DESARROLLO Y APLICACIN DE ESTRATEGIAS PARA LA OPTIMIZACIN DE LA
VARIABILIDAD DE LLENADO EN BAVARIA S.A CERVECERA DE BOYAC
YASMIN YULIED CALA CALA Universidad Nacional de Colombia
Facultad de Ciencias EconmicasMaestra en Administracin Bogot,
Colombia 2013
DESARROLLO Y APLICACIN DE ESTRATEGIAS PARA LA OPTIMIZACIN DE LA
VARIABILIDAD DE LLENADO EN BAVARIA S.A CERVECERA DE BOYAC YASMIN
YULIED CALA CALA MAESTRA EN ADMINISTRACIN Director: Ph.D. EDISON
JAIR DUQUE OLIVA ProfesorUniversidad Nacional De Colombia
Universidad Nacional de Colombia Facultad de Ciencias Econmicas
Maestra en Administracin Bogot, Colombia 2013
DedicadoamisamoresEvelia, Chrystian,JohnOmaryamisamigos
AnglicaMarayDanielGonzlez. Resumen y AbstractIV Resumen Este
trabajo est enfocado en la elaboracin de una estrategia que incluye
el desarrollo y
manejodeherramientas,paraelmejoramientoyoptimizacindelprocesodellenado,
quepermitadisminuirsuvariabilidadyalavez,garantizarsuefectividad.Lamulti-metodologaqueaquseutilizafuepropuestaporMingersyBrocklesby(1997),lacual
planteacuatrofases:enlaprimera,seanalizaelestadoactual;enlasegunda,se
recolectanlosdatosencampo,serealizaunanlisisestadsticodescriptivo,de
capacidad de proceso (Cp) y de ndice de capacidad del proceso (Cpk)
mediante el uso
delsoftwareMinitab1,seseleccionanlasherramientasdesolucindeproblemasa
utilizar;enlatercera,seanalizanlosresultadosobtenidoenlaetapaanterior,se
determinan los factores causantes del problema, se desarrolla un
plan de mejoramiento y
seimplementaencampo;enlaltimafase,seevalalaefectividaddelasacciones
tomadasydelasestrategiasimplementadasparaestandarizarelproceso.Los
resultados corroborarn que la variacin del proceso presenta datos
iniciales de 330 + / -
7cm3;y,losdatosfinalesalaimplementacindelpresenteplan,constatarnquela
variacin se ubicara en 330 + / - 2c.m3
Palabras clave: Estrategias de mejora. Herramientas de
mejoramiento. Variabilidad. Anlisis estadstico. Capacidad de
proceso.
1MINITAB:softwarediseadoparaejecutarfuncionesestadsticasbsicasyavanzadasque
combinaloamigabledelusodeMicrosoftExcelconlacapacidaddeejecucindeanlisis
estadsticos.Ofreceherramientasprecisasyfcilesdeusarparaaplicacionesestadsticas
generales y muy especialmente para control de calidad. Resumen y
AbstractV Abstract
Thisworkfocusesonthedevelopmentofastrategythatincludesthedevelopmentand
management tools for to improve and optimize the "filling process,"
thus allowing greater
variabilitywhileensuringeffectiveness.Themulti-methodologyusedherewasproposed
byMingersandBrocklesby(1997),whichconsistsoffourphases:firstly,ananalysisof
presentconditions,followedbyasecondphasewhichwascomprisedofthecollection
fielddata,andstatisticalanalysis(performedusing
thetroubleshootingtoolsdescriptive
processcapability(Cp)andprocesscapabilityindex(Cpk)usingMinitab2software,the
thirdphasewastheanalysisofresultsobtainedbeforehandtodeterminethefactors
causingtheproblem,developanimprovementplanandimplementitinthefield.
The
finalphasewasanassessmentoftheeffectivenessoftheactionsandstrategies
implementedtostandardizetheprocess.Theresultscorroboratethatprocessvariation
presented initial data from 330 + / - 7cm3, and the final data from
the implementation of this plan demonstrate that the variation was
located at 330 + / - 2c.m3 Keywords:Strategies for improvement,
improvement tools, variability, statistical analysis, process
capability
2 MINITAB: softwaredesigned to perform basic and advanced
statistical functions that combines the friendliness of using
Microsoft Excel with the ability to run statistical analyzes. It
offers precise tools and easy to use for general statistical
applications and especially for quality control. ContenidoVI
Contenido Pg. Resumen
...................................................................................................................
IV Lista de figuras
........................................................................................................
VII Lista de tablas
.........................................................................................................
VIII Introduccin
...............................................................................................................
1 Marco terico
.............................................................................................................
6 1.1Gestin de mejoramiento
............................................................................
6 1.2Mejoraempresarialmedianteelusodemetodologasdesolucinde
problemas
.............................................................................................................
9 1.3Herramientas para solucin de problemas en la industria
........................ 10 2. Diseo Metodolgico
..........................................................................................
15 2.1 Procedimiento
...............................................................................................
15 2.2 Poblacin
......................................................................................................
16 2.3 Definicin del tamao de muestra
.................................................................
17 3. Desarrollo del trabajo.
.........................................................................................
19 3.1 Anlisis del estado inicial del proceso de llenado
......................................... 19 3.2 Mapa extendido
S.I.P.O.C.
...........................................................................
24 3.3 Anlisis de causas raz
.................................................................................
26 3.4 Desarrollo e implementacin del plan de mejoramiento
................................ 27 4. Evaluacin de la efectividad
del plan de mejoramiento ................................... 28 5.
Conclusiones y recomendaciones
.....................................................................
33 5.1 Conclusiones
................................................................................................
33 5.2 Recomendaciones
........................................................................................
37 A.Anexo: Prueba z y Prueba t
..............................................................................
39 B.Anexo: Tabla de datos histricos de abril del 2011 a febrero de
2012 ......... 41 C.Anexo: Prueba de Normalidad por mes de abril a
febrero de 2012 .............. 51 D.Anexo: Lluvia de ideas y
diagrama causa efecto ........................................ 52
E.Anexo: Comparativo datos de oxigeno antes y despus del
mejoramiento. 54 F.Anexo: Imgenes de la situacin inicial y despus
de la mejora. ................ 55 Bibliografa
...............................................................................................................
59 Contenido VII Lista de figuras Figura 2-1: Distribucin de la
muestra de llenado (cm3)...........................................
16 Figura 2-2: Resumen estadstico: datos de llenado (cm3), vlvulas
1 a 92............... 18 Figura 3-1: Prueba de normalidad de los
datos de llenado del mes de abril de 2011 a febrero de
2012........................................................................................................
20 Figura3-2:Resumengrficodelosdatosdellenadodelmesdeabrilde2011a
febrero de
2012........................................................................................................
20 Figura 3-3: Distribucin de las vlvulas conforme a la
medida................................. 21 Figura 3-4: Grfico de
cajas y bigotes: comportamiento inicial de las 92 vlvulas. 23
Figura 3-5: Mapa extendido S.I.P.O.C. de proceso de llenado...25
Figura4-1:Grficodecajasybigotesdelas92vlvulasdespusdela
implementacin de la
mejora....................................................................................
29 Figura A-1: Prueba Z de una
muestra......................................................................
39 Figura A-2: Prueba t de una
muestra.......................................................................
40 Figura C-1: Prueba de Normalidad por mes, de abril a septiembre
de 2012............ 51
FiguraC-2:PruebadeNormalidadpormes,deoctubrede2011afebrerode2012.
..................................................................................................................................
51 Figura D-1: Diagrama de
causa-efecto.....................................................................
53 Figura E-1: Comportamiento del oxigeno antes y despus de la
mejora.................. 54
FiguraF-1:ImagendelcontroldepresinenelHDE,posterioralaautomatizacin.
..................................................................................................................................
55
FiguraF-2:Imagendelvariadorantesdeimplementarelcontrolautomticode
velocidad de la
envasadora......................................................................................
56
FiguraF-3:Fotogrficatomadaaltelevisordondellegalaimagendelcontrol
automtico................................................................................................................
56 Figura F-4: Almacenamiento de los tubos de venteo antes de la
estandarizacin... 57
FiguraF-5:Evidenciafotogrficadelcarroparaalmacenamientodelostubosde
venteo de forma
organizada.....................................................................................
58 VIII Contenido Lista de tablas Tabla 1-1: Filosofas de
mejoramiento.
........................................................................
6 Tabla 1-2: Metodologas de solucin de problemas.
.................................................. 10 Tabla 1-3:
Herramientas para solucin de problemas.
.............................................. 11 Tabla 1-4:
Herramientas utilizadas en la pasanta.
.................................................... 12 Tabla 3-1:
Anlisis Inicial de distribucin y capacidades de las 92 vlvulas.
............. 21 Tabla 3-2: Cronograma de Actividades. 1
..................................................................
28
Tabla4-1:Anlisisdedistribucinycapacidadesdelas92vlvulasdespusdela
mejora.
......................................................................................................................
30 Tabla B-1: Datos histricos de llenado.
.....................................................................
41 Introduccin
Lasempresasanivelmundial,ensuintersporsercadadamscompetitivas,se
enfocan en la mejora continua de sus procesos, explorando
diferentes estrategias que les
permitandisminuirsuscostos,aumentarlacalidadeincrementarlaflexibilidadenla
produccin de bienes o servicios, con el fin de satisfacer cada vez
ms a sus clientes y lograr de esta forma mantenerse en el mercado
(Ibarra, Sarache y Surez, 2004; Lapide,
2005).Portalmotivosehaceindispensablelaimplementacindeherramientasque
permitandarsolucinalosproblemasquesepresentanenlaindustriagenerandoun
mejoramiento sostenido de los procesos
Basadosenloanterior,lasestrategiasde
mejoramientoycontrol,sehanconvertidoen
instrumentosimprescindiblesparasolucindeproblemas.Estasherramientaspermiten
mejorar la calidad, lo que para Montgomery (2007) es la reduccin de
la variabilidad en procesos y productos (p. 6). De este modo,
Montgomery (2007) plantea que:
Lamayoradelasorganizacionesencuentrandifcil(ycostoso)ofreceral
clienteproductosconcaractersticasdecalidadqueseansiempreidnticas
deunaunidadaotraoqueestnennivelesquecumplanconlas expectativas del
consumidor. La raznprincipal de ello es la variabilidad. En todos
los procesos existe cierta variabilidad, de ah, que dos productos
nunca seaniguales.Siestavariacinespequeaquizsnotenganinguna
repercusinsobreelconsumidor,sinembargo,silavariacinesgrandeel
cliente puede percibir el producto como indeseable o inaceptable
(p. 7).
Lacomplejidaddelosprocesosconllevalautilizacindemsdeunmtodode
mejoramiento y de diferentes herramientas de calidad, con el fin de
optimizar por medio
delaestandarizarlosprocesosminimizandosuvariacin(JuranyGryna1993;Smith,
2000).SegnJuranyGryna(1995)el95%delosproblemasdelasempresaspueden
ser resueltos utilizando las herramientas de calidad Fundamentado
en la idea anterior, y buscando mejorar un proceso con la
disminucin de
lavariabilidad,esnecesarioutilizarmltiplesherramientasquecumplancon
caractersticasespecificasquepermitanrecolectardatos,detectarfactoresqueinfluyan
enlavariacin,identificarlacausaraz,generaractividadesquereduzcanoeliminela
causa raz garantizando productos de alta calidad3
3 Montgomery (2007) la calidad es inversamente proporcional a la
variabilidad (p. 4). 2 Introduccin
Todoloanterior,permiteresaltarlaimportanciaquetienenestasherramientas,enla
solucin de problemas y en la disminucin de la variabilidad de los
procesos industriales. Es as, como muchos tericos en el plano
internacional hancontribuido al mejoramiento
delosprocesosdeproduccindesarrollandoinvestigacionesdeherramientas
estadsticasqueaunsonaplicadosenlaindustria;Montgomery(2007)nosmuestra
algunos ejemplos: B. P Dubbing emple mtodos estadsticos en General
Electric para el
controldecalidaddelasbombillas.W.A.Shewhartintrodujoelconceptodecartade
control en los laboratorios Bell y describi diferentes mtodos
estadsticos para usar en la
industria.H.F.DodgeyH.G.Romigdesarrollaronyperfeccionaronlametodologade
muestreodeaceptacinenloslaboratoriosBell.W.E.Deming,apliclosmtodos
estadsticosyenfatizenlaimportanciadelacalidadcomounarmacompetitiva.J.M
JuranyA.V.Feigenbaumenfocanlamejoraenlaaccindelaadministracin.Enla
actualidad,anivelinternacionalEscobar,Velzquez,SarmientoyGutirrez(2010),
contribuyenconunapropuestaparaladisminucindeproductosnoconformesenel
proceso de envasado de la empresa Lcteos de Chiapas, utilizando el
control estadstico
deproceso(CEPoSPCporsussiglaseningles),comoestrategiaparaasegurarla
calidaddelosproductos,identificandolosdefectosysuscausas;paraposteriormente,
generar propuestas de control. As mismo: Daz, Daz, Flores y Heyser
(2009) realizaron
unestudioexhaustivosobrelaoptimizacindelprocesodeenvasadodeproductoen
polvo, aplicando tcnicas estadsticas como: cartas de control y
anlisis de capacidad de
proceso,conelfindedisminuirlavariabilidadminimizandolasprdidasenproducto
terminado.
EnColombiaexisteninvestigacionesquedescribenlaaplicacindediferentes
herramientasdemejoramiento,ejemplo:Arrieta(2004)ensutrabajorealizadoala
industriametalmecnicadelaciudaddeMedellnreferencialasmejoresprcticasen
manufactura aplicadas a este sector. Enfatiza la necesidad de
muchas empresas de esta
ciudadporasumirelmejoramientocontinuoylaimplementacindediferentes
herramientasdeProduccin,comounacultura
organizacional,paraas,podercompetir
conproductosdemejorcalidadyamenorcosto.DelamismaformaPrez,Patioy
suaga(2010)resaltanelusodeherramientasdemejoramientoysuincidenciaen
costos, fallas y factores de xito de grandes y medianas empresas
industriales del Valle
deAburr.Porsuparte,Meja(s.f.)proporcionainformacinsobreelvalordemedirel
ndicedecapacidaddeprocesobuscandoreducirlavariabilidad.IgualmenteKlinger,
Olaya,Andrade,Mesa,Conde,Delgado,Arbelez,Trujillo,SolanoyDaz(2002),
destacanlaimportanciaquetieneelroldelaestadsticaenlaestandarizacindelos
procesos, buscando la mejora de los mismos.
Deacuerdoalomencionadoanteriormenteysoportadoenlosresultadosdela
CerveceradeBoyac,sedetectqueelprocesodellenadodelamarcadecerveza
poker:presentacin330centmetroscbicos(cm3),presentavariabilidad,queforma
parte de los factores que ocasionan desperdicio o merma en el saln
de envasado; que Introduccin 3 para el periodo, comprendido entre
abril de 2011 y marzo de 2012 fue de $284.773.5594 creando
inconformidad al interior de la organizacin.
ParacumplirconlosrequerimientosnormativosestablecidosporelMinisteriode
Comercio, Industria y Turismo; Superintendencia de Industria y
Comercio. (2003)donde
semencionaque:elcontenidonetodetodoproductoempacadooenvasadodebe
corresponderalcontenidoenunciadoensurotuladooempaque(p.1).Teniendoen
cuentaqueenlaCerveceradeBoyac,sedetectqueenlamarcapoker:
presentacin330 (cm3), queesla marca
demayorproduccin,sepresentavariabilidad en el proceso de llenado de
+/- 7 cm3, surge el siguiente interrogante:
Cmodisminuirlavariabilidaddellenadoquepermitamejorarelindicadorde
merma en el saln de envasado de la Cervecera de Boyac?
Conbaseenelanteriorcuestionamiento,elpropsitoprincipaldelapasantadegrado
fuedesarrollarundiagnosticodelassituacionesquepermitamejorarelindicadorde
mermaenelprocesodellenado,disminuirlavariabilidaddelmismoyevaluarsu
efectividad, para lo cual fue necesario: Analizar el estado actual
del proceso de llenado. Determinar el marco conceptual que permita
proponer una solucin. Desarrollar un plan de mejoramiento de los
factores detectados en el diagnstico. Evaluar la efectividad del
plan.
Debidoalalcancedelosobjetivos,estapasantasedesarrollconunenfoque
metodolgicoanaltico-causal,
quepermitidetectaratravsdeldiagnstico;elestado actual del proceso,
con el fin, de conocer y explicar la realidad, basado en los
principios
deobjetividad,cuantificacinyanlisiscausalenunciadoporInche,Anda,
Huamanchumo,Lpez,VizcarrayFlores(2003);RodrguezyValldeoriola(2003)como
una metodologa orientada a los resultados, por medio del anlisis de
datos y evidencias,
quepermitacorregiryeliminarlosproblemasquesepresentanenlaindustria(Bunge,
2000). Igualmente se utiliz la multi-metodologa desarrollada por
Mingers y Brocklesby (1997), que consta de 4 fases: en la primera,
se analiz el estado actual del proceso de llenado;
sellevacabounarevisinbibliogrficadelasdiferentesfilosofas,metodologasy
herramientas de mejoramiento, utilizadas en la industria
manufacturera para dar solucin
alosproblemasquesepresentan.Sedefinilapoblacin,lamuestrayeltipode
muestreo a utilizar en el desarrollo de la pasanta, se seleccion el
grupo de trabajo. En la segunda fase, se llev a cabo la recoleccin
de los datos en campo; se realiz anlisis
estadsticodescriptivo,decapacidaddeproceso(Cp)ydendicedecapacidaddel
proceso(Cpk)medianteelsoftwareMinitabparadeterminarelcomportamientodel
proceso.Seseleccionaronlasdiferentesherramientasdesolucindeproblemasa
aplicarysepostularonlosposiblesfactoresgeneradoresdelproblema.Paralatercera
4Informe gerencial Financiera Macroloss F12. Sabmiller, 2011 4
Introduccin fase, basada en los datos obtenidos con el uso de las
herramientas, el apoyo de la teora y la experiencia, se
determinaron qu factores eran los causantes del problema. Posterior
a esto se desarrollo un plan de mejoramiento y se implemento en
campo. Finalmente en la cuarta fase se evalu la efectividad del
mismo.
Eldesarrollodeestapasantapretendeserunaguaparagenerarintersenlas
empresas manufactureras y de servicio, ya que se encontr, que en
Colombia son muy
pocoslosestudiosrealizadosenlasempresasdealimentos,especficamenteenel
sector de bebidas carbonatadas, sobre disminucin de la variabilidad
por medio del uso e
implementacindeherramientasdegestindecalidad,queayudealmejoramiento
sostenido de los procesos, de la forma amplia que aqu se expone,
mediante la correcta
recoleccinyanlisisdedatos,eliminandodeestamaneralatomadedecisiones
basadasnicamenteenlaintuicinopresentimientos,paraqueestaseconviertanen
decisionesbasadasenhechos.Ishikawa(1996)planteaquelabasedelcontrolde
calidad son los datos (p. 9), y Kume (1997) sostiene que Los datos
no se recogen como
unfinensmismo,sinocomounmedioparadescubrirloshechosqueestntraslos
datos (p. 51). Marco terico1.1Gestin de mejoramiento La gestin de
mejoramiento son estrategias que involucran: filosofas, metodologas
y
herramientaensolucindeproblemasenlabsquedadelmejoramientocontinuo,
que Xochicali, Snchez, Mndez, Snchez y Cruz (2010) define como:
Pequeas mejoras que se hacen a diario por medio de solucin de
problemas ysugerencias.Cadaunatiendeatenerunpequeoimpactoenel
desempeodelaempresa;sinembargo,todasjuntasproporcionanel
crecimiento sostenible de la mejora del desempeo (p. 42)
Lasempresasanivelmundial,ensuintersporsercadadamscompetitivas,se
enfocanenmejorareldesempeodesusprocesos,explorandodiferentesestrategias
que les permitan disminuir sus costos, aumentar la calidad e
incrementar la flexibilidad en la produccin de bienes o servicios,
con el fin de satisfacer cada vez ms a sus clientes y lograr de
esta forma mantenerse en el mercado (Ibarra, Sarache y Surez, 2004;
Lapide,
2005).Loanteriorpermitecorroborarquesehaceindispensablelaimplementacinde
estrategias, que permitan dar solucin a los problemas que se
presentan en la industria, generando un mejoramiento sostenido de
los procesos
Atravsdelosaossehanpropuestodiversasfilosofasenfocadasenlamejora
continua de los procesos, las ms utilizadas se muestran en la Tabla
1-1 Tabla 1-1: Filosofas de mejoramiento. FilosofasPrincipios
14puntosdeDeming: formanelncleopara alcanzar la excelencia en la
calidad. (Gutirrez, 2004).
Mejorarconstantementelosproductosyserviciosdela empresa. Adoptar
una nueva filosofa. Nodependerdelainspeccinmasivaparaalcanzarla
calidad. Dejar de tomar decisiones nicamente basados en el precio.
Mejora continua. Marco Terico7 Tabla 1-1: (Continuacin).
FilosofasPrincipios 14 puntos de Deming: forman el
ncleoparaalcanzarla excelenciaenlacalidad. (Gutirrez, 2004).
Instituirelentrenamientoylacapacitacindelos trabajadores. Instituir
el liderazgo. Eliminar el miedo.
Romperlasbarrerasqueexistanentrelosdiferentes departamentos.
Eliminar los lemas. Eliminar las cuotas numricas.
Derribarlasbarrerasqueimpidenelsentirseorgullosode un trabajo bien
hecho. Establecer programa de educacin y de reentrenamiento. Tomar
medidas para lograr la transformacin. TQM:unafilosofadegestin
integralbasadaenel mejoramientocontinuodela calidaddeproductosy
procesos,paraalcanzarla satisfaccindelconsumidor Joseph,Rajendrany
Kamalanabhan, (1999, p. 2201). Apoyo de la direccin de liderazgo.
Diseo organizacional, comunicacin y estrategias. Entrenamiento,
formacin y aprendizaje. Diseo de producto. Relacin con proveedores.
Gestin de procesos. Informacin y evaluacin para la calidad.
Resultados del negocio. Manufactura Esbelta: es la eliminacin de
desperdicios y la creacin eficiente de valor de la empresa. Definir
valor por el producto. Identificar la cadena de valor. Flujo
Continuo. Jalar. Buscar la perfeccin.
8Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Tabla 1-1:
(Continuacin). FilosofasPrincipios SeisSigma:esla disminucindela
variabilidadenlos procesos,mediantela aplicacindeuna
metodologaestructuraday sistemtica para alcanzar la
excelenciaoperacionalen todas las reas del negocio. Reduccin de
defectos: Menores costos. Mayor satisfaccin del cliente. Tiempo de
ciclos ms cortos. Procesos predecibles. Cambio de cultura. Fuerza
de trabajo altamente entrenadaLenguaje comnMemoria organizacional,
institucional. Kaizen:Imai(1995)lo define como: mejoramiento
continuoqueinvolucraa todos,gerentey trabajadoresporigual(p.
23).Esunafilosofa integral,devida,de desarrollopersonal,laboral,
familiar,decomunidad,que buscademanera incrementalmejorase
innovacionesqueimpacten entodaslasactividades querealizamos
cotidianamente;esdecir, nuestrosprocesos operativos"Surezy Miguel,
(2011, p. 21). Trabajo disciplinado. Compromiso de la alta
direccin. Mantenimiento y mejora de estndares. Participacin de los
empleados en el mejoramiento. Gestin en el rea de trabajo. Mejora
permanente de procesos. Capacitacin Constante.
Fuente:Elaboracinpropiabasadoen:Deming(1986),Imai(1995),Womack,Jonesy
Ross(2003),Gonzlez(2002),PerdomoyGonzlez(2004),SurezyMiguel(2011),
Gutirrez (2004).
Todaslasfilosofasensucontenidoesencialaplicanelconceptodemejoramiento
continuoorientadoaoptimizarsusprocesos,yas,proporcionarproductosdemejor
calidad. Marco Terico9
SiseobservalaTabla1-1,existenpuntosencomnentrelasfilosofasexpuestas,los
cuales, fueron aplicados al momento de buscar disminuir la
variabilidad en el proceso de
envasadoenlaCerveceradeBoyac;entreotros,seutilizaron:elentrenamientoy
capacitacin para todo el personal, la introduccin de patrones para
orientar el cambio de
cultura,compromisodelaaltadireccindurantetodalaimplementacin,manejodeun
lenguaje sencillo y claro que permiti la participacin de los
diferentes niveles jerrquicos de la compaa en la solucin de la
pregunta planteada en esta pasanta. Todo lo anterior gener un
cambio positivo sostenido en el tiempo. 1.2Mejora empresarial
mediante el uso de metodologas de solucin de problemas A travs de
los aos las compaas en su afn por permanecer en el mercado y ser
cada
damsrentables,hanidodesarrollandometodologasquelespermitenmejorarlos
procesos,proporcionandoproductosdemejorcalidadquesatisfaganalconsumidorya
su vez, generen dividendos que las hagan atractivas para los
inversionistas.
Entrelasmetodologasmsutilizadasenlaindustriamanufactureraydeservicios,se
encuentran: el ciclo PHVA5, la metodologa DMAIC6, SCORE7 y QC
Story8. Cada una de
ellassonafines,apesardequevarenenelnmerodeetapasopasosaseguiral
momento de aplicarlas. Si se analiza con detalle, todas ellas se
basan en el ciclo PHVA desarrollado por W. AShewhart y popularizado
por W. Edwards Deming el siglo pasado (Pyzdek y Berger, 1996).
Partiendodelaanteriorafirmacinyteniendoencuentaquetodasestasmetodologas
lleganalmismopunto,cuales:lamejoracontinuadelosprocesos;seenfatizaqueal
momento de aplicar cualquiera de ellas, se debe tener claro que lo
que se busca es dar solucin a los problemas, partiendo de la
definicin de los mismos, capturando los datos con el fin de
comprender la situacin actual en la cual se encuentra el proceso,
buscando la relacin entre los datos y las causas que generan la
desviacin o inconformidad, para
luegoponerenmarchalosplanesdemejorayporltimoestandarizaryhacer
seguimiento,conelfindeevitarquevuelvaaocurrir.EnlaTabla1-2semuestralas
metodologas ms utilizadas y las etapas a seguir en el momento de su
implementacin.
Cabeaclararquelaaplicacindeestasmetodologasnoestlimitada;porelcontrario,
esto depende de lo qu quiera la organizacin y de lo que considere
qu es lo mejor para la misma.
5 PHVA: significa, planear, hacer, verificary actuar. 6 DMAIC:
significa, defined, measure, analyze, improve and control.7 SCORE:
significa, select, clarify, organize, run and evaluations. 8 QC
History: history quality control.
10Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Tabla1-2: Metodologas
de solucin de problemas. Metodologas PHVA(Laboratorios Bell) DMAIC
(Motorola)SCORE (Toyota)QC STORY (Renault) Etapas 1. Planear. 1.
Definir el problema. 2.Medir:capturarlosdatos relevantes sobre el
proceso y el problema. 1.Seleccionarelproceso en el que se va a
trabajar. 2.Clarificarel problemau objetivo. 1. Elegir el tema.
2.Explicarlasrazonesdela eleccin. 3. Comprender la situacin actual.
4. Elegir las metas. 2. Hacer. 3.Analizar:elprocesopara
identificarlarelacincausa-efectoentrecontribucionesy
resultados.Identificarla causa raz vital. 3.Organizarelequipoy
entrenarlo. 5.Analizar:buscarlarelacin entre datos y causas.
6.Ponerenmarchalasmedidas correctivas. 3. Verificar.
4.Mejorar:determinarlos valoresptimosparalas contribucionesclavedel
proceso.Implementar solucionesparaeliminarlas causas raz. 4. Correr
el evento.7. Confirmar los efectos. 4. Actuar.
5.Controlar:establezca estndaresycontrolespara
sostenerlasmejorasenel largo plazo. 5. Evaluar los resultados. 8.
Estandarizacin. 9.Sintetizaryplanificaracciones futuras Fuente:
Elaboracin propia con base en: Deming (1986), Imai (1995), Womack,
Jones & Ross (2003), Gonzlez (2002). 1.3 Herramientas para
solucin de problemas en la industria Las herramientas de solucin de
problemas proporcionan un medio eficaz para detectar
lascausasquegeneranlavariabilidadenlosprocesos,antesdequeestoslleguenal
cliente o generen re-procesos ocasionando un sobrecosto para la
compaa. En la Tabla 1-3 se muestran las herramientas ms utilizadas
en la solucin de problemas.
Estasherramientas,comodicekume(1997)sonprecisamenteherramientas:no
serviransinoseusanadecuadamente(p.11).Cadaunadeellastienesupropia
Marco Terico11 dificultadysupropsito.Nosepuedeasegurar queuna
seamejor que otra,pero sse debe tener claridad de cundo utilizarlas
y qu es lo que se busca con las mismas. Tabla 1-3: Herramientas
para solucin de problemas. HerramientasDescripcinImpacto
Herramientas bsicas de calidad:Lluvia se ideas y diagramas de
afinidad. Diagramas de flujo. Histogramas. Grficas Pareto. Diagrama
causa-efecto (Ishikawa). Diagramas de dispersin. Hojas de
verificacin o chequeo. Grfica de Control. Estratificacin. Kume
(1997) Sostiene que "Son herramientas eficaces para mejorar los
procesos y reducir sus defectos. Estas herramientas dan objetividad
y precisin a las observaciones". Adems permiten analizar los datos
de forma estadstica (p. 11). Aumento de productividad. Poka- Yoke.
Fue creado por Shigeo Shingo en los aos 60. Mecanismos a prueba de
falla. Busca evitar los errores humanos en los procesos,
previniendo para que no ocurran, y si ocurren, que se puedan
corregir con rapidez (Jaime, Coln, Subdiaz, Caldern, Rangel y
Roman, 2011). 1. Reduccin de errores. 2. Reduccin de desperdicios.
3. Aumento de calidad. 4. Aumento de productividad. 5S
Clasificacin: Seiri. Organizacin: Seiton. Limpieza: Seiso.
Bienestar Personal: Seiketsu. Disciplina: Shitsuke. Esta metodologa
es una respuesta a la necesidad de desarrollar planes de
mejoramiento del ambiente de trabajo. Logra condiciones adecuadas
para producir bienes y servicios con calidad. (Gonzlez, 2002). 1.
rea de trabajo mejorada.2.Aumento de productividad. 3.
Estandarizacin dellugar de trabajo 5 por qu? Tcnica usada para
encontrar la causa raz de una falla o para identificar el problema
real que debe ser resuelto. Detecta causas raz. S.I.P.O.C.
Herramienta para la identificacin de entrada, salida, proveedores y
clientes. Que permite identificar de forma clara cuales son los
factores que intervienen en el proceso (Keller y Pizdek , 2005).
Detecta factores que afecta el proceso. Fuente: Elaboracin propia.
Con base en lo anterior, a continuacin se exponen las
caractersticas por los cuales se
eligieronlasherramientasutilizadaseneldesarrollodeestapasanta,quepermitidar
solucin al problema planteado: Recolectar de forma organizada
hechos y datos. Detectar las variables que afectan el proceso con
el fin de estandarizarlas y lograr una mejora sostenida en el
tiempo. Observar de forma rpida el comportamiento de los datos.
Conocer el centramiento y dispersin de los datos. Identificar la
causa raz involucrando a los diferentes niveles de la compaa
Monitorear el proceso de forma visual en el lugar de
trabajoDisminuir la probabilidad de ocurrencia de errores humanos.
12Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Eliminar condiciones
inadecuadas de trabajo. Analizar capacidad de proceso. Observar
normalidad de los datos Documentar los cambios realizados. Estas
caractersticas permitieron seleccionar de forma clara las
herramientas que ms se
ajustanalarealidaddelproblema,yqueservirncomoayudaenlaobtenciny
procesamientodelainformacindandosolucinalmismo.EnlaTabla1-4sepueden
observar las herramientas a emplear: Tabla 1-4: Herramientas
utilizadas en la pasanta. Criterio Herramientas Hoja de
verificacin. Histograma. Distribuciones de probabilidades. Prueba
de normalidad. Diagrama causa- efecto. Poka Yoke. 5S. S.I.P.O.C.
Diagrama de cajas y bigotes. Anlisis de capacidad del proceso.
Grficos de control. Lecciones aprendidas. Recolectar de forma
organizada hechos y datos. xDetectar las variablesque afectan el
proceso. x Observar de forma rpida el comportamiento de los datos.
XxConocer el centramiento y dispersin de los datos. Xxx Identificar
la causa raz.xObservarnormalidad de los datos. XxX Eliminar errores
humanos. x Eliminar condiciones inadecuadas de trabajo. XAnalizar
capacidad de proceso. X x Monitorear el proceso.xDocumentar los
cambios realizadosxx Fuente: Elaboracin propia.
Acontinuacinseharunadescripcindeaquellasherramientasquenofueron
puntualizadas en la Tabla 1-3.
Hojadeverificacin:esunregistroutilizadopararecopilardatosdeforma
ordenada y clara que permite diagnosticar la causa del desempeo
pobre. ste es Marco Terico13
unformatoenelcualaparecenlostemsquesevanaregistrar,suobjetivo
principalesfacilitarlarecoleccindelosmismos,conelfindequesepuedan
usarconfacilidadmsadelante(Kume,1997;Colomer,1996;Montgomery,
2007). Histograma y grficos de cajas: es una representacin grfica
de los datos en la
queesmssencilloverlaforma,latendenciacentral,yladispersino
variabilidad de los mismos (Kume, 1997; Montgomery, 2007). Diagrama
causa- efecto: tambin conocido como diagrama de espina de pescado,
implementadoporelprofesorKaoruIshikawaen1953.Estaherramientabuscamostrar
la relacin entre una caracterstica de calidad y todas las posibles
causas que lo influyen. Ayudan a segmentar problemas y dividirlos
en partes manejables.
Estediagramaesmuytilparaorganizarlluviasdeideassobrelasposibles
causasquegeneranlavariacinquenoespropiadelproceso.Despusde
identificar las causas posibles se agrupan en las 6M: medicin,
mtodo, mano de
obra,medioambiente,materialymaquina.Esimportanteenfatizarqueenun
procesoindustrialinteractantodasellas,aportandoalgodevariabilidadalas
salidasdelproceso,deah,queseaimportantemonitorearlas(EvansyWilliam,
2005; Lloyd, 2003).
GrficodePareto:esundiagramaquepermiteclasificarlosdefectosdesdela
contribucinmsgrandehastalamspequea,loqueayudaasepararlos problemas
en pocos vitales de los muchos triviales y as poder atacar los que
ms estn causando la inconformidad (Kume,1997; Montgomery, 2007).
ndicedecapacidaddelprocesoyanlisisdenormalidad:losndicesde
capacidad de proceso se usan para medir si un proceso de fabricacin
se ajusta a los lmites de especificacin establecidos.Los estudios
de estos ndices se basan generalmente en procesos normales(Han,
2006). Cuando no se tiene claridad si el proceso es normal, una
prueba de normalidad puede ser utilizada para resolver
laincertidumbre.Lapruebadenormalidadesunapruebapreliminarque
determinalaformadeladistribucin(GuevaraYVargas,2006).Sidespusde
utilizarlapruebadenormalidadelprocesonopresentaunadistribucinnormal,
se deben dividir los datos de la muestra original en un conjunto de
sub-muestras y realizar nuevamente la prueba de normalidad con el
fin de verificar si cada uno de
lossubgruposseajustaasupropiadistribucinnormal(KotzyJohnson,2002).
Este mtodo se utiliza en muestras de gran tamao. Y por ultimo si la
distribucin
noesnormalsedebenutilizarmtodosqueajustenlosdatosaunadistribucin
normal,pararealizarelclculodelacapacidad,conelfindeevitarresultados
errneos. Evans y William (2005) proponen 5 preguntas que pueden ser
de gran utilidad en el momento de estudiar la capacidad de un
proceso: Dnde se centra el proceso? Qu tanta variabilidad existe en
el proceso? Es aceptable el desempeo en relacin con las
especificaciones? Quproporcindelosresultadosseesperaquecumplaconlas
especificaciones?
14Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Qu factores
contribuyen a la variabilidad? (p. 630). Con base en los anteriores
cuestionamientos,es importante entender enqu estado se encuentra el
proceso, y adonde se quiere llegar.
Grficosdecontrol:ElControlEstadsticodeProcesos(CEPoSPCporsus
siglaseningls)sehaplanteadocomounaherramientaparaladiferenciacin
entrecausascomunesoaleatoriasycausasasignablesoespeciales,las
primerasasociadasavariabilidadinherentesalprocesoyqueconstituyenuna
condicinpermanente,porloqueseasocianacondicionesdeoperacin normales
(patrn de variabilidad estable y predecible en el tiempo proceso
bajo
controlestadstico).Porotrolado,lascausasasignablesposeenunacondicin
ocasionaly,engeneral nopredecible,asocindoseaanomalasnoprevistasen
elproceso(Wierda,1994;Ryan,2000;Woodall,2000).ElCEPestableceun
sistema de observacin permanente que captura la variabilidad o
alteraciones en los procesos (materiales fuera de especificaciones,
daos en equipos, operadores nuevos manipulando elproceso sin
capacitacin, entre otros), permitiendo tomar
medidasdeformarrpida,conelfindeaislardichascausasyeliminarlas
oportunamente (Romero, 2000). Finalmente muchos tericos han
contribuido en el mejoramiento de los procesos
deproduccindesarrollandoestudiosdeherramientasestadsticaquepueden
aplicarseenlaindustriaejemplo:B.PDubbingemplemtodosestadsticosen
GeneralElectricparacontrolarlacalidaddelasbombillas,W.A.Shewhart
introdujoelconceptodecartadecontrolenloslaboratoriosBellydescribi
diferentesmtodosestadsticosparausarenlaindustria,H.F.DodgeyH.G.
Romig desarrollaron y perfeccionaron la metodologa de muestreo de
aceptacin
enloslaboratoriosBell,citadoporMontgomery(2007).Enlaactualidad,anivel
internacionalsehanrealizadodiferentestrabajostantotericoscomoprcticos
relacionados con la mejora continua y la utilizacin de herramientas
estadsticas,
porejemplo:Escobaretals.(2010),proporcionaunapropuestaparala
disminucindeproductosnoconformesenelprocesodeenvasadodela empresa
Lcteos de Chiapas, utilizando el control estadstico de proceso
(CEP),
comoestrategiaparaasegurarlacalidaddelosproductos,identificandolos
defectosysuscausas,paraposteriormentegenerarpropuestasdecontrol.
Asimismo Daz et als (2009), realiz un estudio exhaustivo sobre la
optimizacin
delprocesodeenvasadodeproductoenpolvo,aplicandotcnicasestadsticas
como: cartas de control y anlisis de capacidad de proceso, con el
fin de disminuir la variabilidad minimizando las prdidas en
producto terminado. Del mismo modo
enestapasantasebuscadisminuirlavariabilidaddelllenado,aplicandolas
herramientas anteriormente enunciadas. Diseo Metodolgico2.1
Procedimiento Basado en que todas [] Las metodologas siguen un
modelo general, comenzando por
laexploracindeideasyconceptos,paracontinuarconelanlisisquepretende
organizarlainformacin,finalizandoelprocesoconlaimplementacindelasmedidas
acordadas [] (Ruiz, 2004, p. 3) se propuso para el desarrollo de
esta pasanta: revisin del estado del arte, anlisis de la situacin
actual del proceso de llenado, planteamiento de posibles
soluciones, implementacin y evaluacin de un plan de mejoramiento
Paradarcumplimientoaloanteriormentepropuesto,MingersyBrocklesby(1997)
sugieren utilizar diferentes herramientas que forman parte de
metodologas referentes a diferentes filosofas de mejoramiento, que
al fusionarlas, permiten explorar la situacin de
formacuantitativaycualitativa,proporcionandounavisinampliadelproblema,
aportandopropuestasparaelmejoramientodelproceso.(Mingers,2006;Mingersy
White, 2009).
Acontinuacinsepresentanlasfasesoetapasutilizadaseneldesarrollodeesta
pasanta adaptadas de Mingers y Brocklesby (1997):
APRECIACINFASEI:seanalizelestadoactualdelprocesodellenado,selleva
cabounarevisinbibliogrficadelasdiferentesfilosofas,metodologasyherramientas
demejoramientoutilizadasenlaindustriamanufactureraparadarsolucinalos
problemas que se presentan. Se defini la poblacin, la muestra y el
tipo de muestreo a utilizar en el desarrollo de la pasanta, y se
seleccion el grupo de trabajo.
ANLISIS,FASEII:sellevacabolarecoleccindelosdatosencampo,serealiz
anlisisestadsticodescriptivo,decapacidaddeproceso(Cp)ydendicedecapacidad
delproceso(Cpk)medianteelsoftwareMinitab9paradeterminarelcomportamientodel
proceso.Seseleccionaronlasdiferentesherramientasdesolucindeproblemasa
aplicar y se postularon los posibles factores generadores del
problema.
MEJORAMIENTO,FASEIII:basadoenlosdatosobtenidosconelusodelas
herramientas, el apoyo de la teora y la experiencia, se detectaron
qu factores eran los
9MINITAB:softwarediseadoparaejecutarfuncionesestadsticasbsicasyavanzadasque
combinaloamigabledelusodeMicrosoftExcelconlacapacidaddeejecucindeanlisis
estadsticos.Ofreceherramientasprecisasyfcilesdeusarparaaplicacionesestadsticas
generales y muy especialmente para control de calidad.
16Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac
causantesdelproblema.Posterioraestosedesarrollounplandemejoramientoyse
implemento en campo.
ESTANDARIZACINYEVALUACIN,FASEIV: finalmenteseestandarizyseevalu
la efectividad del mismo. 2.2 Poblacin
Teniendoencuenta,queenlenguajedemanufactura,unapoblacineslaproduccin
pasada,presenteyfutura,elaboradabajolasmismascondicionesdeproceso.Se
analizaronlosdatoshistricosdellenadodelmesdeabrilajuliodelamarcams
envasadaenlacervecera,utilizandoelpaqueteestadsticoMinitab,elcualpermiti
validarqueexistamsdeunapoblacin,porlacaractersticamultimodalquese
presentenelhistogramaylanonormalidaddelosdatosquearrojenlapruebade
normalidad de Anderson-Darling con una P < 0.005 (ver Figura
2-1). Figura 2-1: Distribucin de la muestra de llenado (cm3). 1 338
336 334 332 330 328 326MedianaMedia331,6 331,4 331,2 331,01er
cuartil 329,70Mediana 331,103er cuartil 332,90Mximo 337,80331,22
331,67330,90 331,302,28 2,60A-cuadrado 3,17Valor P < 0,005Media
331,45Desv.Est. 2,43Varianza 5,88Asimetra 0,400921Kurtosis
-0,061422N 441Mnimo 325,50Prueba de normalidad de
Anderson-DarlingIntervalo de confianza de 95% para la
mediaIntervalo de confianza de 95% para la medianaIntervalo de
confianza de 95% para la desviacin estndarIntervalos de confianza
de 95%Datos Llenado Abril a Julio de 2012 Fuente: Elaboracin
propia. Programa Minitab
Partiendodeloanteriormenteexpuesto,seconcluyqueeraindispensablerealizarun
anlisisporvlvula,paraqueenlugardeunapoblacinqueinvolucrabaatodala
envasadora,setrabajaraenexclusividadcon92poblacioneslascualesintegranlas
vlvulasqueconstituyenlaenvasadoracomotal,reflejadoenelanlisispreliminarcon
Minitab.Portalrazn,silas92vlvulasfuncionandemaneraidntica,entonces,se
obtendrsolamenteunapoblacin.Esporesoqueparaefectosdeesteestudio,se
realiz el muestreo vlvula por vlvula.Diseo Metodolgico17 2.3
Definicin del tamao de muestra
Ladeterminacindeltamaodelasmuestrasesunproblemaestadsticoampliamente
estudiado y resuelto, tanto desde el punto de vista terico como de
clculo, pues diversos
paquetescomputacionalesnosproveendeherramientasquenospermitenllegar
rpidamente a un nmero en particular. En la prctica, sin embargo, el
problema no es estadstico sino una decisin de negocio que debe
considerar las respuestas a tres preguntas concretas:
Culeselcostodetomarunamuestradetamaon?.Culeselcostodeafirmar que el
proceso ha cambiado (ya sea en su media o en su variacin) y
ajustarlo, cuando
enrealidadnolohahecho?Esdecir,elprocesosemantieneestable,peropor
circunstancias del azar las muestras indican que hubo un cambio que
lleva a realizar un
ajusteinnecesario,ocasionandoundetrimentodelproceso.Elriesgodecometereste
tipodeerror,llamadotcnicamenteErrorTipoI,tieneunaprobabilidaddeocurrir
denotada por la letra . Y por ltimo, Cul es el costo de que el
proceso haya cambiado (ya sea en su media o en su variacin) ms de
una cierta cantidad crtica (que se llamar
)ylamuestranoreveleesecambio?Lo quesignifica,
queelprocesotuvouncambio
(mayoroigualque)peroporcircunstanciasdelazarlamuestranoreflejanquese
generoalgncambio,porloquenorealizaningnajustecorrectivo,permitiendoqueel
proceso contine operando en un nivel inferior de calidad. El riesgo
de cometer este tipo deerror,llamadotcnicamenteError Tipo
II,tieneunaprobabilidaddeocurrirdenotada como . (Montgomery, 2007).
Despusdeestoscuestionamientos,serecurrialpaquetecomputacionalcitado
anteriormente, con objeto de determinar un tamao de muestra que
lograra un equilibrio satisfactorio entre estos elementos: costo,
n, , , y .
Cabesealarqueexistendosconceptosadicionalesmuyimportantesrelacionadoscon
lostamaosdemuestra:laconfianza,quesedefinecomo1-,ylapotencia,definida
como 1-.
Enestecasoparticular,unestudiopreliminardedatosporvlvulasnoestratificado,
arroj que la media de llenado es 330.91 cm3, con una desviacin
estndar de 1.68, por
loqueestosdatosconstituyenunaestimacinsumamenteconservadoradelos
parmetros de proceso para cada vlvula. Ver Figura 2-2: Resumen
grfico.
DadoquelaDireccindelaempresasugirinotomarmsde30muestrasdecada
vlvulaporelcostoinvolucrado,seprocediacalcularlosriesgoscorrespondientes
asociadosconladeteccindeuncambioenlamediadelordendeunadesviacin
estndar.As,seencontrqueparalosvalorescomnmenteaceptadosenestos
estudios(=0.05,=0.10,=1),eltamaodemuestra30resultatotalmente
adecuado,puessiladistribucindelosdatosporvlvulafueranormalsetendrauna
potenciadeprueba(z)de0,903(i.e.unvalorde=0.097),mientrasquesinose
cumplieraconlahiptesisdenormalidad,tendramosunapotenciadeprueba(t)de
0.883 (i.e. un valor de = 0.117, razonablemente cercano al valor
objetivo de 0.10).
18Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Figura 2-2: Resumen
estadstico: datos de llenado (cm3), vlvulas 1 a 92. 1 333 330 327
324 321MedianaMedia331,2 331,0 330,81er cuartil 330,02Mediana
330,903er cuartil 331,90Mximo 334,60330,70 331,11330,70 331,201,54
1,84A-cuadrado 1,72Valor P < 0,005Media 330,91Desv.Est.
1,68Varianza 2,81Asimetra -1,04466Kurtosis 4,53002N 255Mnimo
321,47Prueba de normalidad de Anderson-DarlingIntervalo de
confianza de 95% para la mediaIntervalo de confianza de 95% para la
medianaIntervalo de confianza de 95% para la desviacin
estndarIntervalos de confianza de 95%Resumen estadstico: datos de
llenado, vlvula 1 a 92. Fuente: Elaboracin propia. Programa
Minitab.
Estosclculosdemuestranqueresultatotalmenterazonabletrabajarconeltamao
mximo de muestra limitado por la Direccin. Ver Anexo A. 2.2
Definicin del tipo de muestreo Existendiferentes tipos
demuestreosyellosserelacionanconlascaractersticasdela poblacinque
se quiereestudiar.Paraestapasantasetrabaj con92 poblacionesy3
turnos de produccin, en los cuales se llev a cabo el muestreo de
las 92 vlvulas. Con el fin de generar confiabilidad, en la toma de
la muestra se hizo necesario la utilizacin de un muestreo aleatorio
estratificado. Esto debido a que se detect que en los tres turnos
existavariacinenelprocesodeenvasado.Kume(1997)encontrqueestetipode
muestreo consiste en dividir la poblacin con relacin a determinadas
caractersticas que para este caso son los turnos de trabajo, para
luego extraer una muestra aleatoria simple de 30 elementos
(cantidad que se justific como apropiada en la seccin previa), de
cada unadelasvlvulas,encadaunodelosturnos. 3. Desarrollo del
trabajo. 3.1 Anlisis del estado inicial del proceso de llenado
Paraelanlisisdescriptivosetuvieronencuentalosdatoshistricosdellenado
obtenidosdelaspruebasrealizadasporlosoperadoresenlosdiferentesturnosde
trabajo10durante los meses de abril de 2011 a febrero de 2012 (ver
Anexo B). Con estos
datossedeterminsiexistaononormalidadparaluegoproseguiracalcularla
capacidad inicial del proceso de la variable problema, en nuestro
caso el llenado, lo que permitira corroborar la existencia de una
variacin significativa que sera la causante de la insatisfaccin del
cliente interno y externo.
La medicin de la capacidad de proceso, como ya se mencion
previamente, depende de
loslmitesdeespecificacinyladistribucinquesiganlosdatosregistrados.Conelfin
de determinar qu distribucin tenan los datos histricos de llenado,
se aplic un test de
normalidadenMinitab.Lahiptesisnulaparaestetestconsideraquelapoblacines
normalylahiptesisalternativasostienelocontrario;deestemanera,valoresdeP
menoresa0.05rechazarnlahiptesisnulaconfirmandoquelosvaloressonno
normales, Minitab, (2007). Al observar la Figura 3-1 se encontr un
valor P menor a 0.05
loqueimplicrechazarlaHiptesisnulayaceptarquelosvaloresprocedandeuna
poblacin no normal.
10Losturnosdetrabajosedistribuyen3turnosen24horas/datrabajodelasiguientemanera:
primer turno de 0-8, segundo turno de 8-16, y tercer turno de
16-24.
20Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Figura 3-1: Prueba de
normalidad de los datos de llenado del mes de abril de 2011 a
febrero de 2012. 1 Fuente: Elaboracin propia a partir de los datos
histricos. Programa Minitab.
Ademsserealizunresumengrfico-estadstico(Figura3-2)dondeapareceun
histograma con una distribucin aparentemente normal pero un valor
de P menor a 0,05 lo que asegura no normalidad en los datos.
Figura 3-2: Resumen grfico de los datos de llenado del mes de
abril de 2011 a febrero de 2012. 1 339 336 333 330
327MedianaMedia332,00 331,95 331,901er cuartil 331,00Mediana
332,003er cuartil 333,00Mximo 341,00331,87 331,95332,00 332,001,33
1,39A-cuadrado 120,53Valor P < 0,005Media 331,91Desv.Est.
1,36Varianza 1,85Asimetra 0,17340Kurtosis 1,77951N 4508Mnimo
325,00Prueba de normalidad de Anderson-DarlingIntervalo de
confianza de 95% para la mediaIntervalo de confianza de 95% para la
medianaIntervalo de confianza de 95% para la desviacin
estndarIntervalos de confianza de 95%Resumen GrficoAbril a Febrero
de F12 Fuente: Elaboracin propia a partir de los datos Histricos.
Programa Minitab.
Despusdelanterioranlisis,seprocedearealizarunanlisisdedistribucinmespor
mes encontrando que ninguno es normal pues P en todos los meses es
menor que 0,05 (ver Anexo C).342,5 340,0 337,5 335,0 332,5 330,0
327,5 325,099,999995805020510,01F12PorcentajeMedia 331,9Desv.Est.
1,361N 4508AD 120,528Valor P 0,05 No. VLVULA MEDIA DESVIACIN
ESTANDAR CpCpk P> 0,05
1328,14861,25850,660,490,66847326,77731,52140,540,390,285
2332,43411,18810,70-0,680,56348329,93531,05640,780,020,900
3329,98801,48450,560,000,57449329,68931,37040,600,070,752
4332,01131,42280,58-0,470,82350331,14651,07940,08-0,350,750
5330,51431,09990,75-0,150,90951330,07401,07600,77-0,020,749
6330,34771,46870,56-0,080,96052327,67551,65230,500,460,100 Media
< 330 15, 22% Media > 330 66,30 % Media= 330 18, 48% % de la
media del nivel de llenado
22Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Tabla 3-1:
(Continuacin). No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpk P> 0,05
No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpk P> 0,05
7332,81201,39100,59-0,670,59453330,90101,25300,64-0,230,674
8330,66101,32930,62-0,160,26754332,76311,17700,75-0,830,399
9332,63620,86150,96-1,010,79255331,22290,82440,93-0,460,967
10329,81291,04360,790,060,92956330,24290,99670,83-0,080,279
11333,11861,38980,59-0,740,37457329,71431,30280,580,070,344
12330,74621,01310,82-0,240,96158329,83020,98680,790,050,969
13332,57281,19680,69-0,710,78759332,68831,42870,67-0,720,729
14332,60771,20220,69-0,720,34160331,53521,18230,68-0,420,125
15334,07030,99660,83-0,350,63661327,75461,28020,690,620,596
16331,29581,19390,69-0,360,07462331,39710,90420,90-0,500,462
17332,01051,06180,78-0,630,96163329,06961,05020,820,310,115
18331,93900,99720,83-0,640,08964331,98911,15960,63-0,500,162
19330,87831,39410,59-0,210,85965330,62731,07970,81-0,200,182
20331,69031,07970,77-0,520,18566328,86301,05330,730,330,158
21330,32110,90420,91-0,120,46267329,18171,36430,660,220,674
22330,72361,05020,79-0,230,11568332,08801,36070,69-0,580,684
23329,94911,15960,710,010,62069327,81531,66810,450,400,482
24331,71331,07970,77-0,520,18570332,99861,36170,69-0,830,684
25330,84301,05330,78-0,260,15871329,78771,02250,840,070,952
26332,05131,42870,58-0,470,72972329,55491,51750,510,090,672
27331,15701,07920,77-0,350,75073331,93501,02190,84-0,650,952
28332,15441,24360,66-0,570,60474330,05401,17010,77-0,020,446
29332,17531,23810,67-0,580,78875329,71131,28000,630,070,772
30330,75431,30280,63-0,190,34476332,45211,07380,76-0,750,777
31332,27290,82441,00-0,910,96777332,80361,38460,56-0,620,144
32326,82721,90880,430,320,50678330,74891,00190,79-0,240,128
33328,21531,42850,580,410,09379331,52900,92170,92-0,570,220
34330,86620,98680,84-0,290,96980331,44811,11760,68-0,390,530
35331,25731,41700,58-0,290,64681328,12331,12970,810,610,098
36331,66341,65600,50-0,330,31982332,36320,95230,93-0,880,926
37331,47341,12130,74-0,430,59983331,43291,17520,66-0,380,071
38330,72541,46460,56-0,160,50984331,17290,99670,83-0,390,279
39331,64811,32100,63-0,410,93285332,39121,18230,68-0,650,115
40324,96820,91750,90-0,010,30986331,98201,09220,93-0,740,553
41331,23171,36430,61-0,300,67487333,83580,99661,03-1,580,636
42333,10801,36070,61-0,750,68488325,98820,91750,830,330,309
43333,00001,02190,81-0,970,95289331,09040,99940,79-0,350,155
44332,20731,41700,58-0,510,64690330,73291,17010,77-0,230,446
Desarrollo del trabajo23 Tabla 3-1: (Continuacin). No. VLVULA MEDIA
DESVIACIN ESTANDAR CpCpk P> 0,05 No. VLVULA MEDIA DESVIACIN
ESTANDAR CpCpk P> 0,05
45328,46341,83690,450,280,68091330,22201,48450,60-0,050,574
46328,23731,43330,580,410,22592331,30071,17010,77-0,400,446 Fuente:
Elaboracin propia a partir de clculos con Minitab. Por otra parte
al analizar los datos del ndice de capacidad potencial Cpk (ver
Tabla 3-1) se evidenci que el proceso no estaba centrado en el
punto medio exacto de los lmites de especificacin, que para la
compaa son 325 cm3 el lmite inferior y 335 cm3 el lmite
superiorparaunamediaovalorobjetivode330cm3.El73,91%delosdatostenan
valoresnegativosdeCpkyelrestante26,1%valoresmenoresa1,33queeselvalor
referentequecomnmenteseutilizaenlaindustriaparaindicarsielprocesoest
centrado o no respecto a los lmites de especificacin que le ofrece
al cliente.
Almismotiempo,alanalizarenformaparticularelndicedecapacidadpotencialdel
proceso(Cp),elcualmidelarazndelrangodetoleranciadelasespecificacionesala
dispersin del proceso (llenado por vlvula, en este caso), se observ
que los valores de este indicador respecto al valor de referencia
1.33 es mucho menor para las 92 vlvulas lo que indica una alta
variacin en el proceso de llenado en la marca Poker" referencia 330
cm3, que es la marca objeto de estudio en esta pasanta y la de ms
alta produccin en la cervecera de Boyac.Figura 3-4: Grfico de cajas
y bigotes: comportamiento inicial de las 92 vlvulas. 1
9291908988878685848382818079787776757473727170696867666564636261605958575655545352515049484746454443424140393837363534333231302928272625242322212019181716151413121110
9 8 7 6 5 4 3 2 1336334332330328326324322Nivel de llenado
(cm3).Grfico de cajas y bigotes: nivel de llenado vs. nmero de
vlvulas.
Fuente:Elaboracinpropia,apartirde30datostomadosporcadavlvula.Programa
Minitab. As mismos se puede observar en Figura 3-4 que el rango de
llenado que presentaron los
datosestabaentre323a336cm3superandoloslimitesdeespecificacinparaesta
24Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac
marca.Loanteriorratificaqueelprocesoseencontrabafueradecontrolypresentaba
una alta dispersin que para la compaa represent en merma o
desperdicio un valor de $284.773.55911 entre abril del 2011 y
febrero del 2012. 3.2 Mapa extendido S.I.P.O.C.
ElmapadeprocesoS.I.P.O.C.permitecomprenderdeformadetalladatodaslas
entradas,lassalidasypartesinteresadasqueestninvolucradasenelprocesode
llenado,conelfindedetectarquevariablesdelprocesopuedeocasionarvariacin,
provocandoproductosdefectuososquenosatisfaganalclienteyasuvezcree
desperdicio para la compaa (Keller y Pizdek, 2005).
Partiendodelaanterioraclaracinyteniendopresentequeenestapasantaloquese
pretendifuemejorarlavariabilidaddellenadodeunprocesoqueesresultadodela
transformacin de unas entradas: como materia prima, variables de
procesoentre otros. Esta herramienta fue utilizada para identificar
de forma grfica (ver Figura 3-5) todos los elementos relevantes que
podran afectar el proceso. Figura 3-5: Mapa extendido S.I.P.O.C. de
proceso de llenado
11Informe gerencial financiera Macroloss F12. Sabmiller, 2011
Desarrollo del trabajo25 Figura 3-5: Mapa extendido S.I.P.O.C. de
proceso de llenado 1 1 Fuente: Elaboracin propia Clientes:
Pasterizadora Botellas: Lquido residual < 1,5 cm3 .Cerveza:
Temperatura < 2 C. Oxgeno Disuelto < 20 ppb. CO2 entre 2,95 y
3,00 ppb. CO2: Pureza de 99,9998 v/v. Tapas Aire Agua Energa.
Presin de vaco: 9,8 a 10,3 psi. Presin del calderin max 40 psi.
Velocidad de llenado 6,9 seg. HDE: Presin altura posicin dimetro de
la boquilla. Presin de los cilindros elevadores. Filtracin.
Depsito. Almacn. Servicios. PROVEEDORES ENTRADAS Producto
terminadoPoker 330 cm3 SALIDAS
26Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac 3.3 Anlisis de causas
raz
Conelfindeidentificartodaslasvariablesqueafectanopuedellegaraafectaral
procesoserecurriavariosexpertoseneltema.Sereunieron:unoperariodela
envasadora,elInstrumentista,elespecialistaenmantenimientodelamaquina,el
coordinadordemantenimiento,elingenierodeprocesoyquienestdesarrollandoesta
pasanta para indagar por medio de una lluvia de ideas y un diagrama
causa-efecto sobre
lasvariablesquepodranafectarelllenadodecerveza.EnelanexoDseregistranlos
resultados de este ejercicio. Se concluy que los factores ms
relevantes en el proceso de llenado son:
Caractersticasdelacerveza:Temperatura,contenidodeCO2yoxigeno
disuelto. Presin utilizada en el
HDE12,Tubosdeventeo:longitud,degastedelarosca,dimetrointernoysuperficie
dispareja. Falta de programacin de mantenimiento de los
equipos.Liquido residual en la botella.Variacin en el dimetro
interno de la botella.Falta de estandarizacin en velocidad de la
llenadora.Falta de estandarizacin en los parmetros de la mquina.
Delaanteriorlistadefactoresdetectadosnosetuvieronencuentaenelmomentode
generar un plan de mejora los siguientes:caracterstica de la
cerveza: se descartatemperatura y contenido de CO2 debido
aqueestosdosparmetrossiempreseencontrarondentrodelaespecificacin
sugerida para este proceso. Falta de programacin de mantenimiento
de los equipos: no se tendr en cuentaesta variable porque existe un
plan de mantenimiento.
Liquidoresidualenlabotella:serevisaronlosdatoshistricosyserealizaron
pruebas en planta encontrando que siempre cumpla con las
especificaciones. Variacin en el dimetro interno de la botella:
este factor no se tendr en cuenta
yaqueelenvaseutilizadoenlaproduccinesenvaseretornableylacompaa no
est dispuesta a dar de baja este envase, ya que implicara una
inversin muy grande. Falta de estandarizacin en los parmetros de la
mquina: los parmetros estn estandarizados los que falta es que los
operadores lo pongan en prctica.
12 Inyector de alta presin (HDE) por sus siglas en Alemn y como
se conoce comnmente en la industria productora de cerveza.
Desarrollo del trabajo27
Lasvariablesmencionadasanteriormentenotendrnparticipacinenelprocesode
mejora porque son muy estables o definitivamente requieren de una
inversin grande que el cliente y la compaa no estn dispuestos a
asumir, por tal motivo, las variables para las cuales se generara
un plan de accin son las siguientes: Caractersticas de la cerveza:
contenido de oxigeno disuelto. Presin utilizada en el
HDE.Tubosdeventeo:longitud,degastedelarosca,dimetrointernoysuperficie
dispareja. quina. Falta de estandarizacin en velocidad de la
llenadora. Para las variables elegidas se realiz un seguimiento en
planta encontrando queel contenido de oxigeno disuelto en la
cerveza variaba de 3 a 30 ppb,la presin utilizada en el HDE variaba
de 72 a 110 psi como consecuencia de la variacin en el oxigeno
disuelto; los tubos de venteo presentaban desgate y no exista un
mtodo para identificar en cul de las de los 92 vlvulas estaba
ubicado. Los 3 turnos operaban la mquina de forma diferente y la
velocidad de la mquina variaba de 36 a 38 Herz. Los anteriores
factores no permitan que el proceso estuviera bajo control lo que
ocasionaba variabilidad en el mismo. 3.4 Desarrollo e implementacin
del plan de mejoramiento Para la elaboracin del plan de
mejoramiento del proceso de llenado, se llev a cabo una reunin con
el grupo de trabajo, presentando los resultados del seguimiento de
cada uno de los factores seleccionado en la etapa anterior.
Posterior a esta reunin se plante un cronograma de trabajo (ver
Tabla 3-2)donde se plasmaron diferentes actividades: Contenido de
oxigeno en la cerveza:
Elreadeproduccinrealizunaactividaddeseguimientoalasdiferentesetapasde
elaboracindecervezaparadetectarculeseranloscausantesdelaincorporacinde
oxigenodisueltolograndopasardeunavalormximodecontenidodeoxigenodisuelto
de 30 ppb a un valor mximo de 10 ppb. (Ver Anexo E). Estandarizacin
y control de presin en el HDE:
Conlamejoraanteriormenteexpuesta,selogrdisminuirlavariacindepresinenel
HDEdeunvalormximode110psiaunvalormximode87psi.Porotraparte,se
instalunsistemaautomticodecontrolparaelmanejodellapresindelmismo.(Ver
Anexo F). Tubo de
venteo:Paraeliminarlacausarazdelproblemadelostubosdeventeoylasvlvulasse
estandariz:alturaconodevlvula;alturaboquillaroscada(tuboventeoroscado,
diferentelongitudalroscar);cambiodeempaquetaduravlvulasdevaciyalivio.
Inspeccindecuerpodevlvulaconlupa(detectarrugosidad).Asentamientodecuerpo
vlvula de llenado, pulido de rugosidad. Diseo de matriz para
realizar trabajo de pulido (ver Anexo F). Diseo de un carro
portador de tubos de venteo identificado con el nmero
28Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac
decadaunodelosmismos,facilitandolatrazabilidadenelmomentodedesmontary
hacer mantenimiento. (Ver Anexo F). Manejo y conocimiento de la
mquina:
Sedictocapacitacinalpersonaleinstalaronpokayokesconelfindeevitarerrores
humanos en el momento de manipular la mquina. Tabla 3-2: Cronograma
de Actividades. 1 Causa RazActividadResponsableFecha InicialFecha
Final Variacin en el contenido de oxgeno disuelto. De 3 a 30 ppb.
Realizar reunin con el cervecero de elaboracin para tratar el tema
de la variacin del oxgeno disuelto en la cerveza y mostrar cmo esta
variacin afecta el proceso de llenado. Yasmin Cala 09/08/2012
09/08/2012 Falta de estandarizacin en los parmetros de presin
utilizada en el HDE. Estandarizar e instalar un sistema de control
de presin en el HDE. Juan Bernardo Alzate 15/08/2012 17/09/2012
Tubos de venteo: longitud, desgaste de la rosca, dimetro interno y
superficie dispareja. Montaje de tubos de venteo con dimensiones
uniformes, longitud y dimetro interno (restriccin de flujo).
Revisin de vlvulas de llenado y estandarizacin de montaje de las
mismas. Diseo de un sistema que permita hacer trazabilidad a los
tubos de venteo en el momento de desmonte de la mquina y el
mantenimiento. Carlos Siabato, Francisco Castro, Yasmin Cala.
17/08/2012 25/09/2012 Manejo y conocimiento de la mquina.
Capacitacin a los operadores en manejo de la mquina. Mauricio
Higuera, Jorge Perilla. 02/08/2012 31/08/2012 Falta de control en
la velocidad de la llenadora. Instalar un sistema de control
automtico de velocidad. Javier Velandia 10/10/2012 09/11/2012
Fuente: Elaboracin propia. Falta de control en la velocidad de la
mquina:Se instal un control automtico que permite monitorear las 24
horas del da la velocidad de la mquina garantizando un llenado
constante. (Ver Anexo F).
Serealizseguimientoacadaunadelasactividadespropuestaenelcronograma
confirmandoelcumplimientoyestandarizacindelasmismas. 4. Evaluacin
de la efectividad del plan de mejoramiento En esta ltima etapa se
evalu la viabilidad y efectividad de la implementacin del plan.
Para ello se tomaron muestra de todas las vlvulas y se analiz su
comportamiento. (Ver Figura 4-1 y Tabla 4-1). Figura 4-1: Grfico de
cajas y bigotes de las 92 vlvulas despus de la implementacin de la
mejora. 1
9291908988878685848382818079787776757473727170696867666564636261605958575655545352515049484746454443424140393837363534333231302928272625242322212019181716151413121110
9 8 7 6 5 4 3 2 1333332331330329328Nivel de llenado (cm3)Grfica de
caja y bigotes: nivel de llevado vs. nmero de vlvula.Fuente:
elaboracin propia. Programa Minitab.
AlrealizarunacomparacinentrelaFigura3-4yla4-1sepuedeobservarcomoel
proceso present una mejora en la variacin de 330 +- 7 cm3 (ver
Figura 3-4) a 330 +- 2 cm3 (ver Figura
4-1).Porotraparte,alcompararlosdatosinicialesdeelndicedecapacidadpotencialCpk
(Tabla3-1)conlosdatosdelaTabla4-1,sepuedeevidenciarquedespusdela
implantacindelamejorael94.56%delasvlvulaspresentanvaloresigualeso
superioresa1.33loqueindicaquede92vlvulas84estcentradasrespectoalos
30Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac
limitesdeespecificacin,adiferenciadeliniciodeestapasantaqueel100%nose
encontraba
centrada.Tabla4-1:Anlisisdedistribucinycapacidadesdelas92vlvulasdespusdela
mejora. No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpkP> 0,05 No.
VLVULA MEDIA DESVIACIN ESTANDAR CpCpkP> 0,05
1330,00460,77392,282,280,15447330,16810,51343,143,030,197
2330,10640,85101,831,790,51748330,12080,86552,001,950,476
3330,28020,48052,922,760,47849330,06920,87072,082,050,505
4330,21540,89941,871,790,11350330,04830,68532,052,030,17
5330,18100,58282,252,170,52451330,50310,62942,262,040,073
6330,42590,81261,801,650,06252330,27911,03251,701,610,474
7330,41200,92331,831,680,16753330,03560,74071,701,690,074
8330,12120,82451,671,630,52554330,40410,89301,801,650,193
9330,48900,68792,292,070,87255330,47980,63852,201,990,116
10330,24100,72992,061,960,49856330,24711,06611,371,300,244
11330,32100,34194,444,160,36557330,10630,74311,921,880,509
12330,75740,52362,962,510,28658330,47170,81352,222,010,39
13330,25860,80262,402,270,30259330,14220,96181,511,460,577
14330,20430,49332,982,850,62560330,24120,72962,292,180,077
15330,08230,34194,444,370,36561330,53770,66912,121,891,131
16330,30530,41244,053,810,28962330,15100,74041,971,910,659
17330,19590,48612,982,870,18563330,15650,88511,681,620,119
18330,03190,50922,852,830,22164329,94551,06661,401,380,081
19330,05790,54593,103,060,10465329,96990,85491,711,700,391
20330,29470,75671,941,830,25366330,00960,96261,571,570,067
21330,02590,55082,532,520,48467330,35440,99811,501,390,081
22330,15720,48052,922,830,47868330,25590,71682,152,040,079
23330,47590,93561,911,730,15769330,09410,85101,831,800,517
24329,82930,77321,811,750,27470330,37780,83501,581,460,421
25329,95901,05361,441,430,10171330,29180,72711,881,770,087
26329,88461,03251,701,660,47472330,07860,77612,062,020,118
27330,20370,73992,051,970,68673330,19430,72451,911,830,176
28330,40730,84141,731,590,0874330,04240,90581,781,760,219
29330,57690,90581,781,570,21975330,03950,82942,202,180,452
30329,99560,33954,404,400,47776330,10870,62152,382,330,111
31330,06420,70012,262,230,8777330,03360,51343,143,120,197
32330,32051,12301,331,250,06478330,13030,91991,631,580,145
Evaluacin de la efectividad del plan de mejora31 Tabla 4-1:
(Continuacin). No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpkP> 0,05
No. VLVULA MEDIA DESVIACIN ESTANDAR CpCpkP> 0,05
33330,22920,62362,332,230,10979330,01570,72092,292,280,428
34330,03700,76411,891,870,20780330,32420,73811,921,790,363
35330,01380,71311,881,880,22681330,10681,12971,621,580,098
36330,20491,02791,371,310,08882330,19650,93221,691,630,752
37330,00660,72962,292,290,07783330,07300,89941,871,840,113
38330,05950,83561,471,460,09284330,20500,96671,661,600,266
39330,43190,97831,551,420,25685330,16600,84141,731,680,08
40330,69820,82651,521,310,57786330,33580,86641,901,770,44
41330,25530,41244,053,852,8987330,09580,86041,901,870,839
42330,18991,05451,371,320,37888330,03300,88511,681,670,119
43330,11290,82041,631,600,46589330,16160,99941,581,530,155
44330,17600,66401,931,860,51790330,22370,96071,891,800,106
45330,01770,48482,962,950,16991330,26501,08901,621,540,487
46330,07380,92621,711,680,10992330,28750,98621,401,320,408 Fuente:
elaboracin propia. Programa Minitab. Al mismo tiempo, al analizar
el ndice de capacidad del proceso Cp, la dispersin de las 92
vlvulas disminuye, al mostrar un aumento en elvalor de este
indicador pasando de
valoresinicialesmenoresa1.33amayoresaestevalordereferencia,loqueindica
disminucin en la variabilidad del proceso que era el objetivo
general de esta pasanta. 5. Conclusiones y recomendaciones 5.1
Conclusiones A continuacin se presentan las conclusiones
relacionadas con los objetivos especficos,
locualpermitilograrelpropsitogeneraldeltrabajodegradoquefueDesarrollarun
diagnsticodelasituacinquepermitamejorarelprocesodellenado,disminuirla
variabilidad del mismo y evaluar su efectividad. 5.1.1 Analizarel
estado actualdel proceso de llenado.
Encuantoesteprimerobjetivoseencontrqueel66,30%delas92vlvulaspresent
una media del proceso por encima del valor objetivo de llenado 330
centmetros cbicos
(cm3)loqueevidenciunsobre-llenadocausadoporestasvlvulas,el15,22%delas
vlvulasmostrunamediadeprocesopordebajodelamediaobjetivo,loquesignifica
queestasvlvulasenpromediotienenundeficientellenadoyel18,48%mostrun
proceso con una media igual o similar al valor objetivo.
Deacuerdoconlosanterioresresultados,sehacehincapienelplanteamientode
Montgomery(2007)entodoslosprocesosexisteciertavariabilidad,deah,quedos
productosnuncaseaniguales.Silavariacinespequeaquizsnotengarepercusin
sobre el consumidor pero si la variacin es grande el cliente lo
puede percibir (p, 7). En el proceso de llenado se detecto un rango
de llenado de 323 cm3 a 336 cm3 (ver Figura
3-4)locualratificalanecesidaddeimplementarestrategiasclavesparamejorarel
desempeo y optimizar el proceso. Con base en lo anterior datos, se
detect que esta dispersin en el llenado, forma parte
delosfactoresqueocasionandesperdicioomermaenelsalndeenvasequeparael
34
Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac periodo comprendido
entre abril de 2011 y marzo de 2012 fue de $284.773.55913 creando
inconformidad al interior de la organizacin. Por otra parte al
analizar los datos del ndice de capacidad potencial Cpk(Tabla 3-1)
se evidenci que el proceso no estaba centrado en el punto medio
exacto de los lmites de
especificacin,queparalacompaason325cm3ellmiteinferiory335cm3ellmite
superior para una media o valor objetivo de 330 centmetros cbicos
(cm3). El 73, 91% de
losdatostenanvaloresnegativosdeCpkyelrestante26,1%valoresmenoresa1,33
(ver Tabla 3-1) que es el valor referente que comnmente se utiliza
enla industria para
indicarsielprocesoestcentradoonorespectoaloslmitesdeespecificacinquele
ofrece al cliente (Gonzlez, 2002)
Almismotiempo,alanalizarenformaparticularelndicedecapacidadpotencialdel
proceso(Cp),seobservquelosvaloresdeesteindicadorrespectoalvalorde
referencia 1.33 es mucho menor para las 92 vlvulas (Tabla 3-1), lo
que para Gonzlez (2002) indica una alta variacin en el proceso de
llenado en la marcaPoker referencia
330cm3,quefuelamarcaobjetodeestudioenestapasanta.Encontrandoquese
apartaradicalmentedeunprocesoconcapacidadparaoperardentrodeciertas
especificaciones (Guevara y Vargas, 2006). 5.1.2 Determinar el
marco conceptual que permita proponer una solucin. Se inici con una
clasificacin de las diferentes filosofas de mejoramiento,
encontrando
quetodaslasfilosofasensucontenidoesencialaplicanelconceptodemejoramiento
continuoorientadoaoptimizarsusprocesos(Ishikawa,1996;Montgomery,2007).Se
encontraron varios punto en comn, ejemplo: el entrenamiento y
capacitacin para todo
elpersonal,cambiodecultura,compromisodelaaltadireccin,unlenguajecomn,
comunicacin entre los diferentes niveles de la organizacin y
participacin del personal
enlasmejorasdelproceso,buscandolacalidad,elementoqueconstituyelamayor
satisfaccin del cliente.
13Informe gerencial financiera Macroloss F12. Sabmiller, 2011 5.
Conclusiones35
Posteriormenteseorganizaronlasmetodologasmsutilizadasenlaindustria
manufacturera y de servicios, encontrando que cada una de ellas son
afines, a pesar de
quevarenenelnmerodeetapasopasosaseguiralmomentodeaplicarlas.Sise
analizacondetalle,todasellassebasanenelcicloPHVAdesarrolladoporW.AShewhartypopularizadoporW.EdwardsDemingelsiglopasado(PyzdekyBerger,
1996).
Partiendodelaanteriorafirmacinyteniendoencuentaquetodasestasmetodologas
lleganalmismopuntoqueeslamejoracontinuadelosprocesos,PyzdekyBerger(1996)
enfatizan que al momento de aplicar cualquiera de ellas, se debe
tener claro que
loquesebuscaesdarsolucinalosproblemas,partiendodeladefinicindelos
mismos, capturando los datos con el fin de comprender la situacin
actual en la cual se encuentra el proceso, buscando la relacin
entre los datos y las causas que generan la
desviacinoinconformidad,paraluegoponerenmarchalosplanesdemejoraypor
ltimoestandarizaryhacerseguimientoevitandoquevuelvaaocurrir(kumer,1997;
Ishikawa, 1996).
Finalmenteseescogieronlasherramientasautilizarbasadaencaractersticas
especficos que se plantearon en el marco inicial permitiendo
seleccionar de forma clara las herramientas que ms se ajustaban a
la realidad del problema y que sirvieron como ayuda en la obtencin
y procesamiento de la informacin dando solucin al problema.
LaanteriorafirmacinsebasaenquedeacuerdoconJuranyGryna(1993),Ishikawa
(1996),el95%delosproblemasdelasempresaspuedeserresueltosesgrimiendolas
herramientas de calidad. 5.1.3 Desarrollar un plan de mejoramiento
de los factores detectados en el diagnstico. Con el fin de dar
cumplimiento a este objetivo y eliminar las causas raz, se inicio
con la aplicacin de la herramienta causa-efecto que permiti
identificar y clasificar los factores causantes de la variabilidad
(ver anexo D), se encontr que la falta de estandarizacin en
condiciones de la mquina, operadores y materiales, estaba generando
un proceso fuera de control y con alta variacin. 36
Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac
LaanteriorafirmacinseplanteayaquedeacuerdoconIshikawa(1996),la
estandarizacin de procesos consiste en realizar las actividades de
forma sencilla, de tal manera que toda la organizacin las pueda
repetir sistemticamente. Para que lo anterior se cumpla se hace
necesario documentar, capacitar al personal y evaluar su desempeo,
con el fin de mantener la mejora contina.
Conbaseenloanterior,sepropusouncronogramadeactividadesconformadoporla
estandarizacindelosdiferentesfactoresqueafectabanelprocesotalescomo:altura,
conodevlvula,alturaboquillaroscada(tuboventeoroscado,diferentelongitudal
roscar),cambiodeempaquetaduravlvulasdevacoyalivio,inspeccindecuerpode
vlvulaconlupaparadeteccinderugosidad),asentamientodecuerpovlvulade
llenado, pulido de rugosidad. Por otra parte, se diseo una matriz
para realizar trabajo de pulido, un carro portador de tubos de
venteo identificado con el nmero de cada uno de
losmismos,facilitandolatrazabilidadenelmomentodedesmontaryhacer
mantenimiento,controlautomticodelavelocidaddelamaquina,yporultimo
capacitacin y evaluando al personal de todas las actividades
desarrolladas con el fin de garantizar la mejora en el tiempo.
5.1.4 Evaluar la efectividad del plan.Al realizar una comparacin
entre los datos iniciales y los datos tomados despus de la
implementacindelplandemejora,sepudoobservarcmoelprocesopresentuna
mejoraenlavariacinde330+-7cm3a330+-2cm3(verFigura4-1).Losresultados
anteriormenteexpuestosratificanquelaaplicacindeherramientasdesolucinde
problema son una estrategia de mejoramiento de los procesos
industriales y de servicios que contribuyen de manera notable en la
optimizacin de los mismos (Ishikawa, 1996)
Porotraparte,alcompararlosdatosinicialesdeelndicedecapacidadpotencialCpk
conlosdatosdecapacidadpotencialdespusdelamejora,sepuedeevidenciarque
despusdelaimplantacinel94.56%delasvlvulaspresentanvaloresigualeso
superioresa1.33(ver4-1)loqueindicaquedelas92vlvulas84estcentradas
respectoaloslimitesdeespecificacin,adiferenciadeliniciodeestapasantaqueel
100% no se encontraba centrada.5. Conclusiones37 Por ltimo, al
analizar el ndice de capacidad del proceso Cp, se pudo evidenciar
que la dispersin de las 92 vlvulas disminuy al mostrar aumento en
el valor de este indicador
(Cp)pasandodevaloresinicialesmenoresa1.33amayoresaestevalordereferencia
(Tabla 4-1), lo que indica que la aplicacin de las diferentes
herramientas seleccionadas
(Tabla1-3)contribuyoalaoptimizacindelproceso,disminuyendolavariabilidadde
llenado (Montgomery, 2007). 5.2 Recomendaciones Se hace necesario
determinar los ahorros econmicos que represent la disminucin de la
variabilidad de llenado lograda en la presente pasanta. Tambin
resulta de gran relevanciaaplicar este estudio a otros procesos
manufactureros y de servicios con el fin de mejorar el desempeo de
los mismos. A.Anexo: Prueba z y Prueba tA continuacin se muestran
los clculos correspondientes: Prueba Z de 1 muestra Probando la
media = nula (no vs. = nula) Calculando la potencia para la media =
nulo + diferencia Alfa = 0,05Desviacin estndar asumida = 1,68 Tamao
DiferenciamuestraPotencia 130 0,903249 Figura A-1: Prueba Z de una
muestra. 1 1,0 0,5 0,0 -0,5
-1,01,00,80,60,40,20,0DiferenciaPotenciaAlfa 0,05Desv.Est.
1,68Alternativa No =Supuestos30la muestraTamao deCurva de la
potencia para Prueba Z de 1 muestra Prueba t de muestra 1 Probando
la media = nula (no vs. = nula) Calculando la potencia para la
media = nulo + diferencia Alfa = 0,05Desviacin estndar asumida =
1,68 Tamao DiferenciamuestraPotencia 1 30 0,883092 40
Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac ANEXO A. (Continuacin)
Figura A-2: Prueba t de una muestra. 1 1,0 0,5 0,0 -0,5
-1,01,00,80,60,40,20,0DiferenciaPotenciaAlfa 0,05Desv.Est.
1,68Alternativa No =Supuestos30la muestraTamao deCurva de la
potencia para Prueba t de 1 muestra 41
B.Anexo:Tabladedatoshistricos de abril del 2011 a febrero de
2012Tabla B-1: Datos histricos de llenado.
AbrilMayoJunioJulioAgostoSeptiembreOctubreNoviembreDiciembreEneroFebrero
330333329333331332333332330333330 332333331331334332332331330332332
331332331332332332333334332332333 333332331332332332333333331332333
333331331332332331332332333332331 332332331333332332331332334331330
332331332331332332332332332333332 331333332333332331331331333332332
332332332335332330332331332333332 333332332331332331332331332331331
334333331331330331332333333332332 336330332332332332332334331333332
332331332332332332332332332331332 333332331333333331332332332332332
333332332332332333332331332332330 332332332331332331332331332333332
331331332333330333332330331332333 333331329331332332332331331331333
332331331332334332332332333331331 333331333332332332332332333331332
332331332332332332331332332332330 333330330332332333333332332331332
331331333332333331331331333333333 331333331332332333333333331331332
332332332332332332332332332332332 332332333333331332332333334332331
332332331330332332334333332330330 42
Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Tabla B-1:
(Continuacin).
AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero
333333329332331333331333331332332 333330332333331332332332331332333
331332332332331332332332332330333 333332332332331333332332332331333
332332332332333333331332331333332 331331332331332333332330333333331
331329332332331332333331331331331 331332333331332333332332331331333
332334332330332333331333331332332 331332334332331333329332332334330
329332331333328332334332332332332 332331332332332332331333332331333
333334332333332331331333332331332 333330331333332332333333331331333
332332333332331332332332332331333 331332334331333331329333335331333
333331332332332331333332331331333 332332331333330331333332332331327
333333331332332334335328331334332 333332330333329333331333331329333
331332332333331332332332331331330 334332333332331333332332330333332
332332333333332332333330332332332 332333332332330332333331332332331
333332332332333331332332331331333 334330334332332331332332332332332
333332332332332332331331330334334 333331331330332331333334332332332
332331333331332332331333331332332 332331333331335333332333330333331
331333332332331332332332332333330 331330332331333332333333331333331
333329335331331332330333333332332 334329331332332331333333331332332
331332333332330332333332332332332 333331331331332332332331332333333
331333331332333331333332330330333 B. Anexo: Tabla de datos
histricos de abril del 2011 a febrero de 201243
Tabla B-1: (Continuacin).
AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero
333329335331331332330333333332332 334329331332332331333333331332332
331332333332330332333332332332332 333331331331332332332331332333333
331333331332333331333332330330333 330333332331333332333332333330331
331332331332332331330333333331333 330332332331331333332332333331333
329331331333332333334331331333332 332332332332331333333332333332332
331334330331332331334330334331331 329334331333332331332332332332332
334331333331332332333331332332334 333331329332331330333332333329335
332331333334332330333331332332332 332331332331330333333333332332332
333332332332330333332331331333331 330330332332331332333333329331332
335329332334331332333331332332334 333332333331332331331332333332332
334333332334333330333331331332332 332331333332332332331330334331331
331332332331330334331332333333330 331333332333332333329331333332332
331330331333334333330327334332334 333334331333330332333332332332329
332330333332332334329333333328331 332333332333332331333332333332331
332330333332330333332332333333332 330332332332332331332333332332330
331332332331331332333332332332333 332331331333331330334330334332332
332332332332331333333332332332332 331330334334332331333331331330332
334332332332332332332331333331332 333331332332333331332331333331335
333330333331333332331333332332331 332332333330331333331330332331333
44
Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Tabla B-1:
(Continuacin).
AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero
333331333331330332333329335331331 333333332332329334334329331332332
333331332332333332331332333332330 332332332332332333333331331331332
331332333333332331331333331332333 332330330333332331330333332331333
332333330331333333331332331332332 333333331333332334330332332331331
332333331333329331329331331333332 331331333332333332332332332332331
332333332332332331331334330331332 330334331331331334329334331333332
332332332332331332334331333331332 331332332334330332333331329332331
332333329335331332332331333334332 331332332332332333332331332331330
333332332332332331333332332332330 331331333331334332330330332332331
333329331332333330335329332334331 331332332334332328333332333331332
332333332332331332334333332334333 331331332332332333332331333332332
330334331331332333331332332331330 332333333330331332331333332333332
331333332332331329331330331333334 327334332334332331333334331333330
332332332329330334332330333332332 333333328331331332332333332333332
330330335325332328332328331335332 332333331332332332334331331332332
332332330333333332330332332332331 331333331332331332332331333332331
333333331333329333331330334332331 329334332333333330332332331331333
333334330332330332329333334330334 333332332331333332332335328332333
332332332332333332331333332332332 332333331332333331332332331333333
B. Anexo: Tabla de datos histricos de abril del 2011 a febrero de
201245
Tabla B-1: (Continuacin).
AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero
332331332331333331334331334330331 333332332330333334332334330330331
332334332333332330334331332335329 333333331331333331332332332331333
333332331332332332332332331332332 331331332332332331333331333331331
333333330329332331333332333331333 330335332333332332332333331328330
332332331333332332332331331330332 331332333331331332331332331330334
331333332333331333331332332331332 332331332331333334329332332333331
332331332332332332332333333330332 331331332332333334330332330331332
332334331330333332330332331334334 332333333331332332334331333332331
331333333332332333331332333331331 333332332332332331332331335332331
333331332332332334331331332332332 332330333333332330333332333331331
332330333331332331331334330334332 330330335332333331331333333330331
333329333333332331331333332329332 332333331330333332331332332331331
332332329333333332332332332332333 329329337333332332329333330335329
331334332330332334334332329330333 331332332333330333333331334330333
331330333331331334330333332332332 332332331333331331332333332332331
330332333331331332332332330333333 333331330331332330337330330332332
332331332332332332331332331332332 331332331334333332332330333332331
330334330334330330331333332331331 335330332331332333332328336332331
333331331331332333329334331334332 332332334332332330332330332332332
46
Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Tabla B-1:
(Continuacin).
AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero
332331333331332332333332331332332 332332331333331332332332330333330
333330333332332330332332332331332 332331331334332331331333331334333
332332331332331332334333333333332 331333332330331331333332332332331
332332331334332332331332330335332 329335331334334330332329334333329
332332332332330333331331332332332 332332333332333331331332332332330
333332332332332330329333333333331 331332331332331331332332332332332
333331331333332332330333331332331 330334332332331330330335332333331
333330331336331333329333333332331 332329332333333332333331330333332
332331331333332332332329333333332 332332333334329329329337333332332
330335329332332331334332330332334 329330333332331331332332333330333
332332331332330331334332332333333 333331331332332335334333330332331
334331333331332335331330330331333 331331331331332333331332332332331
332329331333332331332331332332331 332332332332332331331332332332329
335333330333334330334332331331332 334329333333332331330333333329334
333333331331332334330333331332333 332331331332331332331333330330334
330332332331331332331334332332331 332332333331332332333332331332332
331331333331332332332332331332333 331331331333333332333330331333332
332334330334333331332330331329333 334333331332333333330331332332331
330332332332332331332332331331333 332332332332331333332332332331333
B. Anexo: Tabla de datos histricos de abril del 2011 a febrero de
201247
Tabla B-1: (Continuacin).
AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero
330333334329332331332333334330332 332333334331332330333332332333332
333328332334330332330333334331332 333333333331332331331329332336330
332332332333331332332330333330332 332332332330332334331330332334331
331333332333332332330332332332332 332332333330334330332332332332330
333332333330333333332331332331331 332332332333332333331331332333333
331332331331334332332332332332331 332332333331332332330331331335330
332332330332332333330328330331333 333330330334331335332332332332331
335334330334330332332332335335331 332333330333333334333334334329332
332332331332330334333332333333330 330333330332332332332332332334331
333332332333332331332333328332334 330333334331332333331333330332330
331329332336330334331332330333332 333332331332333331333330333333331
333330332328333329331334332333333 328334332335335333330333333332332
328331331332335332332330329332334 332330333333333333332330332331333
333333331331330332332331333332327 333333331331332331331332331331331
334333331332332332331332331333333 329332334330334331333332332332333
329331332335333332334330331329332 332333331332333335334332333330333
334333332332328332332331334332332 332331333334331334329332333333331
332332332332334332330332332330333 332333332331333332330332333332332
331331331332334332331334332330331 331331332332332334332330332332332
48
Desarrolloyaplicacindeestrategiasparalaoptimizacindelavariabilidad
de llenado en Bavaria S.A Cervecera de Boyac Tabla B-1:
(Continuacin).
AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero
332332333332331333333331332332332 333331331331332333332333333332332
332331331332328331332332331331331 333333332332332330330332330332333
333330333332331333332331332332331 334333330331332333333332331332332
330332332332332332332332335329329 332331333332332334334333331332333
331333332333333329333333331331331 333331333332334332330333332330331
334332332332331331332331333332332 330332333332330334331333330333333
334331329333332331330332332329334 333332332332335332331332330332332
332332330333333331331332332332333 331332331333331333332332332333331
331330337331332336332330331330332 332331330330333330334331332331334
333332331333333333331329329334333 331332332332332334332334330333331
331332331332333333332331333330334 332333331335334331330332332332332
330334331329334333331332332332330 331330332331332332332332332332332
333329333333331333332332331332330 330332331332333331330330332331330
332331333331334331332333333331332 332331331333331332331332332332332
332332330333329333333332332335330 330334334330332332333331332330330
330329331334333330331333332333331 332332332332332331332332331332332
332332332332332331332332333331332 333331332332330329336332332332332
332333332330331333329332332335334 332332332333328329334331332331332
330329334331331332333333337329328 331331332331334329330335333331331
B. Anexo: Tabla de datos histricos de abril del 2011 a febrero de
201249
Tabla B-1: (Continuacin).
AbrilMayoJunioJulioAgostoseptiembreOctubreNoviembreDiciembreEneroFebrero
332333331334330330331332331333333 331333329333333334334330330334332
332333332330332333335330333332331 329330333331331332332333332331331
336331335329332331334331331332333 330333334331332333331332331330332
333331331334333332332332332332330 332332333333333331331331330334334
331331330329333329335331332332330 334333333331332331332332332333331
331333332332332332332333330333331 332333333332335332327333335337333
329331331332333332331332330332332 336330331333335334330330331334333
331333330333333332333333332330333 333333334330331334332332333332332
330331332333336330328330335331330 333331331330333333334333331331334
333331329333333332331332332331331 332331333332333331331333332332334
332333330331329334334333332333331 332336335330331328329335332333330
331334331330331334332331331332332 332331332333333331332331332332331
334333332334332335332330335331330 331331331333332331331330332332332
330334334333331333332333331330333 337333331332331333332332333332331
331332332331330330336333335333329 335335331331331332330333332330330
333333335332332329331334332330336 332331330332327331332340334332331
331334334330330331332330333333332 333332331332331330332332333332332
33233233