Reducción del tiempo de entrega basado en un
modelo de optimización Lean-SLP en pymes
peruanas del sector plástico
David Cordova-Pillco Mirian Mendoza-Coaricona
Ingeniería Industrial Ingeniería Industrial
Universidad Peruana de Ciencias Universidad Peruana de Ciencias
Aplicadas Aplicadas
Lima, Perú Lima, Perú
U201621601@upc.edu.pe U201714372@upc.edu.pe
Abstract— El contexto actual del sector de fabricación
plástico ha sufrido una alteración importante en los últimos años
debido a factores externos como la pandemia del Covid-19. A
nivel nacional se ha detectado que el 64% de las empresas utiliza
únicamente entre el 61% al 70% de su capacidad instalada.
Además, la rentabilidad del sector ha caído en 3% en los últimos
8 años. Gracias a ello, se ha determinado que las posibles
causales están relacionadas a problemas de eficiencia y
productividad. Todo ello, origina el problema de retraso en la
entrega de pedidos, el cual es el principal motivador del
desarrollo del presente trabajo. Por lo tanto, se propone el
desarrollo de un modelo de optimización de doble enfoque que
valora tanto la mejora a nivel operativo como las condiciones
laborales y el espíritu de equipo que motivan el accionar de los
colaboradores. En este modelo se abordan herramientas
correspondientes a la metodología Lean y SLP. Asimismo, el
principal diferenciador de esta propuesta es la integración de
una fase de sostenibilidad con enfoque de mejora continua para
la trascendencia de la aplicación a lo largo del tiempo.
Finalmente, algunos de los principales resultados obtenidos
producto de esta investigación fueron el incremento del índice
de cumplimiento de pedidos en un 13,4%, la reducción del
esfuerzo de los operarios en un 62%, la disminución del tiempo
de set-up en 57% y el incremento del OEE en un 7%.
Keywords— Plastic industry, Set up time, 5S, Order delivery
fulfillment, Systematic layout planning (SLP), Total productive
maintenance (TPM)
I. INTRODUCCIÓN
La importancia del plástico en la fabricación se ha
mantenido a lo largo del tiempo desde su aparición en la
industria hace más de 70 años. Según el último reporte
realizado por PlasticEurope, la producción de plástico a nivel
global ha incrementado de 359 millones de toneladas
registradas en el 2018 a 368 millones de toneladas para el
2019. Asimismo, el continente asiático es el que concentra la
mayor cantidad de producción con un 51% del total. En cuanto
a América Latina, esta se mantiene con un nivel de
participación bajo del 4% [1]. En cuanto al mercado mundial
de inyección de plásticos este ha sido valorado por 265,1 mil
millones de dólares en el año 2020 y se proyecta una tasa de
crecimiento anual compuesta del 4,6% para el período 2021-
2028. No obstante, la pandemia de coronavirus ha ralentizado
de manera considerable las actividades de producción en este
mercado y se han evidenciado carencias tanto a nivel
administrativo como en las operaciones de producción [2]. En
este sentido, el escenario peruano no se ha visto ajeno a la
realidad del sector. Según el informe más reciente presentado
por el INEI, la manufactura de productos plásticos ha caído en
1,5% durante el primer semestre del 2021. Si bien este
XXX-X-XXXX-XXXX-X/XX/$XX.00 ©20XX IEEE
Juan Quiróz-Flores
Ingeniería Industrial
Universidad Peruana de Ciencias
Aplicadas
Lima, Perú
pciijqui@upc.edu.pe
escenario es mejor que el del año anterior (-5,2%), aún queda
brecha para la recuperación del sector. Se ha reportado que el
64% de las empresas peruanas en la actualidad utiliza
únicamente del 61%-70% de su capacidad instalada.
Asimismo, la rentabilidad sobre las ventas también se ha visto
notablemente afectada pasando de 6,2% en el 2011 a 3,2%
para el año 2019 [3]. Sin embargo, uno de los problemas
presentados con más recurrencia ha sido el del retraso en la
entrega de pedidos ocasionado por desperdicios operativos e
ineficiencias en el proceso de manufactura [4][5][6]. Se ha
demostrado que retraso de hasta dos semanas en la entrega
afectan de manera significativa en el nivel de ventas futuras
hasta en 10% y, por consiguiente, se incrementan los costos
relacionados [4][5].
Así pues, según lo estudiado esta problemática influye de
manera significativa no solo en los costos adicionales
incurrido por la empresa, sino también en lo que respecta a la
reputación y el valor de marca. Ante ello, se han propuesto
diversas opciones de solución. La primera de ellas establece
un plan de mejora en el área de gestión de abastecimiento para
reducir el tiempo de entrega. Las herramientas planteadas para
el desarrollo fueron, principalmente, diagrama de Pareto,
encuestas de satisfacción, homologación de proveedores,
matriz BCG, matriz Kraljic y plan de abastecimiento. Gracias
estas mejoras propuestas el porcentaje de entrega del producto
terminado mejoró en 58% pasando de 17 días a 10 días que
era lo establecido desde un inicio. Así también se dio una
reducción del 23% en los costos de venta [7]. En otra
investigación también se aborda la problemática planteada. En
este caso se aborda una empresa productora de bolsas plásticas
con retrasos en la producción y por ello en la entrega del
producto final al cliente con un índice de incumplimiento de
41,67%. Las iniciativas adoptadas en este caso se relacionan a
la aplicación de herramientas Lean como el Jidoka, Kanban,
5s y TPM. Gracias a ello, el estudio determinó un porcentaje
de mejora bastante significativo de 8% en lo que respecta a
productos defectuosos, 4% para reprocesos y 37% en el índice
de cumplimiento de pedidos [8].
En consecuencia, la presente investigación buscará aportar
a la literatura existente respecto a temas de incremento en el
índice de cumplimiento de entrega de pedidos valiéndose de
la reducción del Lead Time y otros tiempos muertos. Con ello
se buscará evitar incurrir en costos adicionales por penalidad
de retraso y sobrecostos operativos. Además, se priorizará la
creación de las mejores condiciones laborales posibles para
los colaboradores. Para ello, se propone un modelo de
optimización de doble enfoque debido a su naturaleza de
mejora operativa y desarrollo del capital humano. Asimismo,
la novedad planteada sería una fase extra orientada la
sostenibilidad bajo un enfoque de mejora continua. De esta
manera, la investigación podrá trascender en el tiempo y se
daría lugar a una mejora real. Así pues, el modelo contendrá
una fase inicial de diagnóstico, seguido de una relacionada a
la estabilización del proceso productivo. Finalmente, se
concluiría con la optimización de tiempos de preparación y
mantenimiento de maquinaria y la sostenibilidad de la
implementación.
El desarrollo del presenta artículo se divide en 6 capítulos. El
segundo capítulo abordará el estado del arte con la totalidad
de literatura consultada respecto a el problema principal, el
desarrollo de herramientas Lean, los rediseños en la
disposición de planta, modelo de optimización propuestos y
metodologías de evaluación y diagnóstico. En cuanto al tercer
capítulo, se desarrollará el aporte de la presente investigación,
los componentes e indicadores más relevantes. En el cuarto
capítulo se presenta la validación del estudio mostrando el
diagnóstico inicial, el diseño de la validación y la simulación
final de la propuesta junto con el plan piloto. Posteriormente,
el quinto capítulo abordará la discusión final proponiendo
nuevos escenarios, los resultados de estos y algunos trabajos
futuros. Finalmente, el capítulo cinco mostrará algunas de las
principales conclusiones a las que se ha llegado producto de
la investigación.
II. ESTADO DEL ARTE
El desarrollo de un modelo que permita la optimización de
los tiempos de fabricación y, por ende, permita el
cumplimiento de los pedidos requiere abordar una serie de
herramientas de ingeniería que se adapten a la situación
actual. Por ello, en este apartado se realiza una investigación
bibliográfica detallada de los factores más relevantes para el
estudio y que contribuirán de manera significativa en la
construcción del modelo propuesto.
A. Retraso e incumplimiento en la entrega de pedidos
Las exigencias actuales del sector manufacturero son cada
vez más rigurosas, por lo que factores como el índice de
cumplimiento en la entrega adoptan un rol fundamental para
mantener la competitividad en el mercado [9]. En este
sentido, se ha estudiado el impacto de los retrasos e
incumplimientos en la entrega de pedidos. Estudios han
demostrado el impacto negativo que tiene una entrega tardía
en las ventas futuras y en el establecimiento de precios [10].
Respecto a ello, un cambio en la programación de la entrega
de producto de 2 a 7 días ocasiona una disminución
aproximada en la demanda futura de entre 6,87% a 10,99%
[11]. Asimismo, se han determinado también tiempos de
prolongación en el efecto de las entregas hechas fuera de
tiempo. Resulta que entregas con 15 días de retraso tienen un
impacto máximo de 10% en el desarrollo de futuras ventas y
este efecto perduraría en promedio entre 3 a 4 semanas. En el
caso de retrasos de 30 a 45 días el impacto sería de entre 15-
20% y duraría aproximadamente 4 a 6 semanas [7].
Ante esto, se han planteado diversas medidas de solución
y resultados variables como consecuencia de la aplicación
según el entorno y las características del sistema en particular
[6][9][12][13]. Algunas de las opciones evaluadas son el
Quick Response Manufacturing (QRM) que no tuvo éxito
debido a un estudio insuficiente de las causas raíz del
problema [9]. El Ant Colony Optimization (ACO) y Genetic
Algorithm (GA) también se aplicó dando resultados
favorables en mejora de flexibilidad del sistema productivo.
Sin embargo la complejidad era demasiado elevada para el
uso cotidiano [12]. Asimismo, se opta por rediseños a nivel
logístico con buenos resultados para el sector de servicios
mas no para la manufactura [13]. Finalmente, la aplicación
del Lean Manufacturing fue la que mejores resultados dio en
el largo plazo solucionando los problemas alusivos al tiempo
de entrega dentro de la cadena de suministros [4][14]. Por lo
tanto, se puede identificar este campo de estudio como el más
factible para la ampliación del conocimiento y la aplicación
rápida y sencilla.
B. Desarrollo de herramientas Lean Manufacturing
En la actualidad la metodología denominada Lean
Manufacturing se ha convertido en una de las más usadas
dentro de la industria manufacturera. Esto se debe muy
probablemente a su contribución en el manejo eficiente de los
desperdicios generados a lo largo de un proceso, sobre todo,
productivo. Además, se destaca su versatilidad de aplicación
en cualquier tipo de industria [15]. Así pues, se ha observado
la efectividad de algunas de las herramientas del Lean en lo
que respecta al diagnóstico de la situación actual mediante
herramientas como el VSM y el Just in Time [16][17].
Asimismo, las herramientas pueden ser utilizadas para
desarrollar iniciativas de mejora continua, eficiencia
operacional y optimización de tiempos. Por ejemplo, estudios
han demostrado la utilidad del SMED como alternativa de
solución a los tiempos excesivos de set-up o preparación de
maquinaria dentro de la industria de producción. Algunas de
las mejoras más significativas brindaron una reducción de los
tiempos empleados dentro del rango de 48 a 60%
aproximadamente, además, se aumentó la efectividad global
de los equipos (OEE) a niveles superiores al 80%
[18][19][20][21]. Sin embargo, también se presentaron casos
en los cuales la mejora no fue tan considerable pasando de
209,36 a 167,09 minutos en el tiempo de preparación [22].
Por otro lado, la herramienta 5S también ha sido evaluada por
diversos autores. Esta ha demostrado tener un impacto
positivo en el desempeño de la producción y la optimización
de tiempos improductivos. Tras la aplicación de la
herramienta los tiempos destinados a la búsqueda de
materiales se redujeron de 8,6 a 3,1 horas en una empresa
fabricante de maquinaria de plástico [23]. Asimismo, se han
propuesto alternativas que complementan la herramienta
como la inclusión de 2 “s” adicionales enfocadas en el
desarrollo del espíritu laboral y la seguridad. Gracias a ello se
han presentado mejoras de entre 30 a 50% en el desempeño
general de las auditorías [24]. En adición, se estudia el
impacto del TPM en problemáticas alusivas a la avería de
maquinaria, baja eficiencia operativa de equipos y altos
índices de paradas no programadas. Muchas de las empresas
investigadas muestran un desempeño inicial del OEE por
debajo del estándar mundial (85%) [25]. De hecho, estas
compañías presentan niveles de OEE dentro del rango de 30
a 55% aproximadamente, lo cual evidencia un escaso
aprovechamiento de la capacidad de los equipos y, por ende,
del tiempo destinado a la fabricación. Por ello, tras la
aplicación de algunos de los pilares que componen el TPM se
han conseguido mejoras de entre 12 a 27% valiéndose
únicamente de dicha herramienta [26][27][28].
Tras evaluar diversos escenarios de aplicación para las
herramientas pertenecientes al Lean gran parte de los autores
concluyen que por si solas las herramientas no son del todo
efectivas en el logro de la optimización de tiempos, reducción
de costos y sostenibilidad de mejora. En el caso del SMED la
mayoría de los expertos recomiendan complementar la
herramienta con opciones como el Sistema de Interferencia
Difusa (FIS), VSM, SIPOC, Método de Taguchi y otros
métodos y herramientas de mejora de la calidad
[19][20][21][29]. De la misma manera, en el caso del 5S los
autores resaltan la importancia de optar por herramientas
complementarias que permitan maximizar los resultados
finales de la aplicación. Algunos de los principales son el
Kaizen, SMED, Poka-Joke, 3M y el Jidoka. Gracias a ello,
algunos de los principales indicadores como el Lead Time se
redujeron en 4,04% y el cumplimiento de los plazos de
entrega pasaron de 58% a 95% [30][31][32]. Finalmente, el
TPM postula de manera similar la complementariedad de la
herramienta con otras que cubren algunas carencias en
específico. Algunos ejemplos abordados son el
mantenimiento centrado en la confiabilidad (RCM) y la
gestión de la calidad total (TQM) que demostró su efectividad
para el sector de alimentos, bebidas, eléctricos y electrónicos,
mas no en los demás sectores por lo que es incompleta
[33][34].
C. Rediseño de disposición para una planta productiva
La correcta ubicación de las unidades de producción
correspondientes a una planta manufacturera es de vital
importancia al momento de llevar a cabo operaciones
eficientes e incrementar los índices de productividad
[35][36]. En este sentido, los autores coinciden en que la
metodología del Systematic Layout Planning es una de las
más eficientes, ya que permite reducir considerablemente los
tiempos destinados al desplazamiento entre áreas, reduce los
costos de trasporte y manipuleo, crea ambientes de trabajo
más seguros y cómodos (ergonómicos) y maximiza la
utilización de maquinaria [37][38]. En un caso desarrollado
para una empresa de mecanizado se mejoró el diseño
existente de las instalaciones y se obtuvo una mejora
considerable en la flexibilidad del proceso, el flujo de
materiales y personas y el porcentaje de utilización de los
espacios [35]. Asimismo, la aplicación de la metodología se
evaluó en mypes que presentaban costos de transporte
elevados de aproximadamente 177,372.7 rupias al mes. El
resultado final obtenido fue un ahorro de 20,633.4 rupias o
11,63% [39]. En otra investigación se optó por complementar
la metodología SLP con un estudio ergonómico pues así se
logra mejorar la calidad de trabajo percibido por el operario.
De ello se obtuvo una mejora del 23,88% en distancia de
traslados y se redujo el costo de manejo de materiales en un
22,92% [38].
Así pues, se concluye que la aplicación del SLP es efectiva
en la gran mayoría de escenarios, especialmente cuando se
trata de adaptar un sistema productivo ya existente a una
situación que aproveche mejor las condiciones del contexto.
No obstante, los métodos utilizados para la elección y
validación de propuesta de distribución son variados. En un
estudio se proponen algoritmos matemáticos y métodos
heurísticos los cuales aumentan el porcentaje de utilización
de herramientas hasta 90% [37]. Por otra parte, se opta
también por evaluar las 5 propuestas de diseño realizadas
mediante un proceso de jerarquización analítica que se basa
en 3 criterios validados por una ratio de consistencia (CR)
[40]. Por último, se ha determinado que la implementación de
un cuadro y un diagrama relacional de actividades resulta un
método bastante efectivo y sencillo de aplicar, pues brinda
información específica, cuantitativa y medible respecto a la
magnitud de la mejora presentada por cada escenario. Esta
opción sería especialmente efectiva y aplicable en el caso de
pequeñas y medianas empresas, ya que se ahorra en costos y
tiempo de planificación [35][36][38][39].
D. Modelo de optimización de tiempos en sector de
fabricación plástica
Tras determinar el grado de importancia que tiene la
productividad y eficiencia de tiempos en la fabricación
plástica diversas fuentas han propuesto soluciones
alternativas para la mejora en este apartado. En una primera
propuesta se estudian los largos tiempos de entrega para una
linea de producción de sillas plásticas. Esta posee un OEE de
entre 60 y 81%, el cual se encuentra por debajo del estandar
del sector (85%) y además es inestable. Ante ello, se propone
un modelo que integra la programación lineal mediante
MATLAB y el análisis de regresión multiple. En líneas
generales la producción aumentó considerablemente como
consecuencia de una mejora de 332 minutos en el tiempo de
actividad total por turno, sin embargo, este modelo resulta
complejo en cuanto a su aplicación [41]. De la misma manera,
una empresa de fabricación de envases plásticos optó por un
modelo de reducción de tiempo que integra las herramientas
del SMED y 5S. El objetivo principal del estudio fue reducir
los tiempos asociados al set-up mediante la eliminación de
actividades que no agregan valor e irregularidades del área de
trabajo. El resultado de esto fue una disminución en el cambio
de molde de 44 minutos o 18% [42]. En un tercer estudio se
propone la integración de diversas herramientas
pertenecientes a la metodología Lean para optimizar los
plazos de entrega, reducir defectos de fabricación y
movimientos innecesarios. En este caso, se integran
herramientas como el 5S, SMED, Trabajo Estándar, Gestión
Visual y otras más. Los resultados han sido muy positivos
logrando reducir las paradas inesperadas de 12% a 5%,
36,79% menos fallos. 65% menos tiempo destinado a
busqueda de herramientas y reducción de 70% en tiempos de
envío [6].
A manera de conclusión, se ha determinado que los
modelos propuesto han contrarrestado de manera efectiva los
tiempos improductivos y los bajos índices de eficiencia, sin
embargo, aún se tiene brecha de investigación. Esto se afirma
debido a que algunos modelos son demasiado complejos para
ejecutarlos en pymes, ya que requieren de un alto grado de
especialización. No obstante, las herramientas que
proporciona el Lean en su mayoría pueden aplicarse debido a
su bajo costo y su facilidad de uso. Debido a ello, la
aplicación será viable siempre y cuando se realice un correcto
estudio de las condiciones externas e internas del sistema de
producción objetivo [6][41].
E. Metodología de evaluación y diagnóstico de situación
actual en empresas manufactureras
Con la finalidad de desarrollar iniciativas de mejora
continua que alineen las prácticas y el entorno dentro de cada
organización, diversos autores coinciden en la importancia de
ejecutar un diagnóstico inicial que permita definir la brecha
de mejora. En este sentido, existen muchas herramientas que
permiten realizar una evaluación exhaustiva, mas puede
resultar complejo encontrar la que mejor se adapte a cada
empresa. Algunos autores sugieren que la implementación de
herramientas de diagnóstico de agilidad de gestión de
proyecto (PM/ADT) es una de las opciones más efectivas.
Esto se debe a que evalúa las prácticas de gestión, el entorno
reducción del tiempo de ciclo total del proceso productivo.
Esto con la finalidad de evitar cobros de penalidades debido
a entregas con retrasos y reducir sobrecostos de producción.
Asimismo, se busca mejorar las condiciones de trabajo y el
ambiente laboral, brindando procesos más seguros y
operarios más motivados.
Por otro lado, una de las ventajas del modelo propuesto es
que se puede adaptar fácilmente a distintos escenarios. En ese
sentido, este estudio permitirá que pymes de diferentes
sectores y, con una problemática similar a la del caso de
estudio, puedan aplicar el modelo y de esa manera, optimizar
sus procesos al mismo tiempo que brindan mejores
condiciones de trabajo a sus operarios.
En la Tabla 1 se muestra una matriz comparativa con los
objetivos del caso de estudio y algunos artículos científicos
relevantes para la construcción del aporte de nuestro modelo.
TABLA I
MATRIZ COMPARATIVA DE LOS OBJETIVOS DEL MODELO Y EL ESTADO DEL
ARTE

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).

determinado que la aplicación de herramientas pertenecientes Nallusamy, S., Kumar, TPM

al Lean brinda resultados de aplicación más favorables y se V., Yadav, V., Prasad, (Mantenimiento
U. & Suman, S. (2018). Autónomo)
adaptan mejor a la realidad de las pequeñas y medianas
empresa. Por ello, resulta conveniente indagar más respecto Singh, J., Singh, H. &
SMED
Singh, I. (2018)
a la aplicación de este tipo de recursos y el efecto de ellos
sobre las pérdidas operativas, ya que es un campo de Suhardi, B., Juwita, E.
SLP
& Dwi, R. (2019)
conocimiento con posibilidad de mejora [44].
TPM
III. APORTE (Mejoras
Xiang, Z. & Feng, C.
5S Enfocadas y
A. Fundamentación del Modelo (2020)
Mantenimiento
Autónomo)
El modelo propuesto se compone de un rediseño de
instalaciones que, prioriza la relación entre áreas de trabajo y TPM
el valor que aportan al proceso. Así como la reorganización (Mantenimiento
Propuesta SLP 5S SMED Autónomo y
de herramientas, la estandarización de los cambios de molde Mejoras
y, el aseguramiento de la disponibilidad y confiabilidad de Enfocadas)

operaciones y equipos dentro del proceso de inyección en una

pyme del sector plástico.
Este estudio propone un modelo de optimización de doble B. Modelo propuesto
enfoque, porque está orientado a mejorar tanto el proceso
El modelo propuesto se construye a partir de una extensa
productivo como las condiciones de trabajo y el bienestar de
revisión de literatura y análisis de causas raíz. Su objetivo
los trabajadores. Adicional a esto y, a diferencia de otros
principal es incrementar el índice de cumplimiento de
estudios, se propone una fase adicional de sostenibilidad, la
pedidos en empresas manufactureras. Esto mediante la
cual tendrá un enfoque de mejora continua y permitirá la
integración de herramientas Lean como el SMED, 7S y TPM,
trascendencia y permanencia de las implementaciones
con la metodología SLP.
realizadas.
El propósito del modelo propuesto es incrementar el
índice de cumplimiento de entrega de pedidos, mediante la
Fig. 1. Modelo integrado Lean-SLP propuesto
Asimismo, con la implementación de este modelo se
reducirá el tiempo de ciclo y, como consecuencia, se
reducirán y/o eliminarán los sobre costos operativos y los
cobros de penalidades por retrasos de entrega. De esta
manera, se aminoran las pérdidas económicas identificadas
inicialmente.
C. Componentes del Modelo
El modelo propuesto se compone de 4 fases: (1)
Diagnóstico inicial, (2) Estabilización del proceso
productivo, (3) Optimización del tiempo de preparación y
mantenimiento y, (4) Sostenibilidad de la implementación.
Cada fase se explicará a detalle en los siguientes párrafos.
1) Fase 1: Diagnóstico inicial
La primera fase inicia con la identificación y análisis de la
situación actual de la empresa. Para ello, se utiliza data
histórica de venta y producción para un periodo mínimo de 1
año. Posteriormente, se implementa el análisis mediante
herramientas como el AMEF, AVA, ABC-PQ y el VSM. La
Figura 2 detalla el proceso seguido con mayor detalle.
Fig. 2. Flujograma de aplicación para la Fase 1 del modelo.
2) Fase 2: Estabilización del proceso productivo
Esta fase esta orientada a reorganizar y ordenar las diversas
áreas que componen la planta productiva. Para ello, se
integran dos metodologías altamente efectivas. La primera de
ellas es el Systematic Layout Planning (SLP). Esta
metodología se aplica en 5 etapas. La primera de ellas tiene
por finalidad analizar el flujo productivo seguido por las 3
líneas principales de productos (Copa Gin, Vaso Kero y Copa
Vino). Para ello, se propone la utilización de un Diagrama
Espagueti que permitirá identificar la cantidad de
desplazamientos que realizan los operarios. Posteriormente,
se procede a ejecutar la etapa de análisis relacional de
actividades. Con este método se prioriza la cercanía de
aquellas zonas que realizan procesos continuos o poseen
algún otro criterio importante de interdependencia. Acto
seguido, se propone la aplicación del método de tablas
matriciales, mediante el cual se determina el esfuerzo
realizado por los operarios producto del traslado de
materiales entre estaciones. Para esta evaluación se estima el
esfuerzo en base a la producción mensual y se obtienen los
resultados mostrados en la tabla siguiente.
TABLA II
MATRIZ ESFUERZO ACTUAL (KG-M/MES)
Posteriormente, se realiza el estudio de espacios mediante
el método de Guerchet para determinar el área requerida en
función de las actividades que se realizan en cada una de ellas. Luego de conocer el estado actual de la empresa ya es
Este cálculo involucra tanto a los componentes físicos como posible aplicar las iniciativas de mejora mediante la fase de
humanos que se encuentran en cada espacio. Los resultados en capacitación en 7S. Este programa se llevará acabo teniendo
este apartado demuestran un exceso utilización para las zonas en consideración un cronograma que contemple los temas
de inyección, rebabado, serigrafiado, embolsado y encajado. relacionados a las 7S y será ejecutado por un profesional en
Por último, se proponen 2 nuevas distribuciones de planta que temas de organización, limpieza y salud organizacional. El
contemplen los factores relacionales y variables evaluados. periodo de duración estimado para este apartado es de 4
Asimismo, es importante que el diseño propuesto debe semanas con sesiones de 1 hora y frecuencia de 2 a 3 veces
considerar la Norma Técnica A.010 para el dimensionado de por semana. Tras la capacitación se propone una serie de
pasillos y zonas de evacuación. Ante ello, la propuesta mejoras en cada S.
seleccionada es la 2 debido a que presenta una menor cantidad • Seiri: se reconoces aquellos elementos que no son
de esfuerzo realizado por los operarios. necesarios y se excluyen del sistema. Para ello se
TABLA III utiliza una lista de verificación y las tarjetas rojas.
COMPARACIÓN DE PROPUESTAS

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

La segunda herramienta que se aplicará en esta fase es la

del 7S. Esta es una modificación de la ya conocida 5S del Lean
agregando 2 “S” adicionales alusivas a la seguridad y salud
laboral y el espíritu de equipo. Para ello se llevan a cabo 5
etapas. En la primera de ellas se diseña y planifica el sistema
de auditoría en 7S que servirá para diagnosticar tanto la Fig. 5. Sistema de tarjeta roja 7S.
situación inicial como la final. Para este estudio la auditoría se • Seiton: se propone el reordenamiento de los
basará en una evaluación máxima de 96 puntos. Asimismo, un elementos que componen las áreas asignando
ejemplo de los criterios seleccionado para las 2S adicionales estanterías codificadas y delimitando las zonas con
se muestra en la siguiente imagen. cinta amarilla en el suelo.
0 1 2 3
1 Los extintores y salidas de emergencia son de facill acceso. x
2 El personal utiliza en todo momento el EPP correspondiente. x
6ª s 3 Los peligros y riesgos de trabajo están claramente definidos y señalizados. x
Seguridad
Todos los operarios cuentan con seguro contra accidentes potenciales producidos dentro de la
4 x
planta de producción.
Total 8
0 1 2 3
1 Los empleados estan involucrados activamente en la implementación de 7S. x
2 Se reconocen y recompensan los logros, iniciativas y esfuerzos por parte de los operarios. x
7ª s 3 Se realizan reuniones periódicas para discutir temas relacionados con 7S. x
Espíritu
El compañerismo, respeto y proactividad son valorados dentro del desempeño de trabajo de
4 x
cada operario.
Total 3

Fig. 3. Diseño de auditoría en 7S propuesto.

Posteriormente, se procede a la etapa de recolección y

análisis de data en la cual se ejecuta la primera auditoría de Fig. 6. Organización propuesta para almacén de insumos.
manera diaria durante un periodo de 2 semanas laborales. • Seiso: esta etapa realiza la limpieza general del
Previamente, se definen los encargados de recopilar los datos entorno de trabajo. La iniciativa planteada es
y los formatos que se deberán llenar. Así pues, los resultados establecer un sistema de tachos de colores según la
de la primera auditoría son los mostrados a continuación. Norma Técnica Peruana 900.058-2019. Asimismo, se
establece una política de limpieza y orden dentro de la
planta.
• Seiketsu: busca mantener las iniciativas adoptadas a
lo largo del tiempo mediante capacitaciones
frecuentes y la delegación de un rol de supervisor en
7S. Las revisiones se establecen con una frecuencia de
dos veces por turno en todas las líneas y se deberá
llenar un formato de verificación de criterios 7S.
• Shitsuke: se centra en seleccionar y recordar a los
encargados de la implementación de 7S la
metodología a seguir a detalle. Esto se logra mediante
un apoyo visual colocado dentro del área de trabajo.
Fig. 4. Resultados de la auditoría inicial en 7S
 Fig. 7. Poster de capacitación en 7S Fig. 8. Resultados de la segunda auditoría en 7S
• Safety: gestiona la seguridad dentro de las 3) Fase 3: Optimización del tiempo de preparación y
instalaciones y asegura el cumplimiento de la Ley mantenimiento
N°29783 del Estado Peruano. Las iniciativas Esta tercera fase tiene como objetivo principal reducir el
adoptadas son la construcción de la matriz IPEC en tiempo destinado a las actividades de cambio de molde en las
conjunto con los operarios y el establecimiento de inyectoras y, de igual manera, maximizar el volumen de
señalización pertinente dentro de la zona de trabajo. producción manteniendo las máquinas y equipos en
Resultado del análisis se resaltan las principales condiciones óptimas, evitando averías inesperadas y defectos
medidas sugeridas: de calidad.
o Desconexión de equipos al realizar En esta fase se implementa Single Minute Exchange of Die
mantenimientos (SMED), así como los pilares Mantenimiento autónomo y
o Uso de EPP’s en zonas señalizadas dentro de Mejoras enfocadas de la metodología TPM, específicamente
almacén en el área de inyección.
o Utilización de mascarillas y guantes térmicos
aislantes para prevenir quemaduras e inhalación a) Implementación de SMED
de gases tóxicos. Esta metodología se implementa en 4 etapas y una fase
preliminar adicional.
• Spirit: fomenta la mejora del espíritu organizacional.
Para ello, se propone la realización de actividades 0. Etapa preliminar En esta etapa se conforma, capacita
integradoras como campeonatos de futbol y vóley que y prepara al equipo para los siguientes pasos de
integren personal operativo, gerencial y implementación. Asimismo, se realiza un diagnóstico
administrativo. Asimismo, la celebración de fechas inicial del cambio de molde, con la finalidad de
especiales será llevada a cabo en un espacio de 1 hora identificar todas las actividades que componen el
aproximadamente antes de culminar la jornada proceso y el tiempo de ejecución de cada una.
laboral.
TABLA IV
RESULTADOS ETAPA PRELIMINAR
La última etapa del 7S corresponde a la segunda auditoría Actividades Cantidad Tiempo (min)
que permite evaluar el impacto generado por la propuesta. Internas 40 168.3
Los resultados obtenidos han sido favorables en todas las “S” Externas 4 6.9
revisadas por lo que se asume una implementación favorable. Total 44 175.2

Fig. 9. Proceso de implementación de SMED

1. Identificación de actividades: En esta etapa se observa operarios, y termina con la participación del equipo en
nuevamente el proceso de cambio de molde y se actividades de mejora continua. En la Figura 10 se
identifican las actividades internas y externas. muestra el flujo de implementación.
Fig. 10. Proceso de implementación del pilar Mantenimiento
TABLA V
RESULTADOS ETAPA 1
Actividades Cantidad Tiempo (min)
Internas 37 154.3
Externas 7 20.9
Total 44 175.2

2. Transformación de actividades: Se examina

cuidadosamente cada una de las actividades y se busca
la manera de convertir actividades internas en
externas.
TABLA VI
RESULTADOS ETAPA 2
Actividades Cantidad Tiempo (min)
Internas 28 72.05
Externas 16 19.3
Total 44 91.35

3. Reducción del tiempo de actividades: En esta etapa se

simplifican los pasos para reducir el tiempo de
ejecución de actividades de cambio de molde.
TABLA VII
RESULTADOS ETAPA 3
Actividades Cantidad Tiempo (min) Autónomo
Internas 21 59.6
Externas 9 19.4
El pilar Kobetsu Kaizen o Mejoras Enfocadas se
Total 30 79
implementa con la finalidad de obtener mejoras
progresivas y orientadas en la resolución de problemas
4. Evaluación y estandarización: En esta última etapa se
específicos. El proceso de implementación se muestra
evalúa el nuevo tiempo de cambio de molde y se
en la Figura 11.
elabora un formato estándar para el proceso.
TABLA VIII
RESULTADOS ETAPA 4
Actividades Antes de SMED Después de SMED
Internas 168.3 59.6
Externas 6.9 19.4
Total 175.2 79

b) Implementación de TPM
Esta metodología se implementa en 4 fases principales,
planificación, implementación, validación y finalmente
control.

1. Planificación: En esta primera etapa se conforma,

capacita y prepara al equipo para la ejecución de los
siguientes pasos. Asimismo, se realiza un diagnóstico
de la situación actual y se toma una primera medición
de OEE.
2. Implementación: En esta fase se ejecuta la
implementación de los pilares del TPM, en este caso
de estudio se aplicarán los pilares Mantenimiento
Autónomo y Mejoras enfocadas.
El pilar Jishu Hozen o Mantenimiento Autónomo se
implementa de manera progresiva. Es imprescindible
que el paso anterior se realice correctamente para
continuar con el flujo del proceso de implementación,
el cual inicia con la capacitación y entrenamiento a
Fig. 11. Proceso de implementación de Mejoras Enfocadas
3. Validación: En esta fase se realiza una segunda
medición de OEE, y se evalúa si los resultados
obtenidos luego de la implementación de los dos
pilares mencionados son significativos.
4. Control: En este último paso se desarrolla un plan de
control para los pilares implementados y, de igual
manera, se le realiza seguimiento al plan de
implementación
 4) Fase 4: Sostenibilidad de la implementación
Esta última fase del modelo propuesto tiene como objetivo
principal asegurar la trascendencia y permanencia de las
implementaciones realizadas previamente. Por lo tanto, en
esta fase se elaboran formatos estándar para los procesos
optimizados, se colocan controles visuales en diferentes
partes de las máquinas, se elaboran ayudas visuales para la
correcta ubicación de herramientas, se elabora un calendario
mensual de auditorías y finalmente, se le da seguimiento
constante a los indicadores clave.
D. Proceso Propuesto
En la Figura 5 se detalla el proceso de implementación del
modelo Lean-SLP propuesto. Este modelo se compone por 4
fases: (1) Diagnóstico inicial, (2) Estabilización del proceso,
(3) Optimización del tiempo de preparación y mantenimiento
y, (4) Sostenibilidad de la implementación. Estas fases se
desarrollan de manera sucesiva como se muestra en la figura.
Fig. 12. Flujograma del proceso propuesto.
E. Indicadores
Los indicadores son indispensables para medir el
desempeño de las implementaciones propuestas en el modelo,
y darles un adecuado seguimiento.
• Nivel de cumplimiento de entrega de pedidos: permite
determinar la cantidad de productos entregados al cliente
final dentro del plazo máximo establecido.
# #$%&%'( $)*+$,-%'( - *&$.#'
𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑢𝑚𝑝𝑙𝑖𝑚𝑖𝑒𝑛𝑡𝑜 =
# #$%&%'( *'*-/$(
∗ 100
< 80% Entre 80% y 90% > 90%
• Nivel de esfuerzo por traslados: determina el esfuerzo
total realizado por los operarios en el desplazamiento de
material dentro de la planta productiva. Se mide en
kilogramos por metro al mes (kg-m/mes).
𝐸𝑠𝑓𝑢𝑒𝑟𝑧𝑜 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑑𝑜 = 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑡𝑜𝑡𝑎𝑙 𝑟𝑒𝑐𝑜𝑟𝑟𝑖𝑑𝑎 ∗ 𝑝𝑒𝑠𝑜 𝑡𝑟𝑎𝑠𝑙𝑎𝑑𝑎𝑑𝑜
> 6'000,000 kg-m/mes
Entre 3'000,000 y 6'000,000 kg-m/mes
< 3'000,000 kg-m/mes
• Tiempo de búsqueda de herramientas: permite calcular
el porcentaje de tiempo de la jornada laboral que se dedica
a la búsqueda de herramientas dentro de la planta
productiva.
𝑇𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒𝑠𝑡𝑖𝑛𝑎𝑑𝑜 𝑎 𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎
𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 = ∗ 100
𝑇𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑗𝑜𝑟𝑛𝑎𝑑𝑎
>5% Entre 5% y 2% < 2%
• Tiempo de cambio de molde: muestra el tiempo
improductivo total empleado en actividades de cambio de
molde, se mide en minutos.
𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜 𝑑𝑒 𝑚𝑜𝑙𝑑𝑒 = . 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑎𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑠𝑒𝑡 𝑢𝑝
> 60 min Entre 30 y 60 min < 30 min
• Overall Equipment Effectiveness (OEE): es un
indicador internacionalmente reconocido que servirá para
medir la eficiencia productiva de las inyectoras.
𝑂𝐸𝐸 = 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑
< 65% Entre 65% y 85% > 85%
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
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
planteado. Respecto a la segunda parte, se realiza una
simulación por eventos discretos (DES). En este apartado se
recopila la información necesaria de la planta productiva de
Inroplas para construir el modelo de simulación que permita
validar las herramientas del SLP, SMED y TPM. En adición,
el software utilizado para desarrollar la simulación será el
Arena 14.0. Algunos de los principales inputs para este fin
son la cantidad de operarios, número de máquinas, tiempos
por proceso, cantidad de paradas por mantenimiento o avería,
tiempo de set-up, entre otros.
B. Diagnóstico inicial
El resultado obtenido de la fase de diagnóstico inicial
identifica al retraso en la entrega de pedidos como principal
problema presentado por la empresa. En este sentido existe
una brecha técnica bastante amplia, ya que actualmente se
cuenta con un nivel de cumplimiento de entregas aproximado
de 57,6% mientras que el promedio del sector se sitúa en
95%. Además, se sabe que el 11% de los pedidos entregados
fuera de tiempo se retrasaron en más de una semana.
Asimismo, esta situación ha impactado en los costos de la
empresa generando pérdidas por penalidad de S/. 115,851.4
y S/. 553,860.4 por sobrecostos operativos. Asimismo, las
causas identificadas por la metodología fueron tiempos
improductivos con un 59,22% de participación, movimientos
y traslados innecesarios con 26,43% y reprocesos debido a
fallos en la calidad del producto final con un 14,36%. La tabla
siguiente muestra el estado inicial de los indicadores
seleccionados para medir el impacto de la mejora y la mejora
esperada para cada indicador.
TABLA IX
INDICADORES INICIALES Y EXPECTATIVA DE MEJORA
Indicadores Valor inicial Expectativa
Nivel de cumplimiento de
57,65% 95%
entrega de pedidos
Nivel de esfuerzo por traslado
1’892,782.48 656,186.31
(kg-m/mes)
Tiempo de búsqueda de
5,80% 0,12%
herramientas
Tiempo de cambio de molde
175,2 76
(min)
Overall Equipment
20,78% 28%
Effectiveness (OEE)
Fig. 13. Diagrama BPMN del proceso para la simulación de eventos discretos.
C. Diseño de la validación y comparación con el diagnóstico
inicial
En primera instancia se desarrolla el modelo de simulación
de eventos discretos. Para ello, se seguirán una serie de pasos
que se explican en la Figura 13.
En lo que respecta al planeamiento, la elaboración de la
representación gráfica se hizo teniendo en consideración la
tabla de entidades, atributos y actividades. Además, fue
necesario identificar aquellas variables controlables y no
controlables. Por citar algunos ejemplos, las variables
controlables fueron la cantidad de operarios disponibles para
el trabajo, el número de máquinas y el tiempo de parada de
las inyectoras. Asimismo, algunos de los no controlables
fueron los tiempos de inyección y los tiempos relacionados al
desarrollo de las actividades productivas humanas.
De la misma manera, se realiza el tratamiento de la data
input mediante el software Input Analyzer complemento del
Arena. De ello, se obtiene la distribución estadística para la
data que dará sentido al modelo de simulación. Los resultados
obtenidos fueron los siguientes.
TABLA X
DISTRIBUCIÓN ESTADÍSTICA DE DATA INPUT
Proceso Distribución Estadística
Inyección plástica Triangular (3,72;5,20;6,00)
Rebabado de copas Normal (1,96;0,359)
Serigrafiado Normal (4,03;0,414)
Embolsado Normal (2,99;0,296)
Encajado Normal (4,02;0,393)
Finalmente, se realiza la configuración del simulador con
los parámetros establecidos de la recolección de data y se
obtiene el modelo final de simulación. El simulador se
configura para 264 días y 8 horas por día que es lo que
equivale a un año de trabajo neto. Asimismo, se ha trabajado
con una base muestral inicial de tamaño de 100.
Posteriormente se hacer la validación del tamaño muestral y
se corrobora la cantidad como suficiente para que los datos
sean válidos en el estudio. También se aclara que la
simulación considerará únicamente un turno por día. Luego
de la aclaración, se muestra un ejemplo del proceso seguido
para la configuración se muestra en la figura siguiente.
 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.

Fig. 14. Configuración del PickStation del inyectado.

Por otra parte, el plan piloto para la aplicación de 7S se

llevó a cabo únicamente en el área de inyección. De esta
manera se pudo implementar sin mayor inconveniente y se
economizó mucho en costos. Las 5 etapas propuestas fueron
ejecutadas de forma detallada. En primera instancia, los Fig. 17. Aplicación de señalización dentro de la planta.
formatos de aplicación de auditoría fueron diseñados,
impresos y aplicados obteniendo un puntaje inicial de 39/96. Por último, luego de aplicar tanto la simulación como el
Posteriormente, se realizó el periodo de capacitación a los plan piloto se vuelve a hacer la evaluación de indicadores que
operarios, ya que estos son pieza fundamental del éxito de la permitirán determinar la efectividad de la propuesta. Los
herramienta de mejora. Finalmente, las iniciativas de mejora resultados finales obtenidos se muestran a continuación.
propuestas fueron realizadas. En este sentido algunas de las
más destacas son la implementación de la tarjeta roja para TABLA XI
SITUACIÓN INICIAL VS SITUACIÓN MEJORADA POST APLICACIÓN DEL
eliminar elementos prescindibles, la delimitación de zonas MODELO PROPUESTO
con cinta amarilla y el establecimiento de tachos de colores.
Situació Situación post % de
Indicadores
n inicial aplicación mejora
Nivel de
cumplimiento de 57,65% 70,4% 13,4%
entrega de pedidos
Nivel de esfuerzo
1’892,7 62%
por traslado (kg- 711,049.66
82.48
m/mes)
Tiempo de
búsqueda de 5,80% 0.14% 98%
herramientas
Tiempo de cambio 57%
175,2 76
de molde (min)
Overall Equipment 7%
Fig. 15. Implementación de tarjeta roja. 20,78% 28.03%
Effectiveness (OEE)

Fig. 16. Delimitación de espacios y asignación de códigos.
Finalmente, respecto a las 2 “S” adicionales propuestas se
siguió el procedimiento planteado aplicando la señalización
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.
a) Primer escenario
El recojo de datos en este primer escenario se realiza
luego de 3 meses de haber culminado con la tercera fase de
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)

En 6 meses luego de la implementación de la fase 3 del Auditorías

39 86 90 92
modelo se muestran resultados aún más significativos que en Calificación (%)
el escenario anterior. Esto debido a que la fase de Tiempo de
sostenibilidad tiene un mayor tiempo de implantación y búsqueda de 5.8 0.10 0.05 0.01
ejecución, sin embargo, aún se espera mejores resultados en herramientas (%)

un próximo escenario. OEE (%) 20.8 35 42 54

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
Para futuras investigaciones se recomienda abordar los
siguientes puntos:
§ Complementar el modelo propuesto integrando otros
pilares del TPM como: (1) Formación y adiestramiento
y (2) Mantenimiento Preventivo. Estos pilares brindarán
el soporte necesario para reforzar los conocimientos y
habilidades de los operarios. Además, contribuirán con
el avance a una meta de cero averías de maquinaria, lo
que mejorará significativamente el OEE.
§ Replicar el modelo propuesto en diferentes sectores
industriales y hacer un análisis comparativo con las
oportunidades encontradas.
§ Expandir el alcance del estudio progresivamente, y
analizar los resultados luego de la implementación del
modelo en distintos procesos clave dentro de una
empresa manufacturera.
VI. CONCLUSIONES
El desarrollo del presente estudio ha contribuido con una
solución alternativa al problema de retrasos en la entrega de
pedidos en el sector plástico. Esto se ha logrado mediante la
integración de las metodologías Lean y SLP que han
demostrado un alto grado de complementariedad. Gracias a
ello se pueden sacar las siguientes conclusiones:
• La implementación de 5S y SLP en la etapa inicial de
estabilización del proceso productivo ha contribuido en la
reducción del esfuerzo realizado por los operarios en un
62%. Asimismo, el tiempo destinado a la búsqueda de
herramientas ahora es casi inexistente, ya que todo está
asignado a un lugar y es constantemente supervisado por
lo que hubo una reducción de 98%.
• La propuesta del SMED y TPM para optimizar la
preparación de maquinaria y el mantenimiento ha sido
exitosa. Se han incrementado los indicadores de tiempo
de cambio de molde en un 57% pasando de 175,2 minutos
para el set-up a tan solo 76 minutos. De la misma manera,
el OEE de las inyectoras tuvo un incremento de 7%, lo
cual mejora la disponibilidad y optimiza el flujo
productivo.
• El índice de cumplimiento de entrega de pedidos, el cual
era el motivo principal del estudio, fue correctamente
abordado brindando resultados positivos. Se obtuvo una
mejora significativa de 13,4%. Si bien aún se encuentra
por debajo del estándar del sector es un avance importante
para la empresa hacia el logro de la excelencia operativa.
REFERENCIAS
[1] PlasticEurope. (2020). Plastics – the Facts 2020 (2020). Recuperado
de https://plasticseurope.org/es/wp-
content/uploads/sites/4/2021/11/Plastics_the_facts-WEB-
2020_versionJun21_final-1.pdf.
[2] Grand View Research. (2021). Injection Molded Plastics Market Size,
Share & Trends Analysis Report by Raw Material (Polypropylene,
ABS, HDPE, Polystyrene), by Application (Packaging, Automotive &
Transportation, Medical), by Region, And Segment Forecasts, 2021 –
2028. Recuperado de https://www.grandviewresearch.com/industry-
analysis/injection-molded-plastics-market.
[3] Carhuavilca, D. (2021). Situación del Sector Plástico en el Perú
Aspectos cuantitativos. INEI. Recuperado de
https://www.inei.gob.pe/media/MenuRecursivo/boletines/presentacio
n-iii-congreso-internacional-plasticos.pdf
[4] Nawanir, G., Lim, K.T., Ramayah, T., Mahmud, F., Lee, K.L. &
Maarof, M.G. (2020). Synergistic effect of lean practices on lead time
reduction: mediating role of manufacturing flexibility. Benchmarking:
An International Journal, 27(5), 1815-1842. doi: 10.1108/BIJ-05-2019-
0205.
[5] Niemi, T., Hameri, A.-P., Kolesnyk, P. & Appelqvist, P. (2020). What
is the value of delivering on time?. Journal of Advances in
Management Research, 17(4), 473-503. doi: 10.1108/JAMR-12-2019-
0218.
[6] Ribeiro, P., Sá, J.C., Ferreira, L.P., Silva, F.J.G., Pereira, M.T. &
Santos, G. (2019). The Impact of the Application of Lean Tools for
Improvement of Process in a Plastic Company: a case study. Procedia
Manufacturing, 38(2019), 765-775. doi:
10.1016/j.promfg.2020.01.104.
[7] Delgado, C. & Olivos, E. (2019). Reducción de tiempo de entrega de
productos terminados basado en la implementación de mejora en la
gestión de abastecimiento en una empresa fabricante de productos
plásticos [Tesis de titulación]. Universidad Ricardo Palma.
[8] Guillén, K. & Umasi, K. (2019). Modelo LEAN para la optimización
del proceso de fabricación de bolsas plásticas en una empresa del
sector de plásticos [Tesis de titulación]. Universidad Peruana de
Ciencias Aplicadas.
[9] Cheng, B. & Kuan, C. (2018). Implementing Quick Response
Manufacturing to Improve Delivery Performance in an ETO Company.
International Journal of Applied Science and Engineering, 7(2.28), 38
– 46.
[10] Xiaosong, D. & Lu, G. (2017). Exploring the Impact of Delivery
Performance on Customer Transaction Volume and Unit Price:
Evidence from an Assembly Manufacturing Supply Chain. Production
and Operations Management, 26(5), 880-902.
[11] Marino, G., Zotteri, G. & Montagna, F. (2018). Consumer sensitivity
to delivery lead time: a furniture retail case. International Journal of
Physical Distribution & Logistics Management, 48(6), 610-629. doi:
10.1108/IJPDLM-01-2017-0030.
[12] Hao Luo, X. & Yang, X. (2019). A synchronized production-
warehouse management solution for reengineering the online-offline
integrated order fulfilment. Transportation Research Part E, 122(7),
211-230. doi: 10.1016 / j.tre.2018.12.010
[13] Zhang, J., Onal, S., Das, R., Helminsky, A. & Das, S. (2019).
Fulfilment time performance of online retailers – an empirical analysis.
International Journal of Retail & Distribution Management, 47(5),
493-510. doi: 10.1108/IJRDM-10-2017-0237.
[14] Seth, D., Seth, N. & Goel, D. (2008). Application of Value Stream
Mapping (VSM) for Minimization of Wastes in the Processing Side of
Supply Chain of Cottonseed Oil Industry in Indian Context. Journal of
Manufacturing Technology Management, 19(4), 529–550.
[15] Malpartida Gutiérrez, J. N. (2020). Importancia del uso de las
herramientas Lean Manufacturing en las operaciones de la industria del
plástico en Lima. Llamkasun, 1(2), 77–89.
https://doi.org/10.47797/llamkasun.v1i2.16
[16] Seth, D., Seth, N. & Dhariwal, P. (2017). Application of value stream
mapping (VSM) for lean and cycle time reduction in complex
production environments: a case study. Production Planning &
Control, 28(5), 398-419, doi: 10.1080/09537287.2017.1300352.
[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.
[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,
17(2018), 647-654. doi: 10.1016/j.promfg.2018.10.113.
[19] Alvarado, L., Quispe, G. & Raymundo, C. (2018). Method for
Optimizing the Production Process of Domestic Water Tank
Manufacturing Companies. International Journal of Engineering
Research and Technology. 11(11), 1735-1757.
[20] Ekincioglu, C. & Boran, S. (2018). SMED methodology based on
fuzzy Taguchi method. Journal of Enterprise Information
Management, 31(6), 867– 878.
[21] Yazıcı, K., Gökler, S.H. & Boran, S. (2020). An integrated SMED-
fuzzy FMEA model for reducing setup time. Journal of Intelligent
Manufacturing. doi: 10.1007/s10845-020-01675-x.
[22] Singh, J., Singh, H. & Singh, I. (2018). SMED for quick changeover in
manufacturing industry – a case study. Benchmarking: An
International Journal, 25(7), 2065 – 2088. doi: doi.org/10.1108/BIJ-
05-2017-0122.
[23] Dhanjibhai, A. & Shankarrao, G. (2019). Strategic implementation of
5S and its effect on productivity of plastic machinery manufacturing
company. Australian Journal of Mechanical Engineering, 13(2), 2204-
2253. doi: 10.1080/14484846.2019.1676112.
[24] Sukdeo, N., Ramdass, K. & Petja, G. (2020). Application of 7S
methodology: a systematic approach in a bucket manufacturing
organisation. South African Journal of Industrial Engineering, 31(4),
178-193. doi: 10.7166/31-4-2283.
[25] Nallusamy, S., Kumar, V., Yadav, V., Prasad, U. & Suman, S. (2018).
Implementation Of Total Productive Maintenance To Enhance The
Overall Equipment Effectiveness In Medium Scale Industries.
International Journal of Mechanical and Production Engineering
Research and Development. 8(1), 1027-1038.
[26] Singh, J., Singh, H. and Sharma, V. (2018). Success of TPM concept
in a manufacturing unit – a case study. International Journal of
Productivity and Performance Management, 67(3), 536-549. doi:
10.1108/IJPPM-01-2017-0003.
[27] Bataineh, O., Al-Hawari, T., Alshraideh, H. & Dalalah, D. (2019). A
sequential TPM-based scheme for improving production effectiveness
presented with a case study. Journal of Quality in Maintenance
Engineering. 25(1), 144-161. DOI: 10.1108 / JQME-07-2017-0045.
[28] Xiang, Z. & Feng, C. (2020). Implementing Total Productive
Maintenance in a Manufacturing Small or Medium-Sized Enterprise.
Journal of Industrial Engineering and Management. 14(2), 152-175.
DOI: http://dx.doi.org/10.3926/jiem.3286.
[29] Karasu, M. & Salum, L. (2018). FIS-SMED: a fuzzy inference system
application for plastic injection mold changeover. International
Journal of Advanced Manufacturing Technology, 94, 545-559. doi:
10.1007/s00170-017-0799-7.
[30] Randhawa, J.S. & Ahuja, I.S. (2018). An investigation into
manufacturing performance achievements accrued by Indian
manufacturing organization through strategic 5S practices.
International Journal of Productivity and Performance Management,
67(4), 754-787. doi: 10.1108/IJPPM-06-2017-0149.
[31] Shukla, H. & Ganvir, K. (2018). Implementation of Kaizen and 5S in
Plastic Pipe Manufacturing Unit. International Journal of Applied
Science and Engineering, 6(1), 11 – 18. doi: 10.30954/2322-
0465.1.2018.2.
[32] Guillen, K., Umasi, K., Quispe, G. & Raymundo, C. (2018). LEAN
Model for Optimizing Plastic Bag Production in Small and Medium
Sized Companies in the Plastics Sector. International Journal of
Engineering Research and Technology. 11(11), 1713-1734.
[33] Braglia, M., Castellano, D. & Gallo, M. (2019). A novel operational
approach to equipment maintenance: TPM and RCM jointly at work.
Journal of Quality in Maintenance Engineering, 25(4), 612-634. doi:
10.1108/JQME-05-2016-0018.
[34] Sahoo, S. (2019). Assessment of TPM and TQM practices on business
performance: a multi-sector análisis. Journal of Quality in
Maintenance Engineering. 25(3), 412-434. DOI: 10.1108 / JQME-06-
2018-0048.
[35] Maina, E., Muchiri, P. & Keraita J. (2018). Improvement of Facility
Layout Using Systematic Layout Planning. Journal of Engineering,
8(5), 33-43.
[36] Mansur, M. & Ahmarofi, A. (2020). Designing the Re-layout of the
Production Floor Using Integrated Systematic Layout Planning (SLP)
and Simulation Methods. International Journal of Industrial
Management, 6(1), 50-57.
[37] Zhang, Z., Wang, X., Wang, X., Cui, F. & Cheng, H. (2019). A
simulation-based approach for plant layout design and production
planning. Journal of Ambient Intelligence and Humanized Computing,
10, 1217-1230. doi.org/10.1007/s12652-018-0687-5.
[38] Suhardi, B., Juwita, E. & Dwi, R. (2019). Facility layout improvement
in sewing department with Systematic Layout planning and
ergonomics approach. Cogent Engineering, 6(1). doi:
10.1080/23311916.2019.1597412.
[39] Potadar O.V. & Kadam G.S. (2019). Development of Facility Layout
for Medium-Scale Industry Using Systematic Layout Planning.
Proceedings of International Conference on Intelligent Manufacturing
and Automation, 473-483. doi: 10.1007/978-981-13-2490-1_43.
[40] Qamar, A.M., Meanazel, O.T., Alalawin, A.H. & Almomani, H.
(2020). Optimization of Plant Layout in Jordan Light Vehicle
Manufacturing Company. Journal of The Institution of Engineers
(India): Series C, 101, 721-728. (2020). doi: 10.1007/s40032-020-
00576-5.
[41] Nwanya, S., Udofia, J. & Ajay, O. (2017). Optimization of machine
downtime in the plastic manufacturing. Cogent Engineering. 4(1), 1-
12. DOI: 10.1080 / 23311916.2017.1335444
[42] Agung, D. & Hasbullah, H. (2019). Reducing The Product Changeover
Time Using Smed & 5s Methods In The Injection Molding Industry.
Applied Econometrics. 23(3), 199-212. DOI: 10.22441 /
sinergi.2019.3.004
[43] Bianchi, M.J., Conforto, E.C., & Amaral, D.C. (2021). Beyond the
agile methods: a diagnostic tool to support the development of hybrid
models. International Journal of Managing Projects in Business,
14(5), 1219-1244. doi: 10.1108/IJMPB-04-2020-0119.
[44] Dadashnejad, A.-A., & Valmohammadi, C. (2018). Investigating the
effect of value stream mapping on operational losses: a case study.
Journal of Engineering, Design and Technology, 16(3), 478-500.
doi:10.1108/JEDT-11-2017-0123.