Implementación Lean Six-Sigma en Una Industria de Fabricación de Ejes de Automóviles - Un Estudio de Caso - ScienceDirect

7/2/23, 7:18 Implementación Lean six-sigma en una industria de fabricación de ejes de automóviles: un estudio de caso - ScienceDirect
Materials Today: Proceedings
Volume 50, Part 5, 2022, Pages 1739-1746
Lean six-sigma implementation in an automobile axle manufacturing industry: A case

study
Prateek Guleria a, Abhilash Pathania a, Shubham Sharma b, José Carlos Sá c
Show more
Outline Compartir Citar
https://doi.org/10.1016/j.matpr.2021.09.177 ↗
Obtener derechos y contenido ↗
Resúmenes
• Selección de producto para el Lean Manufacturing en una Industria de
Fabricación de Componentes de Automóviles.
• Identificación del tipo de desperdicio en la industria.
• Reduzca los defectos después de eliminar la variación del proceso utilizando la

herramienta six sigma DMAIC.
Abstracto
La mejora continua en las industrias manufactureras es el requisito principal para que la organización sea rentable. Lean manufacturing
y six sigma son técnicas antiguas para mejorar la producción de la industria mediante la eliminación de residuos. Estas herramientas
ayudan a la industria a crecer en todo el mundo en el entorno competitivo. Este documento se basa en el estudio de caso de una
conocida industria de fabricación de componentes de transmisión de automóviles. Esta industria fabrica alrededor de 33 tipos de ejes
para diferentes vehículos y se enfrentaba al problema del rechazo en uno de sus componentes del eje trasero. La industria estaba
perdiendo Rs. 7,33,000 / - cada mes debido al rechazo de este eje trasero. Lean six sigma (LSS) fue la herramienta implementada para
encontrar y eliminar desperdicios. El mapa de estado actual se hizo para este producto utilizando datos históricos de tres meses de la
industria. El diseño del taller se cambió para reducir el transporte del producto y administrar el espacio para una mejor utilización. 5S
se implementó para que todo fuera fácilmente evaluable. Se han logrado mejoras drásticas después de la implementación exitosa de
LSS, como la tasa de rechazo que se redujo del 10,4% al 3,20%. El área de taller para procesar los ejes se ha reducido de 252 m2 hasta 90
m2 después del cambio en el diseño. La distancia recorrida por el material se redujo de 4050 m a 809 m. El nivel sigma también mejoró
de 3,34 a 3,94. El plazo de entrega se redujo de 12 días a 11 días.
Siguiente
https://www.sciencedirect.com/science/article/pii/S2214785321059745 1/13
Palabras clave
Lean Six Sigma; 5S; Mapa de flujo de valor; Variación del proceso; Plazo de entrega
1. Introducción
Los ejes de los ejes son las partes más cruciales del sistema de transmisión, que transmite el par motor del diferencial a las ruedas en
todos los vehículos. El eje del eje está diseñado para soportar tensiones torsionales y cargas de choque repentinas que podrían dañar
gravemente la brida del eje. El eje del eje está forjado en una sola pieza, lo que requiere una serie de procedimientos complejos
realizados por máquinas costosas [1]. Requería operadores de habilidad para dimensiones precisas con precisión para las operaciones.
Más de 1.3 millones de vehículos como autobuses, camiones y automóviles se registran cada año en el mundo [2]. Como resultado,
varias unidades de fabricación de componentes están trabajando día y noche para satisfacer las demandas de la industria de fabricación
de vehículos. La producción de la industria está aumentando a medida que avanza la tecnología, sin embargo, el rechazo o el retrabajo
sigue siendo una preocupación importante para el sector manufacturero. Los programas de capacitación insuficientes, los materiales de
calidad inadecuados suministrados por los proveedores, el deterioro de las máquinas, el mantenimiento regular insuficiente, la
comunicación problemática entre el supervisor y el trabajador y la mala inspección de los proveedores son la barrera clave para
cualquier falla de la industria [3], [4]. Lean manufacturing es un sistema de mejora continua que integra el flujo de materiales e
información en una industria con el objetivo de identificar y eliminar los desperdicios que afectan el tiempo de entrega, el costo del
material, la calidad de los productos, etc. [5]. La mayoría de las organizaciones han aceptado Lean Manufacturing (LM) o herramientas
six-sigma para fabricar productos de calidad de manera más eficiente a un ritmo rápido [6]. Valor, flujo de valor, flujo, atracción y
perfección son los cinco principios lean del sistema de producción [7]. Lean tiene un conjunto de herramientas como el mapeo de flujo
de valor (VSM), el intercambio de matriz de un solo minuto (SMED), el análisis de efectos de modo de falla (FMEA), 5S, TPM, Kaizen,
Kanban, etc. que ayudan a la industria manufacturera a crecer en el entorno competitivo global [8]. VSM es una de las herramientas
más efectivas utilizadas por las industrias para encontrar y eliminar actividades sin valor agregado para reducir los costos del producto.
LM se utiliza para mejorar el flujo de material e información en el taller y eliminar siete tipos de desperdicios como transporte,
inventario adicional, tiempo de espera, movimiento, sobreproducción, sobreprocesamiento y defectos en las industrias manufactureras
[9]. El flujo de material se divide en tres categorías, es decir, flujo de entrega, flujo de producción y flujo de adquisición para monitorear
y controlar el movimiento de material en la industria [10]. Los indicadores clave de rendimiento (KPI) se utilizan para encontrar el
rendimiento de las industrias [11]. Bill Smith, un ingeniero de Motorola, introdujo un sistema de producción libre de defectos, es decir,
seis sigma en 1980. Six-sigma es una mejora continua estadística con objetivos para lograr 3,4 defectos por millón de oportunidades
(DPMO) [9]. DMAIC (Definir, Medir, Analizar, Mejorar y Control) es una herramienta de calidad basada en datos Six Sigma ampliamente
utilizada en las industrias para reducir el retrabajo o el rechazo al eliminar la variación del proceso. LSS es un proceso para eliminar la
variación del proceso, así como reducir los otros tipos de desperdicios para mejorar la productividad de la industria. LSS tiene una
amplia gama de aplicaciones en diferentes campos como identificación de clientes [12] cadena de suministro de alimentos [13], sector
de servicios energéticos [14], unidades de salud [15], finanzas, educación, MIPYME automotriz [16], etc.
Por lo tanto, en este artículo la herramienta LSS se utilizó en una industria de fabricación de componentes de transmisión de
automóviles para aumentar las ganancias mediante la producción de productos de calidad con una reducción en las actividades sin
valor agregado.
2. Revisión de la literatura
LSS tiene una amplia aplicación en los sectores de fabricación, así como en los sectores de servicios [17]. Priya et al., (2020)
implementaron LSS en la división de ensamblaje automotriz e identificaron 12 defectos cruciales. Redujeron las actividades sin valor
agregado en 19 minutos en tiempo de trabajo y la proporción de defectos en un 37,2% [18]. Narke y Jayadeva (2020) han implementado
VSM en la industria de mediana escala. Han reducido el tiempo de configuración mediante el diseño de un accesorio y han ahorrado
336 h por año y la fatiga del operador también se redujo considerablemente [19]. Rohani & Zahraee (2015) ha implementado con éxito
VSM en la línea de producción de la industria de fabricación de color y ha reducido el tiempo de producción de 8,5 días a 6 días [20].
Deshkar et al., (2018) implementaron VSM en una industria de fabricación de bolsas de plástico y redujeron el tiempo takt de 46 min a
26.6 min. La producción diaria de rollos también aumentó de 28 a 50 en número [21]. Masuti y Dabade (2019) implementaron VSM en
una empresa de fabricación de excavadoras y redujeron el tiempo de producción en 586 minutos, es decir, de 20507.8 min a 19921.5
min [22]. Pugna et al, (2016) implementaron la metodología DMAIC para mejorar un proceso de ensamblaje en una empresa automotriz
en Rumania. El Cpk aumentó de 0.96 a 1.72, el DPMO (Defects Per Million Opportunities) se redujo de 8100 a 108 y redujo los defectos
en un 30% [23]. Costa et al, (2017) implementan el ciclo DMAIC en la industria de fabricación de neumáticos y disminuyeron 0,89% en el
indicador de work-off generado por el sistema de producción. Después de la mejora, ahorraron una cantidad de 165 mil euros por año
[24]. Thakur et al., (2021) optimizaron las propiedades de los materiales de pintura y los procesos de pretratamiento mediante el uso de
LSS y Robust Taguchi Design (RTD). Mejoraron la tasa de rechazo, así como el nivel de seis sigma de 12% a 5% y 2.8 a 4.1
respectivamente [25]. Green Lean Six Sigma (GLS) es una técnica inclusiva utilizada para reducir el rechazo, la utilización óptima de los
recursos y un enfoque de toma de decisiones para resolver los problemas en las industrias manufactureras [26]. Kaswan y Rathi (2020)
propusieron un camino sistemático para la ejecución de GLS en MIPYME para la evaluación de la mejora de la industria. Han
complementado el marco paso a paso con herramientas GLS que ayudan al administrador a ejecutar el enfoque GLS [27].
3. Brecha de investigación:
DMAIC es la herramienta utilizada para eliminar defectos en la mayoría de las publicaciones de investigación de LSS. Los investigadores
no han trabajado en otros desperdicios como el transporte, el inventario, el movimiento, el tiempo de espera, el procesamiento excesivo
y la sobreproducción. Los investigadores se concentraron en reducir los defectos en la industria, pero la fabricación ajustada mejora la
industria en su conjunto. Este documento es un estudio de caso de una industria de fabricación de ejes en la que se creó espacio al
reducir el área de trabajo del taller después del cambio en el diseño, se redujo el transporte de material, el retrabajo y el rechazo se
redujeron al mejorar el proceso. La implementación paso a paso de LSS se explicó en detalle en este artículo.
3.1. Industria para el estudio

Se seleccionó una industria de fabricación de piezas de transmisión de automóviles bien reconocida para el estudio y la
implementación de LSS. La industria se estableció en 1978 y los jugadores globales de fabricación de ejes de eje trasero, ejes
hidráulicos, ejes de columna de dirección, ejes de toma de fuerza, ejes de talón, etc. La industria funciona en tres turnos y tiene
alrededor de 400 mano de obra. Mahindra, Sonalika International, Tafe, Eicher, Escorts son los principales clientes de esta industria. Al
igual que las PYME, esta empresa también se enfrentaba al problema del retrabajo y el rechazo en los ejes.+
4. Metodología
LSS es la combinación de manufactura esbelta y six-sigma fue seleccionada para encontrar y eliminar los desperdicios en la industria.
Las herramientas VSM, DMAIC y 5S se utilizan para reducir las actividades sin valor agregado y para producir productos de calidad al
eliminar las variaciones del proceso. VSM se completa en los siguientes pasos, es decir,
i) Selección de producto o familia de productos: el VSM se aplica a un producto o familia de productos a la vez. Por lo tanto, el
producto que está teniendo el máximo rechazo se selecciona para el estudio.
ii) Mapa del estado actual: el mapa del estado actual se ha dibujado utilizando datos históricos de tres meses de ese producto. Esto
incluye información como, clientes, proveedores, entrega al cliente, tiempo de ciclo, inventario (trabajo en proceso) en cada proceso,
mano de obra en cada proceso, etc.
iii) Analizar: el tipo de desperdicio identificado y eliminado mediante el uso de diferentes herramientas. Los KPI se utilizan para
comparar la ganancia neta con la industria antes y después de la mejora.
iv) Mapa del estado futuro: se dibujó un mapa del estado futuro que muestra la mejora y la ganancia neta para la industria. Se
seleccionó el software Microsoft Visio 2019 para dibujar el mapa Estado actual y Estado futuro.
Considerando que la herramienta DMAIC es una herramienta de calidad utilizada para reducir la variación del proceso y tiene los
siguientes pasos
i) Definir: comprende la Carta del Proyecto y el diagrama SIPOC (Proveedor, Entrada, Proceso, Salida y Cliente). Esto es útil para
comprender el proceso y lograr el objetivo en el momento adecuado.
ii) Medida: este paso se utiliza para recopilar los datos relacionados con el producto seleccionado para el estudio. Gráfico de Pareto y
gráficos X-Bar, R hechos para encontrar el impacto de la variación del proceso debido a causas especiales o comunes.
iii) Análisis: Diagrama de espina de pescado hecho para encontrar la causa raíz del defecto. Se ha realizado una lluvia de ideas entre los
miembros del equipo para verificar y validar las causas raíz.
iv) Mejorar: se han implementado las diferentes técnicas, así como Kaizens, para mejorar las variaciones del proceso.
v) Control: X-Bar, R-charts se ha hecho para observar la mejora. Los procesos se han estandarizado para que este tipo de problemas no
ocurran en el futuro.
5. Resultados y discusión
El estudio comenzó según los pasos mencionados en LM y Six Sigma. VSM se implementó inicialmente con los siguientes pasos.
Seleccione el producto: La industria es el fabricante de 33 tipos de ejes. La industria tomó tres meses de datos relacionados con el
rechazo de ejes. El gráfico del rechazo promedio del componente en cada producto se realizó como se muestra en la Fig. 1. El eje M&M
Rear Axle 1914C1 fue uno de los productos que tuvo el máximo rechazo durante tres meses y por lo tanto este producto fue
seleccionado para el estudio.
Descargar : Descargar imagen de alta resolución (281KB)

Descargar : Descargar imagen a tamaño completo
Figura 1. Mediana de 3 meses para el rechazo del eje y el eje trasero seleccionado para la implementación de LSS.
Mapa del estado actual: Los datos históricos relacionados con el producto seleccionado se recopilaron de la industria. La industria
fabricaba alrededor de 3976 ejes por mes. Alrededor de 394 piezas fueron rechazadas cada mes. El tiempo de ciclo para cada proceso se
midió mediante el uso de un cronómetro. Se contó el número de WIP en cada proceso. Los procesos completos para el producto
individual están tomando aproximadamente 30.38 min y el tiempo de entrega fue de 12: 1 (1 entrega al cliente en 12 días). El mapa del
estado actual se dibujó utilizando toda la información recopilada y se muestra en la Fig. 2.

Figura 2. Mapa de estado actual del eje trasero.
El eje trasero tiene 10 procesos y se midió la distancia recorrida por el material desde la materia prima hasta el almacén de productos
terminados, que era de aproximadamente 4050 m. El área cubierta para el procesamiento de material en el taller fue de 252 m2. La
eficiencia de la línea para este producto se calculó en aproximadamente 56.97%. La industria no ha implementado 5S, por lo tanto, el
material de desecho, así como WIP, estaba tirado en el suelo de manera desorganizada.
5.1. Analizar
El transporte, el inventario adicional, los defectos fueron los tres principales desperdicios observados después del mapa estatal actual.
Se decidió rediseñar el diseño para reducir el transporte del material e implementar 5S para proporcionar espacio para cada material
en el taller. La aprobación fue tomada por la gerencia. Las máquinas estaban dispuestas de tal manera que cubre un área de 90 m2 para
completar los procesos desde el almacén de materias primas hasta el almacén de productos terminados y unos 162 m2 Se creó espacio
libre en el taller. La distancia recorrida por el material desde el almacén de materias primas hasta el almacén de productos terminados
se redujo de 4050 m a 809 m. 5S también se implementó en el taller, como se muestra en la Fig. 3.

Figura 3. Planta de producción antes y después del nuevo diseño con 5S.
El rechazo fue otro desperdicio para este producto. Por lo tanto, se seleccionó la metodología DMAIC de seis sigma para encontrar y
eliminar la causa de los rechazos. En la primera etapa del ciclo DMAIC, se realizó la Carta del Proyecto y el diagrama SIPOC para definir
el área y la ruta del trabajo.
5.2. Definir (D)

Se ha elaborado una Carta del Proyecto con toda la información necesaria para establecer el objetivo de mejora como se muestra en la
Tabla 1.
Tabla 1. Una Carta de Proyecto para la mejora del proceso del eje trasero.
Planteamiento del problema Alcance: Objetivo Medición de

procesos clave
La reducción del diámetro del cojinete del eje • Mejorar el proceso de rectificado • Recogida de datos • 4000
durante el mecanizado provoca el rechazo. CNC para reducir el rechazo uds/mes
• Mejore la tasa de retención al
• Mejorar el nivel sigma. reducir la variación del proceso.
• Estandarizar el proceso
Línea de tiempo Entregas Oportunidades de nivelación Equipo del

proyecto
Definir: 10 de mayo • Informes • Herramientas
Medida: 15 de mayo • Datos de proceso • Plan del proyecto • Patrocinador

del proyecto
Análisis: 1 de junio • Plan de mejora de procesos • Resultados obtenidos • Contralor

Financiero
Planteamiento del problema Alcance: Objetivo Medición de

procesos clave
Mejorar: 15 de junio • Información relacionada con el • Estandarizar el flujo de trabajo • Propietario

proyecto del proceso
Control: 25 de junio • Estandarizar el proceso
Después de completar la Carta del Proyecto, se realizó el diagrama SIPOC para comprender el negocio completo del eje trasero desde el
proveedor hasta el cliente. El diagrama SIPOC con los procesos principales se realizó como se muestra en la Fig. 4.

Figura 4. Diagrama SIPOC para el eje trasero.
5.3. Medida (M)

La tasa de rechazo para el eje trasero fue de aproximadamente 10.4% por mes. Ocho tipos de defectos conducen al rechazo de este eje.
El Diagrama de Pareto se realizó teniendo todos los defectos con la frecuencia de ocurrencia por mes como se muestra en la Fig. 5. El
gráfico muestra claramente que el diámetro del rodamiento de tamaño inferior y las abolladuras contribuyeron con aproximadamente el
78.8% del rechazo. Por lo tanto, ambos tipos de defectos fueron considerados para la mejora. El defecto de diámetro del rodamiento de
tamaño inferior se producía durante el proceso de rectificado CNC. El rodamiento se fija en el eje para la transmisión libre de potencia
desde el diferencial a la rueda. El operador de la rectificadora CNC no pudo hacer el diámetro del eje según la dimensión todo el tiempo.
El diámetro de sobretamaño o tamaño insuficiente conduce a un retrabajo o rechazo, respectivamente, para el eje. Se encontraron
abolladuras en los ejes debido al manejo brusco, el almacenamiento y el transporte en el taller. El costo del producto fue de Rs. 1834, y
el bajo costo de la calidad es de aproximadamente Rs. 7,33,000 / - por mes y los niveles sigma fueron de 3.34.

Figura 5. Tabla de Pareto para el eje trasero.
Se tomaron 125 muestras para el análisis de capacidad para el diámetro del rodamiento de tamaño inferior como se muestra en la Fig.
6. Indica que la capacidad del proceso fue de 1,33 en términos de z-bench y la tasa de defectos fue del 10,4%. El bajo valor de Cp (0,63) y
Cpk (0,55) en comparación con el valor estándar, es decir, 1 y 1,33 respectivamente, indica que el proceso no fue estable. Puntos rojos
en el gráfico X Bar-R que indican que la dimensión del diámetro estaba por encima y por debajo del UCL y LCL respectivamente. Esto
indica el retrabajo o rechazo del eje.

Figura 6. Análisis de capacidad, gráfico X Bar-R para el eje trasero.
5.4. Analizar (A)

Se realizó un diagrama de espina de pescado para encontrar la causa raíz del rechazo debido a la variación en la dimensión del
diámetro del rodamiento del eje. Hombre, Material, Medición, Máquina, Método y Ambiente fueron los seis factores considerados para
encontrar el efecto como se muestra en la Fig. 7.

Figura 7. Diagrama de espina de pescado para el diámetro del cojinete del eje de tamaño inferior.
La sesión de lluvia de ideas se llevó a cabo para validar las causas. Se decidió colectivamente conectar un sistema de medición en
proceso a la rectificadora CNC que mostrará la dimensión del diámetro durante el proceso.
5.5. Mejora (I)

El sistema de medidores fue adquirido a la empresa Marposs, líder mundial en medición. El sistema de calibre se instaló en la máquina
como se muestra en la Fig. 8. El medidor detecta el diámetro y da el valor en la pantalla. El medidor muestra continuamente la lectura
del diámetro del eje en proceso y da la alarma cuando se alcanza el diámetro requerido. El problema del subcorte del diámetro del
rodamiento se resolvió con esta mejora.

Figura 8. Rectificadora CNC antes y después del sistema de medición en proceso.
El problema de la abolladura en el eje trasero se observó debido a un mal manejo durante el almacenamiento y el transporte de un
proceso a otro. No existía un método adecuado para el transporte y almacenamiento de los ejes como se muestra en la Fig. 9. El
contacto de metal a metal causa abolladuras en estos ejes. Estos ejes fueron transportados a través de una carretilla elevadora sin
ningún carro y, a veces, los ejes se desprenden del elevador y causan una abolladura en los ejes.

Figura 9. Almacenamiento y transporte de ejes antes de la implementación de LSS.
Se decidió mantener el material de amortiguación entre dos capas de ejes durante el almacenamiento para evitar el contacto de metal a
metal. El sistema de carro se introdujo para el transporte de ejes de un lugar a otro, como se muestra en la Fig. 10.

Figura 10. Almacenamiento y transporte de ejes después de la implementación de LSS.
5.6. Control (C)

El diámetro del rodamiento por debajo del tamaño y las abolladuras contribuyeron con aproximadamente el 78,8% del rechazo.
Después de la eliminación de estos dos factores, se tomaron 125 muestras para el análisis de capacidad para encontrar la ganancia neta
después de la mejora como se muestra en la Fig. 11. El X-Bar & R-Chart se hizo de nuevo. X-Bar y R-Chart indican que el diámetro del
rodamiento estaba dentro del rango de dimensiones y la tasa de rechazo se redujo hasta un 3,20%. El nivel de seis sigma también se
mejoró de 3.34 a 3.94. Los SOP relacionados con el proceso, así como 5S, se mostraron en el taller.

Figura 11. Análisis de capacidad, gráfico X Bar-R para eje después de LSS.
El Mapa de Estado Futuro también se dibujó después de la implementación de LSS como se muestra en la Fig. 12. Se recogió un mes de
datos relacionados con este producto. La marca Kaizen en el proceso de molienda muestra el área para el estudio. Se observó que el
plazo de entrega de este producto se redujo de 12 días a 11 días.

Figura 12. El mapa de estado futuro para el eje trasero después de LSS.
6. Conclusión
Se seleccionó una industria de fabricación de piezas de transmisión de automóviles bien reconocida para el estudio y la
implementación de LSS. Value Stream Mapping (VSM) fue la herramienta seleccionada para mejorar la producción. Los datos de
rechazo se recogieron de la industria y el rechazo más alto alrededor del 9,19 % se observó en uno de los ejes traseros. Este eje fue
seleccionado para mejorar. El mapa de estado actual se dibujó utilizando los datos históricos de este producto. El transporte, el
inventario y los defectos fueron los principales desperdicios observados durante el estudio. La industria no estaba utilizando el sistema
5S. El almacenamiento y la manipulación de los ejes no eran adecuados, lo que conduce a las abolladuras. Se diseñó el diseño del taller
y el transporte de material se redujo de 4050 m a 809 m. Unos 162 m2 de espacio libre se creó en el taller. Se implementó el 5S. Se
introdujo Six sigma para reducir los defectos. Una Carta del Proyecto, diagrama SIPOC, Diagrama de Pareto, diagrama de espina de
pescado, índice de capacidad, etc. herramientas utilizadas para identificar y eliminar el problema. El tamaño del rodamiento de tamaño
inferior y las abolladuras en el eje trasero fueron los principales contribuyentes al rechazo. El sistema de calibre se conectó a la
máquina rectificadora CNC que indica el diámetro durante el proceso. Se introdujeron un material de amortiguación y un sistema de
carro para el almacenamiento de estos ejes para evitar abolladuras. La tasa de rechazo se redujo del 10,4 % al 3,20 % tras la aplicación de
la LSS. El nivel sigma también mejoró de 3,34 a 3,94.
Declaración de contribución de autoría de CRediT

Prateek Guleria: Análisis formal. Abhilash Pathania: Conceptualización, Escritura – borrador original. Shubham Sharma: Análisis
formal, Software. José Carlos Sá: Escritura – revisión y edición.
Declaración de intereses concurrentes

Los autores declaran que no tienen intereses financieros o relaciones personales contradictorias conocidos que podrían haber parecido
influir en el trabajo reportado en este documento.
Reconocimiento
Los autores agradecen a la gerencia de la industria de fabricación de piezas de transmisión de automóviles por apoyar este proyecto.
Special issue articles Recommended articles
Referencias
[1] P. Bhagoria, S.T. Juan, P. Patangia, R. Purohit
Análisis de fallos del eje de un automóvil
Materials Today: Proceedings, 4 (2017), pp. 5398-5407
Ver .PDF Ver artículo Ver en Scopus ↗ Google Académico ↗
[2] F. Ma, Y. Liang, K.F. Yuen, P. Sol, Y. Zhu, Y. Wang, W. Shi

Evaluación de la vulnerabilidad de la red de tránsito ferroviario urbano bajo una fuerte contaminación del aire:
una perspectiva dinámica de restricción de vehículos
Ciudades y sociedad sostenibles, 52 (2020), artículo 101851
Ver PDF Ver artículo Ver en Scopus ↗ Google Académico ↗
[3] Un. Pathania, R. Kumar, K. Rojhe, et al.

Mapeo de flujo de valor: Panacea para la reducción del tiempo de entrega en la industria del núcleo de ferrita
Materials Today: Proceedings, 46 (7) (2021), pp. 2456-3246
Ver en Scopus ↗ Google Académico ↗
[4] R. Rathi, M. Singh, M. Sabique, M. Al Amin, S. Saha, M. Hari Krishnaa

at el, Identificación de barreras de mantenimiento productivo total en industrias manufactureras indias
Materiales hoy: Actas (2021), 10.1016/j.matpr.2021.05.222 ↗
View article ↗ Google Académico ↗
[5] G. Jiménez, G. Santos, J.C. Sá, S. Ricardo, J. Pulido, A. Pizarro, H. Hernández

Mejora de la productividad y la calidad en la cadena de valor a través de Lean Manufacturing – un estudio de caso
Procedia Manufacturing, 41 (2019), pp. 882-889
[6] P. Guleria, A. Pathania, R.K. Shukla, S. Sharma

Lean six-sigma: Panacea para reducir el rechazo en la industria de fabricación de engranajes
Ver PDF Ver artículo Google Académico ↗
[7] Un. Lugert, K. Völker, H. Winkler

Dinamización de la Gestión del Flujo de Valor mediante un enfoque técnico y gerencial
CIRP, 72 (2018), págs. 701-706
[8] Swarnakar, V., Singh, A. R. & Tiwari, A. K., Efecto de Lean Six Sigma on firm performance: A case of Indian automotive component
manufacturing organization, Materials Today: Proceedings, https://doi.org/10.1016/j.matpr.2020.07.115
Google Académico ↗
[9] M.M. Narke, C.T. Jayadeva

Mapeo del flujo de valor: herramienta Lean eficaz para las pymes
[10] Guleria P, Pathania A, Bhatti H, Rojhe K, Mahto DG, Leveraging Lean Six Sigma: Reducing Defects and Rejections in Filter
Manufacturing Industry, Materials Today: Proceedings, https://doi.org/10.1016/j.matpr.2021.03.535.
Google Académico ↗
[11] P. Guleria, A. Pathania, R. Khargotra

Una revisión sobre el mapeo del flujo de valor en el sistema de fabricación ajustada
Revista Internacional de Investigación y Desarrollo de Ingeniería Mecánica y de Producción, 8 (6) (2018), pp. 787-790
Ver en Scopus ↗ Google Académico ↗
[12] Un. Mitra

Técnicas de gestión de proveedores utilizando Lean Six Sigma en Carl Zeiss India
Ver PDF Ver artículo Google Académico ↗
[13] O.A. Kolawole, J.L. Mishra, Z. Hussain

Abordar el desperdicio y la pérdida de alimentos en la cadena de suministro de alimentos de Nigeria: uso de Lean
Six Sigma y aprendizaje de doble ciclo
Gestión de Marketing Industrial, 93 (2021), pp. 235-249
[14] M.-D. Bloj, S. Moica, C. Veres

Lean Six Sigma en el sector de servicios energéticos: un estudio de caso
[15] E. Sakthivelmurugan, G. Senthilkumar, A. Tajdeen, S. Manojkumar

Aplicación de Lean Six Sigma en la reducción del consumo de material en salas de una unidad sanitaria
seleccionada
[16] M. Singh, R. Rathi

Una revisión estructurada de Lean Six Sigma en varios sectores industriales
International Journal of Lean Six Sigma, 10 (2) (2019), pp. 622-664
CrossRef ↗ Ver en Scopus ↗ Google Académico ↗
[17] R.B. Rubén, S. Vinodh, P. Asokan

Lean Six Sigma con enfoque ambiental: revisión y marco
Int J. Adv. Manufact. Technol., 94 (9-12) (2018), págs. 4023-4037
CrossRef ↗ Ver en Scopus ↗ Google Académico ↗
[18] S.K. Priya, V. Jayakumar, S.S. Kumar

Defect analysis and lean six sigma implementation experience in an automotive assembly line
Google Scholar ↗
[19] M.M. Narke, C.T. Jayadeva

Value Stream Mapping: Effective Lean Tool for SMEs
View PDF View article View in Scopus ↗ Google Scholar ↗
[20] J.M. Rohani, S.M. Zahraee

Production line analysis via value stream mapping: a lean manufacturing process of color industry
[21] A. Deshkar, S. Kamle, J. Giri, V. Korde

Design and evaluation of a Lean Manufacturing framework using Value Stream Mapping (VSM) for a plastic bag
manufacturing unit
[22] P.M. Masuti, U.A. Dabade

Lean manufacturing implementation using value stream mapping at excavator manufacturing company
[23] A. Pugna, R. Negrea, S. Miclea

Using Six Sigma Methodology to Improve the Assembly Process in an Automotive Company
Procedia - Social and Behavioral Sciences, 221 (2016), pp. 308-316
[24] T. Costa, F.J.G. Silva, L. Pinto Ferreira

Improve the extrusion process in tire production using six sigma methodology
[25] P. Thakur, R. Kumar, S. Kumar, A. Pathania, B. Goel

Analysis and optimization of properties of paint materials for reduction of paint defects in agro products
[26] M.S. Kaswan, R. Rathi

Investigating the enablers associated with implementation of Green Lean Six Sigma in manufacturing sector using
Best Worst Method, Clean Technologies, and Environmental
Policy, 22 (2020), pp. 865-876
CrossRef ↗ View in Scopus ↗ Google Scholar ↗
[27] M.S. Kaswan, R. Rathi

Green Lean Six Sigma for sustainable development: Integration and Framework
Environmental Impact Assessment Review, 83 (2020), p. 106396, 10.1016/j.eiar.2020.106396 ↗
Cited by (5)
Lean, Six Sigma, and Simulation: Evidence from Healthcare Interventions

2022, Sustainability (Switzerland)
Organizational change towards Lean Six Sigma implementation in the manufacturing supply chain: an integrated
approach
2022, Business Process Management Journal
Recent Progression Developments on Process Optimization Approach for Inherent Issues in Production Shop Floor
Management for Industry 4.0
2022, Processes
Global Corporate Performance Measurement Model Through the Integration of Six Sigma and Balanced Scorecard.
Application in the Poultry Industry
2022, Communications in Computer and Information Science
Research and application of equipment intelligent operation and maintenance platform

2022, Journal of Physics: Conference Series
Copyright © 2021 Elsevier Ltd. All rights reserved. Selection and peer-review under responsibility of the scientific committee of the 2nd International Conference on Functional Material,
Manufacturing and Performances
Copyright © 2023 Elsevier B.V. or its licensors or contributors.

ScienceDirect® is a registered trademark of Elsevier B.V.

Implementación Lean Six-Sigma en Una Industria de Fabricación de Ejes de Automóviles - Un Estudio de Caso - ScienceDirect

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

Implementación Lean Six-Sigma en Una Industria de Fabricación de Ejes de Automóviles - Un Estudio de Caso - ScienceDirect

Cargado por

Copyright:

Formatos disponibles

7/2/23, 7:18 Implementación Lean six-sigma en una industria de fabricación de ejes de automóviles: un estudio de caso - ScienceDirect

Materials Today: Proceedings

Volume 50, Part 5, 2022, Pages 1739-1746

Lean six-sigma implementation in an automobile axle manufacturing industry: A case

Outline Compartir Citar

• Identificación del tipo de desperdicio en la industria.

• Reduzca los defectos después de eliminar la variación del proceso utilizando la

3.1. Industria para el estudio

Descargar : Descargar imagen de alta resolución (281KB)

Descargar : Descargar imagen de alta resolución (141KB)

Figura 2. Mapa de estado actual del eje trasero.

Descargar : Descargar imagen de alta resolución (248KB)

5.2. Definir (D)

Planteamiento del problema Alcance: Objetivo Medición de

Línea de tiempo Entregas Oportunidades de nivelación Equipo del

Definir: 10 de mayo • Informes • Herramientas

Medida: 15 de mayo • Datos de proceso • Plan del proyecto • Patrocinador

Análisis: 1 de junio • Plan de mejora de procesos • Resultados obtenidos • Contralor

Planteamiento del problema Alcance: Objetivo Medición de

Mejorar: 15 de junio • Información relacionada con el • Estandarizar el flujo de trabajo • Propietario

Control: 25 de junio • Estandarizar el proceso

Descargar : Descargar imagen de alta resolución (174KB)

Figura 4. Diagrama SIPOC para el eje trasero.

5.3. Medida (M)

Descargar : Descargar imagen de alta resolución (76KB)

Figura 5. Tabla de Pareto para el eje trasero.

Descargar : Descargar imagen de alta resolución (133KB)

Figura 6. Análisis de capacidad, gráfico X Bar-R para el eje trasero.

5.4. Analizar (A)

Descargar : Descargar imagen de alta resolución (72KB)

5.5. Mejora (I)

Descargar : Descargar imagen de alta resolución (199KB)

Figura 8. Rectificadora CNC antes y después del sistema de medición en proceso.

Descargar : Descargar imagen de alta resolución (205KB)

Figura 9. Almacenamiento y transporte de ejes antes de la implementación de LSS.

Descargar : Descargar imagen de alta resolución (235KB)

Figura 10. Almacenamiento y transporte de ejes después de la implementación de LSS.

5.6. Control (C)

Descargar : Descargar imagen de alta resolución (126KB)

Descargar : Descargar imagen de alta resolución (145KB)

Declaración de contribución de autoría de CRediT

Declaración de intereses concurrentes

Special issue articles Recommended articles

[2] F. Ma, Y. Liang, K.F. Yuen, P. Sol, Y. Zhu, Y. Wang, W. Shi

[3] Un. Pathania, R. Kumar, K. Rojhe, et al.

[4] R. Rathi, M. Singh, M. Sabique, M. Al Amin, S. Saha, M. Hari Krishnaa

[5] G. Jiménez, G. Santos, J.C. Sá, S. Ricardo, J. Pulido, A. Pizarro, H. Hernández

[6] P. Guleria, A. Pathania, R.K. Shukla, S. Sharma

[7] Un. Lugert, K. Völker, H. Winkler

[9] M.M. Narke, C.T. Jayadeva

[11] P. Guleria, A. Pathania, R. Khargotra

[12] Un. Mitra

[13] O.A. Kolawole, J.L. Mishra, Z. Hussain

[14] M.-D. Bloj, S. Moica, C. Veres

[15] E. Sakthivelmurugan, G. Senthilkumar, A. Tajdeen, S. Manojkumar

[16] M. Singh, R. Rathi

[17] R.B. Rubén, S. Vinodh, P. Asokan

[18] S.K. Priya, V. Jayakumar, S.S. Kumar

[19] M.M. Narke, C.T. Jayadeva

[20] J.M. Rohani, S.M. Zahraee

[21] A. Deshkar, S. Kamle, J. Giri, V. Korde

[22] P.M. Masuti, U.A. Dabade

[23] A. Pugna, R. Negrea, S. Miclea