,837.00 33,373.00 34,718.00 36,333.00 13,705.00 33,117.00 44,420.00 24,927.00 17,683.00 34,118.00 35,422.00 29,301.00 18,601.00 27,317.00 31,716.00 22,880.00 32,513.00 Media 29,816.44 360.81 7,756.75 31,716.00 Desviación estándar Mediana 190 996 216 981 224 941 158 1484 372 1473 348 1530 414 1724 486 2021 598 2136 601 1084 449 1179 464 1371 67 278 450 743 621 1650 328 1235 294 554 390 1325 335 1141 440 1332 163 523 356 949 246 1200 365 826 464 1474 Estadística descriptiva % Desmoldeo [iv/i]*100 % Moldeo [iii/i]*100 % Vaciado [ii/i]*100 iv Desmoldeo [Piezas/Semana] iii Moldeo [Piezas/Semana] ii Vaciado [Piezas/Semana] Semana 2013 i Producción [Piezas/Semana] Tabla A. 11 Clasificación de scrap para moldeo manual 1737 1930 2011 2004 2855 1540 2362 2166 2752 2982 3010 3714 586 2650 3282 2148 1207 1969 2528 2677 1089 1682 1301 2054 2275 1.15% 0.56% 0.64% 0.61% 1.29% 1.11% 1.10% 2.09% 1.58% 1.80% 1.29% 1.28% 0.49% 1.36% 1.40% 1.32% 1.66% 1.14% 0.95% 1.50% 0.88% 1.30% 0.78% 1.60% 1.43% 6.01% 2.53% 2.69% 5.68% 5.10% 4.90% 4.57% 8.71% 5.65% 3.25% 3.40% 3.77% 2.03% 2.24% 3.71% 4.95% 3.13% 3.88% 3.22% 4.55% 2.81% 3.47% 3.78% 3.61% 4.53% 10.49% 4.98% 5.75% 7.67% 9.88% 4.93% 6.26% 9.34% 7.27% 8.94% 8.67% 10.22% 4.28% 8.00% 7.39% 8.62% 6.83% 5.77% 7.14% 9.14% 5.85% 6.16% 4.10% 8.98% 7.00% 1183.41 2148.30 1.21% 4.09% 7.35% 144.93 444.05 735.52 0.40% 1.45% 1.85% 365.00 1200.00 2148.00 1.29% 3.77% 7.27% Fuente: Creación propia. 181 Anexo 3. Análisis estadístico de información para capítulo 4. Figura A. 1 Resumen estadístico para Lead Time moldeo semiautomático. Resumen para Lead Time MSA [s] P rueba de normalidad de A nderson-Darling A -cuadrado V alor P 1120 1200 1280 1360 0.25 0.736 M edia Desv .E st. V arianza A simetría Kurtosis N 1255.0 74.0 5471.1 0.101271 -0.690377 31 M ínimo 1er cuartil M ediana 3er cuartil M áximo 1115.5 1191.9 1254.4 1304.2 1395.8 Interv alo de confianza de 95% para la media 1227.9 1282.1 Interv alo de confianza de 95% para la mediana 1222.1 1289.2 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 59.1 98.9 Media Mediana 1220 1240 1260 1280 Fuente: Creación propia. Figura A. 2 Resumen estadístico para Lead Time moldeo manual. Resumen para Lead Time MM [s] P rueba de normalidad de A nderson-Darling A -cuadrado V alor P 1300 1500 1700 1900 2100 2300 2500 0.32 0.514 M edia Desv .E st. V arianza A simetría Kurtosis N 2065.0 259.0 67094.6 -0.367992 0.553383 31 M ínimo 1er cuartil M ediana 3er cuartil M áximo 1395.4 1926.5 2101.1 2214.8 2550.4 Interv alo de confianza de 95% para la media 1970.0 2160.0 Interv alo de confianza de 95% para la mediana 1979.7 2160.5 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 207.0 346.2 Media Mediana 1950 2000 2050 2100 2150 Fuente: Creación propia. 182 Figura A. 3 Resumen estadístico para nivel de servicio Unidad 1. Resumen para U1 [OC/OP] P rueba de normalidad de A nderson-Darling A -cuadrado V alor P 0.5 0.6 0.7 0.8 0.58 0.098 M edia Desv .E st. V arianza A simetría Kurtosis N 0.57489 0.10529 0.01109 1.49869 3.00379 10 M ínimo 1er cuartil M ediana 3er cuartil M áximo 0.45586 0.51463 0.55259 0.60718 0.82197 Interv alo de confianza de 95% para la media 0.49957 0.65021 Interv alo de confianza de 95% para la mediana 0.50866 0.61399 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 0.07242 0.19222 Media Mediana 0.50 0.55 0.60 0.65 Fuente: Creación propia. Figura A. 4 Gráfico I-MR para Nivel de servicio Unidad 1. Gráfica I-MR de U1 [OC/OP] LC S =0.7202 V alor individual 0.7 0.6 _ X=0.5474 0.5 0.4 LC I=0.3747 01/2013 02/2013 03/2013 04/2013 05/2013 M es 06/2013 07/2013 08/2013 09/2013 LC S =0.2122 Rango móvil 0.20 0.15 0.10 __ M R=0.0649 0.05 0.00 LC I=0 01/2013 02/2013 03/2013 04/2013 05/2013 M es 06/2013 07/2013 08/2013 09/2013 Fuente: Creación propia. 183 Figura A. 5 Resumen estadístico para nivel de servicio Unidad 2. Resumen para U2 [OC/OP] P rueba de normalidad de A nderson-Darling A -cuadrado V alor P 0.78 0.80 0.82 0.84 0.86 0.88 0.90 0.70 0.043 M edia Desv .E st. V arianza A simetría Kurtosis N 0.82430 0.04945 0.00245 0.79828 -1.07205 9 M ínimo 1er cuartil M ediana 3er cuartil M áximo 0.77842 0.78647 0.79103 0.87258 0.90621 Interv alo de confianza de 95% para la media 0.78628 0.86231 Interv alo de confianza de 95% para la mediana 0.78533 0.88318 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 0.03340 0.09474 Media Mediana 0.800 0.825 0.850 0.875 Fuente: Creación propia. Figura A. 6 Gráfico I-MR para Nivel de servicio Unidad 2. Gráfica I-MR de U2 [OC/OP] 1 V alor individual 0.90 LC S =0.9025 5 0.85 _ X=0.8243 0.80 6 6 0.75 LC I=0.7461 01/2013 02/2013 03/2013 04/2013 05/2013 M es 06/2013 07/2013 08/2013 09/2013 1 Rango móvil 0.100 LC S =0.0961 0.075 0.050 __ M R=0.0294 0.025 0.000 LC I=0 01/2013 02/2013 03/2013 04/2013 05/2013 M es 06/2013 07/2013 08/2013 09/2013 Fuente: Creación propia. 184 Proceso de moldeo Semiautomático Figura A. 7 Resumen estadístico y gráfico I-MR para Montajes en Moldeo Semiautomático por semana. Resumen para Montaje-M SA Gráfica I-MR de Montaje-M SA P rueba de normalidad de A nderson-Darling 20 30 40 50 0.34 0.484 M edia Desv .E st. V arianza A simetría Kurtosis N 37.326 9.418 88.695 -0.494709 0.116153 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 13.233 31.350 38.350 44.000 54.533 41.307 Interv alo de confianza de 95% para la desv iación estándar 7.697 30 20 LC I=13.55 1 5 9 13 17 21 Semanas-M SA 1 30 12.137 Rango móvil 33.807 _ X=37.33 40 25 29 33 37 1 LC S =29.21 40.379 Interv alo de confianza de 95% para la mediana Intervalos de confianza de 95% 50 1 Interv alo de confianza de 95% para la media 34.273 LC S =61.10 60 V alor individual A -cuadrado V alor P 20 __ M R=8.94 10 Media 0 Mediana LC I=0 1 34 36 38 40 5 9 13 17 21 Semanas-M SA 42 25 29 33 37 Fuente: Creación propia. Figura A. 8 Resumen estadístico y gráfico I-MR para Mantenimiento en Moldeo Semiautomático por semana. Resumen para Mantenimiento-M SA Gráfica I-MR de Mantenimiento-M SA P rueba de normalidad de A nderson-Darling 0 40 80 120 160 1.43 0.005 M edia Desv .E st. V arianza A simetría Kurtosis N 63.679 32.307 1043.729 1.62699 4.56403 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 6.917 43.817 56.033 71.817 186.500 200 V alor individual A -cuadrado V alor P < 26.403 LC I=-16.0 1 5 9 13 17 21 Semanas-M SA 25 29 33 37 1 120 41.636 Rango móvil 69.672 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% _ X=63.7 50 74.152 Interv alo de confianza de 95% para la mediana 47.315 LC S =143.3 100 0 Interv alo de confianza de 95% para la media 53.206 1 150 Media LC S =97.8 90 60 __ M R=29.9 30 0 Mediana LC I=0 1 50 60 5 9 13 70 17 21 Semanas-M SA 25 29 33 37 Fuente: Creación propia. Figura A. 9 Resumen estadístico y gráfico I-MR para Actividades humanas en Moldeo Semiautomático por semana. Resumen para Humanas-M SA Gráfica I-MR de Humanas-M SA P rueba de normalidad de A nderson-Darling 10 20 30 40 50 0.90 0.019 M edia Desv .E st. V arianza A simetría Kurtosis N 32.153 7.323 53.631 0.29806 2.87614 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 11.500 28.250 32.167 35.250 53.783 1 34.353 Interv alo de confianza de 95% para la desv iación estándar 5.985 Media 20 LC I=15.24 1 1 5 9 13 17 21 Semanas-M SA 25 29 33 37 1 LC S =20.77 20 9.438 Rango móvil 29.657 _ X=32.15 30 34.527 Interv alo de confianza de 95% para la mediana Intervalos de confianza de 95% LC S =49.06 40 10 Interv alo de confianza de 95% para la media 29.779 1 50 V alor individual A -cuadrado V alor P 15 10 __ M R=6.36 5 0 Mediana LC I=0 1 30 31 32 33 34 5 9 13 17 21 Semanas-M SA 25 29 33 37 Fuente: Creación propia. 185 Figura A. 10 Resumen estadístico y gráfico I-MR para Ajustes de Proceso en Moldeo Semiautomático por semana. Resumen para Ingenieria-M SA Gráfica I-MR de Proceso-M SA P rueba de normalidad de A nderson-Darling 10 20 30 40 1.32 0.005 M edia Desv .E st. V arianza A simetría Kurtosis N 16.932 6.059 36.706 1.72328 5.34577 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 6.350 13.717 15.767 19.833 40.833 V alor individual A -cuadrado V alor P < 4.951 _ X=18 20 10 LC I=-2.30 1 5 9 13 17 21 Semanas-M SA 25 29 33 37 1 30 LC S =24.94 7.808 Rango móvil 17.422 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% LC S =38.30 30 18.896 Interv alo de confianza de 95% para la mediana 14.162 1 0 Interv alo de confianza de 95% para la media 14.968 1 40 20 10 __ M R=7.63 Media 0 Mediana LC I=0 1 15.0 16.5 18.0 5 9 13 19.5 17 21 Semanas-M SA 25 29 33 37 Fuente: Creación propia. Figura A. 11 Resumen estadístico y gráfico I-MR para Pruebas de Ingeniería en Moldeo Semiautomático por semana. Resumen para Proceso-M SA Gráfica I-MR de Ingenieria-M SA P rueba de normalidad de A nderson-Darling 10 15 20 25 30 35 40 1.18 0.005 M edia Desv .E st. V arianza A simetría Kurtosis N 18.000 7.418 55.027 1.41004 2.57933 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 7.650 12.667 17.083 21.333 40.167 14.428 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 6.062 9.560 _ X=16.93 10 LC I=3.34 20 20.405 19.441 LC S =30.52 20 1 Rango móvil 15.595 30 0 Interv alo de confianza de 95% para la media Interv alo de confianza de 95% para la mediana 1 40 V alor individual A -cuadrado V alor P < 5 9 13 17 21 Semanas-M SA 25 29 33 37 1 1 LC S =16.69 15 10 __ M R=5.11 5 Media 0 Mediana LC I=0 1 15.0 16.5 18.0 19.5 5 9 13 21.0 17 21 Semanas-M SA 25 29 33 37 Fuente: Creación propia. Figura A. 12 Resumen estadístico y gráfico I-MR para Scrap de moldeo en moldeo Semiautomático por semana. Resumen para Scrap Moldeo-M SA Gráfica I-MR de Scrap Moldeo-M SA P rueba de normalidad de A nderson-Darling 500 1000 1500 2000 2500 0.17 0.918 M edia Desv .E st. V arianza A simetría Kurtosis N 1460.7 545.1 297165.7 0.087082 -0.422381 27 M ínimo 1er cuartil M ediana 3er cuartil M áximo 478.0 1078.0 1399.0 1839.0 2599.0 LC S =3337 3000 V alor individual A -cuadrado V alor P 2000 _ X=1461 1000 0 LC I=-415 2013-1 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño-M SA 2013-20 2013-23 2013-26 LC S =2305 Interv alo de confianza de 95% para la media 1232.3 1747.2 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 429.3 Media 2000 1676.4 747.1 Rango móvil 1245.1 Interv alo de confianza de 95% para la mediana 1500 1000 __ M R=705 500 0 Mediana LC I=0 2013-1 1300 1400 1500 1600 1700 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño-M SA 2013-20 2013-23 2013-26 Fuente: Creación propia. 186 Figura A. 13 Resumen estadístico y gráfico I-MR para Scrap de Vaciado en moldeo Semiautomático por semana. Resumen para Scrap Vaciado-M SA Gráfica I-MR de Scrap Vaciado-M SA P rueba de normalidad de A nderson-Darling 200 400 600 800 0.39 0.356 M edia Desv .E st. V arianza A simetría Kurtosis N 456.48 204.84 41959.87 0.252154 -0.768540 27 M ínimo 1er cuartil M ediana 3er cuartil M áximo 113.00 269.00 491.00 576.00 855.00 600 0 LC I=-199 2013-1 304.99 161.32 543.47 280.72 Rango móvil Interv alo de confianza de 95% para la mediana 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño-M SA 2013-20 2013-23 2013-26 LC S =804.8 800 537.51 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% _ X=456 300 Interv alo de confianza de 95% para la media 375.45 LC S =1112 900 V alor individual A -cuadrado V alor P 1200 Media 600 400 __ M R=246.3 200 0 Mediana LC I=0 2013-1 300 360 420 480 2013-4 2013-7 2013-10 540 2013-13 2013-17 Semana-A ño-M SA 2013-20 2013-23 2013-26 Fuente: Creación propia. Figura A. 14 Resumen estadístico y gráfico I-MR para Scrap de desmoldeo en moldeo Semiautomático por semana. Resumen para Scrap Desmoldeo-M SA Gráfica I-MR de ScrapDesmoldeo-M SA P rueba de normalidad de A nderson-Darling 1000 2000 3000 4000 0.19 0.895 M edia Desv .E st. V arianza A simetría Kurtosis N 2363.0 870.5 757790.6 0.305828 -0.024031 27 M ínimo 1er cuartil M ediana 3er cuartil M áximo 857.0 1678.0 2397.0 2887.0 4468.0 6000 LC S =5185 V alor individual A -cuadrado V alor P 2740.8 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 685.5 1193.0 LC I=-459 2013-4 2013-7 2013-10 4000 2013-13 2013-17 Semana-A ño-M SA 2013-20 2013-23 2013-26 1 LC S =3467 Rango móvil 1915.9 _ X=2363 1500 2013-1 2707.4 Interv alo de confianza de 95% para la mediana 3000 0 Interv alo de confianza de 95% para la media 2018.7 4500 3000 2000 __ M R=1061 1000 Media 0 Mediana LC I=0 2013-1 2000 2200 2400 2600 2800 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño-M SA 2013-20 2013-23 2013-26 Fuente: Creación propia. 187 Proceso de moldeo manual Figura A. 15 Resumen estadístico y gráfico I-MR para Montajes en moldeo Manual por semana. Resumen para Montaje-M M Gráfica I-MR de Montaje-M M P rueba de normalidad de A nderson-Darling 5 10 15 20 0.40 0.348 M edia Desv .E st. V arianza A simetría Kurtosis N 13.213 4.162 17.324 0.568821 0.134642 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 5.917 9.833 13.083 15.483 22.767 25 V alor individual A -cuadrado V alor P 3.402 14.426 5.364 5 5 9 13 17 21 Semanas-M M 25 29 33 37 16 LC S =14.23 Rango móvil 11.641 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% _ X=13.21 10 LC I=1.63 14.562 Interv alo de confianza de 95% para la mediana 15 1 Interv alo de confianza de 95% para la media 11.864 LC S =24.80 20 12 8 __ M R=4.36 4 Media 0 Mediana LC I=0 1 12 13 14 5 9 13 15 17 21 Semanas-M M 25 29 33 37 Fuente: Creación propia. Figura A. 16 Resumen estadístico y gráfico I-MR para Mantenimiento en moldeo Manual por semana. Resumen para Mantenimiento-M M Gráfica I-MR de Mantenimiento-M M P rueba de normalidad de A nderson-Darling 5 10 15 20 0.40 0.353 M edia Desv .E st. V arianza A simetría Kurtosis N 10.308 5.073 25.740 0.608294 0.096844 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 2.500 6.167 9.750 13.083 22.967 24 V alor individual A -cuadrado V alor P 4.146 12.117 6.539 0 5 9 13 17 21 Semanas-M M 25 29 33 37 1 LC S =16.63 16 Rango móvil 8.608 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 6 LC I=-3.23 11.952 Interv alo de confianza de 95% para la mediana _ X=10.31 12 1 Interv alo de confianza de 95% para la media 8.663 LC S =23.84 18 Media 12 8 __ M R=5.09 4 0 Mediana LC I=0 1 9 10 11 5 9 13 12 17 21 Semanas-M M 25 29 33 37 Fuente: Creación propia. Figura A. 17 Resumen estadístico y gráfico o I-MR para Actividades Humanas en moldeo Manual por semana. Resumen para Humanas-M M Gráfica I-MR de Humanas-M M P rueba de normalidad de A nderson-Darling 10 20 30 40 50 2.14 0.005 M edia Desv .E st. V arianza A simetría Kurtosis N 25.873 6.116 37.412 1.26404 5.48823 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 10.000 23.000 25.417 28.167 47.583 50 26.390 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% 4.999 7.883 _ X=25.87 20 LC I=10.46 1 5 9 13 17 21 Semanas-M M 25 29 33 37 1 24 1 1 Rango móvil 24.299 LC S =41.28 30 1 27.856 Interv alo de confianza de 95% para la mediana 40 10 Interv alo de confianza de 95% para la media 23.890 1 1 V alor individual A -cuadrado V alor P < LC S =18.93 18 12 __ M R=5.79 6 Media 0 Mediana LC I=0 1 24 25 26 27 28 5 9 13 17 21 Semanas-M M 25 29 33 37 Fuente: Creación propia. 188 Figura A. 18 Resumen estadístico y gráfico I-MR para Ajustes de Proceso en moldeo Manual por semana. Resumen para Proceso-M M Gráfica I-MR de Proceso-M M P rueba de normalidad de A nderson-Darling 10 15 20 25 30 35 40 1.18 0.005 M edia Desv .E st. V arianza A simetría Kurtosis N 18.000 7.418 55.027 1.41004 2.57933 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 7.650 12.667 17.083 21.333 40.167 V alor individual A -cuadrado V alor P < 10 LC I=-2.30 5 9 13 17 21 Semanas-M M 25 29 33 37 1 30 LC S =24.94 Rango móvil 6.062 _ X=18 20 20.405 19.441 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% LC S =38.30 30 1 Interv alo de confianza de 95% para la mediana 14.428 1 0 Interv alo de confianza de 95% para la media 15.595 1 40 9.560 20 10 __ M R=7.63 Media 0 Mediana LC I=0 1 15.0 16.5 18.0 19.5 5 9 13 21.0 17 21 Semanas-M M 25 29 33 37 Fuente: Creación propia. Figura A. 19 Resumen estadístico y gráfico I-MR para Pruebas de Ingeniería en moldeo Manual por semana. Resumen para Ingenieria-M M Gráfica I-MR de Ingenieria-M M P rueba de normalidad de A nderson-Darling 10 20 30 40 50 60 M edia Desv .E st. V arianza A simetría Kurtosis N 33.806 8.819 77.776 0.04443 1.37732 39 M ínimo 1er cuartil M ediana 3er cuartil M áximo 10.750 28.733 34.283 40.917 59.000 5 9 13 17 21 Semanas-M M 25 29 33 37 1 1 30 36.274 Interv alo de confianza de 95% para la desv iación estándar 7.207 20 LC S =28.45 36.665 Rango móvil 31.312 _ X=33.81 LC I=10.65 Interv alo de confianza de 95% para la mediana Intervalos de confianza de 95% LC S =56.96 40 1 Interv alo de confianza de 95% para la media 30.948 1 60 0.34 0.493 V alor individual A -cuadrado V alor P 11.366 20 __ M R=8.71 10 Media 0 Mediana LC I=0 1 32 34 5 9 13 36 17 21 Semanas-M M 25 29 33 37 Fuente: Creación propia. Figura A. 20 Resumen estadístico y gráfico I-MR para Scrap de Moldeo en moldeo Manual por semana. Resumen para Scrap Moldeo M_M Gráfica I-MR de Scrap Moldeo M_M P rueba de normalidad de A nderson-Darling 500 1000 1500 2000 0.16 0.947 M edia Desv .E st. V arianza A simetría Kurtosis N 1183.4 444.0 197177.2 0.0769178 -0.0047554 27 M ínimo 1er cuartil M ediana 3er cuartil M áximo 278.0 941.0 1200.0 1474.0 2136.0 LC S =2281 2000 V alor individual A -cuadrado V alor P 1374.0 Interv alo de confianza de 95% para la desv iación estándar 349.7 LC I=86 2013-1 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño 2013-20 2013-23 2013-26 1500 LC S =1348 608.5 Rango móvil 980.1 500 1359.1 Interv alo de confianza de 95% para la mediana Intervalos de confianza de 95% _ X=1183 1000 0 Interv alo de confianza de 95% para la media 1007.7 1500 1000 __ M R=413 500 Media 0 Mediana LC I=0 2013-1 1000 1100 1200 1300 1400 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño 2013-20 2013-23 2013-26 Fuente: Creación propia. 189 Figura A. 21 Resumen estadístico y gráfico I-MR para Scrap de Vaciado en moldeo Manual por semana. Resumen para Scrap Vaciado M_M Gráfica I-MR de Scrap Vaciado M_M P rueba de normalidad de A nderson-Darling 100 200 300 400 500 600 0.24 0.739 M edia Desv .E st. V arianza A simetría Kurtosis N 360.81 144.93 21005.93 -0.056715 -0.597163 27 M ínimo 1er cuartil M ediana 3er cuartil M áximo 67.00 224.00 365.00 464.00 621.00 LC S =712.2 V alor individual A -cuadrado V alor P 800 2013-7 2013-10 2013-13 2013-17 Semana-A ño 2013-20 2013-23 2013-26 LC S =431.7 400 Rango móvil 114.14 LC I=9.4 2013-4 418.15 Interv alo de confianza de 95% para la mediana 292.58 200 2013-1 449.03 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% _ X=360.8 400 0 Interv alo de confianza de 95% para la media 303.48 600 198.62 Media 300 200 __ M R=132.1 100 0 Mediana LC I=0 2013-1 300 350 400 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño 450 2013-20 2013-23 2013-26 Fuente: Creación propia. Figura A. 22 Resumen estadístico y gráfico I-MR para Scrap de Desmoldeo en moldeo Manual por semana. Resumen para Scrap Desmoldeo M_M Gráfica I-MR de Scrap Desmoldeo M_M P rueba de normalidad de A nderson-Darling 500 1000 1500 2000 2500 3000 3500 0.12 0.984 M edia Desv .E st. V arianza A simetría Kurtosis N 2148.3 735.5 540986.1 -0.069692 -0.178492 27 M ínimo 1er cuartil M ediana 3er cuartil M áximo 586.0 1682.0 2148.0 2677.0 3714.0 V alor individual A -cuadrado V alor P 579.2 1000 LC I=162 2013-1 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño 2013-20 2013-23 2013-26 1 3000 1008.0 Rango móvil 2531.6 Interv alo de confianza de 95% para la desv iación estándar Intervalos de confianza de 95% _ X=2148 2000 2439.3 Interv alo de confianza de 95% para la mediana 1924.3 3000 0 Interv alo de confianza de 95% para la media 1857.3 LC S =4135 4000 LC S =2440 2000 1000 __ M R=747 Media 0 Mediana LC I=0 2013-1 2000 2200 2400 2600 2013-4 2013-7 2013-10 2013-13 2013-17 Semana-A ño 2013-20 2013-23 2013-26 Fuente: Creación propia. 190