Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 2
La presente investigación de tesis, en la cual Ingrit Y Jonelly [1] expresan como objetivo la
propuesta de implementación de las herramientas Lean Manufacturing en la empresa Maquila
Agro Industrial Import & Export S.A.C. para mejorar su productividad, en el que se realizó un
estudio transversal con guías de entrevistas y observación directa en las diferentes áreas de
producción de dicha empresa.
Lean Manufacturing es un modelo de gestión que se enfoca en minimizar las pérdidas de los
sistemas de manufactura al mismo tiempo que maximiza la creación de valor para el cliente
final. Según Ingrit Y Jonelly [1] las herramientas que se utilizaron para el desarrollo de la
propuesta de implementación Lean Manufacturing son: 5S, Jidoka, poka Yoque, control visual
y rediseño de Layout.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
7
Capítulo 2. Estado del arte
Ingrit Y Jonelly [1] hacen mención de los resultados, indicaron que al implementarse dichas
herramientas se obtendrá una mejora en la productividad de la empresa, el cual se vio reflejado
en un aumento de 82.14% a un 86.75%, obteniendo un beneficio de S/. S/.147,673.09.
Según lo investigado, William y Jorge [2] dan a conocer que haciendo una implementación del
sistema propuesto, se podrá tener un control general sobre las condiciones de las operaciones
en cada estación, ya que, teniendo un control sobre el personal presente en las estaciones y un
historial de registro de configuraciones previas, es posible calcular una velocidad de ajuste
optima que permitirá cumplir con éxito la metas que se esperan cumplir en la producción.
William y Jorge [2] concluyen que tener un registro actualizado sobre las fallas que se han
presentado ayuda a detectar con mayor rapidez los problemas presentes en la producción
evitando desperdicios de material y tiempo perdido al producir piezas defectuosas. Como se
puede observar en la figura 2.1, se presenta la interfaz y sus componentes principales.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
8
Capítulo 2. Estado del arte
Las plantas que tratan el agua representan uno de los Procesos más delicado en la industria ya
que por su impacto directo al medio ambiente y a la sociedad en general se debe garantizar que
las fases implicadas en su ejecución se ejecuten de la manera más eficiente y optima posible.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
9
Capítulo 2. Estado del arte
Una de las posibilidades el cual más afecta el resultado final de la eficiencia en producción es
la saturación de los filtrarlos de la planta. Por no tener un control automatizado de esta
variable ya que de manera manual no se consigue fácilmente es bastante dificultoso que los
motores y los agitadores operen a la rapidez adecuada y necesaria para poder llegar a feliz
término. Por otro lado, si no se tiene conocimiento el tiempo real de la situación de los
motores ni un dominio y supervisión centralizada de los equipos, se hace imposible determinar
las condiciones de operaciones son indicadas y de esta forma el proceso queda expuesto y
vulnerable a mostrar fallas en el resultado final del agua producto tratada, según la propuesta
de Eleuterio [3].
Así, en este trabajo, partiendo de unas instalaciones industriales, se afronta en primer lugar el
estudio de los diferentes escenarios y soluciones posibles para una optimización del proceso
productivo propuesto mediante el uso de una herramienta profesional de para la simulación de
procesos como es Arena Simulation. El análisis de los comportamientos del proceso, en
términos de rendimiento ante diferentes variaciones, resulta la identificación de una solución
robusta y eficaz.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
10
Capítulo 2. Estado del arte
El proyecto finaliza con la validación del funcionamiento del proceso programado en entorno
real y la validación parcial de su rendimiento todo en relación a las expectativas del diseño
inicial, esto y más da a redacta Rodríguez [4] en la presente propuesta.
En el siguiente Articulo de investigación los autores Martin, Luis y Julián [5] nos expresan
como la aplicación de la metodología Kanban en una empresa de fabricación de
transformadores de distribución es posible mejorar la programación de la producción, con el
objetivo reducir la cantidad de producto en proceso que no es utilizado, de forma que se
reduzca el inventario y así optimizar los recursos.
Existen muchas formas para definir y explicar en qué consiste la metodología Kanban, pero
para fines del desarrollo de este trabajo los autores Martin, Luis y Julián [5] expresaron los
siguiente, cual establece que Kanban es una técnica de gestión de producción basada en un
sistema pull que se fundamentan en la autogestión del proceso, eliminando la programación
centralizada, se produce y transporta lo que se demanda en los procesos consumidores
manteniendo en rotación solo aquellas cantidades que garantizan la continuidad del consumo.
Profundizando en los fundamentos de la metodología Kanban nos explican que está basada en
un conjunto de 6 reglas, las cuales se presentan en la figura 2.2.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
11
Capítulo 2. Estado del arte
Para probar que tan efectiva podría ser la metodología Martin, Luis y Julián [5] utilizaron
técnicas de simulación para analizar el efecto de la aplicación de la metodología Kanban,
donde se modeliza el proceso actual y el propuesto con las reglas de dicha metodología y con
los resultados obtenidos se observa que existe un mejoramiento en las líneas de producción y
eficiencia y optimización de recursos cuando se utiliza la mitología Kanban.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
12
Capítulo 2. Estado del arte
Señalan los autores Martin, Luis y Julián [5] que el único requisito para la implementación de
esta metodología es la formación de personal en la metodología Kanban y la organización de
los procesos.
Y de esta forma permite organizar las etapas de producción y ensamble mediante cambios en
las formas de realizar los trabajos para lo cual no se hacen necesarios cambios de
infraestructura ni de tecnología física.
En este artículo se menciona que se desea incluir la industria 4.0 al sector de autopartes de
nuevo león donde el autor José Luis del Val Román [6] hace referencia el término industria
4.0 a un nuevo modelo de organización y de control de la cadena de valor a través del ciclo de
vida del producto y a lo largo de los sistemas de fabricación apoyado y hecho posible por las
tecnologías de la información. Nava, K., Silva, A., Guajardo, A., Leyva U., & Torres, C. [6]
hacen referencia que la I 4.0 nació de dos pilares principalmente, el internet de las cosas y
sistemas de integración vertical y horizontal, también conocidos como sistemas ciber físicos.
El primer concepto permite conectar a internet cualquier objeto y por otro lado, el siguiente
permite la conexión de objetos entre el mundo real y el físico.
• Automatización y adaptación.
• Interacción humano-máquina.
• Valor agregado a los ya existentes servicios.
• Intercambio automático de información.
En términos generales se podría decir que con la Industria 4.0 se busca que todos los
elementos de una fábrica manufacturera sean inteligentes además de autónomos, capaces de
reconfigurarse a sí mismos y tomar decisiones a partir de los datos y requerimientos
que recopilen de su entorno, todo esto a través de las capacidades que ofrecen los
avances tecnológicos.
Nava, K., Silva, A., Guajardo, A., Leyva U., & Torres, C. [6] mencionan que su principal
desafio de la implementación de I4.0 el nuevo paradigma industrial debe asegurar que se creen
más empleos que aquellos que desaparecerán, evitar lo que se conoce como desempleo
tecnológico, redefinir los empleos actuales y tomar medidas para adaptar la fuerza laboral a los
nuevos empleos que se crearán. La visión de trabajo futuro demandará nuevas competencias y
es necesario crear oportunidades para la adquisición de las habilidades requeridas a través de
una capacitación de alta calidad.
Un riesgo de esta implementación a cualquier sector industrial incluyendo esta que menciona
los autores Nava, K., Silva, A., Guajardo, A., Leyva U., & Torres, C. [6] es que al
implementar el uso de IoT y las TIC la infraestructura clave para la digitalización de la
fabricación crea un nuevo peligro potencial. A saber, los riesgos del mundo TIC pueden
afectar el proceso de fabricación industrial y podemos encontrar nuevos riesgos potenciales en
la fabricación: ciberataques, malware, spyware, pérdida de integridad de los datos o problemas
con la disponibilidad de la información son los principales por lo cual se debe incrementar la
seguridad de manera dramática dado lugar a conexiones más seguras, fiables e implementando
una sofisticada gestión de identidades y accedo de las máquinas y usuarios.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
14
Capítulo 2. Estado del arte
Integrar los sistemas Ciber-físicos se puede asociar con grandes mejoras en la calidad y tasas
de error significativamente reducidas. Los datos de los sensores se pueden utilizar para
controlar cada pieza producida en lugar de utilizar el muestreo para detectar errores, y la
corrección de errores puede ajustar los procesos de producción en tiempo real.
Este nuevo modelo que ha estado revolucionado los sectores industriales desde hace años a
demostrado que tanto lo físico como lo digital pueden fusionarse para lograr una buena
automatización y optimización en las áreas de procesos para cumplir con las demandas a las
que se enfrentan día a día, dado como resultado a más profesionistas y operadores cualificados
para operar en este sector.
Hace muchos años la logística tenía poco desarrollo, por lo tanto, no era posible tener siempre
los materiales en el lugar y en el momento en que se requerían; y la capacidad de
almacenamiento también representaba un problema.
Actualmente, y con los avances en logística, es posible producir y mover materiales hacía, y
desde prácticamente cualquier parte del mundo. El enfoque tradicional de algunas
organizaciones consiste en tratar de optimizar localmente enfocándose en manufactura en
lugar de intentar optimizar el sistema total.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
15
Capítulo 2. Estado del arte
Es por esto que en el presente trabajo se muestra un modelo matemático que maximiza la
utilidad bruta tomando en cuenta la integración de los procesos de producción y de
distribución.
La definición de utilidad bruta es: las ventas netas menos el costo de venta, estableciendo un
límite de utilidad. Primeramente se eligió enfocarse a maximizar las ganancias antes que
minimizar los costos porque este análisis abre el panorama de tareas que pueden ser objeto a
cambio para garantizar una mayor utilidad.
max(𝐺) = max(∑𝑇𝑡=1 ∑𝑀
𝑚=1 ∑𝐿𝑙=1 {[𝑃𝑚𝑙 − (𝑂𝑚𝑙 + 𝐽𝑚𝑙)] ∗ 𝑏𝑡𝑚𝑙}) (2.1)
Dónde:
Oml = Cml + Dml + Wml + Eml +Qml + Sml +Uml
Esta función objetivo considera que para maximizar la utilidad bruta de cada planta de
manufactura se debe considerar el precio de venta por volumen menos los costos de los
materiales involucrados y de operación para su producción, esto con la finalidad de determinar
la cantidad optima a producir en cada línea de producción en cierto periodo de tiempo.
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
16
Capítulo 2. Estado del arte
Una vez implementado los cambios en la red, las expectativas de incremento en la utilidad
bruta fueron superadas. Se esperaba un incremento de al menos un 2% en la utilidad bruta, que
correspondía a $1.94 millones de dólares anuales. Pero al momento de haber realizado el
cambio de fuente de suministro de algunos materiales se generó un incremento en la utilidad
bruta de $ 6, 277, 965 dólares anuales sin inversiones de capital en las áreas de manufactura.
Por lo tanto, al implementar el resto de los cambios se tiene un potencial de incrementar la
utilidad bruta aproximadamente $9 millones de dólares con respecto a la utilidad proyectada a
partir del segundo año, según Martínez y Carreón en la presente investigación [7].
Avechuco Otero, Enríquez Graseda, Ramos Jerónimo, Salomon Corona, Silva García:
Optimización parar automatización de procesos. (AutoOpt)
17