Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ARTÍCULO EXTENDIDO_CORDOVA & MENDOZA (1)
ARTÍCULO EXTENDIDO_CORDOVA & MENDOZA (1)
Abstract— El contexto actual del sector de fabricación escenario es mejor que el del año anterior (-5,2%), aún queda
plástico ha sufrido una alteración importante en los últimos años brecha para la recuperación del sector. Se ha reportado que el
debido a factores externos como la pandemia del Covid-19. A 64% de las empresas peruanas en la actualidad utiliza
nivel nacional se ha detectado que el 64% de las empresas utiliza
únicamente entre el 61% al 70% de su capacidad instalada. únicamente del 61%-70% de su capacidad instalada.
Además, la rentabilidad del sector ha caído en 3% en los últimos Asimismo, la rentabilidad sobre las ventas también se ha visto
8 años. Gracias a ello, se ha determinado que las posibles notablemente afectada pasando de 6,2% en el 2011 a 3,2%
causales están relacionadas a problemas de eficiencia y para el año 2019 [3]. Sin embargo, uno de los problemas
productividad. Todo ello, origina el problema de retraso en la presentados con más recurrencia ha sido el del retraso en la
entrega de pedidos, el cual es el principal motivador del entrega de pedidos ocasionado por desperdicios operativos e
desarrollo del presente trabajo. Por lo tanto, se propone el
desarrollo de un modelo de optimización de doble enfoque que ineficiencias en el proceso de manufactura [4][5][6]. Se ha
valora tanto la mejora a nivel operativo como las condiciones demostrado que retraso de hasta dos semanas en la entrega
laborales y el espíritu de equipo que motivan el accionar de los afectan de manera significativa en el nivel de ventas futuras
colaboradores. En este modelo se abordan herramientas hasta en 10% y, por consiguiente, se incrementan los costos
correspondientes a la metodología Lean y SLP. Asimismo, el relacionados [4][5].
principal diferenciador de esta propuesta es la integración de
una fase de sostenibilidad con enfoque de mejora continua para Así pues, según lo estudiado esta problemática influye de
la trascendencia de la aplicación a lo largo del tiempo. manera significativa no solo en los costos adicionales
Finalmente, algunos de los principales resultados obtenidos incurrido por la empresa, sino también en lo que respecta a la
producto de esta investigación fueron el incremento del índice
reputación y el valor de marca. Ante ello, se han propuesto
de cumplimiento de pedidos en un 13,4%, la reducción del
esfuerzo de los operarios en un 62%, la disminución del tiempo diversas opciones de solución. La primera de ellas establece
de set-up en 57% y el incremento del OEE en un 7%. un plan de mejora en el área de gestión de abastecimiento para
reducir el tiempo de entrega. Las herramientas planteadas para
Keywords— Plastic industry, Set up time, 5S, Order delivery el desarrollo fueron, principalmente, diagrama de Pareto,
fulfillment, Systematic layout planning (SLP), Total productive encuestas de satisfacción, homologación de proveedores,
maintenance (TPM)
matriz BCG, matriz Kraljic y plan de abastecimiento. Gracias
I. INTRODUCCIÓN estas mejoras propuestas el porcentaje de entrega del producto
terminado mejoró en 58% pasando de 17 días a 10 días que
La importancia del plástico en la fabricación se ha
era lo establecido desde un inicio. Así también se dio una
mantenido a lo largo del tiempo desde su aparición en la
reducción del 23% en los costos de venta [7]. En otra
industria hace más de 70 años. Según el último reporte
investigación también se aborda la problemática planteada. En
realizado por PlasticEurope, la producción de plástico a nivel
este caso se aborda una empresa productora de bolsas plásticas
global ha incrementado de 359 millones de toneladas
con retrasos en la producción y por ello en la entrega del
registradas en el 2018 a 368 millones de toneladas para el
producto final al cliente con un índice de incumplimiento de
2019. Asimismo, el continente asiático es el que concentra la
41,67%. Las iniciativas adoptadas en este caso se relacionan a
mayor cantidad de producción con un 51% del total. En cuanto
la aplicación de herramientas Lean como el Jidoka, Kanban,
a América Latina, esta se mantiene con un nivel de
5s y TPM. Gracias a ello, el estudio determinó un porcentaje
participación bajo del 4% [1]. En cuanto al mercado mundial
de mejora bastante significativo de 8% en lo que respecta a
de inyección de plásticos este ha sido valorado por 265,1 mil
productos defectuosos, 4% para reprocesos y 37% en el índice
millones de dólares en el año 2020 y se proyecta una tasa de
de cumplimiento de pedidos [8].
crecimiento anual compuesta del 4,6% para el período 2021-
2028. No obstante, la pandemia de coronavirus ha ralentizado En consecuencia, la presente investigación buscará aportar
de manera considerable las actividades de producción en este a la literatura existente respecto a temas de incremento en el
mercado y se han evidenciado carencias tanto a nivel índice de cumplimiento de entrega de pedidos valiéndose de
administrativo como en las operaciones de producción [2]. En la reducción del Lead Time y otros tiempos muertos. Con ello
este sentido, el escenario peruano no se ha visto ajeno a la se buscará evitar incurrir en costos adicionales por penalidad
realidad del sector. Según el informe más reciente presentado de retraso y sobrecostos operativos. Además, se priorizará la
por el INEI, la manufactura de productos plásticos ha caído en creación de las mejores condiciones laborales posibles para
1,5% durante el primer semestre del 2021. Si bien este los colaboradores. Para ello, se propone un modelo de
Reducción de paradas
Reducción del tiempo
traslados innecesarios
Reducción de tiempo
Objetivos
de un proyecto y la capacidad de equilibrar esto factores [43].
no programadas
de búsqueda de
Reducción de
herramientas
de setup
Por otro lado, otra de las herramientas más empleadas en el
diagnóstico de la situación inicial en las empresas es el Value
Artículos
Stream Mapping. Esto se debe a que permita la fácil Científicos
identificación de las fuentes de desperdicio o cuellos de
botella en un flujo productivo. Gracias a esta herramienta se Agung, D. &
5S SMED
Hasbullah, H. (2019)
establece con éxito la relación entre los puntos de pérdida
operativa y la metodología de trabajo actual permitiendo Gupta, S. & Chandna,
5S
P. (2020)
comprender los procesos con claridad y mostrando una
perspectiva futura de acción (situación ideal) [14][16][44]. Mansur, M. &
SLP
Tras realizar la revisión de literatura correspondiente se ha Ahmarofi, A. (2020).
Matriz
Distribución de Matriz Matriz esfuerzo
cantidad
planta distancia (m) (kg-m/mes)
(kg/mes)
Actual 34872,99472 437,28 1892782,483
Propuesta 1 34872,99472 162,92 707696,4623
Propuesta 2 34872,99472 176,54 656186,3102
b) Implementación de TPM
Esta metodología se implementa en 4 fases principales,
planificación, implementación, validación y finalmente
control.
IV. VALIDACIÓN
A. Descripción del escenario de validación
La validación del modelo de optimización Lean-SLP
propuesto se desarrolló en dos partes. La primera de ellas
Fig. 12. Flujograma del proceso propuesto. ejecuta un plan piloto en la empresa Inroplas S.A.C.
perteneciente al sector de manufactura plástica por inyección.
Esto se hace con el objetivo de validar la efectividad del 7S C. Diseño de la validación y comparación con el diagnóstico
planteado. Respecto a la segunda parte, se realiza una inicial
simulación por eventos discretos (DES). En este apartado se En primera instancia se desarrolla el modelo de simulación
recopila la información necesaria de la planta productiva de de eventos discretos. Para ello, se seguirán una serie de pasos
Inroplas para construir el modelo de simulación que permita que se explican en la Figura 13.
validar las herramientas del SLP, SMED y TPM. En adición, En lo que respecta al planeamiento, la elaboración de la
el software utilizado para desarrollar la simulación será el representación gráfica se hizo teniendo en consideración la
Arena 14.0. Algunos de los principales inputs para este fin tabla de entidades, atributos y actividades. Además, fue
son la cantidad de operarios, número de máquinas, tiempos necesario identificar aquellas variables controlables y no
por proceso, cantidad de paradas por mantenimiento o avería, controlables. Por citar algunos ejemplos, las variables
tiempo de set-up, entre otros. controlables fueron la cantidad de operarios disponibles para
B. Diagnóstico inicial el trabajo, el número de máquinas y el tiempo de parada de
las inyectoras. Asimismo, algunos de los no controlables
El resultado obtenido de la fase de diagnóstico inicial
identifica al retraso en la entrega de pedidos como principal fueron los tiempos de inyección y los tiempos relacionados al
problema presentado por la empresa. En este sentido existe desarrollo de las actividades productivas humanas.
una brecha técnica bastante amplia, ya que actualmente se De la misma manera, se realiza el tratamiento de la data
cuenta con un nivel de cumplimiento de entregas aproximado input mediante el software Input Analyzer complemento del
de 57,6% mientras que el promedio del sector se sitúa en Arena. De ello, se obtiene la distribución estadística para la
95%. Además, se sabe que el 11% de los pedidos entregados data que dará sentido al modelo de simulación. Los resultados
fuera de tiempo se retrasaron en más de una semana. obtenidos fueron los siguientes.
Asimismo, esta situación ha impactado en los costos de la TABLA X
empresa generando pérdidas por penalidad de S/. 115,851.4 DISTRIBUCIÓN ESTADÍSTICA DE DATA INPUT
y S/. 553,860.4 por sobrecostos operativos. Asimismo, las
causas identificadas por la metodología fueron tiempos Proceso Distribución Estadística
improductivos con un 59,22% de participación, movimientos
y traslados innecesarios con 26,43% y reprocesos debido a Inyección plástica Triangular (3,72;5,20;6,00)
fallos en la calidad del producto final con un 14,36%. La tabla Rebabado de copas Normal (1,96;0,359)
siguiente muestra el estado inicial de los indicadores Serigrafiado Normal (4,03;0,414)
seleccionados para medir el impacto de la mejora y la mejora
esperada para cada indicador. Embolsado Normal (2,99;0,296)
TABLA IX Encajado Normal (4,02;0,393)
INDICADORES INICIALES Y EXPECTATIVA DE MEJORA
Finalmente, se realiza la configuración del simulador con
Indicadores Valor inicial Expectativa
Nivel de cumplimiento de
los parámetros establecidos de la recolección de data y se
57,65% 95% obtiene el modelo final de simulación. El simulador se
entrega de pedidos
Nivel de esfuerzo por traslado configura para 264 días y 8 horas por día que es lo que
1’892,782.48 656,186.31
(kg-m/mes) equivale a un año de trabajo neto. Asimismo, se ha trabajado
Tiempo de búsqueda de con una base muestral inicial de tamaño de 100.
5,80% 0,12%
herramientas Posteriormente se hacer la validación del tamaño muestral y
Tiempo de cambio de molde
175,2 76 se corrobora la cantidad como suficiente para que los datos
(min)
Overall Equipment sean válidos en el estudio. También se aclara que la
20,78% 28% simulación considerará únicamente un turno por día. Luego
Effectiveness (OEE)
de la aclaración, se muestra un ejemplo del proceso seguido
para la configuración se muestra en la figura siguiente.
Fig. 13. Diagrama BPMN del proceso para la simulación de eventos discretos.
y el control de peligros y riesgos. De esta manera, se espera
mantener el ambiente de trabajo libre de incidentes y
aumentar la satisfacción de los colaboradores. En cuanto al
espíritu de equipo los campeonatos de futbol fueron
realizados con éxito. Tras esta iniciativa se puedo evidenciar
un mejor ambiente laboral y el fortalecimiento de los vínculos
afectivos dentro de la planta.
V. DISCUSIÓN
A. Nuevos Escenarios vs Resultados
En este apartado se muestra la validación de 3 nuevos
escenarios de implementación del modelo propuesto. El
primer escenario es luego de 3 meses de la implementación,
el segundo escenario luego de 6 meses y, finalmente, el tercer
escenario será luego de 1 año de haber culminado con la
implementación del modelo.
Asimismo, la comparación de los escenarios se realizará en
base a los indicadores mostrados anteriormente.
Fig. 16. Delimitación de espacios y asignación de códigos. a) Primer escenario
El recojo de datos en este primer escenario se realiza
Finalmente, respecto a las 2 “S” adicionales propuestas se luego de 3 meses de haber culminado con la tercera fase de
siguió el procedimiento planteado aplicando la señalización
implementación del modelo. Los resultados obtenidos son los § El esfuerzo por transporte y carga de materiales fue de
siguientes: 711,049.66 Kg-m/mes.
§ El esfuerzo por transporte y carga de materiales fue de § La distancia recorrida por los operarios fue de 176.54 m.
711,049.66 Kg-m/mes. § El tiempo de cambio de molde resultó ser de 60 min.
§ La distancia recorrida por los operarios fue de 176.54 m. § La calificación en las auditorías 7S es de 92%.
§ El tiempo de cambio de molde resultó ser de 72 min. § El tiempo de búsqueda de herramientas se reduce a un
§ La calificación en las auditorías 7S es de 86%. porcentaje de 0.01%.
§ El tiempo de búsqueda de herramientas se reduce a un § Los resultados de OEE incrementan hasta 54%.
porcentaje de 0.10%.
En 1 año, luego de la implementación de la fase 3 del
§ Los resultados de OEE incrementan hasta 35%.
modelo, se muestran muy buenos resultados en los
En 3 meses luego de la implementación de la fase 3 del indicadores respecto a los escenarios anteriores. Esto debido
modelo ya se observan mejores resultados. Esto debido al a que la fase de sostenibilidad evolucionó a un nivel más
desarrollo de la fase 4; sin embargo, esta aún está en proceso. sólido y estructurado. Asimismo, es el resultado de la
Por lo tanto, se esperan mejores resultados en el siguiente participación e involucramiento de los operarios durante este
escenario. Por otro lado, se observa que los indicadores proceso de optimización de operaciones.
relacionados con la implementación de la metodología SLP
se mantienen constantes. Esto debido a que no forma parte de TABLA XIV.
la fase de sostenibilidad, y no se le da un seguimiento dentro % DE CUMPLIMIENTO DE PEDIDOS INICIAL VS. ESCENARIO 3
del sistema de mejora continua. % de cumplimiento de pedidos % cumplimiento de pedidos
(Situación inicial) (3er escenario)
TABLA XII. 57% 91%
% DE CUMPLIMIENTO DE PEDIDOS INICIAL VS. ESCENARIO 1
% de cumplimiento de pedidos % cumplimiento de pedidos
(Situación inicial) (1er escenario) B. Análisis de Resultados
57% 75% La tabla X muestra el resumen de los indicadores por cada
escenario analizado. Se observa que los resultados varían
pero que siguen siendo favorables y además, reafirman la
b) Segundo escenario
viabilidad de la implementación propuesta.
El recojo de datos en este segundo escenario se realiza
luego de 6 meses de haber culminado con la tercera fase de TABLA XV.
implementación del modelo. Los resultados obtenidos son los ANÁLISIS DE RESULTADOS POR ESCENARIOS
siguientes: Indicadores Antes 3 meses 6 meses 1 año
§ El esfuerzo por transporte y carga de materiales fue de Cumplimiento de
711,049.66 Kg-m/mes. entrega de pedidos 57 75 82 91
§ La distancia recorrida por los operarios fue de 176.54 m. (%)
§ El tiempo de cambio de molde resultó ser de 66 min. Esfuerzo (kg-
1’892,783 711,050 711,050 711,050
m/mes)
§ La calificación en las auditorías 7S es de 90%.
§ El tiempo de búsqueda de herramientas se reduce a un Distancia (m) 437.3 176.5 176.5 176.5
porcentaje de 0.05%. Tiempo de cambio
175 72 66 60
§ Los resultados de OEE incrementan hasta 42%. de molde (min)
TABLA XIII.
% DE CUMPLIMIENTO DE PEDIDOS INICIAL VS. ESCENARIO 2 En el primer escenario el índice de cumplimiento de
% de cumplimiento de pedidos % cumplimiento de pedidos pedidos llega a un 75%, mientras que inicialmente fue de solo
(Situación inicial) (2do escenario) 57%. Asimismo, en los escenarios 2 y 3 se obtuvo 82% y 91%
57% 82% respectivamente. Se nota una pendiente positiva en cuanto a
resultados, esto podría deberse a un mejor desarrollo y
c) Tercer escenario entendimiento de la última fase del modelo.
Por otro lado, los indicadores de esfuerzo y distancia se
El recojo de datos en este tercer y último escenario se
mantienen constantes debido a que no se modificará
realiza luego de 1 año de haber culminado con la tercera fase
nuevamente la distribución de planta y que, además, esa fase
de implementación del modelo. Los resultados obtenidos son
del modelo no conecta con la fase de sostenibilidad, es decir,
los siguientes:
no se le da un enfoque de mejora continua.
C. Trabajos Futuros 2028. Recuperado de https://www.grandviewresearch.com/industry-
analysis/injection-molded-plastics-market.
Para futuras investigaciones se recomienda abordar los [3] Carhuavilca, D. (2021). Situación del Sector Plástico en el Perú
siguientes puntos: Aspectos cuantitativos. INEI. Recuperado de
§ Complementar el modelo propuesto integrando otros https://www.inei.gob.pe/media/MenuRecursivo/boletines/presentacio
n-iii-congreso-internacional-plasticos.pdf
pilares del TPM como: (1) Formación y adiestramiento
[4] Nawanir, G., Lim, K.T., Ramayah, T., Mahmud, F., Lee, K.L. &
y (2) Mantenimiento Preventivo. Estos pilares brindarán Maarof, M.G. (2020). Synergistic effect of lean practices on lead time
el soporte necesario para reforzar los conocimientos y reduction: mediating role of manufacturing flexibility. Benchmarking:
habilidades de los operarios. Además, contribuirán con An International Journal, 27(5), 1815-1842. doi: 10.1108/BIJ-05-2019-
0205.
el avance a una meta de cero averías de maquinaria, lo [5] Niemi, T., Hameri, A.-P., Kolesnyk, P. & Appelqvist, P. (2020). What
que mejorará significativamente el OEE. is the value of delivering on time?. Journal of Advances in
§ Replicar el modelo propuesto en diferentes sectores Management Research, 17(4), 473-503. doi: 10.1108/JAMR-12-2019-
0218.
industriales y hacer un análisis comparativo con las
[6] Ribeiro, P., Sá, J.C., Ferreira, L.P., Silva, F.J.G., Pereira, M.T. &
oportunidades encontradas. Santos, G. (2019). The Impact of the Application of Lean Tools for
§ Expandir el alcance del estudio progresivamente, y Improvement of Process in a Plastic Company: a case study. Procedia
analizar los resultados luego de la implementación del Manufacturing, 38(2019), 765-775. doi:
10.1016/j.promfg.2020.01.104.
modelo en distintos procesos clave dentro de una
[7] Delgado, C. & Olivos, E. (2019). Reducción de tiempo de entrega de
empresa manufacturera. productos terminados basado en la implementación de mejora en la
gestión de abastecimiento en una empresa fabricante de productos
VI. CONCLUSIONES plásticos [Tesis de titulación]. Universidad Ricardo Palma.
[8] Guillén, K. & Umasi, K. (2019). Modelo LEAN para la optimización
El desarrollo del presente estudio ha contribuido con una del proceso de fabricación de bolsas plásticas en una empresa del
solución alternativa al problema de retrasos en la entrega de sector de plásticos [Tesis de titulación]. Universidad Peruana de
Ciencias Aplicadas.
pedidos en el sector plástico. Esto se ha logrado mediante la
[9] Cheng, B. & Kuan, C. (2018). Implementing Quick Response
integración de las metodologías Lean y SLP que han Manufacturing to Improve Delivery Performance in an ETO Company.
demostrado un alto grado de complementariedad. Gracias a International Journal of Applied Science and Engineering, 7(2.28), 38
ello se pueden sacar las siguientes conclusiones: – 46.
[10] Xiaosong, D. & Lu, G. (2017). Exploring the Impact of Delivery
• La implementación de 5S y SLP en la etapa inicial de Performance on Customer Transaction Volume and Unit Price:
estabilización del proceso productivo ha contribuido en la Evidence from an Assembly Manufacturing Supply Chain. Production
and Operations Management, 26(5), 880-902.
reducción del esfuerzo realizado por los operarios en un [11] Marino, G., Zotteri, G. & Montagna, F. (2018). Consumer sensitivity
62%. Asimismo, el tiempo destinado a la búsqueda de to delivery lead time: a furniture retail case. International Journal of
herramientas ahora es casi inexistente, ya que todo está Physical Distribution & Logistics Management, 48(6), 610-629. doi:
10.1108/IJPDLM-01-2017-0030.
asignado a un lugar y es constantemente supervisado por
[12] Hao Luo, X. & Yang, X. (2019). A synchronized production-
lo que hubo una reducción de 98%. warehouse management solution for reengineering the online-offline
integrated order fulfilment. Transportation Research Part E, 122(7),
• La propuesta del SMED y TPM para optimizar la 211-230. doi: 10.1016 / j.tre.2018.12.010
preparación de maquinaria y el mantenimiento ha sido [13] Zhang, J., Onal, S., Das, R., Helminsky, A. & Das, S. (2019).
exitosa. Se han incrementado los indicadores de tiempo Fulfilment time performance of online retailers – an empirical analysis.
de cambio de molde en un 57% pasando de 175,2 minutos International Journal of Retail & Distribution Management, 47(5),
493-510. doi: 10.1108/IJRDM-10-2017-0237.
para el set-up a tan solo 76 minutos. De la misma manera, [14] Seth, D., Seth, N. & Goel, D. (2008). Application of Value Stream
el OEE de las inyectoras tuvo un incremento de 7%, lo Mapping (VSM) for Minimization of Wastes in the Processing Side of
cual mejora la disponibilidad y optimiza el flujo Supply Chain of Cottonseed Oil Industry in Indian Context. Journal of
Manufacturing Technology Management, 19(4), 529–550.
productivo.
[15] Malpartida Gutiérrez, J. N. (2020). Importancia del uso de las
• El índice de cumplimiento de entrega de pedidos, el cual herramientas Lean Manufacturing en las operaciones de la industria del
plástico en Lima. Llamkasun, 1(2), 77–89.
era el motivo principal del estudio, fue correctamente https://doi.org/10.47797/llamkasun.v1i2.16
abordado brindando resultados positivos. Se obtuvo una [16] Seth, D., Seth, N. & Dhariwal, P. (2017). Application of value stream
mejora significativa de 13,4%. Si bien aún se encuentra mapping (VSM) for lean and cycle time reduction in complex
por debajo del estándar del sector es un avance importante production environments: a case study. Production Planning &
Control, 28(5), 398-419, doi: 10.1080/09537287.2017.1300352.
para la empresa hacia el logro de la excelencia operativa. [17] Sultana, I., & Ahmed, I. (2013). A state of art review on optimization
techniques in just in time. International Journal of Optimization
Techniques in Manufacturing, 2(1), 15–26.
REFERENCIAS [18] Martins, M., Godina, R., Pimentel, C., Silva, F.J.G. & Matias, J.
(2018). A Practical Study of the Application of SMED to Electron-
beam Machining in Automotive Industry. Procedia Manufacturing,
[1] PlasticEurope. (2020). Plastics – the Facts 2020 (2020). Recuperado 17(2018), 647-654. doi: 10.1016/j.promfg.2018.10.113.
de https://plasticseurope.org/es/wp-
content/uploads/sites/4/2021/11/Plastics_the_facts-WEB- [19] Alvarado, L., Quispe, G. & Raymundo, C. (2018). Method for
2020_versionJun21_final-1.pdf. Optimizing the Production Process of Domestic Water Tank
Manufacturing Companies. International Journal of Engineering
[2] Grand View Research. (2021). Injection Molded Plastics Market Size, Research and Technology. 11(11), 1735-1757.
Share & Trends Analysis Report by Raw Material (Polypropylene,
ABS, HDPE, Polystyrene), by Application (Packaging, Automotive & [20] Ekincioglu, C. & Boran, S. (2018). SMED methodology based on
Transportation, Medical), by Region, And Segment Forecasts, 2021 – fuzzy Taguchi method. Journal of Enterprise Information
Management, 31(6), 867– 878.
[21] Yazıcı, K., Gökler, S.H. & Boran, S. (2020). An integrated SMED- [33] Braglia, M., Castellano, D. & Gallo, M. (2019). A novel operational
fuzzy FMEA model for reducing setup time. Journal of Intelligent approach to equipment maintenance: TPM and RCM jointly at work.
Manufacturing. doi: 10.1007/s10845-020-01675-x. Journal of Quality in Maintenance Engineering, 25(4), 612-634. doi:
[22] Singh, J., Singh, H. & Singh, I. (2018). SMED for quick changeover in 10.1108/JQME-05-2016-0018.
manufacturing industry – a case study. Benchmarking: An [34] Sahoo, S. (2019). Assessment of TPM and TQM practices on business
International Journal, 25(7), 2065 – 2088. doi: doi.org/10.1108/BIJ- performance: a multi-sector análisis. Journal of Quality in
05-2017-0122. Maintenance Engineering. 25(3), 412-434. DOI: 10.1108 / JQME-06-
[23] Dhanjibhai, A. & Shankarrao, G. (2019). Strategic implementation of 2018-0048.
5S and its effect on productivity of plastic machinery manufacturing [35] Maina, E., Muchiri, P. & Keraita J. (2018). Improvement of Facility
company. Australian Journal of Mechanical Engineering, 13(2), 2204- Layout Using Systematic Layout Planning. Journal of Engineering,
2253. doi: 10.1080/14484846.2019.1676112. 8(5), 33-43.
[24] Sukdeo, N., Ramdass, K. & Petja, G. (2020). Application of 7S [36] Mansur, M. & Ahmarofi, A. (2020). Designing the Re-layout of the
methodology: a systematic approach in a bucket manufacturing Production Floor Using Integrated Systematic Layout Planning (SLP)
organisation. South African Journal of Industrial Engineering, 31(4), and Simulation Methods. International Journal of Industrial
178-193. doi: 10.7166/31-4-2283. Management, 6(1), 50-57.
[25] Nallusamy, S., Kumar, V., Yadav, V., Prasad, U. & Suman, S. (2018). [37] Zhang, Z., Wang, X., Wang, X., Cui, F. & Cheng, H. (2019). A
Implementation Of Total Productive Maintenance To Enhance The simulation-based approach for plant layout design and production
Overall Equipment Effectiveness In Medium Scale Industries. planning. Journal of Ambient Intelligence and Humanized Computing,
International Journal of Mechanical and Production Engineering 10, 1217-1230. doi.org/10.1007/s12652-018-0687-5.
Research and Development. 8(1), 1027-1038. [38] Suhardi, B., Juwita, E. & Dwi, R. (2019). Facility layout improvement
[26] Singh, J., Singh, H. and Sharma, V. (2018). Success of TPM concept in sewing department with Systematic Layout planning and
in a manufacturing unit – a case study. International Journal of ergonomics approach. Cogent Engineering, 6(1). doi:
Productivity and Performance Management, 67(3), 536-549. doi: 10.1080/23311916.2019.1597412.
10.1108/IJPPM-01-2017-0003. [39] Potadar O.V. & Kadam G.S. (2019). Development of Facility Layout
[27] Bataineh, O., Al-Hawari, T., Alshraideh, H. & Dalalah, D. (2019). A for Medium-Scale Industry Using Systematic Layout Planning.
sequential TPM-based scheme for improving production effectiveness Proceedings of International Conference on Intelligent Manufacturing
presented with a case study. Journal of Quality in Maintenance and Automation, 473-483. doi: 10.1007/978-981-13-2490-1_43.
Engineering. 25(1), 144-161. DOI: 10.1108 / JQME-07-2017-0045. [40] Qamar, A.M., Meanazel, O.T., Alalawin, A.H. & Almomani, H.
[28] Xiang, Z. & Feng, C. (2020). Implementing Total Productive (2020). Optimization of Plant Layout in Jordan Light Vehicle
Maintenance in a Manufacturing Small or Medium-Sized Enterprise. Manufacturing Company. Journal of The Institution of Engineers
Journal of Industrial Engineering and Management. 14(2), 152-175. (India): Series C, 101, 721-728. (2020). doi: 10.1007/s40032-020-
DOI: http://dx.doi.org/10.3926/jiem.3286. 00576-5.
[29] Karasu, M. & Salum, L. (2018). FIS-SMED: a fuzzy inference system [41] Nwanya, S., Udofia, J. & Ajay, O. (2017). Optimization of machine
application for plastic injection mold changeover. International downtime in the plastic manufacturing. Cogent Engineering. 4(1), 1-
Journal of Advanced Manufacturing Technology, 94, 545-559. doi: 12. DOI: 10.1080 / 23311916.2017.1335444
10.1007/s00170-017-0799-7. [42] Agung, D. & Hasbullah, H. (2019). Reducing The Product Changeover
[30] Randhawa, J.S. & Ahuja, I.S. (2018). An investigation into Time Using Smed & 5s Methods In The Injection Molding Industry.
manufacturing performance achievements accrued by Indian Applied Econometrics. 23(3), 199-212. DOI: 10.22441 /
manufacturing organization through strategic 5S practices. sinergi.2019.3.004
International Journal of Productivity and Performance Management, [43] Bianchi, M.J., Conforto, E.C., & Amaral, D.C. (2021). Beyond the
67(4), 754-787. doi: 10.1108/IJPPM-06-2017-0149. agile methods: a diagnostic tool to support the development of hybrid
[31] Shukla, H. & Ganvir, K. (2018). Implementation of Kaizen and 5S in models. International Journal of Managing Projects in Business,
Plastic Pipe Manufacturing Unit. International Journal of Applied 14(5), 1219-1244. doi: 10.1108/IJMPB-04-2020-0119.
Science and Engineering, 6(1), 11 – 18. doi: 10.30954/2322- [44] Dadashnejad, A.-A., & Valmohammadi, C. (2018). Investigating the
0465.1.2018.2. effect of value stream mapping on operational losses: a case study.
[32] Guillen, K., Umasi, K., Quispe, G. & Raymundo, C. (2018). LEAN Journal of Engineering, Design and Technology, 16(3), 478-500.
Model for Optimizing Plastic Bag Production in Small and Medium doi:10.1108/JEDT-11-2017-0123.
Sized Companies in the Plastics Sector. International Journal of
Engineering Research and Technology. 11(11), 1713-1734.