Pinchar. Ing. Res. Devel.
(2011) 5: 81-87 DOI
10.1007 / s11740-010-0276-8
GESTIÓN DE LA PRODUCCIÓN
evaluación de la empresa-específico cuantitativa de los métodos de producción ajustada
Kathrin Pedro • Gisela Lanza
Recibido: 24 Enero 2010 / Aceptado: 15 Octubre 2010 / Publicado en línea: 27 Octubre 2010
Sociedad Académica Alemana de Ingeniería de Producción (WGP) 2010
Abstracto Las pequeñas y medianas empresas se encuentran con enormes di fi
cultades cuando se trata de poner en práctica métodos de producción ajustada de
acuerdo con el modelo del Sistema de Producción Toyota. Esto es causado por los
diversos efectos de los métodos de apoyarse en las cifras de producción fi
dependiendo de las condiciones de producción en relación con la variedad de
productos y volúmenes, la variación del proceso y tiempos de preparación, etc. Este
artículo presenta enfoques desarrollados en el Instituto de Ciencias de la Producción
(wbk), Karlsruhe Institute of Technology, para evaluar y optimizar los efectos de los
métodos lean en pequeñas producciones serie basada en las interdependencias fi
cuantificados con las cifras objetivo fi pertinentes. Permite que la mejor combinación
de métodos lean ser identificados y recomendaciones para la implementación e fi
ciente de estos métodos lean.
Palabras clave Producción Lean Objetivo figuras Simulación Mejoramiento
1. Introducción
Siguiendo el modelo de Toyota, muchos fabricantes de automóviles, sus
proveedores y también grandes empresas dentro de otros sectores de la
industria han implementado métodos lean de producción, por ejemplo,
producción, tirón principio justo a tiempo, flujo de producción, la nivelación de la
producción, etc. [ 1 ], Y logrado mejorar enormemente su producción e fi ciencia.
De acuerdo con una encuesta de las grandes empresas de la industria de la
máquina herramienta y la industria del automóvil por la
K. Peter (Y) G. Lanza
Instituto de Tecnología de Karlsruhe (KIT), Instituto de
Ciencias de la Producción (wbk), Kaiserstr.12, 76131
Karlsruhe, Alemania e-mail: peter@wbk.uka.de
Universidad Politécnica de Dortmund, las razones principales para la
implementación de métodos magras son la reducción de costes, las partes
menos defectuosos y la mejora de la fiabilidad de entrega (Fig. 1 ) [ 2 ].
De hecho, el objetivo de métodos lean es eliminar los residuos en los procesos y
mejorar así los objetivos de producción, tales como tiempo de espera, el costo, la
calidad, la flexibilidad y el rendimiento de entrega. Esto se logra mediante el efecto
positivo en las cifras de producción fi relevantes como el inventario, tiempo de proceso,
tiempo de preparación, disponibilidad de la máquina, la velocidad, etc. rechazan
La experiencia muestra que los métodos magras afectan a los procesos de
producción de diferentes maneras dependiendo de las condiciones y requisitos (por
ejemplo, la demanda del cliente, el programa de producción) específico; por lo tanto
tienen que ser adaptado a las características individuales de la compañía [ 3 ]. Las
interdependencias entre las características de la empresa, métodos y magras cifras
de producción Fi pueden por lo general sólo cualitativamente indicarse si son
conocidos en todos los [ 4 ]. Pero para los métodos lean a ser aplicado con éxito
estas interdependencias tienen que ser transparentes de manera cuantitativa [ 5 ].
En la situación económica actual, la tendencia hacia más individual, la
fabricación a la medida del cliente, se puede notar. En consecuencia, los métodos
magros tienen que ser adaptados para la aplicación en pequeñas producciones en
serie. Estos se caracterizan por una alta varianza producto con estructuras de
productos complejos y pequeños volúmenes. Otros atributos típicos de una
pequeña producción en serie son poco repetición proceso, la demanda del cliente
volátil con frecuente orden tarde modi fi caciones, las grandes diferencias de
contenido de trabajo y recambio largos tiempos de [ 6 ]. Esto requiere una solución
de compromiso para la organización de la producción entre los procesos magros
pero todavía flexible, amortiguando.
Algunos benéfico acerca de la aplicación de métodos lean ya se han
desarrollado [ 7 ], por ejemplo un seis etapas-modelo con métodos
apropiados para cada etapa
123

de métodos lean [ 2 ] 82
Figura 1 Las razones para la implementación
Kostensenkung
[ 8 ] O un esquema de clasi fi cación de métodos magras relacionados con el
problema (s) para resolver [ 9 ]. Por otra parte, vencimiento a degreemodel ha sido
definida con el fin de facilitar la planificación de medidas urgentes para los
problemas de producción [ 10 ] Y existe la directriz '20 claves para el rendimiento
magra'[ 11 ]. Especialmente para las pequeñas y medianas empresas, existe un
resumen de 'mapa de interdependencia' entre 10 métodos magras (principios de
diseño) [ 12 ], Otro concepto con 15 directrices [ 13 ] Y una llamada 'serie de
producción y pequeñas individuales de Lean Production House' [ 6 ], Que fue
desarrollado especialmente para la industria de la máquina herramienta.
Los enfoques existentes son reglas generales y abstractas para la
aplicación de métodos lean sin ningún análisis cuantitativo o evaluación de
los efectos de los métodos de producción en cifras y objetivos fi. No tienen
en cuenta especí fi ca las condiciones de producción, en los factores uyen fl,
cifras objetivo fi o limitaciones. especialmente a las empresas pequeñas y
medianas empresas, con sólo pocos recursos financieros personales y fi [ 14 ]
Necesitan una guía sistemática para pronosticar los efectos cuantitativos de
métodos lean bajo consideración de sus necesidades de producción
individuales.
Este artículo presenta la investigación actual se aproxima en el Instituto de
Ciencias de la Producción (wbk) del Instituto de Tecnología de Karlsruhe (KIT) hacia
el uso e fi ciente de los métodos de producción ajustada. El objetivo de la
investigación es la identificación de los e fi cientes métodos más magras para los
requisitos individuales de producción en base a las interdependencias fi
cuantificados. En primer lugar, los efectos generales de los métodos apoyarse en las
figuras objetivo fi de un sistema de producción se demuestran seguido por una
metodología basada en la simulación para optimizar el uso de la compañía-específico
de métodos magras.
2 Efectos de métodos lean utilizando cadenas de impacto
La investigación llevada a cabo en el wbk se relaciona principalmente con fi métodos lean
capaces cuantificadores que tienen un impacto directo en
123
Pinchar. Ing. Res. Devel. (2011) 5: 81-87
el proceso de producción, es decir, que se centra en las principales palancas
relativas a la introducción de la producción ajustada como se indica en [ 1 ]. Se
evaluaron los siguientes métodos lean: los métodos de control de producción Kanban
y CONWIP ( ConstantWork en proceso) dirigida a minimizar el proceso de trabajo
en y de valores, nivelación de la producción para igualar la utilización de recursos, Individual
Minuto-Exchange-de-Die ( SMED) para la reducción de los tiempos de preparación, Total
Quality Management
(TQM) para la mejora de la calidad del producto y el proceso y Mantenimiento
Productivo Total ( TPM) para la reducción de (especialmente no planificados) de la
máquina y del sistema de tiempos de parada.
Para una evaluación general de los efectos de los métodos apoyarse en un sistema
de producción de un análisis basado en el impacto se llevó a cabo de acuerdo con [ 15 ].
Un análisis basado en el impacto de un complejo sistema tiene como objetivo
originalmente para determinar la importancia de las influencias del medio ambiente y
sus consecuencias sobre el comportamiento del sistema [ dieciséis ]. Transferido a
métodos magras, que ilustra los efectos de la utilización o la adaptación de un método
magra en cifras objetivo fi pertinentes en función del comportamiento del sistema de
producción. Teniendo en cuenta que un método magra describe un enfoque hacia el
logro de un específico objetivo (la reducción de los residuos), que primero debe ser
determinado, que los parámetros del proceso son directamente influidos por el método
y tener un impacto directo sobre el comportamiento del sistema de producción. Estos
parámetros se denominan por lo tanto el ajuste de parámetros. Cuando se utiliza el
método de control de Kanban, por ejemplo, el establecimiento de las dimensiones del
sistema Kanban es un factor crucial para lograr una reducción en la acción [ 17 ]. los
número de tarjetas Kanban y el la capacidad del recipiente por Kanban representar el
ajuste de parámetros del método magra. Los cambios en estos parámetros tienen un
impacto en el trabajo-proc en el área de producción, sobre la acción en general y, por lo
tanto, en el plazo de ejecución de un producto. Con respecto a SMED, el tiempo de
preparación se considera como un parámetro de ajuste, como talleres de configuración
pueden ayudar a reducir el tiempo de configuración de una máquina o sistema hasta en
un 50%, por ejemplo [ 18 ]. Entre otros efectos, los tiempos de preparación reducidos dan
como resultado una
Res. Devel. (2011) 5: 81-87 83

reducción del tiempo de proceso de una orden y por lo tanto, afecta al tiempo de La intensidad ( YO) de interdependencia entre dos cifras de producción tiene una
plomo de un producto. Hay otras implicaciones de la utilización de métodos lean, clasificación de los niveles 1 (bajo), 2 (medio) o 3 (alto) de acuerdo con la
además de los efectos antes mencionados, los cuales deben ser tomados en siguiente ecuación:
consideración. 0@ 1A
Por todo lo anterior, una estructura cualitativa de interdependencias de un 0: 5 z%

sistema de producción fue desarrollado, que visualiza las interdependencias de yo ¼ 1; 2;

rere
XX¼?
¼?z%
z%YY
rere
y y [ 0: 5 z% Y re y \ z%

esencial en los factores uyen fl, cifras de producción fi relevantes e importantes 3; re X ¼? z% Y re y z%

figuras objetivo fi [(por ejemplo, la complejidad, la estructura del producto, re 1 Þ

características de la demanda de fabricación) 7 ]. Por lo tanto, tiempo de

X y y corresponder a cualquier cifra producción fi; z que caracteriza el cambio
entrega, calidad, flexibilidad, productividad y fiabilidad de entrega son
del valor de X.
considerados como importantes figuras fi objetivo del sistema de producción.
Además de la intensidad también la rapidez del efecto de un leanmethod es
Las interdependencias dentro de la estructura general se basan en funciones
importante, de modo que la longitud de una cadena de impacto debe alsobe tomado en
matemáticas o operaciones lógicas y difieren en la naturaleza por
consideración para los métodos magras evaluaciónde. La longitud se determina por el
interrelaciones directamente proporcionales e inversamente proporcionales. El
número de interdependencias ( norte) en toda la cadena, y en el lado opuesto a la
impacto de los métodos de apoyarse en el sistema está ahora evaluó por medio
intensidad, un aumento de n conduce a una disminución del efecto método magra. En
de los parámetros de ajuste correspondientes y sus cadenas de impacto hasta
consecuencia, estas dos medidas, la intensidad y la longitud de una cadena de
las cifras objetivo fi del sistema. El término 'cadena de impacto ( IC) 'Designa el
impacto, se utilizan para definir una medida para evaluar la eficacia de un método
total de interdependencias entre un parámetro de ajuste y el objetivo afectado.
magra (con respecto a una figura objetivo fi), el grado de impacto ( CARNÉ DE
Figura 2
IDENTIDAD). El grado de impacto CARNÉ DE IDENTIDAD IC de una cadena de impacto

( IC) se calcula por el cociente de su intensidad al cuadrado ( YO) y su longitud (con el

cuadrado que expresa la mayor influencia de la intensidad):

ilustra el ejemplo del método magra SMED dentro de la estructura general de

interdependencias. Se muestra el parámetro de ajuste tiempo de preparación y los

relacionados con cuatro cadenas de impacto, que tienen un efecto sobre el objetivo fi

guras fl exibilidad, tiempo de entrega y la productividad. Por la presente, sólo se

IC
CARNÉ DE IDENTIDAD IC ¼ yo 2 re 2 Þ
muestran las cifras de producción que forman parte de las cuatro cadenas de impacto. n:

El grado de impacto global CARNÉ DE IDENTIDAD LM de un método magra equivale a la suma

De acuerdo con lo anterior, las interdependencias cualitativos de métodos
de los grados de impacto de todas las cadenas de impacto ( metro) que están relacionados con el
lean se pueden hacer transparente por medio de cifras de producción y fi
método magra:
objetivo. El siguiente paso del análisis basado en el impacto cubre la
determinación del efecto cuantitativo basado en la intensidad de las cadenas
CARNÉ DE IDENTIDAD LM ¼ DE
CARNÉ X metro
IDENTIDAD IC; i: re 3 Þ
de impacto. La intensidad de una cadena corresponde al total de las
yo ¼ 1
intensidades de las interdependencias incluidos en el mismo. Se determinan a
través de un análisis de sensibilidad usando el programa SystemDynamics Basado en el análisis de sensibilidad con Vensim , el
Vensim de Sistemas de Ventana [ 7 ]. siguientes grados de impacto resultan para las cuatro cadenas de impacto de
la-ejemplo SMED se ilustra en la Fig. 2 :

Influir Las cifras de producción cifras

grado grado de
factores objetivo
de flujo flexibilidad
Características Plazo de ejecución

de producción
de la demanda
tiempo de Flexibilidad
fabricación de preparación

la complejidad

de la estructura
Tiempo de espera Tiempo de espera
del producto

EPEI Productividad
Productividad
tarifa
volumen OEE
tipos de
año
Procesos por Availabi-
Número de entrega
lidad

Operando El tiempo de
fiabilidad de

hora funcionamiento de uso

Calidad

El tiempo total

de puesta a punto

IC 1 IC 2 IC 3 IC 4 EPEI: Cada-Parte-Cada-Intervalo Eficacia general del equipo: OEE

Figura 2 Ejemplos de cadenas de impacto del método magra SMED Prod. Ing.

123
 Pinchar. Ing. Res. Devel. (2011) 5: 81-87

CARNÉ DE IDENTIDAD
re Þ ¼ 30: 3
SMED1 Flexibilidad re 4 Þ comportamiento de descomposición de las máquinas y sistemas). El impacto positivo

sobre la calidad de un producto a través de Kanban y TPM es baja. Un efecto

re
CARNÉ DE IDENTIDAD Þ ¼ 16: 3
SMED2 Flexibilidad re 5 Þ
importante de las medidas de la GCT en la calidad puede ser observada. La fiabilidad
re
CARNÉ DE IDENTIDAD Þ ¼ 25:
SMED3 Tiempo 0
de espera re 6 Þ de entrega está notablemente afectada por la ACT y Kanban, también.

re
CARNÉ DE IDENTIDAD Þ ¼ 41: 3:
SMED4 Productividad
En consecuencia, el grado de impacto global del SMED
CARNÉ DE IDENTIDAD SMED es igual a 112,9. Esta cifra absoluta no indica
mucho a primera, pero es útil para las comparaciones entre diferentes métodos
lean. métodos de manufactura eficiente se pueden comparar entre sí sobre la
base del grado de impacto global para evaluar el potencial de mejora para la
producción o sobre la base de los grados de impacto de las cadenas de
impacto individuales para evaluar el efecto sobre las cifras objetivo fi
individuales. Figura 3 ilustra una comparación de cinco métodos lean sobre la
base de sus cadenas de impacto entre los parámetros de ajuste y cifras
objetivo fi. En este simpli fi ed visión general, el espesor de las líneas
corresponde con la de del grado de impacto, es decir, la medida de la
evaluación de la eficacia.
El gráfico muestra que el SMED tiene un impacto en el objetivo de tres
cifras fl flexibilidad, tiempo de espera y la productividad en un grado diferente
(los grados de impacto se resumen si el parámetro y fi objetivo ajustando figura
son idénticos, tal como
CARNÉ DE IDENTIDAD SMED1 y CARNÉ DE IDENTIDAD SMED2). Al echar un vistazo a las
un sistema de producción, de acuerdo con [ 19 ] 84
cifras objetivo fi individuales, es obvio que los métodos de producción y nivelación
SMED tienen el mayor impacto en la flexibilidad. Un menor efecto se logra mediante el
cambio de la Kanban la capacidad del recipiente o el número de tarjetas Kanban. Sin
re 7 Þ
Como conclusión, la estructura gráfica de interdependencias incluyendo
cadenas de impacto y sus intensidades determina mediante el análisis basado
en el impacto puede mejorar enormemente la comprensión de la efectividad
de los métodos lean. En función de las cifras de destino que permite la
identificación de los métodos lean con el mayor apalancamiento para la
mejora de la producción. Los resultados del análisis basado en el impacto
representan una base muy útil cuando las empresas tienen que decidir sobre
los métodos lean adecuados para la mayoría de su sistema de producción.
Sin embargo, esto no tiene compañía especí-fi cos condiciones de
producción en consideración, que pueden diferir en gran medida para las
empresas pequeñas y medianas empresas con pequeñas producciones en
serie. Requieren una base individual para la evaluación cuantitativa de
planificar y ejecutar métodos lean con el fin de ser capaz de seleccionar los
métodos más apropiados a pesar de que los requisitos son inciertas y están
sujetas a cambios.
3-Empresa específico evaluación y optimización
de métodos lean

embargo, el método orientado al control Kanban tiene un impacto significativo en el
tiempo objetivo fi gura plomo, sin embargo. El tiempo de espera también se ve afectada
en gran medida por la nivelación (debido a
tamaño del lote cationes modificadores) y por SMED (debido a tiempo de preparación
Basándose en el análisis genérico demostrada de los efectos de los métodos
apoyarse en cifras indicativo de producción, una metodología simulationbased fue
desarrollado con el fin de evaluar y optimizar los efectos de los métodos magras
(individuales o en combinación) para una producción individual pequeña serie [ 19 ].

reducción). En cuanto a la productividad, los efectos de SMED y TPM son

predominantes (debido al cambio 3.1 metodología basada en la simulación

En el primer paso de la metodología, la zona de producción seleccionado se

la capacidad del recipiente

Kanban Flexibilidad modela como fiel a la realidad como sea posible con el software de simulación
# tarjetas Kanban

Plant Simulation de Siemens UGS. Por lo tanto, la generalmente alta complejidad

Tamaño del lote del material y la información de flujo dentro de una pequeña producción en serie
Arrasamiento de la productividad
mix de producción se logra mejor a través de los llamados tipos de procesos. Un tipo proceso
incluye productos con la misma corriente de valor de la producción y proceso

SMED
tiempo de preparación
El plazo de ejecución
similar y tiempos de preparación (máx. ± 25% [ 20 ]). Las diferencias de proceso y
puesta a punto de tiempo dentro de un tipo de proceso son, sin embargo,
# partes de retrabajo considerado por distribuciones estadísticas basadas en datos reales en un
TQM # Rechazar piezas calidad período de tiempo representativo (aquí sobre todo como distribución normal).
Tiempo de inspección
Además, las incertidumbres en una pequeña producción en serie, como averías
el tiempo medio

Confiabilidad de la máquina, las piezas defectuosas, la demanda del cliente volátil, proceso
TPM entre fallos MTTR

Mantenimiento
de entrega
inestable y set-up veces, cuellos de botella de material, etc., se describen por
distribuciones estadísticas apropiadas de los datos (Weibull, Erlang El Poisson ...).
grado de impacto: <20 20 25
- 25-35 > 35

Fig. 3 Comparación de los efectos de varios métodos apoyarse en los parámetros de destino de

123
Pinchar. Ing. Res. Devel. (2011) 5: 81-87
Después de la validación del modelo de simulación, los métodos magras que
deben ser analizados con el fin de eliminar las deficiencias de los procesos
tienen que ser integrado en el modelo. Por la presente, la estructura cualitativa
de interdependencias y las cadenas de impacto fi ed cación de los métodos
magra (véase cap. 2) se utilizan para seleccionar métodos lean apropiados que
cumplen los objetivos de la empresa. Además, proporcionan la información
necesaria acerca de las cifras de producción fi pertinentes y las variables de
ajuste para el modelado y simulación de los métodos lean. Hay dos opciones
para modelar un método magra. Por un lado, la identi fi ed ajustar los
parámetros de cada método magra, que directamente influyen en el
comportamiento del sistema de producción, se implementan como variables de
ajuste. Por otra parte, la estructura del modelo de simulación tiene que ser
modificados con el correspondiente a los cambios reales dentro del material y /
o información de flujo causadas por la aplicación de un método magra (por
ejemplo, sistema Kanban con tarjetas Kanban, especí fi co tampones, etc.).
Después de la integración de los métodos magras seleccionadas, se llevan a
cabo los estudios de simulación.
En primer lugar, cada método magra solo será examinada a través de un
análisis de sensibilidad con el fin de cuantificar los efectos sobre las cifras objetivo
de producción en función de las diferentes características del método. Por lo tanto,
el planificador de producción será consciente del efecto individual de cada método
se apoyan en el rendimiento de producción y puede identificar las palancas
importantes para mejorar el estado actual del sistema de producción.
Además de los efectos individuales de cada método magra, las empresas
están interesados ​particularmente en la interacción de varios métodos lean
antes de introducirlos. Por esa razón, el siguiente paso dentro de la
metodología comprende el análisis y la optimización de la combinación de
métodos lean. Para poder ejecutar la optimización con varias variables de
ajuste y diferentes figuras de destino fi en tiempos de ejecución cortos, el
programa de simulación se combina con un software de optimización
separada (optiSLang de Dynardo) [ 19 ]. Cada estudio de optimización se basa
en una función objetivo
La Fig. 4 Los resultados ejemplares de la
una Historia objetivo
optimización de los métodos lean en optiSLang [ 19
]
Mejor diseño: Nr.99
85
( TF), donde la empresa puede seleccionar importantes figuras de destino fi ( T) ( con el
número de norte) para el sistema de producción analizado y de fi ne un factor de
ponderación apropiado ( w) en función de su relevancia:
X norte
TF ¼ 1 T yo w yo: re 8 Þ
norte
yo ¼ 1
El uso de un algoritmo genético, la optimización conducirá a la mejor estado de
los sistemas de producción modelados con respecto a la función objetivo de fi nido,
llama mejor diseño. Por lo tanto, el mejor diseño representa los resultados de un
estudio de optimización: los valores obtenidos de las cifras de destino (por ejemplo,
tiempo de espera, la productividad, la calidad ...) y los valores de las variables de
ajuste de cada método magra en este estado. Figura 4 muestra la visualización de
ejemplo de los resultados de optimización en optiSLang .
El gráfico de la izquierda (a) muestra el desarrollo de los valores de la
función objetivo de todas las corridas de simulación, donde el valor más bajo
representa el mejor diseño (correr 99 de 100). El gráfico de la derecha (b)
contiene todas las variables de ajuste incluidas en el estudio de simulación (en
este caso: 7) y demuestra sus valores desde el mejor diseño como una barra
oscura. Por medio de este gráfico, la influencia de los métodos lean se ilustra.
Debe señalarse que los valores mostrados son valores absolutos, pero el
porcentaje entre el mínimo (0%) y el valor máximo (100%) de todas las
corridas de simulación (aquí: 100). Las ofertas de software de optimización de
muchas otras funciones para la evaluación y visualización de los resultados de
la simulación, por ejemplo, las matrices de correlación entre las variables de
ajuste y las cifras objetivo fi.
Con el fin de discutir los resultados de la simulación con los empleados
responsables de la producción de la zona analizada, sin embargo, se recomienda el
uso de herramientas de visualización de programas de software de uso común como
MS Excel . Se sugiere además para definir restricciones para la función de
optimización, de lo contrario las variables de ajuste con interrelaciones positivas
lineales a las cifras objetivo, por ejemplo tiempo de preparación con el tiempo de
espera, la tasa de calidad, MTTR (tiempo medio de rechazo Para-
si mejor Diseño
Tiempo medio antes de fallos (MTBF)
Tamaño del lote
Set-tiempo de actividad
Mean-Time-To-Repair (MTTR)
Tiempo de inspección
El porcentaje de rechazos
Trabajo en proceso
123
 Pinchar. Ing. Res. Devel. (2011) 5: 81-87

Reparación) o MTBF (tiempo medio antes de fallo inminente) con la productividad, sería
minimizada o maximizada, respectivamente. restricciones útiles pueden ser aplicadas
mediante la limitación de los valores de ciertas variables de ajuste (por ejemplo, reducción
del tiempo de puesta a punto
\ 60% en relación con el status quo) o limitando el número de métodos magras,
que se pueden aplicar de forma simultánea.
Con base en los estudios de optimización y los efectos fi cuantificados de los
métodos magras, la combinación de métodos, que conducen a las mayores
mejoras en el rendimiento de producción (evaluadas por las cifras objetivo
optimización 86
definido de fi), puede ser identificado fi. Utilizando los resultados de la
simulación, la última etapa de los objetivos metodología para Derivar
recomendaciones para la aplicación sistemática de las más e fi cientes métodos
lean en el área de producción analizada. Un plan de acción detallado con las
responsabilidades y plazos para cada medida permite la realización de una
producción en serie pequeña de realizar magra y alta con un bajo riesgo de
falsas inversiones.
3.2 Estudio de caso industrial
y el análisis de la cartera de productos y los procesos de producción, un modelo
de simulación del sistema de producción se generó y verificable ed con el socio
del proyecto. Posteriormente, se seleccionaron los métodos magras para la
mejora de procesos, que deben ser evaluados con el modelo de simulación.
Debido a muchos tampones intermedio y alto de valores en el área de producción,
así como altos tiempos de preparación de las máquinas de los dos métodos
magras CONWIP (Constant-Trabajo-en-Proceso) y
SMED (Single Minuto-Exchange-de-Die) se centró. Además, los dos métodos
magras TPM (Total Productive Maintenance) en forma de tres conceptos
diferentes de mantenimiento preventivo y nivelación de la producción en
forma de dos mezclas de productos diferentes fueron examinados.
Los resultados del análisis de sensibilidad de cada método magra mostró
que CONWIP condujo a una enorme reducción del número medio de piezas
de stock (máx. 56%) y por lo tanto del tiempo promedio de plomo (máx. 38%).
La productividad del sistema se aumentó principalmente por el efecto de
SMED y TPM, así como su flexibilidad (hasta 14%). Las dos mezclas de
productos diferentes como instrumento de la nivelación de la producción, sin

producción mejorada por tres estudios de

La metodología fue validado en cuatro empresas pequeñas y medianas en la
máquina herramienta y la industria de fabricación de la planta, lo cual, un ejemplo
es brie y fl se describe en lo siguiente. La compañía considera produce umbral
sistemas, especialmente con altos requerimientos de seguridad, con un volumen
anual de unos 500 productos. La zona de producción está organizada en grupos
de productos con una complejidad de fabricación medio. La demanda de los
productos es volátil (con aproximadamente ± 30% de desviación mensual).
Después de la recolección de datos
embargo, no causó ningún cambio significativos. Además,
los métodos magras eran simultáneamente
implementado y optimizado después de tres funciones objetivo diferentes. Los
resultados de los tres estudios de optimización se ilustran en la Fig. 5 . Muestra las
cifras objetivo fi obtenidos del sistema de producción en relación con su verdadero
status quo. Para obtener un diseño coherente de la tabla de red, los valores del
tiempo de espera y la flexibilidad se escalaron poner el 100% como el mejor valor,
respectivamente.

La Fig. 5 Comparación del sistema de

Tiempo de espera

Durchlaufzeit Studie
estudio 11

qualität
Calidad
75% 100% estudio 22
Studie

0% 25% 50%
Studie
estudio33

fiabilidad de entrega Status quo

Produktivität
Productividad Flexibilität
Flexibilidad

Confiabilidad
Tiempo de espera Flexibilidad Productividad Calidad
de entrega

Status quo 57% 62% 97% 89% 92%

estudio 1 90% 72% 96% 95% 94%

estudio 2 83% sesenta y cinco% 97% 92% 93%

estudio 3 90% 67% 67% 91% 93%

123
Pinchar. Ing. Res. Devel. (2011) 5: 81-87
Como consecuencia de la aplicación de la metodología, la compañía ha
realizado con éxito talleres de puesta a punto en diferentes máquinas y
actualmente está implementando el sistema CONWIP en un grupo de
productos como prueba piloto.
4 Resumen
Este artículo analiza el trabajo de investigación actual con respecto a la evaluación
de los métodos lean en los sistemas de producción. Muestra una estructura
transparente de las interdependencias de varios métodos lean con respecto a las
cifras de producción fi cante y fi objetivo significantes. Además, una metodología
basada en la simulación se presenta con el fin de evaluar y optimizar el efecto de
métodos lean en base a las interdependencias fi cuantificados. La metodología
sirve para empresas de la industria de apoyo, especialmente con la producción de
pequeñas series, en la selección de los e fi cientes métodos más magras para sus
necesidades de producción dado.
Expresiones de gratitud Los autores agradecen el apoyo financiero por el 'Concepto
para el futuro' del Instituto de Tecnología de Karlsruhe (KIT) en el marco de la
Iniciativa de Excelencia alemana.
referencias
1. Ohno T (1993) Das Toyota-Produktionssystem. Campus, Fráncfort del Meno
2. Uygun Y, Keßler S, Stausberg JR (2009) Verbreitung Ganzheitlicher
Produktionssysteme-Erkenntnisse aus einer deutschlandweiten Studie. en
peso Werkstattstechnik en línea 99: 136-140
3. Nicholas JM, Soni A (2006) El portal de inclinarse principios y prácticas de
producción-para hacer más con menos. Auerbach Publications, Nueva York
4. Zäh MF, Aull F (2006) la producción-Methoden und interdependenzen magra. en peso
Werkstattstechnik en línea 96: 683-687
87
5. Brunner F (2008) Japanische Erfolgskonzepte. Carl Hanser, München
6. Gulden A (2008) La producción ajustada en la unidad individual y la producción de lotes pequeños.
Seminario: producción ajustada en el sector de máquinas herramienta, Aquisgrán
7. Lanza G, Peter K basada en la simulación (2009) cuanti fi cación de las
interdependencias entre los métodos magras y cifras de producción fi. Keynote papel
en la 16ª CIRP conferencia internacional sobre ingeniería de ciclo de vida, Kairo, pp 2-9
8. Reinhart G, Zäh M, Habicht C, Neise P (2003) Einführung schlanker
Produktionssysteme. en peso Werkstattstechnik en línea 93: 571-574
9. SJ Pavnaskar, Gershenson JK, Jambekar AB (2003) esquema Clasi fi cación para herramientas
de fabricación magras. Int J Prod Res 41: 3.075-3.090
10. Un Korge (2005) Ganzheitliche Produktionssysteme auch für den Mittelstand.
En: Zäh MF (ed) Produktionsmanagement 05. Herbert Utz Verlag, München
11. Obayashi K (1995) 20 Claves para la mejora del lugar de trabajo. Productivity Press,
Nueva York
12. Herrmann C, Bergmann L, Thiede S (2007) Gestaltungselemente und
Erfolgsfaktoren-Ergebnisse einer empirischen Umfrage unter produzierenden
Unternehmen. Intelligenter produzieren. VDMA-Verlag 3: 20-22
13. Uygun Y, Keßler S, Stausberg JR (2007) sistemas de producción ajustada a lo largo de
la cadena de valor. 3ª Conferencia internacional sobre gestión y economía de la
empresa, Izmir, Turquía
14. Lay G, Zanker C (2008) Planungsinstrumente zur Verwirklichung Ganzheitlicher
Produktionssysteme en kleinen und mittleren Unternehmen. en peso
Werkstattstechnik en línea 98: 242-248
15. Winkler H (2007) Modellierung vernetzter Wirkbeziehungen im Produktionsanlauf.
Disertación, Leibniz-Universidad de Hannover
16. Daenzer WF, Huber F (2002) Ingeniería de Sistemas-Methodik und Praxis.
Organización Industrielle, Zurich
17. Hopp JH, Spearman ML (2000) Física de fábrica: Fundamentos de Gestión de
fabricación. McGraw-Hill, Nueva York
18. Shingo S (1996) de cambio rápido para los operadores: el Sistema SMED.
Productivity Press, Cambridge EE.UU.
19. Peter K (2009) Bewertung und der Optimierung Effektivita¨t von magra
Methoden der en Kleinserienproduktion. Dissertation, Universität Karlsruhe
(TH)
20. Wiendahl HP (1997) Fertigungsregelung. Logistische Beherrschung von
Fertigungsabla¨ufen auf Basis des Trichtermodells. Carl Hanser, München
123