Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Av. Hidalgo 935, Colonia Centro, C.P. 44100, Guadalajara, Jalisco, México bibliotecadigital@redudg.udg.mx - Tel. 31 34 22 77 ext. 11959 UNIVERSIDAD DE GUADALAJARA COORDINACIÓN GENERAL ACADÉMICA Coordinación de Bibliotecas Biblioteca Digital La presente tesis es publicada a texto completo en virtud de que el autor ha dado su autorización por escrito para la incorporación del documento a la Biblioteca Digital y al Repositorio Institucional de la Universidad de Guadalajara, esto sin sufrir menoscabo sobre sus derechos como autor de la obra y los usos que posteriormente quiera darle a la misma. UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE CIENCIAS ECONÓMICO ADMINISTRATIVAS MAESTRÍA EN ADMINISTRACIÓN DE NEGOCIOS TESIS DE GRADO DETERMINACIÓN DEL FLUJO MÁXIMO PARA EMPRESA FABRICANTE DE PLASTITAPAS P R E S E N T A ARTURO URBINA LOPEZ PARA OBTENER EL GRADO DE MAESTRO EN ADMINISTRACIÓN DE NEGOCIOS DIRECTOR DE TESIS MTRO. JOSÉ LUIS CHAVEZ HURTADO Zapopan, Jalisco, Julio del 2016 DEDICATORIAS Este documento representa la conclusión de una etapa más, de una vida que a lo largo de esta se tienen personajes importantes que sin ellos es impensables la iniciación y por consecuencia la culminación de dichas etapas. En el camino de la vida aparecen y desaparecen muchos seres amados, en particular dedico esta tesis a: Mis padres Ricardo Urbina Olvera y Eva López Balderas, que a la fecha ambos ya no están físicamente conmigo, fueron base fundamental en mi formación cultural, académica y sobre todo de ellos aprendí que lo que te propongas lo puedes lograr, ustedes fueron los que forjaron lo que ahora soy, en donde estén lo reconozco y agradezco profundamente. ¡Gracias por todo el esfuerzo, entereza y ejemplo! ¡Ustedes fueron materia prima de un proceso, y ahora soy parte de esa materia prima del mío! Una dedicatoria muy especial de esta tesis es para mi esposa y mis hijos. Para Adriana, amiga, esposa y compañera de vida, esta dedicatoria sirva también de agradecimiento por el aprendizaje y complemento a mi persona. Nuestras diferencias han sido la plataforma para optimizar nuestro proyecto de vida. Para Yoali, nuestra hija mayor, Para José Arturo, el menor de nuestros hijos. A los tres les dedico este trabajo. ¡A los tres gracias por ser mi familia. Los amo! ¡Realmente es bendecido el hombre que escucha muchas voces que lo llaman padre! AGRADECIMIENTOS Agradezco a Dios. Por bendecirme a lo largo de la vida, por darme la templanza para estar en contacto con lo buen y lo malo, ya que todo suceso o persona con la que he tenido contacto han forjado mi existencia y soy lo que actualmente soy gracias a este contacto. Agradezco tener dos almas que han formado mi personalidad académica y cada una de estas magnificas casas de sabiduría me han dado no solo conocimiento sino también herramientas de vida. Simplemente ¡Gracias! UNAM y UDG. Gracias a todos los maestros y maestras han tocada mi vida académica, Desde preescolar hasta posgrado, todos y todas han sido una guía de gran valor y respecto. Muchas gracia una persona que ha estado en la etapa de madurez, con la cual he tenido amistad, amor y ahora es mi compañera de vida. Adriana Gracias por ser mi esposa. Agradezco a mis hijos, el motor de mi existencia y superación académica, profesional y personal. Al inicio fui su fuente de aprendizaje y que ahora son ellos que me enseñan. Gracias Yoali y José Arturo por ser mi hijos. Gracias al Dr. Humberto Palos por su apoyo en los procesos administrativos y académicos en la Maestría en Administración de Negocios. Gracias Al maestro José Luis Chávez Hurtados. Director de tesis por sus enseñanzas, paciencia y apoyo académico. Contenido RESUMEN .......................................................................................................... 1 INTRODUCCIÓN ............................................................................................... 3 ANTECEDENTES DE LA PLASTITAPA........................................................ 3 DEFINICIÓN E HISTORIA DE LA PLASTITAPA .......................................... 7 PROCESO DE FABRICACIÓN DE PLASTITAPAS ..................................... 12 FLUJO DEL PROCESO DE FABRICACION DE PLASTITAPA ................... 18 METODOLOGIA DE SOLUCIÓN DE PROBLEMAS ....................................... 21 METODOLOGÍA SDCA ............................................................................... 22 REPORTE DE ANOMALÍAS ........................................................................ 24 LLUVIA DE IDEAS ...................................................................................... 24 ANÁLISIS DE BRECHAS ............................................................................. 25 MEJORES PRÁCTICAS ................................................................................ 26 METODOLOGÍA PDCA ............................................................................... 26 REVISIÓN DE LITERATURA .......................................................................... 29 PLANTEAMIENTO DEL PROBLEMA............................................................. 33 JUSTIFICACIÓN .............................................................................................. 33 PREGUNTA DE INVESTIGACIÓN .................................................................. 35 PREGUNTAS SECUNDARIAS ..................................................................... 35 VARIABLES DE INVESTIGACIÓN ............................................................. 35 OBJETIVO GENERAL ..................................................................................... 37 OBJETIVOS PARTICULARES ..................................................................... 37 HIPÓTESIS ....................................................................................................... 37 MARCO TEÓRICO ........................................................................................... 39 MODELO DE REDES ................................................................................... 40 Modelo Del Árbol De Mínima Expansión .................................................... 41 Modelo De Flujo Máximo ........................................................................... 41 Modelo De La Ruta Más Corta .................................................................... 42 Modelo De Programación Lineal Para Problemas De Flujo Máximo ............. 43 METODOLOGÍA .............................................................................................. 45 TIPO DE INVESTIGACIÓN .......................................................................... 45 MODELO MATEMÁTICO ............................................................................ 45 UNIVERSO DE TRABAJO ........................................................................... 52 RESULTADOS ................................................................................................. 53 CONCLUSIONES ............................................................................................. 69 BIBLIOGRAFÍA ............................................................................................... 71 1 RESUMEN En este documento se presentará una aplicación de la teoría de redes, específicamente el problema de flujo máximo. El problema se basa en la necesidad de conocer la máxima capacidad de producción por turno de trabajo de la empresa, la cual se dedica a la producción de tapas corona para botellas, pero tiene como política priorizar la producción del primer un tipo específico de tapas. Actualmente, el mercado cervecero tanto nacional como de exportación ha experimentado un crecimiento y con él la demanda de tapas corona también ha aumentado. La empresa en estudio desea satisfacerla mayor cantidad de demanda posible, sin embargo, debe tener en cuenta no aceptar todos los contratos que se le presenten, pues podría incumplirlos si sobrepasa su capacidad de producción, por esta razón se desea saber cuál es su máximo nivel de producción. Primero se trabajó agotando la capacidad de producción de las máquinas en el procesamiento de tapas de cerveza nacional y luego con la capacidad de máquinas restante producir tapas para cerveza de exportación, la solución del problema se planteó mediante el esquema de 2 diagramas de flujo máximo, uno para cada tipo de tapas, del primero tipo de tapa, nacional, se podrá hallar la capacidad máxima a producir de tapas de cerveza y con el segundo que involucra las capacidad restantes de las máquinas, podremos hallar la máxima capacidad producida de tapas para cerveza nacional. Posteriormente, con los resultados obtenidos y a partir de los grafos se realiza un análisis del porcentaje de utilización de las máquinas y los cuellos de botella presentes en el proceso. 2 El presente trabajo pretende comprobar que la capacidad productiva de una empresa depende de los equipos de procesos utilizados y que estos están en función de la capacidad del equipo y el porcentaje de disponibilidad del mismo. Esta característica se ve afectada por la longevidad de cada equipo. Para tal efecto se consideran las variables independientes: capacidad de proceso de la línea de preparación, de impresión, de troqueles y de ensamble. Así como las variables independientes: velocidades de los equipos productivos mencionados y el tiempo de mantenimiento de los mismos. Para determinar la capacidad máxima de este conjunto de variables se utilizó una herramienta que permite obtener la optimización de los recursos disponibles. Dicha herramienta es la programación lineal, la cual es una técnica de modelado matemático diseñada para ayudar en la planeación y toma de decisiones respecto a la asignación de recursos. En este trabajo se buscó la maximización de la productividad de los equipos. Esto se representa matemáticamente por medio de una función objetivo con sus respectivas restricciones para el sistema de ecuaciones lineales. Se realizó el diagrama de flujo considerando un nodo fuente y un nodo destino como la unión entre equipos de proceso. Los resultados numéricos comprueban que el proceso presenta dos cuellos de botella: las líneas de impresión y los troqueles. En el caso de las líneas de impresión, el cuello de botella se debe a los altos tiempos improductivos por los constantes paros, pero como se tienen dos líneas de impresión esto no representa un problema para la empresa. Por otro lado, los troqueles son actualmente el principal cuello de botella, el cual puede resolverse con el incremento de velocidad de cada troquel. 3 INTRODUCCIÓN ANTECEDENTES DE LA PLASTITAPA En la segunda mitad del siglo XVII un monje francés llamado Perignon descubrió las cualidades especiales del corcho para cerrar botellas de vino, y una nueva era empezó para el Quercus suber: el alcornoque. Los tapones de corcho permitieron almacenar los vinos con seguridad durante períodos prolongados y transportarlos a largas distancias. Se desarrolló así la industria vinícola de una manera que de otro modo probablemente nunca habría sido posible. El uso sistemático del corcho para tapones de botellas hizo que al administrar los bosques se favoreciese el Quercus suber sobre otras especies, y que finalmente grandes extensiones de bosques se transformasen en rodales de una sola especie. Esto no quiere decir, sin embargo, que tales rodales se explotaran para extraer un solo producto. La explotación de los alcornocales para obtener el corcho (descortezarlos) hace necesario el aclareo, la poda y la limpieza del monte bajo. De todas estas operaciones se puede derivar un rendimiento financiero. Por ejemplo, el aclareo y la poda proporcionan una leña muy valiosa. Dejar que crezca forraje y otros productos bajo los árboles y llevar después allí rebaños a pastar es una manera muy práctica de mantener limpio el bosque. También es aprovechable el fruto del alcornoque, la bellota, como forraje para el ganado. Así, con el tiempo, se formó un sistema agrícola-pastoral-forestal del alcornocal. En general, el corcho está compuesto de carbono (66.8 %), oxígeno (22.8 %), hidrógeno (8.5 %) y nitrógeno (1.9%). Es un tejido protector de los tallos y de las raíces 4 viejas, producido por el anillo generador suberofelodérmico. Las células de este tejido se impregnan de suberina, lo que las hace impermeables. El corcho se forma en capas más o menos espesas según las especies (muy espesas en el caso del alcornoque); las capas externas pueden desprenderse en láminas o persistir, después de horadarse, para formar el ritidoma. Al corcho joven se le forma unos pequeños orificios, lenticelas, que desempeñan el papel de estomas de los tejidos epidérmicos primarios. El corcho está formado por células de paredes celulósicas delgadas, levemente aplanadas, cuyas dimensiones son del orden de 20 a 30 mm, llenas de gas (predominantemente nitrógeno) y cuyas paredes tienen un espesor de 1 a 2 milésimas de mm. La transferencia de los líquidos y la difusión de los gases a través de las paredes de estas células son extremadamente lentas, hasta el punto que un espesor de un solo mm de corcho constituida por 30 capas celulares, aproximadamente, crea una impermeabilidad casi perfecta. El porcentaje en volumen de gas incluido en las células es de 90%. Esta considerable proporción de gas comprimido herméticamente entre paredes flexibles explica las cualidades mecánicas y físicas del corcho. Su capacidad de taponamiento proviene de esta composición celular y la convierte en un material único en la naturaleza. La impermeabilidad es el resultado no sólo de la contrapresión ejercida por el gas de las células, sino también gracias a la presencia en las membranas del corcho de una alta proporción de sustancias grasas (suberina, cerina). La adherencia al vidrio se deriva en primer lugar de la fuerza de expansión de un material elástico contra una pared rígida, pero también, y esto es muy importante, gracias a las numerosas células seccionadas en el momento del corte del tapón y que forman otras tantas ventosas microscópicas. Sus 5 propiedades adhesivas son además aumentadas por la presencia en el corcho de sustancias resinosas. El alcornoque presenta la particularidad de volver a formar su capa protectora cuando ésta le ha sido quitada; además, si esta operación se efectúa en el momento de la circulación de la savia, se forma de manera regular un corcho fino y homogéneo. La formación del corcho empieza desde el principio de la vida del árbol, pero la primera toma de corteza sólo se efectúa al cabo de los 15 o 18 años. Una nueva capa de corcho se forma a continuación por incrementos anuales sucesivos sobre la parte del árbol puesto al desnudo; esta capa se designa con el nombre de corcho hembra o de reproducción y se recoge cada 9 años. El corcho es un material sumamente ligero, compresible, elástico y flexible, prácticamente impermeable a la humedad y a las substancias líquidas y gaseosas, con un coeficiente de fricción muy alto, mal conductor de la electricidad, del sonido y del calor y de una capacidad amortiguadora excepcional. También es resistente a la mayoría de las substancias químicas y a la acción destructiva del tiempo. La combinación de tan notables cualidades en una sola sustancia indujo, como es natural, a su aprovechamiento industrial, que data de tiempos muy remotos. Sin embargo, sólo adquirió importancia después del descubrimiento de las botellas de vidrio, que abrieron inmensas perspectivas para la venta de bebidas y planteó el problema de la producción en gran escala de tapones adecuados. La industria de tapones de corcho,que tuvo su origen en la Península Ibérica, continuó extendiéndose a los más apartados rincones del globo. Más tarde, se inventó un nuevo tipo de tapón, el americano, conocido como tapa de corona o "corcholata", que requiere una cantidad mucho menor de materia prima que el tapón corriente. Este tapón, 6 que consiste en una tapa de metal o de baquelita con una rodaja de corcho en su interior, ha resultado muy satisfactorio. El tapón americano empezó a usarse en gran escala para las botellas de cerveza, agua mineral, jugos de fruta, preparaciones farmacéuticas, alimentos en conserva, etc. 7 DEFINICIÓN E HISTORIA DE LA PLASTITAPA Las botellas de refresco y cerveza estuvieron disponibles algunos años antes de la invención de la corcholata. Hubo muchos intentos fracasados para evitar que los líquidos escurrieran de las botellas o perdieran el gas, y los que lograban el sello hermético terminaban en desastre cuando el líquido hacía contacto con la tapa de metal. En nuestro país, la plastitapa inicialmente se conocía como corcholata debido a sus dos principales componentes: la hoja de lata y el corcho utilizado como sello. También se le conoce coloquialmente como ficha, tapón corona, hermetapa, etc. (Fundación Wikipedia, 2016). 8 A pesar de que las bebidas carbonatadas eran muy populares ya en los 1880’s. El sellado de las botellas tenía constantes problemas. La mayoría de los tapones de metal fueron pensados para la reutilización. Ningunos de ellos sellaba adecuadamente, y el contacto con el casquillo contaminaba a menudo la bebida (Crown, 2016). En 1892 el inventor y empresario William Painter patentó un producto que, en su principio básico, sigue cerrando bebidas en todo el mundo. Bajo la filosofía de William Painter: “si se hacía un producto que se usara y después se desechara, el público regresaría por más”. La “corcholata” tuvo gran aceptación (Seattle History Company, 2016). El trabajo original de William Painter se patentó bajo el número 468,226 el 2 de febrero de 1892 como se muestra en la Fig. 1. 9 Figura 1. Dibujo de la patente 468,226 elaborada por William Painter en 1892 donde se define el principio de operación básico de la plastitapa. Fuente: (Crown, 2016). 10 La norma mexicana define la plastitapa como: tapa troquelada en forma de bandeja cilíndrica, con el borde pestañado en forma de concha con 21 corrugaciones, la cual utiliza un empaque (liner), generalmente de material plástico, para asegurar el sellado entre la tapa y la corona del envase (Secretaria de Comercio y Fomento Industrial, 2016). La definición mencionada es parcialmente correcta, dado que en el mercado tenemos plastitapas con 21, 27 o más corrugaciones (estrías o picos). Cabe mencionar que la norma mencionada anteriormente fue derogada por la dirección general de normas a finales del 2009. Para el caso de la industria refresquera nacional dos nombres son representativos de esta etapa: a) Don Arturo Mundet, productor desde 1918 del popular "Sidral Mundet", quien empezó a producir corcholatas en México casi tan pronto como apareció este invento en los Estados Unidos y b) Don Antonio Rivera, quien instaló fábricas de corcholatas y plantas embotelladoras en diferentes partes del país (Fundación Wikipedia, 2016). En 1936, debido a que las plastitapas eran importadas, se inició la operación de una fábrica dedicada a producir plastitapas de envases de cerveza para la Cervecería Cuauhtémoc. El rápido crecimiento de esa factoría filial, que pronto contó con sucursales en Toluca y Ensenada, le permitió satisfacer además la demanda nacional de los artículos laminados requeridos para las enlatadoras de verduras, pescados y mariscos. De esta manera surgieron varios productores de tapa corona en diferentes partes de la República Mexicana. Para finales de los 70’s se tenían aproximadamente 13 empresas fabricantes de tapas corona (Famosa, 2016). El constante cambio e innovación de productos a nivel mundial impacta fuertemente a la plastitapa. A principios de los 80’s se inicia con la fabricación de envases de vidrio de 11 mayor capacidad para la industria refresquera lo que representaba un ahorro de hasta tres corcholatas por cada refresco. Posteriormente llegan al mercado nacional los envases de PET y con ellos el casquillo de aluminio de 28mm con una estancia muy fugaz en este nicho de mercado, cediendo su lugar a la tapa rosca, con lo cual la tapa corona tuvo su impacto de mayor afectación, al grado que empresas de tapas coronas llegar a cerrar o decrementar su producción en márgenes muy importante (Famosa, 2016). 12 PROCESO DE FABRICACIÓN DE PLASTITAPAS La terminología utilizada a continuación es utilizada en la industria en la que se aplica este proyecto y con base a la experiencia adquirida durante casi veinte años. El proceso de fabricación de plastitapas consta de las siguientes áreas: Área de Corte. Esta etapa del proceso consiste en el corte de una bobina o rollo de lámina en rectángulos (llamados lámina en cuadro) de dimensiones específicas requeridas para su troquelado una vez impresa la lámina (ver Fig. 2). a) b) Figura 2. Área de corte en el proceso de fabricación de plastitapas: a) equipo y b) producto. Fuente: Elaboración propia. Área de recubrimiento. Esta etapa de proceso consiste en el recubrimiento de la lámina por ambas caras, iniciando con la que será el exterior mediante un barniz vinílico o epóxico denominado siza (transparente o dorado) o un esmalte poliéster según la presentación a imprimir. En seguida la lámina se hornea para secar los solventes y al salir del primer horno, la hoja es alimentada a una segunda barnizadora para aplicar lo que será 13 el recubrimiento interior, denominado organosol o barniz sanitario (tipo vinílico – PVC en suspensión-) para posteriormente hornearse y lograr el curado de ambos materiales (ver Fig. 3). a) b) Figura 3. Área de recubrimiento en el proceso de fabricación de plastitapas: a) equipo y b) producto. Fuente: Elaboración propia. Área de impresión. La impresión consiste en la aplicación de tintas sobre la lámina recubierta usando una placa para impresión (por cada color), donde está grabada la imagen que llevará cada plastitapa (729 por hoja en nuestro caso). En seguida se realiza la aplicación de barniz de acabado (acrílico o poliéster) y finalmente un horneo para el curado de los materiales (ver Fig. 4). 14 a) b) Figura 4. Área de impresión en el proceso de fabricación de plastitapas: a) equipo y b) producto. Fuente: Elaboración propia. Para la aplicación de tintas se requiere una “cabeza de impresión” por cada color, siendo regularmente los equipos de dos cabezas, aunque hay desde 1 hasta 6 cabezas. Cuando la presentación a realizar lleva más de un color, se le llama pasada, puede llevar una o más pasadas de tinta por el horno hasta llegar a la aplicación final con barniz (ver Fig. 5). Figura 5. Proceso de impresión para una plastitapa que requiere dos pasadas. Fuente: Elaboración propia. 15 Área de troquelado. El troquelado consiste en el corte, embutido y formado de la plastitapa a partir de la lámina impresa. En esta operación se determinan las características dimensionales (diámetro, altura, radio y ángulo) que tendrá el producto final (ver Fig. 6). a) b) Figura 6. Área de troquelado y ensamblado en el proceso de fabricación de plastitapas: a) equipo y b) producto. Fuente: Elaboración propia. Existen en el mercado plastitapas de 21 estrías o picos (usada para pry off1, también usada en twist off2, ver Fig. 7), de 27 estrías (recomendada para twist off) y hasta de 29 estrías para uso similar a la de 27. El número de estrías depende del herramental con que cuente el troquel. La empresa en estudio realiza plastitapasde 21 y 27 estrías. 1 El término pry off, se utiliza para denominar al tipo de tapa que se quita de la botella mediante el uso de un destapador. 2 El término twist off, se utiliza para denominar el tipo de tapa que se quita de la botella mediante el giro de la misma. 16 a) b) Figura 7. Ejemplo de plastitapas de 21 y 27 estrías: a) botella tipo twist off y b) botella tipo pry off. Fuente: Elaboración propia. Área de ensamblado. El ensamblado consiste en la aplicación del sello plástico (liner) en la plastitapa mediante temperatura. La tapa es alimentada directamente del troquel a las ensambladoras donde se calienta mediante radiofrecuencia. De forma paralela se alimenta plástico en forma de pellet a una tolva dosificadora. La tolva hace llegar el pellet de plástico a un extrusor para fundirlo y aplicarlo a cada plastitapa en forma líquida. 17 La torre de formado se encarga de moldear y adherir el plástico a la lámina de la plastitapa mediante presión y aprovechando el calor del plástico mismo y de la plastitapa calentada previamente (ver Fig. 8). La plastitapa es inspeccionada mediante equipos electrónicos para descartar aquellas que presenten desviaciones en el formado del plástico. Posteriormente, la plastitapa es contada y conducida a una zona de enfriamiento previo a su empacado y acondicionamiento final (presentación de pallets-cajas al cliente). a) b) Figura 8. Área de ensamble en el proceso de fabricación de plastitapas: a) equipo y b) producto. Fuente: Elaboración propia. 18 FLUJO DEL PROCESO DE FABRICACION DE PLASTITAPA El flujo de fabricación de la plastitapa se puede observar en las Figuras 9 y 10. Figura 9. Flujo de fabricación de plastitapas. Fuente: Elaboración propia. IMPRESIÓN 19 Figura 10. Diagrama a bloques del flujo de fabricación de plastitapas. Fuente: Elaboración propia. 21 METODOLOGIA DE SOLUCIÓN DE PROBLEMAS Varios autores coinciden que parte de la solución de los problemas es enfocarse en herramientas sencillas para después hacer uso de herramientas estadísticas más robustas. La empresa como parte de su sistema de gestión y de mejora continua cuenta con una metodología sencilla de solución de problemas que consiste inicialmente en conocer el trabajo, posteriormente establecer acciones para arreglar las desviaciones y posteriormente establecer acciones para mejorar los resultados. El sistema de gestión esencialmente está enfocado a alcanzar los resultados mediante la mejora continua y sostener los resultados en el tiempo (Manuele, 2008). El sistema de gestión de la compañía inicia desde la formulación del sueño, el cual es el detonante para establecer el plan estratégico, las políticas, las acciones y los objetivos a largo, mediano y corto plazo. En este nivel es donde se define el plan estratégico a largo plazo y es donde se asegura que el esfuerzo de cada uno de los integrantes este alineado a la misma dirección con el establecen los objetivos a mediano y largo plazo. En el nivel de gestión para mejorar se establecen los objetivos a un año definiendo estos de manera específica, medible y alcanzable para cada uno de los integrantes de la organización. Es de aquí donde surgen los proyectos de mejora e innovación, así como los proyectos de inversión para mejorar los resultados en general y es donde la herramienta PDCA (P Planificar. D Hacer. C Controlar. A Actuar) de mejora continua tiene su relevancia y uso (Munro, 2009). Por otra parte, para mantener se establece como principal objetivo mantener los resultados la ejecución de la rutina diaria, la ejecución de los estándares. Y es la fase de “S” 22 o bien estandarización del ciclo SDCA (S Estandarizar. D Hacer. C Controlar. A Actuar), la forma donde se garantizan y se pueden predecir los resultados de la operación diaria, con lo cual se asegura la entrega de un producto o servicio con repetitividad. METODOLOGÍA SDCA Dentro del sistema de gestión de la compañía, en el nivel de gestionar para mantener es donde se establecen las herramientas del ciclo SDCA para asegurar los resultados con la ejecución de la rutina diaria. La estandarización de los procesos juega el papel más importante de cualquier proceso de mejora ya que asegurar los resultados mediante la estandarización una vez que se al alcanzado los resultados. El ciclo SDCA involucra también la actualización de cualquier documento relacionado al proceso y se ejecuta en cualquier momento para así dar cumplimiento a las necesidades del cliente. Como primera fase del ciclo, se analiza el departamento, sus proveedores, procesos, productos y clientes, o bien diagrama SIPOC (Munro, 2009). En este proceso se identifica el producto crítico siempre alineado a los objetivos de la planta. Con base a la meta estándar, se verifican los procesos con la finalidad de estandarizar estos mediante la ejecución de tareas consecutivas y valores numéricos que permitan su comparación y detectar así las anomalías en el proceso. Como comenta Moore, la primera fase se debe organizar cada uno de los procesos con la finalidad mejorar la gestión y los resultados con la creación de grupos competitivos, áreas y turnos de alto desempeño (Moore, 2011). 23 Las herramientas utilizadas en la fase “S” son principalmente herramientas como diagramas de flujo, procedimientos estándares de operación (SOP, SWI, SMA), las cuales son herramientas vivas que deben estar en constante verificación. Una vez establecida la fase “S” del ciclo, se establece la fase “D” o hacer. Esta fase tiene como objetivo ejecutar las actividades y tareas estandarizadas y definidas en la fase “S”. En la fase de “C” o checar, se verifican los resultados de la ejecución de los resultados de la ejecución de las tareas. Es con base al resultado que se ha obtenido de la ejecución y valores estandarizados que se establecen acciones de contención o simplemente se sigue ejecutando el estándar. Para esta fase del ciclo, el sistema se apoya de tableros visuales, gráficas de desempeño que son establecidas con frecuencias y valores definidos con base a la fase “S” y “D”. Por último, en la fase “A” o actuar es donde se define el uso de herramientas sencillas como SDC o bien PDCA. Si las desviaciones de los resultados del proceso de la ejecución de las mismas son crónicas, o bien una falla crónica que ya no se pueda solucionar con la verificación y mejora del estándar, se procede al uso de la metodología PDCA. Las herramientas contempladas en esta fase son los planes de acción, de contención, y bien un reporte de anomalías o bien análisis de 5W o bien cinco por qué. A continuación, se mencionarán algunas de las herramientas que son fundamentales para la solución del problema reducir la presencia de defectos críticos presentados en la formación de envase de vidrio, con el uso de la metodología PDCA (Yellow Belt) y herramientas de lean manufacturing en las máquinas formadoras de envase. 24 REPORTE DE ANOMALÍAS Es una herramienta que se utiliza para identificar la causa raíz de los problemas. En la compañía esta herramienta está conformada por diferentes herramientas de manufactura esbelta, tales como 5 por qué, diagrama de causa efecto, plan de acción. El uso de esta herramienta se enfoca a encontrar y establecer acciones inmediatas a problemas presentados durante la ejecución de las tareas. Una de las reglas que establece el uso de esta herramienta es la participación de la persona que estaba presente durante el problema y personas que son expertas en el tema. LLUVIA DE IDEAS Comúnmente llamado también “Brainstorming” es una metodología de solución de problemas en la cual un grupo de personas de diferentes áreas por un lapso de 10 min se reúne para proponer ideas quevayan relacionadas a mejorar un problema. Esta práctica permitirá observar el problema desde diferentes ángulos y establecer así una mejor solución; ya que como parte de la metodología se evita en todo momento hacer uso mención de rangos. Otro de los puntos importantes a comentar es que existen reglas para ejecutar el ejercicio que se enfocan a evitar que se detenga el ejercicio de generación de ideas evitando comentarios como (Munro, 2009): Es muy arriesgado No seas ridículo Es buena pero… Nunca obtendremos la aprobación 25 Entre otras. Si algunas de estos enunciados se presentan durante el ejercicio, se detiene el ejercicio y se reprograma. ANÁLISIS DE BRECHAS Como su nombre lo indica en una herramienta que con la ayuda de histogramas y gráficas de Pareto se puede determinar la brecha de un indicador a mejorar. En la práctica, el uso de esta herramienta demanda inicialmente conocer el indicador a mejorar y determinar el tamaño de la brecha, posteriormente identificar aquellos quick wins o ganancias rápidas para cerrar la brecha de una manera práctica y rápida. Cabe mencionar que estos quick wins son prácticas que tenemos ya comprobadas a nivel global que dan un resultado positivo al indicador que se quiere mejorar. A la par con el uso de las ganancias rápidas, se analiza mediante una gráfica de histograma el comportamiento del indicador en el tiempo, se estratifican las causas que generan estas brechas hasta llegar a la mínima expresión del problema. Una vez que se halla estratificado el problema totalmente, a cada hecho se realiza un análisis de 5W (5 por qué) para determinar la causa raíz y con ello el establecimiento de acciones sustentables para cada uno de los hechos. Para cada una de las causas que se obtuvieron del análisis 5W, se deben establecer acciones para bloquear el problema y otras para atacar de causa raíz el problema; la conjunción de ambas de definen como acciones sustentables. 26 MEJORES PRÁCTICAS Llamada también Benchmark, es una técnica utilizada para medir el rendimiento de un sistema o componente de un sistema, traducible al castellano como “comparativa”. Es también un proceso de medir productos, servicios y prácticas contra competidores más duros o aquellas compañías reconocidas como líderes en la industria. En este caso las mejores prácticas se obtendrán de los las practicas que se suban a la plataforma de Ideas de mejora del grupo donde las otras dos vidrieras del grupo dentro de la zona tienen similitud por los modelos de las máquinas formadoras de envase. METODOLOGÍA PDCA Esta metodología de solución de problemas consiste en ocho fases o etapas: Plan (P: Planeación) 1. Identificación del problema 2. Observación del problema para reconocer las características del problema 3. Análisis del proceso, donde se detectan las principales causas del problema 4. Plan de acción: se establecen acciones para contener las principales causas Do (D: Hacer) 5. Ejecutar las acciones establecidas en el plan de acción Check (C: Verificación) 6. Confirmar la efectividad de las acciones establecidas 27 Cabe mencionar que si el resultado de las acciones no tiene mejoría reflejada con el problema nuevamente se debe observar las características del problema indicado en el paso 2 Act (A: Actuar) 7. Estandarización, en este paso se establecen estándares una vez que se han confirmado que las acciones establecidas son las adecuadas y repercuten de manera positiva el problema identificado ya que se eliminan las principales causas detectadas. 8. Conclusión. En esta última etapa de la metodología se verifican los resultados de todo el proyecto con la finalidad de planear las futuras tareas que darán sustentabilidad a la solución del problema. En forma de resumen en el paso número 1 se debe escribir el establecimiento del problema, se definen las metas y se identifican las brechas del problema. En el paso número 2, como parte de la observación del problema, se debe recolectar información con el uso de herramientas como graficas de intervalo corto, mapas de proceso y algunas gráficas de Pareto. En el paso 3, como parte del análisis del problema, se recomienda hacer uso del diagrama de pescado, esta herramienta permitirá enfocase en las causas no en los síntomas. El análisis del problema normalmente se enfoca a estratificar el problema en causas como maquinaria, mano de obra, material, medio ambiente, método, sistema de medición y el uso de la metodología del 5 ¿por qué? para cada una de estas. 28 En el 4° paso, es donde se van a establecer las medidas de contención o de solución al problema que se deberán llevar a cabo directamente en campo. Es importante que las acciones estén acompañadas además de la acción, se debe definir como se debe entregar o cerrar esta acción en campo, establecer el responsable de llevar a cabo esta acción, la fecha de compromiso. En el 5° paso, tan solo se deben ejecutar las acciones establecidas en el plan de acción, es importante que se verifiquen y se miden estas acciones con la finalidad de asegurar que las acciones están cerrando la brecha como supuestamente se estableció. En esta fase es recomendable llevar a cabo reuniones regulares para compartir los resultados de las acciones implementadas. En el paso 6, se determina que medir y que monitorear, así como quién llevara a cabo el monitoreo de las variables. Cada uno de los datos recabados debe ser analizado con la única finalidad de verificar si el problema ha sido resuelto. Si el problema no ha sido resulto, se debe nuevamente al paso 2 para observar nuevamente las características del problema. 29 REVISIÓN DE LITERATURA Son pocos, prácticamente nulos, los trabajos que aborden el tema de la producción de plastitapas. No obstante, existen una gran cantidad de trabajos de investigación que abordan el problema de optimización. A continuación se muestran algunos trabajos seleccionados donde se pone de manifiesto el uso de herramientas matemáticas para la optimización de redes. Este tipo de herramientas nos permiten realizar una mejor toma de decisiones y una mejor planeación de la operación de las empresas. Por tal motivo, en este trabajo se propone el uso de una herramienta matemática para determinar el flujo máximo en un proceso de fabricación de plastitapas. El primer trabajo analizado corresponde al análisis del problema del camino mínimo en redes urbanas (Munoz Echeverria, 2010). En este trabajo se utiliza como herramienta el uso de grafos, los cuales permiten simplificar el problema bajo estudio. Cuando el enfoque es la búsqueda del camino con el coste más bajo, estos problemas se denominan SPP (shortest path problema). El coste puede representar distancia, tiempo o ambos a la vez. En este trabajo se realiza un comparativo de diferentes algoritmos de optimización, entre lo que se hallan el algoritmo de Ford y Fulkerson, el algoritmo de Dijkstra, el algoritmo Floyd-Warshall, el algoritmo de Bern y el algoritmo de Chen Yang. Los algoritmos son programados en Visual Basic y se hace un estudio comparativo de su desempeño para distintas redes planteadas por el autor. En el segundo trabajo revisado, el autor implementó el algoritmo de Ford- Fulkerson para resolver el problema de flujo máximo (Arangoitia Fernandez Baca, 2013). Dicho algoritmo fue propuesto en 1956 por los matemáticos Lester Randolph Ford Jr. Y 30 Delbert Ray Fulkerson, quienes demostraron el teorema del flujo máximo. El autor del trabajo revisado considera que éste algoritmo es el que mejor muestra mejor desempeño pues permite llegar a una solución exacta del problema en un tiempo relativamente corto. El autor implementa el algoritmo y hace un comparativo de su desempeño para varios ejemplos de redes. En el tercer trabajo revisado, se busca minimizarel costo de una red de abasto de agua, considerando un balance entre costo y confiabilidad (Rajesh Gupta & Pramod, 2012). Los diseños óptimos de las redes se obtienen mediante algoritmos de programación lineal. Los modelos incorporan redundancias topológicas para proveer mayores capacidades ante un fallo de la tubería. La confiabilidad de las redes se evalúa empleando parámetros de confiabilidad volumétrica por nodo. Se implementan cuatro modelos distintos para comparar su costo y confiabilidad. El diseño seleccionado es aquel que produce una mayor relación entre el incremento de confiabilidad respecto al incremento en el costo. En un cuarto trabajo, los autores buscan mejorar el proceso de fabricación de vehículos en un sistema automatizado de manufactura (Montoya Torres, 2006). Para ello, comienzan por reconocer las líneas de flujo que debe seguir el vehículo hasta llegar a ser terminado. El objetivo del trabajo pretende disminuir el tiempo muerto que existe entre el traslado de unidades de una línea de trabajo a otra. Para llevar a cabo el proceso de optimización, los autores implementan un modelo de programación lineal entera. En dicho modelo, se busca una solución que optimice la función objetivo, considerando únicamente valores enteros para la solución. La solución encontrada a partir del modelo propuesto permitió la mejora de los indicadores de gestión del sistema productivo. 31 El quinto trabajo revisado corresponde a la aplicación de la teoría de conjuntos difusos para la planificación de producción (Mula Bru, Poler Escoto, & García Sabater, 2004). Esta herramienta puede ser útil para el estudio de problemas que son difíciles de definir con precisión. La teoría de conjuntos difusos permite incorporar imprecisión y subjetividad en el proceso de formulación y resolución de modelos. Esta característica permite modelar problemas como el de la planificación de la producción la cual está sujeta a un entorno dinámico, añadiendo incertidumbre al modelo matemático. El artículo aborda un ejemplo en el cuál se muestra el uso de la teoría de conjuntos difusos en una aplicación de planificación de la producción, teniendo buenos resultados finales. 33 PLANTEAMIENTO DEL PROBLEMA La producción de plastitapas de esta empresa es uno de los objetivos principales. La producción de plastitapas de 21 estrías es la de mayor demanda por el momento y con un menor porcentaje está la de 27 estrías. La empresa desea conocer cuál es su máxima capacidad de producción teniendo como prioridad la elaboración de tapas de 21 estrías para el mercado nacional, sin descuidar el mercado de exportación que por requerimientos del grupo está en crecimiento, que es en su mayoría de 27 estrías. Esto le permitirá conocer el pedido máximo de tapas que puede aceptar tanto para el mercado nacional como de exportación, para evitar el pago de multas por incumplimientos de entrega. JUSTIFICACIÓN El presente estudio se basa en una empresa que fabrica plastitapas. Las plastitapas son tapas herméticas para la industria cervecera de consumo nacional y de exportación. La fabricación de plastitapa de lámina es un proceso por lotes (no continuo), donde se utiliza tecnología de diferentes países de origen como: Inglaterra, Estados Unidos, Alemania, Italia, México, entre otros. Las materias primas son igualmente procedentes de diferentes países como Japón, Estados Unidos y México principalmente. Utilizaremos la programación lineal, la cual es una técnica de modelado matemático diseñada para ayudar en la planeación y toma de decisiones respecto a la asignación de recursos, para conocer la capacidad máxima de la planta para la fabricación de plastitapa tanto para el mercado nacional como de exportación. 35 PREGUNTA DE INVESTIGACIÓN ¿Cómo se compara el desempeño actual de la planta de plastitapas respecto a la operación óptima obtenida mediante un modelo de programación lineal? PREGUNTAS SECUNDARIAS ¿Cuál es el flujo máximo del área de preparación? ¿Cuál es el flujo máximo del área de impresión? ¿Cuál es el flujo máximo del área de troquelado? ¿Cuál es el flujo máximo del área de ensamble? ¿Qué beneficio obtiene la empresa con la determinación del flujo máximo? VARIABLES DE INVESTIGACIÓN Variables dependientes: Capacidad productiva de Línea de preparación. Capacidad productiva de la Línea de Impresión 1. Capacidad productiva de los Troqueles. Capacidad productiva de las ensambladoras. Variables independientes: Velocidad de los equipos productivos. Tiempos de mantenimiento de los equipos productivos. 37 OBJETIVO GENERAL Establecer la capacidad óptima de producción de plastitapas de 21 y 27 estrías, con base a capacidades reales de equipo y compararla con la capacidad instalada teórica. OBJETIVOS PARTICULARES Conocer la capacidad productiva por área de la empresa. Conocer los cuellos de botella del proceso de fabricación. HIPÓTESIS La capacidad de producción actual de la empresa plastitapa se encuentra por debajo del óptimo de su capacidad instalada, lo que repercute en incumplimiento de contratos y multas. 39 MARCO TEÓRICO Algunas funciones administrativas dentro de una empresa implican hacer un uso eficaz de los recursos que están disponibles. Por recursos nos podemos referir a maquinaria, mano de obra, dinero, tiempo, espacio, materia prima, entre otros. Todos estos recursos tienen como fin último el brindar un bien o servicio. Una manera de poder administrar de manera óptima los recursos disponibles es mediante la programación lineal (Render, Stair, & Hanna, 2006). La programación lineal es una técnica de modelado matemático diseñada para ayudar en la planeación y toma de decisiones respecto a la asignación de recursos. Todos los problemas de programación lineal tienen como fin último el maximizar o minimizar alguna cantidad. La cantidad se encuentra representada por una función objetivo, la cual representa la relación matemática que existe entre el bien o servicio de la empresa y alguna cantidad de interés. La cantidad de interés puede ser la utilidad de cada bien o servicio proporcionado, el costo, tiempo u alguna otra característica de interés para le empresa (Hillier, 2006). Adicionalmente, los problemas de programación lineal están sujetos a restricciones, las cuales acotan la combinación de recursos disponibles que pueden maximizar o minimizar la función objetivo (Hillier, 2006). Los problemas de programación lineal incluyen únicamente ecuaciones lineales, tanto en su función objetivo como en sus restricciones, y sus variables son no negativas (Winston, 2005). 40 La formulación de un problema de programación lineal implica el desarrollo de un modelo matemático que represente el problema administrativo. Los pasos que se siguen en su formulación son los siguientes (Render, Stair, & Hanna, 2006): 1. Entender el problema administrativo bajo estudio. 2. Identificar la función objetivo y las restricciones. 3. Definir las variables de decisión. 4. Representar mediante ecuaciones lineales la función objetivo y las restricciones, haciendo uso de las variables de decisión. MODELO DE REDES Un caso específico de los problemas de programación lineal lo conforman los modelos de redes. En una red, los puntos se conocen como nodos (generalmente representados por círculos) y las líneas que los conectan se denominan arcos (Winston, 2005). Un modelo de red está orientado a optimizar situaciones vinculadas a: rutas de transporte, redes de comunicación, sistemas de vuelos de aeropuertos, rutas de navegación de cruceros, estaciones de bombeo que transportan fluidos a través de tuberías, rutas entre ciudades, redes de conductos y todas aquellas situaciones que se puedan representar mediante una red donde los nodos representan las estaciones o lasciudades, los arcos los caminos, las líneas aéreas, los cables, las tuberías y el flujo lo representan los camiones, mensajes y fluidos que pasan por la red. El objetivo de un modelo de red es encontrar la ruta más corta, como en una red de caminos, o encontrar el flujo máximo, como en una red de tuberías. 41 Los problemas de optimización de redes se pueden representar en términos generales a través de los siguientes modelos: Modelo del árbol de mínima expansión. Modelo del flujo máximo. Modelo de la ruta más corta. MODELO DEL ÁRBOL DE MÍNIMA EXPANSIÓN El modelo del árbol de mínima expansión tiene que ver con la determinación de las ramas que pueden unir todos los nodos de una red, tal que minimice la suma de las longitudes de las ramas escogidas. Pasos para construir el árbol de expansión mínima: 1. Seleccionar cualquier nodo de la red. 2. Conectar el nodo seleccionado con el nodo más cercano cuya distancia sea la menor. 3. Considerando todos los nodos que ya están conectados, encontrar el nodo más cercano no conectado y hacer la ligadura con este. Si dos o más nodos tienen el mismo valor de distancia mínima seleccionar cualquiera de los dos. 4. Repetir el paso 3 hasta que todos los nodos estén conectados. MODELO DE FLUJO MÁXIMO El modelo de flujo máximo busca enlazar un nodo fuente y un nodo destino a través de una red de arcos dirigidos. Cada arco tiene una capacidad máxima de flujo admisible. El objetivo es el de obtener la máxima capacidad de flujo entre la fuente y el destino. 42 Características: 1. Todo flujo a través de una red conexa dirigida se origina en un nodo, llamado fuente, y termina en otro nodo llamado destino. 2. Los nodos intermedios se denominan nodos de trasbordo. 3. Se permite el flujo a través de un arco sólo en la dirección indicada por la flecha, donde la cantidad máxima de flujo está dada por la capacidad del arco. En la fuente, todos los arcos señalan hacia fuera. En el destino, todos señalan hacia dentro del nodo. 4. El objetivo es maximizar la cantidad total de flujo de la fuente al destino. Esta cantidad se mide en cualquiera de las dos maneras equivalentes, esto es, la cantidad que sale de la fuente o la cantidad que entra al destino. Pasos para resolver el problema de flujo máximo: 1. Elegir cualquier ruta entre el nodo de origen y el nodo destino. 2. Determinar el arco dentro de la ruta con la menor capacidad de flujo disponible. Se denomina C a esta cantidad y representa la capacidad adicional máxima que se puede asignar a esta ruta. 3. Disminuir en C la capacidad de flujo de cada nodo dentro de la ruta en dirección al destino. Aumentar en C la capacidad de flujo de cada nodo dentro de la ruta en dirección contraria al destino. 4. Repetir los pasos hasta que no sea posible aumentar el flujo. MODELO DE LA RUTA MÁS CORTA El objetivo del problema de la ruta más corta es determinar la menor distancia para ir de un punto de origen a un punto de destino. 43 Pasos para resolver el problema de la ruta más corta: 1. Encontrar el n-ésimo nodo más cercano al origen. Este paso se repetirá para hasta que el n-ésimo nodo más cercano sea el nodo destino. Colocar la distancia en un cuadro al lado del nodo. 2. Una vez que se haya revisado a red completa, la última distancia en el nodo final será la distancia de la ruta más corta. MODELO DE PROGRAMACIÓN LINEAL PARA PROBLEMAS DE FLUJO MÁXIMO Dada la naturaleza del problema abordado en este trabajo, el modelo de flujo máximo es el más indicado para su estudio. Para implementar el problema de flujo máximo como un problema de programación lineal consideramos que las variables de decisión corresponden a la cantidad de flujo que será enviado entre cada nodo. La función objetivo consiste en maximizar el flujo en la red. El problema está sujeto principalmente a dos tipos de restricciones: a) la cantidad de flujo en cualquier arco está limitada por la capacidad de ese arco, b) la cantidad de flujo que sale de un nodo debe ser igual a la cantidad que llega a ese nodo. Adicionalmente se pueden agregar restricciones de números enteros para los flujos entre nodos. Las variables de decisión se definen como Xij, la cual representa el flujo que va desde el nodo i hasta el nodo j. La función objetivo será maximizar el valor de Xin, donde n representa el n-ésimo nodo de la red, es decir, el flujo que llega al nodo destino. La primera restricción, que aborda la capacidad de flujo de cada rama, se expresa como Xij ≤ Capacidad máxima de la rama ij. La segunda restricción, que representa el flujo de entrada y salida en cada nodo, se expresa como Xik = Xkj, donde k representa el nodo correspondiente a la restricción aplicada. 44 A partir de este modelo de programación lineal se buscará determinar la cantidad del flujo máximo en la red de estudio en este trabajo. 45 METODOLOGÍA TIPO DE INVESTIGACIÓN Basado en los datos de proceso, se consideran los procesos principales, las capacidades teóricas o de fabricantes de los equipos de proceso, las pasadas (veces que tiene que ingresar el producto por el mismo proceso), la capacidad de proceso por turno promedio y la capacidad productiva del equipo después de mantenimiento mensual. MODELO MATEMÁTICO El modelo matemático que describe el problema de flujo máximo se formula a partir de la Figura 11., la cual describe las conexiones del equipo instalado. La Tabla 1 muestra las capacidades instaladas del equipo en cuestión. Para iniciar el desarrollo del problema se realiza un diagrama de flujo en el cual se pueden ver nodos agrupados por columnas de tal manera que cada una de ellas representan las etapas del proceso productivo de la empresa. En cada etapa, los nodos representan los equipos de operación como opciones para realizar cada parte del proceso, mientras que en cada una de las líneas se asignan valores que representan las máximas capacidades que estas pueden producir y que son distintas debido a que al tiempo de vida del equipo, marcas y capacidades de proceso particular para cada máquina. 46 Figura 11. Modelo de redes del problema estudiado. Fuente: Elaboración propia. N20 N36 N12 N21 N37 N5 N22 N38 N13 N23 N39 N24 N40 N14 N6 N25 N41 N7 N26 N42 N42 N4 N1 N2 N15 N27 N43 N28 N44 N3 N16 N29 N45 N8 N30 N46 N53 N17 N31 N47 N9 N32 N48 N54 N18 N33 N49 N10 N34 N50 N19 N35 N51 N11 CORTE EMPAQUEPREPARACION IMPRESIÓN ENSAMBLETROQUELADO PRODUCTO TERMINADO C L1 L2 L3 T1 T2 T3 T4 T5 T6 T7 T8 A B C D E F G H I J K L M N P O R 1 R 2 M 1 P T 47 EQUIPO ACTIVIDAD CAPACIDAD TEORICA POR TURNO PASADAS DE LAS HOJAS CAPACIDAD DESPUES DEL MANTENIMIENTO. UNIDADES CORTE Cortadora 1 Corte 9,000 1 8,182 Hojas Horno 1 Recubrimiento 27,600 1 25,091 Hojas Horno 2 Recubrimiento 27,600 1 25,091 Hojas LITOGRAFIA Línea 2 Impresión 48,000 2 43,636 Hojas Línea 3 Impresión 48,000 2 43,636 Hojas Troquel 1 Troquelado 17,280,000 1 15,709,091 Coronas Troquel 2 Troquelado 17,280,000 1 15,709,091 Coronas Troquel 3 Troquelado 17,280,000 1 15,709,091 Coronas Troquel 4 Troquelado 17,280,000 1 15,709,091 Coronas Troquel 5 Troquelado 17,280,000 1 15,709,091 Coronas Troquel 6 Troquelado 17,280,000 1 15,709,091 Coronas Troquel 7 Troquelado 17,280,000 1 15,709,091 Coronas Troquel 8 Troquelado 17,280,000 1 15,709,091 Coronas Ens. A Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. B Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. C Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. D Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. E Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. F Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. G Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. H Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. I Ensamblado 9,936,0001 9,032,727 Plastitapas Ens. J Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. K Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. L Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. M Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. N Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. O Ensamblado 9,936,000 1 9,032,727 Plastitapas Ens. P Ensamblado 9,936,000 1 9,032,727 Plastitapas PREPARACION TROQUELADO ENSAMBLE Tabla 1 Capacidades Teóricas de Cada Equipo 48 A partir de la información presentada, el modelo matemático se describe a continuación: Función objetivo: Maximizar el flujo XPT sujeto a: XC-L1 ≤ 29,147.23 XL1-L2 ≤ 24,804.76 XL1-L3 ≤ 24,804.76 XL2-T1 ≤ 2,021.77 XL2-T2 ≤ 2,021.77 XL2-T3 ≤ 2,021.77 XL2-T4 ≤ 2,021.77 XL2-T5 ≤ 2,021.77 XL2-T6 ≤ 2,021.77 XL2-T7 ≤ 2,021.77 XL2-T8 ≤ 2,021.77 XL3-T1 ≤ 2,530.68 XL3-T2 ≤ 2,530.68 XL3-T3 ≤ 2,530.68 XL3-T4 ≤ 2,530.68 XL3-T5 ≤ 2,530.68 XL3-T6 ≤ 2,530.68 XL3-T7 ≤ 2,530.68 XL3-T8 ≤ 2,530.68 XT1-A ≤ 1,421.36 49 XT1-B ≤ 1,421.36 XT2-C ≤ 1,421.36 XT2-D ≤ 1,421.36 XT3-E ≤ 1,421.36 XT3-F ≤ 1,421.36 XT4-G ≤ 1,421.36 XT4-H ≤ 1,421.36 XT5-I ≤ 1,421.36 XT5-J ≤ 1,421.36 XT6-K ≤ 1,421.36 XT6-L ≤ 1,421.36 XT7-M ≤ 1,421.36 XT7-N ≤ 1,421.36 XT8-O ≤ 1,421.36 XT8-P ≤ 1,421.36 XA-R1 ≤ 9,936.00 XB-R1 ≤ 9,936.00 XC-R1 ≤ 9,936.00 XD-R1 ≤ 9,936.00 XE-R1 ≤ 9,936.00 XF-R1 ≤ 9,936.00 XG-R1 ≤ 9,936.00 XH-R1 ≤ 9,936.00 XI-R1 ≤ 9,936.00 XJ-R1 ≤ 9,936.00 50 XK-R2 ≤ 9,936.00 XL-R2 ≤ 9,936.00 XM-R2 ≤ 9,936.00 XN-R2 ≤ 9,936.00 XO-M ≤ 9,936.00 XP-M ≤ 9,936.00 XR1-PT ≤ 99,360.00 XR2-PT ≤ 39,744.00 XM1-PT ≤ 19,872.00 XC-L1 ≤ XL1-L2 + XL1-L3 XL1-L2 ≤ XL2-T1 + XL2-T2 + XL2-T3 + XL2-T4 + XL2-T5 + XL2-T6 + XL2-T7 +XL2-T8 XL1-L3 ≤ XL3-T1 + XL3-T2 + XL3-T3 + XL3-T4 + XL3-T5 + XL3-T6 + XL3-T7 + XL3-T8 XL2-T1 + XL3-T1 ≤ XT1-A + XT1-B XL2-T2 + XL3-T2 ≤ XT2-C + XT2-D XL2-T3 + XL3-T3 ≤ XT3-E + XT3-F XL2-T4 + XL3-T4 ≤ XT4-G + XT4-H XL2-T5 + XL3-T5 ≤ XT5-I + XT5-J XL2-T6 + XL3-T6 ≤ XT6-K + XT6-L XL2-T7 + XL3-T7 ≤ XT7-M + XT7-N XL2-T8 + XL3-T8 ≤ XT8-O + XT8-P XT1-A ≤ XA-R1 XT1-B ≤ XA-R1 XT2-C ≤ XA-R1 51 XT2-D ≤ XA-R1 XT3-E ≤ XA-R1 XT3-F ≤ XA-R1 XT4-G ≤ XA-R1 XT4-H ≤ XA-R1 XT5-I ≤ XA-R1 XT5-J ≤ XA-R1 XT6-K ≤ XA-R2 XT6-L ≤ XA-R2 XT7-M ≤ XA-R2 XT7-N ≤ XA-R2 XT8-O ≤ XA-M1 XT8-P ≤ XA-M1 XR1-PT + XR2-PT + XM1-PT ≤ XPT Xij ≥ 0 52 UNIVERSO DE TRABAJO Por cuestiones de confidencialidad no se proporciona información de la empresa en cuestión. Los datos utilizados en la presente investigación son los datos mensuales del 2015. Se pretende considerar hasta el primer cuatrimestre del año 2015 con datos reales de proceso. 53 RESULTADOS Para hallar las capacidades de producción real de cada máquina se debe considerar la capacidad real experimental por turno, el número de pasadas que tiene que seguir el producto en proceso para poder pasar a la siguiente etapa, el tiempo de mantenimiento de las máquinas, el cual fue calculado mediante un estudio de tiempos y la eficiencia, la cual se calculó experimentalmente como 92%. En la Tabla II se muestran las capacidades de producción reales obtenidas para cada máquina: Tabla II.- Capacidades productivas por equipo de proceso. Tras calcular las capacidades reales por turno considerando los factores antes mencionados y dado que a un mismo nodo pueden llegar varias fuentes, se consideró % DE DISPONIBILI DAD DE EQUIPO GOLPES - HOJAS X MINUTO PROCESO EQUIPO ACTIVIDAD CAPACIDAD TEORICO POR TURNO PASADAS DE LAS HOJAS CAPACIDAD POR TURNO PROMEDIO CAPACIDAD DESPUES DEL MANTENIMI ENTO. UNIDADES 0.78 129 CORTE Cortadora 1 Corte 85,140 1 78,329 57,101,695 Coronas 61,096 Hojas 0.78 Horno 1 Recubrimiento 54,000 1 49,680 36,216,720 Coronas 38,750 Hojas 0.78 Horno 2 Recubrimiento 54,000 1 49,680 36,216,720 Coronas 38,750 Hojas 0.78 1500 Línea 2 Impresión 18,000 2 16,560 12,072,240 Coronas 12,917 Hojas 0.78 4800 Línea 3 Impresión 57,600 2 52,992 38,631,168 Coronas 41,334 Hojas 176 Troquel 1 Troquelado 3,421,440 1 3,147,725 2,455,225 Coronas 3368 Hojas 176 Troquel 2 Troquelado 3,421,440 1 3,147,725 2,455,225 Coronas 3368 Hojas 176 Troquel 3 Troquelado 3,421,440 1 3,147,725 2,455,225 Coronas 3368 Hojas 176 Troquel 4 Troquelado 3,421,440 1 3,147,725 2,455,225 Coronas 3368 Hojas 176 Troquel 5 Troquelado 3,421,440 1 3,147,725 2,455,225 Coronas 3368 Hojas 176 Troquel 6 Troquelado 3,421,440 1 3,147,725 2,455,225 Coronas 3368 Hojas 176 Troquel 7 Troquelado 3,421,440 1 3,147,725 2,455,225 Coronas 3368 Hojas 176 Troquel 8 Troquelado 3,421,440 1 3,147,725 2,455,225 Coronas 3368 Hojas 2500 Ens. A Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. B Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. C Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. D Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. E Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. F Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. G Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. H Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. I Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. J Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. K Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. L Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. M Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. N Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. O Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 2500 Ens. P Ensamblado 1,800,000 1 1,656,000 1,404,000 Plastitapas 1926 Hojas 4500 PREPARACION TROQUELADO ENSAMBLE HOJAS POR TURNO LITOGRAFIA 0.78 0.78 54 distribuir uniformemente la capacidad de cada máquina entre las alimentaciones que pertenezcan al mismo nodo. Figura 12. Diagrama de flujo que representa las alimentaciones de cada uno de los equipos en las diferentes etapas del proceso. Debido a las necesidades productivas del mercado y compromisos del grupo, la empresa tiene que abastecer dos tipos de tapa de 21 para el mercado nacional, aunque esta ya como producto final se exporta a más de 150 países. La del mercado de exportación de 27 estrías. N20 N36 N12 N21 N37 N5 N22 N38 N13 N23 N39 N24 N40 N14 N6 N25 N41 N7 N26 N42 N42 N4 N1 N2 N15 N27 N43 N28 N44 N3 N16 N29 N45 N8 N30 N46 N53 N17 N31 N47 N9 N32 N48 N54 N18 N33 N49 N10 N34 N50 N19 N35 N51 N11 CORTE EMPAQUEPREPARACION IMPRESIÓN ENSAMBLETROQUELADO PRODUCTO TERMINADO C L1 L2 L3 T1 T2 T3 T4 T5 T6 T7 T8 A B C D E F G H I J K L M N P O R 1 R 2 M 1 P T 55 Figura 13. Diagrama de flujo para plastitapas de 21 estrías mercado nacional. Figura 14. Diagrama de flujo para plastitapas de 27 estrías mercado de exportación. 56 Una vez resuelto el flujo máximo planteado para el proceso productivo de tapa se obtienen los siguientes resultados en hojas procesadas por turno: EQUIPO CAPACIDAD MÁXIMA C 30815 L1 30815 L2 12917 L3 17898 T1 3852 T2 3852 T3 3852 T4 3852 T5 3852 T6 3852 T7 3852 T8 3852 A 1926 B 1926 C 1926 D 1926 E 1926 F 1926 57 G 1926 H 1926 I 1926 J 1926 K 1926L 1926 M 1926 N 1926 O 1926 P 1926 R1 19259 R2 7704 R3 3852 PT 30815 58 La siguiente tabla muestra los porcentajes de utilización de los equipos productivos: EQUIPO CAPACIDAD REAL CAPACIDAD UTILIZADA EFICIENCIA C 61,096 30,815 50% L1 38,750 30,815 80% L2 12,917 12,917 100% L3 41,334 17,898 43% T1 3,852 3,852 100% T2 3,852 3,852 100% T3 3,852 3,852 100% T4 3,852 3,852 100% T5 3,852 3,852 100% T6 3,852 3,852 100% T7 3,852 3,852 100% T8 3,852 3,852 100% A 1,926 1,926 100% B 1,926 1,926 100% C 1,926 1,926 100% D 1,926 1,926 100% E 1,926 1,926 100% F 1,926 1,926 100% 59 G 1,926 1,926 100% H 1,926 1,926 100% I 1,926 1,926 100% J 1,926 1,926 100% K 1,926 1,926 100% L 1,926 1,926 100% M 1,926 1,926 100% N 1,926 1,926 100% O 1,926 1,926 100% P 1,926 1,926 100% Con los resultados anteriores se obtienen las plastitapas por mes: Plastitapas 22,464,000 Mensual 1,347,840,000 Plastitapas Mensuales % Nacional 1,010,880,000 75% Exportación 336,960,000 25% 60 De acuerdo a los datos anteriores se puede determinar: Que la producción mensual nacional es de 1,010,880,000 plastitapas mientras que para exportación es de 336,960,000 Para el equipo de la etapa inicial, correspondiente al corte, se tiene una eficiencia del 50%. Por lo tanto, esta etapa está en condiciones de desarrollar una mayor productividad. La línea de preparación puede contribuir con un 20% adicional de lo que actualmente produce. Los equipos de proceso troqueles y ensambladoras ya están a su máxima capacidad, considerando un nivel de utilización del 78%. 61 Adicional a los resultados anteriores se presenta una simulación con los resultados reales de los meses de agosto, septiembre y octubre del 2015 Resultados de Agosto 2015 EQUIPO CAPACIDAD MÁXIMA AGOSTO EQUIPO CAPACIDAD REAL CAPACIDAD UTILIZADA EFICIENCIA N1 22,586 C 34,652 22,586 65% N2 22,586 L1 33,163 22,586 68% N3 20,793 L2 20,793 20,793 100% N4 1,792 L3 17,241 1,792 10% N5 2,823 T1 2,823 2,823 100% N6 2,823 T2 2,823 2,823 100% N7 2,823 T3 2,823 2,823 100% N8 2,823 T4 2,823 2,823 100% N9 2,823 T5 2,823 2,823 100% N10 2,823 T6 2,823 2,823 100% N11 2,823 T7 2,823 2,823 100% N12 2,823 T8 2,823 2,823 100% N13 1,412 A 9,936 1,412 14% N14 1,412 B 9,936 1,412 14% N15 1,412 C 9,936 1,412 14% N16 1,412 D 9,936 1,412 14% 62 N17 1,412 E 9,936 1,412 14% N18 1,412 F 9,936 1,412 14% N19 1,412 G 9,936 1,412 14% N20 1,412 H 9,936 1,412 14% N21 1,412 I 9,936 1,412 14% N22 1,412 J 9,936 1,412 14% N23 1,412 K 9,936 1,412 14% N24 1,412 L 9,936 1,412 14% N25 1,412 M 9,936 1,412 14% N26 1,412 N 9,936 1,412 14% N27 1,412 O 9,936 1,412 14% N28 1,412 P 9,936 1,412 14% N29 14,116 N30 5,646 N31 2,823 N32 22,586 63 Resultados de Septiembre 2105. EQUIPO CAPACIDAD MÁXIMA AGOSTO EQUIPO CAPACIDAD REAL CAPACIDAD UTILIZADA EFICIENCIA N1 22,742 C 29,147 22,742 78% N2 22,742 L1 24,805 22,742 92% N3 16,174 L2 16,174 16,174 100% N4 6,568 L3 20,245 6,568 32% N5 2,843 T1 2,843 2,843 100% N6 2,843 T2 2,843 2,843 100% N7 2,843 T3 2,843 2,843 100% N8 2,843 T4 2,843 2,843 100% N9 2,843 T5 2,843 2,843 100% N10 2,843 T6 2,843 2,843 100% N11 2,843 T7 2,843 2,843 100% N12 2,843 T8 2,843 2,843 100% N13 1,421 A 9,936 1,421 14% N14 1,421 B 9,936 1,421 14% N15 1,421 C 9,936 1,421 14% N16 1,421 D 9,936 1,421 14% N17 1,421 E 9,936 1,421 14% 64 N18 1,421 F 9,936 1,421 14% N19 1,421 G 9,936 1,421 14% N20 1,421 H 9,936 1,421 14% N21 1,421 I 9,936 1,421 14% N22 1,421 J 9,936 1,421 14% N23 1,421 K 9,936 1,421 14% N24 1,421 L 9,936 1,421 14% N25 1,421 M 9,936 1,421 14% N26 1,421 N 9,936 1,421 14% N27 1,421 O 9,936 1,421 14% N28 1,421 P 9,936 1,421 14% N29 14,214 N30 5,685 N31 2,843 N32 22,742 65 Resultados de Octubre 2015 EQUIPO CAPACIDAD MÁXIMA AGOSTO EQUIPO CAPACIDAD REAL CAPACIDAD UTILIZADA EFICIENCIA N1 27,048 C 34,652 27,048 74% N2 27,048 L1 33,163 27,048 82% N3 18,106 L2 20,793 18,106 100% N4 8,942 L3 17,241 8,942 35% N5 3,381 T1 2,823 3,381 100% N6 3,381 T2 2,823 3,381 100% N7 3,381 T3 2,823 3,381 100% N8 3,381 T4 2,823 3,381 100% N9 3,381 T5 2,823 3,381 100% N10 3,381 T6 2,823 3,381 100% N11 3,381 T7 2,823 3,381 100% N12 3,381 T8 2,823 3,381 100% N13 1,690 A 9,936 1,690 17% N14 1,690 B 9,936 1,690 17% N15 1,690 C 9,936 1,690 17% N16 1,690 D 9,936 1,690 17% N17 1,690 E 9,936 1,690 17% 66 N18 1,690 F 9,936 1,690 17% N19 1,690 G 9,936 1,690 17% N20 1,690 H 9,936 1,690 17% N21 1,690 I 9,936 1,690 17% N22 1,690 J 9,936 1,690 17% N23 1,690 K 9,936 1,690 17% N24 1,690 L 9,936 1,690 17% N25 1,690 M 9,936 1,690 17% N26 1,690 N 9,936 1,690 17% N27 1,690 O 9,936 1,690 17% N28 1,690 P 9,936 1,690 17% N29 16,905 N30 6,762 N31 3,381 N32 27,048 67 En la siguiente tabla se muestra un comparativo entre las producciones reales en los meses de Agosto, Septiembre y Octubre, así como los resultados obtenidos con las capacidades medidas y los resultados obtenidos con las capacidades ideales. AGOSTO SEPTIEMBRE OCTUBRE TEORICOS IDEALES TOTALES 22586 22742 27048 30300 38449 Plastitapas 16,464,979 16,578,791 19,717,770 22,089,061 28,029,061 Mensual 987,898,730 994,727,433 1,183,066,221 1,325,343,671 1,681,743,671 En base a este resumen de simulación se observa que en el trimestre analizado, el mes de agosto presentó mayor ineficiencias en las ensambladoras, ya que solo fueron utilizadas en un 14%, esto es debido a que la etapa anterior que son los troqueles presentan ya un cuello de botella, en los dos siguientes meses sigue trabajando al 100%. La producción se incrementó hacia el último mes del presente análisis aunque aún se encuentra un 10% debajo de las capacidades estimadas. La producción mensual ideal se tiene como referencia ya que ningún proceso puede trabajar idealmente. 69 CONCLUSIONES La capacidad instalada de la empresa al 78% disponibilidad de equipo es de 1,100,000,000 de plastitapas mensuales, siendo el 80 % de 21 estrías y el 20 % de 27 estrías. Con base a los análisis realizados se pueden realizar las siguientes conclusiones: La capacidad instalada al 78% de disponibilidad de equipo de la planta es un 12% por debajo de lo planteado en la hipótesis inicial Los porcentajes productivos mensuales de plastitapa Nacional contra los de exportación es de 75% contra el 25% respectivamente. La ensambladora está por debajo de la eficiencia teórica de proceso debido a que los equipos de la etapa anterior, que son los troqueles, están trabajando a su máxima eficiencia. Los troqueles están operando a su máxima eficiencia esto es una limitación del proceso que se puede mejorar incrementando el número de golpes por minuto del equipo, este incremento de velocidad aumentará la producción mensual. Se deben de tomar en cuenta la capacidad de producción de cada equipo, se ve afecta por las horas de mantenimiento preventivo y correctivo, esto es consecuencia de la longevidad del mismo, este factor es primordial al momento de realizar la capacidad por máquina. 71 BIBLIOGRAFÍA Arangoitia Fernandez Baca, J. V. (13 de Mayo de 2013). Análisis, diseño e implementaciónde un software que determine la solución al problema del flujo máximo aplicando el algoritmo de Ford-Fulkerson. Recuperado el 22 de Enero de 2016, de Pontifica Universidad Católica del Perú: http://tesis.pucp.edu.pe/repositorio/handle/123456789/4538 Crown. (21 de Febrero de 2016). History and timeline. Obtenido de Crown Brand Building Packaging: http://www.crowncork.com/about-crown/history-and-timeline Famosa. (21 de Febrero de 2016). Nosotros. Obtenido de Famosa: http://www.famosa.com.mx/historia.htm Fundación Wikipedia. (21 de Febrero de 2016). Grupo Modelo. Obtenido de Wikipedia: https://es.wikipedia.org/wiki/Grupo_Modelo Fundación Wikipedia. (21 de Febrero de 2016). Sidral Mundet. Obtenido de Wikipedia: https://es.wikipedia.org/wiki/Sidral_Mundet Hillier, F. (2006). Introducción a la investigación de operaciones. McGraw-Hill. Manuele, F. (2008). Advanced Safety Management Focusing on Z10 and Serious Injury Prevention. Hoboken: Wiley-Interscience. Montoya Torres, J. R. (2006). Procedimiento jerárquico basado en optimización y simulación para la gestión de vehículos en sistemas automatizados de manufactura. Ing. Univ. Bogota, 10(1), 77-96. 72 Moore, R. (2011). Selecting the Right Manufacturing Improvement Tools. Burlington: Butterworth-Heinemann. Mula Bru, J., Poler Escoto, R., & García Sabater, J. P. (2004). Aplicaciones de la teoría de los conjuntos difusos en la planificación de la producción: un estudio de la literatura. VIII Congreso de Ingeniería de Organización, 101-110. Munoz Echeverria, B. (20 de Mayo de 2010). Análisis del problema del camino mínimo en redes urbanas. Recuperado el 20 de Enero de 2016, de Universidad Politecnica de Catalunya: http://hdl.handle.net/2099.1/12658 Munro, R. (2009). Lean Six Sigma for the Healthcare Practice. Milwaukee: ASQ Quality Press. Rajesh Gupta, J. V., & Pramod, B. (2012). Comparación entre diseños de redes cerradas para varios modelos de distribución de flujo. Ingeniería Hidráulica y Ambiental, 33(3), 33-43. Render, B., Stair, R., & Hanna, M. (2006). Métodos cuantitativos para los negocios. Pearson Educación. Seattle History Company. (21 de Febrero de 2016). William Painter Bottle Stopper. Obtenido de HutchBook.com: http://www.hutchbook.com/Painter%2002-02- 1892/default.htm Secretaria de Comercio y Fomento Industrial. (21 de Febrero de 2016). NMX-EE-206- 1986: ENVASE - METALES - TAPAS CORONA - ESPECIFICACIONES. Obtenido de vlex: http://vlex.com.mx/vid/envase-metales-tapas-especificaciones- 381789334?_ga=1.131895759.1534435789.1456068906 Winston, W. (2005). Investigación de operaciones, aplicaciones y algoritmos. Thomson.
Compartir