ESTUDIO DE CASO Conclusiones Razonables vs. Conocimiento

ESTUDIO DE CASO
Conclusiones Razonables vs. Conocimiento Verdadero
El método científico es frecuentemente definido de forma
incorrecta como un proceso lineal y estático. Sin embargo,
el conocimiento verdadero y el descubrimiento en la
ciencia es un ciclo continuo de desarrollar constantemente
modelos y métodos que proporcionen mayor precisión y
utilidad. Descubrir mejores resultados requiere estar
abierto a un enfoque diferente para responder preguntas y
resolver problemas.
Este estudio de caso examina cómo un equipo de
ingeniería fue más allá de la factibilidad básica y prácticas
de diseño y la recompensa por sus esfuerzos fueron
ganancias impresionantes.
Introducción
El método científico se define con frecuencia como la
siguiente secuencia directa de pasos:
Definir la pregunta – Observar datos – Formular una
hipótesis – Realizar experimentos y recopilar datos –
Analizar los datos – Interpretar los datos y sacar
conclusiones que sirvan como punto de inicio para nuevas
hipótesis – Publicar resultados – Repetir pruebas.
Einstein demostró que la ciencia no es una receta. Toda
pregunta requiere inteligencia, imaginación y creatividad.
El conocimiento verdadero y el descubrimiento es un ciclo
continuo de desarrollar constantemente modelos y
métodos que proporcionan mayor precisión y utilidad.
Por ejemplo, las Teorías de la Relatividad de Einstein no
negaban la verdad fundamental de los Principios de Sir
Isaac Newton, solo los expandieron y refinaron.
A veces la ingeniería de la fabricación puede caer en
patrones y metodologías caducos. La factibilidad básica y
las prácticas de diseño de muchos de estos procesos son
sólidos pero con frecuencia no logran el potencial completo
para alcanzar mejoras.
Este estudio de caso trata acerca de un equipo de
ingeniería que al realizar una pequeña pero significativa
decisión lograron ahorros de $500,000 dólares.
Mucho dinero y alta complejidad
El escenario de este estudio es la extensa planta del
sureste. Antes de esta iniciativa, ésta incluía 4 millas de
transportadores; 13 sistemas de tarimas, 11 puntos de
enlace nuevo, 33 entradas posibles y 13 destinos.
La demanda de los productos de consumo de la planta continúa
creciendo pero es necesario modernizar el equipo y las
operaciones.
El equipo de ingeniería de la compañía llevó a profesionales de
Haskell para que realizaran un estudio de factibilidad de
ingeniería inicial que ayudaría a establecer el alcance del
proyecto y determinar las necesidades iniciales de
financiamiento.
Esta capacidad estática y análisis lineal es, por definición, un
trabajo conservador de tipo hoja de cálculo. Una vez que el
estudio de factibilidad estuvo terminado, un plan de definición
del proyecto diseñado y más detallado proporcionó los
requerimientos de asignación refinados y fue el inicio de la
verificación de una nueva distribución para variables tales como
curvas de demanda de productos, cronogramas de operación,
mantenimiento y selección de equipo.
Objetivos de oportunidad
Se identificaron objetivos de oportunidad para justificar o negar
la inversión de capital para el mejoramiento del sistema. En este
caso se establecieron ocho puntos principales de decisión:
Dos Puntos de clasificación de alta velocidad
Dos encarriladores de alta velocidad
Cuatro fusiones de 2 a 1 con puntos de escaneo
El reporte de definiciones indicó que probablemente se
requeriría agregar un nuevo clasificador de alta velocidad para
cumplir los requerimientos de producción; entonces comenzó el
debate.
Conclusiones razonables vs. Conocimiento
verdadero
El equipo de diseño de ingeniería de la compañía estaba
satisfecho con los reportes estáticos de capacidad y las
alternativas de distribución. El equipo de Haskell había llevado a
cabo un análisis completo y el nivel corporativo estaba listo
para tomar una decisión de inversión respecto al caso integral
del negocio.
Sin embargo, la gente de Haskell y algunos clientes miembros
del equipo compartían una inquietud. A partir de su experiencia
con otros sistemas complejos, los profesionales sabían que
había más por aprender y descubrir que lo que podían sacar de
los reportes estáticos.
El equipo local del proyecto, formado por ingenieros de
Haskell y de la planta, había tenido anteriormente
experiencias exitosas que podían presentar cuando
comenzaron a tratar con la administración corporativa para
que financiara la simulación de las opciones de diseño. Los
costos de simulación serían aproximadamente los mismos
que los costos de servicio para crear los reportes estáticos.
No obstante, los ingenieros de Haskell sabían que las
simulaciones representan las características específicas de
sistemas verdaderos de manera dinámica y proporcionan
un conocimiento sobre las operaciones del sistema, su
desempeño y la verificación de estrategias de controles
para todos los sistemas de Proceso, Empaque y Manejo y
Distribución de Materiales.
Al ejecutar una simulación completa de varias opciones de
diseño, el equipo de Haskell aseguró que podrían descubrir
un nuevo diseño, probablemente mejor, para un sistema
tan grande y complejo.
La administración corporativa estuvo de acuerdo con la
decisión del equipo del proyecto de utilizar la simulación.
Su selección valió la pena.
La simulación reveló que el nuevo sistema estaba “sobrediseñado” en la actualidad.
Un estudio cuidadoso de la simulación bajo múltiples
escenarios de operación reveló que se podían realizar
algunos cambios mayores, incluyendo:
Cambiar de usar un costoso clasificador de alta
velocidad a un método clasificador de menor costo
que proporcionaría un rendimiento mucho más
extenso.
Se podían retirar
secciones grandes del
transportador, aproximadamente 300 pies, del
sistema logrando así ahorros significativos al reducir la
complejidad y el costo del sistema manteniendo la
capacidad requerida.
Confirmación que los 13 sistemas de tarimas que
originalmente daban soporte a la planta, se podían
reconfigurar en un sistema de 9 piezas retirando 9
formadores de tarimas, agregando 1 formador de
tarimas de alta velocidad y reconstruyendo 2
formadores de tarimas.
Conclusión y resumen
Finalmente, al utilizar la simulación para representar todo el
sistema, el equipo del proyecto invirtió un poco más en el
esfuerzo de ingeniería “por adelantado” y logró una
recuperación de más de diez veces la inversión, ahorrando
aproximadamente $500,000 en equipo y sistemas que no
necesitarían.
Aunque no hubo nada incorrecto con los datos producidos por
los análisis estáticos, el conocimiento verdadero y el
descubrimiento mediante los modelos y métodos de simulación
más sofisticados proporcionó finalmente una mayor precisión y
utilidad en forma de ahorros significativos para el cliente.