propuesta de mejora continua para una planta de fundición de

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