Michel Valerio Ramon

Ing. civil
Investigación de Operaciones

Universidad Autónoma de Yucatán

Facultad de Ingeniería

Investigación de Operaciones

M.C. Jannette de Fátima Contreras Rivero

Grupo B

Ada 2. Caso General Motors

Alumno: Valerio Ramon Michel

Ingeniería Civil

Periodo Enero - Mayo 2022

16 de enero del 2022, Mérida, Yucatán.

Reference: Jeffrey M. Alden, Lawrence D. Burns, Theodore Costy, Richard D. Hutton, Craig A. Jackson, David S. Kim, Kevin A. Kohls,
Jonathan H. Owen, Mark A. Turnquist, David J. Vander Veen, (2006) General Motors Increases Its Production Throughput. Interfaces
36(1):6-25.https://es.uadyvirtual.uady.mx/pluginfile.php/1286057/mod_label/intro/caso%20GM.pdf
 Michel Valerio Ramon
Ing.
civil Investigación de
General Motors aumenta su rendimiento de producción
Fundada en 1908, General Motors Corporation (GM) es el mayor fabricante de automóviles del
mundo. Eso tiene operaciones de fabricación en 32 países, y los vehículos se venden en casi 200
países. Las marcas automotrices de GM incluyen Buick, Cadillac, Chevrolet, GMC, Holden,
HUMMER, Opel, Pontiac, Saab, Saturno y Vauxhall. En 2004, la empresa empleó a unas 324.000
personas en todo el mundo y vendió más de 8,2 millones de automóviles y camiones,
aproximadamente 15 por ciento de los mercados mundiales de vehículos, ganando un informó
ingresos netos de $ 2.8 mil millones en más de $ 193 mil millones en los ingresos. El rendimiento
de estas líneas de producción es fundamental a la rentabilidad y el éxito de GM. A pesar de la
capacidad total de producción de la industria está por encima demanda (alrededor del 25 por ciento
a nivel mundial), la demanda de ciertos vehículos populares a menudo excede la planta planificada
capacidades. En tales casos, aumentar el rendimiento de líneas de producción aumenta las
ganancias, ya sea agregando ingresos por ventas o reduciendo los costos de mano de obra asociados
con horas extras no programadas.
La necesidad de aumentar el rendimiento. A fines de la década de 1980, la competencia se
intensificó en la industria automotriz. En América del Norte, esta competencia fue impulsado por un
número creciente de importaciones de fabricantes extranjeros, las crecientes expectativas de calidad
de los clientes y el lento crecimiento del total mercado, lo que condujo a intensas presiones de
precios que oportunidades limitadas de GM para aumentar sus precios e ingresos. En comparación
con sus competidores extranjeros, GM era vista como derrochadora e improductiva, aparentemente
incapaz de mejorar, y copiando ineficazmente los métodos japoneses sin comprender el verdadero
problema de producción, Muchas plantas no cumplían con los objetivos de producción, trabajaban
horas extras no programadas y experimentaban un alto nivel de costos. GM fue perder dinero,
incluso con productos de gran demanda, y estaba recortando costos al mínimo o abriendo la
chequera para resolver problemas de rendimiento
Herramientas inadecuadas para analizar la fabricación rendimiento. Intensa presión
corporativa para reducir los costos para la inversión en línea condujo a estimaciones demasiado
optimistas de la confiabilidad del equipo, tasas de desecho, reelaboración velocidades, requisitos de
espacio, capacidad de flujo de material, desempeño del operador y desempeño del mantenimiento.
Reconocer la necesidad y la oportunidad de mejorar productividad de la planta, investigación y
desarrollo de GM comenzó un proyecto a largo plazo para mejorar el rendimiento de rendimiento de
los existentes y nuevos sistemas de fabricación a través de esfuerzos entre áreas:
Modelado y Algoritmos. En su forma más simple, una línea de producción es una serie de
estaciones separadas por buffers a través qué partes se mueven secuencialmente hasta que salen del
sistema como trabajos completos. Muchas extensiones de este modelo simple de línea en serie
capturan más complejos características del sistema de producción dentro de GM. Analizar incluso
líneas de producción en serie simples es complicado porque las estaciones experimentan fallas
aleatorias y tienen velocidades desiguales.
Métodos de descomposición analítica. Los solucionadores analíticos que desarrollamos
representan el sistema subyacente como un modelo de flujo continuo y confiar en una solución
iterativa convergente de una serie de ecuaciones no lineales para generar estimaciones de
rendimiento. Basamos nuestro análisis en un modelo de flujo de trabajo aproximación del sistema
de dos estaciones en el que las estaciones actúan como puertas en el flujo de trabajo y los
amortiguadores actúan como embalses que contienen trabajo.

Reference: Jeffrey M. Alden, Lawrence D. Burns, Theodore Costy, Richard D. Hutton, Craig A. Jackson, David S. Kim, Kevin A.
Kohls,
Jonathan H. Owen, Mark A. Turnquist, David J. Vander Veen, (2006) General Motors Increases Its Production Throughput.
 Michel Valerio Ramon
Ing.
civil Investigación de
Métodos de simulación discretos. El método analítico que describimos y otros métodos
similares proporcionan estimaciones de rendimiento muy precisas para líneas seriales simples. Estas
producciones de sistemas emplean divisiones y fusiones con políticas de enrutamiento a nivel de
trabajo, utilizan medios de transporte de circuito cerrado, o están sujetos a fuentes externas de
tiempo de inactividad que afectan a varias estaciones de trabajo separadas simultáneamente para
analizar tales características con los métodos de descomposición analítica disponibles, se deben usar
varios trucos de modelado que producen resultados aproximados y en ocasiones engañosos.
Mecanismo de entrega. Para facilitar el uso de las herramientas de análisis, diseñamos y
desarrolló un software multicapa extensible arquitectura, que sirve como marco para implementar
las herramientas C-MORE, como un conjunto de bibliotecas a las que se puede llamar para
proporcionar acceso integrado a capacidades idénticas de modelado y análisis para cualquier
número de usuarios finales específicos del dominio aplicaciones de software. Este enfoque
promueve la consistencia en toda la organización y permite diferentes grupos de usuarios con
intereses divergentes para acceder a capacidades de análisis idénticas mientras comparten y
reutilizan modelos del sistema.
Recopilación de datos. La recopilación de datos de la línea de producción es una tarea difícil y
masiva. Una línea puede tener cientos de estaciones de trabajo, cada uno con sus propios tiempos de
procesamiento y funcionamiento parámetros, Además, los modelos con muchos datos. Las entradas
tienden a ser complejas y requieren mucho tiempo para analizar.
Datos históricos para el diseño de líneas. A medida que recopilamos datos, desarrollamos
una base de datos de datos históricos reales de rendimiento a nivel de estación. Esta base de datos,
que está organizada por equipos tipo (marca y modelo) y finalidad, se ha convertido una parte
integral de los procesos de GM para diseñar nuevas líneas de producción
Procesos de mejora del rendimiento. Se tuvo dificultad para ensamblar todas las personas
adecuadas y hacer que se concentren en un problema de rendimiento único a menos que fuera una
crisis obvia. En segundo lugar, nuestros primeros esfuerzos de implementación aparecieron para ser
otro conjunto corporativo de proyectos del programa del mes, que se tolerarán hasta se
desvanecieron. Como resultado, tuvimos dificultades para obtener el apoyo y el compromiso que
necesitábamos para implementación exitosa. Finalmente, el personal de planta no confiaba en que
un programa de computadora de caja negra realmente podía entender las complejidades de una línea
de producción. Preparamos estudios de casos sólidos y una excelente capacitación de materiales
para demostrar el valor del análisis de rendimiento, y desarrollamos un proceso bien definido la
planta poseería para respaldar y recompensar las mejoras continuas en el rendimiento. Hasta este
último punto, TIP estándar para promover el activo y el uso eficaz de la mano de obra, la gestión, la
recopilación de datos y el análisis de rendimiento para encontrar y eliminar cuellos de botella de
rendimiento. El TIP constaba de los siguientes pasos:
 Identificar el problema
 Recolectar datos y analizar el problema
 Crear planes de acción
 Implementar la solución
 Evaluar que la solución
 Repite el proceso

Reference: Jeffrey M. Alden, Lawrence D. Burns, Theodore Costy, Richard D. Hutton, Craig A. Jackson, David S. Kim, Kevin A.
Kohls,
Jonathan H. Owen, Mark A. Turnquist, David J. Vander Veen, (2006) General Motors Increases Its Production Throughput.
 Michel Valerio Ramon
Ing.
civil Investigación de
Implementación y Evolución de la organización. Incluso después de los primeros éxitos
piloto, se necesitó un esfuerzo especial y el apoyo de la alta dirección para implementar
ampliamente el análisis de rendimiento dentro de GM. En 1991, con un vicio presidente como
campeón ansioso, formamos un especial equipo de ejecución del proyecto. Este equipo estaba
formado por 10 miembros de implementación y 14 miembros de apoyo para ayudar con la gestión,
consulta, capacitación, programación y trabajo administrativo. Con el tiempo, este grupo, que creció
hasta casi 60 miembros, desarrollaron C-MORE común estándares de recopilación de datos como
parte de todos los equipos nuevos entrar en las plantas y producir informes de cuellos de botella
habilitados para la Web para uso en toda la corporación.
El uso de las herramientas, los datos y el proceso de mejora del rendimiento de C-MORE
impregnan a GM, con aplicaciones para mejorar las operaciones del sistema de fabricación, diseños
de sistemas de producción, desarrollo de proveedores, y la investigación de sistemas de producción.
El impacto del trabajo en estas áreas es multifacético. Ha rendido medido ganancias de
productividad que redujeron los costos y aumentaron ingresos, y ha cambiado los procesos, la
organización y la cultura de GM.
Beneficios. Uso de las herramientas C-MORE y el TIP para mejorar solo el rendimiento de
producción produjo más de $ 2.1 mil millones en ahorros documentados y mayores ingresos, lo que
refleja la reducción de horas extras y el aumento de las ventas de vehículos de alta demanda.
Aunque es imposible miden la evitación de costos, los usuarios internos estiman el valor adicional
de utilizar las herramientas C-MORE en el diseño de sistemas de fabricación para futuros vehículos
varias veces esta cantidad; han mejorado las decisiones sobre la compra de equipos y la capacidad
de GM para
Recopilación de datos estándar. Estándares comunes para definiciones de datos, piso de
planta hardware y software de recopilación de datos, y herramientas y prácticas de gestión de datos
han hecho que el esfuerzo masivo de implementar y apoyar el análisis de rendimiento por parte de
los ingenieros de GM y en planta una actividad bien definida y manejable.
Conclusiones
El éxito en este trabajo es el resultado de un esfuerzo de implementación temprana enfocado por
parte de un equipo de trabajo especial seguido del establecimiento de un personal de apoyo central,
propiedad de la planta de la capacidad de análisis de rendimiento con designados ingenieros de
rendimiento, fuerte apoyo de gestión y reconocimiento de éxitos, y una colaboración continua entre
Investigación y Desarrollo, central personal de apoyo y personal de planta. La necesidad de GM de
contar con herramientas de análisis de rendimiento rápidas y precisas nos brindó excelentes
oportunidades para aplicar y ampliar los resultados de vanguardia en enfoques analíticos y de
simulación para el análisis y la optimización del rendimiento y para realizar investigaciones sobre
muchos temas relacionadas con el desempeño de los sistemas de producción. Desde una perspectiva
más amplia, nuestro proyecto representa una historia de éxito de la aplicación de OR y destaca el
enfoque multifacético que a menudo se requiere para lograr tal éxito en una organización grande y
compleja.

Reference: Jeffrey M. Alden, Lawrence D. Burns, Theodore Costy, Richard D. Hutton, Craig A. Jackson, David S. Kim, Kevin A.
Kohls,
Jonathan H. Owen, Mark A. Turnquist, David J. Vander Veen, (2006) General Motors Increases Its Production Throughput.