Planta Metalurgia

INSTITUTO
POLITÉCNICO
NACIONAL
UNIDADPROFESIONAL INTERDISCIPLINARIA
DE
INGENIERÍA
Y CIENCIASSOCIALES
Y ADMINISTRATIVAS
SECCIÓNDEESTUDIOS
DEPOSGRADO
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)
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
4
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!
Índice
Sip14...............................................................................................................................................2
5
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
2.2 El VSM (Value Stream Map) como herramienta del despliegue estratégico de Lean Sigma
....................................................................................................................................................57
2.2.1 Comenzando el VSM...................................................................................................57
6
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
8
Referencias.................................................................................................................................163
Anexos.........................................................................................................................................168
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. 1 Ejemplo de pregunta aplicada en examen para validación de tiempos muertos. .................................
86 Figura 3. 2 Ejemplo de defecto originado por el incorrecto vaciado del
10
metal ....................................................... 88 Figura 3. 3 Ejemplo de defecto originado por
moldeo ............................................................................................. 88 Figura 3. 4 Ejemplo de defecto originado
por desmoldeo ........................................................................................ 89 Figura 3. 5 Forma de Presentar los
datos en pantalla de inicio de Mintab® 16..................................................... 89 Figura 3. 6 Secuencia para
evaluación de estudio de atributos ............................................................................... 90
Figura 3. 7 Gráficos de evaluaciones entre observadores para un estudio R&R por atributos ..............................
91 Figura 3. 8 Información generada por Minitab® para evaluación individual por
evaluador ............................... 91 Figura 3. 9 Coeficiente de Kappa para evaluación individual por
evaluador ......................................................... 93 Figura 3. 10 Información generada por Minitab® para
evaluador individual contra el estándar ........................ 94 Figura 3. 11 Coeficiente de Kappa para evaluación
individual para evaluador individual contra el estándar ..... 94 Figura 3. 12 Información generada por Minitab®
para acuerdo de evaluación entre evaluadores ...................... 95
Figura 3. 13 Información generada por Minitab® para acuerdo de evaluación entre evaluadores y el estándar 96
Figura 3. 14 Hoja de cálculo empleada para el cálculo del Takt Time en los procesos de fundición. ...................
97

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
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
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
11
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 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
12
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 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
13
Listado de Gráficos.
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

Gráfico 3. 1 Resumen estadístico para números aleatorios. ....................................................................................
84
Gráfico 3. 2 Gráfico I-MR para números aleatorios. ..............................................................................................
85

Lean Six Sigma.
14
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.
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

Lean Six Sigma.
Tabla 4. 1 Roadmap Six Sigma _________________________________________________________________
98 Tabla 4. 2 Carta del proyecto __________________________________________________________________
100 Tabla 4. 3 Tabla de identificación de Stakeholders.
________________________________________________ 101 Tabla 4. 4 Responsabilidades del equipo Six
Sigma. _______________________________________________ 101
Tabla 4. 5 Plan de trabajo. ____________________________________________________________________
102 Tabla 4. 6 Matriz Producto Proceso para dos familias.
_____________________________________________ 107
Tabla 4. 7 Métricos claves. ____________________________________________________________________
111 Tabla 4. 8 Clasificación de métricos claves y definición.
____________________________________________ 112 Tabla 4. 9 Métricos Secundarios.
_______________________________________________________________ 112 Tabla 4. 10 Datos para
métricos clave. Nivel de Servicio [OC/OP]. ___________________________________ 127 Tabla 4. 11 Datos
para métricos clave. Lead Time [s]. ______________________________________________ 127 Tabla 4. 12
Métricos Secundarios (Tiempo Muerto) para moldeo semiautomático. ______________________ 129 Tabla 4.
13 Métricos Secundarios (Tiempo Muerto) para moldeo manual. _____________________________ 129 Tabla 4.
14 Métricos Secundarios (Material rechazado) para moldeo semiautomático. ___________________ 130 Tabla 4.
15 Métricos Secundarios (Material rechazado) para moldeo manual. __________________________ 130
Tabla 4. 16 Métricos Secundarios (Material rechazado) para moldeo manual. __________________________
131
Tabla 4. 17 Métricos Secundarios (Material rechazado) para moldeo manual. __________________________
132 Tabla 4. 18 Takt time para proceso manual y semiautomático.
_______________________________________ 132
Tabla 4. 19 Resumen de Lead Time. ____________________________________________________________
139 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.
15
_____________________________ 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. 1 Producción semanal de moldeo _______________________________________________________
171 Tabla A. 2 Piezas scrap generadas por semana
___________________________________________________ 172 Tabla A. 3 Rendimiento de piezas por planta
_____________________________________________________ 173 Tabla A. 4 tiempo muerto reportado por
planta de fundición ________________________________________ 174 Tabla A. 5 Nivel de servicio mensual
para unidades de negocio ______________________________________ 175 Tabla A. 6 Toma de tiempos para
Lead Time en moldeo semiautomático. ______________________________ 176 Tabla A. 7 Toma de tiempos
para Lead Time en moldeo manual. ____________________________________ 177 Tabla A. 8 Clasificación de
tiempo muerto para moldeo semiautomático ______________________________ 178 Tabla A. 9 Clasificación de
tiempo muerto para moldeo manual _____________________________________ 179 Tabla A. 10 Clasificación
de scrap para moldeo semiautomático _____________________________________ 180
Tabla A. 11 Clasificación de scrap para moldeo manual ____________________________________________
181
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
16
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.
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
17
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.
18
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/
19
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.
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
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
3 Introducing Crouse Hinds by Eaton (s.f.). Recuperado en Marzo del 2013, de

21
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.
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.
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.
5 ELSS. (2001). Eaton Lean System: An Interactive Introduction to Lean Manufacturing Principles. Londres,
Inglaterra: CRC Press.
23
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 corazonadas. Comparado con otras filosofías de negocios, Lean Sigma
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.
24
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.
Gráfico 1. 1 Nivel de Servicio Unidad 1
25
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.
26
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
Fuente: Backlog vencido 2013.
27
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
28
Figura 1. 4 Diagrama general del moldeo en verde: Rojo moldeo; azul fusión; naranja vaciado y lila desmoldeo.
Manufactura Manufactura
de corazón del modelo
Preparación Manufactura
Arena
de arena del Molde
Materia Solidificación y Pieza

Fusión Vaciado enfriamiento Desmoldeo
Prima 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
29
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.
Gráfico 1. 4 Producción de moldes por planta de fundición.
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.
30
Fuente: Creación propia, fotografía tomada en proceso de corte en Cooper Crouse – Hinds 2013.
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,
31
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.
Figura 1. 8 Estructura de equipo de moldeo para fundición en Planta A de Cooper Crouse – Hinds México.
Figura 1. 9 Estructura de equipo de moldeo para fundición en Planta B de Cooper Crouse – Hinds México.
32
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.
33
Fuente: Creación propia, reporte de carga de trabajo.
34
Gráfico 1.
6 Carga de trabajo semanal programado en Planta B.
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.
35
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.

Anderson-Darling Normality Test
A-Squared 0.28
P-Value 0.627
Mean 17812
StDev 2825
Variance 7982301
Skewness -0.582710
Kurtosis 0.319971
N 25
Minimum 10642
1st Quartile 16073
Median 17882
3rd Quartile 20202
Maximum 21861
95% Confidence Interval for Mean

12000 15000 18000 21000
16646 18978
95% Confidence Interval for Median
16420 19719
95% Confidence Interval for StDev
2206 3930
95% Confidence Intervals
Mean
Median
16000 17000 18000 19000 20000
36
Gráfico 1.
8 Gráfico de control I-MR para producción semanal de moldes en Planta A.
Gráfico 1. 9 Resumen estadístico para producción semanal de moldes en Planta B.

A-Squared 0.29
P-Value 0.571
Mean 11125
StDev 2336
Variance 5455304
Skewness -0.365324
Kurtosis -0.295876
N 25
Minimum 6006
1st Quartile 9747
Median 10602
3rd Quartile 12720
Maximum 14753

6000 8000 10000 12000 14000
10161 12089
10228 12504
1824 3249
Mean
Median
10000 10500 11000 11500 12000 12500
37
Gráfico 1.
10 Gráfico de control I-MR para producción semanal de moldes en Planta B.
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).
38
Gráfico 1.
11 Resumen estadístico para tiempo muerto semanal en Planta A.

A-Squared 0.35
P-Value 0.456
Mean 179.53
StDev 26.71
Variance 713.33
Skewness 0.343256
Kurtosis -0.123763
N 37
Minimum 129.87
1st Quartile 161.62
Median 175.87
3rd Quartile 198.33
Maximum 239.55

150 180 210 240
170.62 188.43
169.25 186.08
21.72 34.69
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.
39
Gráfico 1.

13 Resumen estadístico para tiempo muerto semanal en Planta B.
A-Squared 0.35
P-Value 0.460
Mean 267.32
StDev 48.19
Variance 2322.21
Skewness -0.498671
Kurtosis -0.258264
N 39
Minimum 151.48
1st Quartile 233.80
Median 277.08
3rd Quartile 305.55
Maximum 340.25

150 200 250 300 350
251.70 282.94
245.43 289.86
39.38 62.11
Mean
Median
240 250 260 270 280 290
Gráfico 1. 14 Gráfico de control I-MR para tiempo muerto semanal en Planta B.
40
Gráfico 1.
41
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.
Gráfico 1. 16 Disponibilidad consumida por tiempo muerto en Planta B.
42
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.
Gráfico 1. 17 Resumen estadístico para relación de piezas defectuosas contra piezas aceptadas en planta A de forma
semanal.
43
Prueba de normalidad de Anderson-Darling
A-cuadrado 0.37
Valor P 0.399
Media 0.056783
Desv.Est. 0.021122
Varianza 0.000446
Asimetría 0.412692
Kurtosis -0.378729
N 28
Mínimo 0.021137
1er cuartil 0.039278
Mediana 0.055835
2.00% 4.00% 6.00% 8.00% 10.00% 3er cuartil 0.067690
Máximo 0.101718
Intervalo de confianza de 95% para la media
0.048592 0.064973
Intervalo de confianza de 95% para la mediana
0.043592 0.061143
Intervalos de confianza de 95% Intervalo de confianza de 95% para la desviación estándar
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.

Gráfico 1. 19 Resumen estadístico para para relación de piezas defectuosas contra piezas aceptadas en planta B de forma
semanal.
44
A-cuadrado 0.63
Valor P 0.088
Media 0.17899
Desv.Est. 0.05404
Varianza 0.00292
Asimetría 0.01714
Kurtosis 1.41997
N 28
Mínimo 0.05069
1er cuartil 0.15661
Mediana 0.17360
8.00% 16.00% 24.00% 32.00% 3er cuartil 0.21453
Máximo 0.31400
0.15804 0.19995
0.16609 0.18977
Intervalos de confianza de 95% Intervalo de confianza de 95% para la desviación estándar

0.04272 0.07355
Media
Mediana
16.00% 17.00% 18.00% 19.00% 20.00%
Gráfico 1. 20 Gráfico de control I-MR para para relación de piezas defectuosas contra piezas aceptadas en planta B de
forma semanal.
45
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?
46
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. 8 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.9 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 compromiso en la gestión y en los tutores clave dentro
8 Basu, R. (2009). Implementing Six Sigma and Lean. [Versión DX Reader]. Recuperado de: www.tandf.co.uk
10
Ibídem.
9 Ibídem.
47
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.10
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.11
Lean Sigma cumple con su estrategia total y su éxito futuro mejorando significativamente
la calidad y reduciendo pérdidas.12 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
10 George, M. (2003). What is Lean Six Sigma? Ohio, Estados Unidos: McGraw Hill.
11 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
48
Sigma crea 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” 13 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.14
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,
12 George, M. (2002). Lean Six Sigma. Combining Six Sigma Quality with Lean Speed. Ohio, Estados Unidos:
McGraw Hill.
13 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.
14 Ibídem.
49
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.15
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 Concepto Lean

Especificar el El valor es todo aquello que el cliente está dispuesto a pagar, por lo que todos los esfuerzos
valor de la organización deben estar enfocados hacia esas actividades. Este valor solo lo especifica
el cliente y él es el único que debe plantear lo que necesita.
El flujo de valor es la cadena de operaciones o actividades que elevan la satisfacción del
Identificar el cliente (Valor Agregado), sin embargo esta cadena puede contar con una serie de procesos
flujo de valor 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.
Agregar Todas las actividades que no agregan valor al sistema consumen tiempo y recursos que al ser
valor al flujo retiradas permiten que las actividades importantes o clave tengan un mayor flujo y
continuo 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
Proceso de
hay que entregar (tanto si esta procede de un cliente externo como interno). Si cada proceso
Jalar
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
Buscar la
la totalidad del flujo de valor, a hacer que las etapas creadores de valor para que los
perfección 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
15 Monden, Y. (1997). Toyota Production System: an integrated approach to Just In Time. Georgia, USA: Industrial
Engineering & Management Press.
50
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. 16
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”.17 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 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
Sobreproducción
de los otros desperdicios. La sobreproducción se define como la acumulación de
productos en espera de procesamiento posterior (venta, consumo, eliminación,
reciclado, etc.).
Esperas 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.
Reproceso o 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,
“Scrap”
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
Movimiento
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.
16 Mann, D. (2014). Creating a Lean Culture: Tools to Sustain Lean Conversions. Londres, Inglaterra: CRC Press.
17 William, M. (2000). Lean Manufacturing: Tools, Techniques, and How to Use Them. Londres, Inglaterra: CRC
Press.
51
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
Sobre- condiciones de operación se debe elaborar el producto y que características debe
Procesamiento 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
Inventario crea una confianza ciega al pensar que se está cumpliendo con los requerimientos del
Este desperdicio
cliente, se detecta
ya que siempre hayenproducto
los procesos
para que tienen
disponer las operaciones
cuándo distribuidas
sea necesario. (Lay
Sin embargo,
– esta
out) situación
de manera dispersa
genera una en el errónea
idea piso de producción y/o de
del estado real entre departamentos, e incluso
las operaciones.
plantas, con un orden de secuencia de operación difícil de interpretar u observar a
Transporte 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, 18 estas herramientas se encuentran
en la tabla 2.3.
Tabla 2. 3 Descripción de herramientas de Lean Manufacturing.
Herramienta
Concepto
Lean
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
Mapeo de
más importantes, con el objetivo de establecer las estrategias necesarias para resolver
procesos 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.
18 Ibídem
52
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
5S’s
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.
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
Justo a tiempo 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.
Estandarización Los primeros intentos por estandarizar las operaciones de manufactura,
del trabajo 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.
TPM • 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.
Cambio rápido de El SMED es un acrónimo en lengua inglesa Single Minute Exchange of Die,
53
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
herramentales inicialización de proceso debería durar no más de 10 minutos. El principal objetivo de
(SMED) 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.
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.19
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
19 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.
54
actuación, aunque nació en las empresas del sector industrial, muchas de sus herramientas se
aplican con éxito en el sector servicios.20 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.21 Todas estas fases se exponen a continuación en la tabla 2.4.
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
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
20 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
21 Park, S. (2003). Six Sigma for Quality and Productivity Promotion. Tokio, Japon: Asian Productivity
Organization.
55
(Medición) 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.
A través de la fase “Analizar”, el equipo puede determinar las causas del problema que
necesitan mejorar y cómo eliminar la zanja existente entre el rendimiento actual y el nivel
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
Analyze cuando se discute acerca de Six Sigma es pensar que el proceso DMAIC conlleva mucho
(Analizar) 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.
Improvement La fase “Mejorar” es la transición del proceso a la solución. Las inversiones críticas han sido
(Mejora) 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.
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.
56
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. 22 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. 23 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.
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).24
22 Wright, J. (2003). Quality beyond Six Sigma. [Versión DX Reader]. Recuperado de: http://www.tandf.co.uk/
23 Adams, C. (2003). Six Sigma Deployment. [Versión DX Reader]. Recuperado de: http://www.tandf.co.uk/
57
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
Figura 2. 2 Descripción grafica de la repetibilidad
24 Cintas, P. (2004). Estadística Práctica con Minitab. Madrid, España: Pearson Prentice Hall.
29
Ibídem.
58
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). 25 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
Recuperado de: http://books.google.com.mx/
59
evaluadores están de acuerdo, existe la posibilidad de que las apreciaciones sean exactas. Si hay
discrepancias, la utilidad de la evaluación es limitada. 26
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.27
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.28
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.
26 Ibídem.
27 Scheaffer, R. (1987). Elementos de Muestreo. California, Estados Unidos: Grupo Editorial Iberoamérica.
60
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.29 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”, 30 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
29 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
30 Rother, M. (1999). Learning To See. Brookline, Massachusetts, USA: The Lean Enterprise Institute.
61
entrega del material hacia nuestros clientes (internos y externos). 31 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.32
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. 33
Figura 2. 3 Flujo de información y materiales.
Fuente: Rother, M. (1999). Learning To See. Brookline, Massachusetts, USA: The Lean Enterprise Institute.
31 Ibidem.
32 Ibídem.
33 Ibídem.
62
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.34
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
35
identificados en un matriz de “Productos vs Pasos de Manufactura”, 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.
34 Lee, Q., & Snyder, B. (2007). The Strategos Guide to Value Stream & Process Mapping. Carolina, Estados
Unidos: Enna Products Corp
35 Rother, M. (1999). Learning To See. Brookline, Massachusetts, USA: The Lean Enterprise Institute.
63
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
36
operaciones, los flujos de información y materiales. 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.
36 Ibídem.
64
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. 37 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.
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.
37 Patel, D., Ranpuria, H., Shah, J. & Fournier, J. (2013). The Book of Value Stream Maps I. Nueva York, Estados
Unidos: eVSM Group
65
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
66
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.
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.
67
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.
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.
68
Fuente:https://altacuncta.wordpress.com/2011/11/05/la-importancia-del-lead-time/
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”38.
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
38 Lead time (s.f.). recuperado en agosto del 2014, de http://mtmingenieros.com/knowledge/que -es-lead-time/
69
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.
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. 39
1. Identificar la frontera del sistema que se desee mapear. Definir si será un proceso,
fábrica, sistema “puerta a puerta”, sistema de fábricas, etc.
39 Ibídem.
70
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
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.
Figura 2. 10 Simbología establecida para el VSM.
71
Figura 2. 11 Ejemplo de estado actual.
72
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.
73
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”.40
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?
40 Ibídem PP. 53-63
74
5. ¿En qué simple punto de la cadena productiva el proceso “Peacemaker” programará la
producción?
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”.41
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.
41 Ibídem P. 66
75
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.
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”.42
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.
42 Ibídem P. 98.
76
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
77
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.43
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.44 El aluminio y sus aleaciones (Figura 2. 13) se caracterizan por la
43 ASM International. (2002). ASM Metals Handbook: Volume 2 Properties and Selection: Nonferrous Alloys
and Special – Purpose Materials. Ohio, Estados Unidos: ASM International.
44 ASM International. (2002). ASM Metals Handbook: Volume 16 Machining. Ohio, Estados Unidos: ASM
International.
78
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.45
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).
45 ASM International. (2002). ASM Metals Handbook: Volume 2 Properties and Selection: Nonferrous Alloys
and Special – Purpose Materials. Ohio, Estados Unidos: ASM International.
79
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.46
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
usos47. 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.

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,
46 Ibídem.
47 ASM International. (2002). ASM Metals Handbook: Volume 15 Casting. Ohio, Estados Unidos: ASM
International.
80
este proceso corresponde a 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 escala48.
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 siguiente49:
• 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
• Provee facilidad en la toma de decisiones.

48 ASM International. (2009). Casting Design and Performance. [Versión Google Books]. Recuperado de:
http://books.google.com.mx/
49 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
81
• 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.50 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,51 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. 52 Sin
embargo, en el trabajo que presenta busca demostrar que es totalmente posible aplicar las
50 Senra de Oliveira, C. (2008). Lean Manufacturing paradigm in the foundry industry. Estudos Tecnológicos, 4, 218
- 230. doi: 10.4013/ete.20083.07
51 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:
52 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
82
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 previo53. 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. 54 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. 55 Con esta
propuesta, se busca incrementar en un 30% la productividad del taller de herramentales, en este
53 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
54 Wykorzystania, S. (2013). The lean manufacturing tools in Polish foundries. Archives of metallurgy and
materials. 58, 937 - 940. doi: 10.2478/amm-2013-0105
55 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
83
mismo texto, mencionan que el VSM es una herramienta sumamente poderosa para la toma de
decisiones.
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. 56 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.
56 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
84
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.
85
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:
86
catalogo, estándar por hora, nombre del operario, piezas producidas por hora, cumplimiento vs
estándar y motivo por el que no se logra el estándar.
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.
87
Esta herramienta es capaz de permitir el rápido y sencillo análisis de todos los datos que se
generen en los diferentes instrumentos de recolección.
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
57
básicos estadísticos tales como la media, mediana y la desviación estándar. 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:
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
57 Basu, R. (2009). Implementing Six Sigma and Lean. [Versión DX Reader]. Recuperado de: www.tandf.co.uk
63
Pulido, H. (2012). Análisis y Diseño de Experimentos. Distrito Federal, México: Mc Graw Hill.
88
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. 58
Gráfico 3. 1 Resumen estadístico para números aleatorios.
Resumen para Aleatorios

A-cuadrado 0.53
Valor P 0.157
Media 58.750
Desv.Est. 26.833
Varianza 719.987
Asimetría -0.24974
Kurtosis -1.35708
N 20
Mínimo 16.000
1er cuartil 30.000
Mediana 61.500
3er cuartil 84.250
20 40 60 80 100 Máximo 97.000
46.192 71.308
33.529 78.530
Intervalo de confianza de 95% para la desviación estándar
Intervalos de confianza de 95%
20.406 39.191
Media
Mediana
40 50 60 70 80
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 estadístico 59, la carta seleccionada para la caracterización de las
variables de este estudio corresponderá a los gráficos I-MR (Individual Movile Range).
58 Minitab Inc. (2004). Meet Minitab Release 14 for Windows®. Pennsylvania, Estados Unidos: Mintab Quality
Companion.
89
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. 60 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.
60 Minitab Inc. (2004). Meet Minitab Release 14 for Windows®. Pennsylvania, Estados Unidos: Mintab Quality
Companion.
90
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
91
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 Maquinas Turnos Personal

Moldeo Manual 2 3 6
Moldeo Semiautomático 4 3 12
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
92
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.
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
93
94
Figura 3.
4 Ejemplo de defecto originado por desmoldeo
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.
95
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
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.
7 Gráficos de evaluaciones entre observadores para un estudio R&R por atributos
96
Figura 3.
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 No. de inspeccionados No. de coincidencias PorcentajeEvaluador IC de 95%

1 29 29 100.00 (90.19, 100.00)
2 29 29 100.00 (90.19, 100.00)
3 29 24 82.76
(62.23, 94.15)
No. de coincidencias: El evaluador coincide consigo a través de las pruebas.
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
97
Kappa refleja la concordancia inter – observador y puede ser calculado en tablas de cualquier
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:
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.
9 Coeficiente de Kappa para evaluación individual por evaluador
Estadísticas Kappa de Fleiss
98
Figura 3.
Evaluador Respuesta Kappa Error estándar de Kappa Z P(vs >

0) 1 Falla 1.00000 0.107211 9.32738
0.0000
Pasa 1.00000 0.107211 9.32738 0.0000
2 Falla 1.00000 0.107211 9.32738 0.0000
Pasa 1.00000 0.107211 9.32738 0.0000
3 Falla 0.66331 0.107211 6.18697 0.0000
Pasa 0.66331 0.107211 6.18697 0.0000
Tabla 3. 2 Niveles de concordancia de coeficiente de Kappa
Coeficiente Kappa Concordancia

0.00 Inaceptable
0.01 0.20 Pobre
0.21 – 0.40 Leve
0.41 – 0.60 Moderada
0.61 – 0.70 Tolerable
K > 0.70 Aceptable
0.71 – 0.80 Considerable
0.81 – 0.90 Ideal
0.91 – 100 Casi perfecta
100 Perfecta
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;
99
pero, el operador 3 rechazo 5 piezas aceptables. Es aquí donde son evidentes las fallas a detalle
de cada evaluador
Figura 3. 10 Información generada por Minitab® para evaluador individual contra el estándar
Cada evaluador vs. el estándar
Evaluador No. de inspeccionados No. de coincidencias Porcentaje IC de 95%

1 29 27 93.10 (77.23, 99.15)
2 29 28 96.55 (82.24, 99.91) 3
29 23 79.31 (60.28, 92.01)
No. de coincidencias: La estimación del evaluador a través las pruebas coincide
con el estándar conocido.
Discrepancia en la evaluación
Evaluador # Pasa / Falla Porcentaje # Falla / Pasa Porcentaje No. de combinados

Porcentaje
1 1 14.29 1 4.55 0
0.00
2 1 14.29 0 0.00 0
0.00 3 1 14.29 0 4.55
5 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.
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
Evaluador Respuesta Kappa Error estándar de Kappa Z P(vs > 0)

1 Falla 0.811688 0.107211 7.57092 0.0000
Pasa 0.811688 0.107211 7.57092 0.0000
2 Falla 0.900855 0.107211 8.40261 0.0000
Pasa 0.900855 0.107211 8.40261 0.0000
100
Figura 3.
3 Falla 0.745591 0.107211 6.95441 0.0000

Pasa 0.745591 0.107211 6.95441 0.0000
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
101
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
No. de inspeccionados No. de coincidencias Porcentaje IC de 95%

29 23 79.31 (60.28, 92.01)
No. de coincidencias: Todas las estimaciones de los evaluadores coinciden

entre sí.
Respuesta Kappa Error estándar de Kappa Z P(vs > 0)

Falla 0.839286 0.0309492 27.1182 0.0000 Pasa
0.668472 0.0309492 27.1182 0.0000
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.
Figura 3. 13 Información generada por Minitab® para acuerdo de evaluación entre evaluadores y el estándar
Todos los evaluadores vs. el estándar
102
29 22 75.86 (56.46, 89.70)
No. de coincidencias: Todas las estimaciones de los evaluadores coinciden con
el estándar conocido.

Falla 0.819378 0.0618984 13.2375 0.0000
Pasa 0.819378 0.0618984 13.2375 0.0000
3.4.4 Metodología para el cálculo del Takt Time.

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.
Figura 3. 14 Hoja de cálculo empleada para el cálculo del Takt Time en los procesos de fundición.
Tiempo total por centro Tiempos Muertos
103
Montaje [s/T] 7460
Mantenimiento [s/T] 12740

Maquinas
4 # Maquinas
Disponibles
Humanas [s/T] 6440
Proceso [s/T] 3600
Ingenieria [s/T] 3380

Tiempo por
8 [h/turno]
turno
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.
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
104
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 )61
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 Medir Analizar Mejorar Controlar

1. Crear Carta 5. Definir el 9. Desarrollar la 12. Identificar 17. Medir y de proyecto. proceso. causa y efecto. soluciones.
controlar cambios.
2. Identificar 6. Establecer 10. Determinar 13. Diseñar estado 18. Reportar StakeHolders. métricos causas y validar futuro.
datos.
3. Seleccionar principales y causas raíz. 14. Establecer objetivos. 19. Identificar equipo. secundarios. 11. Desarrollar 15.
Obtener oportunidades de
4. Crear plan del 7. Validar el sistema capacidad del aprobaciones e réplica.
proyecto de medición. proceso. implementar. 20. Desarrollar
8. Documentar el 16. Entrenar y ejecutar. planes a futuro. estado actual.
Fuente: Furterer, S. (2009). Lean Six Sigma in Service: Applications and Case Studies. Boca Raton, Florida: CRC Press.
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
61 Norte Verdadero. El norte verdadero es un.
105
• 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.
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
106
Nombre del proyecto Incremento del Nivel de Servicio en las líneas de fundición
Visión del proyecto 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
Planteamiento del Se ha experimentado un decaimiento en el nivel de servicio en las
problema unidades de negocio, esto tiene como origen la falta de entregas de
materiales a tiempo y genere la cancelación de pedidos.
Clientes Procesos de Corte y Pintura
CTS Scrap
Lead Time
Tiempo muerto (Mantenimiento, Montaje, Actividades humanas, etc.)
Objetivo del proyecto Decremento al Lead Time e incrementar el nivel de servicio
Alcance del proyecto Únicamente se englobaran los procesos de fundición y la familia más
importantes por unidad de negocio.
Beneficios financieros No se han cuantificado.
Riesgos financieros No existen
Riesgos potenciales No existen
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.
Tabla 4. 3 Tabla de identificación de Stakeholders.

- Proceso de - Supervisor de
Materia Prima
Corazones Producción Métricos
Proveedores N/A
Datos e - Producción -Operadores Clave
información - Mejora Continua -Capturista
107
- Supervisor de
Materia Prima - Moldeo en Verde
Producción Métricos Lead
Proceso
Datos e - Producción -Operadores Clave Time
- Supervisor de
Materia Prima - Proceso de Corte
Producción Métricos Nivel de
Cliente
Datos e - Producción -Operadores Clave Servicio
- Proceso de - Supervisor de
Materia Prima
Corriente Pintura Producción Métricos
N/A
inmediata Datos e - Producción -Operadores Clave
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.
Tabla 4. 4 Responsabilidades del equipo Six Sigma.
del equipo
Miembros
Dueño del
Black Belt
Campeón
Líder de
proceso
Equipo
Facilitar juntas X
Responsabilidad
Manejar proyecto X
Ser mentor de los miembros del equipo X X
Enseñar conocimiento de six sigma X
Retirar obstáculos X
Monitorear avance del proyecto X
Aprobar proyecto X
Implementar mejoras X
Ser el experto del proceso X
Aplicar herramientas Six Sigma X
Análisis estadístico X
Recolección de información X
108
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 Fecha de Fecha Final Duración Predecesoras

inicio
Definir 03/02/2014 12/02/2014 9
1. Crear Carta de proyecto. 03/02/2014 06/02/2014 3
2. Identificar StakeHolders. 06/02/2014 09/02/2014 3 1
3. Seleccionar equipo.
09/02/2014 11/02/2014 2 2
4. Crear plan del proyecto
11/02/2014 12/02/2014 1 3
Medir 12/02/2014 26/02/2014 14 4
5. Definir el proceso 12/02/2014 14/02/2014 2 5
6. Establecer métricos principales y
secundarios. 14/02/2014 16/02/2014 2 6
7. Validar el sistema de medición 16/02/2014 20/02/2014 4 7
8. Documentar el estado actual
20/02/2014 26/02/2014 6 8
Analizar 26/02/2014 16/03/2014 18 9
9. Desarrollar la causa y efecto 26/02/2014 04/03/2014 6 10
10. Determinar causas y validar causas raíz 04/03/2014 10/03/2014 6 11
11. Desarrollar capacidad del proceso
10/03/2014 16/03/2014 6 12
Mejorar 16/03/2014 15/04/2014 30 13
12. Identificar soluciones 16/03/2014 24/03/2014 8 14
13. Diseñar estado futuro 24/03/2014 30/03/2014 6 15
14. Establecer objetivos
30/03/2014 03/04/2014 4 16
15. Obtener aprobaciones e implementar
03/04/2014 07/04/2014 4 17
16. Entrenar y ejecutar
07/04/2014 15/04/2014 8 18
Controlar 15/04/2014 20/05/2014 35 19
17. Medir y controlar cambios 15/04/2014 19/04/2014 4 20
18. Reportar datos 19/04/2014 04/05/2014 15 21
19. Identificar oportunidad de replica
04/05/2014 12/05/2014 8 22
20. Desarrollar planes a futuro
12/05/2014 20/05/2014 8 23
109
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 Procesos de Procesos de Corte y
Acabado
Corazones Moldeo y Fusión
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.
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
110
“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.
111
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.
112
Figura 4. 3 Mapa de Procesos de moldeo y fusión.
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.
Aplicación Revisión
Material Descripción Pintura Taladro Vertical Horizontal de y cobertura empaque
183 183-A XXX XXX XXX XXX
112 112-B XXX XXX XXX XXX XXX
115
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.
Fuente: Creación propia, reporte de incoming 2013.
116
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.
117
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
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
118
muertos, tiempos de operación y las piezas rechazadas), estas variables se consideraran
como métricos secundarios que impactaran totalmente en los métricos de interés.
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 Objetivo Tipo de Gráfico de datos control

Nivel de Ordenes cumplidas / Cambiar la media y Continuo I-MR
Servicio Ordenes de producción reducir variación
Lead Time Tiempo de entrega Cambiar la media y Continuo I-MR
reducir variación
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.
119
Tabla 4. 8 Clasificación de métricos claves y definición.
Métrico Concepto Definición

Montaje de Actividades referentes al cambio de modelo en producción.
maquina
Mantenimiento 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 Actividades relativas a las actividades necesarias humanas (aseo
Humanas personal, limpieza de máquinas, comida del personal, pláticas y
capacitación).
Actividades de Actividades referentes a que los herramentales que fueron
Proceso colocados en las maquinas cumplan los estándares mínimos de
Tiempo producción, además de ajustes del índole de composición química
Muerto en aleaciones y de variables básicas de proceso en arenas de
moldeo.
Pruebas de Actividades referentes al paro de las maquinas o procesos para
Ingeniería 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.
Scrap en Piezas rechazadas que tienen su origen en el subproceso de moldeo

Moldeo (molde roto, desplazamiento de molde, “cola de rata”, etc)
Scrap en Piezas rechazadas que tienen su origen en el subproceso de vaciado
Piezas vaciado (Falta de llenado, unión fría, rechupes, etc.).
Defectuosas Scrap en Piezas rechazadas que son detectados en desmoldeo (Golpes por
desmoldeo operación, fracturas de material, arrastre de arena, etc.)

Tabla 4. 9 Métricos Secundarios.
Métrico Definición Objetivo Tipo de Gráfico de datos control

Montaje de maquina Tiempo / Semana Cambiar la media y Continuo I-MR
reducir variación
Mantenimiento Tiempo / Semana Cambiar la media y Continuo I-MR
reducir variación
Actividades Humanas
Tiempo / Semana Cambiar la media y Continuo I-MR
reducir variación
Actividades de proceso
Tiempo / Semana Cambiar la media y Continuo I-MR
reducir variación
120
Pruebas de Ingeniería Tiempo / Semana Cambiar la media y Continuo I-MR
reducir variación
Cantidad de Scrap en Piezas Defectuosas / Cambiar la media y Continuo I-MR
moldeo Total Manufacturadas reducir variación
Cantidad de Scrap en
Piezas Defectuosas / Cambiar la media y Continuo I-MR
vaciado
Total Manufacturadas reducir variación
Cantidad de scrap en
desmoldeo Piezas Defectuosas / Cambiar la media y Continuo I-MR
Total Manufacturadas reducir variación
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.
121
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.
122
Figura 4.
5 Gráficos de evaluaciones entre observadores para el estudio R&R por atributos en moldeo
semiautomático para toma de tiempos muertos.
Figura 4. 6 Información generada por Minitab® para evaluación individual por evaluador en moldeo
Análisis de concordancia de atributos para Moldeo Semiatumatico
Fecha del estudio: Septiembre 2013

Notificado por: Gerencia de Manufactura
Nombre del producto: Tiempo Muerto
Misc: Moldeo Semiatumatico

A 60 56 93.33 (83.80, 98.15)
B 60 55 91.67 (81.61, 97.24)
C 60 55 91.67 (81.61, 97.24)
D 60 59 98.33 (91.06, 99.96)
E 60 55 91.67 (81.61, 97.24)
F 60 57 95.00 (86.08, 98.96)
G 60 55 91.67 (81.61, 97.24)
H 60 56 93.33 (83.80, 98.15)
I 60 57 95.00 (86.08, 98.96)
J 60 59 98.33 (91.06, 99.96)
L 60 57 95.00 (86.08, 98.96)
M 60 57 95.00 (86.08, 98.96)
123
Figura 4.

7 Coeficiente de Kappa para evaluación individual por evaluador en moldeo semiautomático para toma
de tiempos muertos.

A 1 0.97231 0.0745356 13.0449 0.0000
2 0.92868 0.0745356 12.4595 0.0000
3 0.90232 0.0745356 12.1059 0.0000
17.6250 0.0000
General 0.93284 0.0529272
12.6908 0.0000
B 1 0.94591 0.0745356 11.7100 0.0000
2 0.87281 0.0745356 12.4755 0.0000
3 0.92987 0.0745356 17.3178 0.0000
General 0.91601 0.0528943 12.0386 0.0000
C 1 0.89730 0.0745356 12.7338 0.0000
2 0.94912 0.0745356 12.1241 0.0000
17.3756 0.0000
3 0.90368 0.0745356 13.4164 0.0000
General 0.91652 0.0527475 13.0686 0.0000
D 1 1.00000 0.0745356 13.0974 0.0000
2 0.97408 0.0745356 18.6278 0.0000
3 0.97623 0.0745356 12.2238 0.0000
General 0.98328 0.0527855 12.1619 0.0000
12.4472 0.0000
E 1 0.91111 0.0745356
17.1903 0.0000
2 0.90649 0.0745356 12.6908 0.0000
3 0.92776 0.0745356 13.1028 0.0000
General 0.91529 0.0532447 12.3925 0.0000
F 1 0.94591 0.0745356 17.9529 0.0000
2 0.97662 0.0745356 11.9813 0.0000
3 0.92369 0.0745356 12.7745 0.0000
12.0857 0.0000
General 0.94961 0.0528943
17.3496 0.0000
G 1 0.89303 0.0745356 12.2411 0.0000
2 0.95215 0.0745356 12.4651 0.0000
3 0.90081 0.0745356 12.7745 0.0000
General 0.91633 0.0528159 17.5386 0.0000
H 1 0.91239 0.0745356 13.0449 0.0000
2 0.92910 0.0745356 12.7858 0.0000
12.4184 0.0000
3 0.95215 0.0745356
17.9358 0.0000
General 0.93241 0.0531632 13.0536 0.0000
I 1 0.97231 0.0745356 13.0993 0.0000
2 0.95300 0.0745356
13.4164 0.0000
3 0.92561 0.0745356
General 0.94958 0.0529430
J 1 0.97296 0.0745356
2 0.97637 0.0745356
3 1.00000 0.0745356
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
124
Figura 4.
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.
8 Información generada por Minitab® para evaluador individual contra el estándar en moldeo
Cada evaluador vs. El estándar

A 60 52 86.67 (75.41, 94.06)
B 60 48 80.00 (67.67, 89.22)
C 60 52 86.67 (75.41, 94.06)
D 60 56 93.33 (83.80, 98.15)
(71.48, 91.71)
E 60 50 83.33
(79.49, 96.24)
F 60 54 90.00
(67.67, 89.22)
G 60 48 80.00 (77.43, 95.18)
H 60 53 88.33 (73.43, 92.90)
I 60 51 85.00 (81.61, 97.24)
J 60 55 91.67 (75.41, 94.06)
L 60 52 86.67
(77.43, 95.18)
M 60 53 88.33
moldeo semiautomático para toma de tiempos muertos.

A 1 0.859587 0.0745356 11.5326 0.0000
2 0.821343 0.0745356 11.0195 0.0000
3 0.915433 0.0745356 12.2818 0.0000
16.3371 0.0000
General 0.865461 0.0529752
10.8047 0.0000
B 1 0.805334 0.0745356 9.1310 0.0000
2 0.680587 0.0745356 11.5164 0.0000
3 0.858384 0.0745356 14.7616 0.0000
General 0.781480 0.0529399 11.0714 0.0000
C 1 0.825210 0.0745356 11.4351 0.0000
2 0.852320 0.0745356 12.6152 0.0000
16.5519 0.0000
3 0.940283 0.0745356 11.7929 0.0000
General 0.874430 0.0528296 11.7515 0.0000
D 1 0.878992 0.0745356 13.2574 0.0000
2 0.875903 0.0745356 17.3424 0.0000
3 0.988148 0.0745356 10.5179 0.0000
General 0.916272 0.0528344 10.8713 0.0000
E 1 0.783954 0.0745356 11.9641 0.0000
15.6434 0.0000
2 0.810299 0.0745356 12.3011 0.0000
3 0.891748 0.0745356 11.8317 0.0000
General 0.831345 0.0531436 11.4394 0.0000
F 1 0.916871 0.0745356 16.6671 0.0000
125
Figura 4.
2 0.881885 0.0745356 9.8619 0.0000
3 0.852643 0.0745356 11.1696 0.0000
General 0.882352 0.0529399 10.3285 0.0000
14.7657 0.0000
G 1 0.735064 0.0745356
11.1059 0.0000
2 0.832536 0.0745356 11.4995 0.0000
3 0.769838 0.0745356 13.0954 0.0000
General 0.781533 0.0529289 16.7708 0.0000
H 1 0.827785 0.0745356 10.4037 0.0000
2 0.857119 0.0745356 11.6673 0.0000
3 0.976077 0.0745356 10.9713 0.0000
15.5421 0.0000
General 0.890434 0.0530943
11.5607 0.0000
I 1 0.775448 0.0745356 11.8204 0.0000
2 0.869630 0.0745356
12.4335 0.0000
3 0.817753 0.0745356
General 0.823407 0.0529790
J 1 0.861686 0.0745356
2 0.881042 0.0745356
3 0.926740 0.0745356
126
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
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
127
fundición. Los operadores que podrían generar algún dato que no concuerden con la
realidad son acaso los numero II y V, estos 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: Octubre 2013

Notificado por: Gerencia de Manufactura
Nombre del producto: Tiempo muerto
Misc: Moldeo Manual

I 60 56 93.33 (83.80, 98.15)
II 60 54 90.00 (79.49, 96.24)
III 60 58 96.67 (88.47, 99.59)
IV 60 57 95.00 (86.08, 98.96)
V 60 54 90.00 (79.49, 96.24)
VI 60 56 93.33 (83.80, 98.15)
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.
Figura 4. 12 Coeficiente de Kappa para evaluación individual por evaluador en moldeo manual para toma de
tiempos muertos.
128
I 1 0.972308 0.0745356 13.0449 0.0000
2 0.902320 0.0745356 12.1059 0.0000
3 0.928675 0.0745356 12.4595 0.0000
17.6250 0.0000
General 0.932842 0.0529272
12.0253 0.0000
II 1 0.896313 0.0745356 12.1405 0.0000
2 0.904900 0.0745356 12.0386 0.0000
3 0.897304 0.0745356 17.0436 0.0000
General 0.899656 0.0527855 13.0128 0.0000
III 1 0.969920 0.0745356 12.7822 0.0000
13.0993 0.0000
2 0.952731 0.0745356
18.1166 0.0000
3 0.976366 0.0745356 13.0536 0.0000
General 0.966063 0.0533247 12.7658 0.0000
IV 1 0.972957 0.0745356 12.4405 0.0000
2 0.951509 0.0745356 17.9750 0.0000
3 0.927263 0.0745356 11.9481 0.0000
General 0.949777 0.0528389 12.1325 0.0000
12.1059 0.0000
V 1 0.890561 0.0745356
17.0083 0.0000
2 0.904306 0.0745356 12.6733 0.0000
3 0.902320 0.0745356 12.1152 0.0000
General 0.899413 0.0528808 12.7745 0.0000
VI 1 0.944615 0.0745356 17.6267 0.0000
2 0.903017 0.0745356
3 0.952153 0.0745356
General 0.932861 0.0529233
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.
129
Figura 4.
13 Información generada por Minitab® para evaluador individual contra el estándar en moldeo manual
para toma de tiempos muertos.

I 60 54 90.00 (79.49, 96.24)
II 60 50 83.33 (71.48, 91.71)
III 60 56 93.33 (83.80, 98.15)
IV 60 56 93.33 (83.80, 98.15)
V 60 51 85.00 (73.43, 92.90)
VI 60 53 88.33 (77.43, 95.18)

moldeo manual para toma de tiempos muertos.
Evaluador Respuesta Kappa Error estándar de Kappa Z P(vs >

0)
I 1 0.887996 0.0745356 11.9137 0.0000
2 0.867110 0.0745356 11.6335 0.0000
3 0.964444 0.0745356 12.9394 0.0000
17.1309 0.0000
General 0.907515 0.0529752
11.6175 0.0000
II 1 0.865915 0.0745356 11.3278 0.0000
2 0.844322 0.0745356 11.2625 0.0000
3 0.839457 0.0745356 16.0695 0.0000
General 0.849340 0.0528541 12.6299 0.0000
III 1 0.941374 0.0745356 12.1439 0.0000
12.7774 0.0000
2 0.905150 0.0745356
17.5372 0.0000
3 0.952373 0.0745356 12.6755 0.0000
General 0.932368 0.0531651 13.0888 0.0000
IV 1 0.944775 0.0745356 12.4503 0.0000
2 0.975580 0.0745356 17.9438 0.0000
3 0.927991 0.0745356 12.1079 0.0000
General 0.949675 0.0529250 11.8116 0.0000
11.3093 0.0000
V 1 0.902473 0.0745356
16.5076 0.0000
2 0.880383 0.0745356 11.9200 0.0000
3 0.842948 0.0745356 11.7916 0.0000
General 0.874029 0.0529471 12.1325 0.0000
VI 1 0.888462 0.0745356 16.8144 0.0000
2 0.878893 0.0745356
3 0.904306 0.0745356
General 0.890819 0.0529796
130
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.
131
Figura 4.
15 Gráficos de evaluaciones entre observadores para el estudio R&R por atributos para la identificación
y clasificación de Scrap.
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: Octubre 2013

Notificado por: Gerencia de Control de Calidad
Nombre del producto: Scrap por fundición
Misc: Departamento de Corte

A 100 89 89.00 (81.17, 94.38)
B 100 93 93.00 (86.11, 97.14)
C 100 91 91.00 (86.11, 97.14)
D 100 92 92.00 (83.60, 95.80)
E 100 93 93.00 (84.84, 96.48)
F 100 93 93.00 (86.11, 97.14)
G 100 92 92.00 (84.84, 96.48)
H 100 97 97.00 (91.48, 99.38)
132
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.

A 0 0.769850 0.1 7.69850 0.0000
1 0.769850 0.1 7.69850 0.0000
B 0 0.824451 0.1 8.24451 0.0000
8.24451 0.0000
1 0.824451 0.1 8.03472 0.0000
C 0 0.803472 0.1 8.03472 0.0000
1 0.803472 0.1 8.12997 0.0000
D 0 0.812997 0.1 8.12997 0.0000
1 0.812997 0.1 8.28242 0.0000
8.28242 0.0000
E 0 0.828242 0.1
8.40456 0.0000
1 0.828242 0.1 8.40456 0.0000
F 0 0.840456 0.1 8.21747 0.0000
1 0.840456 0.1 8.21747 0.0000
G 0 0.821747 0.1 9.29237 0.0000
1 0.821747 0.1 9.29237 0.0000
H 0 0.929237 0.1
1 0.929237 0.1
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
133
Figura 4.
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.
18 Información generada por Minitab® para evaluador individual contra el estándar en el proceso de
corte para la identificación y clasificación de Scrap.

A 100 81 81.00 (71.93, 88.16)
B 100 85 85.00 (76.47, 91.35)
C 100 86 86.00 (77.63, 92.13)
D 100 83 83.00 (74.18, 89.77)
E 100 85 85.00 (76.47, 91.35)
F 100 87 87.00 (78.80, 92.89)
G 100 87 87.00 (78.80, 92.89)
H 100 93 93.00 (86.11, 97.14)

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.

A 0 0.702481 0.0707107 9.9346 0.0000
1 0.702481 0.0707107 9.9346 0.0000
B 0 0.718963 0.0707107 10.1677 0.0000
1 0.718963 0.0707107 10.1677 0.0000
C 0 0.784645 0.0707107 11.0966 0.0000
1 0.784645 0.0707107 11.0966 0.0000
134
D 0 0.693081 0.0707107 9.8016 0.0000
1 0.693081 0.0707107 9.8016 0.0000
E 0 0.720244 0.0707107 10.1858 0.0000
1 0.720244 0.0707107 10.1858 0.0000
F 0 0.779051 0.0707107 11.0174 0.0000
1 0.779051 0.0707107 11.0174 0.0000
G 0 0.793199 0.0707107 11.2175 0.0000
1 0.793199 0.0707107 11.2175 0.0000
H 0 0.869104 0.0707107 12.2910 0.0000
1 0.869104 0.0707107 12.2910 0.0000
135
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 # 1 / 0 Porcentaje # 0 / 1 Porcentaje No. de combinados Porcentaje

A 8 11.43 0 0.00 11 11.00
B 3 4.29 5 16.67 7 7.00
C 5 7.14 0 0.00 9 9.00
8.00
D 5 7.14 4 13.33 8 7.00
E 5 7.14 3 10.00 7 7.00
F 4 5.71 2 6.67 7 8.00
G 4 5.71 1 3.33 8 H 3.00
3 4.29 1 3.33 3
# 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.
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.
136
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

100 56 56.00 (45.72, 65.92)
No. de coincidencias: Todas las estimaciones de los evaluadores coinciden con
el estándar conocido.

0 0.757596 0.025 30.3038 0.0000
1 0.757596 0.025 30.3038 0.0000
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:
137
Figura 4.
• Media
• Desviación estándar
• Mediana
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
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
138
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.
139
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.
140
Tabla 4. 12 Métricos Secundarios (Tiempo Muerto) para moldeo semiautomático.
Mantenimien
Ingenieri
Humana
Montaj
h/Sem
h/Sem
h/Sem
Proces
h/Sem
h/Sem
]
]
]
to
o
e
a
s
Estadística Descriptiva
[
Media 37.3 63.7 32.2 18.0 16.9
Desviación estándar 9.4 32.3 7.3 7.4 6.1
Mediana 38.4 56.0 32.2 17.1 15.8
Tabla 4. 13 Métricos Secundarios (Tiempo Muerto) para moldeo manual.

Mantenimien
Ingenieri
Humana
Montaj
sh/Sem
h/Sem
h/Sem
h/Sem
h/Sem
Proces
]
]
to
o
e
a
[
[
Media 13.2 9.3 25.9 19.7 33.81
Desviación estándar 4.2 8.3 6.1 9.5 8.82
Mediana 13.1 7.0 25.4 16.9 34.28
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.
141
Tabla 4. 14 Métricos Secundarios (Material rechazado) para moldeo semiautomático.
Desmoldeo
Desmolde
def/Pz
def/Pz
def/Pz
Vaciado
Vaciado
% Scrap
Moldeo
Moldeo
Pzas/Se
[ Pzas/Se
[ Pzas/Se
o Scrap
% Scrap
100
100
100
mana
mana
mana
Scrap
Scrap
Scrap
OK] x
]
OK]
OK]
%
[ Pz
Pz
[ Pz
[
[
Media 456 1461 2363 0.54% 1.80% 2.91%
Desviación estándar 205 545 871 0.24% 0.69% 1.15%
Mediana 491 1399 2397 0.51% 1.69% 2.69%
Tabla 4. 15 Métricos Secundarios (Material rechazado) para moldeo manual.
Desmoldeo
ScrDesmo
def/Pz
def/Pz
def/Pz
Vaciado
Vaciado
Moldeo
Moldeo
% Scrap
Pzas/Se
[ Pzas/Se
[ Pzas/Se
% Scrap
% Scrap
100
100
100
ap ldeo
mana
mana
mana
Scrap
Scrap
OK] x
]
OK]
OK]
Pz
[ Pz
[ Pz
[
Media 361 1183 2148 1.21% 4.09% 7.35%

Desviación estándar 145 444 736 0.40% 1.45% 1.85%
Mediana 365 1200 2148 1.29% 3.77% 7.27%
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
142
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.
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. 62 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
62 Takt time (s.f.). recuperado en agosto del 2014, de http://mtmingenieros.com/knowledge/que-es-takt-time/
143
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).
Montaje Mantenimiento Humanas Proceso Ingeniería

Concepto
[s/T] [s/T] [s/T] [s/T] [s/T]
Moldeo Semiautomático 7460 12740 6440 3600 3380
Moldeo Manual 2642.6 1869.2 5174.6 3930.7 6761.3
Producción
[%] Scrap [%] Scrap [%] Scrap
Concepto [%] Total Con Scrap
Vaciado Moldeo Desmoldeo
[P/Turno]
Moldeo Semiautomático 0.54% 1.80% 2.91% 5.25% 4929
Moldeo Manual 1.21% 4.09% 7.35% 12.65% 747
Tabla 4. 18 Takt time para proceso manual y semiautomático.
Proceso Takt Time [s/P]

Moldeo Semiautomático 16.55
Moldeo Manual 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
144
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)
145
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
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
Lead Time
[Piezas/Turno] [Piezas/Turno] [Piezas/Turno]
2065s [34
60 30 10 5 5 600 40 20 30 40
30 min]
Valor
50 30 300 30 220 40 100 400 15
10 Agregado
1195s 135
Valor no
agregado
870s
136
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.
152
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.
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.
153
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 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.
Valor
% Valor
Proceso Lead Time [s] Agregado
Agregado
[s]
Moldeo Semiautomático 1255 685 55%
Moldeo Manual 2065 1195 58%
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.
154
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 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
155
la solidificación que es una etapa ineludible, el enriamiento puede ser reducido de manera
considerable.
156
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
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 Desperdicio Herramienta lean

Control de producción Reprocesos Automatización
Manufactura de corazones Transporte Sistema de jalar
Transporte a moldeo Exceso de inventario Kanban
Preparación de aluminio Espera Sistema de jalar
Preparación de arena
Movimiento Sistema de jalar
Montajes SMED
Moldeo Reprocesos Six Sigma (Defectos de moldeo)
Paros no programados TPM
Scrap Six Sigma (Defectos de moldeo)
Vaciado de aluminio Paros no programados TPM
Reproceso Six Sigma (Defectos de vaciado)
Scrap Six Sigma (Defectos de vaciado)
Solidificación
Espera Automatización
Desmoldeo Scrap Six Sigma (Defectos globales)
Exceso de inventario Kanban
Inspección Scrap Six Sigma (Defectos de desmoldeo)
Espera Sistema de jalar
Enfriamiento Scrap Six Sigma (Defectos globales)
Transporte a corte Exceso de inventario Kanban
Transporte Kanban
Proceso de corte y pintura Espera Sistema de jalar
Exceso de inventario Sistema de jalar
Scrap Six Sigma (Defectos globales)
Reproceso Six Sigma (Defectos globales)
Fuente: Creación propia
143
Tabla 4. 21 Herramientas Lean a emplearse para reducir desperdicios de manufactura en moldeo manual.
Etapa Desperdicio Herramienta lean

Control de producción Reprocesos Automatización
Manufactura de corazones Transporte Sistema de jalar
Transporte a moldeo Exceso de inventario Kanban
Preparación de aluminio Espera Sistema de jalar
Preparación de arena
Movimiento Sistema de jalar
Montajes SMED
Reprocesos Six Sigma (Defectos de moldeo)
Moldeo
Paros no programados TPM
Scrap Six Sigma (Defectos de moldeo)
Vaciado de aluminio Tiempo extenso Automatizar moldeo
Tiempo extenso Automatizar vaciado
Solidificación
Desmoldeo
Inspección Scrap Six Sigma (Defectos de desmoldeo)
Espera Sistema de jalar
Enfriamiento Scrap Six Sigma (Defectos globales)
Transporte a corte Exceso de inventario Kanban

Transporte Kanban
Proceso de corte y pintura Espera Sistema de jalar
Exceso de inventario Sistema de jalar
Reproceso Six Sigma (Defectos globales)
Fuente: Creación propia
144
145
Figura 4. 28 Mapa del estado actual (áreas de oportunidad y herramienta lean a aplicar) para el proceso manual.
146
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
Figura 4. 29 Mapa del estado futuro para el proceso Semiautomático.
Lead Time
183s
[3.05 min]
10 16 5 5 17 14 17
15
10 10 17 17 10 10 10 Valor
Agregado
84s
Valor no
agregado
99s
149
Figura 4. 30 Mapa del estado futuro para el proceso Manual.
Lead Time
354s
[5.9 min]
10 16 20 20 17 14 17
15
10 50 60 45 30 20 10 Valor
Agregado
225s
Valor no
agregado
129s
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.63 Con este kanban, se busca eliminar
el primer inventario y solo trabajar en primeras entradas, primeras salidas.
63 Rother, M (1999). Learning to see. Brookline, Massachusetts, USA: The Lean Enterprise Institute.
171
Figura 4. 31 Ciclo Kanban de corazones.
Manufactura de
Corazones
Transporte a
proceso de
moldeo OXOX
Demanda
84307
[Piezas/Semana]
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.
172
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 Notificación Proceso de Corte y
electrónica pintura
OXOX
Transporte a
proceso de
Corte
D = 84307
[Piezas/Semana]
Takt Time = 23S
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 máquinas. Las fallas referentes a este aparato, pueden ser solucionadas
con un programa de TPM que atienda y reduzca las fallas directas.
173
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.
Figura 4. 34 Grafico de Pareto para tiempos muertos por mantenimiento.
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 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.
174
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] Objetivo [%Rechazo]

Scrap Vaciado 0.54% 0.16%
Scrap Moldeo 1.80% 0.54%
Scrap Desmoldeo 2.91% 0.87%
Total 5.25% 1.57%
Tabla 4. 23 Objetivos de reducción de scrap para moldeo manual.
Concepto Antes [%Rechazo] Objetivo [%Rechazo]

Scrap Vaciado 1.21% 0.36%
Scrap Moldeo 4.09% 1.23%
Scrap Desmoldeo 7.35% 2.22%
Total 12.65% 3.81%
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 objetivo se precisa la ejecución de un
175
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
176
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.
177
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 Antes Después

Takt Time [s/P] Takt Time [s/P]
Moldeo Semiautomático 16.55 22.88
Moldeo Manual 49.80 79.27
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
178
objetivo general, por lo que las operaciones podrían estar un poco más arriba o el Takt time
un poco más abajo. Al final de 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.
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.
179
Tabla 4. 25 Tabla de proyectos por ser ejecutados y herramienta de control.
Proyecto Tipo Herramienta de

control
Kanban Corazones Kanban Gemba Walk
Kanban Piezas fundidas Kanban Gemba Walk
FIFO Corazones Administración Gemba Walk
visual
FIFO Partes Fundidas Administración Gemba Walk
visual
TPM Moldeo Semiautomático TPM Auditoria TPM
TPM Moldeo Manual TPM Auditoria TPM
TPM Carriles de moldeo (ambas) TPM Auditoria TPM
Six Sigma (Moldeo) Lean Sigma Plan de Control y
AMEF
Six Sigma (Vaciado) Lean Sigma Plan de Control y
AMEF
Six Sigma (desmoldeo) Lean Sigma Plan de Control y
AMEF
SMED Moldeo Semiautomático SMED Auditoria TPM
SMED Moldeo Manual SMED Auditoria TPM
Retirar Ajustes y Pruebas de ingeniería (ambos Trabajo estándar Auditoria en capas
Moldeos)
Minimizar retirada de personal Trabajo estándar Auditoria en capas
Automatización Proyectos de Auditoria TPM
inversión
Reducir enfriamiento Inversión Auditoria en capas
Crear carga metalúrgica Trabajo estándar Auditoria en capas
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
180
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.
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.
181
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 Después
Proceso Lead Time VA Lead Time VA
[s/Pc] [s/Pc] [s/Pc] [s/Pc]
Moldeo Semiautomático 1255 685 183 84
Moldeo Manual 2065 1195 353 225
Esta mejora representa un impacto del 75% en el métrico de Lead Time, por lo que el nivel
de servicio se verá directamente beneficiado.
Referencias
1. Adams, C. (2003). Six Sigma Deployment. [Versión DX Reader]. Recuperado de:
http://www.tandf.co.uk/
182
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/
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.
183
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/si
x-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:
32. Knowles, G. (2011). Six Sigma. [Versión DX Reader]. Recuperado de:
http://bookboon.com/es/six-sigma-ebook
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
184
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.
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,
185
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.
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.
186
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
187
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
188
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.
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
189
Molde permanente. Molde metálico no desechable que permite la rápida solidificación del
material fundido. El cual, es vaciado de forma gravitacional.
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
190
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
18 16,012.00 9,203.00
19 15,897.00 7,320.00
20 19,061.00 12,728.00
21 17,744.00 12,520.00
22 19,026.00 9,782.00
23 21,008.00 7,131.00
24 15,237.00 10,478.00
25 20,249.00 10,602.00
26 18,065.00 9,086.00
Es 17,306.00 10,555.00
Media tadística descriptiva
Desviación estándar 17,811.84 11,125.00
Mediana 2,825.30 2,335.66
17,882.00 10,602.00
191
Scrap Semanal
Tabla A. 2 Piezas scrap generadas por semana

[Piezas/Semana] [Piezas/Semana]
1 4,176.00 3,790.00
2 3,679.00 5,090.00
3 2,760.00 5,991.00
4 4,291.00 5,415.00
5 6,199.00 6,698.00
6 3,567.00 5,729.00
7 5,857.00 6,552.00
8 5,335.00 7,285.00
9 4,516.00 10,426.00
10
6,796.00 6,185.00
11
4,868.00 8,138.00
12
8,348.00 7,026.00
13
1,647.00 971.00
15
5,175.00 5,604.00
16
7,636.00 7,742.00
17
18 4,694.00 5,467.00
19 2,710.00 2,855.00
20 4,842.00 5,284.00
21 5,122.00 5,793.00
22 5,867.00 6,356.00
23 2,429.00 2,357.00
24 3,902.00 4,234.00
25 3,758.00 3,782.00
26 5,159.00 3,885.00
27 5,829.00 5,581.00
28 7,024.00 4,492.00
Est 2,247.00 2,880.00
Media adística descriptiva
Desviación estándar 4,756.78 5,392.89
Mediana
1,657.95 1,972.63
4,842.00 5,581.00
192
Rendimiento de piezas (porcentaje de scrap generado)
Tabla A. 3 Rendimiento de piezas por planta
Semana i i ii iii Planta A Planta B

2013 Planta A Planta B Planta A [Piezas Planta B [Piezas % Scrap % Scrap
[Piezas/Semana] [Piezas/Semana] Scrap/Semana] Scrap/Semana] [ii/i]*100 [iii/i]*100
1 50,686.00 16,561.00 4,176.00 3,790.00 8.24% 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%
Estadística descriptiva
Media 84,307.24 29,816.44 4,766.48 5,529.44 5.67% 18.41%

Desviación 17,248.96 7,756.75 1,581.49 1,974.64 2.11% 5.07%
estándar
Mediana 82,749.00 31,716.00 4,842.00 5,604.00 5.58% 17.36%
193
Tiempo muerto semanal reportado por áreas de producción
Tabla A. 4 tiempo muerto reportado por planta de fundición

[Horas/Semana] [Horas/Semana]
1 163.13 160.82
2 191.9 310.63
3 207.03 285.2
4
200.5 334.28
5
157.35 305.08
6
7 200.7 274.05
8 180.57 305.55
9 172.25 340.25
10 197.28 279.62
11 202.3 289.2
12 199.12 318.82
13
227.93 314.15
15
153.32 151.48
16
17 177.5 337.57
18 136.18 335.05
19 229.23 317.48
20 160.1 292.1
21 197.53 280.7
22
168.4 278.13
23
179.78 267.33
24
25 186.12 324.43
26 228.45 289.78
27 172.07 277.08
28 239.55 199.08
29 178.25 207.57
30 185.73 241.95
31
175.48 219.22
32
33 165.87 245.38
34 175.27 249.6
35 175.87 193.97
36 168.93 218.77
37 140.95 266.28
38 174.37 233.77
Esta 129.87 233.8
Media 145.03 249.47
Desviación estándar
140.22 245.43
Mediana
158.47 241.63
dística descriptiva
194
179.53 267.32
26.71 48.19
175.87 277.08
Métrico clave para VSM Nivel de Servicio

Tabla A. 5 Nivel de servicio mensual para unidades de negocio
Mes U2 [OC/OP] U1 [OC/OP]

01/2013 0.85 0.66
02/2013 0.84 0.58
03/2013 0.91 0.57
04/2013 0.89 0.46
05/2013 0.78 0.53
06/2013 0.79 0.47
07/2013 0.79 0.54
08/2013 0.79 0.59
09/2013 0.78 0.54
Media Desviación 0.82 0.55

estándar 0.05 0.06
Mediana 0.79 0.54
195
Lead Time
Tabla A. 6 Toma de tiempos para Lead Time en moldeo semiautomático.
Transferencia 3 [s]
Transferencia 1 [s]
Transferencia 2 [s]
Transferencia 4 [s]
Transferencia 5 [s]
Solidificación [s]
Enfriamiento [s]
Movimiento [s]
Preparación de
Preparación de
Inspección [s]
Desmolde [s]
Acomodo en
Maquina [s]
aluminio [s]
aluminio [s]
Espera 1 [s]
Espera 3 [s]
Espera 4 [s]
Espera 5 [s]
Espera 2 [s]
Vaciado de
Moldeo [s]
Espera [s]
Arena [s]
Total [s]
Dato
1 25 9 61 39 34 30 13 20 3 12 2 96 292 36 32 86 15 285 26 18 36 1170

2 27 9 60 52 30 28 7 22 3 12 8 136 365 43 29 118 22 318 32 11 36 1367
3 32 8 66 55 26 29 13 21 3 12 7 130 356 38 43 115 14 267 28 19 37 1318
4 26 10 66 55 25 32 9 24 8 12 7 109 221 36 49 107 24 264 29 14 35 1160
5 33 9 58 56 29 27 12 24 8 11 4 113 317 46 32 113 18 315 34 12 39 1311
6 34 9 65 43 29 27 13 21 4 8 3 93 303 48 46 85 27 342 33 12 42 1289
7 29 10 54 47 33 29 12 22 5 7 5 123 224 34 44 84 25 291 27 11 42 1159
8 33 8 66 41 25 33 11 17 8 12 9 107 332 46 42 101 13 294 33 16 39 1286
9 29 8 50 43 31 29 11 17 4 7 2 116 263 35 36 111 23 343 31 14 44 1246
10 33 12 58 60 32 31 13 18 4 12 8 133 235 40 47 114 26 263 32 18 44 1235
11 30 12 50 48 33 30 12 22 3 9 5 90 399 45 47 101 15 264 33 16 41 1304
12 30 9 67 49 30 28 7 16 4 12 4 114 236 42 32 115 18 346 28 15 45 1247
13 34 12 62 55 25 30 7 15 3 7 4 114 227 50 48 118 15 277 32 17 39 1192
14 33 9 60 49 31 31 11 22 4 8 9 108 358 30 43 82 18 279 25 14 35 1261
15 31 12 55 48 26 30 8 20 5 12 5 93 316 37 43 81 16 333 32 12 38 1254
16 28 11 64 52 29 33 13 20 3 8 9 129 235 40 27 97 26 282 29 16 44 1195
17 30 9 61 39 33 30 9 15 3 9 3 100 398 48 33 106 23 251 33 17 38 1288
18 33 11 56 49 33 30 13 22 4 10 4 128 263 40 33 111 17 344 27 18 43 1290
19 32 11 65 43 30 30 11 21 5 12 2 101 317 31 45 103 19 298 27 12 45 1259
20 28 10 67 43 29 28 8 18 4 10 2 129 236 43 42 110 15 250 28 12 38 1149
21 32 11 68 58 30 33 7 22 8 9 3 83 321 34 48 98 16 339 29 15 36 1300
22 26 10 65 45 27 33 8 22 8 11 5 134 323 44 42 110 27 292 34 16 43 1325
23 25 9 64 42 33 29 13 20 5 8 4 93 256 32 45 102 16 287 25 19 37 1163
24 28 12 52 51 34 33 11 21 5 9 3 118 402 31 40 83 20 345 30 11 42 1382
25 28 8 66 54 27 27 7 18 4 12 3 92 263 41 45 77 18 336 31 19 39 1216
26 31 11 58 50 32 29 9 16 5 7 5 109 269 45 29 76 27 292 25 19 39 1183
27 26 10 51 59 29 31 8 20 8 12 8 117 314 34 40 87 22 289 29 14 36 1244
28 30 8 67 53 32 31 7 24 3 8 8 131 364 49 42 117 22 289 32 16 43 1375
29 33 12 50 60 34 30 9 22 8 8 2 88 264 30 32 113 19 319 35 12 44 1225
30 33 11 50 60 29 28 8 22 6 12 7 88 425 48 47 91 19 331 26 11 42 1396
31 33 11 62 56 29 33 8 15 5 7 2 95 204 39 40 88 24 267 34 19 42 1115
Promedio
Desviación 30.0 10.0 60.0 50.0 30.0 30.0 10.0 20.0 5.0 10.0 5.0 110.0 300.0 40.0 40.0 100.0 20.0 300.0 30.0 15.0 40.0 1255
estándar 3.1 1.4 6.0 6.6 2.9 2.1 2.1 2.9 1.7 1.9 2.3 16.3 61.8 6.2 6.6 13.7 4.3 31.0 3.1 2.7 3.2 74
Mediana 29.6 10.0 61.0 49.8 30.3 29.6 9.5 21.2 4.2 10.0 4.3 109.3 303.4 40.2 41.6 102.4 19.2 292.2 30.0 14.6 39.4 1254

176
Tabla A. 7 Toma de tiempos para Lead Time en moldeo manual.
Transferencia 2 [s]
Transferencia 3 [s]
Transferencia 4 [s]
Transferencia 5 [s]
Solidificación [s]
Enfriamiento [s]
Movimiento [s]
Preparación de
Preparación de
Inspección [s]
Desmolde [s]
Acomodo en
Maquina [s]
aluminio [s]
aluminio [s]
Espera 2 [s]
Espera 5 [s]
Espera 1 [s]
Espera 3 [s]
Espera 4 [s]
Vaciado de
Moldeo [s]
Transferencia
[s
]
Espera [s]
Arena [s]
Total [s]
1
Dato
1 8 10 49 41 30 35 19 252 6 27 3 227 342 28 6 71 20 374 67 16 42 1673

2 35 10 88 36 29 31 2 372 9 32 6 219 790 26 22 123 24 176 14 14 42 2101
3 45 12 45 63 31 25 11 388 3 29 7 203 413 39 38 144 15 499 5 10 54 2080
4 68 9 90 63 31 25 16 377 4 31 3 232 377 22 26 88 13 511 34 18 33 2070
5 22 11 34 57 31 30 6 249 4 32 3 240 214 47 36 111 22 149 45 14 38 1395
6 12 12 97 41 31 36 1 313 8 30 3 216 226 47 57 112 18 586 14 17 49 1927
7 56 11 28 54 29 37 10 393 7 28 6 205 835 63 41 85 18 218 15 9 41 2189
8 17 11 37 47 29 30 8 234 2 30 3 202 802 21 10 89 13 456 49 15 36 2141
9 35 7 48 36 29 27 18 225 6 28 7 241 823 30 69 106 20 279 28 19 37 2117
10 7 11 31 44 31 26 4 426 6 31 3 212 731 44 23 96 16 324 19 15 37 2138
11 7 14 36 49 31 30 9 177 4 32 4 213 241 46 54 119 21 552 5 10 32 1686
12 46 7 42 44 31 37 1 391 2 31 5 220 700 32 41 101 21 283 19 10 40 2104
13 5 12 56 46 31 36 11 281 6 32 7 228 625 57 57 79 22 573 11 16 48 2240
14 65 10 77 49 31 36 4 305 7 31 7 213 516 20 25 95 24 305 26 14 29 1890
15 33 9 68 60 29 32 18 342 2 28 3 222 563 22 40 76 16 366 35 15 30 2009
16 37 11 38 59 31 29 5 306 5 29 7 227 429 63 19 146 23 445 25 17 32 1984
17 52 7 83 38 30 34 17 276 9 29 3 199 217 44 66 86 25 355 16 14 50 1650
18 12 7 58 61 30 29 17 284 5 32 7 212 840 60 57 106 25 525 53 17 31 2469
19 6 10 97 47 31 29 19 368 8 31 4 202 701 11 32 109 20 531 36 20 53 2366
20 39 8 34 48 30 25 12 248 1 32 5 239 667 50 27 81 26 314 74 11 30 2001
21 39 8 49 59 29 34 12 184 4 31 5 241 435 45 44 75 21 417 9 19 32 1792
22 6 7 95 38 29 25 4 285 5 30 7 226 666 34 55 95 23 244 50 12 31 1967
23 25 11 79 41 30 24 3 300 5 31 3 219 700 16 32 83 15 258 38 17 40 1970
24 30 9 90 45 29 29 19 304 1 27 6 206 824 38 50 143 19 609 7 20 30 2535
25 68 10 85 61 31 27 8 295 6 28 6 232 690 63 16 146 20 300 50 19 54 2215
26 45 14 73 52 29 36 6 340 4 31 6 200 702 22 50 81 21 430 9 16 33 2200
27 28 10 86 56 29 37 12 275 3 30 3 231 595 55 58 93 17 148 58 11 46 1881
28 18 9 28 66 29 23 4 267 4 27 7 201 679 42 13 96 21 534 16 14 49 2147
29 41 7 69 42 31 23 2 408 7 32 7 213 822 67 62 81 21 521 25 15 54 2550
30 11 9 31 40 31 25 12 219 6 31 3 239 669 49 45 101 19 593 31 13 38 2216
31 12 9 41 67 30 24 19 215 5 28 6 240 766 37 69 83 21 525 47 18 49 2312
Promedio 30.0 10.0 60.0 50.0 30.0 30.0 10.0 300.0 5.0 30.0 5.0 220.0 600.0 40.0 40.0 100.0 20.0 400.0 30.0 15.00 40.00 2065
Desviación estándar 19.4 2.0 24.1 9.5 0.9 4.8 6.1 67.0 2.2 2.1 1.7 14.0 202.8 15.6 18.1 21.8 3.4 141.0 19.1 3.14 8.41 259
Mediana 30.3 10.3 55.8 48.0 29.9 29.1 10.3 294.8 5.0 30.5 5.0 219.0 669.0 42.0 41.0 95.0 21.0 417.0 26.0 15.00 38.00 2101

177
Métricos secundarios para VSM Tiempo muerto para moldeo
semiautomático
Tabla A. 8 Clasificación de tiempo muerto para moldeo semiautomático
Semana Montaje Mantenimiento Humanas Proceso Ingenieria

2013 [Horas/Semana] [Horas/Semana] [Horas/Semana] [Horas/Semana] [Horas/Semana]
1 17.30 105.25 19.83 10.58
2 47.42 55.45 29.50 40.17

3
53.22 71.82 37.75 18.70 25.30
4 45.62 65.85 30.00 21.17 26.50
5 40.63 43.82 25.83 23.40 8.83
6 44.87 69.77 33.15 23.88 20.20
7 38.18 47.72 37.33 21.50 25.17
8 26.55 71.60 38.75 19.27 14.25
9 40.85 84.38 31.50 19.83 18.58
10 45.93 82.08 34.17 21.42 16.62
11 54.53 42.00 39.50 39.97 20.25
12 31.35 116.62 33.17 19.42 17.00
13 13.23 96.58 11.50 7.65 6.35
14 22.38 186.50 26.17 16.50 10.58
15 52.00 59.90 27.58 14.43 13.72
16 32.85 35.97 27.12 17.08 12.83
17 46.28 106.87 34.83 9.33 14.08
18 34.50 45.13 35.12 16.93 14.50
19 42.77 55.17 53.78 20.05 15.13
20 43.75 43.28 38.62 12.67 11.75
21 43.35 50.78 36.08 19.25 13.82
22 37.45 71.42 33.78 12.00 25.92
23 37.47 56.03 50.50 9.50 40.83
24 41.15 41.72 32.67 17.92 22.58
25 40.02 123.92 34.67 16.95 13.42
26 38.35 75.32 32.17 11.08 14.00
27 44.00 56.60 35.25 21.48 16.92
28 31.53 69.67 26.58 12.67 13.08
29 45.33 47.43 29.50 12.90 19.83
30 33.87 65.67 32.08 14.50 15.77
31 29.20 58.42 31.42 26.25 14.17
32 35.08 45.25 35.75 14.33 17.50
33 28.58 32.92 30.58 15.32 20.92
34 41.22 55.48 34.33 12.42 17.42
35 41.20 14.30 29.50 9.53 14.75
36 29.97 39.67 25.50 21.33 16.65
37 31.67 40.83 28.25 17.58 15.83
38 28.57 45.40 29.67 32.92 14.50
39 23.50 6.92 20.50 10.12 13.17
Media
37.33 63.68 32.15 18.00 16.93
Desviación
estándar 9.42 32.31 7.32 7.42 6.06
199
Mediana 38.35 56.03 32.17 17.08 15.77
Tiempo muerto para moldeo manual

Tabla A. 9 Clasificación de tiempo muerto para moldeo manual
Semana Montaje Mantenimiento Humanas Proceso Ingenieria

2013 [Horas/Semana] [Horas/Semana] [Horas/Semana] [Horas/Semana] [Horas/Semana]
1 4.08 17.75 11.20 16.50
2 27.08 27.53 43.62

3 3.83
13.83 7.67 24.33 17.08 45.00
4 11.23 8.25 26.50 37.92 41.25
5 7.50 21.67 23.00 13.58 34.75
6 13.08 21.42 30.42 12.90 33.58
7 14.58 6.58 29.00 35.52 44.00
8 12.38 8.50 43.50 20.75 32.83
9 15.48 3.83 26.50 21.82 28.73
10 13.50 9.83 25.00 22.33 29.12
11 9.75 12.75 25.07 42.00 41.58
12 14.78 2.75 30.50 38.58 40.92
13 5.92 8.50 10.00 14.92 10.75
14 16.80 13.83 23.00 13.92 35.13
15 10.00 16.83 28.92 26.05 36.92
16 14.42 3.67 30.33 38.77 45.47
17 9.83 36.25 22.33 14.83 35.67
18 8.25 31.58 19.17 25.50 30.17
19 12.47 8.17 22.67 14.87 36.83
20 16.92 9.92 22.25 21.58 36.25
21 11.67 4.58 25.50 21.17 35.42
22 11.75 25.67 23.75 32.30 36.67
23 10.83 4.67 47.58 29.17 27.00
24 12.42 3.92 25.83 13.47 59.00
25 6.42 0.58 26.38 18.42 32.83
26 13.25 7.75 23.50 12.08 31.58
27 13.33 9.25 23.67 16.25 41.17
28 14.93 2.42 29.83 22.58 44.83
29 19.08 5.33 22.83 8.17 23.83
30 12.42 16.17 24.83 10.58 34.28
31 8.17 5.92 25.42 4.28 25.22
32 17.25 1.83 28.17 11.83 25.67
33 13.10 15.08 25.92 12.25 26.42
34 9.67 3.83 25.35 8.92 34.67
35 8.92 5.25 17.17 16.92 21.67
36 22.47 3.08 24.42 18.87 31.38
37 22.08 1.17 29.33 12.67 32.33
38 22.77 1.08 26.25 12.50 29.33
39 15.67 7.00 26.00 12.42 26.08
Media 13.2 9.3 25.9 19.7 33.81
200
Desviación
4.2 8.3 6.1 9.5 8.82
estándar
Mediana 13.1 7.0 25.4 16.9 34.28
Porcentajes de scrap generados en moldeo semiautomático

Tabla A. 10 Clasificación de scrap para moldeo semiautomático
Piezas/Se
Piezas/Se
Piezas/Se
Piezas/Se
Semana
Produc
%]*100
Desmo
]*100
oldeo
%Desm
ii/i*100
Mold
Vacia
Vaci
Mol
deo
ado
2013
mana
mana
mana
ldeo
mana
ción
v
]
]
i
i
i
[ eo
i
i
i
i
[ do
iii/i
iv/i
%]
[
[
[
1 50,686.00 160 1279 2397 0.32% 2.52% 4.73%
2 98,381.00 239 1297 1781 0.24% 1.32% 1.81%
3 102,609.00 244 987 1305 0.24% 0.96% 1.27%
4 80,956.00 258 1703 2039 0.32% 2.10% 2.52%
5 65,459.00 644 2121 2989 0.98% 3.24% 4.57%
6 91,518.00 404 1078 1678 0.44% 1.18% 1.83%
7 96,690.00 491 2599 2205 0.51% 2.69% 2.28%
8 66,423.00 576 1399 2768 0.87% 2.11% 4.17%
9 112,379.00 541 1209 2193 0.48% 1.08% 1.95%
10 113,057.00 830 1839 3416 0.73% 1.63% 3.02%
11 102,848.00 338 1433 2724 0.33% 1.39% 2.65%
12 82,070.00 700 2362 4468 0.85% 2.88% 5.44%
13 42,643.00 113 478 857 0.26% 1.12% 2.01%
15 75,955.00 543 1340 2606 0.71% 1.76% 3.43%
16 82,749.00 777 2136 3795 0.94% 2.58% 4.59%
17 86,943.00 452 1507 2339 0.52% 1.73% 2.69%
18 75,794.00 306 580 1557 0.40% 0.77% 2.05%
19 78,598.00 532 1266 2507 0.68% 1.61% 3.19%
20 77,181.00 339 1755 2628 0.44% 2.27% 3.40%
21 98,775.00 559 1671 2995 0.57% 1.69% 3.03%
22 93,242.00 272 765 1164 0.29% 0.82% 1.25%
23 75,729.00 503 1074 1920 0.66% 1.42% 2.54%
24 92,670.00 269 1747 1290 0.29% 1.89% 1.39%
25 92,397.00 538 1233 2887 0.58% 1.33% 3.12%
26 71,929.00 618 2011 2740 0.86% 2.80% 3.81%
Media 84,307.24 456.48 1460.74 2363.03 0.54% 1.80% 2.91%

Desviación 17,248.96 204.84 545.129 870.51 0.24% 0.69% 1.15%
estándar
Mediana 82,749.00 491.00 1,399.00 2,397.00 0.51% 1.69% 2.69%
201
Porcentajes de scrap generados en moldeo manual

Tabla A. 11 Clasificación de scrap para moldeo manual
Piezas/Se
Piezas/Se
Piezas/Se
Piezas/Se
Semana
Produc
Desmo
%]*100
]*100
oldeo
%Desm
ii/i*100
Mold
Vacia
Vaci
Mol
deo
ado
2013
mana
mana
mana
ldeo
mana
ción
v
]
]
i
i
i
[ eo
i
i
i
i
[ do
iii/i
iv/i
%]
[
[
[
1 16,561.00 190 996 1737 1.15% 6.01% 10.49%
2 38,717.00 216 981 1930 0.56% 2.53% 4.98%
3 34,954.00 224 941 2011 0.64% 2.69% 5.75%
4 26,113.00 158 1484 2004 0.61% 5.68% 7.67%
5 28,906.00 372 1473 2855 1.29% 5.10% 9.88%
6 31,236.00 348 1530 1540 1.11% 4.90% 4.93%
7 37,742.00 414 1724 2362 1.10% 4.57% 6.26%
8 23,201.00 486 2021 2166 2.09% 8.71% 9.34%
9 37,837.00 598 2136 2752 1.58% 5.65% 7.27%
10 33,373.00 601 1084 2982 1.80% 3.25% 8.94%
11 34,718.00 449 1179 3010 1.29% 3.40% 8.67%
12 36,333.00 464 1371 3714 1.28% 3.77% 10.22%
13 13,705.00 67 278 586 0.49% 2.03% 4.28%
15 33,117.00 450 743 2650 1.36% 2.24% 8.00%
16 44,420.00 621 1650 3282 1.40% 3.71% 7.39%
17 24,927.00 328 1235 2148 1.32% 4.95% 8.62%
18 17,683.00 294 554 1207 1.66% 3.13% 6.83%
19 34,118.00 390 1325 1969 1.14% 3.88% 5.77%
20 35,422.00 335 1141 2528 0.95% 3.22% 7.14%
21 29,301.00 440 1332 2677 1.50% 4.55% 9.14%
22 18,601.00 163 523 1089 0.88% 2.81% 5.85%
23 27,317.00 356 949 1682 1.30% 3.47% 6.16%
24 31,716.00 246 1200 1301 0.78% 3.78% 4.10%
25 22,880.00 365 826 2054 1.60% 3.61% 8.98%
26 32,513.00 464 1474 2275 1.43% 4.53% 7.00%
Media 29,816.44 360.81 1183.41 2148.30 1.21% 4.09% 7.35%

Desviación 7,756.75 144.93 444.05 735.52 0.40% 1.45% 1.85%
estándar
Mediana 31,716.00 365.00 1200.00 2148.00 1.29% 3.77% 7.27%
202
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]
A-cuadrado 0.25
Valor P 0.736
Media 1255.0
Desv.Est. 74.0
Varianza 5471.1
Asimetría 0.101271
Kurtosis -0.690377
N 31
Mínimo 1115.5
1er cuartil 1191.9
Mediana 1254.4
3er cuartil 1304.2
Máximo 1395.8
1120 1200 1280 1360
1227.9 1282.1
1222.1 1289.2
Intervalos de confianza de 95% 59.1 98.9
Media
Mediana
1220 1240 1260 1280
Figura A. 2 Resumen estadístico para Lead Time moldeo manual.

Resumen para Lead Time MM [s]
A-cuadrado 0.32
Valor P 0.514
Media 2065.0
Desv.Est. 259.0
Varianza 67094.6
Asimetría -0.367992
Kurtosis 0.553383
N 31
Mínimo 1395.4
1er cuartil 1926.5
Mediana 2101.1
3er cuartil 2214.8
Máximo 2550.4
1300 1500 1700 1900 2100 2300 2500
1970.0 2160.0
1979.7 2160.5
Intervalos de confianza de 95% 207.0 346.2
Media
Mediana
1950 2000 2050 2100 2150
te: Creación
Figura A. 3 Resumen estadístico para nivel de servicio Unidad 1.
Fuen propia.
203
Resumen para U1 [OC/OP]
A-cuadrado 0.58
Valor P 0.098
Media 0.57489
Desv.Est. 0.10529
Varianza 0.01109
Asimetría 1.49869
Kurtosis 3.00379
N 10
Mínimo 0.45586
1er cuartil 0.51463
Mediana 0.55259
3er cuartil 0.60718
0.5 0.6 0.7 0.8
Máximo 0.82197
0.49957 0.65021
0.50866 0.61399
0.07242 0.19222
Media
Mediana
0.50 0.55 0.60 0.65
Figura A. 4 Gráfico I-MR para Nivel de servicio Unidad 1.
Gráfica I-MR de U1 [OC/OP]

LCS=0.7202
0.7
Valor individual
0.6
_
X=0.5474
0.5
0.4
LCI=0.3747
01/2013 02/2013 03/2013 04/2013 05/2013 06/2013 07/2013 08/2013 09/2013
Mes
LCS=0.2122
0.20
Rango móvil
0.15
0.10
__
MR=0.0649
0.05
0.00 LCI=0
01/2013 02/2013 03/2013 04/2013 05/2013 06/2013 07/2013 08/2013 09/2013
Mes
te: Creación
Fuen propia.
204
Figura A. 5 Resumen estadístico para nivel de servicio Unidad 2.
Resumen para U2 [OC/OP]

A-cuadrado 0.70
Valor P 0.043
Media 0.82430
Desv.Est. 0.04945
Varianza 0.00245
Asimetría 0.79828
Kurtosis -1.07205
N 9
Mínimo 0.77842
1er cuartil 0.78647
Mediana 0.79103
3er cuartil 0.87258
0.78 0.80 0.82 0.84 0.86 0.88 0.90
Máximo 0.90621
0.78628 0.86231
0.78533 0.88318
0.03340 0.09474
Media
Mediana
0.800 0.825 0.850 0.875
Figura A. 6 Gráfico I-MR para Nivel de servicio Unidad 2.
Gráfica I-MR de U2 [OC/OP]

1
0.90 5 LCS=0.9025
Valor individual
0.85
_
X=0.8243
0.80
6
6
0.75 LCI=0.7461
01/2013 02/2013 03/2013 04/2013 05/2013 06/2013 07/2013 08/2013 09/2013
Mes
0.100 LCS=0.0961
Rango móvil
0.075
0.050
__
0.025 MR=0.0294
0.000 LCI=0
01/2013 02/2013 03/2013 04/2013 05/2013 06/2013 07/2013 08/2013 09/2013
Mes
Fuen propia.
205
te: Creación
Fuen propia.
206
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

Prueba de normalidad de Anderson-
Darling
A-cuadrado 0.34
Valor P 0.484
Media 37.326
Desv.Est. 9.418
Varianza 88.695
Kurtosis 0.116153
N 39
Mínimo 13.233
20 30 40 50
1er cuartil 31.350
Mediana 38.350
3er cuartil 44.000
Máximo 54.533
34.273 40.379
Intervalos de confianza de 95% Intervalo de confianza de 95% para la mediana
Media
33.807 41.307
Mediana 7.697 12.137
34 36 38 40 42
Figura A. 8 Resumen estadístico y gráfico I-MR para Mantenimiento en Moldeo Semiautomático por semana.
Resumen para Mantenimiento-M SA

Darling
A-cuadrado 1.43
Valor P < 0.005
Media 63.679
Desv.Est. 32.307
Varianza 1043.729
Asimetría 1.62699
Kurtosis 4.56403
N 39
Mínimo 6.917
1er cuartil 43.817
0 40 80 120 160
Mediana 56.033
3er cuartil 71.817
Máximo 186.500
53.206 74.152

47.315 69.672
Media
Mediana 26.403 41.636
50 60 70
Figura A. 9 Resumen estadístico y gráfico I-MR para Actividades humanas en Moldeo Semiautomático por
semana.
Resumen para Humanas-M SA

Darling
A-cuadrado 0.90
Valor P 0.019
Media 32.153
Desv.Est. 7.323
Varianza 53.631
Asimetría 0.29806
Kurtosis 2.87614
N 39
Mínimo 11.500
1er cuartil 28.250
Mediana 32.167
3er cuartil 35.250
Máximo 53.783
29.779 34.527
29.657 34.353
5.985 9.438
207
10 20 30 40 50
Media
Mediana
30 31 32 33 34
Figura A. 10 Resumen estadístico y gráfico I-MR para Ajustes de Proceso en Moldeo Semiautomático por semana.
Resumen para Ingenieria-M SA

Darling
A-cuadrado 1.32
Valor P < 0.005
Media 16.932
Desv.Est. 6.059
Varianza 36.706
Asimetría 1.72328
Kurtosis 5.34577
N 39
Mínimo 6.350
1er cuartil 13.717
10 20 30 40
Mediana 15.767
3er cuartil 19.833
Máximo 40.833
14.968 18.896
14.162 17.422
4.951 7.808

Media
Mediana
15.0 16.5 18.0 19.5

Figura A. 11 Resumen estadístico y gráfico I-MR para Pruebas de Ingeniería en Moldeo Semiautomático por
semana.
Resumen para Proceso-M SA

Darling
A-cuadrado 1.18
Valor P < 0.005
Media 18.000
Desv.Est. 7.418
Varianza 55.027
Asimetría 1.41004
Kurtosis 2.57933
N 39
Mínimo 7.650
1er cuartil 12.667
10 15 20 25 30 35 40
Mediana 17.083
3er cuartil 21.333
Máximo 40.167
15.595 20.405

14.428 19.441
Media
Mediana 6.062 9.560
15.0 16.5 18.0 19.5 21.0
208
Figura A. 12 Resumen estadístico y gráfico I-MR para Scrap de moldeo en moldeo Semiautomático por semana.
Resumen para Scrap Moldeo-M SA

Darling
A-cuadrado 0.17
Valor P 0.918
Media 1460.7
Desv.Est. 545.1
Varianza 297165.7
Asimetría 0.087082
Kurtosis -0.422381
N 27
Mínimo 478.0
500 1000 1500 2000 2500
1er cuartil 1078.0
Mediana 1399.0
3er cuartil 1839.0
Máximo 2599.0
1245.1 1676.4
1232.3 1747.2
Media
Mediana 429.3 747.1
1300 1400 1500 1600 1700
Figura A. 13 Resumen estadístico y gráfico I-MR para Scrap de Vaciado en moldeo Semiautomático por semana.
Resumen para Scrap Vaciado-M SA

Darling
A-cuadrado 0.39
Valor P 0.356
Media 456.48
Desv.Est. 204.84
Varianza 41959.87
Asimetría 0.252154
Kurtosis -0.768540
N 27
Mínimo 113.00
200 400 600 800
1er cuartil 269.00
Mediana 491.00
3er cuartil 576.00
Máximo 855.00
375.45 537.51
304.99 543.47
Media
Mediana 161.32 280.72
300 360 420 480 540
Figura A. 14 Resumen estadístico y gráfico I-MR para Scrap de desmoldeo en moldeo Semiautomático por
semana.
209
Resumen para Scrap Desmoldeo-M SA
Darling
A-cuadrado 0.19
Valor P 0.895
Media 2363.0
Desv.Est. 870.5
Varianza 757790.6
Asimetría 0.305828
Kurtosis -0.024031
N 27
Mínimo 857.0
1er cuartil 1678.0
1000 2000 3000 4000
Mediana 2397.0
3er cuartil 2887.0
Máximo 4468.0
2018.7 2707.4

1915.9 2740.8
Media
Mediana 685.5 1193.0
2000 2200 2400 2600 2800
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

Darling
A-cuadrado 0.40
Valor P 0.348
Media 13.213
Desv.Est. 4.162
Varianza 17.324
Asimetría 0.568821
Kurtosis 0.134642
N 39
Mínimo 5.917
5 10 15 20
1er cuartil 9.833
Mediana 13.083
3er cuartil 15.483
Máximo 22.767
11.864 14.562
Media
11.641 14.426
Mediana 3.402 5.364
12 13 14 15
210
Figura A. 16 Resumen estadístico y gráfico I-MR para Mantenimiento en moldeo Manual por semana.
Resumen para Mantenimiento-M M

Darling
A-cuadrado 0.40
Valor P 0.353
Media 10.308
Desv.Est. 5.073
Varianza 25.740
Asimetría 0.608294
Kurtosis 0.096844
N 39
Mínimo 2.500
5 10 15 20
1er cuartil 6.167
Mediana 9.750
3er cuartil 13.083
Máximo 22.967
8.663 11.952
8.608 12.117
Media
Mediana 4.146 6.539
9 10 11 12
Figura A. 17 Resumen estadístico y gráfico o I-MR para Actividades Humanas en moldeo Manual por semana.
Resumen para Humanas-M M

Darling
A-cuadrado 2.14
Valor P < 0.005
Media 25.873
Desv.Est. 6.116
Varianza 37.412
Asimetría 1.26404
Kurtosis 5.48823
N 39
Mínimo 10.000
10 20 30 40 50
1er cuartil 23.000
Mediana 25.417
3er cuartil 28.167
Máximo 47.583
23.890 27.856
24.299 26.390
Media
Mediana 4.999 7.883
24 25 26 27 28

Figura A. 18 Resumen estadístico y gráfico I-MR para Ajustes de Proceso en moldeo Manual por semana.
Resumen para Proceso-M M

Darling
A-cuadrado 1.18
Valor P < 0.005
Media 18.000
Desv.Est. 7.418
Varianza 55.027
Asimetría 1.41004
Kurtosis 2.57933
N 39
Mínimo 7.650
1er cuartil 12.667
10 15 20 25 30 35 40
Mediana 17.083
3er cuartil 21.333
Máximo 40.167
15.595 20.405

14.428 19.441
Media
Mediana 6.062 9.560
15.0 16.5 18.0 19.5 21.0
211
Figura A. 19 Resumen estadístico y gráfico I-MR para Pruebas de Ingeniería en moldeo Manual por semana.
Resumen para Ingenieria-M M

Darling
A-cuadrado 0.34
Valor P 0.493
Media 33.806
Desv.Est. 8.819
Varianza 77.776
Asimetría 0.04443
Kurtosis 1.37732
N 39
Mínimo 10.750
10 20 30 40 50 60
1er cuartil 28.733
Mediana 34.283
3er cuartil 40.917
Máximo 59.000
30.948 36.665
31.312 36.274
Media
Mediana 7.207 11.366
32 34 36
Figura A. 20 Resumen estadístico y gráfico I-MR para Scrap de Moldeo en moldeo Manual por semana.
Figura A. 21 Resumen estadístico y gráfico I-MR para Scrap de Vaciado en moldeo Manual por semana.
Resumen para Scrap Vaciado M_M

Darling
A-cuadrado 0.24
Valor P 0.739
Media 360.81
Desv.Est. 144.93
Varianza 21005.93
Kurtosis -0.597163
N 27
Mínimo 67.00
100 200 300 400 500 600
1er cuartil 224.00
Mediana 365.00
3er cuartil 464.00
Máximo 621.00
303.48 418.15
292.58 449.03
Media
Mediana 114.14 198.62
300 350 400 450
212
Figura A. 22 Resumen estadístico y gráfico I-MR para Scrap de Desmoldeo en moldeo Manual por semana.
Resumen para Scrap Desmoldeo M_M

Darling
A-cuadrado 0.12
Valor P 0.984
Media 2148.3
Desv.Est. 735.5
Varianza 540986.1
Kurtosis -0.178492
N 27
Mínimo 586.0
1er cuartil 1682.0
500 1000 1500 2000 2500 3000 3500
Mediana 2148.0
3er cuartil 2677.0
Máximo 3714.0
1857.3 2439.3
1924.3 2531.6
579.2 1008.0

Media
Mediana
2000 2200 2400 2600
213

Planta Metalurgia

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Planta Metalurgia

Cargado por

Copyright:

Formatos disponibles

INSTITUTO

PROPUESTA DE MEJORA CONTINUA PARA UNA PLANTA

QUÉ PARA OBTENER EL TÍTULO

MAESTRO EN INGENIERÍA INDUSTRIAL

México D.F. 2015

Lo que me sorprende enormemente es la cantidad de personas que estuvieron involucradas en este

Capítulo 1. Generalidades de la investigación.............................................................................20

1.1 Empresa de estudio.............................................................................................................20

1.3 Planteamiento del problema...............................................................................................24

1.3.1 Procesos de fundición..................................................................................................27

1.4 Objetivo general.................................................................................................................43

1.5 Objetivos específicos..........................................................................................................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

2.2.1 Comenzando el VSM...................................................................................................57

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

3.4.4 Metodología para el cálculo del Takt Time.................................................................96

Capítulo 4. Desarrollo de la estrategia de mejora continua bajo la aplicación de técnicas de

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

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

4.4.3 Six Sigma...................................................................................................................154

4.4.5 Automatización de proceso manual y ubicación de horno basculante o cuchara de

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

Anexo 2. Datos generales...........................................................................................................171

Anexo 3. Análisis estadístico de información para capítulo 4....................................................182

Capítulo 2. Fundamento Teórico.

Capítulo 3. Metodología de la investigación.

Capítulo 4. Desarrollo de la estrategia de mejora continua bajo la aplicación de técnicas de

Capítulo 3. Metodología de la investigación.

Capítulo 4. Desarrollo de la estrategia de mejora continua bajo la aplicación de técnicas de